Búsqueda · 21 momentos en 1 episodio
María RibesAlberto ApariciJuan Carlos GilIgnacio CrespoFrancis VillatoroHéctor SocasLuisa AchaerandioPushmeet Kohli · DeepMindThore Graepel · DeepMindaniversario diez años partida go deepmindidioma hindi pushmit colleylaboratorio deepmind de google inteligencia artificialPushmit ColleyTore GreipelMaríaDeepMindGoogleIBMGoogle DeepMindAlphaGoPushmit KohliMariana AqueroDepartamento de Comunicación de GoogleEspañaMovimiento 37juego de GoThor GreipelSeúlEgipto AntiguoCientófiloLee SedolHéctor SocasJuan Carlos GilFagóFrancis VillatoroAlbertoJuan CarlosWanjue ChaoRichard EvershedUniversidad de BristolKasparovRedes NeuronalesMaría RibesÁlfagoDavid SilverFan HuiIgnacio CrespoAlphaFold 3AlphafoldFox P2Luisa AchaerandioGastón GiribetHigher Order TheoriesAlberto ApariciDr. Greipel
Terence Tao Google DeepMind demostraciones
Con
0:000:301:001:302:002:303:003:33
Héctor Socas presenta una entrevista grabada previamente con Pushmit Colley y Tore Greipel, destacando su trabajo en DeepMind de Google y la importancia del aniversario de un hito en inteligencia artificial: el juego de Go.
…pasada, que a mí me parece que ha quedado muy chula, sobre todo porque no he intervenido yo así que es un disfrute de escuchar con dos protagonistas del desarrollo de la inteligencia artificial en esta última década que son las personas cuyos rostros ven en. la imagen de portada de este episodio, se llaman Pushmit Colley, el que aparece con un turbante y Tore Greipel, yo lo he pronunciado fatal pero María se ha pegado el curre de buscar cómo pronunciarlo adecuadamente y además hablarles a cada uno de ellos en su idioma natal, que también te lo ha traducido, porque uno de ellos su idioma natal es hindi y el otro es alemán. Y pues son del laboratorio DeepMind de Google, que saben que ha sido uno de los grandes motores de la inteligencia artificial en los últimos 15 años o así, y sobre todo porque estos días se cumple un aniversario muy importante que son 10 años de esa partida de Go, el juego, Ese juego asiático del que ahora nos hablará Alberto, que es muy aficionado. De hecho, yo recuerdo que de esto hablamos en Coffee Break hace 10 años y que yo no sé si llegamos a hablar de cuando tuvo lugar esta partida, pero sí que hubo episodios en los que…
Significado #1 · Palabras #2
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 SocasSignificado #4 · Palabras #10alphago 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 presenta una entrevista grabada previamente con Pushmit Colley y Tore Greipel, destacando su trabajo en DeepMind de Google y la importancia del aniversario de un hito en inteligencia artificial: el juego de Go.
Habla: Héctor SocasSignificado #1 · Palabras #2aniversario diez años partida go deepmindidioma hindi pushmit colleylaboratorio deepmind de google inteligencia artificial…pasada, que a mí me parece que ha quedado muy chula, sobre todo porque no he intervenido yo así que es un disfrute de escuchar con dos protagonistas del desarrollo de la inteligencia artificial en esta última década que son las personas cuyos rostros ven en. la imagen de portada de este episodio, se llaman Pushmit Colley, el que aparece con un turbante y Tore Greipel, yo lo he pronunciado fatal pero María se ha pegado el curre de buscar cómo pronunciarlo adecuadamente y además hablarles a cada uno de ellos en su idioma natal, que también te lo ha traducido, porque uno de ellos su idioma natal es hindi y el otro es alemán. Y pues son del laboratorio DeepMind de Google, que saben que ha sido uno de los grandes motores de la inteligencia artificial en los últimos 15 años o así, y sobre todo porque estos días se cumple un aniversario muy importante que son 10 años de esa partida de Go, el juego, Ese juego asiático del que ahora nos hablará Alberto, que es muy aficionado. De hecho, yo recuerdo que de esto hablamos en Coffee Break hace 10 años y que yo no sé si llegamos a hablar de cuando tuvo lugar esta partida, pero sí que hubo episodios en los que…
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 #9ajedrez 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 agradece a Mariana Aquero, del departamento de comunicación de Google en España, por ponerse en contacto con el podcast para promocionar el décimo aniversario del Movimiento 37 en el juego de Go.
