1 00:00:04,170 --> 00:00:08,508 ♪ ♪ 2 00:00:08,508 --> 00:00:10,777 MILLAS O'BRIEN: Máquinas que piensan como humanos. 3 00:00:10,777 --> 00:00:14,313 Nuestro sueño de crear máquinas. a nuestra propia imagen 4 00:00:14,313 --> 00:00:17,016 que son inteligentes e inteligentes 5 00:00:17,016 --> 00:00:19,585 se remonta a la antigüedad. 6 00:00:19,585 --> 00:00:21,687 Bueno me lo puede traer? 7 00:00:21,687 --> 00:00:23,890 O'BRIEN: ¿Es posible que el sueño de inteligencia artificial 8 00:00:23,890 --> 00:00:26,259 se ha hecho realidad? 9 00:00:27,360 --> 00:00:28,961 Son capaces de hacer cosas 10 00:00:28,961 --> 00:00:31,297 que no lo hicimos creen que podrían hacer. 11 00:00:32,899 --> 00:00:36,569 MANOLIS KELLIS: Se pensaba que Go era un juego. donde las máquinas nunca ganarían. 12 00:00:36,569 --> 00:00:39,972 El número de opciones porque cada movimiento es enorme. 13 00:00:39,972 --> 00:00:44,077 O'BRIEN: Y ahora, las posibilidades parece interminable. 14 00:00:44,077 --> 00:00:45,878 MUSTAFA SULEYMAN: Y esto va a ser 15 00:00:45,878 --> 00:00:47,914 uno de los mayores impulsos 16 00:00:47,914 --> 00:00:50,350 a la productividad en la historia de nuestra especie. 17 00:00:52,518 --> 00:00:56,022 Eso parece solo una pista de algún tipo de humo. 18 00:00:56,022 --> 00:00:58,391 O'BRIEN: Identificando problemas Antes de que un humano pueda... 19 00:00:58,391 --> 00:01:00,626 LECIA SEQUIST: Le enseñamos al modelo a reconocer. 20 00:01:00,626 --> 00:01:02,829 desarrollar cáncer de pulmón. 21 00:01:02,829 --> 00:01:05,998 O'BRIEN: ...e inventar nuevas drogas. 22 00:01:05,998 --> 00:01:08,101 PETRINA KAMYA: nunca pensé que seriamos capaces 23 00:01:08,101 --> 00:01:10,036 estar haciendo las cosas estamos haciendo con A.I.. 24 00:01:10,036 --> 00:01:12,405 O'BRIEN: Pero junto con la esperanza... 25 00:01:12,405 --> 00:01:14,207 (imitando a Obama): Este es un momento peligroso. 26 00:01:14,207 --> 00:01:17,110 O'BRIEN: ...viene una profunda preocupación. 27 00:01:17,110 --> 00:01:18,911 Una de las primeras gotas en la temida inundación 28 00:01:18,911 --> 00:01:20,513 de desinformación creada por IA. 29 00:01:20,513 --> 00:01:24,550 Hemos bajado barreras a la entrada para manipular la realidad. 30 00:01:24,550 --> 00:01:27,286 Vamos a vivir en un mundo. donde no sabemos qué es real. 31 00:01:27,286 --> 00:01:31,190 Los riesgos son inciertos y potencialmente enorme. 32 00:01:31,190 --> 00:01:35,394 O'BRIEN: ¿Qué tan poderosa es la IA? ¿Cómo funciona? 33 00:01:35,394 --> 00:01:37,964 ¿Y cómo podemos cosechar? sus extraordinarios beneficios... 34 00:01:37,964 --> 00:01:39,432 Sybil miró hacia aquí, 35 00:01:39,432 --> 00:01:42,135 y anticipado que habría un problema. 36 00:01:42,135 --> 00:01:44,337 O'BRIEN: ...sin poner en peligro nuestro futuro? 37 00:01:44,337 --> 00:01:45,671 "Revolución de la IA" 38 00:01:45,671 --> 00:01:48,441 ahora mismo, en "NOVA!" 39 00:01:48,441 --> 00:01:51,577 (zumbido) 40 00:01:51,577 --> 00:01:57,783 ♪ ♪ 41 00:01:57,783 --> 00:01:58,885 LOCUTOR: Como proveedor con sede en Estados Unidos 42 00:01:58,885 --> 00:02:00,353 a la industria de la construcción, 43 00:02:00,353 --> 00:02:03,623 Carlisle está comprometido a desarrollar un lugar de trabajo diverso 44 00:02:03,623 --> 00:02:04,991 que apoya el avance de nuestros empleados 45 00:02:04,991 --> 00:02:06,993 en la próxima generación de líderes, 46 00:02:06,993 --> 00:02:09,228 desde el piso de fabricación a la oficina principal. 47 00:02:09,228 --> 00:02:11,097 Obtenga más información en Carlisle.com. 48 00:02:17,970 --> 00:02:21,107 Cuéntame la historia de fondo en la inflexión A.I.. 49 00:02:21,107 --> 00:02:25,311 (voz en off): nuestra historia comienza con la realización de esta historia. 50 00:02:25,311 --> 00:02:30,283 PI (en la computadora): La historia de Inflexión A.I. es emocionante. 51 00:02:30,283 --> 00:02:31,350 O'BRIEN (voz en off): yo estaba investigando 52 00:02:31,350 --> 00:02:32,518 un tema de entrevista. 53 00:02:32,518 --> 00:02:35,054 ¿Quién es Mustafa Suleyman? 54 00:02:35,054 --> 00:02:36,656 (voz en off): algo que he hecho 55 00:02:36,656 --> 00:02:39,091 mil veces en mis 40 años de carrera. 56 00:02:39,091 --> 00:02:40,927 PI (en la computadora): Mustafa Suleyman es un verdadero pionero 57 00:02:40,927 --> 00:02:43,396 en el campo de inteligencia artificial. 58 00:02:43,396 --> 00:02:45,598 (voz en off): Pero esta vez fue diferente: 59 00:02:45,598 --> 00:02:48,634 no estaba escribiendo términos de búsqueda. 60 00:02:48,735 --> 00:02:51,437 ¿Qué es el aprendizaje automático? 61 00:02:51,538 --> 00:02:54,874 O'BRIEN (voz en off): estaba teniendo una conversación con una computadora. 62 00:02:54,974 --> 00:02:57,009 PI: Suena como un Proyecto emocionante, Miles. 63 00:02:57,110 --> 00:03:00,446 (voz en off): Se sintió como algo Lo grande había cambiado. 64 00:03:00,547 --> 00:03:04,116 PI: El aprendizaje automático, ML, es un tipo de inteligencia artificial. 65 00:03:04,217 --> 00:03:05,651 O'BRIEN (voz en off): Y como sucedió, 66 00:03:05,752 --> 00:03:10,456 Estaba concentrado en uno de los innovadores de esta revolución. 67 00:03:10,557 --> 00:03:11,991 Bien, entonces si hago esto... 68 00:03:12,091 --> 00:03:14,994 (voz en off): Mustafa Süleyman es cofundador 69 00:03:15,094 --> 00:03:16,729 de una startup llamada Inflection. 70 00:03:16,829 --> 00:03:19,999 Hace un artificial asistente de inteligencia 71 00:03:20,099 --> 00:03:21,667 llamado Pi. 72 00:03:21,768 --> 00:03:23,068 Así que ahora puedes hablar... 73 00:03:23,169 --> 00:03:26,839 O'BRIEN (voz en off): Los conocí a ambos en Londres. 74 00:03:26,940 --> 00:03:28,341 es fundamentalmente diferente, ¿no? 75 00:03:28,441 --> 00:03:29,842 si, es un estilo conversacional. 76 00:03:29,943 --> 00:03:32,345 Todos nosotros los humanos aprender a través de historias, 77 00:03:32,445 --> 00:03:35,214 y a través de la narrativa, y a través del diálogo interactivo. 78 00:03:35,315 --> 00:03:37,850 Y ahora, la máquina puede como que cobra vida, 79 00:03:37,951 --> 00:03:39,618 y hablar contigo sobre lo que sea 80 00:03:39,719 --> 00:03:41,020 eso está en tu mente. 81 00:03:41,120 --> 00:03:45,157 O'BRIEN: Cuéntame sobre el programa PBS "NOVA." 82 00:03:45,258 --> 00:03:48,528 (voz en off): Los chatbots pueden ofrecer respuestas rápidas, escribir poemas, 83 00:03:48,628 --> 00:03:51,097 terminar ensayos, y traducir idiomas 84 00:03:51,197 --> 00:03:53,266 entre muchas otras cosas. 85 00:03:53,366 --> 00:03:55,968 PI (por teléfono): "NOVA" es una ciencia serie documental... 86 00:03:56,069 --> 00:03:57,470 O'BRIEN (voz en off): No son perfectos 87 00:03:57,570 --> 00:03:59,738 pero le han puesto artificial inteligencia en nuestras manos, 88 00:03:59,839 --> 00:04:02,174 y en la conciencia pública. 89 00:04:02,275 --> 00:04:05,745 y parece somos partes iguales recelosos 90 00:04:05,845 --> 00:04:07,413 e intrigado. 91 00:04:07,513 --> 00:04:09,115 SOLEIMÁN: IA es una herramienta 92 00:04:09,215 --> 00:04:12,718 por ayudarnos a entender el mundo que nos rodea, 93 00:04:12,819 --> 00:04:16,855 predecir lo que es probable que suceda, y luego inventar 94 00:04:16,956 --> 00:04:19,892 soluciones que ayudan a mejorar el mundo que nos rodea. 95 00:04:19,993 --> 00:04:23,429 Mi motivación era intentar para usar A.I. herramientas 96 00:04:23,529 --> 00:04:25,697 para, eh, ya sabes, inventar el futuro. 97 00:04:25,798 --> 00:04:28,401 el ascenso en inteligencia artificial... 98 00:04:28,501 --> 00:04:30,236 REPORTERO: AI. la tecnología se está desarrollando... 99 00:04:30,336 --> 00:04:33,706 O'BRIEN (voz en off): Últimamente parece un futuro oscuro ya está aquí... 100 00:04:33,806 --> 00:04:37,877 La tecnología podría reemplazar millones de empleos... 101 00:04:37,977 --> 00:04:39,645 O'BRIEN (voz en off): ...si escuchas a las noticias. 102 00:04:39,746 --> 00:04:42,881 El momento de la civilización fue transformado. 103 00:04:42,982 --> 00:04:45,350 O'BRIEN (voz en off): Entonces, ¿cómo puede la inteligencia artificial nos ayuda, 104 00:04:45,451 --> 00:04:47,719 ¿Y cómo podría perjudicarnos? 105 00:04:47,820 --> 00:04:50,890 En el centro de el público llorando: 106 00:04:50,990 --> 00:04:54,893 ¿Cómo deberíamos poner? barandillas a su alrededor? 107 00:04:54,994 --> 00:04:57,830 Definitivamente necesitamos más regulaciones vigentes... 108 00:04:57,930 --> 00:04:59,231 O'BRIEN (voz en off): Inteligencia artificial se está moviendo rápido 109 00:04:59,332 --> 00:05:01,133 y cambiando el mundo. 110 00:05:01,234 --> 00:05:02,702 ¿Podemos seguir el ritmo? 111 00:05:02,802 --> 00:05:04,637 Mentes no humanas más inteligentes que los nuestros. 112 00:05:04,737 --> 00:05:07,006 O'BRIEN (voz en off): La cobertura de noticias puede hacer que parece 113 00:05:07,106 --> 00:05:09,742 inteligencia artificial es algo nuevo. 114 00:05:09,842 --> 00:05:11,744 En un momento de revolución... 115 00:05:11,844 --> 00:05:14,180 O'BRIEN (voz en off): Pero los seres humanos han sido pensando en esto 116 00:05:14,280 --> 00:05:17,316 durante mucho tiempo. 117 00:05:17,417 --> 00:05:21,186 Tengo un cerebro muy fino. 118 00:05:21,287 --> 00:05:25,525 Nuestro sueño de crear máquinas. a nuestra propia imagen 119 00:05:25,625 --> 00:05:29,595 que son inteligentes e inteligentes se remonta a la antigüedad. 120 00:05:29,696 --> 00:05:32,064 Eh, es, es algo que tiene, 121 00:05:32,165 --> 00:05:36,869 ha permeado la evolución de la sociedad y de la ciencia. 122 00:05:36,969 --> 00:05:39,304 (disparos de mortero) 123 00:05:39,405 --> 00:05:41,707 O'BRIEN (voz en off): Los orígenes modernos de inteligencia artificial 124 00:05:41,808 --> 00:05:43,876 se puede rastrear De vuelta a la Segunda Guerra Mundial, 125 00:05:43,976 --> 00:05:48,313 y el prodigioso Cerebro humano de Alan Turing. 126 00:05:48,414 --> 00:05:51,017 el legendario matemático británico 127 00:05:51,117 --> 00:05:53,018 desarrolló una máquina 128 00:05:53,119 --> 00:05:57,155 capaz de descifrar Mensajes codificados de los nazis. 129 00:05:57,256 --> 00:06:01,227 Después de la guerra, estuvo entre el primero en predecir las computadoras 130 00:06:01,327 --> 00:06:04,496 podría algún día coincidir el cerebro humano. 131 00:06:04,597 --> 00:06:07,500 No hay sobrevivientes grabaciones de la voz de Turing, 132 00:06:07,600 --> 00:06:13,106 pero en 1951, dio una breve conferencia en la radio de la BBC. 133 00:06:13,206 --> 00:06:17,643 Le preguntamos a una voz generada por IA para leer un pasaje. 134 00:06:17,744 --> 00:06:19,945 TURING A.I. VOZ: Creo que es probable, por ejemplo, 135 00:06:20,046 --> 00:06:21,947 que a finales de siglo, 136 00:06:22,048 --> 00:06:24,016 será posible programar una maquina 137 00:06:24,117 --> 00:06:25,984 para responder preguntas de tal manera 138 00:06:26,085 --> 00:06:28,087 que será extremadamente difícil de adivinar 139 00:06:28,187 --> 00:06:30,189 si las respuestas están siendo dado por un hombre 140 00:06:30,289 --> 00:06:32,291 o por la máquina. 141 00:06:32,392 --> 00:06:35,194 O'BRIEN (voz en off): Y así, Nació la prueba de Turing. 142 00:06:35,294 --> 00:06:37,329 ¿Alguien podría construir una máquina? 143 00:06:37,430 --> 00:06:39,699 que podría conversar con un humano de una manera 144 00:06:39,799 --> 00:06:42,768 eso es indistinguible de otra persona? 145 00:06:42,869 --> 00:06:46,072 En 1956, 146 00:06:46,172 --> 00:06:48,373 un grupo de científicos pioneros Pasé el verano 147 00:06:48,474 --> 00:06:51,244 lluvia de ideas en la Universidad de Dartmouth. 148 00:06:52,278 --> 00:06:54,312 Y le dijeron al mundo que ellos han acuñado 149 00:06:54,414 --> 00:06:56,082 un nuevo campo académico de estudio. 