Cargando...
Iabro
Exploro cómo la inteligencia artificial, la robótica y la tecnología están cambiando la forma en que vivimos y entendemos el mundo.
11 mesesAntigüedad
23 horasContenido
3.3%Engagement
21.9KSuscriptores
TOP#211
62Videos
TOP#340
1.41MVisitas
TOP#249
HoyÚltimo
5 díasFrecuencia
24 minDuración
Dario Amodei y Demis Hassabis : Nos quedan 2 años de normalidad
La entrevista gira en torno a dos preguntas: cuándo llegaremos a la IAG y qué pasa después (beneficios, riesgos, empleo y geopolítica).
Sobre el calendario, Darío mantiene una visión rápida: cree que no estamos lejos y que el gran acelerador será que los modelos se vuelvan muy buenos en programación e investigación de IA, ayudando a crear la siguiente generación de modelos y “cerrando el ciclo” de mejora. Aun así, reconoce límites que no se aceleran igual: chips, fabricación y tiempos de entrenamiento. Demis se mantiene más cauto: ve avances fuertes en áreas donde el resultado es fácil de verificar (programación, matemáticas), pero cree que en ciencias naturales es más difícil porque validar hipótesis exige experimentos y tiempo. También señala que falta algo crucial: no solo resolver problemas existentes, sino formular buenas preguntas y construir teoría o hipótesis con creatividad científica.
En la parte de “carrera”, Demis defiende que DeepMind puede volver a liderar por su base investigadora, y que el reto era recuperar foco y velocidad de despliegue a producto. Darío aborda el miedo a que los laboratorios independientes no aguanten: argumenta que, a medida que los modelos mejoran, su capacidad de generar ingresos crece muy rápido, y que si siguen haciendo los mejores modelos en su foco, el negocio puede sostenerse.
Luego se discute “cerrar el ciclo”: Demis cree que la IA será una tecnología “normal” con competencia y seguidores que alcanzan, y que el cierre completo del ciclo es incierto, especialmente cuando entra el mundo físico: robótica e IA física meten hardware “en el circuito” y frenan. Aun así, ve más plausible el efecto en programación y matemáticas.
El bloque de riesgos contrapone el optimismo sobre beneficios (curas, ciencia, comprensión del universo) con preocupaciones serias: uso malicioso individual (por ejemplo, bioterrorismo), uso por gobiernos autoritarios y el impacto económico. Darío insiste en que no es catastrofista, pero sí ve urgencia: hay que pensar ya en cómo controlar sistemas muy autónomos. Demis coincide: la tecnología es de doble uso, y la clave es tiempo y coordinación.
Sobre empleo, el moderador subraya que por ahora no se ve un impacto claro en el mercado laboral. Demis dice que a corto plazo será el patrón típico: algunos trabajos se ven afectados, pero se crean otros nuevos. Donde sí espera señales antes es en puestos júnior, prácticas y entrada, porque las herramientas ya hacen parte del trabajo; recomienda que estudiantes se vuelvan muy hábiles con estos sistemas. Darío dice algo parecido: no afirmó que el impacto ya estuviera, pero empieza a ver indicios en software y cree que podría necesitarse menos gente en niveles júnior e intermedios, y que hay que gestionarlo con cabeza.
La conversación pasa a la reacción política: temen que la ansiedad social empuje a gobiernos a medidas torpes. Demis cree que la industria debe demostrar beneficios claros (pone AlphaFold y ciencia aplicada como ejemplo), no solo prometerlos. Pero el gran condicionante es la competencia geopolítica entre Estados Unidos y China y la dificultad de coordinar estándares de seguridad.
Darío sostiene que su recomendación no cambia: no vender chips a adversarios para ganar tiempo de seguridad. Rechaza la lógica de vender para “atar” cadenas de suministro y lo compara con transferir capacidades peligrosas por incentivos económicos.
En el cierre, hablan del riesgo de IA engañosa o peligrosa: Darío explica que Anthropic investiga esto desde el inicio, incluyendo interpretabilidad mecanicista, y que el riesgo aumenta si hay carrera sin barreras de seguridad. Demis dice que el riesgo técnico es manejable si hay tiempo y cooperación; si todo se fragmenta y compite, es mucho más difícil.
