Búsqueda · 24 momentos en 3 episodios
María RibesAlberto ApariciJuan Carlos GilIgnacio CrespoFrancis VillatoroHéctor SocasLuisa AchaerandioPushmeet Kohli · DeepMindThore Graepel · DeepMindajedrez go juegos humanoscorrelaciones clave en el ajedrezlenguaje trivial como el gogo partidas posibles humanoFrancis VillatoroAlberto ApariciJuan Carlos GilAlpha GoAlpha 0AlphaGoIgnacio CrespoAlphaCeroDeepMindFagóLee SedolGreppeljugada 37AlfagoHéctor SocasDeep BlueKasparovAjedrezADNAlphaZeroMonte CarloGo de un solo colorpartida 27ARiskEstrategoCluedoStreet PokerPiedras Papel TijeraEgipto AntiguoCientófilo
Go partidas posibles humano
Con
0:000:301:001:302:002:303:003:33
Francis Villatoro explica que los juegos como el ajedrez o el Go son considerados triviales porque son juegos creados por humanos, y su complejidad se reduce al identificar las correlaciones clave.
…suave, pero mucho, con una red neuronal suficientemente grande para que tenga un tamaño similar al conjunto de tokens y eso era romper completamente todo lo que se sabía de inteligencia artificial y cuando se hizo eso se descubrió que el lenguaje natural es. trivial, las correlaciones que aprenden los bebés y los niños las aprenden fácilmente porque en realidad el lenguaje es trivial y lo mismo hemos observado con el ajedrez o lo hemos observado con el go; son juegos humanos por lo tanto son triviales. Si tú tienes un espacio suficientemente grande para entender esas correlaciones, las correlaciones reales, es mentira que el Go tenga 10 a 170 partidas posibles; ningún humano va a jugar usando todas las posibilidades. El humano va a buscar ciertas correlaciones y esas correlaciones son triviales de entender. Entonces la máquina puede entender no solo las correlaciones que entiende un humano después de haber jugado unas decenas de miles de partidas en su vida, y además correlaciones que un humano no puede llegar a observar porque la máquina puede jugar decenas de…
Significado #1 · Palabras #1
Héctor Socas introduce los temas a tratar en el episodio, incluyendo avances en aprendizaje profundo como la victoria de AlphaGo sobre un campeón de Go, así como otros temas diversos como el embalsamamiento egipcio y experimentos con criogenización cerebral.
Habla: Héctor SocasPalabras #20alphago derrota campeón goembalsamamiento momias egipto antiguocriogenización tejido cerebralteorías conciencia debate científico…felicidad. Quizás hay una moraleja escondida en esto y la clave de la felicidad es el justo equilibrio. Buen tema para un tratado de autoayuda. Pero no estamos aquí hoy para eso, sino para tertuliar sobre la actualidad de la ciencia. Hoy nuestro recorrido nos Lleva a los orígenes del aprendizaje profundo moderno; vamos a retrotraernos 10 años a ese gran hito de DeepMind cuando su sistema AlphaGo derrotó en una partida legendaria al gran campeón humano de Go. Pero no solo de IA vive el Cientófilo, y tenemos más temas: el embalsamamiento de las momias en el Egipto Antiguo, los experimentos sobre criogenización de tejido cerebral, lo que algunos ven la antesala de la hibernación. Continuaremos el debate sobre las teorías de la conciencia y más cosas que irán surgiendo, seguro. Pasen y pónganse cómodas; que están ustedes en la compañía de Coffee Break Señal y Ruido. Ya Saben que tenemos una página web que es señalirruido.com. En esa página pueden encontrar todos los episodios anteriores, los 550 episodios que ya hemos producido contando este más todos los audios bonus, extra; también todas las referencias de los temas que…
Héctor Socas reflexiona sobre la evolución de la inteligencia artificial, comparando los logros anteriores en juegos como ajedrez con la revolución que supuso DeepMind al vencer a campeones humanos en el juego del Go.