150 00:06:56,182 --> 00:06:58,217 lo llamaron inteligencia artificial 151 00:06:58,317 --> 00:07:01,753 O'BRIEN (voz en off): Durante décadas, sus aspiraciones permanecieron 152 00:07:01,854 --> 00:07:04,624 muy por delante de las capacidades de las computadoras. 153 00:07:06,292 --> 00:07:07,926 En 1978, 154 00:07:08,027 --> 00:07:12,798 "NOVA" estrenó su primera película sobre inteligencia artificial. 155 00:07:12,899 --> 00:07:14,666 Hemos visto el primero comienzos crudos 156 00:07:14,767 --> 00:07:16,368 de inteligencia artificial... 157 00:07:16,469 --> 00:07:18,170 O'BRIEN (voz en off): Y la ciencia legendaria escritor de ficción, 158 00:07:18,271 --> 00:07:22,708 Arthur C. Clark fue, Como siempre, profético. 159 00:07:22,809 --> 00:07:24,310 Realmente no existe todavía en cualquier nivel, 160 00:07:24,410 --> 00:07:28,347 porque nuestro más complejo las computadoras siguen siendo idiotas, 161 00:07:28,448 --> 00:07:31,283 idiotas de alta velocidad, pero todavía idiotas. 162 00:07:31,384 --> 00:07:34,086 Sin embargo, tenemos la posibilidad de las máquinas 163 00:07:34,187 --> 00:07:36,355 que puede superar a sus creadores, 164 00:07:36,456 --> 00:07:40,960 y por lo tanto, llegar a ser más inteligentes que nosotros. 165 00:07:42,228 --> 00:07:46,231 En ese momento, los investigadores estaban desarrollar "sistemas expertos", 166 00:07:46,332 --> 00:07:51,403 construido expresamente para realizar tareas específicas. 167 00:07:51,504 --> 00:07:53,005 Entonces lo que tenemos que hacer 168 00:07:53,105 --> 00:07:57,576 para que la máquina entienda, um, ya sabes, nuestro mundo, 169 00:07:57,677 --> 00:08:00,512 es poner todo nuestro conocimiento en una máquina 170 00:08:00,613 --> 00:08:03,348 y luego proporcionarlo con algunas reglas. 171 00:08:03,449 --> 00:08:05,317 ♪ ♪ 172 00:08:05,418 --> 00:08:08,454 O'BRIEN (voz en off): IA clásica alcanzó un punto crucial momento en 1997 173 00:08:08,554 --> 00:08:12,625 cuando una inteligencia artificial programa ideado por IBM, 174 00:08:12,725 --> 00:08:15,694 llamado "Deep Blue" derrotado campeón mundial de ajedrez 175 00:08:15,795 --> 00:08:18,998 y el gran maestro Garry Kasparov. 176 00:08:19,098 --> 00:08:23,034 Se buscó alrededor de 200 millones. posiciona un segundo, 177 00:08:23,135 --> 00:08:25,471 navegando a través de un árbol de posibilidades 178 00:08:25,571 --> 00:08:27,973 para determinar el mejor movimiento. 179 00:08:28,074 --> 00:08:30,443 Rusia: El programa analizado la configuración de la placa, 180 00:08:30,543 --> 00:08:33,412 podría proyectarse hacia adelante millones de movimientos 181 00:08:33,513 --> 00:08:36,014 examinar millones de posibilidades, 182 00:08:36,115 --> 00:08:38,551 y luego eligió el mejor camino. 183 00:08:38,651 --> 00:08:41,253 O'BRIEN (voz en off): Efectivo, pero frágil, 184 00:08:41,354 --> 00:08:45,291 Deep Blue no lo era elaborar estrategias como lo hace un ser humano. 185 00:08:45,391 --> 00:08:48,193 Desde el principio, artificial investigadores de inteligencia 186 00:08:48,294 --> 00:08:50,930 maquinas de hacer imaginadas 187 00:08:51,030 --> 00:08:52,698 que piensan como nosotros. 188 00:08:52,798 --> 00:08:56,001 El cerebro humano, con más de 80 mil millones de neuronas, 189 00:08:56,102 --> 00:08:58,905 aprende no siguiendo reglas, 190 00:08:59,005 --> 00:09:02,174 sino más bien tomando en un flujo constante de datos, 191 00:09:02,275 --> 00:09:04,644 y buscando patrones. 192 00:09:06,012 --> 00:09:08,246 KELLIS: La forma en que el aprendizaje realmente funciona 193 00:09:08,347 --> 00:09:11,116 en el cerebro humano es por actualizando los pesos 194 00:09:11,217 --> 00:09:12,785 de las conexiones sinápticas 195 00:09:12,885 --> 00:09:14,653 que están detrás de esto red neuronal. 196 00:09:14,754 --> 00:09:18,491 O'BRIEN (voz en off): Manolis Kellis es una Profesor de Ciencias de la Computación 197 00:09:18,591 --> 00:09:22,828 en el Instituto de Massachusetts de Tecnología. 198 00:09:22,929 --> 00:09:24,830 Entonces tenemos billones de parámetros en nuestro cerebro 199 00:09:24,931 --> 00:09:26,965 que podemos ajustar basado en la experiencia. 200 00:09:27,066 --> 00:09:28,867 Estoy recibiendo una recompensa. 201 00:09:28,968 --> 00:09:30,702 voy a actualizar la fuerza de las conexiones 202 00:09:30,803 --> 00:09:32,771 que llevó a esta recompensa-- estoy siendo castigado, 203 00:09:32,872 --> 00:09:34,540 voy a disminuir la fuerza de las conexiones 204 00:09:34,640 --> 00:09:36,208 que llevó al castigo. 205 00:09:36,309 --> 00:09:38,377 Así que esto es La red neuronal original. 206 00:09:38,477 --> 00:09:41,947 Nosotros no lo inventamos, Nosotros, ya sabes, lo heredamos. 207 00:09:42,048 --> 00:09:46,051 O'BRIEN (voz en off): ¿Pero podría un artificial red neuronal 208 00:09:46,152 --> 00:09:49,088 ser hechos a nuestra propia imagen? Turing lo imaginó. 209 00:09:49,188 --> 00:09:51,390 Pero las computadoras no estaban ni cerca 210 00:09:51,490 --> 00:09:55,027 lo suficientemente poderoso para hacerlo hasta hace poco. 211 00:09:56,662 --> 00:09:58,364 Es sólo con el advenimiento de conjuntos de datos extraordinarios 212 00:09:58,464 --> 00:10:01,033 que tenemos, eh, desde principios de la década de 2000, 213 00:10:01,133 --> 00:10:04,036 que pudimos construir suficientes imágenes, 214 00:10:04,136 --> 00:10:05,670 suficientes anotaciones, 215 00:10:05,771 --> 00:10:08,774 suficiente texto para poder para finalmente entrenar 216 00:10:08,874 --> 00:10:11,844 estos suficientemente poderosos modelos. 217 00:10:13,312 --> 00:10:15,647 O'BRIEN (voz en off): Una red neuronal artificial es, de hecho, 218 00:10:15,748 --> 00:10:18,183 modelado sobre el cerebro humano. 219 00:10:18,284 --> 00:10:21,520 Utiliza nodos interconectados, o neuronas, 220 00:10:21,621 --> 00:10:23,822 que se comunican con unos a otros. 221 00:10:23,923 --> 00:10:26,558 Cada nodo recibe entradas de otros nodos 222 00:10:26,659 --> 00:10:30,495 y procesa esas entradas para producir resultados, 223 00:10:30,596 --> 00:10:34,066 que luego se pasan a Otros nodos más. 224 00:10:34,166 --> 00:10:37,436 Aprende ajustando la fuerza de las conexiones 225 00:10:37,536 --> 00:10:41,974 entre los nodos basados en los datos a los que está expuesto. 226 00:10:42,074 --> 00:10:44,443 este proceso de ajustar las conexiones 227 00:10:44,543 --> 00:10:46,345 se llama entrenamiento, 228 00:10:46,445 --> 00:10:48,814 y permite una red neuronal artificial 229 00:10:48,914 --> 00:10:52,184 reconocer patrones y aprender de sus experiencias 230 00:10:52,284 --> 00:10:54,520 como lo hacen los humanos. 231 00:10:56,222 --> 00:10:57,656 un niño, ¿Cómo aprende tan rápido? 232 00:10:57,757 --> 00:10:59,324 esta aprendiendo muy rapido 233 00:10:59,425 --> 00:11:01,660 porque es constantemente prediciendo el futuro 234 00:11:01,761 --> 00:11:04,063 y luego ver que pasa 235 00:11:04,163 --> 00:11:07,165 y actualizando sus pesos en su red neuronal 236 00:11:07,266 --> 00:11:09,168 basado en lo que acaba de pasar. 237 00:11:09,268 --> 00:11:10,469 Ahora puedes tomar esto 238 00:11:10,569 --> 00:11:11,903 aprendizaje auto supervisado paradigma 239 00:11:12,004 --> 00:11:14,173 y aplicarlo a las máquinas. 240 00:11:15,708 --> 00:11:18,844 O'BRIEN (voz en off): Al principio, algunos de estos redes neuronales artificiales 241 00:11:18,944 --> 00:11:21,647 fueron entrenados en vintage videojuegos atari 242 00:11:21,747 --> 00:11:23,615 como "invasores del espacio" 243 00:11:23,716 --> 00:11:26,619 y "Fuga". 244 00:11:26,719 --> 00:11:29,855 Los juegos reducen la complejidad. del mundo real 245 00:11:29,955 --> 00:11:33,525 a un conjunto muy estrecho de acciones que se pueden tomar. 246 00:11:33,626 --> 00:11:36,094 O'BRIEN (voz en off): Antes de empezar Inflexión, 247 00:11:36,195 --> 00:11:39,198 Mustafa Suleyman cofundó una empresa llamada 248 00:11:39,298 --> 00:11:41,700 Mente profunda en 2010. 249 00:11:41,801 --> 00:11:45,704 Fue adquirido por Google cuatro años después. 250 00:11:45,805 --> 00:11:47,106 Cuando una A.I. juega un juego, 251 00:11:47,206 --> 00:11:50,709 lo mostramos cuadro por cuadro, cada píxel 252 00:11:50,810 --> 00:11:52,911 en la imagen en movimiento. 253 00:11:53,012 --> 00:11:54,846 Y entonces la A.I. aprende asociar píxeles 254 00:11:54,947 --> 00:11:56,949 con acciones que puede tomar 255 00:11:57,049 --> 00:12:00,853 moviéndose hacia la izquierda o hacia la derecha o presionando el botón de disparo. 256 00:12:02,188 --> 00:12:05,324 O'BRIEN (voz en off): Cuando destruye bloques o dispara a extraterrestres, 257 00:12:05,424 --> 00:12:08,694 las conexiones entre los nodos que permitieron ese éxito 258 00:12:08,794 --> 00:12:10,462 se fortalecen. 259 00:12:10,563 --> 00:12:12,831 En otras palabras, es recompensado. 260 00:12:12,932 --> 00:12:15,867 Cuando falla, no hay recompensa. 261 00:12:15,968 --> 00:12:18,470 Finalmente, todas esas conexiones reforzadas 262 00:12:18,571 --> 00:12:20,739 anular a los más débiles. 263 00:12:20,840 --> 00:12:23,676 El programa ha aprendido cómo ganar. 264 00:12:25,411 --> 00:12:27,746 Este tipo de asignación repetida de recompensa 265 00:12:27,847 --> 00:12:32,283 por comportamiento repetitivo es una excelente manera de entrenar a un perro. 266 00:12:32,384 --> 00:12:34,186 Es una excelente manera de enseñarle a un niño. 267 00:12:34,286 --> 00:12:36,955 Es una gran manera para nosotros como adultos para adaptar nuestro comportamiento. 268 00:12:37,056 --> 00:12:39,358 Y de hecho, en realidad es una buena manera 269 00:12:39,458 --> 00:12:42,128 entrenar el aprendizaje automático algoritmos para mejorar. 270 00:12:44,930 --> 00:12:48,067 O'BRIEN (voz en off): En 2014, DeepMind comenzó a funcionar. en una red neuronal artificial 271 00:12:48,167 --> 00:12:50,669 llamado "AlfaGo" 272 00:12:50,770 --> 00:12:52,137 que podría jugar el antiguo, 273 00:12:52,238 --> 00:12:55,174 y engañosamente complejo, Juego de mesa de Go. 274 00:12:57,009 --> 00:13:00,345 KELLIS: Se pensaba que Go era un juego. donde las máquinas nunca ganarían. 275 00:13:00,446 --> 00:13:03,749 El número de opciones porque cada movimiento es enorme. 276 00:13:03,849 --> 00:13:05,884 O'BRIEN (voz en off): Pero en DeepMind, 277 00:13:05,985 --> 00:13:07,653 ellos contaban con 278 00:13:07,753 --> 00:13:11,991 el asombroso crecimiento de potencia de cálculo. 279 00:13:12,091 --> 00:13:14,559 Y creo que esa es la clave concepto a tratar de captar, 280 00:13:14,660 --> 00:13:19,031 es que estamos masivamente, creciendo exponencialmente 281 00:13:19,131 --> 00:13:21,867 la cantidad de cálculo utilizado, y en cierto sentido, 282 00:13:21,967 --> 00:13:24,570 ese cálculo es un proxy 283 00:13:24,670 --> 00:13:27,706 por lo inteligente el modelo es. 284 00:13:28,808 --> 00:13:32,544 O'BRIEN (voz en off): AlphaGo fue entrenado de dos maneras. 285 00:13:32,645 --> 00:13:35,346 Primero, se le alimentó con una gran conjunto de datos de juegos Go expertos 286 00:13:35,447 --> 00:13:38,717 para que pudiera aprende a jugar el juego. 287 00:13:38,818 --> 00:13:41,053 esto se sabe como aprendizaje supervisado. 288 00:13:41,153 --> 00:13:46,559 Entonces el software jugó en contra mismo muchos millones de veces, 289 00:13:46,659 --> 00:13:49,294 llamado aprendizaje por refuerzo. 290 00:13:49,395 --> 00:13:52,731 Esto fue mejorando gradualmente sus habilidades y estrategias. 291 00:13:52,832 --> 00:13:55,534 En marzo de 2016, 292 00:13:55,634 --> 00:13:57,302 AlphaGo se enfrentó a Lee Sedol, 293 00:13:57,403 --> 00:13:59,271 uno de los del mundo jugadores de alto rango 294 00:13:59,371 --> 00:14:02,808 en un partido de cinco partidos en Seúl, Corea del Sur. 295 00:14:02,908 --> 00:14:04,877 AlphaGo no sólo ganó, 296 00:14:04,977 --> 00:14:09,147 pero también hizo un movimiento tan novedoso, los Go conocedores 297 00:14:09,248 --> 00:14:12,151 Pensé que era un gran error. 