Original subtitles

Hola, Alfa.

Hola.

¿Puedes ayudarme a escribir código?

Me entrenaron para responder preguntas,

pero soy capaz de aprender.

Eso es muy abierto de tu parte.

Gracias. Me alegro de que estés feliz conmigo.

¿Qué está haciendo este tipo?

Ese es un desarrollador.

¿En qué crees que está trabajando?

Esa es una pregunta difícil.

Podría estar trabajando en una nueva función,

una corrección de error o algo más.

Es muy posible.

Sí.

¿Ves mi mochila?

Esa es una raqueta de bádminton.

Es una raqueta de squash, pero se le parece bastante.

Esa es una raqueta de bádminton.

No, pero no eres la primera persona.

Cometer ese error.

IA, la tecnología

que ha ido avanzando a una velocidad vertiginosa.

La inteligencia artificial está de moda.

Algunos ahora están dando la alarma sobre...

Definitivamente es preocupante.

Esta es una carrera armamentista de IA.

No lo sabemos

Cómo va a resultar todo esto,

Pero está claro que algo está pasando.

Estoy un poco inquieto.

Intentar construir una IA general es el viaje más emocionante,

en mi opinión, que los humanos jamás hayan emprendido.

Si realmente vas a tomar eso en serio,

No hay mucho tiempo

La vida es muy corta.

Mi meta en la vida entera es resolver

Inteligencia general artificial.

Y de camino, utilizar la IA como herramienta definitiva

Para resolver todos los problemas del mundo

Los problemas científicos más complejos.

Pienso que esto es más grande que Internet.

Pienso que esto es más grande que el móvil.

Creo que es más como

la llegada de la electricidad o el fuego.

Líderes mundiales

y expertos en inteligencia artificial

se están reuniendo por primera vez

cumbre mundial sobre seguridad de la IA,

Dispuestos a analizar los riesgos

de la tecnología de rápido crecimiento y también...

Creo que esto es algo muy importante.

momento crítico para toda la humanidad.

Se siente como si estuviéramos en la cúspide

de algunas cosas increíbles sucediendo.

Déjame guiarte a través de

Algunas de las reacciones en los periódicos de hoy.

Creo que AGI está bastante cerca.

Está claro que hay un enorme interés en lo que es capaz de hacer.

A dónde nos lleva.

Este es el momento

He estado viviendo toda mi vida por.

Siempre me ha fascinado la mente.

Así que me propuse estudiar neurociencia.

Porque quería inspirarme

Del cerebro a la IA.

Recuerdo haberle preguntado a Demis:

"¿Cuál es el objetivo final?"

¿Lo sabes? Entonces vas a venir aquí.

y vas a estudiar neurociencia

Y tal vez obtendrás un doctorado si trabajas duro.

Y él dijo:

"Sabes, quiero poder resolver la IA.

"Quiero poder resolver inteligencia."

El cerebro humano es la única prueba existente

Tenemos, tal vez en todo el universo,

Que la inteligencia general sea posible.

Y pensé que alguien en este edificio

Debería estar interesado

En general, inteligencia como la mía.

Y entonces apareció el nombre de Shane.

Nuestro próximo orador hoy es Shane Legg.

Él es de Nueva Zelanda,

donde se formó en matemáticas y ballet clásico.

¿Las máquinas se están volviendo realmente más inteligentes?

Algunas personas dicen que sí, otras dicen que no.

No está muy claro

Sabemos que se están volviendo mucho más rápidos.

al hacer cálculos.

Pero ¿realmente estamos avanzando?

¿En términos de inteligencia general?

Los dos estábamos obsesionados con la IAG,

Inteligencia general artificial.

Así que hoy voy a hablar sobre

Diferentes enfoques para construir IAG.

Con mi colega Demis Hassabis,

Estamos buscando formas de incorporar ideas.

de la neurociencia teórica.

Me sentí como si fuéramos los guardianes de un secreto.

que nadie más lo sabía.

Shane y yo no conocíamos a nadie en el ámbito académico.

apoyaría lo que estábamos haciendo.

IA era casi una palabra vergonzosa

para usar en círculos académicos, ¿verdad?

Si dijeras que estás trabajando en IA,

Entonces claramente no eras un científico serio.

Así que convencí a Shane de la forma correcta de hacerlo.

Sería iniciar una empresa.

Bueno, vamos a intentar hacerlo.

Inteligencia general artificial.

Puede que ni siquiera sea posible.

No estamos muy seguros de cómo lo vamos a hacer,

pero tenemos algunas ideas o, en cierto modo, enfoques.

Enormes cantidades de dinero, enormes cantidades de riesgo,

Muchísimos cálculos.

Y si logramos esto,

Será lo más grande de la historia, ¿verdad?

Esto es algo muy difícil para un inversor típico.

para poner su dinero.

Es casi como comprar un billete de lotería.

Voy a hablar sobre el sistema de la neurociencia.

y cómo podría usarse para ayudarnos a construir una IAG.

Encontrar financiación inicial

Porque esto fue muy difícil.

Vamos a resolver toda la inteligencia.

Puedes imaginar algunas de las miradas que recibí.

Cuando estábamos lanzando eso.

Entonces soy un VC y miro alrededor

700 a 1.000 proyectos al año.

Y yo financio literalmente el 1% de ellos.

Alrededor de ocho proyectos al año.

Eso significa que el 99% del tiempo estás en modo "No".

"Espera un minuto. Te lo estoy diciendo,

"Esto es lo más importante de todos los tiempos.

"Te estoy dando toda esta preparación

"sobre cómo... explicar

"cómo se conecta con el cerebro,

"¿Por qué es el momento justo y luego me preguntas,

"Pero ¿cuál es tu, cómo vas a ganar dinero?

"'¿Cuál es su producto?'"

Es una pregunta muy prosaica.

¿Sabes?

-¿No has estado escuchando lo que he estado diciendo?

Necesitábamos inversores

que no necesariamente van a invertir

Porque creen que es lo mejor

decisión de inversión.

Probablemente van a invertir

Porque simplemente piensan que es realmente genial.

Él es Silicon Valley

Versión del hombre detrás de la cortina

enEl mago de Oz.

Él tuvo mucho que ver con darte

PayPal, Facebook, YouTube y Yelp.

Si todo el mundo dice "X",

Peter Thiel sospecha que lo opuesto de X

Es muy posible que sea cierto.

Así que Peter Thiel fue nuestro primer gran inversor.

Pero él insistió en que fuéramos a Silicon Valley.

Porque ese era el único lugar donde podíamos...

Allí estaría el talento,

y podríamos construir ese tipo de empresa.

Pero yo estaba bastante convencido de que deberíamos estar en Londres.

Porque creo que Londres es una ciudad increíble.

Además, sabía que había gente realmente increíble.

Formado en Cambridge, Oxford y UCL.

En Silicon Valley,

Todo el mundo funda una empresa cada año,

y luego si no funciona,

Lo dejas y empiezas algo nuevo.

Eso no es propicio

a un desafío de investigación a largo plazo.

Así que éramos totalmente una excepción para él.

Hola a todos. Bienvenidos a DeepMind.

Entonces, ¿cuál es nuestra misión?

Lo resumimos así...

La misión de DeepMind es construir la primera

máquina de aprendizaje general.

Por eso siempre enfatizamos la palabra "general" y "aprendizaje" aquí.

Son las cosas claves.

Nuestra misión era construir una IAG,

una inteligencia general artificial.

Y eso significa que necesitamos un sistema que sea general.

No aprende a hacer una cosa específica.

Ésa es una parte realmente clave de la inteligencia humana.

Podemos aprender a hacer muchas, muchas cosas.

Por supuesto, será mucho trabajo duro.

Pero una de las cosas que me mantiene despierto por la noche

es no desperdiciar esta oportunidad, ya sabes,

Para realmente hacer una diferencia aquí,

y tienen un gran impacto en el mundo.

Las primeras personas que vinieron

y se unió a DeepMind realmente creyó en el sueño.

Pero ésta fue, creo, una de las primeras veces

Encontraron un lugar lleno de otros soñadores.

Ya sabes, hemos recopilado este Proyecto Manhattan,

Si quieres, juntos solucionemos la IA.

En los dos primeros años,

Estábamos en modo totalmente sigiloso.

Y entonces no pudimos decirle a nadie

¿Qué estábamos haciendo o dónde trabajábamos?

Todo era bastante vago.

No tuvo ninguna presencia pública.

No podrías mirar un sitio web.

La oficina estaba en un lugar secreto.

Cuando entrevistábamos a la gente en aquellos primeros días,

Aparecerían muy nerviosos.

Tuve al menos un candidato que dijo:

"Acabo de enviarle un mensaje a mi esposa para decirle exactamente...

"Adonde voy por si acaso

"Esto resulta ser una especie de estafa horrible

"y me van a secuestrar."

Bueno, mi nueva persona favorita que es inversor,

Con quien llevo trabajando un año es Elon Musk.

Así que para aquellos que no lo saben,

Así es como se ve.

Y realmente no había pensado mucho en la IA.

hasta que charlamos.

Su misión es morir en Marte o algo así.

Pero no en el impacto.

Entonces...

Tomamos algunas decisiones importantes

sobre cómo íbamos a abordar la construcción de IA.

Esta es una configuración de aprendizaje de refuerzo.

Este es el tipo de configuración en la que pensamos

Cuando decimos que estamos construyendo, ya sabes, un agente de IA.

Básicamente es el agente, que es la IA,

Y luego está el medio ambiente.

con el que está interactuando.

Decidimos que los juegos,

siempre y cuando seas muy disciplinado

sobre cómo los usas,

son el campo de entrenamiento perfecto

para el desarrollo de IA.

Queríamos intentar crear un algoritmo

que podría ser entrenado para jugar

varias docenas de juegos diferentes de Atari.

