Búsqueda · 35 momentos en 17 episodios
María RibesAlberto ApariciJuan Carlos GilIgnacio CrespoFrancis VillatoroHéctor SocasLuisa AchaerandioPushmeet Kohli · DeepMindThore Graepel · DeepMindmáquina identifica correlaciones partidascorrelaciones más allá de humanosmillones de partidas máquina aprendecorrelaciones triviales datos dimensiónFrancis VillatoroAjedrezDeepMindFagóLee SedolAlphaGoJuan Carlos GilGoogleHéctor SocasMaría RibesAlphaFoldPremio Nobel de QuímicaIBMKasparovRedes NeuronalesTarjeta amarillaAlberto ApariciAlpha GoAlpha 0Ignacio CrespoWikipediaInternet Artificial
Millones de partidas máquina aprende
Con
0:000:301:001:302:002:303:003:33
Francis Villatoro explica cómo una máquina puede identificar correlaciones tanto las que un humano encuentra tras jugar miles de partidas como aquellas que el ser humano no puede observar debido a la capacidad de la máquina para analizar millones de partidas.
…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 millones de partidas. Entonces aprende en dos o tres días decenas de millones de partidas y observa correlaciones más allá de las correlaciones que observan los humanos. Pero el punto clave es que son correlaciones triviales, que están obvias en los datos cuando los ves en toda su dimensión. ¿Te ¿Sujeto el cubata? Sí, tengo que recoger este guante. Bueno, primero tengo que decir que me ha asustado porque estaba hablando de árbol de Monte Carlo y se me ha preguntado a María: digo, yo, yo qué sé de los árboles de Monte Carlo. Nunca has estado en Monte…
Significado #1 · Palabras #1
Héctor Socas explica la diferencia entre la complejidad de programar máquinas para jugar al ajedrez y a juegos como el Go, destacando que el ajedrez es más fácil de programar.
Habla: Héctor SocasPalabras #4ajedrez más fácil programarinteligencia artificial google ajedrezjuegos como el go complejidad…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 empezaba; esto era parte de un proyecto de Google de desarrollar inteligencias artificiales que pudieran jugar y aprender las reglas de los juegos. Aprenderlas según iba jugando. Y esto decíamos: María que nos recordaba juegos de guerra, como decían desde el principio de la película: que Whopper estaba continuamente jugando a la Tercera Guerra Mundial y ese fruto de estar 24 horas al día, 7 días a la…
Héctor Socas explica cómo los sistemas de inteligencia artificial aprenden a jugar, no mediante programación humana directa, sino jugando partidas repetidamente. Menciona AlphaFold y su impacto en la bioquímica al recibir el Premio Nobel de Química en 2024.
Habla: Héctor SocasSignificado #6alphafold y el premio nobel químicaaprendizaje jugando partidas inteligencia artificialplegamiento de proteínas alphafold…juegos de guerra, como decían desde el principio de la película: que Whopper estaba continuamente jugando a la Tercera Guerra Mundial y ese fruto de estar 24 horas al día, 7 días a la semana jugando a la Tercera Guerra Mundial es como iba aprendiendo. pues la idea era hacer eso, un sistema que aprendiera a jugar a base de jugar partidas, no de ser programado por humanos como tenía que jugar y esa línea ha sido muy exitosa; de hecho, aquí hemos hablado muchísimo, no tanto de AlphaGo sino de AlphaFold, que fue un poco la secuela que hacía el plegamiento de proteínas y que recibió el premio Nobel de Química en 2024 por ese gran avance que supuso en la bioquímica: el poder predecir la estructura de proteínas. Entonces, volviendo al fagón, nosotros recuerdo que lo comentamos y recuerdo que Alberto nos hablaba en aquel momento del juego del go, las dificultades que tenía y tal. Entonces, se cumplían 10 años la semana pasada. De hecho, el día que grabamos la…
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 #2 · Palabras #2victoria 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…
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 GilSignificado #13alpha 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…
Francis Villatoro explica las consecuencias del sobreaprendizaje en redes neuronales, señalando que es contraproducente y requiere un aprendizaje suave pero extenso con una red neuronal lo suficientemente grande.