298 00:14:09,248 --> 00:14:12,151 Eso es muy movimiento sorprendente. 299 00:14:13,919 --> 00:14:15,955 No hay duda para mí que estas A.I. modelos 300 00:14:16,055 --> 00:14:17,656 son creativos. 301 00:14:17,756 --> 00:14:20,492 Son increíblemente creativos. 302 00:14:20,593 --> 00:14:24,597 O'BRIEN (voz en off): Resulta el movimiento Fue un golpe de brillantez. 303 00:14:24,697 --> 00:14:26,598 y esto comportamiento creativo emergente 304 00:14:26,699 --> 00:14:28,634 Era un indicio de lo que estaba por venir: 305 00:14:28,734 --> 00:14:31,803 IA generativa 306 00:14:31,904 --> 00:14:33,538 Mientras tanto, 307 00:14:33,639 --> 00:14:35,974 una empresa llamada OpenA.I. estaba creando 308 00:14:36,075 --> 00:14:37,976 una IA generativa modelo 309 00:14:38,077 --> 00:14:41,113 eso se convertiría en ChatGPT. 310 00:14:41,213 --> 00:14:43,248 Permite a los usuarios entablar un diálogo 311 00:14:43,349 --> 00:14:47,118 con una maquina Eso parece asombrosamente humano. 312 00:14:47,219 --> 00:14:49,788 Fue lanzado por primera vez en 2018, 313 00:14:49,889 --> 00:14:53,859 pero fue una versión posterior que se convirtió en una sensación mundial 314 00:14:53,959 --> 00:14:56,161 a finales de 2022. 315 00:14:56,262 --> 00:14:58,897 Esto promete ser la sensación viral 316 00:14:58,998 --> 00:15:01,567 que podría restablecerse por completo cómo hacemos las cosas. 317 00:15:01,667 --> 00:15:03,568 Produciendo ensayos completos 318 00:15:03,669 --> 00:15:05,371 en cuestión de segundos. 319 00:15:05,471 --> 00:15:08,273 O'BRIEN (voz en off): No sólo sorprendió al público, también atrapó 320 00:15:08,374 --> 00:15:11,644 inteligencia artificial Innovadores con la guardia baja. 321 00:15:13,012 --> 00:15:15,014 YOSHUA BENGIO: Me sorprendió mucho 322 00:15:15,114 --> 00:15:17,082 que son capaces hacer cosas que 323 00:15:17,182 --> 00:15:20,585 no pensamos que pudieran hacer simplemente por 324 00:15:20,686 --> 00:15:24,823 aprendiendo a imitar cómo responden los humanos. 325 00:15:24,924 --> 00:15:28,393 Y pensé esto tipo de habilidades tomaría 326 00:15:28,494 --> 00:15:31,196 muchos años o décadas más. 327 00:15:31,297 --> 00:15:34,933 O'BRIEN (voz en off): ChatGPT es un gran modelo de lenguaje. 328 00:15:35,034 --> 00:15:39,170 Los LLM comienzan consumiendo masivamente cantidades de texto: 329 00:15:39,271 --> 00:15:41,206 libros, artículos y sitios web, 330 00:15:41,307 --> 00:15:44,109 que están disponibles públicamente en Internet. 331 00:15:44,209 --> 00:15:47,746 Al reconocer patrones en miles de millones de palabras, 332 00:15:47,846 --> 00:15:50,982 pueden hacer conjeturas en la siguiente palabra de una oración. 333 00:15:51,083 --> 00:15:54,252 Así es ChatGPT genera respuestas únicas 334 00:15:54,353 --> 00:15:56,388 a tus preguntas. 335 00:15:56,488 --> 00:15:58,957 Si pido un haiku sobre el cielo azul 336 00:15:59,058 --> 00:16:03,795 escribe algo Eso parece completamente original. 337 00:16:03,896 --> 00:16:05,697 KELLIS: Si eres bueno prediciendo 338 00:16:05,798 --> 00:16:07,633 esta siguiente palabra, 339 00:16:07,733 --> 00:16:09,668 significa que estás comprendiendo algo sobre la frase. 340 00:16:09,768 --> 00:16:12,370 cual es el estilo de la frase es, 341 00:16:12,471 --> 00:16:15,107 cual es el sentimiento de la frase es. 342 00:16:15,207 --> 00:16:18,643 Y no puedes decir si Este era un humano o una máquina. 343 00:16:18,744 --> 00:16:20,679 Esa es básicamente la definición. del test de Turing. 344 00:16:20,779 --> 00:16:24,516 O'BRIEN (voz en off): Entonces, ¿cómo está cambiando esto? nuestro mundo? 345 00:16:24,616 --> 00:16:28,220 Bueno, podría cambiar mi mundo. como un brazo amputado. 346 00:16:28,320 --> 00:16:30,255 Listo para mi casting, ¿verdad? 347 00:16:30,356 --> 00:16:31,556 MONROE (riendo entre dientes): Sí. 348 00:16:31,657 --> 00:16:33,358 Vamos a hacerlo. 349 00:16:31,657 --> 00:16:33,358 Está bien. 350 00:16:33,459 --> 00:16:35,160 O'BRIEN (voz en off): Ese es Brian Monroe de la Clínica Hanger. 351 00:16:35,260 --> 00:16:36,461 Ha sido mi protésico. 352 00:16:36,562 --> 00:16:39,398 desde una lesión tomó mi brazo por encima del codo 353 00:16:39,498 --> 00:16:41,166 hace diez años. 354 00:16:41,266 --> 00:16:43,702 Entonces, ¿qué vamos a hacer hoy? es tomar un molde de tu brazo. 355 00:16:41,266 --> 00:16:43,702 Ajá. 356 00:16:43,802 --> 00:16:46,104 Algo así es como un yeso para un hueso roto. 357 00:16:46,205 --> 00:16:50,175 O'BRIEN (voz en off): Hasta ahora he usado una prótesis impulsada por el cuerpo. 358 00:16:50,275 --> 00:16:53,312 Arnés y un cable me permiten para moverlo 359 00:16:53,412 --> 00:16:55,113 encogiéndome de hombros. 360 00:16:55,214 --> 00:16:59,250 La tecnología es más de un siglo de antigüedad. 361 00:16:59,351 --> 00:17:01,053 Pero la inteligencia artificial, 362 00:17:01,153 --> 00:17:03,855 junto con pequeños motores eléctricos, 363 00:17:03,956 --> 00:17:08,527 finalmente está impulsando las prótesis en el siglo XXI. 364 00:17:10,062 --> 00:17:12,164 Lo que me lleva a Chicago 365 00:17:12,264 --> 00:17:15,466 y las oficinas de una pequeña empresa llamada Coapt. 366 00:17:15,567 --> 00:17:18,470 Conocí al director ejecutivo, Blair Locke, 367 00:17:18,570 --> 00:17:22,341 un pionero en el impulso aplicar inteligencia artificial 368 00:17:22,441 --> 00:17:26,378 a miembros artificiales. 369 00:17:26,478 --> 00:17:28,814 Entonces, ¿qué tenemos aquí? ¿Qué vamos a hacer? 370 00:17:28,914 --> 00:17:31,884 Esto nos permite muy fácilmente prueba cómo sería tu control 371 00:17:31,984 --> 00:17:34,986 usando un brazalete bastante simple; esto tiene electrodos, 372 00:17:35,087 --> 00:17:36,922 y dejaremos que el poder de la electrónica 373 00:17:37,022 --> 00:17:38,490 que estan haciendo el aprendizaje automático 374 00:17:38,590 --> 00:17:40,626 mira de lo que eres capaz. 375 00:17:38,590 --> 00:17:40,626 Muy bien, intentémoslo. 376 00:17:40,726 --> 00:17:42,961 (voz en off): Como la mayoría de los amputados, 377 00:17:43,062 --> 00:17:47,032 Siento mi mano perdida casi como si todavía estuviera ahí... 378 00:17:47,132 --> 00:17:48,499 un fantasma. 379 00:17:48,600 --> 00:17:50,201 Todo se tocará. ¿Está bien? 380 00:17:50,302 --> 00:17:51,269 Sí. 381 00:17:50,302 --> 00:17:51,269 ¿No demasiado apretado? 382 00:17:51,370 --> 00:17:53,104 No. Todo bien. 383 00:17:51,370 --> 00:17:53,104 Bueno. 384 00:17:53,205 --> 00:17:55,307 O'BRIEN (voz en off): Está casi completamente inmóvil, atrapado en melaza. 385 00:17:55,407 --> 00:17:57,842 Cierre el puño, no demasiado fuerte. 386 00:17:57,943 --> 00:18:02,014 O'BRIEN (voz en off): Pero soy capaz de imaginar moviéndolo ligeramente. 387 00:18:02,114 --> 00:18:03,682 Y voy a tener que apretar en eso un poco más duro. 388 00:18:03,782 --> 00:18:06,417 Muy bien, y veo el patrón en la pantalla 389 00:18:06,518 --> 00:18:07,686 cambiar un poquito. 390 00:18:07,786 --> 00:18:09,254 O'BRIEN (voz en off): Y cuando lo hago, 391 00:18:09,354 --> 00:18:12,190 Genero una serie de débiles señales eléctricas en mi muñón. 392 00:18:12,291 --> 00:18:14,025 Esa es tu información muscular. 393 00:18:14,126 --> 00:18:15,893 se siente, se siente como si estuviera superando 394 00:18:15,994 --> 00:18:17,729 algo que está realmente estancado. 395 00:18:17,830 --> 00:18:19,230 no lo sé, ¿Es esa señal suficiente? 396 00:18:19,331 --> 00:18:21,165 Debería serlo. 397 00:18:19,331 --> 00:18:21,165 Ah, okey. 398 00:18:21,266 --> 00:18:22,400 No necesitamos mucha señal, 399 00:18:22,501 --> 00:18:23,735 vamos por informacion 400 00:18:23,836 --> 00:18:25,603 en la señal, no lo ruidoso que es. 401 00:18:25,704 --> 00:18:28,440 O'BRIEN (voz en off): Y aquí es donde lo artificial La inteligencia entra. 402 00:18:30,242 --> 00:18:33,445 Usando un virtual prótesis representada en una pantalla, 403 00:18:33,545 --> 00:18:37,182 Entrené una máquina de aprendizaje algoritmo para volverse fluido 404 00:18:37,282 --> 00:18:41,686 en el idioma de mis nervios y músculos. 405 00:18:41,787 --> 00:18:43,321 Vemos ocho señales diferentes. en la pantalla. 406 00:18:43,422 --> 00:18:45,757 Los ocho de esos sitios de sensores 407 00:18:45,858 --> 00:18:47,292 van a alimentarse juntos 408 00:18:47,392 --> 00:18:48,993 y deja que el algoritmo ordenar los datos. 409 00:18:49,094 --> 00:18:51,062 lo que estas experimentando 410 00:18:51,163 --> 00:18:53,698 es tu habilidad para enseñar el sistema 411 00:18:53,799 --> 00:18:55,534 lo que está cerrado a ti. 412 00:18:55,634 --> 00:18:57,536 y eso es diferente de lo que sería para mí. 413 00:18:57,636 --> 00:19:01,939 O'BRIEN (voz en off): Le dije al software qué movimiento deseaba, 414 00:19:02,040 --> 00:19:04,343 abrir, cerrar o rotar, 415 00:19:04,443 --> 00:19:08,480 luego se imaginó moviéndose mi miembro fantasma en consecuencia. 416 00:19:08,580 --> 00:19:10,682 Esto genera una matriz de electromiografía, 417 00:19:10,782 --> 00:19:13,551 o EMG, señales en mis músculos restantes. 418 00:19:13,652 --> 00:19:17,188 Estaba entrenando a la A.I. para conectar el patrón 419 00:19:17,289 --> 00:19:20,092 de estas señales eléctricas con un movimiento específico. 420 00:19:22,327 --> 00:19:23,562 BLOQUEO: El sistema se adapta, 421 00:19:23,662 --> 00:19:26,164 y a medida que agregas más datos y usarlo con el tiempo, 422 00:19:26,265 --> 00:19:28,166 se vuelve más robusto, 423 00:19:28,267 --> 00:19:31,970 y aprende para mejorar su uso. 424 00:19:32,070 --> 00:19:34,372 O'BRIEN: ¿Soy yo el que está aprendiendo o ¿El algoritmo que está aprendiendo? 425 00:19:34,473 --> 00:19:36,474 ¿O estamos aprendiendo juntos? 426 00:19:34,473 --> 00:19:36,474 BLOQUEO: Estáis aprendiendo juntos. 427 00:19:36,575 --> 00:19:37,609 Bueno. 428 00:19:39,111 --> 00:19:42,180 O'BRIEN (voz en off): Entonces, ¿cómo funciona el patrón Coapt? ¿Funciona el sistema de reconocimiento? 429 00:19:42,281 --> 00:19:47,052 se llama bayesiano modelo de clasificación. 430 00:19:47,152 --> 00:19:48,854 Mientras entreno el software, 431 00:19:48,954 --> 00:19:51,489 etiqueta mi varios patrones EMG 432 00:19:51,590 --> 00:19:54,192 en correspondiente clases de movimiento-- 433 00:19:54,293 --> 00:19:58,430 mano abierta, mano cerrada, rotación de la muñeca, por ejemplo. 434 00:19:58,530 --> 00:20:01,066 Mientras uso el brazo, 435 00:20:01,166 --> 00:20:03,735 compara la electricidad señales que estoy transmitiendo 436 00:20:03,835 --> 00:20:07,572 a la biblioteca existente de clasificaciones lo enseñé. 437 00:20:07,673 --> 00:20:10,541 se basa en probabilidad estadística 438 00:20:10,642 --> 00:20:13,378 para elegir la mejor combinación. 439 00:20:13,478 --> 00:20:15,380 Y esta es sólo una manera aprendizaje automático 440 00:20:15,480 --> 00:20:18,317 esta en silencio revolucionando la medicina. 441 00:20:21,119 --> 00:20:23,521 informático Regina Barzilay 442 00:20:23,622 --> 00:20:26,691 empezó a trabajar por primera vez inteligencia artificial 443 00:20:26,792 --> 00:20:31,062 en la década de 1990, al igual que IA basada en reglas como azul profundo 444 00:20:31,163 --> 00:20:33,564 estaba cediendo a las redes neuronales. 445 00:20:33,665 --> 00:20:35,700 Ella usó las técnicas 446 00:20:35,801 --> 00:20:37,669 para descifrar lenguas muertas. 447 00:20:37,769 --> 00:20:40,806 Podrías llamarlo un modelo de lenguaje pequeño. 448 00:20:40,906 --> 00:20:43,374 Algo que sea divertido y intelectualmente muy desafiante, 449 00:20:43,475 --> 00:20:45,510 pero no es como va a cambiar nuestra vida. 450 00:20:47,012 --> 00:20:49,714 O'BRIEN (voz en off): Y luego su vida cambió en un instante. 451 00:20:49,815 --> 00:20:52,417 CONSTANCIA LEHMAN: Vemos un lugar allí. 452 00:20:52,517 --> 00:20:55,954 O'BRIEN (voz en off): En 2014 le diagnosticaron con cáncer de mama. 453 00:20:56,054 --> 00:20:57,788 BARZILAY (voz en off): Cuando pasas por el tratamiento, 454 00:20:57,889 --> 00:20:59,024 hay muchos personas que están sufriendo. 