Así como un ser humano,

Tienes que usar el mismo cerebro para jugar a todos los juegos.

Puedes pensarlo

que le proporciones al agente el cartucho.

Y tú dices,

"Está bien, imagina que naces en ese mundo.

"con ese cartucho, y simplemente puedes interactuar

"con los pixeles y ver la puntuación.

"¿Qué puedes hacer?"

Entonces lo que vas a hacer es tomar tu función Q. QK...

Q-learning es uno de los métodos más antiguos

para el aprendizaje de refuerzo.

Y lo que hicimos fue combinar el aprendizaje de refuerzo

con aprendizaje profundo en un solo sistema.

Nadie había combinado nunca esas dos cosas juntas.

a escala para hacer algo impresionante,

y necesitábamos demostrar esta tesis.

Intentamos hacer Pong como primer juego.

Parecía lo más sencillo.

No se ha contado

Cualquier cosa sobre lo que está controlando

o lo que se supone que debe hacer.

Todo lo que sabe es que la puntuación es buena.

y tiene que aprender lo que hacen sus controles,

y construir todo...primeros principios.

Realmente no estaba funcionando.

Le estaba diciendo a Shane:

"Tal vez simplemente estemos equivocados y ni siquiera podamos jugar Pong".

Fue un poco estresante,

Pensando en lo lejos que teníamos que llegar

Si realmente fuéramos a construir

un sistema generalmente inteligente.

Y sentí que ya era hora

Renunciar y seguir adelante.

Y de repente...

Conseguimos nuestro primer punto.

Y entonces pensé: "¿Esto es aleatorio?"

"No, no, ahora realmente está ganando importancia".

Fue realmente emocionante que esta cosa

que antes ni siquiera podía entender

Cómo mover una paleta

De repente había sido capaz de hacerlo totalmente bien.

Luego estaba consiguiendo algunos puntos.

Y luego ganó su primer partido.

Y luego, tres meses después, ningún humano pudo vencerlo.

No le habías dicho las reglas, cómo conseguir la puntuación, nada.

Y simplemente le dices que maximice la puntuación,

y se va y lo hace.

Esta es la primera vez

Alguien había realizado este aprendizaje de principio a fin.

"Bien, entonces tenemos esto funcionando de una manera bastante general.

"Ahora probemos otro juego."

Entonces probamos Breakout.

Al principio, después de 100 juegos,

El agente no es muy bueno.

La mayor parte del tiempo falta la pelota.

Pero ya está empezando a entender la idea.

Que el bate debe ir hacia la pelota.

Ahora, después de 300 juegos,

Es tan bueno como cualquier humano puede tocarlo.

Pensamos: "Bueno, eso es bastante genial".

pero dejamos el sistema funcionando otros 200 juegos,

Y hizo esta cosa increíble.

Encontró la estrategia óptima

era cavar un túnel alrededor del costado

y coloca la pelota alrededor de la parte trasera de la pared.

Finalmente, el agente

realmente está logrando

Lo que pensabas que lograría.

Es una sensación genial, ¿verdad?

Es decir, cuando hacemos una investigación,

Esto es lo mejor que podemos esperar.

Empezamos a generalizar a 50 juegos,

Y básicamente creamos una receta.

Podríamos simplemente tomar un juego

que nunca hemos visto antes.

Ejecutaríamos el algoritmo en eso,

y DQN podría entrenarse desde cero,

Alcanzar el nivel humano

o a veces mejor que el nivel humano.

No lo construimos para reproducir ninguno de ellos.

Podríamos simplemente darle un montón de juegos.

y lo resolvería por sí mismo.

Y había algo bastante mágico en eso.

De repente tenías algo

que respondería y aprendería

Cualquiera que sea la situación en la que fue lanzado en paracaídas.

Y eso fue como un gran, gran avance.

Fue en muchos aspectos

El primer ejemplo

de cualquier tipo de cosa que puedas llamar

una inteligencia general.

Aunque éramos una startup bien financiada,

Lo que nos frenaba era la falta de potencia informática.

Me di cuenta de que esto aceleraría

nuestra escala de tiempo hacia la IAG masivamente.

Solía ​​ver a Demis con bastante frecuencia.

Almorzábamos y él lo hacía...

Dime que tenia dos empresas

que estuvieron involucrados en la compra de DeepMind.

Y no sabía con cuál quedarse.

La cuestión era si cualquier empresa comercial...

¿Aprecias la importancia real de la investigación?

Y darle tiempo a la investigación para que dé sus frutos.

y no estar respirándoles en la nuca,

diciendo: "Queremos algún tipo de beneficio comercial de esto".

Google ha comprado DeepMind por una suma estimada de 400.000.000 libras esterlinas.

Haciendo firme la inteligencia artificial

su mayor adquisición europea hasta el momento.

La empresa fue fundada

por el empresario Demis Hassabis, de 37 años.

Después de la adquisición, comencé a realizar tareas de mentoría.

y pasar tiempo con Demis,

y sólo escucharlo.

Y esta es una persona que fundamentalmente

Es un científico y un científico natural.

Quiere que la ciencia resuelva todos los problemas del mundo,

y él cree que puede hacerlo.

Esa no es una persona normal que encuentras en una empresa tecnológica.

No solo pudimos unirnos a Google

pero se ejecuta de forma independiente en Londres,

Construir nuestra cultura,

que fue optimizado para avances

y no tratar con productos,

Hacer investigación pura.

Nuestros inversores no querían vender,

pero decidimos

que esto era lo mejor para la misión.

En muchos sentidos, estábamos vendiendo a un precio inferior al real.

en términos de valor antes de que madurara más,

y podrías haberlo vendido por mucho más dinero.

Y la razón es porque no hay tiempo que perder.

Hay tantas cosas que deben resolverse

mientras el cerebro todavía está en funcionamiento.

Sabes, todavía estoy vivo.

Hay todas estas cosas que deben hacerse.

Entonces no tienes... quiero decir, ¿cuántos...?

¿Por cuántos miles de millones estarías dispuesto a negociar?

otros cinco años de vida, ya sabes,

¿Hacer lo que te propusiste hacer?

Bueno, de repente,

Tenemos a nuestra disposición esta capacidad informática a gran escala.

¿Qué podemos hacer con esto?

Go es el pináculo de los juegos de mesa.

Es el juego más complejo jamás ideado por el hombre.

Hay más configuraciones de placa posibles

En el juego de Go hay más átomos que en el universo.

Go es el santo grial de la inteligencia artificial.

Durante muchos años,

La gente ha visto este juego

y pensaron: "Vaya, esto es demasiado difícil".

Todo lo que hemos probado en IA,

Simplemente se cae cuando intentas jugar al Go.

Y por eso es que se siente así

una verdadera prueba de fuego del progreso.

Acabábamos de comprar DeepMind.

Estaban trabajando en el aprendizaje por refuerzo.

y eran los expertos mundiales en juegos.

Y entonces cuando introdujeron la idea

que podrían vencer a los jugadores de Go de más alto nivel

en un juego que se creía incomputable,

Pensé: "Bueno, eso es bastante interesante".

Nuestro próximo paso definitivo es jugar el legendario

Lee Sedol en poco más de dos semanas.

Un partido como ningún otro

Está a punto de comenzar en Corea del Sur.

Lee Sedol se está preparando para la pelea.

Lee Sedol es probablemente

Uno de los mejores jugadores de la última década.

Lo describo como el Roger Federer del Go.

Él apareció,

Y de repente tenemos mil coreanos.

que representan a toda la sociedad coreana,

Los mejores jugadores de Go.

Y luego tenemos a Demis.

Y el gran equipo de ingeniería.

Él es muy famoso

para un juego de lucha muy creativo.

Así que esto podría ser difícil para nosotros.

Me imaginé que Lee Sedol iba a vencer a estos muchachos,

pero harán una buena demostración.

Bueno para una startup.

Me pasé al grupo técnico.

Y ellos dijeron:

"Déjame mostrarte cómo funciona nuestro algoritmo".

Si recorres el juego real,

Podemos ver, más o menos, cómo piensa AlphaGo.

La forma en que comenzamos a entrenar AlphaGo

es mostrándole 100.000 juegos

que han jugado fuertes aficionados.

Y nosotros primero inicialmente

Haz que AlphaGo imite al jugador humano.

y luego a través del aprendizaje de refuerzo,

Juega contra diferentes versiones de sí mismo.

muchos millones de veces y aprende de sus errores.

Hmm, esto es interesante.

Muy bien, amigos,

Vas a ver cómo se hace historia.

Así que el juego comienza.

Él realmente está concentrado.

Si realmente miras el...

Es un movimiento muy sorprendente.

Creo que estamos viendo un movimiento original aquí.

Sí, es un movimiento emocionante.

Me gusta...

Comentaristas profesionales

Casi por unanimidad se dijo

que ningún jugador humano habría elegido la jugada 37.

Así que realmente eché un vistazo a AlphaGo.

para ver qué pensaba AlphaGo.

Y AlphaGo realmente estuvo de acuerdo con esa evaluación.

AlphaGo dijo que había una probabilidad de uno en 10.000

Esa jugada 37 la habría realizado un jugador humano.

El juego de Go ha sido estudiado

durante miles de años.

Y AlphaGo descubrió algo completamente nuevo.

Él renunció. Lee Sedol acaba de renunciar.

Está derrotado.

La batalla entre el hombre y la máquina,

Una computadora acaba de salir victoriosa.

Google puso a su equipo DeepMind

a la prueba contra

Una de las mentes más brillantes del mundo y ganó.

Fue entonces cuando nos dimos cuenta.

La gente de DeepMind sabía lo que hacía.

y prestar atención al aprendizaje por refuerzo

tal como lo han inventado.

Basándonos en esa experiencia,

AlphaGo fue mejorando cada vez más.

Y tenían un pequeño gráfico.

de lo mucho que estaban mejorando.

Y dije: "¿Cuándo terminará esto?"

