Búsqueda · 31 momentos en 20 episodios
María RibesAlberto ApariciJuan Carlos GilIgnacio CrespoFrancis VillatoroHéctor SocasLuisa AchaerandioPushmeet Kohli · DeepMindThore Graepel · DeepMindárbol monte carlo alpha goalpha cero superó alpha gointeligencia artificial profundidad juegosanálisis ortosintáctico filólogos ineficazlenguaje natural inteligencia artificial ambiguoconocimiento filólogos lenguaje trivialfilólogos lastre inteligencia artificialniños aprenden idioma ortocintácticomaria problema inteligencia artificialolvidar filólogos lenguaje naturalcorrelaciones datos comprensión lenguajetokens información aprendizaje automáticoevitar sobreaprendizaje modelos lenguajeMaríaFrancis VillatoroAlphaGoAlphaCeroMonte CarloMaría RibesJuan Carlos Gil
Filólogos lastre Inteligencia Artificial
Con
0:000:301:001:302:002:303:003:33
Francis Villatoro explica que el conocimiento de los filólogos es un lastre para la inteligencia artificial, ya que los niños aprenden el idioma sin necesidad de ese conocimiento ortocintáctico.
…AlphaGo no está diseñado de primeros principios, sino que hay un poco de diseño, o sea, hay diseño inteligente detrás de AlphaGo. La componente de Monte Carlo es la contribución humana, es decir, el conocimiento humano estaba básicamente en el modelo de Monte Carlo, y eso fue el gran lastre de AlphaGo, y por eso cuando eliminaron ese lastre, AlphaCero ya pudo ser mucho más potente que AlphaGo, ¿no? Pero se pensaba que era un juego tan difícil que si no ponías un árbol de Monte Carlo como se había hecho toda la vida para hacer juegos parecía como que la inteligencia artificial no iba a ser capaz de profundizar más y eso es una cosa que me gustaría ya que está aquí María y es un tema interesante. Conectarlo con el lenguaje natural de toda la vida en inteligencia artificial se ha dicho que el lenguaje natural era tan ambiguo, tan complicado. Todo el conocimiento de los filólogos sobre el lenguaje, el análisis ortosintáctico es trivial. El análisis ortosintáctico no permite entender un idioma, una lengua. Los hablantes no usamos el análisis ortosintáctico y la conexión semántica, y no usamos ese tipo de conceptos que teóricamente es lo que desde la inteligencia artificial estábamos usando para entender el lenguaje natural. Intentábamos entenderlo utilizando el conocimiento de los filólogos, pero es. Que el conocimiento de los filólogos es irrelevante, todo lo contrario a ser un beneficio, es un lastre, porque los niños, los bebés, los pequeñitos aprenden el idioma sin necesidad de ese conocimiento ortocintáctico. Entonces, en inteligencia artificial teníamos ese gran problema, por eso quería ahí meterle chicha a María. No, voy a rogar diferir y te lo voy a justificar. Pero bueno, lo que quiero decir es eso: el gran avance en la comprensión del lenguaje natural fue el momento en el que dijimos Olvídate de todo lo que saben los filólogos, lo único que tienes que hacer es aprender correlaciones entre datos y los datos es leer muchos textos, tener muchos tokens, y cuanto más tokens tienes, cuanto más información tienes aprendida, y eso sí, no sobreaprendida, porque como Sobreaprendas, peor todavía. Tienes que aprender en muy poquitas épocas, tienes que aprender de manera muy suave, pero mucho, con una red neuronal suficientemente grande para que tenga un tamaño similar al conjunto de tokens y eso era romper completamente…
Significado #1 · Palabras #1
Francis Villatoro explica que el conocimiento de los filólogos es un lastre para la inteligencia artificial, ya que los niños aprenden el idioma sin necesidad de ese conocimiento ortocintáctico.