455 00:20:59,124 --> 00:21:00,558 yo estaba interesado en 456 00:21:00,659 --> 00:21:03,795 qué puedo hacer al respecto y claramente no continuaba 457 00:21:03,895 --> 00:21:05,530 descifrando lenguas muertas, 458 00:21:05,631 --> 00:21:07,866 y fue todo un viaje. 459 00:21:07,966 --> 00:21:12,403 O'BRIEN (voz en off): No es sorprendente que ella comenzara así. viaje con mamografías. 460 00:21:12,504 --> 00:21:14,072 LEHMAN: es un poquito más prominente. 461 00:21:14,172 --> 00:21:15,873 O'BRIEN (voz en off): Ella y Constanza Lehman, 462 00:21:15,974 --> 00:21:19,878 un radiólogo en Hospital General de Massachussets, 463 00:21:19,978 --> 00:21:22,514 se dio cuenta del talón de Aquiles en el sistema de diagnóstico 464 00:21:22,614 --> 00:21:25,317 es el ojo humano. 465 00:21:25,417 --> 00:21:27,519 BARZILAY (voz en off): Entonces la pregunta que nos hacemos es, 466 00:21:27,619 --> 00:21:29,321 cual es la probabilidad de estos pacientes 467 00:21:29,421 --> 00:21:32,590 desarrollar cáncer ¿Dentro de los próximos cinco años? 468 00:21:32,691 --> 00:21:34,393 Nosotros, con nuestros ojos humanos, 469 00:21:34,493 --> 00:21:36,294 realmente no puedo hacer estos afirmaciones 470 00:21:36,395 --> 00:21:38,897 porque los patrones son tan sutiles. 471 00:21:38,997 --> 00:21:42,500 LEHMAN: Ahora bien, ¿eso es diferente? del tejido circundante? 472 00:21:42,601 --> 00:21:45,003 O'BRIEN (voz en off): Es un caso de uso perfecto para reconocimiento de patrones 473 00:21:45,103 --> 00:21:48,673 utilizando lo que se conoce como una red neuronal convolucional. 474 00:21:48,774 --> 00:21:50,509 ♪ ♪ 475 00:21:50,609 --> 00:21:53,845 Aquí hay un ejemplo de cómo las CNN se vuelven inteligentes: 476 00:21:53,945 --> 00:21:58,550 revisan una imagen con muchas lupas virtuales. 477 00:21:58,650 --> 00:22:01,953 Cada uno esta buscando un tipo específico de pieza de rompecabezas, 478 00:22:02,054 --> 00:22:04,556 como un borde, una forma o una textura. 479 00:22:04,656 --> 00:22:06,791 Entonces hace versiones simplificadas, 480 00:22:06,892 --> 00:22:10,428 repitiendo el proceso en secciones cada vez más grandes. 481 00:22:10,529 --> 00:22:13,130 Eventualmente El rompecabezas se puede montar. 482 00:22:13,231 --> 00:22:15,266 Y es hora de hacer una suposición. 483 00:22:15,367 --> 00:22:18,470 ¿Es un gato? ¿Un perro? ¿Un árbol? 484 00:22:18,570 --> 00:22:22,540 A veces la suposición es correcta, pero a veces está mal. 485 00:22:22,641 --> 00:22:24,809 Y aquí está la parte de aprendizaje: 486 00:22:24,910 --> 00:22:27,278 con un proceso llamada retropropagación, 487 00:22:27,379 --> 00:22:32,149 las imágenes etiquetadas se devuelven a corregir la operación anterior. 488 00:22:32,250 --> 00:22:34,819 Así que la próxima vez juega al juego de adivinanzas, 489 00:22:34,920 --> 00:22:36,855 será aún mejor. 490 00:22:36,955 --> 00:22:40,158 Para validar el modelo, Regina y su equipo se reunieron 491 00:22:40,258 --> 00:22:43,161 más de 128.000 mamografías 492 00:22:43,261 --> 00:22:46,398 recolectados en siete sitios en cuatro países. 493 00:22:46,498 --> 00:22:50,101 Más de 3.800 de ellos condujo a un diagnóstico de cáncer 494 00:22:50,202 --> 00:22:53,871 dentro de cinco años. 495 00:22:53,972 --> 00:22:55,707 Sólo le das la imagen, 496 00:22:55,807 --> 00:22:58,042 y luego los cinco años de resultados, 497 00:22:58,143 --> 00:23:02,347 y puede aprender la probabilidad de recibir un diagnóstico de cáncer. 498 00:23:02,447 --> 00:23:06,183 O'BRIEN (voz en off): El software, llamado Mirai, fue un éxito. 499 00:23:06,284 --> 00:23:10,454 De hecho, está entre 75% y 84% de precisión 500 00:23:10,555 --> 00:23:13,959 en predecir futuros diagnósticos de cáncer. 501 00:23:16,428 --> 00:23:21,032 Entonces, un amigo de Regina desarrolló cáncer de pulmón. 502 00:23:21,133 --> 00:23:22,734 SEQUISTO: En el cáncer de pulmón, en realidad es 503 00:23:22,834 --> 00:23:25,169 algo alucinante cuanto ha cambiado. 504 00:23:25,270 --> 00:23:28,573 O'BRIEN (voz en off): Su amiga vio al oncólogo. Lecia Sequist. 505 00:23:29,808 --> 00:23:30,908 Ella y Regina se preguntaron 506 00:23:31,009 --> 00:23:34,345 si la inteligencia artificial podría aplicarse 507 00:23:34,446 --> 00:23:36,680 a tomografías computarizadas de los pulmones de los pacientes. 508 00:23:36,782 --> 00:23:38,316 SEQUISTO: Enseñamos el modelo. 509 00:23:38,417 --> 00:23:42,654 para reconocer los patrones de desarrollar cáncer de pulmón 510 00:23:42,754 --> 00:23:45,356 mediante el uso de miles de tomografías computarizadas 511 00:23:45,457 --> 00:23:46,491 de pacientes que fueron participando 512 00:23:46,591 --> 00:23:47,792 en un ensayo clínico. 513 00:23:47,893 --> 00:23:49,960 ¿Del nuevo estudio? Ah, interesante. 514 00:23:47,893 --> 00:23:49,960 Correcto. 515 00:23:50,061 --> 00:23:52,063 SEQUIST (voz en off): Teníamos mucha información sobre ellos. 516 00:23:52,164 --> 00:23:53,732 Teníamos información demográfica, 517 00:23:53,832 --> 00:23:55,566 teníamos información de salud, 518 00:23:55,667 --> 00:23:57,201 y teníamos información de resultados. 519 00:23:57,302 --> 00:24:00,305 O'BRIEN (voz en off): Llaman al modelo Sibila. 520 00:24:00,405 --> 00:24:01,706 En el estudio retrospectivo, cierto, 521 00:24:01,807 --> 00:24:03,308 entonces los datos retrospectivos... 522 00:24:03,408 --> 00:24:04,842 O'BRIEN (voz en off): Radiólogo Florian Fintelmann 523 00:24:04,943 --> 00:24:06,811 Me mostró lo que puede hacer. 524 00:24:06,912 --> 00:24:09,948 FINTELMANN: Esto es antes, y esto es más tarde. 525 00:24:10,048 --> 00:24:11,649 no hay nada 526 00:24:11,750 --> 00:24:14,986 que puedo percibir, recoger, o describir. 527 00:24:15,086 --> 00:24:17,556 No hay, lo que llamamos, una lesión precursora 528 00:24:17,656 --> 00:24:18,690 en esta tomografía computarizada. 529 00:24:18,790 --> 00:24:20,258 Sibila miró aquí 530 00:24:20,358 --> 00:24:22,460 y luego anticipó que habría un problema 531 00:24:22,561 --> 00:24:25,130 basado en la exploración de referencia. 532 00:24:22,561 --> 00:24:25,130 ¿Qué está viendo? 533 00:24:25,230 --> 00:24:26,764 Ese es el millón de dólares pregunta. 534 00:24:26,865 --> 00:24:28,967 Y, y tal vez no La pregunta del millón. 535 00:24:29,067 --> 00:24:31,402 ¿Realmente importa? ¿Lo hace? 536 00:24:31,503 --> 00:24:33,771 O'BRIEN (voz en off): Cuando compararon las predicciones 537 00:24:33,872 --> 00:24:38,142 a los resultados reales de anteriores En algunos casos, a Sybil le fue bien. 538 00:24:38,243 --> 00:24:40,444 Predice correctamente el cáncer 539 00:24:40,545 --> 00:24:43,414 entre el 80% y el 95% del tiempo, 540 00:24:43,515 --> 00:24:46,318 dependiendo de la poblacion estudió. 541 00:24:46,418 --> 00:24:49,020 La técnica es aún en fase de prueba. 542 00:24:49,120 --> 00:24:51,055 Pero una vez que se implementa, 543 00:24:51,156 --> 00:24:54,793 podría proporcionar una potente herramienta de prevención. 544 00:24:57,562 --> 00:24:59,964 La esperanza es que si puede predecir muy temprano 545 00:24:59,964 --> 00:25:02,433 que el paciente está en el camino equivocado, 546 00:25:02,433 --> 00:25:05,270 puedes hacer ensayos clínicos, puedes desarrollar las drogas 547 00:25:05,270 --> 00:25:10,074 que están haciendo la prevención, en lugar de tratamiento 548 00:25:10,074 --> 00:25:12,644 de enfermedad muy avanzada que estamos haciendo hoy. 549 00:25:13,978 --> 00:25:17,282 O'BRIEN (voz en off): Lo que nos lleva de regreso a DeepMind y AlphaGo. 550 00:25:17,282 --> 00:25:19,717 la diversion y los juegos fueron solo el comienzo, 551 00:25:19,717 --> 00:25:22,287 un medio para un fin. 552 00:25:22,287 --> 00:25:25,890 Siempre nos hemos propuesto en mente profunda 553 00:25:25,890 --> 00:25:29,460 para, um, usar nuestras tecnologías para hacer del mundo un lugar mejor. 554 00:25:29,460 --> 00:25:32,397 O'BRIEN (voz en off): En 2021, 555 00:25:32,397 --> 00:25:34,399 la compañía lanzó AlphaFold. 556 00:25:34,399 --> 00:25:36,734 es patrón software de reconocimiento 557 00:25:36,734 --> 00:25:39,070 diseñado para hacer es más fácil para los investigadores 558 00:25:39,070 --> 00:25:40,805 para entender las proteínas, 559 00:25:40,805 --> 00:25:44,108 largas cadenas de aminoácidos 560 00:25:44,108 --> 00:25:46,177 involucrado en casi cada función de nuestro cuerpo. 561 00:25:46,177 --> 00:25:48,079 Cómo se pliega una proteína 562 00:25:48,079 --> 00:25:50,481 en un específico, forma tridimensional 563 00:25:50,481 --> 00:25:55,153 determina cómo interactúa con otras moléculas. 564 00:25:55,153 --> 00:25:57,021 SOLEIMÁN: Existe esta correlación entre 565 00:25:57,021 --> 00:26:00,258 ¿Qué hace la proteína? y cómo está estructurado. 566 00:26:00,258 --> 00:26:03,761 Entonces si podemos predecir cómo se pliega la proteína, 567 00:26:03,761 --> 00:26:06,331 entonces di algo sobre su función. 568 00:26:06,331 --> 00:26:09,734 O'BRIEN: Si sabemos cómo se desarrolla una enfermedad La proteína tiene forma o se pliega. 569 00:26:09,734 --> 00:26:13,671 a veces podemos crear un medicamento para desactivarlo. 570 00:26:13,671 --> 00:26:17,775 Pero la forma de millones de las proteínas seguía siendo un misterio. 571 00:26:17,775 --> 00:26:20,311 AlphaFold entrenado con DeepMind 572 00:26:20,311 --> 00:26:23,314 en miles de estructuras proteicas conocidas. 573 00:26:23,314 --> 00:26:25,583 Aprovechó este conocimiento predecir 574 00:26:25,583 --> 00:26:28,252 200 millones estructuras proteicas, 575 00:26:28,252 --> 00:26:32,757 casi todas las proteínas conocido por la ciencia. 576 00:26:32,757 --> 00:26:35,460 SOLEIMÁN: Tomas algo de alta calidad. datos conocidos, 577 00:26:35,460 --> 00:26:38,730 y lo usas para, ya sabes, 578 00:26:38,730 --> 00:26:42,800 hacer una predicción sobre cómo un dato similar 579 00:26:42,800 --> 00:26:45,103 es probable que se desarrolle a lo largo de algunas series de tiempo, 580 00:26:45,103 --> 00:26:47,171 y la estructura de proteínas es, 581 00:26:47,171 --> 00:26:49,374 ya sabes, en ese sentido, no es diferente a 582 00:26:49,374 --> 00:26:52,543 haciendo una predicción en el juego de Go o en Atari 583 00:26:52,543 --> 00:26:54,278 o en una mamografía, 584 00:26:54,278 --> 00:26:56,814 o de hecho, en un modelo de lenguaje grande. 585 00:26:56,814 --> 00:26:58,349 KAMYA: ¿Estos palitos delgados aquí? 586 00:26:58,349 --> 00:27:00,718 ¿Sí? 587 00:26:58,349 --> 00:27:00,718 ellos representan los aminoácidos 588 00:27:00,718 --> 00:27:02,253 que forman una proteína. 589 00:27:02,253 --> 00:27:03,421 O'BRIEN (voz en off): químico teórico 590 00:27:03,421 --> 00:27:06,224 Petrina Kamya trabaja para una empresa llamada 591 00:27:06,224 --> 00:27:08,292 Medicina Insílica. 592 00:27:08,292 --> 00:27:10,094 Utiliza AlphaFold 593 00:27:10,094 --> 00:27:12,163 y su propio modelos de aprendizaje profundo 594 00:27:12,163 --> 00:27:17,502 para hacer predicciones precisas sobre estructuras proteicas. 595 00:27:17,502 --> 00:27:19,737 Qué estamos haciendo en el diseño de fármacos es que estamos diseñando una molécula 596 00:27:19,737 --> 00:27:22,940 eso es analogo a la molécula natural 597 00:27:22,940 --> 00:27:24,142 que se une a la proteína, 598 00:27:24,142 --> 00:27:25,943 pero en lugar de eso lo bloqueará, si esta molecula 599 00:27:25,943 --> 00:27:28,513 está involucrado en una enfermedad donde es hiperactivo. 600 00:27:29,514 --> 00:27:31,315 O'BRIEN (voz en off): Si la molécula encaja bien, 601 00:27:31,315 --> 00:27:34,252 puede inhibir el Proteínas que causan enfermedades. 