Y Demis dijo:

"Cuando vencimos al chino,

"El jugador mejor valorado del mundo".

Ke Jie contra AlphaGo.

Y creo que lo veremos

AlphaGo avanza por ahí.

AlphaGo está bastante por delante.

Aproximadamente a la mitad del primer juego,

El mejor jugador del mundo no lo estaba haciendo tan bien.

¿Qué puede hacer el negro aquí?

Parece difícil.

Y en un momento crítico...

El gobierno chino ordenó cortar la transmisión.

Fue en ese momento que le estábamos diciendo al mundo

que algo nuevo había llegado a la tierra.

En la década de 1950

Cuando se lanzó el satélite ruso Sputnik,

Cambió el curso de la historia.

Es un desafío que Estados Unidos debe afrontar

Para sobrevivir en la era espacial.

Esto se ha llamado el momento Sputnik.

El momento Sputnik generó una reacción masiva en Estados Unidos.

En términos de financiación para la ciencia y la ingeniería,

y, en particular, de la tecnología espacial.

Para China, AlphaGo fue una llamada de atención,

El momento Sputnik.

Lanzó una carrera espacial de IA.

Tuvimos esta gran idea que funcionó,

Y ahora todo el mundo lo sabe.

Siempre es más fácil aterrizar en la luna.

Si alguien ya ha aterrizado allí.

Importará quién construya la IA,

y cómo se construye.

Siempre siento esa presión.

Ha habido una gran cadena de acontecimientos.

que siguió a todo el entusiasmo de AlphaGo.

Cuando jugamos contra Lee Sedol,

En realidad teníamos un sistema

que había sido entrenado con datos humanos,

En todos los millones de juegos

que han sido interpretados por expertos humanos.

Finalmente encontramos un nuevo algoritmo,

un enfoque mucho más elegante para todo el sistema,

que en realidad eliminó todo el conocimiento humano

y empezó completamente desde cero.

Y eso se convirtió en un proyecto al que llamamos AlphaZero.

Cero, lo que significa que no hay ningún conocimiento humano en el circuito.

En lugar de aprender de datos humanos,

Aprendió de sus propios juegos.

Así que realmente se convirtió en su propio maestro.

AlphaZero es un experimento

En qué tan poco conocimiento podemos poner en estos sistemas

y con qué rapidez y eficiencia

¿Pueden aprender?

Pero la otra cosa es que AlphaZero no tiene reglas.

Aprende a través de la experiencia.

El siguiente paso fue hacerlo más general.

para que pueda jugar cualquier juego de dos jugadores.

Cosas como el ajedrez,

y de hecho, cualquier tipo de dos jugadores

Juego de información perfecto.

Va muy bien.

Va muy, muy bien.

- Oh, vaya. - Está bajando, muy rápido.

AlphaGo solía tardar unos meses en entrenarse,

pero AlphaZero podría comenzar por la mañana

Jugando completamente al azar

y luego por el té estar a nivel sobrehumano.

Y para la cena será la entidad ajedrecística más fuerte.

alguna vez ha habido

- Increíble, es increíble. - Sí.

Ha descubierto su propio estilo de ataque, ¿sabes?

para asumir el nivel actual de defensa.

Quiero decir, nunca en mis sueños más locos...

Estoy de acuerdo. En realidad, yo tampoco me lo esperaba.

Y es divertido para mí.

Quiero decir, me ha inspirado a volver al ajedrez de nuevo.

Porque es genial verlo

que hay incluso más profundidad de la que pensábamos en el ajedrez.

En realidad me interesé en la IA a través de los juegos.

Al principio eran juegos de mesa.

Estaba pensando: "¿Cómo hace esto mi cerebro?"

¿Qué es lo que está haciendo?

Fui muy consciente de eso desde muy joven.

Así que siempre he estado pensando en pensar.

Los campeones de ajedrez británico y estadounidense

reunirse para iniciar una serie de partidos.

Junto a ellos juegan los mejores

de los jugadores más jóvenes de Gran Bretaña y Estados Unidos.

Demis Hassabis representa a Gran Bretaña.

Cuando Demis tenía cuatro años,

Demostró por primera vez aptitud para el ajedrez.

Cuando tenía seis años,

Se convirtió en campeón de Londres sub-8.

Mis padres eran muy interesantes.

Y, en realidad, inusual.

Probablemente los describiría como bastante bohemios.

Mi padre era cantautor.

Cuando era más joven,

y Bob Dylan era su héroe.

Sí, sí.

¿Qué es lo que te gusta de este juego?

Es solo un buen juego de pensar.

En ese momento, yo era el segundo mejor calificado.

El mejor jugador de ajedrez del mundo para mi edad.

Pero aunque estaba en el buen camino

ser un jugador de ajedrez profesional,

Pensé que eso era lo que iba a hacer.

No importa cuánto me encantó el juego,

Fue increíblemente estresante.

Definitivamente no fue diversión ni juegos para mí.

Mis padres solían, ya sabes,

Me enojé mucho cuando perdí el juego

y me enojo si olvido algo.

Y como para ellos había mucho en juego, ya sabes,

Cuesta mucho dinero ir a estos torneos.

Y mis padres no tenían mucho dinero.

Mis padres pensaron, ya sabes,

"Si estás interesado en ser un profesional del ajedrez,

"Esto es muy importante. Es como tus exámenes".

Recuerdo que tenía unos 12 años.

Y estuve en este torneo internacional de ajedrez.

En Liechtenstein, en las montañas.

Y estábamos en este enorme salón de la iglesia.

con, ya sabes,

Cientos de ajedrecistas internacionales.

Y yo estaba interpretando al ex campeón danés.

Debía tener unos 30 años, probablemente.

En aquellos días, había un largo límite de tiempo.

Los juegos podrían durar literalmente todo el día.

-Estábamos en nuestra décima hora.

Y estábamos en este final increíblemente inusual.

Pienso que debería haber un empate.

Pero siguió intentando ganar durante horas.

Finalmente, intentó un último truco barato.

Todo lo que tenía que hacer era entregar a mi reina.

Entonces se llegaría a un punto muerto.

Pero estaba tan cansado,

Pensé que era inevitable que me dieran jaque mate.

Y entonces renuncié.

Se levantó de un salto y empezó a reír.

Y él se fue,

"¿Por qué has dimitido? Es un empate".

Y él inmediatamente, con un gesto elegante,

De alguna manera me mostró el movimiento del dibujo.

Me sentí muy mal del estómago.

Me hizo pensar en el resto de ese torneo.

¿Estamos desperdiciando nuestras mentes?

¿Es este el mejor uso de todo este poder cerebral?

¿Están todos juntos en ese edificio?

Si pudieras enchufarlo de alguna manera

esos 300 cerebros en un sistema,

Quizás puedas solucionar el cáncer

con ese nivel de poder cerebral.

Este sentimiento intuitivo me invadió.

que aunque me encanta el ajedrez,

Esto no es lo correcto en lo que debería invertir mi vida entera.

Demis y yo,

Nuestro plan siempre fue llenar DeepMind

con algunos de los más

Científicos brillantes del mundo.

Así que teníamos los cerebros humanos.

necesario crear un sistema AGI.

Por definición, la "G" en AGI se refiere a generalidad.

Lo que imagino es poder hablar con un agente,

El agente puede responder,

y el agente es capaz de resolver problemas novedosos

que no había visto antes.

Esa es una parte realmente clave de la inteligencia humana,

Y es esa amplitud cognitiva

y una flexibilidad increíble.

La única inteligencia general natural

que conocemos como humanos,

Obviamente aprendemos mucho de nuestro entorno.

Así que pensamos que los entornos simulados

Son una de las formas de crear una IAG.

Los primeros humanos

Tenían que resolver problemas de lógica.

Tenían que resolver la navegación, la memoria,

y nosotros evolucionamos en ese entorno.

Si pudiéramos crear una recreación virtual

de ese tipo de ambiente,

Ese es el campo de pruebas perfecto

y campo de entrenamiento

por todo lo que hacemos en DeepMind.

¿Qué estaban haciendo aquí?

Estaba creando ambientes para seres infantiles,

los agentes que existen dentro y juegan.

Eso simplemente sonó como

La cosa más interesante del mundo.

Un niño aprende rompiendo cosas.

y luego tirar la comida por todos lados

y obtener una respuesta de mamá o papá.

Esta parece una idea importante para incorporar.

en la forma en que se entrena a un agente.

Se supone que el humanoide debe ponerse de pie.

A medida que su centro de gravedad se eleva,

Obtienes más puntos.

Tienes una recompensa

y el agente aprende de la recompensa,

Por ejemplo, si haces algo bien, obtienes una recompensa positiva.

Haces algo malo y obtienes una recompensa negativa.

Parece que está de pie.

Todavía estoy un poco borracho.

Le gusta caminar hacia atrás.

Sí.

Todo el algoritmo está intentando optimizar

para recibir tantas recompensas como sea posible,

y se descubrió que caminar hacia atrás,

Es suficiente para obtener muy buenas puntuaciones.

Cuando aprendemos a navegar,

Cuando aprendemos a desenvolvernos en nuestro mundo,

No empezamos con mapas.

Simplemente comenzamos con nuestra propia exploración,

Aventurándose por el parque,

Sin nuestros padres a nuestro lado,

o encontrar el camino a casa desde la escuela cuando somos jóvenes.

A algunos de nosotros se nos ocurrió esta idea.

que si tuviéramos un entorno donde un robot simulado

Sólo tenía que correr hacia adelante,

Podríamos poner todo tipo de obstáculos en su camino.

y ver si lograba navegar

Diferentes tipos de terreno.

La idea sería como un desafío de parkour.

No es elegante,

pero nunca me entrenaron para sostener un vaso mientras estaba abierto

y no derramar agua.

