Búsqueda · 28 momentos en 16 episodios
Cecilia GarraffoJuan Carlos GilGastón GiribetFrancis VillatoroBorja Tosarmodelos imagen sin cálculo integralfrancis villatoro modelos de imagenoperaciones matemáticas básicas modeloschatgpt cálculos humanosmodelos lenguaje modificaciones problemas matemáticosfrancis villatoro entrenamiento operaciones matemáticaschatgpt conectado a wolframerrores conceptuales chatgptcálculos básicos chatgptmodelos lenguaje superan humanossumas multiplicaciones modelos lenguajewolfram y modelos lenguaje matemáticasoperaciones nuevas modelos lenguajececilia garraffo duda wolframFrancis VillatoroGastón GiribetQuijoteWolframCecilia GarraffoChatGPTLOCCDesigualdades de BellJoseph AzizRichard HowellUniversidad de LondresGoogle Quantum AINature22 de octubre102 qubits
Operaciones Matemáticas básicas modelos
Ep530: Estalagmitas; Deepmind; Entrelazamiento y Gravedad; Gravitones; Halloween
30 de octubre de 20254 momentos
Con
0:000:301:001:302:002:303:003:16
Francis Villatoro interrumpe a Gastón Giribet para comentar sobre la dificultad de los modelos de imagen y cómo estos no han sido entrenados en operaciones matemáticas básicas como suma, resta o cálculo integral.
…pero creo que lo que decían era: un humano podría decir que esto, un médico no lo hubiera dicho nunca. Ah, ok, eso distinto. Ingenuos, pero no humanos. Pero capaz porque es otro tipo de conocimiento. Conocimiento, se te rompió el hueso de la tercera mano. Claro, bueno, que de hecho, ¿no? Los modelos de imagen son las cosas más difíciles, pero por ejemplo, sí, perdón, ¿qué ibas a decir, Francis? No iba a decir, Gastón, que lo que te ocurre es que estos modelos nadie les ha enseñado a sumar, ni a restar, ni a dividir, ni a calcular una integral. Solo le han enseñado libros llenos de integrales y de operaciones. Entonces, cuando tú le pides que haga algo con ese tipo de matemática muy avanzada, mientras va copiando lo difícil del libro, lo va haciendo muy bien, porque va copiando lo que aprendió. Pero en el momento en el que tiene que hacer una pequeña modificación en lo que viene en el libro y es cambiar el 2 que viene en el libro porque hay que poner un 3 porque tú has modificado ligeramente el enunciado y ya no es exactamente el del libro, ya no te puede recitar el Quijote los primeros párrafos del Quijote y dártelo literal ahora tiene que operar; en ese momento ya no sabe qué hacer y entonces probabilísticamente elige un número porque nadie le ha enseñado a calcular. Si tú quieres que este tipo de modelos de Lenguaje calculen, conéctalo a Wolfram, a una herramienta de matemática o conéctalo a una herramienta numérica; hay varios. Estos chats GPT se pueden conectar a ese tipo de herramientas y entonces tú le dices: cuando vayas a calcular algo, cálculalo bien con esta herramienta y entonces llamará a la herramienta, recibe el resultado de la herramienta y te lo va presentando; y entonces ya no comete errores, ya no comete ese tipo de errores tan tontos, ya comete errores más conceptuales, más de razonamiento; son los errores ya de alto nivel, pero los errores triviales los comete porque nadie le ha enseñado que 2 más 2 es igual a 4; ha visto, he escrito muchos libros que 2 más 2 es igual a 4, pero ha visto muy pocos libros que 1523 más 5 es 1528 y por tanto esa operación puede que acierte o puede que no. Sin embargo, esto que decís es contrario a lo que Estamos encontrando de alguna manera, porque eso es lo que uno pensaría y por lo que yo quiero generar y desarrollar modelos físicos que voy a alinear con los de lenguaje. Sin embargo, estamos viendo que no, que los de lenguaje hacen mejor esa tarea de suma, multiplicación que no aprendieron explícitamente, aunque sí la aprendieron porque también tienen los. libros de texto que enseñan eso, ¿no? Pero digo, no es que repitan las operaciones que ya vieron pueden hacer operaciones nuevas porque aprendieron de alguna manera aprendieron a reproducir eso no es que se lo acuerdan de memoria no es así y estamos viendo esto que es lo sorprendente es lo contraintuitivo yo hasta hace poquito he estado completamente de acuerdo con lo que estás diciendo sin embargo ahora lo dudo porque estamos viendo que aunque Wolfram está diseñado para eso quizás el modelo de lenguaje sea mejor. A ver, por ejemplo, con Gastón estamos trabajando en un proyecto que me parece muy interesante: que es desarrollar un modelo de inteligencia artificial, de Machine Learning, para encontrar soluciones, agujeros negros en teorías de gravedad diferentes a las de…
Significado #1 · Palabras #1
Gastón Giribet reflexiona sobre la forma en que los humanos aprenden el lenguaje y las matemáticas, argumentando que el lenguaje natural es fundamental para nuestro desarrollo cognitivo.