Habla: Francis VillatoroSignificado #11sobreaprendizaje en redes neuronalesaprendizaje suave con red neuronaltamaño similar a conjunto tokensinteligencia artificial romper paradigmas…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 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…
Francis Villatoro explica cómo una máquina puede identificar correlaciones tanto las que un humano encuentra tras jugar miles de partidas como aquellas que el ser humano no puede observar debido a la capacidad de la máquina para analizar millones de partidas.
Habla: Francis VillatoroSignificado #1 · Palabras #1máquina identifica correlaciones partidascorrelaciones más allá de humanosmillones de partidas máquina aprendecorrelaciones triviales datos dimensión…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 millones de partidas. Entonces aprende en dos o tres días decenas de millones de partidas y observa correlaciones más allá de las correlaciones que observan los humanos. Pero el punto clave es que son correlaciones triviales, que están obvias en los datos cuando los ves en toda su dimensión. ¿Te ¿Sujeto el cubata? Sí, tengo que recoger este guante. Bueno, primero tengo que decir que me ha asustado porque estaba hablando de árbol de Monte Carlo y se me ha preguntado a María: digo, yo, yo qué sé de los árboles de Monte Carlo. Nunca has estado en Monte…
María Ribes recuerda su experiencia en lingüística computacional, explicando que estudiaba cómo hacer que las máquinas hablen y comprendan.
Habla: María RibesPalabras #5lingüística computacional maria ribesmáquinas hablan comprenden maria ribesadquirir aprender lengua bebés…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 de manera, como dices, trivial, bueno, de manera informal, no sé cómo decir, inconsciente. Es la diferencia entre adquirir y aprender una lengua, ¿no? Actual tu bebé, cuando le hablas no le dices, y ahora cariñito, vamos a aprender el plural, y ahora vamos a formar el femenino. Tú hablas y el bebé infiere cosas, que es como podríamos decir que hace la red neuronal: ve cosas, escucha y aprende. Pero esas…
Francis Villatoro explica las limitaciones prácticas del entrenamiento de modelos de lenguaje basados en reglas, señalando que el cómputo disponible limita el número de épocas de entrenamiento.
Habla: Francis VillatoroSignificado #17limitaciones cómputo entrenamiento modelos lenguajebillones tokens aprendizaje épocas entrenamientointeligencia artificial wikipedia todos idiomas…tienen que ser muy grandes, tan grandes como el conjunto de datos, y las redes no tienen que aprender muchas veces. Muéstrale todos los datos una, dos, tres, cuatro, cinco veces, pero no las muestres muchas más que sobreaprenden y entonces lo hacen peor. Son reglas muy tontas, muy sencillitas, claro. Ahora ya estás trabajando con billones, literalmente, billones de tokens en los aprendizajes y estamos hablando de una o dos épocas de entrenamiento, no más, porque literalmente no hay cómputo para hacer más; o sea, no se puede hacer más, y eso es más que suficiente. Es decir, y resulta que una inteligencia artificial recibe toda la Wikipedia y solo por ver toda la Wikipedia en todos los idiomas, ya es capaz de hablar en todos los idiomas. Pero ¿por qué habla? Y las mete ahí. Son puras correlaciones. Y hace todo eso sin necesidad de saber lo que es un verbo, lo que es un adjetivo, lo que es un plural. Pero sí lo sabe, igual que tú lo sabes y no lo sabes. O sea, la mayoría de las personas cuando estamos hablando una…
Héctor Socas explica la diferencia entre cómo IBM venció a Kasparov mediante reglas programadas y cómo las redes neuronales aprenden observando ejemplos, comparándolo con el proceso de adquisición del lenguaje en humanos.