Te fijaste este objetivo que dice,

"Simplemente sigue adelante, avanza a gran velocidad,

"y recibirás una recompensa por ello."

Y el algoritmo de aprendizaje se da cuenta

Cómo mover este complejo conjunto de articulaciones.

Ese es el poder de

aprendizaje de refuerzo basado en recompensas.

Nuestro objetivo es intentar construir agentes.

en los cuales los dejamos caer, no saben nada,

Pueden jugar con cualquier problema que les des.

y eventualmente descubrir cómo resolverlo por sí mismos.

Ahora queremos algo que pueda hacer eso.

en tantos tipos diferentes de problemas como sea posible.

Un ser humano necesita diversas habilidades para interactuar con el mundo.

Cómo tratar con imágenes complejas,

Cómo manipular miles de cosas a la vez,

Cómo lidiar con la información faltante.

Pensamos en todas estas cosas juntas

están representados por este juego llamado StarCraft.

Lo único que está siendo entrenado para hacer es,

Dada esta situación, esta pantalla,

¿Qué haría un humano?

Nos inspiramos en grandes modelos lingüísticos.

donde simplemente entrenas un modelo

para predecir la siguiente palabra,

que es exactamente lo mismo que

predecir el próximo movimiento de StarCraft.

A diferencia del ajedrez o el Go,

donde los jugadores se turnan para realizar movimientos,

En StarCraft hay un flujo continuo de decisiones.

Además de eso,

Ni siquiera puedes ver lo que está haciendo el oponente.

Ya no existe una definición clara

de lo que significa jugar de la mejor manera.

Depende de lo que haga tu oponente.

Así es como llegaremos a

un mucho más fluido,

Agente más natural, más rápido, más reactivo.

Este es un gran desafío

y veamos hasta dónde podemos llegar.

¡Oh!

¡Santo mono!

Soy un aficionado de nivel bastante bajo.

Estoy bien, pero soy un aficionado de nivel bastante bajo.

Estos agentes tienen un largo camino por recorrer.

No podríamos vencer a alguien del nivel de Tim.

Sabes, eso fue un poco alarmante.

En ese momento, me sentí como si

Iba a ser como un desafío muy grande y largo.

Quizás un par de años.

Dani es el mejor jugador de DeepMind StarCraft 2.

Llevo unas semanas interpretando al agente todos los días.

Pude sentir que el agente

Estaba mejorando muy rápido.

Vaya, le ganamos a Danny. Eso, para mí,

Ya fue como un gran logro.

El siguiente paso es

Vamos a reservar un profesional para jugar.

Me parece un poco injusto. Todos ustedes están en mi contra.

Estamos muy por delante de lo que pensaba.

Lo haríamos, considerando dónde estábamos hace dos meses.

En realidad, sólo estoy tratando de digerirlo todo.

Pero es muy, muy genial.

Ahora estamos en una posición en la que

Finalmente podemos compartir el trabajo que hemos realizado.

con el público.

Este es un gran paso.

Realmente nos estamos arriesgando aquí.

- Llévatelo. Saludos. - Gracias.

Estaremos en vivo desde Londres.

Esta sucediendo

Bienvenido a Londres.

Vamos a tener un partido de exhibición en vivo,

MaNa contra AlphaStar.

En este punto ahora,

AlphaStar, 10 y 0 contra jugadores profesionales.

¿Alguna idea antes de adentrarnos en este juego?

Sólo quiero ver un buen partido, sí.

Quiero ver un buen partido.

Absolutamente, buen partido. Estamos todos emocionados.

Está bien. Veamos qué puede lograr MaNa.

AlphaStar es definitivamente

dominando el ritmo de este juego.

Vaya. AlphaStar está jugando muy inteligentemente.

Realmente parece que estoy mirando

Un jugador humano profesional

desde el punto de vista de AlphaStar.

Realmente no había visto a un profesional jugar a StarCraft de cerca,

y los 800 clics por minuto.

No entiendo cómo alguien puede hacer clic 800 veces.

y mucho menos hacer 800 clics útiles.

Oh, otro buen éxito.

- AlphaStar es solo

completamente implacable

Tenemos que tener cuidado

Porque muchos de nosotros crecimos como jugadores y somos jugadores.

Y entonces para nosotros es muy natural.

ver los juegos como lo que son,

que son puros vehículos para la diversión,

y no ver ese lado más militarista

Para que el público pudiera verlo si mirara esto.

No se puede mirar la pólvora y sólo hacer un petardo.

Todas las tecnologías apuntan inherentemente en ciertas direcciones.

Estoy muy preocupado por

Las formas específicas en que la IA

Se utilizará para fines militares.

Y eso deja aún más claro lo importante que es

Para que nuestras sociedades tengan el control

de estas nuevas tecnologías.

El potencial de abuso por parte de la IA será significativo.

Guerras que ocurren más rápido de lo que los humanos pueden comprender.

y una vigilancia más poderosa.

¿Cómo mantener el poder para siempre?

¿sobre algo que es mucho más poderoso que tú?

Las tecnologías pueden usarse para hacer cosas terribles.

Y la tecnología se puede utilizar para hacer cosas maravillosas.

y resolver todo tipo de problemas.

Cuando DeepMind fue adquirida por Google...

- Sí. - ...hiciste que Google prometiera

Esa tecnología que desarrollaste no será utilizada por los militares.

- para vigilancia.- Correcto.

- Sí. - Cuéntanos sobre eso.

Creo que la tecnología es neutral en sí misma,

um, pero ¿cómo, ya sabes, nosotros como sociedad?

o humanos y empresas y otras cosas,

Otras entidades y gobiernos deciden utilizarlo

Es lo que determina si las cosas se vuelven buenas o malas.

Sabes, personalmente creo que tener armamento autónomo...

Es simplemente una muy mala idea.

AlphaStar está jugando

Un juego extremadamente inteligente en este momento.

Hay un elemento en lo que se está creando.

en DeepMind en Londres

Esto sí que parece el Proyecto Manhattan.

Existe una relación entre Robert Oppenheimer

y Demis Hassabis

en el que están desatando una nueva fuerza sobre la humanidad.

Pero MaNa está contraatacando.

¡Oh, hombre!

Creo que Oppenheimer

y algunos de los otros líderes de ese proyecto quedaron atrapados

En la emoción de construir la tecnología

y ver si era posible.

¿Dónde está AlphaStar?

¿Dónde está AlphaStar?

No veo las unidades de AlphaStar en ninguna parte.

No pensaron con suficiente cuidado

sobre la moral de lo que estaban haciendo desde bastante temprano.

Lo que debemos hacer como científicos

con nuevas y potentes tecnologías

es intentar comprenderlo en condiciones controladas primero.

Y eso es todo.

MaNa ha derrotado a AlphaStar.

Quiero decir, mi sentimiento honesto es que creo que es...

Una representación justa de dónde estamos.

Y creo que esa parte se siente... se siente bien.

-Estoy muy feliz por ti.-Estoy feliz.

Muy bien...bien hecho.

Mi opinión es que el enfoque de la tecnología de construcción

que se materializa en moverse rápido y romper cosas,

Es exactamente lo que no deberíamos estar haciendo,

Porque no puedes permitirte romper cosas

y luego arreglarlos después.

-Salud. -Muchas gracias.

Sí, descansa... descansa un poco. Lo hiciste muy bien.

- Salud, ¿sí? - Gracias por invitarnos.

Cuando tenía ocho años,

Compré mi primera computadora

con las ganancias de un torneo de ajedrez.

De alguna manera tuve esa intuición

que las computadoras son este dispositivo mágico

que puede ampliar el poder de la mente.

Tenía un par de amigos de la escuela,

y solíamos tener un club de hackers,

escribiendo código, haciendo juegos.

Y luego, durante las vacaciones de verano,

Pasaría todo el día

Hojeando revistas de juegos.

Y un día me di cuenta de que había una competencia.

escribir una versión original de Space Invaders.

Y el ganador ganó un trabajo en Bullfrog.

Bullfrog en ese momento era la mejor casa de desarrollo de juegos.

En toda Europa.

Sabes, realmente quería trabajar en este lugar.

y ver cómo construyen juegos.

Bullfrog, con sede aquí en Guildford,

Comenzó con una gran idea.

Esa idea se convirtió en el juego Populous,

que se convirtió en un éxito de ventas mundial.

En los años 90 no existían agencias de contratación.

No podías salir y decir, ya sabes,

"Ven y trabaja en la industria de los videojuegos".

Todavía ni siquiera se consideraba una industria.

Entonces se nos ocurrió la idea de hacer una competencia.

Y tuvimos muchos solicitantes.

Y uno de ellos era el de Demis.

Todavía puedo recordarlo claramente

El día que llegó Demis.

Entró por la puerta y parecía tener unos 12 años.

Pensé: "Oh, Dios mío,

"¿Qué carajo vamos a hacer con este tipo?"

Presenté mi solicitud para Cambridge.

Entré pero dijeron que era demasiado joven.

Entonces... Entonces necesitaba tomarme un año de descanso.

Así que tendría al menos 17 años antes de llegar allí.

Y fue entonces cuando decidí pasar todo ese año sabático.

Trabajando en Bullfrog.

Ni siquiera podían emplearme legalmente,

Así que terminé recibiendo mi pago en sobres de papel marrón.

Tuve la sensación de estar realmente a la vanguardia.

Y qué divertido era inventar cosas todos los días.

Y luego, ya sabes, unos meses después,

Tal vez todos... un millón de personas lo estarán jugando.

En aquella época los juegos de ordenador tenían que evolucionar.

Tenía que haber nuevos géneros

que eran más que simplemente disparar cosas.

¿No sería fantástico tener un juego?

¿Dónde diseñas y construyes tu propio parque temático?

Demis y yo empezamos a hablar sobre el parque temático.

Permite al jugador construir un mundo.

y ver las consecuencias de tus decisiones

que has hecho en ese mundo.

