Búsqueda · 24 momentos en 13 episodios
Luisa AchaerandioIsabel CorderoJuan Carlos GilIgnacio CrespoFrancis VillatoroHéctor SocasGastón Giribetalpha proof combina inteligencia artificialalpha evolve optimiza distribución mercancías googledeepmind prueba teoremas lenguaje formalgoogle utiliza sistemas deepmind centros datosrazonamiento con sistemas ai ecoscientisthipótesis debatidas por gemini 3deepthink pensamiento profundo deepminddeepmind contribuye al proceso científicoautomatización de la ciencia ai scientistartículo nature automatización de la cienciaai scientist supera a ai co-scientistdeepmind desarrolla ai scientistai scientist escribe código para experimentosexperimentos insílico con ai scientistpaper generado por deepmindtasa de aceptación del 70congreso sobre inteligencia artificialretractación del paper deepmindAI EcoscientistGemini 3DeepThinkDeepMindGoogleNature AstronomyJuan Carlos GilPushmeet KohliThore GraepelAlphaGoDemi HassabisGoogle DeepMindPremio Nobel de QuímicaAlpha ProofAlpha EvolveAlphaTensorAlphadevGraphCastAI ScientistInteligencia Artificial
Deepthink pensamiento profundo DeepMind
Con
0:000:301:001:302:002:303:003:20
Juan Carlos Gil describe una nueva línea de investigación de DeepMind centrada en el razonamiento y descubrimiento con sistemas como AI Ecoscientist y Gemini 3.
…una librería que en el módulo de ordenación por lo visto no se tocaba desde hacía 10 años. Estaba todo resuelto hasta que la mejoró ligeramente AlphaDev con un algoritmo que para listas cortas es un 70% más eficaz en CPUs modernas que los mejores conocidos. Algunos otros más recientes como Alpha Proof y Alpha Evolve que combinan distintos sistemas de inteligencia artificial, no uno solo, incluyendo no solo los que he comentado antes sino también modelos de lenguaje son capaces de probar teoremas mediante lenguaje formal y también son capaces de optimizar problemas prácticos de distribución de mercancías, de cosas así, que está utilizando la misma Google, dueño de DeepMind, para sus propios centros de datos. y todavía más recentemente DeepMind tiene otra línea de investigación centrada En lo que ellos llaman razonamiento y descubrimiento con sistemas como AI Ecoscientist y Gemini 3, el módulo que llaman de DeepThink, pensamiento profundo, que no se centran ya solamente en explorar el espacio de soluciones de un problema concreto, sino que razonan, generan hipótesis y las debaten entre distintos modelos, ponen modelos a debatir la aplicabilidad de determinada hipótesis, ¿vale? Es decir, no solo buscan respuestas a un problema, sino que empiezan a formar parte de buscar el propio problema; de alguna forma empiezan a formar, a contribuir al propio proceso científico. Ayer mismo esto ha sido casualidad, se publicó en Nature un artículo titulado Hacia la automatización de la ciencia en to end, de principio a fin. donde otros investigadores describen un sistema que llaman AI Scientist, no se han roto la cabeza con el nombre, el de DeepMind era AI Co-Scientist, y este se han puesto por encima, AI Scientist, porque es capaz de proponer ideas, revisar la literatura, escribir el código, el programa para hacer lo que quieren hacer, ejecutar los experimentos, de momento solo insílico, no controlan brazos robóticos en laboratorio, son todos los... Solo les falta ir al telescopio. En algún momento lo harán. Bueno, analizan los resultados e incluso han hecho el propio Paper y lo han puesto en común entre varios modelos. El paper es gracioso porque hizo un artículo que presentaron a un congreso, un congreso que no es extraordinariamente difícil de entrar; la tasa de aceptación de artículos era del 70%. Pero vamos, que este sistema él solito eligió el problema, hizo el cálculo, tatatata, escribió el paper, lo mandó y lo aceptaron en el Congreso. Un Congreso sobre Inteligencia Artificial. Por supuesto, luego retractaron el artículo; vamos, por esa parte del experimento. Seguramente el comité científico usó a ChatGPT para ver lo que le entraban, con lo cual ya estamos a punto ya de cerrar totalmente el círculo y que las guías hagan la ciencia, escriban el paper, lo lea, os traía y no necesitemos el humano en ningún momento,…
Significado #1 · Palabras #1
Héctor Socas introduce el siguiente tema a tratar en el podcast, retomando la conversación de la semana anterior sobre DeepMind y una entrevista con Pushmeet Kohli y Thore Graepel.