Habla: Héctor SocasPalabras #13deep blue venció a kasparovmáquinas derrotan campeones humanos ajedrezprogramación limitada juegos complejos…de cuando tuvo lugar esta partida, pero sí que hubo episodios en los que hablamos de esta serie, de este enfrentamiento en este juego tan complejo del que Alberto ahora nos va a hablar un poco y fue muy revolucionario porque a ver ya teníamos desde los. Años 90, desde que Deep Blue venció a Kasparov, ya teníamos máquinas que eran capaces de derrotar a campeones humanos en ajedrez y otros juegos así intelectuales, ¿no? Pero yo creo que la gran diferencia es que hasta ese momento eran máquinas programadas y ya, y claro, eso de programar, esa filosofía de programar no sirve para un juego tan complejo como el Go. Incluso para el ajedrez valía, fíjense ustedes: el ajedrez es un juego que tenemos como algo tan complejo y tan elevado intelectualmente. Es más fácil programar máquinas que puedan derrotarte en ajedrez que en juegos como el Go. El logro es que aquí ya…
Alberto Aparici explica que la gran dificultad computacional del juego de Go radica en la posibilidad de jugar en cualquier casilla vacía del tablero, lo que genera un número muy grande de posibles jugadas.
Habla: Alberto ApariciPalabras #10go casilla vacía tablerojugada 37 entrevista greppeldificultad computacional juego go…¿vale? Entonces, este asunto de que todo va sobre rodear en el Go: obtienes puntos rodeando casillas vacías y matas a las piedras del contrario también rodeándolas y en el momento en que las has ahogado por completo desaparecen del tablero; es fundamental. La dificultad computacionalmente que tiene el Go es este asunto de que tú, partiendo de una situación que ves en el tablero, tú puedes jugar en cualquier casilla que no esté llena; por lo tanto, el número de jugadas es muy grande. Esto lo explicará Greppel en la entrevista y, por añadir una cosa más, simplemente hablamos bastante en la entrevista de la famosa jugada 37. El alfago costó un tiempo estar seguros de que era tan fuerte como a día de hoy sabemos que es. Hicieron una primera prueba haciéndole jugar contra el campeón de Europa. Para los oyentes que no sepan mucho de Go, los países fuertes en Go son China, Japón y…
Francis Villatoro y Juan Carlos Gil discuten sobre el enfrentamiento entre Lee Sedol y AlphaGo, explicando que un humano ya habría ganado si hubiera logrado vencer a la máquina en dos de tres partidas.
Habla: Francis VillatoroSignificado #8victoria humana contra alphagolee sedol vence a fagódeepmind parchea defecto alphagoaprendizaje jugando contra la máquina…esto la máquina no lo va a entender y va a fallar, que es que estuvo probando muchas cosas y lo logró; la máquina completamente se perdió, no se enteró de nada, de la misa a la mitad y entonces pensaron los de DeepMind, como en la quinta vuelva a hacer lo. Mismo Licedol, con que gane 2 de 3, ya el humano ha ganado la máquina porque el humano ha tenido que aprender a jugar contra la máquina y lo ha logrado y la ha vencido; entonces era fundamental que en la quinta volviera a ganar al Fagó y ganó al Fagó. Claro, y DeepMind confesó que entre la cuarta y la quinta parcheó ese defecto, muy a posterior y varios años después, así se aprende. También, bueno quería llegar con todo esto al famoso segundo juego, que es donde tiene lugar la jugada 37, de la que hablamos en la entrevista. Y de hecho lo están preguntando también en el chat, lo acabo de ver entonces, la jugada 37 es básicamente una…
Alberto Aparici explica cómo AlphaGo realizó una jugada lógica en la quinta fila para avanzar hacia el centro del tablero, aprovechando piedras previamente colocadas en la esquina inferior izquierda.
Habla: Alberto ApariciSignificado #2alfago quinta fila centro tableropiedras esquina inferior izquierda alfagojugada tablero completo gopreferencia jugadores humanos goestrategia alphago tablero completojugada 37 esquina inferior izquierda…con error; con un tablero tan vacío, nada te condena inmediatamente, pero sí que es verdad que a priori si se juega como casi todos los humanos juegan, hay jugadas que te dejan en una pequeña desventaja. Pues esa era la jugada 37 al final, lo que resultó. Es que Alfago estaba haciendo lo que es lógico con una jugada en la quinta fila, que es jugar hacia el centro; él tenía toda una serie de piedras en la esquina inferior izquierda y a la hora de desarrollarlas, esas piedras que colocó a la derecha terminaron rimando con todo aquello e hicieron una jugada de tablero completo, que son las buenas en Go. Claro, los humanos no somos buenos jugando con muchas opciones. Nos gusta más jugar en la esquina; las esquinas pues está todo mucho más claro. Alfagó en ese caso estaba jugando a tablero completo y al final esas piedras que colocó en la derecha fueron importantes para la esquina inferior izquierda, y de ahí la importancia de la jugada 37. Pero cuando se habla de que es un error hay que entender qué significa eso del error y los 12 minutos de Lissedol pensando creo que son muy elocuentes en ese sentido. Hay una anécdota que es que sabéis que en la retransmisión había un comentarista, un experto…
Francis Villatoro reflexiona sobre el impacto de la inteligencia artificial en la ciencia, destacando cómo AlphaGo demostró la capacidad de las máquinas para superar el conocimiento humano.