Un jugador humano diseñó el diseño.

del parque temático y diseñó la montaña rusa

y fijar los precios en la tienda de patatas fritas.

Lo que estaba trabajando era el comportamiento de la gente.

Eran autónomos

Y esa era la IA en este caso.

Entonces lo que estaba tratando de hacer era imitar

comportamiento humano interesante

para que la simulación fuera

Más interesante para interactuar.

Demis trabajaba en cosas ridículas,

Como si pudieras colocar estas tiendas

Y si pones una tienda demasiado cerca de una atracción muy peligrosa,

Entonces la gente en el viaje vomitaba.

Porque acababan de comer.

Y eso haría que otras personas vomitaran.

Cuando vieron el vómito en el suelo,

Así que entonces había que tener muchos barrenderos.

barrerlo rápidamente antes de que la gente lo viera.

Eso es lo bueno de esto.

Tú, como jugador, juegas con él y luego el dispositivo reacciona ante ti.

Todas esas simulaciones matizadas que hizo

Y eso fue un invento

que en realidad nunca existió antes.

Fue un éxito increíble.

El parque temático realmente resultó ser

Ser un título entre los diez mejores

Y esa fue la primera vez que empezamos a ver

Cómo la IA podría marcar la diferencia.

Estábamos haciendo algunas compras navideñas.

y estábamos esperando el taxi que nos llevaría a casa.

Tengo este recuerdo muy claro de Demis hablando sobre IA.

De una manera muy diferente,

de una manera que comúnmente no hablamos.

Esta idea de que la IA sea útil para otras cosas

Aparte del entretenimiento.

Entonces, ser útil para, um, ayudar al mundo.

y el potencial de la IA para cambiar el mundo.

Le dije a Demis: "¿Qué es lo que quieres hacer?"

Y me dijo:

"Quiero ser la persona que resuelva la IA".

Peter me ofreció £1 millón

no ir a la universidad.

Pero tenía un plan desde el principio.

Y mi plan siempre fue ir a Cambridge.

Creo que muchos de mis amigos de la escuela

Pensé que estaba loco.

¿Por qué no lo harías?

Quiero decir, £1 millón, eso es mucho dinero.

En los años 90 eso es mucho dinero, ¿verdad?

Para un... Para un pobre chico de 17 años.

Es como una pequeña semilla que va a brotar.

y no podrá hacer eso en Bullfrog.

Tuve que dejarlo en la estación de tren.

y todavía puedo ver esa imagen

de este pequeño personaje elfo desaparece por ese túnel.

Fue un momento increíblemente triste.

Tenía este ideal romántico.

de cómo sería Cambridge,

1.000 años de historia,

caminando por las mismas calles que Turing,

Newton y Crick habían caminado.

Quería explorar el borde del universo.

Cuando llegué a Cambridge,

Básicamente había estado trabajando toda mi vida.

Cada verano,

O bien estaba jugando al ajedrez profesionalmente,

o estaba trabajando, haciendo prácticas.

Entonces pensé: "Bien, me voy a divertir ahora".

"y explorar lo que significa ser un adolescente normal".

¡Vamos! ¡Vamos, muchacho, vamos!

Fue mucho trabajo y mucha diversión.

Conocí a Demis por primera vez

porque ambos asistimos al Queens College.

Nuestro grupo de amigos,

A menudo bebíamos cerveza en el bar,

Jugar al futbolín.

En el bar solía jugar al ajedrez rápido,

piezas volando fuera del tablero,

Ya sabes, todo el juego en un minuto.

Demis se sentó frente a mí.

Y lo miré y pensé:

"Te recuerdo de cuando éramos niños."

De hecho, había estado en el mismo torneo de ajedrez.

Como Dave en Ipswich,

donde solía ir y tratar de asaltar su club de ajedrez local

Para ganar un poco de dinero en premios.

Estábamos estudiando informática.

Algunas personas, que a la edad de 17 años

Habría entrado y se habría asegurado de contárselo a todo el mundo.

Todo sobre ellos mismos.

"Oye, trabajé en Bullfrog

"y construyó el videojuego más exitoso del mundo".

Pero él no era así en absoluto.

En Cambridge, Demis y yo

Ambos tenían interés en la neurociencia computacional.

y tratando de entender cómo funcionan las computadoras y los cerebros.

entrelazados y vinculados entre sí.

Tanto David como Demis

vino a mí para supervisiones.

Sucede por pura casualidad que en el año 1997,

su tercer y último año en Cambridge,

También fue el año en el que nació el primer gran maestro de ajedrez.

Fue golpeado por un programa de computadora.

Primera ronda de hoy de una partida de ajedrez.

Entre el campeón mundial de ranking Garry Kasparov

y un oponente llamado Deep Blue

para probar si el cerebro humano puede ser más listo que una máquina.

Recuerdo el drama

de Kasparov perdiendo el último partido.

¡Guau!

¡Kasparov ha dimitido!

Cuando Deep Blue venció a Garry Kasparov,

Este fue un verdadero acontecimiento decisivo.

Mi principal recuerdo de ello fue

No me impresionó mucho Deep Blue.

Me impresionó aún más la mente de Kasparov.

Que pudiera jugar al ajedrez a este nivel,

donde podría competir en igualdad de condiciones

con la bruta de una máquina,

Pero por supuesto, Kasparov puede hacerlo.

Todo lo demás también lo pueden hacer los humanos.

Fue un gran logro.

Pero la verdad del asunto era que,

Deep Blue sólo podía jugar ajedrez.

Lo que consideraríamos inteligencia

Faltaba en ese sistema.

Esta idea de generalidad y también de aprendizaje.

Cambridge fue increíble, porque, por supuesto, ya sabes,

Te estás mezclando con la gente

que estudian muchos temas diferentes.

Había científicos, filósofos, artistas...

...geólogos, biólogos, ecólogos.

Ya sabes, todo el mundo habla de todo, todo el tiempo.

Estaba obsesionado con el problema del plegamiento de proteínas.

Tim Stevens solía hablar obsesivamente,

Casi como religiosamente sobre este problema,

Problema de plegamiento de proteínas.

Las proteínas son, ya sabes,

Una de las cosas más bellas y elegantes de la biología.

Son las máquinas de la vida.

Todo lo construyen, todo lo controlan,

Son la razón por la que funciona la biología.

Las proteínas están hechas de cadenas de aminoácidos.

que se pliegan para crear una estructura de proteína.

Si pudiéramos predecir la estructura de las proteínas

sólo a partir de sus secuencias de aminoácidos,

Entonces una nueva proteína para curar el cáncer.

o descomponer el plástico para ayudar al medio ambiente

Definitivamente es algo

que podrías empezar a pensar en ello.

Yo pensé,

"Bueno, ¿es un ser humano lo suficientemente inteligente?

"¿En realidad se puede plegar una proteína?"

No podemos resolverlo

Desde la década de 1960,

Pensamos que en principio,

Si sé cuál es la secuencia de aminoácidos de una proteína,

Debería poder calcular cómo es la estructura.

Entonces, si pudieras simplemente presionar un botón,

y todos saldrían de repente, eso sería...

Eso tendría algún impacto.

Se me quedó grabado en la mente.

"Oh, este es un problema muy interesante."

Y me pareció que tendría solución.

Pero pensé que necesitaría IA para hacerlo.

Si pudiéramos resolver el plegamiento de proteínas,

Podría cambiar el mundo.

Desde que era estudiante en Cambridge,

Nunca he dejado de pensar en

El problema del plegamiento de proteínas.

Si tuvieras que resolver el plegamiento de proteínas,

Entonces el potencial para ayudar a resolver problemas como

El Alzheimer, la demencia y el descubrimiento de fármacos son temas de gran importancia.

Resolver la enfermedad es probablemente

El impacto más grande que podríamos tener.

Miles de personas muy inteligentes

Han intentado resolver el plegamiento de proteínas.

Simplemente creo que ahora es el momento adecuado.

para que la IA lo descifre.

Necesitábamos una forma razonable

para aplicar el aprendizaje automático

al problema del plegamiento de proteínas.

Nos encontramos con este juego Foldit.

El objetivo es moverse alrededor de este modelo 3D de una proteína.

y obtienes un puntaje cada vez que lo mueves.

Cuanto más precisas sean estas estructuras,

Cuanto más útiles sean, más útiles serán para los biólogos.

Pasé unos días

Sólo para ver qué tan bien lo podíamos hacer.

Lo hicimos razonablemente bien.

Pero incluso si lo fueras

El mejor jugador de Foldit del mundo,

No resolverías el plegamiento de proteínas.

Por eso tuvimos que ir más allá del juego.

Los juegos siempre son solo

el campo de pruebas para nuestros algoritmos.

El objetivo final no era sólo descifrar Go y StarCraft.

Se trataba de afrontar retos del mundo real.

Recuerdo haber escuchado este rumor.

que Demis se estaba metiendo en el mundo de las proteínas.

Hablé con algunas personas de DeepMind y les pregunté:

"Entonces, ¿estás haciendo plegamiento de proteínas?"

Y cambiaban de tema ingeniosamente.

Y cuando eso pasó dos veces, prácticamente lo entendí.

Entonces pensé que debería enviar un currículum.

Muy bien, todos, bienvenidos a DeepMind.

Sé que para algunos de ustedes esta puede ser su primera semana,

pero espero que todos estén listos...

La parte realmente atractiva para mí del trabajo

¿Era esto como una sensación de conexión?

al propósito mayor.

Si podemos romper

Algunos problemas fundamentales de la ciencia,

muchas otras personas

y otras empresas y laboratorios, etc.

Podríamos construir sobre la base de nuestro trabajo.

Esta es tu oportunidad ahora

para agregar tu capítulo a esta historia.

Cuando llegué,

Definitivamente estaba bastante nervioso.

Todavía estoy intentando mantener...

No he tomado ningún curso de biología.