602 00:27:34,252 --> 00:27:35,787 Así que eres filtrándolo 603 00:27:35,787 --> 00:27:38,322 como si estuvieras eligiendo un Airbnb o algo así, 604 00:27:38,322 --> 00:27:40,291 ya sabes, número de dormitorios, lo que sea. 605 00:27:38,322 --> 00:27:40,291 Para satisfacer sus necesidades. 606 00:27:40,291 --> 00:27:41,459 (risas) 607 00:27:40,291 --> 00:27:41,459 Exacto, cierto. 608 00:27:41,459 --> 00:27:43,094 Bien, sí. 609 00:27:41,459 --> 00:27:43,094 Esa es una muy buena analogía. 610 00:27:43,094 --> 00:27:44,962 Es algo así como Airbnb. 611 00:27:44,962 --> 00:27:47,031 Así que estás poniendo tu criterio, 612 00:27:47,031 --> 00:27:48,666 y luego Airbnb filtrar 613 00:27:48,666 --> 00:27:49,901 todos los diferentes propiedades 614 00:27:49,901 --> 00:27:51,102 en base a tus criterios. 615 00:27:51,102 --> 00:27:52,437 Entonces puedes ser muy, muy restrictivo 616 00:27:52,437 --> 00:27:53,838 o puedes ser muy, muy gratis... 617 00:27:52,437 --> 00:27:53,838 Correcto. 618 00:27:53,838 --> 00:27:56,140 En términos de guiar el algoritmos generativos 619 00:27:56,140 --> 00:27:57,542 y diciéndoles ¿Qué tipos de moléculas? 620 00:27:57,542 --> 00:27:59,277 quieres que generen. 621 00:27:59,277 --> 00:28:04,282 O'BRIEN (voz en off): Tardará entre 48 y 72 horas. de tiempo de computación 622 00:28:04,282 --> 00:28:07,618 para identificar lo mejor candidatos clasificados en orden. 623 00:28:07,618 --> 00:28:09,120 ¿Cuánto tiempo duraría? te he llevado 624 00:28:09,120 --> 00:28:12,056 para descubrir eso como químico computacional? 625 00:28:12,056 --> 00:28:13,658 hubiera pensado en algunos de estos, 626 00:28:13,658 --> 00:28:14,693 pero no todos. 627 00:28:13,658 --> 00:28:14,693 Bueno. 628 00:28:16,061 --> 00:28:18,563 O'BRIEN (voz en off): Si bien no hay atajos para ensayos en humanos, 629 00:28:18,563 --> 00:28:20,665 ni deberíamos esperar eso, 630 00:28:20,665 --> 00:28:25,070 esto podría acelerar enormemente la línea de desarrollo de fármacos. 631 00:28:26,471 --> 00:28:28,272 No habrá necesidad invertir tanto 632 00:28:28,272 --> 00:28:30,475 en descubrimiento preclínico, 633 00:28:30,475 --> 00:28:34,078 y así, Por lo tanto, los medicamentos pueden ser más baratos. 634 00:28:34,078 --> 00:28:35,780 y puedes ir despues de esas enfermedades 635 00:28:35,780 --> 00:28:38,549 que son de lo contrario descuidado, 636 00:28:38,549 --> 00:28:40,251 porque no tienes invertir tanto 637 00:28:40,251 --> 00:28:41,419 para ti idear una droga, 638 00:28:41,419 --> 00:28:43,654 un fármaco viable. 639 00:28:43,654 --> 00:28:45,757 O'BRIEN (voz en off): Pero la medicina no lo es el único lugar 640 00:28:45,757 --> 00:28:48,025 donde A.I. se está rompiendo nuevas fronteras. 641 00:28:48,025 --> 00:28:51,395 esta conduciendo análisis financiero, 642 00:28:51,395 --> 00:28:54,198 ayuda con la detección de fraude. 643 00:28:54,198 --> 00:28:55,666 (zumbido mecánico) 644 00:28:55,666 --> 00:28:58,970 Ahora se está implementando para descubrir materiales novedosos 645 00:28:58,970 --> 00:29:03,374 y podría ayudarnos a construir tecnología de energía limpia. 646 00:29:03,374 --> 00:29:07,845 E incluso está ayudando para salvar vidas 647 00:29:07,845 --> 00:29:09,748 como la crisis climática hierve. 648 00:29:10,982 --> 00:29:12,550 (charla de radio confusa) 649 00:29:12,550 --> 00:29:13,918 En Santa Elena, California, 650 00:29:13,918 --> 00:29:15,253 despachadores en el 651 00:29:15,253 --> 00:29:18,923 CAL FIRE Sonoma-Lago-Napa Centro de comando 652 00:29:18,923 --> 00:29:21,392 tomó un descanso en 2023. 653 00:29:21,392 --> 00:29:27,064 Los incendios forestales ennegrecieron casi 700 acres de su territorio. 654 00:29:27,064 --> 00:29:29,234 Estábamos en 400.000 acres en 2020. 655 00:29:30,501 --> 00:29:32,270 Algo así sería generar una respuesta de nuestra parte... 656 00:29:32,270 --> 00:29:35,473 O'BRIEN (voz en off): El jefe Mike Marcucci tiene estado combatiendo incendios 657 00:29:35,473 --> 00:29:37,508 durante más de 30 años. 658 00:29:37,508 --> 00:29:39,644 MARCUCCI (voz en off): Una vez que empezamos a tener Estos incendios devastadores, 659 00:29:39,644 --> 00:29:40,745 necesitábamos más información. 660 00:29:40,745 --> 00:29:42,547 La necesidad de inteligencia 661 00:29:42,547 --> 00:29:45,183 es simplemente abrumador en el servicio de bomberos de hoy. 662 00:29:46,384 --> 00:29:48,186 O'BRIEN (voz en off): Durante los últimos 20 años, 663 00:29:48,186 --> 00:29:50,154 California ha instalado una red 664 00:29:50,154 --> 00:29:52,356 de más de 1.000 operados remotamente 665 00:29:52,356 --> 00:29:56,628 vigilancia panorámica, inclinable y con zoom cámaras en las cimas de las montañas. 666 00:29:57,995 --> 00:29:59,998 PETE AVANSINO: fuego de vegetación, Carretera 29 en Doton Road. 667 00:30:01,833 --> 00:30:04,936 O'BRIEN (voz en off): Todas esas cámaras generan petabytes de vídeo. 668 00:30:05,970 --> 00:30:08,840 CAL FIRE se asoció con científicos de la U.C. san diego 669 00:30:08,840 --> 00:30:10,775 entrenar una red neuronal 670 00:30:10,775 --> 00:30:13,211 para detectar los primeros signos de problemas. 671 00:30:13,211 --> 00:30:16,514 se llama ALERTA California. 672 00:30:16,514 --> 00:30:18,149 SeLEGUE: Así que aquí hay uno eso acaba de aparecer. 673 00:30:18,149 --> 00:30:20,184 Aquí hay una anomalía. 674 00:30:20,184 --> 00:30:24,188 O'BRIEN (voz en off): Jefe de personal de bomberos de CAL FIRE e Inteligencia Philip SeLegue 675 00:30:24,188 --> 00:30:27,558 me mostró cómo funciona mientras estaba en acción, 676 00:30:27,558 --> 00:30:29,460 detectar incendios incipientes, 677 00:30:29,460 --> 00:30:31,829 microfuegos. 678 00:30:31,829 --> 00:30:33,297 eso parece solo una pequeña pista 679 00:30:33,297 --> 00:30:35,766 de algun tipo de humo eso estaba ahí... 680 00:30:35,766 --> 00:30:37,468 O'BRIEN (voz en off): En base a esto, los despachadores pueden orquestar 681 00:30:37,468 --> 00:30:39,103 una respuesta rápida. 682 00:30:40,771 --> 00:30:45,543 AI. nos ha dado la capacidad detectar y ver 683 00:30:45,543 --> 00:30:47,378 donde esos incendios están empezando. 684 00:30:47,378 --> 00:30:50,147 AVANSINO: Transporte 1447 respondiendo a través de MDC. 685 00:30:50,147 --> 00:30:51,582 O'BRIEN (voz en off): Por lo que saben, 686 00:30:51,582 --> 00:30:55,019 ellos han pellizcado algunos megaincendios de raíz. 687 00:30:55,019 --> 00:30:56,254 El éxito son los incendios. 688 00:30:56,254 --> 00:30:57,889 que no escuchas sobre en las noticias. 689 00:30:57,889 --> 00:31:00,258 O'BRIEN (voz en off): Inteligencia artificial 690 00:31:00,258 --> 00:31:02,894 no puedo apagar incendios forestales por el momento. 691 00:31:02,894 --> 00:31:06,831 Bomberos humanos Todavía necesito hacer ese trabajo. 692 00:31:08,366 --> 00:31:10,601 Pero los investigadores están presionando mucho 693 00:31:10,601 --> 00:31:12,703 combinar redes neuronales 694 00:31:12,703 --> 00:31:15,306 con movilidad y destreza. 695 00:31:16,774 --> 00:31:18,409 Aquí es donde la gente ponerse nervioso. 696 00:31:18,409 --> 00:31:20,144 ¿Nos quitarán nuestros trabajos? 697 00:31:20,144 --> 00:31:22,146 ¿O podrían volverse contra nosotros? 698 00:31:23,114 --> 00:31:24,782 Pero en el MIT, 699 00:31:24,782 --> 00:31:27,451 están explorando ideas hacer robots 700 00:31:27,451 --> 00:31:29,120 buenos compañeros humanos. 701 00:31:30,922 --> 00:31:32,924 estamos interesados en hacer maquinas 702 00:31:32,924 --> 00:31:35,660 que ayudan a las personas con Tareas físicas y cognitivas. 703 00:31:35,660 --> 00:31:37,295 Así que esto es realmente genial, 704 00:31:37,295 --> 00:31:40,298 tiene la rigidez que queríamos... 705 00:31:40,298 --> 00:31:43,100 O'BRIEN (voz en off): Daniela Rus es directora de Ciencias de la Computación del MIT 706 00:31:43,100 --> 00:31:46,170 y Laboratorio de Inteligencia Artificial. 707 00:31:46,170 --> 00:31:47,171 Oh, ¿puedes ¿me lo traes? 708 00:31:47,171 --> 00:31:49,040 O'BRIEN (voz en off): CSAIL. 709 00:31:49,040 --> 00:31:51,108 Son diferentes, como, algo así como músculos 710 00:31:51,108 --> 00:31:52,510 o actuadores. 711 00:31:52,510 --> 00:31:54,111 RUS (voz en off): Podemos hacer mucho más 712 00:31:54,111 --> 00:31:57,115 cuando tengamos personas y máquinas trabajando juntos. 713 00:31:58,282 --> 00:31:59,583 Podemos conseguir un mejor alcance. 714 00:31:59,583 --> 00:32:00,584 Podemos conseguir ascensor, 715 00:32:00,584 --> 00:32:03,754 precisión, fuerza, visión. 716 00:32:03,754 --> 00:32:05,456 Todos estos son superpoderes fisicos 717 00:32:05,456 --> 00:32:06,624 podemos conseguir a través de máquinas. 718 00:32:08,025 --> 00:32:09,060 O'BRIEN (voz en off): Entonces, se están enfocando 719 00:32:09,060 --> 00:32:10,628 sobre hacerlo seguro para los humanos 720 00:32:10,628 --> 00:32:13,864 trabajar muy cerca a las máquinas. 721 00:32:13,864 --> 00:32:16,734 Están usando algunos de la tecnología que hay dentro 722 00:32:16,734 --> 00:32:18,169 mi brazo protésico. 723 00:32:18,169 --> 00:32:20,237 Electrodos que puede leer 724 00:32:20,237 --> 00:32:22,673 el desmayo Señales EMG generadas 725 00:32:22,673 --> 00:32:24,008 como mandan nuestros nervios 726 00:32:24,008 --> 00:32:25,476 nuestros músculos para moverse. 727 00:32:27,878 --> 00:32:30,581 Tienen la capacidad de interactuar con un humano, 728 00:32:30,581 --> 00:32:31,949 para entender al ser humano, 729 00:32:31,949 --> 00:32:34,618 para intervenir y ayudar al ser humano según sea necesario. 730 00:32:34,618 --> 00:32:38,489 Estoy a tu disposición con 187 otros idiomas, 731 00:32:38,489 --> 00:32:40,157 junto con sus diversos 732 00:32:40,157 --> 00:32:41,993 dialectos y sublenguas. 733 00:32:41,993 --> 00:32:44,161 O'BRIEN (voz en off): Pero hacer que los robots sean tan útiles 734 00:32:44,161 --> 00:32:46,964 como estan en las peliculas es un gran desafío. 735 00:32:46,964 --> 00:32:48,766 ♪ ♪ 736 00:32:48,766 --> 00:32:52,470 La mayoría de las redes neuronales funcionan poderosas supercomputadoras 737 00:32:52,470 --> 00:32:56,774 miles de procesadores ocupando edificios enteros. 738 00:32:58,309 --> 00:33:00,011 Rusia: Tenemos cerebros que requieren 739 00:33:00,011 --> 00:33:03,848 cálculo masivo, que no puedes incluir 740 00:33:03,848 --> 00:33:06,417 en un cuerpo autónomo. 741 00:33:06,417 --> 00:33:09,754 Nos dirigimos el desafío del tamaño por 742 00:33:09,754 --> 00:33:11,522 haciendo redes líquidas. 743 00:33:11,522 --> 00:33:13,524 O'BRIEN (voz en off): Redes líquidas. 744 00:33:13,524 --> 00:33:15,026 Entonces parece un vehículo autónomo 745 00:33:15,026 --> 00:33:16,260 como lo he visto antes, 746 00:33:16,260 --> 00:33:17,595 pero es un poco diferente, ¿verdad? 747 00:33:17,595 --> 00:33:18,963 ALEJANDRO AMINI: Muy diferente. 748 00:33:18,963 --> 00:33:20,297 Este es un vehículo autónomo 749 00:33:20,297 --> 00:33:21,832 que puede conducir entornos completamente nuevos 750 00:33:21,832 --> 00:33:24,469 que nunca ha visto antes por primera vez. 751 00:33:25,603 --> 00:33:27,705 O'BRIEN (voz en off): La mayoría de los coches autónomos hoy confiamos, 752 00:33:27,705 --> 00:33:30,608 hasta cierto punto, en bases de datos detalladas 753 00:33:30,608 --> 00:33:33,511 que les ayuden a reconocer su entorno inmediato. 754 00:33:33,511 --> 00:33:38,316 Esos coches robot se pierden en terreno desconocido. 755 00:33:39,750 --> 00:33:42,053 O'BRIEN: En este caso, no estás confiando en 756 00:33:42,053 --> 00:33:44,889 un enorme, expansivo red neuronal. 757 00:33:44,889 --> 00:33:46,390 Estas corriendo 19 neuronas, ¿verdad? 758 00:33:46,390 --> 00:33:48,392 Correcto. 759 00:33:48,392 --> 00:33:50,361 O'BRIEN (voz en off): informático Alejandro Amini 760 00:33:50,361 --> 00:33:53,664 me llevó a dar un paseo en un vehículo autónomo 761 00:33:53,664 --> 00:33:57,268 con un líquido neural cerebro en red. 762 00:33:57,268 --> 00:33:59,403 AMINÍ: Nos hemos acostumbrado mucho a confiar en 763 00:33:59,403 --> 00:34:02,073 Grandes y gigantescos centros de datos. y computación en la nube. 764 00:34:02,073 --> 00:34:03,674 Pero en un vehículo autónomo, 765 00:34:03,674 --> 00:34:05,242 no puedes hacer tales suposiciones, ¿verdad? 