Habla: Francis VillatoroSignificado #19alphago superando conocimiento humanomovimiento 37 ciencia biologíareplicar movimiento 37 computación cuánticadescubrimientos movimiento 37 informática…avances científicos como Alphafold y otros sistemas de IA diseñados para apoyar el descubrimiento científico. Entonces, desde su perspectiva, ¿cuál es el papel más emocionante que la IA puede desempeñar en la ciencia en este momento? Gracias por la pregunta. Creo que es un momento muy interesante en el campo de la inteligencia artificial y en el campo de la ciencia. Lo que AlphaGo inició fue esta increíble realización de que las máquinas pueden ayudarnos a ir más allá del conocimiento humano. En el movimiento 37, nos demostró que las máquinas pueden exhibir creatividad, novedades y realmente ayudarnos a pensar y obtener una mejor comprensión, no solo del juego de Go, sino que si pueden hacerlo para el juego de Go, probablemente puedan hacerlo para nuestra comprensión del mundo. Y durante los últimos 10 años más o menos hemos estado en esa misión de replicar ese movimiento 37 en muchos campos de la ciencia, en biología, en ciencia de materiales, en predicción del clima, en fusión, en computación cuántica, en matemáticas, en informática y en todos estos diferentes dominios estamos viendo que existen este tipo de descubrimientos de Movimiento 37 y por eso estamos viviendo un momento muy emocionante hoy. Veremos una aceleración dramática de la ciencia con este poderoso paradigma que AlphaGo ha desatado y estamos viviendo el legado de ese momento en particular. Muchísimas gracias, realmente muy interesante. Ahora vamos a seguir con Alberto. Sí, gracias María.…
Ignacio Crespo plantea una pregunta sobre por qué el juego de Go representa un desafío computacional y cómo AlphaGo superó esa barrera.
Habla: Ignacio CrespoSignificado #5 · Palabras #4juego go desafío computacionalalphago superó barrera goposiciones posibles juego go…María. Bueno, yo creo que mi primera pregunta es para el Dr. Greipel, pero no estoy del todo seguro, así que quizás cualquiera de ustedes puede responder. En el podcast principal ya hemos explicado cómo funciona Go más o menos, los principales problemas. Entonces, ¿por qué Go es un desafío computacional y por qué lo era antes de AlphaGo y cómo este nuevo enfoque rompe esa barrera? Sí, sí, esa es realmente una buenísima pregunta. Bueno, el juego de Go es computacionalmente muy complejo porque la cantidad de partidas posibles que se pueden jugar es extremadamente alta o para dar otra cifra que lo refleje. El número de posiciones posibles en el juego de Go es también extremadamente elevado, concretamente alrededor de 10 elevado a La potencia de 170. Así que estamos hablando de un 1 con 170 ceros, eso es realmente un número bastante considerable. Y bueno, sabes, algunas personas incluso afirman que es una cantidad mayor que el total de átomos que se estima que existen en todo el…
Francis Villatoro explica cómo AlphaGo utiliza dos redes neuronales, la red de política y la red de valor, para reducir el espacio de búsqueda al imitar la capacidad humana de identificar movimientos prometedores.