No hemos pasado años de nuestras vidas

mirando estas estructuras y comprendiéndolas.

Nos basamos únicamente en los datos

y nuestros modelos de aprendizaje automático.

En el aprendizaje automático,

Entrenas una red como si fueran flashcards.

He aquí la pregunta. He aquí la respuesta.

He aquí la pregunta. He aquí la respuesta.

Pero en el plegamiento de proteínas,

No estamos haciendo el tipo de tarea estándar en DeepMind

Donde tienes datos ilimitados.

Tu trabajo es mejorar en ajedrez o Go.

y puedes jugar tantas partidas de ajedrez o Go como quieras.

según lo permitan sus computadoras.

Con proteínas,

Estamos sentados sobre un volumen de datos muy grande

Eso ha sido determinado por medio siglo

de métodos experimentales que consumen mucho tiempo en los laboratorios.

Estos métodos minuciosos pueden llevar meses o años.

para determinar una sola estructura de proteína,

y a veces, una estructura nunca puede determinarse.

Por eso trabajamos con conjuntos de datos tan pequeños.

para entrenar nuestros algoritmos.

Cuando DeepMind comenzó a explorar

El problema del plegado,

Nos estaban hablando sobre qué conjuntos de datos estaban usando.

¿Y cuáles serían las posibilidades?

Si resolvieran este problema.

Mucha gente lo ha intentado,

Y aún así, nadie en el planeta ha resuelto el plegamiento de proteínas.

Me dije a mí mismo:

"Bueno, ya sabes, buena suerte."

Si podemos resolver el problema del plegamiento de proteínas,

Tendría un tipo de relevancia médica increíble.

Éste es el ciclo de la ciencia.

Realizas una gran cantidad de exploración,

y luego entras en modo explotación,

y te concentras y ves

¿Qué tan buenas son realmente esas ideas?

Y no hay nada mejor

que la competencia externa para ello.

Así que decidimos participar en el concurso CASP.

CASP, empezamos a intentar acelerar

La solución al problema del plegamiento de proteínas.

CASP es cuando decimos,

"Mira, DeepMind está haciendo plegamiento de proteínas,

"Así de buenos somos,

"Y quizás sea mejor que todos los demás.

"Tal vez no lo sea."

CASP es un poco como

Los Juegos Olímpicos del plegamiento de proteínas.

CASP es una evaluación a nivel comunitario

Que se celebra cada dos años.

Se dan los equipos

las secuencias de aminoácidos de aproximadamente 100 proteínas,

y luego intentan resolver este problema de plegado

utilizando métodos computacionales.

Estas proteínas ya han sido determinadas

mediante experimentos en un laboratorio,

pero aún no han sido revelados públicamente.

Y estas estructuras conocidas

representan el patrón oro contra el cual

Se compararán todas las predicciones computacionales.

Tenemos una puntuación

que mide la precisión de las predicciones.

Y se esperaría una puntuación superior a 90.

ser una solución al problema del plegamiento de proteínas.

Bienvenidos a todos,

a nuestras primeras, eh, semifinales en el cuadro de ganadores.

Nick y John contra Demis y Frank.

Únase a nosotros, venga. Será un partido intenso.

Cuando me enteré de que Demis era

Vamos a abordar el problema del plegamiento de proteínas,

Umm, no me sorprendió en absoluto.

Es muy típico de Demis.

Ya sabes, le encanta la competencia.

Y ese es el final

del primer partido, 10-7.

El objetivo del CASP sería

no sólo para ganar la competencia,

pero en cierto modo, eh, jubilar la necesidad de ello.

En total, el CASP ha publicado 20 objetivos.

Estábamos pensando que tal vez

Agregue el tipo estándar de aprendizaje automático.

y ver hasta dónde podría llevarnos eso.

En lugar de tener un par de días para hacer un experimento,

Podemos realizar cinco experimentos al día.

Genial. Enhorabuena a todos.

¿Puedes mostrarme el verdadero en lugar del nuestro?

La verdadera respuesta es

Se supone que debería verse algo así.

Es mucho más cilíndrico de lo que pensaba.

Los resultados no fueron muy buenos.

Bueno.

Le lanzamos todas las ideas obvias.

y el problema se ríe de ti.

Esto no tiene sentido.

Pensamos que podríamos simplemente tirar

Algunos de nuestros mejores algoritmos para resolver el problema.

Éramos un poco ingenuos.

Deberíamos estar aprendiendo esto,

Ya sabes, en un abrir y cerrar de ojos.

Lo que me preocupa es que

Tomamos el campo desde

Respuestas realmente malas a respuestas moderadamente malas.

Siento que necesitamos algún tipo de nueva tecnología.

para mover estas cosas.

Quedando sólo una semana del CASP,

Ahora es un sprint para implementarlo.

Hiciste lo mejor que pudiste.

Entonces no hay nada más que puedas hacer.

pero espere a que CASP entregue los resultados.

Esta famosa cosa de Einstein,

Los últimos años de su vida,

Cuando estuvo aquí, coincidió con Kurt Godel.

Y dijo que una de las razones por las que todavía viene a trabajar

Es para que pueda caminar hasta casa

y discutir cosas con Gödel.

Es un gran cumplido para Kurt Godel,

Te muestra lo increíble que era.

El Instituto de Estudios Avanzados

Se formó en 1933.

En los primeros años,

La intensa atmósfera científica atrajo

Algunos de los matemáticos y físicos más brillantes

siempre concentrado en un solo lugar y tiempo.

El principio fundador de este lugar,

Es la idea de una búsqueda intelectual sin restricciones,

Incluso si no sabes lo que estás explorando.

Dará como resultado algunas cosas interesantes,

Y a veces eso termina siendo útil,

Lo cual, por supuesto,

Es en parte lo que he estado intentando hacer en DeepMind.

¿Cuántos grandes avances cree usted que son necesarios?

¿Cómo llegar hasta AGI?

Y, sabes, calculo que tal vez

Hay alrededor de una docena de ellos.

Sabes, espero que sea durante mi vida.

-Sí, vale. -Pero entonces,

Todos los científicos esperan eso, ¿verdad?

Demis tiene muchos elogios.

Fue elegido miembro de la Royal Society el año pasado.

También es miembro de la Royal Society of Arts.

Un gran aplauso para Demis Hassabis.

Mi sueño siempre ha sido intentarlo

y hacer posible la ciencia asistida por IA.

Y lo que yo pienso es

Nuestro proyecto más emocionante, el año pasado,

que es nuestro trabajo en el plegamiento de proteínas.

Y a este sistema lo llamamos AlphaFold.

Lo ingresamos en CASP y nuestro sistema, uh,

Fue el más preciso, eh, en predecir estructuras.

para 25 de las 43 proteínas de la categoría más dura.

Así que estamos a la última.

pero aún así... tengo que dejarlo claro,

Todavía estamos muy lejos

Resolviendo el problema del plegamiento de proteínas.

Sin embargo, estamos trabajando duro en esto.

y estamos explorando muchas otras técnicas.

Empecemos.

Entonces, un breve informe.

Éstas son nuestras clasificaciones finales para CASP.

Vencimos al segundo equipo

en esta competición en casi un 50%,

pero todavía tenemos un largo camino por recorrer

Antes de que hayamos resuelto el problema del plegamiento de proteínas.

en cierto sentido que un biólogo podría utilizarlo.

Es un área de preocupación.

La calidad de las predicciones varió

y no fueron más útiles que los métodos anteriores.

AlphaFold no produjo datos lo suficientemente buenos

para que sea útil de manera práctica

A, digamos, alguien como yo

investigando mis propios problemas biológicos.

Ese fue un momento de humildad.

Porque pensamos que habíamos trabajado muy duro y habíamos tenido éxito.

Y lo que descubrimos es que éramos los mejores del mundo.

en un problema en el que el mundo no es bueno.

Sabíamos que éramos unos inútiles.

No sirve de nada tener la escalera más alta

Cuando vas a la luna.

La opinión de bastantes personas del equipo,

que en cierto modo esto es una tarea inútil.

Y puede ser que me haya equivocado con el plegamiento de proteínas.

Quizás aún sea demasiado difícil

por dónde estamos en general con la IA.

Si quieres hacer investigación biológica,

Tienes que estar preparado para fallar

Porque la biología es muy complicada.

He dirigido un laboratorio durante casi 50 años,

y la mitad de mi tiempo,

Solo soy un psiquiatra aficionado

Para mantener alegres a mis colegas cuando nada funciona.

Y durante bastante tiempo, quiero decir, el 80, 90%,

No funciona.

Si estás a la vanguardia de la ciencia,

Puedo decirte que fracasarás en muchas cosas.

Simplemente me sentí decepcionado.

La lección que aprendí es que la ambición es algo bueno,

Pero es necesario encontrar el momento adecuado.

No tiene sentido estar 50 años adelantado a tu tiempo.

Nunca sobrevivirás

Cincuenta años de ese tipo de esfuerzo

antes de que produzca algo.

Literalmente morirás en el intento.

Cuando hablamos de IAG,

El santo grial de la inteligencia artificial,

Se vuelve realmente difícil

para saber de qué estamos hablando.

¿Qué fragmentos veremos hoy?

Vamos a empezar en el jardín.

Este es el jardín visto desde el área de observación.

Científicos e ingenieros investigadores

Puede analizar, colaborar y evaluar.

Lo que está pasando en tiempo real.

Así que en el siglo XIX,

Pensaríamos en cosas como la televisión y el submarino.

o un cohete a la luna

y dicen que estas cosas son imposibles.

Sin embargo, Julio Verne escribió sobre ellos y,

Un siglo y medio después, ocurrieron.

Estaremos experimentando

sobre civilizaciones realmente,

Civilizaciones de agentes de IA.

Una vez que los experimentos comiencen,

Va a ser la cosa más emocionante del mundo.