Habla: Héctor SocasPalabras #3aniversario movimiento 37 googlemariana aquero departamento comunicación googlepromoción aniversario juego goagradecimiento mariana google españaentrevista personas difíciles contactodepartamento comunicación google facilita entrevistagrabación técnica héctor socasparticipación juan carlos gil entrevista…décimo aniversario del día en el que se jugó la partida del famoso Movimiento 37, del cual hablaremos ahora y Alberto nos contará un poco, pero que fue algo muy rompedor e inesperado, un movimiento que hizo la máquina que fue sorprendente para todo el mundo. Entonces, pues Google ha estado estos días promocionando este aniversario, contactando con medios de comunicación y en nuestro caso, debo decir que quiero dar las gracias a Mariana Aquero, del Departamento de Comunicación de Google en España, que se puso en contacto con. nosotros porque Mariana, según nos confesó, es oyente del programa y a ella le hace ilusión el ofrecernos esta posibilidad y que esta entrevista a estas dos personas, que ahora comentaremos un poco pues que pudiéramos tener esta oportunidad en Coffee Break y le quiero dar las gracias porque bueno es gente con la que es muy difícil poder contactar y poder tener esta oportunidad de estar hablando con ellos y el departamento de comunicación de Google a través en este caso de Mariana pues no facilitó esa entrevista no fue fácil porque bueno hubo también que reprogramar éramos por nuestra parte tres personas que iban a partir bueno de hecho 4 conmigo porque yo iba a estar grabando y encargándome de la parte técnica, más María, Alberto y Juan Carlos que iban a estar encargándose de hacer la entrevista propiamente dicho, más los dos Entrevistados, más Mariana, pues era como había que juntar a mucha gente y algunas, en este caso, tanto Pushmit como Tore, pues con personas con agendas muy complicadas. Así que nuestro agradecimiento; yo tenía también ciertas dudas de cómo íbamos a hacer…
Francis Villatoro comenta sobre una jugada inusual realizada por Lee Sedol durante un enfrentamiento contra AlphaGo, donde intentó confundir a la máquina con movimientos inesperados.
Habla: Francis VillatoroSignificado #5 · Palabras #6jugada inusual lee sedol alphagomovimientos inesperados alphago deepmindmáquina confundida por lissedolvictoria humana contra alphagolee sedol vence a fagódeepmind parchea defecto alphagoaprendizaje jugando contra la máquina…las partidas a Lissedol 4-1, Alberto 4-1, 4-1, sí la cuarta la ganó la cuarta es el retorno de la humanidad y recordad, la cuarta la ganó Lissedol y acojonó a Dismain porque Dismain dijo: como me gane la quinta, porque lo que hizo fue engañar a la máquina. Queda dudoso, ¿no? Lissedol hizo una jugada absolutamente idiota en plan: 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 y Francis Villatoro discuten cómo una jugada inesperada de AlphaGo generó un debate sobre si se trataba de un error, a pesar de no estar condenada a serlo.
Habla: Alberto ApariciPalabras #12jugada inesperada de alphagoerror alphago comentaristasabiduría popular alphago…de YouTube y ese señor cuando vio la jugada 37 cogió la pieza, la puso en el tablero y dijo no, no puede ser. Aquí no puede ir, me tengo que haber equivocado, volvió a mirar de nuevo y dijo, pues sí, pues el Álfago la ha puesto ahí, la voy a poner Entonces Eso fomentó toda esa cultura de memética, del meme de que había habido un error, porque hasta el propio comentarista dijo: esto no puede ser. Sí, sí, efectivamente, es que son jugadas que por sabiduría popular no hay que hacer, pero no que estén condenadas a ser erróneas; eso es lo que demostró Álfago. Sí, no, me refería: quiero aclarar, cuando decía que había sido interpretada como un error, no me refería que no fuera algo que atentara contra las reglas o contra las normas y tal, sino error en el sentido estratégico, de que has metido la pata, vas a perder…
Juan Carlos Gil explica que Pushmit Kohli, aunque inicialmente no formó parte del equipo central de AlphaGo en IBM, fue posteriormente reclutado por DeepMind y ahora ocupa un puesto de investigación senior en Google DeepMind.