Habla: Francis VillatoroSignificado #1 · Palabras #1árbol monte carlo alpha goalpha cero superó alpha gointeligencia artificial profundidad juegosanálisis ortosintáctico filólogos ineficazlenguaje natural inteligencia artificial ambiguoconocimiento filólogos lenguaje trivialfilólogos lastre inteligencia artificialniños aprenden idioma ortocintácticomaria problema inteligencia artificialolvidar filólogos lenguaje naturalcorrelaciones datos comprensión lenguajetokens información aprendizaje automáticoevitar sobreaprendizaje modelos lenguaje…AlphaGo no está diseñado de primeros principios, sino que hay un poco de diseño, o sea, hay diseño inteligente detrás de AlphaGo. La componente de Monte Carlo es la contribución humana, es decir, el conocimiento humano estaba básicamente en el modelo de Monte Carlo, y eso fue el gran lastre de AlphaGo, y por eso cuando eliminaron ese lastre, AlphaCero ya pudo ser mucho más potente que AlphaGo, ¿no? Pero se pensaba que era un juego tan difícil que si no ponías un árbol de Monte Carlo como se había hecho toda la vida para hacer juegos parecía como que la inteligencia artificial no iba a ser capaz de profundizar más y eso es una cosa que me gustaría ya que está aquí María y es un tema interesante. Conectarlo con el lenguaje natural de toda la vida en inteligencia artificial se ha dicho que el lenguaje natural era tan ambiguo, tan complicado. Todo el conocimiento de los filólogos sobre el lenguaje, el análisis ortosintáctico es trivial. El análisis ortosintáctico no permite entender un idioma, una lengua. Los hablantes no usamos el análisis ortosintáctico y la conexión semántica, y no usamos ese tipo de conceptos que teóricamente es lo que desde la inteligencia artificial estábamos usando para entender el lenguaje natural. Intentábamos entenderlo utilizando el conocimiento de los filólogos, pero es. Que el conocimiento de los filólogos es irrelevante, todo lo contrario a ser un beneficio, es un lastre, porque los niños, los bebés, los pequeñitos aprenden el idioma sin necesidad de ese conocimiento ortocintáctico. Entonces, en inteligencia artificial teníamos ese gran problema, por eso quería ahí meterle chicha a María. No, voy a rogar diferir y te lo voy a justificar. Pero bueno, lo que quiero decir es eso: el gran avance en la comprensión del lenguaje natural fue el momento en el que dijimos Olvídate de todo lo que saben los filólogos, lo único que tienes que hacer es aprender correlaciones entre datos y los datos es leer muchos textos, tener muchos tokens, y cuanto más tokens tienes, cuanto más información tienes aprendida, y eso sí, no sobreaprendida, porque como Sobreaprendas, peor todavía. Tienes que aprender en muy poquitas épocas, tienes que aprender de manera muy suave, pero mucho, con una red neuronal suficientemente grande para que tenga un tamaño similar al conjunto de tokens y eso era romper completamente…
María Ribes interrumpe la discusión sobre inteligencia artificial y aclara que no profundizará en filosofía del lenguaje, sino que se centrará en explicar varios puntos relacionados con un desafío planteado.
Habla: María RibesSignificado #3 · Palabras #4conexiones entre las palabras sintaxisprocesamiento lenguaje natural filólogosconstrucción textual filólogosdesafío planteado maria ribes…de lenguaje natural. Y claro, lo que se trataba de hacer, cuando dices tú el análisis ortosintáctico, me imagino que prefieres a morfosintáctico, Morfosintáctico, sí, como le quieras llamar, perdonad por qué uso el tema. Qué pena que no esté Gastón. No, no voy a hablar filosofía del lenguaje, solo que las conexiones entre las palabras, no, pues la sintaxis. Entonces, me gustaría aclarar varias cosas de este challenge que se me ha lanzado. Primero, no creo que nos debamos referir al conocimiento de los filólogos para el procesamiento del lenguaje natural porque los filólogos realmente estudian el texto, los textos, la construcción textual. Yo diría más bien los Lingüistas, cuando yo era joven, antes de la IA, pues yo estudiaba lingüística computacional: cómo hacer que las máquinas hablen y que nos comprendan. Y esas relaciones que tú has dicho, que tiene razón y no, y te lo voy a justificar; que los bebés aprenden…
Francis Villatoro comenta sobre los avances en la construcción de compactificaciones del modelo estándar utilizando inteligencias artificiales.
Habla: Francis VillatoroPalabras #20compactificaciones modelo estándar inteligencia artificialjuan carlos gil descubre compactificación natural…Cannabi Yau. Bueno, evidentemente es una broma pero me pareció suficientemente graciosa como para sacar la colación y que no sea yo siempre el que se lleva las tarjetas que vean que no todo es culpa mía No es que has creado escuela Héctor, este es el problema En serio, es un tema que se está trabajando en serio; es decir, hoy en día se están aplicando inteligencias artificiales para construir compactificaciones de tipo modelo estándar y se está avanzando bastante. Se han logrado miles de compactificaciones muy similares al modelo estándar gracias a inteligencias artificiales; todavía no tenemos una que realmente digamos: esta es la buena y definitiva. Muchas de ellas, cuando dejas que sea la inteligencia artificial la que automáticamente genere todo lo que es la compactificación y su espectro, acaba siendo súper engorroso porque lo que nos gustaría es una cosa natural, bella, sencilla, que tú digas: Juan lo ha descubierto, qué maravilla; y lo que tenemos ahora mismo son cosas engorrosas. Alambicadas, con ajustes finos, extraños que un humano no haría, pero se está trabajando mucho en ello; o sea, ahora mismo hay exploraciones masivas mediante inteligencia artificial. No sabemos si hay un número finito o infinito; empecemos por ahí. Pero…