766 00:34:05,242 --> 00:34:06,811 Necesitas poder operar, 767 00:34:06,811 --> 00:34:08,679 incluso si pierdes conectividad a internet 768 00:34:08,679 --> 00:34:11,182 y no puedes hablar más con la nube, 769 00:34:11,182 --> 00:34:12,750 toda tu red neuronal, 770 00:34:12,750 --> 00:34:15,019 el cerebro del coche, necesita vivir en el coche, 771 00:34:15,019 --> 00:34:17,789 y eso impone mucho de restricciones interesantes. 772 00:34:18,956 --> 00:34:20,357 O'BRIEN (voz en off): Para construir un cerebro lo suficientemente inteligente 773 00:34:20,357 --> 00:34:22,326 y lo suficientemente pequeño como para haz este trabajo, 774 00:34:22,326 --> 00:34:25,129 se inspiraron un poco de la naturaleza, 775 00:34:25,129 --> 00:34:29,333 un humilde gusano llamado C. elegans. 776 00:34:29,333 --> 00:34:32,636 Su cerebro contiene todos 300 neuronas, 777 00:34:32,636 --> 00:34:35,106 pero es muy diferente tipo de neurona. 778 00:34:37,141 --> 00:34:38,642 Puede capturar comportamientos más complejos 779 00:34:38,642 --> 00:34:40,177 en cada pieza de ese rompecabezas. 780 00:34:40,177 --> 00:34:41,378 Y también el cableado, 781 00:34:41,378 --> 00:34:43,814 cómo habla una neurona otra neurona 782 00:34:43,814 --> 00:34:45,683 es completamente diferente que lo que vemos 783 00:34:45,683 --> 00:34:47,385 en la actualidad redes neuronales. 784 00:34:48,819 --> 00:34:52,256 O'BRIEN (voz en off): Coches autónomos que tocan en las redes neuronales actuales 785 00:34:52,256 --> 00:34:55,993 requieren enormes cantidades de potencia de cálculo en la nube. 786 00:34:57,528 --> 00:35:00,331 Pero este auto está usando sólo 19 neuronas líquidas. 787 00:35:01,465 --> 00:35:04,568 Un gusano al volante... algo así. 788 00:35:04,568 --> 00:35:05,970 AMINI (voz en off): La IA de hoy modelos 789 00:35:05,970 --> 00:35:07,671 son realmente empujando los límites 790 00:35:07,671 --> 00:35:10,274 de la escala de computación que tenemos. 791 00:35:10,274 --> 00:35:12,076 También están presionando los límites 792 00:35:12,076 --> 00:35:13,410 de los conjuntos de datos que tenemos. 793 00:35:13,410 --> 00:35:14,945 Y eso no es sostenible, 794 00:35:14,945 --> 00:35:16,881 porque en definitiva, Necesitamos implementar A.I. 795 00:35:16,881 --> 00:35:18,482 en el propio dispositivo, ¿verdad? 796 00:35:18,482 --> 00:35:20,751 En los autos, sobre los robots quirúrgicos. 797 00:35:20,751 --> 00:35:22,353 Todos estos dispositivos de borde 798 00:35:22,353 --> 00:35:25,723 eso realmente hace las decisiones. 799 00:35:25,723 --> 00:35:28,359 O'BRIEN (voz en off): La IA De hecho, el gusano puede 800 00:35:28,359 --> 00:35:29,660 girar. 801 00:35:32,496 --> 00:35:33,831 La portabilidad de inteligencia artificial 802 00:35:33,831 --> 00:35:37,101 estaba en mi mente cuando llegó el momento 803 00:35:37,101 --> 00:35:40,838 recoger mi nuevo brazo mioeléctrico... 804 00:35:40,838 --> 00:35:43,841 equipado con Coaptado A.I. reconocimiento de patrones. 805 00:35:43,841 --> 00:35:45,676 Muy bien, simplemente revisemos esto 806 00:35:45,676 --> 00:35:47,144 muy rápido... 807 00:35:47,144 --> 00:35:48,512 O'BRIEN (voz en off): Unas semanas después 808 00:35:48,512 --> 00:35:49,847 mi viaje a chicago, 809 00:35:49,847 --> 00:35:51,282 Conocí a Brian Monroe. 810 00:35:51,282 --> 00:35:55,019 en la oficina de su casa fuera de Washington, D.C. 811 00:35:55,019 --> 00:35:57,188 ¿Estás contento con ¿Cómo salió? 812 00:35:55,019 --> 00:35:57,188 Sí. 813 00:35:57,188 --> 00:35:59,156 ¿Quieres dime lo contrario? 814 00:35:59,156 --> 00:36:01,959 (riendo): Sí, lo haría, sí... 815 00:36:03,093 --> 00:36:04,395 O'BRIEN (voz en off): Como de costumbre, 816 00:36:04,395 --> 00:36:07,165 hizo un gran trabajo haciendo un encaje apretado. 817 00:36:08,532 --> 00:36:10,201 ¿Cómo se siente el encaje? ¿Se siente como 818 00:36:10,201 --> 00:36:11,735 se está deslizando hacia abajo o 819 00:36:11,735 --> 00:36:14,172 cayendo... 820 00:36:11,735 --> 00:36:14,172 No, me queda como un guante. 821 00:36:15,306 --> 00:36:16,874 O'BRIEN (voz en off): Es realmente importante en este caso, 822 00:36:16,874 --> 00:36:20,211 porque los electrodos diseñados para leer las señales 823 00:36:20,211 --> 00:36:22,580 de mis músculos... 824 00:36:22,580 --> 00:36:24,248 ...tiene que permanecer en su lugar cómodamente 825 00:36:24,248 --> 00:36:28,252 para generar comandos precisos y confiables 826 00:36:28,252 --> 00:36:29,887 a los actuadores en mi nueva mano. 827 00:36:31,522 --> 00:36:33,191 Espera, ¿eres tú? 828 00:36:31,522 --> 00:36:33,191 Ese soy yo. 829 00:36:35,059 --> 00:36:37,361 (voz en off): También me proporcionó 830 00:36:37,361 --> 00:36:39,363 una mano biónica parecida a la humana. 831 00:36:40,631 --> 00:36:42,399 pero conseguirlo para trabajar bien 832 00:36:42,399 --> 00:36:44,335 tomó algo de tiempo. 833 00:36:44,335 --> 00:36:46,570 Eso está abierto y se está cerrando. 834 00:36:46,570 --> 00:36:47,771 ¿Está al revés? 835 00:36:47,771 --> 00:36:49,173 Sí. 836 00:36:47,771 --> 00:36:49,173 Ahora inténtalo. 837 00:36:49,173 --> 00:36:50,541 Si es al revés, 838 00:36:50,541 --> 00:36:51,976 Puedo cambiar los electrodos. 839 00:36:50,541 --> 00:36:51,976 Ahí vamos. 840 00:36:51,976 --> 00:36:53,978 Eso es todo. 841 00:36:51,976 --> 00:36:53,978 ¿Es la dirección correcta? 842 00:36:53,978 --> 00:36:55,346 Sí. 843 00:36:53,978 --> 00:36:55,346 Ajá. Bueno. 844 00:36:55,346 --> 00:36:58,782 O'BRIEN (voz en off): Está muy lejos del cine, 845 00:36:58,782 --> 00:37:00,317 y yo no soy Luke Skywalker. 846 00:37:00,317 --> 00:37:04,288 Pero mi nuevo brazo y yo ahora están juntos. 847 00:37:04,288 --> 00:37:05,990 Y estoy animado saber 848 00:37:05,990 --> 00:37:07,625 que tengo la libertad e independencia 849 00:37:07,625 --> 00:37:09,093 para enseñarlo y modificarlo 850 00:37:09,093 --> 00:37:10,127 por mi cuenta. 851 00:37:10,127 --> 00:37:11,695 Eso es genial. 852 00:37:10,127 --> 00:37:11,695 Sí. 853 00:37:11,695 --> 00:37:14,231 (voz en off): Ojalá escuchemos unos a otros. 854 00:37:14,231 --> 00:37:15,733 Es bastante impresionante. 855 00:37:15,733 --> 00:37:17,434 O'BRIEN (voz en off): Pero es posible que queramos escuchar 856 00:37:17,434 --> 00:37:19,503 con oído escéptico. 857 00:37:20,738 --> 00:37:24,275 JORDAN PEELE (imitando a Obama): Verás, yo nunca lo haría decir estas cosas, 858 00:37:24,275 --> 00:37:26,810 al menos no en una dirección pública, 859 00:37:26,810 --> 00:37:28,746 pero alguien más lo haría. 860 00:37:28,746 --> 00:37:31,082 Alguien como Jordan Peele. 861 00:37:32,750 --> 00:37:34,885 Este es un momento peligroso. 862 00:37:34,885 --> 00:37:38,188 O'BRIEN (voz en off): Es aún más peligroso ahora que en 2018 863 00:37:38,188 --> 00:37:40,324 cuando el comediante Jordan Peele 864 00:37:40,324 --> 00:37:43,394 combinó su tono perfecto Impresión de Obama 865 00:37:43,394 --> 00:37:49,233 con IA software para hacer este convincente vídeo falso. 866 00:37:49,233 --> 00:37:52,169 ...o si nos convertimos en algo una especie de (bip) distopía. 867 00:37:52,169 --> 00:37:54,171 ♪ ♪ 868 00:37:54,171 --> 00:37:56,240 O'BRIEN (voz en off): Las falsificaciones son tan antiguas como 869 00:37:56,240 --> 00:37:58,208 la fotografía misma. 870 00:37:58,208 --> 00:38:01,578 Mussolini, Hitler, y estalin 871 00:38:01,578 --> 00:38:04,648 todos ordenaron que las fotos fueran manipulado o redactado, 872 00:38:04,648 --> 00:38:08,052 borrando esos que cayó en desgracia, 873 00:38:08,052 --> 00:38:10,187 consolidar el poder, 874 00:38:10,187 --> 00:38:13,290 manipulando a sus seguidores a través de imágenes. 875 00:38:13,290 --> 00:38:14,558 HANY FARID: Siempre han sido manipulados 876 00:38:14,558 --> 00:38:16,960 a lo largo de la historia, pero-- 877 00:38:16,960 --> 00:38:19,229 había literalmente, puedes contar con una mano, 878 00:38:19,229 --> 00:38:20,798 el número de personas en el mundo quién podría hacer esto. 879 00:38:20,798 --> 00:38:23,133 Pero ahora, casi no necesitas habilidad. 880 00:38:23,133 --> 00:38:24,868 Y dijimos, "Danos una imagen 881 00:38:24,868 --> 00:38:26,070 "de una mujer de mediana edad, presentador de noticias, 882 00:38:26,070 --> 00:38:27,805 sentada en su escritorio, leyendo las noticias." 883 00:38:27,805 --> 00:38:30,074 O'BRIEN (voz en off): Hany Farid es profesor de informática 884 00:38:30,074 --> 00:38:32,009 en la U.C. Berkeley. 885 00:38:32,009 --> 00:38:34,311 (en la computadora): Y esta es tu dosis diaria del futuro flash. 886 00:38:34,311 --> 00:38:35,579 O'BRIEN (voz en off): él y su equipo 887 00:38:35,579 --> 00:38:37,915 están tratando de navegar la casa de los espejos 888 00:38:37,915 --> 00:38:41,252 ese es el mundo de Imágenes deepfake habilitadas por IA. 889 00:38:42,252 --> 00:38:43,554 No perfecto. 890 00:38:43,554 --> 00:38:45,889 Ella no parpadea pero es bastante bueno. 891 00:38:45,889 --> 00:38:48,625 Y por cierto, hizo esto. en un día y medio. 892 00:38:48,625 --> 00:38:50,227 FARID (voz en off): es el Historia clásica de la automatización. 893 00:38:50,227 --> 00:38:52,262 hemos bajado barreras de entrada 894 00:38:52,262 --> 00:38:54,131 manipular la realidad. 895 00:38:54,131 --> 00:38:55,666 Y cuando haces eso, 896 00:38:55,666 --> 00:38:57,067 cada vez más gente lo hará. 897 00:38:57,067 --> 00:38:58,202 algunas buenas personas lo haré, 898 00:38:58,202 --> 00:38:59,436 pero mucha gente mala lo hará. 899 00:38:59,436 --> 00:39:00,804 Habrá algunos casos de uso interesantes, 900 00:39:00,804 --> 00:39:02,506 y habrá muchos casos de uso nefastos. 901 00:39:02,506 --> 00:39:05,709 Vale, entonces... 902 00:39:05,709 --> 00:39:07,811 Gafas fuera. ¿Cómo es el encuadre? 903 00:39:07,811 --> 00:39:08,912 ¿Todo bien? 904 00:39:08,912 --> 00:39:10,280 (voz en off): Aproximadamente una semana antes 905 00:39:10,280 --> 00:39:11,915 Me subí a un avión para verlo... 906 00:39:10,280 --> 00:39:11,915 Espera. 907 00:39:11,915 --> 00:39:13,851 O'BRIEN (voz en off): Me pidió que nos reuniésemos con él por Zoom. 908 00:39:13,851 --> 00:39:15,486 para que el pudiera obtener una buena grabación 909 00:39:15,486 --> 00:39:16,820 de mi voz y mis gestos. 910 00:39:16,820 --> 00:39:19,323 y asumo Estás grabando, Miles. 911 00:39:19,323 --> 00:39:21,425 O'BRIEN (voz en off): Y él me dio la vuelta un poquito, 912 00:39:21,425 --> 00:39:23,360 haciéndome muchas preguntas 913 00:39:23,360 --> 00:39:25,062 para obtener una buena muestra. 914 00:39:25,062 --> 00:39:26,663 FARID (en la computadora): ¿Cómo te sientes acerca de 915 00:39:26,663 --> 00:39:29,767 el papel de la IA mientras entra en nuestro mundo 916 00:39:29,767 --> 00:39:31,235 a diario? 917 00:39:31,235 --> 00:39:33,203 Creo que es muy importante, en primer lugar, 918 00:39:33,203 --> 00:39:35,973 para calibrar el nivel de preocupación. 919 00:39:35,973 --> 00:39:38,342 Quitémoslo de el escenario "Terminator"... 920 00:39:39,543 --> 00:39:41,612 (voz en off): El escenario "Terminator". 921 00:39:41,612 --> 00:39:43,047 ven conmigo si quieres vivir. 922 00:39:44,314 --> 00:39:47,384 O'BRIEN (voz en off): Ya sabes, un malévolo red neuronal 923 00:39:47,384 --> 00:39:49,119 empeñado en exterminar humanidad. 924 00:39:49,119 --> 00:39:50,587 Eres realmente real. 925 00:39:50,587 --> 00:39:52,523 O'BRIEN (voz en off): En la serie de películas, 926 00:39:52,523 --> 00:39:53,857 el asesino cyborg 927 00:39:53,857 --> 00:39:56,960 se juega memorablemente Por Arnold Schwarzenegger. 928 00:39:56,960 --> 00:39:59,029 Hany pensó que sería divertido. 