Habla: Juan Carlos GilSignificado #2 · Palabras #1thor greipel deepmind inteligencia artificialcontrol partido famosísimo isidolcreador fagón deepmindorigen hindú pushmet kohliturbante y religión pushmet kohlirelación turbante religión hinduismopushmit kohli investigador senior googledepmindinvestigación inteligencia artificial asuntos científicosdesarrollo alfago por pushmit kohli…lo podría pronunciar así, pero bueno, me quise asegurar y me dijo: sí, sí, digo, vale. Sí, dijo que lo habías pronunciado muy bien Juan Carlos; quieres rápidamente hacer la introducción y pasamos ya a poner la entrevista. Bueno, pues sí, estas dos personas. Thor Greipel, disculpad, es un científico de DeepMind especializado en inteligencia artificial, en particular aprendizaje automático y era especialmente relevante en este contexto porque fue parte del equipo original y estuvo en Seúl jugando, aportando su control al partido famosísimo contra el Isidol. De hecho, en su página personal aparece: Contribuí a crear al fagón. Es como quizá la frase que quede para la historia. Además, se explica como un libro abierto. Vamos, a mí me dejó realmente impresionado oírle. Pushmet Kohli, el hindú, no estaba entonces en DeepMind; creo que estaba en... Perdón, es que no sabemos si es hindú, porque hindú es una religión. Ciertamente. Es de origen hindú. Bueno, pero lleva el turbante, ¿no es eso estar relacionado con la religión? Sería sí. No, sí, no, sí. Correcto, vale. Bueno, pues estaban, no sé si en IBM en aquel momento, bueno, que no estaba en DeepMind, o sea que no formó parte core del equipo de AlphaGo, sin embargo luego DeepMind le reclutó y ahora es investigador senior y vicepresidente de Research, de investigación de inteligencia artificial para asuntos científicos en Google DeepMind y entonces él sí fue parte pivotal en el desarrollo de alfago, digamos, de alfafol quería decir, perdón, sí, y de otros proyectos científicos que si tenemos tiempo comentamos, alguno de ellos saqué a colación en la entrevista. Vale, pues vamos ya con la entrevista. Perfecto, gracias chicos. Pues ponemos la entrevista y volvemos aquí un ratillo; dura 26 minutos casi exacto. Sí, María. Quiero decir que tenemos suerte de tener a Juan Carlos y Alberto porque creo que no puede haber mejores…
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 #12 · Palabras #13alphago superando conocimiento humanomovimiento 37 ciencia biologíareplicar movimiento 37 computación cuánticadescubrimientos movimiento 37 informáticaalphago desata aceleración ciencialegado momento alpha gopregunta sobre juego go greipel…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. 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…
Juan Carlos Gil explica cómo su trabajo con AlphaGo abordó el desafío de reducir el espacio de búsqueda en el juego de Go, comparándolo con buscar una aguja en un pajar.
Significado #18reducción espacio búsqueda alphagoredes neuronales alphagoaguja en un pajar alphago…primeros movimientos por ejemplo y luego la duración del juego es la profundidad de este árbol. Y bueno sabes eso genera una estructura combinatoria realmente enorme y si quieres jugar de forma óptima prácticamente tienes que recorrer toda esa estructura. Y entonces la gran pregunta que nuestro trabajo con 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…
Ignacio Crespo relata cómo Fan Hui, el campeón europeo de Go, fue crucial para evaluar AlphaGo, y describe una apuesta con David Silver sobre el resultado de los enfrentamientos.
Significado #13fan hui campeón europeo goalpha go ganó contra fanhuiapuesta con david silver alphagodisfraz de maestro go apuesta…difícil saber qué tan buena es la iteración actual del sistema. Puedes enfrentarlo a los sistemas que ya existen pero claro nuestra intención era ir mucho más allá de los sistemas actuales y por lo tanto requeríamos una manera de poder hacer pruebas. Y así Fanjui nos resultó de una ayuda verdaderamente inestimable y nosotros, sabes, AlphaGo ganó 10 a 0 contra Fanjui y eso nos dio una buena indicación de que era un jugador bastante fuerte. De hecho, en ese entonces yo hice una apuesta con David Silver; yo pensé que AlphaGo perdería al menos uno de esos juegos de prueba y David estaba completamente seguro de que no lo haría. Y como consecuencia de perder la apuesta, tuve que disfrazarme de un antiguo maestro de Go y venir a trabajar un día. Increíble. Pero claro, lo hice con mucho gusto porque también significaba que nuestro sistema era realmente bueno, mucho mejor de lo que había pensado en aquel momento. Y eso entonces nos dio la confianza para decir, ¿sabes?, quizás podamos alcanzar la cima del mundo…
Francis Villatoro pregunta a Juan Carlos Gil sobre los próximos pasos en relación con AlphaFold 3 y qué aspectos fundamentales aún quedan por resolver en el campo de la investigación biológica.