Habla: Héctor SocasSignificado #16 · Palabras #7ibm venció a kasparov reglas programadasredes neuronales aprenden observando ejemplosadquisición del lenguaje viendo ejemplosfrancis villatoro redes neuronales…lo que es un verbo. Pero tú, si no supieras eso, no podrías hablar ni podrías comprender lo que estamos haciendo ahora nosotros. Yo creo que estamos de acuerdo con lo que quería decir Francis, corrígeme si me equivoco, efectivamente, es que no se trata. De enseñar, de programarles las reglas. Yo hablaba antes de la diferencia entre el IBM que le ganó a Kasparov con reglas que habían sido programadas frente a una máquina de redes neuronales que había aprendido a base de ver ejemplos y que el ser humano aprende, adquiere la lengua, perdona, siguiendo esa nomenclatura que tú usas María: de adquirir frente a aprender; adquieres la lengua viendo ejemplos y esas reglas están ahí pero no es como el bebé las aprende, sino simplemente viendo ejemplos, muchos ejemplos y de esa forma aprenden también las redes neuronales, que creo que era lo que se refería a Francis y no he entendido mal. Hay personas que aprenden una lengua sin ir a clase, que la aprenden en la calle o hablando con otros, que siempre tendrán algún fallo, porque si te pones ahora a aprender serbio y te vas a serbio y tienes amigos serbios, hablas perfectamente, pero no declina…
Francis Villatoro explica cómo las máquinas podrán replicar tareas humanas de forma sencilla escalando su tamaño, conectando con una intervención previa de Ignacio Crespo sobre la conciencia y la creatividad.
Habla: Francis VillatoroSignificado #14tareas humanas escalando tamañoconciencia y creatividad ignacio crespomáquinas replicando tareas trivialmenteinteligencias artificiales procesan imágenesmáquinas ven correlaciones triviales imágenestoken palabra representada como imagenfrancis villatoro inteligencia artificial…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 conectando con lo que Ignacio nos iba a contar, que la conciencia o que la creatividad o que otros atributos que ponemos o la misma inteligencia que ponemos a los humanos, a lo que hacemos los humanos, se pueda hacer en las máquinas. Las máquinas solo están viendo correlaciones triviales entre imágenes. Y bueno, eso es una cosa que podemos hacer. Se manejan fundamentalmente imágenes porque las imágenes te meten muchos datos en poco espacio. Y nos gusta ver los datos así. La gran revolución en Internet Artificial ha sido convertir todo a imágenes, que un token, una palabra, sea una imagen ¿Y qué representa esa imagen? Pues no sabemos muy bien, pero representa la relación entre ese token y todos los demás tokens. Pero si esa imagen tiene menos píxeles que tokens hay, ya ¿y qué? Pero la imagen representa eso. Y conforme yo voy haciendo la imagen más grande, más fluidez y…
Alberto Aparici expresa desacuerdo con Francis Villatoro sobre el uso del término 'trivial' para describir la capacidad de las máquinas en tareas complejas.
Habla: Alberto ApariciSignificado #9término trivial capacidad máquinasarquitecturas hardware tarea asumiblemáquinas imitan tareas no secretonormas deterministas aprendizaje desconocido…de nuevo. Y sí, me tengo que ir, amigos. Venga pues, un placer haber contado contigo. Hasta la próxima, Juan Carlos. Adiós, Juan Carlos, chao. Alberto, te doy la palabra diciendo que yo no sé si es súper complejo, lo que está claro que es un juego. Ostras, ya echábamos de menos Tarjeta amarilla y la tarjeta. Ya no nos olvidamos de cómo pronunciarlo. Yo solo quería antagonizar un poco con Francis diciendo que me parece que estás, quiero decir, que estás redefiniendo el significado de trivial cuando dices eso. Claro, claro, claro; es decir, ahora que ya tenemos las arquitecturas y el hardware necesario para hacer esto, es una tarea asumible en un tiempo muy razonable por las máquinas. Eso no quiere decir que sea trivial por sí mismo, solo quiere decir que es asumible por la tecnología que ahora tenemos. Entonces, yo sería un poco más cuidadoso en ese sentido porque parece que cuando digamos trivial es que no tiene secreto y lo cierto es que las máquinas lo imitan, pero si tuvieses que dar una serie de normas que te llevaran a eso de forma determinista y no por aprendizaje, pues eso no lo sabríamos hacer. Fíjate que el gran futurologo, el Kurzweil, que era especialista en modelos marcovianos ocultos para entender el habla, pero a nivel de fonema a signo, de fonética a grafía y poder escribir, o sea, lo que es entender el lenguaje a partir de un audio, digamos,…