Habla: Héctor SocasSignificado #6deepmind y pushmeet kohlialpha go contra easydolentrevista con thore graepel10 años de victoria alphago…poco esa idea, ¿no? Vale, venga, vamos a ir pasando de tema; hay más preguntas, pero ya veremos si luego al final da tiempo de sacarlas porque si no igual nos quedamos sin tiempo para algunas de las otras cosas. Si no hay nada más sobre esto podemos pasar a lo siguiente que tiene que ver con retomar todo lo que hablamos la semana pasada, que hablamos un montón sobre DeepMind y lamentablemente nos quedamos sin tiempo para algunas de las cosas de las que queríamos hablar porque Juan Carlos se tenía que ir. Les recuerdo, hicimos esta entrevista con Pushmeet Kohli y con Thore Graepel que son uno vicepresidente de ciencia de DeepMind, el laboratorio de inteligencia artificial de Google y el otro uno de los miembros del equipo original que diseñó AlphaGo y bueno, como se cumplían 10 años de AlphaGo, de su histórica victoria sobre el EasyDol el gran campeón humano del juego de Go, pues de ahí el que estuviéramos hablando de ese tema, hicimos esa entrevista, bueno, hablamos mucho la semana pasada de todo eso por cierto, quedaron pendientes las tomas falsas, que tengo por aquí algunas, por si luego queremos sacar, pero Antes, podemos hablar un poco en temas un poco más serios de cómo estuvo explicando muy bien Alberto y estuvimos discutiendo sobre AlphaGo y el juego de Go y cómo este sistema había aprendido a jugar de forma tan magistral, incluso a mostrar capacidades de…
Juan Carlos Gil describe cómo DeepMind ha desarrollado GraphCast, un programa derivado de AlphaGo que predice el clima utilizando datos históricos en lugar de simulaciones complejas.
Habla: Juan Carlos GilSignificado #14 · Palabras #19graphcast aprende dinámicas atmosféricasdeepmind usa datos históricos graphcastprevisiones meteorologicas graphcast datos previos…de problema de información completa. Pero en otros sistemas de interés científico, como el clima, claramente trabajamos con información incompleta. Hay datos ruidosos, hay dinámicas caóticas y así, aún así, y pregunté sobre ello explícitamente a Colley. En la entrevista, DeepMind también ha desarrollado otro nieto de AlphaGo que se llama GraphCast, que en lugar de resolver las ecuaciones de la atmósfera con enormes supercomputadores y simulaciones es capaz de aprender sus dinámicas a partir de datos previos, tabulados desde hace cientos de años y usar esos datos para hacer previsiones meteorológicas a futuro. No solo eso, ya puestos DeepMind han atacado a muchísimos otros dominios; por ejemplo, a AlphaTensor, que fue capaz de descubrir algoritmos más eficientes, en particular para multiplicar matrices, también lo comentábamos. Por ejemplo, el caso de la matriz de…
Juan Carlos Gil describe una nueva línea de investigación de DeepMind centrada en el razonamiento y descubrimiento con sistemas como AI Ecoscientist y Gemini 3.