Habla: Francis VillatoroPalabras #14alfago contra lee sedol históricointeligencia artificial espacio combinatorioinvestigación biológica base fundamentalalphafold 3 próximos pasosinvestigación biológica aspectos fundamentalesconocimiento humano alpha go…de la cual precisamente estamos conmemorando el aniversario hoy, tal como mencionas. Sí, más adelante te preguntaré sobre la jugada 37, pero ahora te dejo con mi colega Juan Carlos, quien también quiere hacerte algunas preguntas. Sí, gracias Alberto, así es. Sin lugar a dudas, el encuentro contra Lisedol resultó ser histórico, pero al mismo tiempo demostró claramente que la inteligencia artificial era capaz de navegar ese inmenso espacio combinatorio que usted ha descrito, una idea que finalmente transformaría por completo la ciencia. Hace 30 años yo realizaba simulaciones por computadora, personalmente, y el plegamiento de proteínas me parecía completamente intratable. Así que finalmente AlfaFold logró resolver este problema, transformando lo que había sido un gran desafío de 50 años en una nueva base fundamental para la investigación biológica. Entonces, Dr. Colley, mi pregunta es: ¿qué viene ahora con AlphaFold 3 y qué aspectos fundamentales quedan aún sin resolver en este campo? Sí, yo creo que lo que AlphaGo nos demostró es que podemos ir mucho más allá de lo que el conocimiento humano nos permite y así ser capaces de generar nuevas y muy valiosas perspectivas. Y en cierto sentido comenzamos el proyecto de AlphaFold inmediatamente después del partido de Lissedol porque aquello nos dio la confianza necesaria para explorar a fondo toda esta área. La primera iteración de AlphaFold, AlphaFold 1, fue construida como un…
Francis Villatoro reflexiona sobre el desafío de descifrar el lenguaje de la vida y cómo AlphaFold ha abierto un camino para comprender mejor los ingredientes biológicos.
Habla: Francis VillatoroPalabras #15lenguaje de la vida desafíoproteínas ingredientes biológicos alphafoldalphafold entiende los ingredienteslibro de recetas proteínas…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 estamos trabajando. Alphafold nos mostró el camino diciendo: bueno, si las proteínas son los ingredientes, ahora entiendes los ingredientes, ahora tenemos que descifrar el libro de recetas. Me refiero a la forma en que esos ingredientes realmente hacen que las cosas funcionen en la vida. Y solo para añadir a eso, quiero decir, para demostrar. Lo difícil que es este problema, me gusta observar las diferentes escalas en las que se desarrolla la vida. Si lo piensas bien, la escala de relevancia a nivel de las proteínas es de aproximadamente 10 a la menos 9 metros, por lo que un nanómetro es más o…
Francis Villatoro explica cómo las redes neuronales han superado a las supercomputadoras en la simulación del clima, utilizando menos recursos computacionales.