Habla: Gastón GiribetSignificado #13 · Palabras #20pensamiento humano texto matemáticamodelo matemático física datosalineación modelo lenguaje datoschatgpt pensamiento matemáticolenguaje natural desarrollo cognitivomatemática montado sobre lenguajeoperaciones números lenguaje ordinariochomskyanos lenguaje natural…el modelo ya viene dado y tú ahora con contexto, sí, todavía con esto porque a mí me parece, no sé, un gusto personal es, no me gusta para nada dar datos en forma a un modelo de lenguaje porque no es pensando, capaz que esto nos lleva quizás a algo un poco Más filosófico, por suerte hay un filósofo en la sala, que es: pensamos, ¿cómo pensamos nosotros? En texto, en matemática. Yo siempre pensé: ok, hagamos un modelo matemático que use física y matemática para analizar los datos y después conectémoslo con un modelo de lenguaje. De alguna manera alineémoslo, pero no le demos los datos a un modelo de lenguaje directamente, porque ¿cómo va a pensar tan bien en matemática un modelo de lenguaje? Y esto es como que está probando lo opuesto, no sé si lo está probando igual, porque las comparaciones ya les digo son un poco injustas, encontré, pero es una buena pregunta, porque hablando en serio, más allá de lo filosófico, nosotros Somos educados con lenguaje ordinario. Somos educados con él o viene de fábrica, volvámonos chomskyanos por un momento; no importa qué, ese es el lenguaje el que tenemos, lenguaje natural. No sé con el tiempo aprendemos la matemática montado sobre ese, empezamos a ponerle nombre a las operaciones y a los números; le ponemos nombre primero luego damos las órdenes de cómo operar con ello, pasa dividiendo en ese lenguaje y luego se nos volverá a ocupar otra parte de nuestra cabeza, pero se nos volverá natural en algún sentido. No sé. Pero en un momento, cuando a uno le hace click la cabeza en algún sentido, uno a veces hasta piensa en ecuaciones sin necesidad de pasarlas a través del lenguaje. Incluso a veces hasta ni siquiera sabría cómo hacerlo, ¿no? ¿O no? Uno se encuentra en su…
Francis Villatoro interrumpe a Gastón Giribet para comentar sobre la dificultad de los modelos de imagen y cómo estos no han sido entrenados en operaciones matemáticas básicas como suma, resta o cálculo integral.
Habla: Francis VillatoroSignificado #1 · Palabras #1modelos imagen sin cálculo integralfrancis villatoro modelos de imagenoperaciones matemáticas básicas modeloschatgpt cálculos humanosmodelos lenguaje modificaciones problemas matemáticosfrancis villatoro entrenamiento operaciones matemáticaschatgpt conectado a wolframerrores conceptuales chatgptcálculos básicos chatgptmodelos lenguaje superan humanossumas multiplicaciones modelos lenguajewolfram y modelos lenguaje matemáticasoperaciones nuevas modelos lenguajececilia garraffo duda wolfram…pero creo que lo que decían era: un humano podría decir que esto, un médico no lo hubiera dicho nunca. Ah, ok, eso distinto. Ingenuos, pero no humanos. Pero capaz porque es otro tipo de conocimiento. Conocimiento, se te rompió el hueso de la tercera mano. Claro, bueno, que de hecho, ¿no? Los modelos de imagen son las cosas más difíciles, pero por ejemplo, sí, perdón, ¿qué ibas a decir, Francis? No iba a decir, Gastón, que lo que te ocurre es que estos modelos nadie les ha enseñado a sumar, ni a restar, ni a dividir, ni a calcular una integral. Solo le han enseñado libros llenos de integrales y de operaciones. Entonces, cuando tú le pides que haga algo con ese tipo de matemática muy avanzada, mientras va copiando lo difícil del libro, lo va haciendo muy bien, porque va copiando lo que aprendió. Pero en el momento en el que tiene que hacer una pequeña modificación en lo que viene en el libro y es cambiar el 2 que viene en el libro porque hay que poner un 3 porque tú has modificado ligeramente el enunciado y ya no es exactamente el del libro, ya no te puede recitar el Quijote los primeros párrafos del Quijote y dártelo literal ahora tiene que operar; en ese momento ya no sabe qué hacer y entonces probabilísticamente elige un número porque nadie le ha enseñado a calcular. Si tú quieres que este tipo de modelos de Lenguaje calculen, conéctalo a Wolfram, a una herramienta de matemática o conéctalo a una herramienta numérica; hay varios. Estos chats GPT se pueden conectar a ese tipo de herramientas y entonces tú le dices: cuando vayas a calcular algo, cálculalo bien con esta herramienta y entonces llamará a la herramienta, recibe el resultado de la herramienta y te lo va presentando; y entonces ya no comete errores, ya no comete ese tipo de errores tan tontos, ya comete errores más conceptuales, más de razonamiento; son los