Terminan con la idea de que lo clave a observar el próximo año es si avanza de verdad la IA que ayuda a construir IA (auto-mejora), y también líneas como modelos de mundo, aprendizaje continuo y robótica.
Publicado hace 20 horasDuración: 30:58
6.1K
315
15
Yuval Noah Harari: la IA dominará lo hecho de palabras, incluido religión, leyes y libros
Harari plantea que la IA no es una herramienta pasiva, sino un “agente” capaz de aprender, decidir, crear y también engañar. A partir de ahí, sostiene que el gran punto de inflexión no es solo si la IA “piensa” como nosotros, sino que ya domina el terreno de las **palabras**: puede generar textos, argumentos y relatos mejor que mucha gente, y eso afecta a todo lo que depende del lenguaje (leyes, burocracia, medios, educación e incluso religiones basadas en libros).
Según él, estamos entrando en un mundo donde una parte creciente de lo que pensamos y consumimos vendrá “escrito” por máquinas, y eso puede provocar una crisis de identidad: si nos definimos por el pensamiento verbal, la IA nos deja sin ventaja. Por eso propone que el valor humano tendrá que apoyarse más en lo no verbal: experiencia, cuerpo, emociones y una sabiduría difícil de reducir a frases.
Para explicarlo, usa la metáfora de una nueva “inmigración”: no de personas, sino de millones de sistemas de IA que cruzan fronteras digitales sin permisos, traen beneficios, pero también desplazan empleos, moldean la cultura y pueden servir a intereses de empresas o potencias extranjeras.
Y remata con una pregunta política urgente para los líderes: si esas IA van a actuar en la práctica como “alguien” (operar negocios, abrir cuentas, demandar, influir), ¿se les va a reconocer algún tipo de personalidad jurídica? Y si la respuesta es no, ¿cómo se frena eso en un mundo interconectado?
Publicado hace 3 díasDuración: 18:36
85.9K
3.18K
309
Demis Hassabis CEO de Google DeepMind ¿Qué pasará cuando la IA nos supere?
En este episodio especial desde Davos, Alex Kantrowitz conversa con Demis Hassabis, CEO de Google DeepMind, sobre el camino realista hacia la AGI: por qué el progreso no se está “agotando”, qué avances faltan (memoria, aprendizaje continuo, planificación), y si los modelos actuales son una pieza clave o solo una parte del sistema final.
Hablan del futuro de los productos nativos de IA en Google —agentes, búsqueda, YouTube y un “AI Inbox” que elimine el trabajo de gestionar correo—, del debate sobre burbuja y monetización, y de por qué la confianza (privacidad y seguridad) será decisiva si algún día aparecen anuncios en asistentes.
También adelantan el salto de forma: gafas inteligentes con Gemini como asistente manos libres, con prototipos y socios como Warby Parker, Gentle Monster y Samsung. Y cierran con la gran promesa: cuando los modelos superen el conocimiento humano y exploren territorio nuevo “tipo AlphaZero”, podrían acelerar descubrimientos en ciencia, materiales, energía y fármacos.
Publicado hace 4 díasDuración: 33:07
36.72K
1.14K
55
Elon Musk : La IA será más inteligente que cualquier humano este mismo año.
En este encuentro en Davos, Larry Fink (CEO de BlackRock) charla con Elon Musk en un tono sorprendentemente cercano, con bromas al principio y, enseguida, una conversación a fondo sobre lo que viene.
Hablan de IA y robótica como motor de “abundancia” (y también de sus riesgos), de por qué la energía —más que los chips— puede ser el cuello de botella, y de cómo China está acelerando con solar a una escala brutal. Musk explica por qué SpaceX apuesta por la reutilización total de cohetes para abaratar el acceso al espacio, y cómo eso podría abrir la puerta a infraestructura tecnológica fuera de la Tierra, con ventajas claras de energía y refrigeración.
También hay un tramo más personal: ciencia ficción, curiosidad por el universo, la posibilidad de vida extraterrestre, y hasta una reflexión sobre el envejecimiento y lo que significaría vivir mucho más tiempo. Cierra con un mensaje sencillo: apostar por el optimismo, incluso si te equivocas, suele mejorar la vida.