Habla: Francis VillatoroSignificado #10redes neuronales simulación climaatajos interesantes modelos climáticosfenómenos inexplicados redes neuronalesprueba de concepto simulaciones climaredes neuronales simulan climasupercomputadoras vs redes neuronaleschip para simulaciones climáticasteoría desconocida modelos climáticos…que podamos predecirla tenemos que resolver esas ecuaciones. ¿Y eso ocurrió a nivel de la comprensión de las estructuras proteicas porque allí estábamos realizando simulaciones moleculares dinámicas? Y eso también ocurrió a nivel de la comprensión del clima. donde ahora tenías que, o sea, estabas simulando el tipo de clima y tratando de ver qué sucedía. Lo que las redes neuronales nos han demostrado es que a veces existen atajos muy interesantes que quizás no llegamos a apreciar o a comprender del todo y para los cuales no poseemos la teoría actual que los explique. pero de alguna manera hay una prueba de concepto que lo valida. Hay una prueba de existencia de que el modelo con mucha menos cantidad de computación de la que una supercomputadora necesitaba en más de un día para obtener un nivel de rendimiento similar puede ser superado por una red neuronal operando en un solo chip. Así que hay algo ahí que está aprovechando que el modelo ha utilizado y no comprendemos completamente en este momento cuál es esa teoría en la que está basándose Pero hay algo en las estadísticas de la naturaleza que el modelo es capaz de aprovechar y está operando no en la complejidad del peor de los casos sino en la complejidad inherente al problema mismo, lo que le permite predecir las cosas de manera muy efectiva.…
Francis Villatoro reflexiona sobre cómo los científicos de la computación se han centrado tradicionalmente en la complejidad computacional, mientras que las redes neuronales parecen haber aprovechado una menor complejidad teórica de la información para encontrar soluciones.
Habla: Francis VillatoroSignificado #9complejidad computacional científicosredes neuronales complejidad informaciónsoluciones redes neuronales villatororedes neuronales predicciones asombrosascapacidad computacional modelos redes neuronaleslímite eficiencia modelos redes neuronalesinvestigación activa redes neuronales…representan una mejor aproximación a ese conjunto mucho más amplio de cálculos que originalmente habríamos necesitado llevar a cabo. Bueno, así que quizás hay una complejidad teórica de la información del problema y luego está la complejidad computacional del Problema y siempre como científicos de la computación hemos estado pensando en el tipo de complejidad computacional. ¿Cómo representamos ahora el sistema y calculamos un estado final mientras que la complejidad de la información del problema, la complejidad teórica de la información del problema era mucho menor? Y las redes neuronales de alguna manera lo aprovecharon para, por así decirlo, dar con esas soluciones que son mejores. Pero yo no creo que hayamos encontrado una respuesta completa a la pregunta que planteaste. Es un problema de investigación activo, digamos, sobre cómo estos modelos 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…
Francis Villatoro explica cómo el avance en la comprensión del lenguaje natural se logró al ignorar el conocimiento de los filólogos y centrarse en aprender correlaciones entre datos a partir de grandes cantidades de texto.
Habla: Francis VillatoroSignificado #16olvidar filólogos lenguaje naturalcorrelaciones datos comprensión lenguajetokens información aprendizaje automáticoevitar sobreaprendizaje modelos lenguaje…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…
Francis Villatoro explica cómo la aplicación de reglas a grandes modelos de lenguaje en inteligencia artificial implica que estas redes neuronales sean tan extensas como el conjunto de datos y se expongan repetidamente a los mismos datos para evitar el sobreaprendizaje.
Habla: Francis VillatoroSignificado #11reglas en inteligencia artificial modelos lenguajeevitar sobreaprendizaje repetición datosfrancis villatoro reglas inteligencia artificial…lo que puedes aceptar que cometa errores en las construcciones y en los modismos, que no entienda bien ciertos dejes, ciertos dobles sentidos porque ha aprendido una segunda lengua o sea, se planteaban eso como casos pilotos para montar un test de Turing y De repente, cuando te llegan los grandes modelos de lenguaje con el modelo de atención y tú aplicas una serie de reglas que nunca se habían aplicado en inteligencia artificial, que es básicamente las redes neuronales 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…
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 #8ibm 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…
Luisa Achaerandio reflexiona sobre la necesidad de una base para comprender idiomas como el chino, destacando la importancia del aprendizaje supervisado y mencionando un posible vínculo genético relacionado con este proceso.
Habla: Luisa AchaerandioSignificado #15aprendizaje supervisado idioma chinogen fox p2 aprendizaje idiomasbase programada lenguaje chino…no creo que podamos observarlo de manera tan reduccionista, es verdad que ha pegado un subido muy grande, como hemos dicho, debido a que hemos evolucionado también nosotros, pero que, por ejemplo, por mucho que a mí me hablen en chino, yo no voy a hablar En chino. Es una cosa que también necesitas como una especie de base, y también necesitas un aprendizaje supervisado que no podemos olvidarnos de que no solamente es lo que está en base programado y lo que surja en base a lo que tú le pongas, sino también en base a lo que tú le vas guiando; y que en genética, en concreto, hay un gen que podemos relacionar con esto. ¿Qué es el Fox P2? ¿Vale? relacionado con todo esto del lenguaje.…
María Ribes comenta sobre un artículo científico interesante y destaca a Wanjue Chao como la investigadora más joven del equipo, quien parece ser asistente de doctorado.