Significado #10 · Palabras #9red política imita jugadores humanosalphago reduce espacio búsqueda redes neuronalesentrenamiento red política partidas expertosmovimientos prometedores según alphagored valor estimación partida gopartida go movimientos inicialesaprendizaje automático tablero goredes neuronales árbol juego combinatorio…AlphaGo fue capaz de responder es: ¿cómo reducir ese espacio de búsqueda? De modo que ahora, aunque seguimos buscando una aguja en un pajar, la estamos buscando en un pajar mucho más pequeño. Y todo esto se lleva a cabo con la asistencia de redes neuronales. En este escenario hay dos redes neuronales que AlphaGo empleó; a una de ellas la conocemos como la red de política y a la otra la identificamos como la red de valor. La red de políticas es la que imita la capacidad de los humanos de observar el tablero y seleccionar los movimientos que parecen más prometedores. Fue entrenada con muchísimas partidas de expertos humanos y le permite a la red neuronal decir, oh, sabes, no voy a analizar todos los movimientos posibles; solo me voy a fijar en aquellos movimientos que me saltan a la vista, que destacan, justo como lo harían para un jugador humano de Go como tú mismo y lo que eso hace es que el árbol se vuelva más estrecho porque estos son todos los movimientos, pero ahora solo estamos considerando una pequeña selección de movimientos en cada etapa y eso es muy útil. La red de valor resulta muy útil, ya que normalmente tendríamos que analizar todas las variaciones hasta el mismísimo final, porque solo entonces sabríamos si el bando negro o el blanco ha ganado la partida. Pero la red de valor nos brinda la capacidad de estimar esto con mucha más antelación. Se le puede presentar un tablero que aún no está completo, quizás después de tan solo 10 o 15 movimientos de la partida, y ya es capaz de juzgar si la posición es más ventajosa para las piezas negras o para las blancas. Y esto, por supuesto, también ha sido entrenado exhaustivamente con una gran cantidad de datos de partidas utilizando técnicas de aprendizaje automático. Y así la función principal de estas dos redes neuronales consiste en reducir significativamente el tamaño de este inmenso árbol de juego combinatorio, y luego existe otra técnica muy específica. conocida como búsqueda en árbol Monte Carlo que nos permite de una manera muy eficiente explorar y analizar las ramas restantes del árbol. Gracias, muy interesante. Así que hoy es exactamente el décimo aniversario del segundo juego, creo, de AlphaGo contra…
Francis Villatoro reflexiona sobre la complejidad del ADN y cómo se relaciona con el desarrollo de organismos vivos y la creación de sistemas artificiales como AlphaGo.
Habla: Francis VillatoroSignificado #14adn y desarrollo organismos vivossemántica del genoma humanoalpha go sistemas artificialesembrión desarrollo cerebro humano…AlphaFault resolvió ese gran desafío, pero más ampliamente es solo un paso en nuestra comprensión de la biología; así que las proteínas son los pilares de la vida y hacen que todos los fenómenos biológicos ocurran. Pero si observamos la receta de la vida y Pensamos en nuestro ADN, en cómo podemos entender la semántica de nuestro propio ADN, en descifrar lo que realmente está codificado en todo el genoma. ¿Cómo es posible que un embrión sepa cómo desarrollarse completamente, que sea capaz de desarrollar un cerebro que pueda aprender de la misma manera que un ser humano y además crear sistemas o programas tan complejos como AlphaGo, que puede funcionar en sistemas y ordenadores que nosotros, que los humanos, desarrollamos? Entonces, ¿qué es ese fenómeno tan extraordinario que está codificado en el código genético? Es como el lenguaje más interesante que hemos aprendido a leer, pero no lo entendemos. Así que descifrar ese lenguaje de la vida es el gran desafío hacia el cual…
Alberto Aparici y Francis Villatoro retoman la discusión sobre el juego Go, específicamente sobre una jugada considerada un error por los comentaristas en la partida entre AlphaGo y Lee Sedol.