929 00:39:59,029 --> 00:40:02,266 para usar A.I. para convertir a Arnold en mí. 930 00:40:02,266 --> 00:40:03,300 Bueno. 931 00:40:04,501 --> 00:40:06,003 O'BRIEN (voz en off): Una semana después, me presenté en 932 00:40:06,003 --> 00:40:07,938 berkeley escuela de información, 933 00:40:07,938 --> 00:40:11,809 irónicamente ubicado en el edificio más antiguo del campus. 934 00:40:13,377 --> 00:40:15,312 Así que me hiciste hacer Esta cosa extraña en Zoom. 935 00:40:15,312 --> 00:40:17,681 Aquí estoy. ¿Qué hiciste conmigo? 936 00:40:17,681 --> 00:40:19,316 Si, bueno, te va a enseñar 937 00:40:19,316 --> 00:40:20,818 para dejarme grabar tu llamada de Zoom, ¿no? 938 00:40:20,818 --> 00:40:22,853 yo hice esto con cierta inquietud. 939 00:40:22,853 --> 00:40:25,022 (voz en off): Estaba emocionado de ver qué trucos 940 00:40:25,022 --> 00:40:26,423 estaban bajo la manga. 941 00:40:26,423 --> 00:40:28,058 FARID (voz en off): Subí 90 segundos de audio, 942 00:40:28,058 --> 00:40:30,160 y hice clic en una casilla que decía 943 00:40:30,160 --> 00:40:32,529 "Miles me ha dado permiso para usar su voz", 944 00:40:32,529 --> 00:40:33,630 lo cual en realidad no hago 945 00:40:33,630 --> 00:40:35,732 Creo que lo hiciste. (risas) 946 00:40:35,732 --> 00:40:37,835 Um, y esperé, eh, tal vez 20 segundos, 947 00:40:37,835 --> 00:40:40,637 y dijo: "Está bien, ¿qué ¿Te gustaría que Miles dijera?" 948 00:40:40,637 --> 00:40:42,339 Y comencé a escribir, 949 00:40:42,339 --> 00:40:44,608 y genere un audio de ti diciendo 950 00:40:44,608 --> 00:40:45,976 lo que quisiera que dijeras. 951 00:40:45,976 --> 00:40:48,178 Estamos sintetizando, 952 00:40:48,178 --> 00:40:50,547 en mucho, mucho más bajo resolución. 953 00:40:50,547 --> 00:40:51,882 O'BRIEN (voz en off): Podrías haberme derribado 954 00:40:51,882 --> 00:40:54,618 con una pluma cuando vi esto. 955 00:40:54,618 --> 00:40:56,019 AI. O'BRIEN: Los terminadores fueron ciencia ficción en aquel entonces, 956 00:40:56,019 --> 00:40:59,323 pero si sigues el reciente A.I. cobertura de los medios, 957 00:40:59,323 --> 00:41:02,259 Podrías pensar que Terminators están a la vuelta de la esquina. 958 00:41:02,259 --> 00:41:04,027 La realidad es... 959 00:41:04,027 --> 00:41:05,929 O'BRIEN (voz en off): Los ojos y la boca necesito algo de trabajo, 960 00:41:05,929 --> 00:41:08,365 pero seguro que sí Suena como yo. 961 00:41:09,366 --> 00:41:12,736 Y considera lo que pasó en mayo de 2023. 962 00:41:12,736 --> 00:41:15,839 Alguien publicó esta imagen generada por IA 963 00:41:15,839 --> 00:41:18,308 de lo que parecía ser un atentado terrorista 964 00:41:18,308 --> 00:41:19,776 en el Pentágono. 965 00:41:19,776 --> 00:41:21,044 PRESENTADORA DE NOTICIAS: Hoy podemos haber sido testigos 966 00:41:21,044 --> 00:41:23,046 una de las primeras gotas en la temida inundación 967 00:41:23,046 --> 00:41:25,148 de IA creada desinformación. 968 00:41:25,148 --> 00:41:26,750 O'BRIEN (voz en off): Fue compartido en Twitter. 969 00:41:26,750 --> 00:41:28,218 a través de lo que parecía ser 970 00:41:28,218 --> 00:41:31,522 una cuenta verificada de Noticias Bloomberg. 971 00:41:31,522 --> 00:41:33,490 PRESENTADORA DE NOTICIAS: Sólo tomó unos segundos para extenderse rápidamente. 972 00:41:33,490 --> 00:41:36,793 El Dow ahora está a la baja 200 puntos... 973 00:41:36,793 --> 00:41:38,662 Dos minutos después, el mercado de valores cayó 974 00:41:38,662 --> 00:41:41,031 medio billon de dolares 975 00:41:41,031 --> 00:41:43,400 de una sola imagen falsa. 976 00:41:43,400 --> 00:41:44,968 Cualquiera podría haber hecho esa imagen, 977 00:41:44,968 --> 00:41:46,870 si fue intencionalmente manipulando el mercado 978 00:41:46,870 --> 00:41:48,038 o sin querer, 979 00:41:48,038 --> 00:41:49,273 de alguna manera, Realmente no importa. 980 00:41:50,374 --> 00:41:51,842 O'BRIEN (voz en off): Entonces, ¿cuáles son las ventajas tecnológicas? 981 00:41:51,842 --> 00:41:55,212 innovaciones que hacen de esta herramienta ampliamente disponible? 982 00:41:56,914 --> 00:41:58,849 Una técnica se llama 983 00:41:58,849 --> 00:42:01,084 el generativo red adversaria, 984 00:42:01,084 --> 00:42:02,319 o GAN. 985 00:42:02,319 --> 00:42:03,654 Dos algoritmos 986 00:42:03,654 --> 00:42:07,224 en un vertiginoso estudiante-maestro de ida y vuelta. 987 00:42:07,224 --> 00:42:10,294 Digamos que está aprendiendo a generar un gato. 988 00:42:10,294 --> 00:42:12,729 FARID: Y comienza por simplemente salpicando 989 00:42:12,729 --> 00:42:14,231 un montón de píxeles en un lienzo. 990 00:42:14,231 --> 00:42:17,267 Y lo envía a un discriminador. 991 00:42:17,267 --> 00:42:19,269 y el discriminador tiene acceso 992 00:42:19,269 --> 00:42:21,238 a millones y millones de imágenes 993 00:42:21,238 --> 00:42:22,472 de la categoría que quieres. 994 00:42:22,472 --> 00:42:23,941 Y dice, 995 00:42:23,941 --> 00:42:25,842 "No, eso no parece como todas estas otras cosas." 996 00:42:25,842 --> 00:42:29,046 Entonces vuelve al generador. y dice: "Inténtalo de nuevo". 997 00:42:29,046 --> 00:42:30,247 Modifica algunos píxeles, 998 00:42:30,247 --> 00:42:31,548 lo devuelve al discriminador, 999 00:42:31,548 --> 00:42:33,016 y hacen esto en como se llama 1000 00:42:33,016 --> 00:42:34,251 un bucle adversario. 1001 00:42:34,251 --> 00:42:35,652 O'BRIEN (voz en off): Y finalmente, 1002 00:42:35,652 --> 00:42:38,088 después de muchos miles de voleas, 1003 00:42:38,088 --> 00:42:41,024 el generador Finalmente sirve un gato. 1004 00:42:41,024 --> 00:42:43,026 Y el discriminador dice: 1005 00:42:43,026 --> 00:42:45,262 "Haz más cosas así". 1006 00:42:45,262 --> 00:42:47,464 Hoy tenemos una forma completamente nueva de hacer estas cosas. 1007 00:42:47,464 --> 00:42:48,966 Se llaman basados ​​en difusión. 1008 00:42:50,000 --> 00:42:51,368 ¿Qué hace la difusión? 1009 00:42:51,368 --> 00:42:53,971 ¿Se ha aspirado? miles de millones de imágenes 1010 00:42:53,971 --> 00:42:56,506 con subtítulos que sean descriptivos. 1011 00:42:56,506 --> 00:42:59,176 O'BRIEN (voz en off): Se empieza haciendo esos Imágenes etiquetadas 1012 00:42:59,176 --> 00:43:01,045 visualmente ruidoso a propósito. 1013 00:43:02,879 --> 00:43:04,982 FARID: Y luego lo corrompe más, y va hacia atrás 1014 00:43:04,982 --> 00:43:06,450 y lo corrompe más, y va hacia atrás 1015 00:43:06,450 --> 00:43:07,517 y lo corrompe más y va hacia atrás-- 1016 00:43:07,517 --> 00:43:09,753 y hace eso seis mil millones de veces. 1017 00:43:10,821 --> 00:43:12,189 O'BRIEN (voz en off): Al final lo corrompe 1018 00:43:12,189 --> 00:43:16,927 entonces es irreconocible de la imagen original. 1019 00:43:16,927 --> 00:43:19,563 Ahora que sabe como convertir una imagen en nada, 1020 00:43:19,563 --> 00:43:21,465 puede revertir el proceso, 1021 00:43:21,465 --> 00:43:25,169 girando aparentemente nada, en una bella imagen. 1022 00:43:26,203 --> 00:43:27,938 FARID: Lo que se aprende es cómo tomar 1023 00:43:27,938 --> 00:43:31,541 una imagen completamente indescriptible, solo puro ruido, 1024 00:43:31,541 --> 00:43:35,212 y volver a una imagen coherente, condicionado a una indicación de texto. 1025 00:43:35,212 --> 00:43:38,482 eres básicamente ingeniería inversa de una imagen 1026 00:43:38,482 --> 00:43:39,883 hasta el píxel. 1027 00:43:39,883 --> 00:43:41,284 Sí, exactamente, sí. 1028 00:43:41,284 --> 00:43:43,353 Y es... y por cierto... si me hubieras preguntado, 1029 00:43:43,353 --> 00:43:44,888 "¿Esto funcionará?" Yo hubiera dicho, 1030 00:43:44,888 --> 00:43:46,356 "No, no hay manera este sistema funciona." 1031 00:43:46,356 --> 00:43:48,725 Simplemente, simplemente no Parece que debería funcionar. 1032 00:43:48,725 --> 00:43:50,527 Y esa es una especie de magia 1033 00:43:50,527 --> 00:43:52,162 de cuando obtienes tanta información 1034 00:43:52,162 --> 00:43:54,498 y algoritmos muy potentes y una informática muy potente 1035 00:43:54,498 --> 00:43:57,634 poder crujir estos conjuntos de datos masivos. 1036 00:43:57,634 --> 00:43:59,503 Quiero decir, no lo somos va a contenerlo. 1037 00:43:59,503 --> 00:44:00,604 Eso está hecho. 1038 00:44:00,604 --> 00:44:01,638 (voz en off): Me senté con Hany 1039 00:44:01,638 --> 00:44:02,806 y dos de sus estudiantes de posgrado: 1040 00:44:02,806 --> 00:44:06,543 justin normando y Sarah Barrington. 1041 00:44:06,543 --> 00:44:09,046 Miramos algunos la IA engaño 1042 00:44:09,046 --> 00:44:10,681 ellos han visto y hecho. 1043 00:44:10,681 --> 00:44:13,083 alguien más escribió algún código base 1044 00:44:13,083 --> 00:44:14,518 y crecieron hasta 1045 00:44:14,518 --> 00:44:16,286 y crecer hacia y crecer y eventualmente... 1046 00:44:16,286 --> 00:44:17,721 O'BRIEN (voz en off): En un mundo donde cualquier cosa 1047 00:44:17,721 --> 00:44:19,790 puede ser manipulado con tanta facilidad 1048 00:44:19,790 --> 00:44:21,024 y aparente autenticidad, 1049 00:44:21,024 --> 00:44:24,628 ¿Cómo vamos a saber? ¿Qué es real ya? 1050 00:44:24,628 --> 00:44:25,796 Cómo miras el mundo, 1051 00:44:25,796 --> 00:44:27,197 cómo interactúas con gente en él, 1052 00:44:27,197 --> 00:44:29,032 y donde buscas sus amenazas de ese cambio. 1053 00:44:29,032 --> 00:44:33,370 O'BRIEN (voz en off): IA generativa es ahora parte de un ecosistema más grande 1054 00:44:33,370 --> 00:44:36,673 que se basa en la desconfianza. 1055 00:44:36,673 --> 00:44:37,908 vamos a vivir en un mundo donde 1056 00:44:37,908 --> 00:44:39,443 No sabemos qué es real. 1057 00:44:39,443 --> 00:44:40,644 FARID (voz en off): Hay desconfianza hacia gobiernos, 1058 00:44:40,644 --> 00:44:42,279 hay desconfianza hacia los medios, 1059 00:44:42,279 --> 00:44:43,647 hay desconfianza de académicos. 1060 00:44:43,647 --> 00:44:46,483 Y ahora tira encima de eso. evidencia en vídeo. 1061 00:44:46,483 --> 00:44:48,151 La llamada evidencia en video. 1062 00:44:48,151 --> 00:44:49,920 creo que esto es la definición misma 1063 00:44:49,920 --> 00:44:52,122 de arrojar combustible para aviones un incendio en un contenedor de basura. 1064 00:44:52,122 --> 00:44:53,890 Y ya está sucediendo, 1065 00:44:53,890 --> 00:44:55,425 y me imagino veremos más de esto. 1066 00:44:55,425 --> 00:44:57,060 (La voz de Arnold): ven conmigo si quieres vivir. 1067 00:44:57,060 --> 00:44:58,729 O'BRIEN (voz en off): Pero también puede ser 1068 00:44:58,729 --> 00:44:59,730 tipo de diversión. 1069 00:44:59,730 --> 00:45:00,897 Como prometió Hany, 1070 00:45:00,897 --> 00:45:03,033 aquí está mi cara 1071 00:45:03,033 --> 00:45:04,968 en el cuerpo de Terminator. 1072 00:45:04,968 --> 00:45:06,336 (disparos) 1073 00:45:06,336 --> 00:45:08,805 Mucho antes de que la A.I. podría tomar 1074 00:45:08,805 --> 00:45:11,141 un giro existencial contra la humanidad, 1075 00:45:11,141 --> 00:45:13,944 necesitaremos cuenta con los gustos... 1076 00:45:13,944 --> 00:45:16,513 ¡Vaya! ¡Ahora! 1077 00:45:13,944 --> 00:45:16,513 O'BRIEN (voz en off): Del Milesinador. 1078 00:45:16,513 --> 00:45:18,548 NARRADOR DEL TRÁILER: Esta vez ha vuelto. 1079 00:45:18,548 --> 00:45:20,183 (en auge) 1080 00:45:20,183 --> 00:45:21,685 O'BRIEN (voz en off): Quien sin duda volverá. 1081 00:45:21,685 --> 00:45:23,253 Confía en mí. 1082 00:45:24,621 --> 00:45:25,789 O'BRIEN (voz en off): confianza, 1083 00:45:25,789 --> 00:45:28,091 pero siempre verifica. 1084 00:45:28,091 --> 00:45:31,361 Entonces, ¿qué tipo de I.A. magia 1085 00:45:31,361 --> 00:45:33,730 ¿Está disponible en línea? 1086 00:45:33,730 --> 00:45:35,599 es bastante simple para que parezca 1087 00:45:35,599 --> 00:45:38,068 como si fueras fluido en otro idioma. 1088 00:45:38,068 --> 00:45:40,471 (hablando mandarín): 1089 00:45:41,805 --> 00:45:42,973 Fue bastante fácil de hacer, 1090 00:45:42,973 --> 00:45:45,408 solo tenia que subir un video y espera. 