Habla: María RibesSignificado #7wanjue chao asistente de doctoradorichard evershed investigador universidad bristolbiogeoquímico perfil richard evershed…a la máquina cualquier cosa que queramos y pilla todas las relaciones morfosintácticas y ortosintácticas, que diría aquí para molestar a Gastón y... Hasta es verdad, nunca nos acordamos de eso. Bueno, y a todos nuestros oyentes latinoamericanos un saludo. Que bueno, eso el paper este, que parece muy interesante, ¿no? Sí, y es complementario de ese que decías tú; el del otro piso era de 2023. Y este paper, pues los autores es importante que digamos algo también. La primera, como has dicho, es Wanjue Chao, se llama, ¿no? Ella es la más joven; ella parece ser que es la asistente de research, de doctorado. Pero están, por ejemplo, Evershed, Richard Evershed, que es un investigador; son todos de la Universidad de Bristol. Pero este hombre es muy importante; él es biogeoquímico, creo que pone en su perfil de la universidad Pero es muy importante porque él es el que dirige desde hace décadas estos estudios de los compuestos volátiles del olor de las momias. Hablamos también aquí del olor de las momias. ¿Te acuerdas que también hace años se halló? Creo que…
Ignacio Crespo sugiere que sería interesante contar con Gastón Giribet para analizar la cuarta teoría sobre la naturaleza de la conciencia, destacando su contenido matemático.
Habla: Ignacio CrespoSignificado #17gastón giribet analiza conciencia matemáticateorías de orden superior planteamientos filosóficoshigher order theories origen filosófico…mira, me gusta lo que has dicho de que es verdad que hoy no está Gastón y por lo tanto haremos la tercera y la cuarta no la voy a hacer porque es la que más críticas debería recibir desde la perspectiva materialista que evidentemente me adscribo yo también. Pero que creo que es muy interesante que pueda estar Gastón para entrar en ella. Además, tiene muchos temas matemáticos chulos que seguro que darán de qué hablar. Nos quedamos entonces con otra, que es la Higher Order Theories, las teorías de orden superior. Estas tienen una particularidad y es que nacen desde planteamientos filosóficos. Ojo, tiene un planteamiento científico ahora mismo, que se puede Realmente desarrollar de forma paralela a las que hemos estado contando, no es como la que traeremos para el próximo programa, que tiene un nacimiento puramente anticientífico en ciertos aspectos y es más criticable. En este caso, tenemos una historia muy…
Francis Villatoro explica cómo una teoría tiene implicaciones en el campo de la conciencia artificial, sugiriendo la creación de redes paralelas que exploren y analicen el estado neuronal.
Habla: Francis VillatoroSignificado #14redes paralelas conciencia artificialtomografía del estado neuronalmetainformación proceso cognitivo villatororazonamientos y metacognición…presentar para un rendimiento parecido una o dos patrones en el que sólo está presente la de primer orden y en el que están presentes las dos, y que habrá propiedades distintas que solemos asociar con el procesamiento consciente. Esa es un poco la clave. Esta teoría tiene, entre comillas, más implicaciones desde el punto de vista de lo que es la conciencia artificial porque es una de las cosas arquitectónicas que se están planteando en ese campo el definir en paralelo a las redes de aprendizaje profundo que están ejecutando tareas, tener redes en paralelo que estén explorando, haciendo tomografía del estado neuronal y viendo realmente qué está ocurriendo ahí y obteniendo información, metainformación sobre el proceso cognitivo, información que después se puede reinyestar al propio proceso cognitivo para facilitar, entre comillas, razonamientos y metacognición. Sí, justo. Y el problema, que es lo que comentábamos, es que todavía hay pocos estudios. En el momento en el que se hizo el contrast se habían hecho apenas 12, que es mucho menos que los estudios que se habían reunido de las otras teorías. Y en parte es…