Habla: Alberto ApariciSignificado #16 · Palabras #8jugada 37 alpha go lee sedolerror alpha go comentaristas partidacreatividad alpha go versus humanaalphago jugadas creativas pruebasarquitectura dual alphago movimiento 37entrenamiento humano alphago juego…son capaces de extraer y hacer estas predicciones asombrosas con menos capacidad de cómputo. Y ¿cuál es el límite? ¿Cuál es el límite real, el verdadero límite de cuánto más eficientes podemos llegar a serlos? Muchas gracias, Alberto. Sí, muchísimas gracias. Volvamos, si les parece, al tema de Go por un momento. No podemos terminar esto sin preguntar sobre la mítica jugada 37 que ocurrió en la segunda partida contra Lee Sedol. Esa jugada, para nuestros oyentes, fue una que los comentaristas descartaron casi por unanimidad porque fue interpretada como un error y después de eso resultó ser muy fuerte, como legendariamente fuerte. Así que mi pregunta es: ¿esperabas que AlphaGo fuera capaz de hacer algo así? ¿Y ves este tipo de creación o de creatividad como algo diferente de la creatividad humana? ¿O son solo el mismo misterio? Sí, no lo estábamos esperando directamente, pero habíamos visto mucho juego competente en nuestras pruebas y por eso esperábamos que AlphaGo pudiera idear este tipo de movimiento. pero la verdad es que AlphaGo de hecho juega de una manera bastante humana, parece humano cuando juega y la razón es por supuesto que fue entrenado con datos humanos y el milagro en cierto modo fue que logró salirse de ese entramado humano de juego convencional con el movimiento 37 y otros movimientos en la partida que tal vez pasaron desapercibidos pues creo que la razón es esta arquitectura dual, ¿sabes? Creo que Dave lo comprobó en aquel entonces y las posibilidades de que un profesional hiciera ese movimiento fueron estimadas por el sistema en una de 10.000. Así que, en cierto modo, la jugada tuvo la suerte de ser siquiera examinada por la búsqueda de Árbol…
Alberto Aparici reflexiona sobre la coincidencia de que el nombre del juego Go coincide con un verbo común en inglés, explicando las diferencias en la pronunciación entre el inglés y el japonés.
Habla: Alberto ApariciSignificado #9comparaciones go risk piedras papel tijeraintroducción al juego cara a albertopronunciación correcta de go albertomala memoria hector socasjuego go verbo ingléspronunciación go inglés japonésinteligencia artificial dice go…porque, en fin, mi vida es limitada y pasó de hacerla multidimensional, pero parecía gracioso. Es gracioso, sin duda. Bueno, venga, vamos a seguir. Ahora comentamos entonces lo que quieran de la entrevista, ¿vale? Vale, vale A ver, denme un segundito Gracias Por seguirnos acompañando, estamos de vuelta; estamos aquí haciendo comentarios sobre las comparaciones entre el Go, el Risk, el Estratego, el Cluedo, el Street Poker y el Piedras Papel Tijera. Aquí ya ha salido de todas las posibles comparativas. Alberto nos había dado una introducción al juego en la cara A antes de poner la entrevista con Colley y con Greipel, y bueno, me ha parecido muy interesante. Tú también querías, Alberto, aclarar lo de la pronunciación de Go, que no es go, ¿verdad? Siempre hiciste en esto. Recuerdo que la vez anterior hace años, cuando hablamos de esto, yo siempre decía Go y me hiciste ese comentario. Entonces, bueno, me he acordado; fíjate, tengo mala memoria, pero de eso me he acordado a seguir utilizando la pronunciación como debe ser, ¿no? es una casualidad cósmica básicamente que el juego se llame Go que precisamente es uno de los verbos más utilizados en inglés lo que pasa es que en inglés se pronuncia Go pero el japonés tiene vocales puras como las nuestras entonces bueno pues que se le va a hacer la inteligencia artificial esta decía Go continuamente pues Go que se le va a hacer los angloparlantes que son así un poquito cuidadosos si que lo pronuncian bien pero si que es verdad que claro como el inglés tiene estas vocales que son diptongadas pues a muchos se les escapa para el U al final y qué se le va a hacer. Pero se dice Ko, se dice Ko o si uno quiere ser muy formal, Iko en japonés. Debo decir que Alberto me hizo notar este detalle cuando oyó la versión traducida y dijo es que la pronunciación correcta debe ser Go, no Go y le dije eso no puedo cambiarlo porque…
Juan Carlos Gil reflexiona sobre la capacidad de Alpha 0, una evolución de Alpha Go, para aprender y dominar juegos de información completa tras eliminar el conocimiento humano de sus partidas.