1091 00:45:45,408 --> 00:45:48,345 (habla alemán): 1092 00:45:49,780 --> 00:45:52,549 Y, de repente, Me veo bastante inteligente. 1093 00:45:52,549 --> 00:45:55,786 (hablando griego): 1094 00:45:56,753 --> 00:45:58,922 Claro, es divertido pero creo que puedes ver 1095 00:45:58,922 --> 00:46:00,624 donde lleva a la travesura 1096 00:46:00,624 --> 00:46:02,993 y posiblemente incluso caos. 1097 00:46:03,994 --> 00:46:08,431 (voz en off): Yoshua Bengio es un Pionero de la inteligencia artificial. 1098 00:46:08,431 --> 00:46:10,133 Dice que no gastó mucho tiempo 1099 00:46:10,133 --> 00:46:12,602 pensando en distopía de ciencia ficción 1100 00:46:12,602 --> 00:46:15,539 mientras estaba creando la tecnología. 1101 00:46:15,539 --> 00:46:18,475 Pero como sus brillantes ideas se hizo realidad, 1102 00:46:18,475 --> 00:46:20,710 la realidad se instaló. 1103 00:46:20,710 --> 00:46:22,078 BENGIO: Y cuanto más leo, 1104 00:46:22,078 --> 00:46:23,980 cuanto más Lo pensé... 1105 00:46:23,980 --> 00:46:26,183 Cuanto más me preocupaba. 1106 00:46:27,184 --> 00:46:30,220 Si no somos honestos con nosotros mismos, 1107 00:46:30,220 --> 00:46:31,221 nos vamos a engañar a nosotros mismos. 1108 00:46:31,221 --> 00:46:33,223 Vamos a... perder. 1109 00:46:34,457 --> 00:46:35,859 O'BRIEN (voz en off): Evitar ese resultado 1110 00:46:35,859 --> 00:46:38,361 es ahora su principal prioridad. 1111 00:46:38,361 --> 00:46:40,430 el ha firmado varias advertencias públicas 1112 00:46:40,430 --> 00:46:42,599 emitido por A.I. líderes de opinión, 1113 00:46:42,599 --> 00:46:45,969 incluyendo este crudo declaración de una sola oración 1114 00:46:45,969 --> 00:46:48,071 en mayo de 2023. 1115 00:46:48,071 --> 00:46:50,941 "Mitigar el riesgo de extinción de la I.A. 1116 00:46:50,941 --> 00:46:52,909 "debería ser una prioridad mundial 1117 00:46:52,909 --> 00:46:55,645 "junto a otros riesgos a escala social, 1118 00:46:55,645 --> 00:46:57,180 "como las pandemias 1119 00:46:57,180 --> 00:46:58,615 y la guerra nuclear." 1120 00:47:01,685 --> 00:47:05,455 A medida que nos acercamos cada vez más IA capaz sistemas 1121 00:47:05,455 --> 00:47:09,793 que incluso podría volverse más fuerte que los humanos en muchas áreas, 1122 00:47:09,793 --> 00:47:11,328 se convierten cada vez más peligroso. 1123 00:47:11,328 --> 00:47:12,729 ¿No podemos simplemente tirar? el enchufe de la cosa? 1124 00:47:12,729 --> 00:47:14,331 Oh, eso es lo más seguro que puedes hacer, 1125 00:47:14,331 --> 00:47:15,599 tire del enchufe. 1126 00:47:15,599 --> 00:47:18,034 antes de que llegue tan poderoso que 1127 00:47:18,034 --> 00:47:19,669 nos impide tirando del enchufe. 1128 00:47:19,669 --> 00:47:21,605 DAVE: Abre las puertas de la bahía de cápsulas, Hal. 1129 00:47:21,605 --> 00:47:23,373 Hal: Lo siento, Dave. 1130 00:47:23,373 --> 00:47:25,375 Me temo que no puedo hacer eso. 1131 00:47:26,543 --> 00:47:28,345 O'BRIEN (voz en off): puede que sea algún tiempo 1132 00:47:28,345 --> 00:47:29,913 antes de que las computadoras puedan 1133 00:47:29,913 --> 00:47:32,282 actuar como supervillanos de pelicula... 1134 00:47:32,282 --> 00:47:33,317 Hal: Adiós. 1135 00:47:34,751 --> 00:47:38,121 O'BRIEN (voz en off): Pero existen peligros a corto plazo ya está surgiendo. 1136 00:47:38,121 --> 00:47:41,358 Además de deepfakes y desinformación, 1137 00:47:41,358 --> 00:47:45,295 IA también puede sobrecargar el sesgo y odio el contenido, 1138 00:47:45,295 --> 00:47:48,131 reemplazar empleos humanos... 1139 00:47:48,131 --> 00:47:49,766 Esta es la razón Estamos en huelga, todos. 1140 00:47:48,131 --> 00:47:49,766 (multitud exclamando) 1141 00:47:50,901 --> 00:47:52,102 O'BRIEN (voz en off): Y hazlo más fácil 1142 00:47:52,102 --> 00:47:55,505 para terroristas para crear armas biológicas. 1143 00:47:55,505 --> 00:47:58,308 Y la IA Los sistemas son tan complejos. 1144 00:47:58,308 --> 00:48:01,011 que son dificiles comprender, 1145 00:48:01,011 --> 00:48:03,613 casi imposible de auditar. 1146 00:48:03,613 --> 00:48:05,415 RUS (voz en off): Nadie entiende realmente 1147 00:48:05,415 --> 00:48:08,084 cómo esos sistemas llegar a sus decisiones. 1148 00:48:08,084 --> 00:48:10,253 Entonces tenemos que ser mucho más reflexivo 1149 00:48:10,253 --> 00:48:12,656 sobre como nosotros probarlos y evaluarlos 1150 00:48:12,656 --> 00:48:14,057 antes de soltarlos. 1151 00:48:14,057 --> 00:48:17,160 estan preocupados si la máquina podrá 1152 00:48:17,160 --> 00:48:19,362 para empezar a pensar por sí mismo. 1153 00:48:19,362 --> 00:48:22,098 O'BRIEN (voz en off): Estados Unidos y Europa han comenzado trazando una estrategia 1154 00:48:22,098 --> 00:48:23,833 para tratar de garantizar seguridad, protección, 1155 00:48:23,833 --> 00:48:27,270 y digno de confianza inteligencia artificial. 1156 00:48:27,270 --> 00:48:29,739 RISHI SUNAK: ...de una manera que ser seguro para nuestras comunidades... 1157 00:48:29,739 --> 00:48:31,207 O'BRIEN (voz en off): Pero como hacer eso 1158 00:48:31,207 --> 00:48:33,410 en medio de una carrera frenética 1159 00:48:33,410 --> 00:48:34,411 dominar una tecnología 1160 00:48:34,411 --> 00:48:38,448 con un impacto económico previsto 1161 00:48:38,448 --> 00:48:42,185 de 13 billones de dólares para 2030. 1162 00:48:42,185 --> 00:48:45,555 Hay una fuerza tan fuerte incentivo comercial 1163 00:48:45,555 --> 00:48:48,058 para desarrollar esto y ganar la competencia 1164 00:48:48,058 --> 00:48:49,326 contra las otras empresas, 1165 00:48:49,326 --> 00:48:51,695 sin mencionar los otros países, 1166 00:48:51,695 --> 00:48:54,498 que es dificil para detener ese tren. 1167 00:48:55,598 --> 00:48:59,002 Pero eso es lo que los gobiernos deberían estar haciendo. 1168 00:48:59,002 --> 00:49:01,604 PRESENTADORA DE NOTICIAS: Los titanes de las redes sociales 1169 00:49:01,604 --> 00:49:04,374 no quería venir a Capitolio. 1170 00:49:04,374 --> 00:49:05,875 O'BRIEN (voz en off): Históricamente, la industria tecnológica 1171 00:49:05,875 --> 00:49:08,778 se ha opuesto a la regulación. 1172 00:49:08,778 --> 00:49:11,848 Tienes un ejército de abogados. y cabilderos 1173 00:49:11,848 --> 00:49:13,116 que nos han peleado en esto... 1174 00:49:13,116 --> 00:49:14,217 SULEYMAN (voz en off): No hay duda de que 1175 00:49:14,217 --> 00:49:15,518 barandillas ralentizará las cosas, 1176 00:49:15,518 --> 00:49:16,753 Pero los riesgos son inciertos. 1177 00:49:16,753 --> 00:49:20,156 y potencialmente enorme. 1178 00:49:20,156 --> 00:49:21,558 Entonces, tiene sentido para nosotros 1179 00:49:21,558 --> 00:49:23,360 para empezar a tener la conversación ahora mismo. 1180 00:49:24,694 --> 00:49:26,262 O'BRIEN (voz en off): Para mí la conversación 1181 00:49:26,262 --> 00:49:28,932 sobre la IA es personal. 1182 00:49:28,932 --> 00:49:31,735 Bien, no se detectó ninguna red. 1183 00:49:31,735 --> 00:49:33,003 Está bien, um... 1184 00:49:33,003 --> 00:49:35,338 Ah, allá vamos. Bueno. 1185 00:49:35,338 --> 00:49:37,140 Y ahora voy a abrir, abre, abre, abre, abre... 1186 00:49:38,608 --> 00:49:40,677 (voz en off): Usé la aplicación Coapt 1187 00:49:40,677 --> 00:49:43,880 para entrenar la A.I. dentro de mi nueva prótesis. 1188 00:49:43,880 --> 00:49:46,883 ♪ ♪ 1189 00:49:46,883 --> 00:49:48,551 dice todo mi los datos de entrenamiento son buenos, 1190 00:49:48,551 --> 00:49:49,853 son cuatro de cinco estrellas. 1191 00:49:49,853 --> 00:49:51,254 Y ahora intentemos cerrar. 1192 00:49:51,254 --> 00:49:52,856 (zumbido) 1193 00:49:52,856 --> 00:49:54,024 Muy bien. 1194 00:49:54,024 --> 00:49:58,895 Parece estar haciendo lo que se le dijo. 1195 00:49:58,895 --> 00:50:00,397 (voz en off): ¿Mi nuevo brazo estaba escuchando? 1196 00:50:00,397 --> 00:50:01,765 Tal vez. 1197 00:50:01,765 --> 00:50:03,667 Decidí hacer cosas. más simple. 1198 00:50:04,734 --> 00:50:08,738 Le quité la mano y Se adjunta un gancho mioeléctrico. 1199 00:50:08,738 --> 00:50:10,640 (en silencio): Está bien. 1200 00:50:10,640 --> 00:50:13,276 (voz en off): Función sobre forma. 1201 00:50:13,276 --> 00:50:15,979 No es un tema de conversación necesariamente en un cóctel 1202 00:50:15,979 --> 00:50:17,947 como es esta cosa. 1203 00:50:17,947 --> 00:50:20,683 Esto se parece más a Luke Skywalker, supongo. 1204 00:50:20,683 --> 00:50:23,953 Pero esto tiene un tremendo cantidad de funciones que tiene. 1205 00:50:23,953 --> 00:50:26,656 Aunque ahora mismo quiere permanecer abierto. 1206 00:50:26,656 --> 00:50:28,625 (voz en off): Y ese problema persistió. 1207 00:50:28,625 --> 00:50:30,527 Encuentra una placa para trípode... 1208 00:50:30,527 --> 00:50:31,928 (voz en off): Cuando intenté usarlo 1209 00:50:31,928 --> 00:50:33,830 para montar mi estudio en el sótano 1210 00:50:33,830 --> 00:50:35,165 para una transmisión en vivo. 1211 00:50:35,165 --> 00:50:37,834 Vamos, cerca. 1212 00:50:37,834 --> 00:50:39,936 (voz en off): Rápidamente me sentí frustrado. 1213 00:50:39,936 --> 00:50:42,305 (caídas de objetos, pitido de audio) 1214 00:50:42,305 --> 00:50:43,606 Realmente molesto. 1215 00:50:43,606 --> 00:50:46,142 No es útil. 1216 00:50:46,142 --> 00:50:49,479 (voz en off): El gancho continuamente abrió por sí solo. 1217 00:50:49,479 --> 00:50:51,181 (ruido) 1218 00:50:49,479 --> 00:50:51,181 ¡Maldita sea! 1219 00:50:51,181 --> 00:50:53,650 (voz en off): Entonces lo reinicié por completo 1220 00:50:53,650 --> 00:50:55,886 y volvió a entrenar el brazo. 1221 00:50:56,853 --> 00:50:58,855 Y... restablecer, ahí vamos. 1222 00:50:58,855 --> 00:51:01,658 Añadir datos... 1223 00:51:01,658 --> 00:51:04,360 (voz en off): Pero el software era 1224 00:51:04,360 --> 00:51:05,762 artificialmente infeliz. 1225 00:51:07,697 --> 00:51:09,799 "Los electrodos no son haciendo un buen contacto con la piel." 1226 00:51:09,799 --> 00:51:12,235 Quizás ese sea mi problema, en definitiva. 1227 00:51:13,536 --> 00:51:15,205 (voz en off): Mi problema realmente es 1228 00:51:15,205 --> 00:51:17,474 no le he dado esto suficiente tiempo. 1229 00:51:17,474 --> 00:51:19,742 Los amputados me dicen que puede tomar 1230 00:51:19,742 --> 00:51:21,444 muchos meses para aprender realmente 1231 00:51:21,444 --> 00:51:23,413 cómo usar un brazo como éste. 1232 00:51:24,414 --> 00:51:27,150 El punto de estrangulamiento no es inteligencia artificial. 1233 00:51:27,150 --> 00:51:29,786 Muerto como un clavo. 1234 00:51:29,786 --> 00:51:31,521 (voz en off): Más bien, ¿cuál es la mejor manera? 1235 00:51:31,521 --> 00:51:33,423 comunicarse mis intenciones al respecto? 1236 00:51:34,791 --> 00:51:36,292 Pequeño reinicio ahí, Supongo. 1237 00:51:36,292 --> 00:51:38,061 Está bien. 1238 00:51:38,061 --> 00:51:39,195 Cerca. 1239 00:51:39,195 --> 00:51:41,731 Abrir, cerrar. 1240 00:51:41,731 --> 00:51:44,100 (voz en off): Resulta aprendizaje automático 1241 00:51:44,100 --> 00:51:47,137 no es lo suficientemente inteligente como para dame un brazo de reemplazo 1242 00:51:47,137 --> 00:51:49,105 como lo hizo Luke Skywalker. 1243 00:51:49,105 --> 00:51:52,942 Tampoco es capaz de crear el Terminator. 1244 00:51:52,942 --> 00:51:56,880 En este momento, parece que muchos esperanzas y temores 1245 00:51:56,880 --> 00:51:57,947 para la inteligencia artificial... 1246 00:51:57,947 --> 00:51:59,415 ¡Ah! 1247 00:51:59,415 --> 00:52:02,152 (voz en off): ...están arraigados en ciencia ficción. 1248 00:52:04,120 --> 00:52:08,158 Pero estamos caminando por un camino a lo desconocido. 1249 00:52:08,158 --> 00:52:11,061 La puerta se abre a una revolución. 1250 00:52:12,562 --> 00:52:13,596 (la puerta se cierra) 1251 00:52:13,596 --> 00:52:17,634 ♪ ♪ 1252 00:52:26,776 --> 00:52:34,317 ♪ ♪ 1253 00:52:38,154 --> 00:52:45,695 ♪ ♪ 1254 00:52:47,330 --> 00:52:54,871 ♪ ♪ 1255 00:52:56,506 --> 00:53:04,047 ♪ ♪ 1256 00:53:09,786 --> 00:53:16,960 ♪ ♪