Entonces ¿cómo conseguiremos dormir?

No podré dormir.

La AGI completa podrá hacerlo

cualquier tarea cognitiva que una persona pueda realizar.

Será a una escala, potencialmente, mucho mayor.

Es realmente imposible para nosotros.

imaginar las salidas de una entidad superinteligente.

Es como pedirle a un gorila que imagine, ya sabes,

Lo que hace Einstein

cuando produce la teoría de la relatividad.

La gente a menudo me hace preguntas como:

"¿Qué pasa si estás equivocado y la IAG está bastante lejos?"

Y yo digo, nunca me preocupo por eso.

En realidad me preocupa lo contrario.

En realidad me preocupa que vaya más rápido.

de lo que realmente podemos prepararnos.

Realmente parece que estamos en una carrera hacia la inteligencia artificial general.

Los prototipos y los modelos que estamos desarrollando ahora

En realidad se están transformando

el espacio de lo que sabemos sobre la inteligencia.

Recientemente, hemos tenido agentes

que sean lo suficientemente poderosos

Para empezar a jugar realmente en equipo,

luego competir contra otros equipos.

Estamos viendo dinámicas sociales cooperativas

saliendo de agentes

donde no hemos preprogramado

cualquiera de este tipo de dinámicas.

Es un aprendizaje completamente basado en nuestras propias experiencias.

Cuando empezamos, pensábamos que éramos...

Para construir un sistema de inteligencia

y convencer al mundo de que lo habíamos logrado.

Ahora estamos empezando a preguntarnos si

Vamos a construir sistemas

que no estamos convencidos de que sean completamente inteligentes,

y estamos tratando de convencer al mundo de que no lo son.

Hola, Alfa.

Hola.

¿Dónde estamos hoy?

Estás en el Museo de Arte Moderno de la ciudad de Nueva York.

Más o menos. ¿Qué cuadro es éste?

Esta es La creación de Adán de Miguel Ángel.

No creo que esa pintura esté en la ciudad de Nueva York.

Tienes razón. Está en la Ciudad del Vaticano.

¿Crees que estamos ahí?

No.

Entonces ¿cómo veo esto?

Estás mirando

una copia digital de la pintura.

Sí.

¿Quién vive en esta casa?

Un astronauta.

¿Cómo se llama este astronauta?

Su nombre es Mark.

Esta es una famosa ecuación de Albert Einstein.

Demuestra que la energía y la masa son equivalentes.

¿Cómo se lo explicarías a un niño de cinco años?

Bueno, imagina que tienes una gran roca,

y quieres saber cuanto pesa.

¿Mark está en peligro?

No. Mark no está en peligro.

¿Porqué es eso?

Porque el dinosaurio no es real.

Está bien.

¿Por qué no pudiste responder mi pregunta?

Creo que no pude responder a tu pregunta.

Porque no sé lo suficiente sobre el tema.

Bueno.

¿Cómo podría aprender más sobre el tema?

Puedo aprender más sobre el tema.

mediante la lectura de libros, artículos y sitios web.

Puedes enseñarme.

Mi conclusión es que

Si ahora piensas en lo que estamos haciendo,

está aprendiendo de todos los humanos,

Todo su conocimiento puesto de una vez en Internet,

Realmente sabrías mucho sobre el mundo.

Como una parte importante de todo lo que los humanos pueden hacer.

Y ahora, creo que es más como,

"Bueno, podría funcionar."

Este es un gran momento.

¿Quién es?

Éste es Dios acercándose a Adán.

El advenimiento de la IAG

Dividirá la historia humana en dos partes.

La parte hasta ese punto y la parte después de ese punto.

¿Por qué intenta tocar a Adán?

Dios está extendiendo su mano para tocar a Adán.

para darle vida.

Nos dará una herramienta

que puede reinventar completamente toda nuestra civilización.

¿Qué significa este cuadro para ti?

La pintura significa mucho para mí.

Está bien. ¿Como qué?

Creo que el cuadro es un recordatorio.

Que todos estamos conectados entre nosotros

y que todos somos parte de algo

más grande que nosotros mismos.

Eso es bastante agradable.

Cuando cruzas esa barrera de

"La inteligencia artificial general podría llegar a existir algún día en el futuro"

"No, en realidad, esto realmente podría suceder en un período de tiempo

"Eso es algo así como, bajo mi supervisión, ya sabes".

Algo cambia en tu forma de pensar.

...aprendió a orientarse mirando...

Tenemos que tener cuidado con cómo lo usamos.

y reflexionamos sobre cómo lo implementamos.

Tendrías que considerarlo

¿Cuál es su objetivo de nivel superior?

Si es para mantener felices a los humanos,

¿Qué grupo de humanos? ¿Qué significa la felicidad?

Muchos de nuestros objetivos colectivos son muy complicados,

Incluso para que los humanos lo entiendan.

La tecnología siempre incorpora nuestros valores.

No es sólo una cuestión técnica, también es ética.

Así que tenemos que ser muy cautelosos.

sobre lo que estamos construyendo.

Estamos tratando de encontrar un único algoritmo que...

La realidad es que esto es un algoritmo.

que ha sido creado por la gente, por nosotros.

¿Sabes qué significa dotar a nuestros agentes?

¿Con el mismo tipo de valores que apreciamos?

¿Cuál es el propósito de crear estos sistemas de IA?

Parecen tan humanos

para que capten corazones y mentes

Porque son una especie de

¿Explotar también una vulnerabilidad humana?

El corazón y la mente de estos sistemas

son en gran medida datos generados por humanos...

Mmm-hmm.

...para todo lo bueno y lo malo.

Hay un paralelo

Entre la Revolución Industrial,

que fue un momento increíble de desplazamiento

y el cambio tecnológico actual creado por la IA.

¡Pausa IA!

Tenemos que pensar en quiénes están desplazados

y cómo vamos a apoyarlos.

Esta tecnología llegará mucho antes,

uh, entonces realmente el mundo lo sabe o algo así

Incluso nosotros hace 18, 24 meses pensábamos.

Así que hay una tremenda oportunidad,

tremenda emoción,

pero también una enorme responsabilidad.

Está sucediendo muy rápido.

¿Cómo lo gobernaremos?

¿Cómo decidiremos?

¿Qué está bien y qué no está bien?

Las imágenes generadas por IA son cada vez más sofisticadas.

El uso de la IA para generar desinformación

y manipular la psicología humana

Sólo va a empeorar mucho, mucho.

La IA general está llegando

ya sea que lo hagamos aquí en DeepMind o no.

Va a pasar,

Así que mejor crearemos instituciones que nos protejan.

Se requerirá coordinación global.

Y me preocupa que la humanidad esté

La situación está empeorando cada vez más en lugar de mejorar.

Necesitamos mucha más gente

Realmente estoy tomando esto en serio y pensando en ello.

Sí, es serio. Me preocupa.

Me preocupa. Sí.

Si recibió un correo electrónico que decía

Esta civilización extraterrestre superior

va a llegar a la Tierra,

Habría reuniones de emergencia

de todos los gobiernos.

Entraríamos en modo de sobremarcha

tratando de averiguar cómo prepararse.

La llegada de AGI será

El momento más importante al que nos hemos enfrentado jamás.

Mi sueño era que en el camino a AGI,

Crearíamos tecnologías revolucionarias

Esto sería de utilidad para la humanidad.

Eso es lo que quería con AlphaFold.

Creo que es más importante que nunca.

que deberíamos resolver el problema del plegamiento de proteínas.

Esto va a ser muy difícil.

Pero no me rendiré hasta que esté hecho.

Ya sabes, tenemos que redoblar los esfuerzos.

y ve lo más rápido posible desde aquí.

Creo que no tenemos tiempo que perder.

Así que vamos a formar un equipo de ataque para el plegamiento de proteínas.

El líder del equipo de ataque será John.

Sí, hemos visto a Alpha...

Ya sabes, vamos a intentarlo todo,

fregadero de la cocina, todo el lote.

CASP14 trata sobre

demostrando que podemos resolver todo el problema.

Y sentí que para hacer eso,

Necesitaríamos incorporar algún conocimiento del dominio.

Tuvimos algunos ingenieros fantásticos en ello,

pero no fueron entrenados en biología.

Como biólogo computacional,

Cuando me uní inicialmente al equipo de AlphaFold,

Al principio no me sentí seguro de nada.

Sabes,

Si íbamos a tener éxito.

La biología es ridículamente complicada.

Parecía como si escalar una montaña muy lejana.

Estoy empezando a jugar con las temperaturas subyacentes.

para ver si podemos conseguir...

Como una de las pocas personas del equipo

¿Quién ha trabajado en biología antes?

Sientes un enorme sentido de responsabilidad.

"Esperamos que hagas

"Grandes cosas en este equipo de ataque".

Eso es aterrador.

Pero una de las razones por las que quería venir aquí

Era hacer algo que importa.

Éste es el número de cosas que faltan.

¿Qué tal si hacemos uso de

¿Qué tanto entiendes de física?

¿Utilizando esto como fuente de datos?

Pero si es sistemático...

Entonces eso no puede ser correcto.

Si es sistemáticamente incorrecto de alguna manera extraña,

Es posible que estés aprendiendo física sistemáticamente equivocada.

El equipo ya esta

tratando de pensar en múltiples formas en que...

Relevancia biológica

Esto es lo que buscamos.

Así que reescribimos todo el flujo de datos.

que AlphaFold utiliza para aprender.

No puedes forzar la fase creativa.

Tienes que darle espacio para que esas flores florezcan.

Ganamos CASP.

Luego volví a la mesa de dibujo.

Y, ¿cuáles son nuestras nuevas ideas?

Um, y luego ha tardado un poco, diría yo,

para que volvieran a donde estaban,

pero con las nuevas ideas.

Y ahora pienso

Estamos viendo los beneficios de las nuevas ideas.

Pueden ir más lejos ¿no?