Habla: Juan Carlos GilPalabras #3alpha 0 aprende juegos información completaeliminación conocimiento humano alpha goevolución alpha go domina juegos…todas las piezas y sabes cuáles te has comido, en Go también, en damas, pero otros juegos típicamente como el póker Hay parte de la información que está oculta a según qué jugadores y en el Street Poker también. En el Street Poker te vas a reír, pero cuando Se mencionó, justo pensé en que no era de información completa. Decía que Alpha 0, una evolución de Alpha Go, en el que se eliminaron las reglas del juego, simplemente, perdón, en el que se eliminó el conocimiento humano, partidas jugadas por los humanos, simplemente se le daban las reglas, pues fue capaz de aprender y dominar cualquier juego de información completa. En particular Goh y Ajedrez, ¿eh? Alcanzó nivel superior a Stockfish, el mejor motor de ajedrez del mundo, computacional; en una hora jugando contra sí mismo, Alfacero derrotó a Stockfish. ¿Qué iba a decir? Bueno, pues a día de hoy evoluciones de Alfacero son…
Héctor Socas interrumpe la conversación sobre juegos de información completa e incompleta para compartir una curiosidad sobre el juego Go.
Habla: Héctor SocasPalabras #16juegos información completa incompletago curiosidad juegoalberto aparici idiota…Bueno, pues a día de hoy evoluciones de Alfacero son capaces de superar a los humanos incluso en ajedrez normal, perdón en ajedrez, en póker, en póker normal que no es de información completa; pero solo no sabes las cartas del contrario, ahí ya pueden ganar. Hay otras modalidades de póker que yo desconozco, más completas, donde hay menos acceso a información y ahí todavía ganan los humanos. Mira, ahora que has dicho eso, os voy a contar una curiosidad graciosa del Go: que es que existía una... Perdona, Alberto, porque es que soy un idiota, pero de verdad de proporciones colosales. Bueno, seguramente no tanto. Estaba diciendo en la pausa que no debo olvidarme de presentar a Luisa. Y empezamos el programa y me olvido de presentar a Luisa, que está con nosotros: Luisa Echaerendio, que se nos ha unido durante la pausa. Que es profesora de formación profesional en…
Alberto Aparici reflexiona sobre su capacidad para evaluar partidas de Go y cómo un profesional podría tener una comprensión mucho mejor del juego.
Habla: Alberto ApariciPalabras #14evaluación de partidas go alberto aparicicomprensión del juego profesional goformaciones negras blancas partida go…de formación profesional en sanitaria. Hola, ¿qué tal Luisa? Hola, buenas tardes; no pasa nada. ¿Te lo estaba diciendo o no te lo estaba diciendo? Sí, sí, totalmente, totalmente. Madre mía. Bueno, disculpa Alberto, por favor, continúa. Ah, nada, no, es una. Curiosidad más que otra cosa, porque cuando decía Juan Carlos lo de la información completa, yo pensaba: claro, es que yo puedo llegar a una partida de Go, echar un vistazo a la partida y me hago una idea de cómo va; me hago una idea de quién va ganando; me hago una idea de cuáles son los puntos débiles de las formaciones negras, de las formaciones blancas, dónde se podría jugar. Mi idea no es muy buena porque yo no soy un buen jugador de Go, pero un profesional seguramente se hace una idea excelente de todo esto. Y eso tiene que ver con que sea un juego de información completa, con que lo que hay es lo que está en el tablero y las piedras que tienen capturadas los jugadores que también están a la vista. Bueno, pues hay una versión de Go que sigue siendo información…
Alberto Aparici explica que existe una versión de Go llamada 'Go de un solo color', utilizada por los profesionales para entrenar su memoria.
Habla: Alberto ApariciSignificado #7 · Palabras #2profesionales go mismo colorlenguaje del go reconstrucción partidago partidas estándar profesionalesgo variante un solo colorrendición rápida en partidas goentrenamiento jugadores ajedrezaperturas clásicas go variantesfinales a cuatro fichas goconocimiento finales y aperturas go…completa, con que lo que hay es lo que está en el tablero y las piedras que tienen capturadas los jugadores que también están a la vista. Bueno, pues hay una versión de Go que sigue siendo información completa si has visto la partida desde el principio. Pero que para los humanos es muy difícil, que es el Go de un solo color. Los profesionales para entrenar la memoria juegan con el mismo color. Pero, ¿qué necesidad hay? ¿Qué sufrimiento? No, porque un profesional necesita conocer tanto el lenguaje del Go como para, a partir de una formación que ves, poder reconstruir por donde ha ido la partida y eso es lo que entrenan. Ahí, en realidad yo tengo una especie como de partidas estándar en mi cabeza y en esta estamos jugando la 27A. Madre mía. Sí, sí, es una locura y bueno, les ves jugar con un solo color; tú te pierdes al cabo de dos minutos básicamente y ellos pues en un momento de a uno dice me rindo y dices pues debe de ser que ha parecido. Pero eso es el equivalente en Go a lo que en ajedrez se llama entrenarse con aperturas; tú te estudias todas las aperturas, todas las aperturas clásicas con todas sus variantes de manera sistemática en plan puramente arbórea y te estudias finales, finales a cuatro fichas, a tres fichas, a dos fichas; te los estudias completamente y te sabes todas las posibilidades. Si tú no tienes ese conocimiento de finales y de aperturas, normalmente una persona con ese conocimiento te gana porque ves rápidamente que no conoces esos detalles. Eso es. De hecho, ese es uno de mis puntos débiles más potentes, que es que yo nunca he tenido el tiempo y la paciencia de aprenderme las aperturas, las esquinas, los yo sé que hice y todas estas cosas. Un punto…
Juan Carlos Gil comenta sobre el comportamiento estratégico de AlphaGo y AlphaCero en partidas de Go, explicando cómo estas IA priorizaban la victoria por encima de movimientos artísticos o la obtención de una piedra adicional.