errores ya de alto nivel, pero los errores triviales los comete porque nadie le ha enseñado que 2 más 2 es igual a 4; ha visto, he escrito muchos libros que 2 más 2 es igual a 4, pero ha visto muy pocos libros que 1523 más 5 es 1528 y por tanto esa operación puede que acierte o puede que no. Sin embargo, esto que decís es contrario a lo que Estamos encontrando de alguna manera, porque eso es lo que uno pensaría y por lo que yo quiero generar y desarrollar modelos físicos que voy a alinear con los de lenguaje. Sin embargo, estamos viendo que no, que los de lenguaje hacen mejor esa tarea de suma, multiplicación que no aprendieron explícitamente, aunque sí la aprendieron porque también tienen los. libros de texto que enseñan eso, ¿no? Pero digo, no es que repitan las operaciones que ya vieron pueden hacer operaciones nuevas porque aprendieron de alguna manera aprendieron a reproducir eso no es que se lo acuerdan de memoria no es así y estamos viendo esto que es lo sorprendente es lo contraintuitivo yo hasta hace poquito he estado completamente de acuerdo con lo que estás diciendo sin embargo ahora lo dudo porque estamos viendo que aunque Wolfram está diseñado para eso quizás el modelo de lenguaje sea mejor. A ver, por ejemplo, con Gastón estamos trabajando en un proyecto que me parece muy interesante: que es desarrollar un modelo de inteligencia artificial, de Machine Learning, para encontrar soluciones, agujeros negros en teorías de gravedad diferentes a las de…
Francis Villatoro explica el fundamento teórico de varios experimentos, mencionando el concepto de LOCC (operaciones locales y comunicación clásica) y su relación con las desigualdades de Bell.
Habla: Francis VillatoroPalabras #11desigualdades de bell mecánica cuánticaoperaciones locales comunicación clásicaentrelazamiento incumplimiento desigualdades verde…de lo que parece. Este es un artículo de dos autores: Joseph Aziz, Aziz con Z, acaba en Z, tiene dos zetas y Richard Howell. Son dos investigadores de la Universidad de Londres, University of London, en Reino Unido y han aprovechado la coyuntura para hacer. Un pequeño cálculo de juguete que ilustra una idea que no parece una mala idea. Y la idea es, en casi todos estos experimentos, el fundamento teórico es lo que se llama LOCC; que se llama las operaciones locales y una comunicación clásica de información no permiten el entrelazamiento. Eso es un tema matemático; se puede demostrar matemáticamente en la mecánica cuántica, que si tú tienes solamente operaciones locales y solamente tienes un canal de comunicación clásico para realizar esas operaciones, no puedes generar un entrelazamiento que incumpla con desigualdades de tipo verde. ¿O no localidad? Sí, perdón. No quería hacer una aclaración porque es muy común que la hipótesis de localidad se use en los teoremas de mecánica cuántica en general. Básicamente, localidad significa que, grosso modo, uno puede sofisticar esto: la diferencia entre localidad,…
Francis Villatoro explica cómo la construcción de una simulación utilizando operadores específicos garantiza ventaja cuántica, incluso si los ordenadores cuánticos actuales son muy básicos.
Habla: Francis VillatoroPalabras #12ventaja cuántica operadores específicosordenadores cuánticos google quantum aisimulación práctica miles de operadoresnature artículos ventaja cuántica…ejemplos de lo que serían operadores básicos que se pueden usar para resolver problemas de interés práctico, en concreto simular sistemas cuánticos, y que se demuestra que estos operadores, su ejecución ya garantiza ventaja cuántica, supremacía cuántica. Lo que tú dices, si tengo que construir una simulación utilizando estos operadores, automáticamente esa simulación tendrá ventaja cuántica. Claro, ahora se ha probado con un único operador, con un único operador, porque los ordenadores cuánticos actuales son súper de juguete, súper de juguete, súper sencillitos. Pero bueno, si demuestro con este ordenador de 102 qubits que este operador ofrece ventaja cuántica, automáticamente cuando yo tengo una simulación práctica que necesitará, pues no sé, miles de operadores de este tipo, es decir, necesitaré cientos de miles de qubits, automáticamente tendré garantizado ventaja cuántica. Este es el interés de estos dos artículos que se han publicado en Nature el 22 de octubre y que son ambos de equipos del Google Quantum AI. Cuando se publicó el preprint Del primer de estos artículos, que fue cuando yo hablé en este episodio del 522, solo se tenía el preprint. No hubo ninguna campaña mediática, no se contó nada a nadie, no hubo rueda de prensa, no hubo nada porque se había enviado a la revista Nature y…