Habla: Juan Carlos GilSignificado #1 · Palabras #1alpha proof combina inteligencia artificialalpha evolve optimiza distribución mercancías googledeepmind prueba teoremas lenguaje formalgoogle utiliza sistemas deepmind centros datosrazonamiento con sistemas ai ecoscientisthipótesis debatidas por gemini 3deepthink pensamiento profundo deepminddeepmind contribuye al proceso científicoautomatización de la ciencia ai scientistartículo nature automatización de la cienciaai scientist supera a ai co-scientistdeepmind desarrolla ai scientistai scientist escribe código para experimentosexperimentos insílico con ai scientistpaper generado por deepmindtasa de aceptación del 70congreso sobre inteligencia artificialretractación del paper deepmind…una librería que en el módulo de ordenación por lo visto no se tocaba desde hacía 10 años. Estaba todo resuelto hasta que la mejoró ligeramente AlphaDev con un algoritmo que para listas cortas es un 70% más eficaz en CPUs modernas que los mejores conocidos. Algunos otros más recientes como Alpha Proof y Alpha Evolve que combinan distintos sistemas de inteligencia artificial, no uno solo, incluyendo no solo los que he comentado antes sino también modelos de lenguaje son capaces de probar teoremas mediante lenguaje formal y también son capaces de optimizar problemas prácticos de distribución de mercancías, de cosas así, que está utilizando la misma Google, dueño de DeepMind, para sus propios centros de datos. y todavía más recentemente DeepMind tiene otra línea de investigación centrada En lo que ellos llaman razonamiento y descubrimiento con sistemas como AI Ecoscientist y Gemini 3, el módulo que llaman de DeepThink, pensamiento profundo, que no se centran ya solamente en explorar el espacio de soluciones de un problema concreto, sino que razonan, generan hipótesis y las debaten entre distintos modelos, ponen modelos a debatir la aplicabilidad de determinada hipótesis, ¿vale? Es decir, no solo buscan respuestas a un problema, sino que empiezan a formar parte de buscar el propio problema; de alguna forma empiezan a formar, a contribuir al propio proceso científico. Ayer mismo esto ha sido casualidad, se publicó en Nature un artículo titulado Hacia la automatización de la ciencia en to end, de principio a fin. donde otros investigadores describen un sistema que llaman AI Scientist, no se han roto la cabeza con el nombre, el de DeepMind era AI Co-Scientist, y este se han puesto por encima, AI Scientist, porque es capaz de proponer ideas, revisar la literatura, escribir el código, el programa para hacer lo que quieren hacer, ejecutar los experimentos, de momento solo insílico, no controlan brazos robóticos en laboratorio, son todos los... Solo les falta ir al telescopio. En algún momento lo harán. Bueno, analizan los resultados e incluso han hecho el propio Paper y lo han puesto en común entre varios modelos. El paper es gracioso porque hizo un artículo que presentaron a un congreso, un congreso que no es extraordinariamente difícil de entrar; la tasa de aceptación de artículos era del 70%. Pero vamos, que este sistema él solito eligió el problema, hizo el cálculo, tatatata, escribió el paper, lo mandó y lo aceptaron en el Congreso. Un Congreso sobre Inteligencia Artificial. Por supuesto, luego retractaron el artículo; vamos, por esa parte del experimento. Seguramente el comité científico usó a ChatGPT para ver lo que le entraban, con lo cual ya estamos a punto ya de cerrar totalmente el círculo y que las guías hagan la ciencia, escriban el paper, lo lea, os traía y no necesitemos el humano en ningún momento,…
Juan Carlos Gil menciona un discurso de aceptación del Premio Nobel de Química de 2024 por parte de Demi Hassabis, CEO de Google DeepMind.
Habla: Juan Carlos GilSignificado #9 · Palabras #7nobel de química 2024 demi hassabisceo google deepmind discurso nobelconjetura ambiciosa deepmind…momento, bueno, más que para hacer el podcast y contárselo a ustedes Y no sé yo, que en Notebook LM ya lo hace Veía el otro día No tiene nada que ver, de verdad, la verdad que esto, esto lo supera Sí, sí, por supuesto, hombre Nosotros dices, muchas gracias Decía que oí hace poco, preparando la entrevista, el discurso de aceptación del Nobel de Química de 2024 por parte de Demi Hassabis, el CEO de Google DeepMind, que es quien lo recibió representando a DeepMind, en el que el tío en ese mismo discurso planteó una conjetura, bueno, que me parece muy ambiciosa. el tío dijo, y planteo esta conjetura, dos puntos, que cualquier patrón de la naturaleza, cualquier patrón de la naturaleza, él cree que podrá ser descubierto y modelado por algoritmos de aprendizaje automático o sea, si esa conjetura fuese cierta, que no nos vamos a meter, y la conectamos con estos sistemas que…