Habla: Juan Carlos GilPalabras #7alfago domina el juego goárboles de evaluación alfagoia evalúa posiciones en gogo atención inmediata en partidapartida go perder centro o ladogo preocupación por la posiciónalphago priorizaba la victoriaalphacero ventaja media piedraestrategia alphago ganar partida…va la partida, hay toda una serie de reglitas para saber más o menos cuántos puntos tienes. Bueno, asumiendo que esta zona es mía, asumiendo que esta zona es de él, no sé cuántos, y te vas haciendo una idea de cómo va el tanteo. Yo no soy muy bueno en eso. Tampoco, es otro de mis puntos débiles, digamos, pero vamos, que un profesional puede decir: "Creo que va a ganar por una piedra", blancas, y tú dices: "Vale, ok, este nivel de precisión yo no lo tengo, y Alfago sí lo tiene, obviamente, gracias a estos árboles de evaluación y tal que utilizaba una, una IA; utilizaba dos como nos han contado en la entrevista, una de ellas era para evaluar la posición, eso me dejó fascinado. Claro, porque es La gran dificultad del GO, la gran dificultad del GO es de un solo golpe de vista saber de qué te tienes que preocupar. Me tengo que preocupar de que estoy perdiendo el centro, me tengo que preocupar de que estoy perdiendo el lado; es que eso es muy importante y hay otra derivada sobre eso que he oído, no. en esta entrevista que fue muy compacta, sino en otras que han hecho más extensas y es que AlphaGo jugaba a ganar. Su objetivo era ganar, no ganar por mucho, que es como intenta jugar el humano. Eso fue una evolución de AlphaGo a AlphaCero. Era tan bueno, volviendo a la partida, que se podía permitir no hacer la mejor jugada artística que posiblemente le diese acceso a una piedra más, sino que se conformaba con mantener su ventaja que él sabía que era de media piedra. Digo lo de media piedra porque al final como negras juegan primero se añade una especie de handicap que suele ser de 7 piedras y media, si recuerdo bien Alberto, que tiene ese media para que no haya empates Depende de las reglas, en reglas chinas que es como…
Juan Carlos Gil, junto con Héctor Socas, reflexiona sobre el desarrollo de AlphaGo y su capacidad para evaluar el progreso en una partida de Go. Se plantea la pregunta de por qué AlphaFold se aplicó al plegamiento de proteínas.
Habla: Juan Carlos GilSignificado #18 · Palabras #11alphago evaluación progreso partida goalfafol plegamiento proteínas criterio fundamentalimpacto humanidad alfafol problema científico…que tiene más piezas y el que tiene más o menos el centro del tablero tiene mayor densidad de piezas por el centro del tablero va ganando, salvo que veas que uno tiene el rey acorralado; hay como un par de cositas que te hacen ver quién va ganando la partida. Y claro, en Go debe ser mucho más complicado eso. Y yo creo que uno de los grandes éxitos para poder desarrollar AlphaGo fue poder desarrollar algo que te permite evaluar cuánto de bien lo estás haciendo. Pero llevando la conversación, saliendo un poco del go, que es muy interesante, pero esto es un podcast de ciencia, ¿por qué abordaron con alfafol el plegamiento de proteínas? Pues uno de los criterios fundamentales, no solo por el absurdo impacto que puede tener en la humanidad, que si queréis lo discutimos, obviamente, sino porque tenían contra qué comparar, y eso no se da en muchos problemas científicos existían decenas de miles de Proteínas cuya estructura había sido ya determinada con mucho dolor mediante técnicas que a menudo llevaban decenas de años y que estaban disponibles en una base de datos accesible, el PDB, el Protein Data Bank, donde pone la secuencia de aminoácidos y la…
Héctor Socas y Francis Villatoro discuten las diferencias entre AlphaGo y AlphaZero, destacando que AlphaGo incorporó elementos de diseño inteligente y conocimiento humano.