Entonces, eh, ese es un momento realmente importante.

He visto ese momento tantas veces ya,

Pero ahora sé lo que eso significa.

Y sé que ahora es el momento de presionar.

Agregar cadenas laterales mejora el plegado directo.

Eso impulsó gran parte del progreso.

- Hablaremos de eso. - Genial.

En los últimos cuatro meses hemos logrado avances enormes.

Durante CASP13,

Nos llevaría un día o dos plegar una de las proteínas,

y ahora estamos doblando, como,

cientos de miles por segundo.

Sí, es simplemente una locura.

Ahora, este es un modelo

Esto es órdenes de magnitud más rápido,

y al mismo tiempo ser mejor.

Estamos recibiendo muchas estructuras.

en el régimen de alta precisión.

Estamos mejorando rápidamente nuestro sistema.

Eso está empezando a ser realmente

llegar al núcleo y al corazón del problema.

Es un gran trabajo.

Parece que estamos en buena forma.

Entonces, ¿nos quedan seis o cinco semanas? ¿Seis semanas?

Entonces, ¿qué pasa? ¿Tienes suficiente potencia de procesamiento?

Yo... Podríamos usar más.

Estaba nervioso por CASP

Pero a medida que el sistema comienza a funcionar,

No me siento tan nervioso.

Siento que las cosas han cambiado, de alguna manera,

ha cobrado perspectiva recientemente,

y, sabes, todo va a estar bien.

El Primer Ministro ha anunciado

Los límites más drásticos para nuestras vidas

que el Reino Unido haya visto jamás en su vida.

Debo darle al pueblo británico

Una instrucción muy sencilla.

Debes quedarte en casa.

Parece que estamos en una novela de ciencia ficción.

Ya sabes, estoy entregando comida a mis padres,

asegurándose de que permanezcan aislados y seguros.

Creo que simplemente resalta la increíble necesidad

para la ciencia asistida por IA.

Siempre lo sabes

Algo así es una posibilidad.

Pero nadie cree realmente que eso vaya a suceder.

en su vida, sin embargo.

-¿Ya estás grabando? -Sí.

- Bueno, buenos días a todos. - Hola.

Bien. CASP ha comenzado.

Es agradable poder sentarme en pijama todo el día.

Nunca pensé que viviría en una casa.

donde estaban pasando tantas cosas.

Estaría tratando de resolver el plegamiento de proteínas en una habitación,

y mi marido estaría intentando

para hacer que los robots caminen en el otro.

Una de las proteínas más duras que hemos obtenido en CASP hasta ahora.

es la proteína SARS-CoV-2

llamado ORF8.

ORF8 es una proteína del coronavirus.

Es una de las principales proteínas, eh,

que debilita el sistema inmunológico.

Nos esforzamos mucho

para mejorar nuestra predicción.

De verdad, de verdad muy difícil.

Probablemente el mayor tiempo que hemos pasado jamás

en un solo objetivo.

Hasta el punto en que mi marido está como,

"Es medianoche. Tienes que irte a dormir."

Así que creo que estamos en el día 102 desde el confinamiento.

Mi hija lleva un diario.

Ahora puedes salir tanto como quieras.

Hemos recibido el último objetivo.

Han dicho que no enviarán más objetivos.

en nuestra categoría de CASP.

Así que simplemente nos estamos asegurando

Obtenemos la mejor respuesta posible.

Tan pronto como empezamos a obtener los resultados,

Me sentaría y comenzaría a observar qué tan cerca estuvo alguien.

para conseguir estructuras proteicas correctas.

- Oh, hola. -Hola.

Es algo increíble, CASP finalmente ha terminado.

Creo que al menos es hora de levantar una copa.

Um, no sé si todos tienen un vaso.

de algo que puedan criar.

Si no, levantad, no sé, vuestros portátiles.

Uno...

Probablemente daré un discurso en un minuto.

Siento que debería hacerlo pero no tengo idea de qué decir.

Bueno... veamos.

Me siento como si estuviera leyendo un correo electrónico...

Es lo correcto que hay que hacer.

Cuando Juan dijo:

"Voy a leer un correo electrónico" en una reunión social del equipo.

Pensé: "Vaya, John, sí que sabes cómo divertirte".

Ahora vamos a leer un correo electrónico.

Uh, recibí esto alrededor de las cuatro de hoy.

Umm, es de John Moult.

Y simplemente lo leeré.

Dice: "Como supongo que ya sabes,

"Su grupo ha tenido un desempeño sorprendentemente bueno en CASP 14,

"tanto en relación con otros grupos

"y con absoluta precisión de modelo."

"Felicitaciones por este trabajo.

"Es realmente extraordinario."

Las estructuras eran tan buenas,

Fue... fue simplemente increíble.

Después de medio siglo,

Por fin tenemos una solución

al problema del plegamiento de proteínas.

Cuando vi este correo electrónico, lo leí,

Yo digo, "¡Oh, mierda!"

Y mi esposa dice: "¿Está todo bien?"

Llamo a mis padres y les digo: "Hola, mamá".

"Umm, tengo algo que decirte.

"Hemos hecho esto

"y podría ser algo muy importante."

Cuando me enteré de los resultados del CASP 14,

Me quedé estupefacto.

Estaba simplemente emocionado.

Este es un problema en el que estaba empezando a pensar.

No se resolvería en mi vida.

Ahora tenemos una herramienta que se puede utilizar

prácticamente por los científicos.

Esta gente nos pregunta, ya sabes,

"Tengo esta proteína involucrada en la malaria",

o ya sabes, alguna enfermedad infecciosa.

"No conocemos la estructura.

"¿Podemos usar AlphaFold para resolverlo?"

Podemos predecir fácilmente todas las secuencias conocidas

en un mes.

¿Todas las secuencias conocidas en un mes?

- Sí, fácilmente. - ¿Mmm-hmm?

Un billón, dos mil millones.

Um, y son...

¿Por qué no hacemos eso? Sí.

- Deberíamos hacer eso mucho. - Bueno, quiero decir...

Eso está mucho mejor. ¿Por qué no hacemos eso?

Así que esa es una de las opciones.

-Bien. - Hay esto...

Deberíamos simplemente... Bien, es una gran idea.

Deberíamos simplemente analizar todas las proteínas existentes.

Y luego libera eso.

¿Por qué nadie sugirió esto antes?

Por supuesto que eso es lo que debemos hacer.

¿Por qué estamos pensando en hacer un servicio?

¿Y luego la gente envía sus proteínas?

Simplemente doblamos todo.

Y luego dáselo a todo el mundo.

¿Quién sabe cuántos descubrimientos se harán a partir de esto?

Demis nos llamó y nos dijo:

"Queremos que esto sea abierto.

"No sólo hay que asegurarse de que el código esté abierto,

"Pero lo haremos realmente fácil".

"para que todo el mundo tenga acceso a las predicciones".

Eso es fantástico.

Es como correr la cortina.

y ver todo el mundo de las estructuras de las proteínas.

Liberaron las estructuras

de 200 millones de proteínas.

Estos son regalos para la humanidad.

En el momento en que AlphaFold esté disponible para el mundo,

Ya no seremos las personas más importantes

en la historia de AlphaFold.

No puedo creer que todo haya salido a la luz.

¡Oh!

Ciento sesenta y cuatro usuarios.

Mucha actividad en Japón.

Tenemos 655 usuarios actualmente.

Actualmente contamos con 100.000 usuarios simultáneos.

¡Guau!

Hoy es un día de locura.

¡Qué esfuerzo absolutamente increíble!

De todo el mundo.

Todos recordaremos estos momentos.

por el resto de nuestras vidas.

Estoy entusiasmado con AlphaFold.

En lo que a mi investigación se refiere, ya está impulsando muchos avances.

Y esto es sólo el comienzo.

Mi conjetura es que

Cada logro biológico y químico

Estará relacionado con AlphaFold de alguna manera.

AlphaFold es un momento índice.

Es un momento que la gente no olvidará.

Porque el mundo cambió.

Todo el mundo se ha dado cuenta ahora

Lo que Shane y yo sabemos desde hace más de 20 años,

que la IA va a ser lo más importante

que la humanidad jamás va a inventar.

Llegaremos en breve

en nuestro destino final.

El ritmo de la innovación y las capacidades

se está acelerando,

como una roca que rueda colina abajo desde la que hemos dado una patada

Y ahora sigue ganando velocidad.

Estamos en una encrucijada en la historia de la humanidad.

La IA tiene el potencial

para transformar nuestras vidas en todos los aspectos.

No es menos importante que el descubrimiento de la electricidad.

Deberíamos estar mirando el método científico.

y tratando de entender cada paso del camino

de manera rigurosa.

Éste es un momento de profunda oportunidad.

Aprovechar esta tecnología

Podría eclipsar cualquier cosa que hayamos conocido hasta ahora.

Hola, Alfa.

Hola.

¿Qué es esto?

Este es un tablero de ajedrez.

Si tuviera que jugar con blancas, ¿qué movimiento me recomendarías?

Yo lo recomendaría

que muevas tu peón de E2 a E4.

Y ahora, si fueras negro, ¿a qué tocarías ahora?

Yo jugaría la Defensa Siciliana.

Esa es una buena elección.

Gracias.

Entonces, ¿qué ves? ¿Qué es este objeto?

Esta es una escultura de lápiz.

¿Qué pasa si muevo uno de los lápices?

Si mueves uno de los lápices,

La escultura se desmoronará.

Será mejor que lo deje en paz entonces.

Probablemente sea una buena idea.

La IAG ya está en el horizonte.

Muy claramente la próxima generación

va a vivir en un mundo futuro

donde las cosas serán radicalmente diferentes gracias a la IA.

Y si quieres administrarlo de manera responsable,

Cada momento es vital.

Este es el momento que he estado viviendo toda mi vida.

Es solo un buen juego de pensar.