Habla: Héctor SocasSignificado #17alphago incorpora diseño inteligentemonte carlo contribución humana alphagoconocimiento humano en modelo alphago…un humano ha decidido que hay que tener dos redes neuronales, una la de "policy", otra la de "value", que tiene que haber un árbol, o sea, que no era simplemente crear una red muy grande y ponerla a jugar; entonces, que realmente eso es un poco por donde va. al facero Claro, ese es Alpha Zero, exactamente, que vino después y el cero viene de ahí, de empezar casi que de primeros principios. Entonces, 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…
Francis Villatoro explica que los juegos como el ajedrez o el Go son considerados triviales porque son juegos creados por humanos, y su complejidad se reduce al identificar las correlaciones clave.
Habla: Francis VillatoroSignificado #1 · Palabras #1ajedrez go juegos humanoscorrelaciones clave en el ajedrezlenguaje trivial como el gogo partidas posibles humano…suave, pero mucho, con una red neuronal suficientemente grande para que tenga un tamaño similar al conjunto de tokens y eso era romper completamente todo lo que se sabía de inteligencia artificial y cuando se hizo eso se descubrió que el lenguaje natural es. trivial, las correlaciones que aprenden los bebés y los niños las aprenden fácilmente porque en realidad el lenguaje es trivial y lo mismo hemos observado con el ajedrez o lo hemos observado con el go; son juegos humanos por lo tanto son triviales. Si tú tienes un espacio suficientemente grande para entender esas correlaciones, las correlaciones reales, es mentira que el Go tenga 10 a 170 partidas posibles; ningún humano va a jugar usando todas las posibilidades. El humano va a buscar ciertas correlaciones y esas correlaciones son triviales de entender. Entonces la máquina puede entender no solo las correlaciones que entiende un humano después de haber jugado unas decenas de miles de partidas en su vida, y además correlaciones que un humano no puede llegar a observar porque la máquina puede jugar decenas de…
Francis Villatoro explica cómo las inteligencias artificiales han demostrado que el juego Go, previamente considerado el más difícil para los humanos debido a su complejidad estadística, puede ser dominado por redes neuronales con un conocimiento mínimo del juego.
Habla: Francis VillatoroSignificado #3 · Palabras #17go juego complejidad estadísticaredes neuronales conocimiento mínimo gointeligencias artificiales dominan juego gofrancis villatoro explica go trivial…serbio y te vas a serbio y tienes amigos serbios, hablas perfectamente, pero no declina los objetos o los sujetos y te falta ese, pero lo aprendes sin darte cuenta Para acabar, lo resitúo donde yo quería ir, o no sé, quizás lo dije mal y desví la atención. Lo que yo quería decir es que se pensaba que el Go era un juego difícil. Se pensaba que era el juego humano más difícil, porque el cálculo estadístico trivial te daba una enorme cantidad de posibilidades; y lo que nos ha mostrado estas nuevas inteligencias artificiales es que es un juego jugado por humanos, luego trivial, es decir, con un número adecuado de tokens, una red neuronal con suficiente número de pesos sinápticos, puede, jugando sola, sin tener ningún tipo de conocimiento humano, obviamente las mínimas reglas de qué es lo que se pretende y qué es válido y qué no es válido, pero con un conocimiento ridículo del juego, infantil del juego, jugando contra sí misma, puede obtener un nivel de juego infinito comparado con el mejor humano del mundo; y eso es una cosa. Que hace 10 años era tabú decirlo, no se podía decir, era imposible, pero hoy sabemos que es trivial: es decir, todo lo que hacen los humanos habitualmente lo van a poder hacer las máquinas de manera trivial solamente escalando el tamaño. Eso no significa, y…