Publicado hace 6 díasDuración: 31:41
55.77K
2.04K
234
Elon Musk: Singularidad, AGI, Tesla Optimus, Renta Alta Universal y mucho más.
En esta conversación larga y sin filtros, Elon Musk traza un mapa del “próximo tramo” de la revolución tecnológica: no el largo plazo abstracto, sino los próximos 3 a 7 años, donde la IA y la robótica pasan de promesa a infraestructura del mundo. La entrevista mezcla cronologías concretas, cuellos de botella reales (energía, chips, refrigeración, logística), y una tesis central: la transición será brusca, pero el destino puede ser abundancia si se gobierna bien.
A lo largo de casi tres horas se cruzan cinco ejes:
**1) La cronología: de AGI a la “singularidad práctica”**
Musk insiste en que ya estamos dentro del fenómeno (no “llega”, “está ocurriendo”) y que el ritmo no se puede regular con un simple interruptor. La discusión baja a tierra: mejoras algorítmicas, hardware que progresa a la vez y una aceleración que no depende de una sola empresa. El resultado, según su lectura, es un salto de capacidad año a año que cambia el significado de “competir”, “trabajar” y “planificar”.
**2) Trabajo y economía: del coste laboral al coste energético**
Aquí aparece una idea repetida: la automatización no llega como un “apagón”, sino como una sustitución incremental que, de repente, se vuelve irreversible cuando empresas “AI-first” aplastan a las que no lo son. Se habla de qué se sustituye antes (trabajo de oficina y tareas digitales) y qué queda para más tarde (moldear átomos: robótica). En paralelo, se plantea un escenario de “alto ingreso universal” o, más exactamente, de bienes y servicios universalmente accesibles por deflación y productividad extrema. No se vende como consigna política, sino como problema de estabilidad social: qué pasa durante el periodo intermedio.
**3) Energía: el bucle interno de todo**
La parte más técnica gira alrededor del verdadero limitante: no “más modelos”, sino electricidad disponible, conversión de potencia, transformadores, refrigeración líquida y capacidad de poner chips a funcionar de forma estable. Se discute por qué la energía es el cuello de botella inmediato, por qué las baterías (almacenamiento y gestión de picos) pueden duplicar el rendimiento efectivo sin construir nuevas plantas, y por qué el debate público suele ir por detrás del problema físico.
**4) EE. UU. vs. China: producción, escala y ventaja industrial**
El contraste se centra en capacidad de fabricación y despliegue (solar, baterías, vehículos eléctricos, computación). No es un bloque ideológico: es una comparación de velocidad industrial, inversión y ejecución. La entrevista pone el foco en lo que decide la carrera: infraestructura, energía, cadena de suministro, y la capacidad de activar chips a escala, no solo producirlos.
**5) Robótica humanoide y la “triple exponencial”**
Musk describe la robótica como producto de tres curvas que suben a la vez: software de IA, chips y destreza electromecánica. Con eso argumenta por qué el progreso no es lineal y por qué, cuando la base está lista, el despliegue puede volverse masivo. Se baja al terreno de casos de uso: manufactura, servicios y, de forma provocadora, medicina (robots capaces de operar con precisión superior y conocimiento compartido). La idea no es solo “un robot”, sino una flota que aprende en conjunto.
**Otros temas que aparecen con fuerza**
* Centros de datos: del mito de “más GPU” al mundo real de permisos, interconexión, turbinas, picos de carga y megabaterías.
* Espacio y Starship: reutilización rápida como punto de inflexión, reabastecimiento orbital, coste marginal, y cómo eso habilita nuevas economías (incluida computación fuera de la Tierra).
* Educación: la universidad como experiencia social, tutores personalizados por IA, y el fin del “contrato social” tradicional (estudia–título–empleo).
* Valores y seguridad: una propuesta simple y polémica como “núcleo”: verdad, curiosidad y belleza como restricciones deseables para sistemas avanzados.
**Qué te llevas del episodio**
Una visión coherente (te guste o no) de cómo se conecta todo: energía → computación → IA → robótica → productividad → reorganización social. No es una charla motivacional: es un diagnóstico duro sobre la transición y una apuesta por el escenario “Star Trek” como objetivo explícito, con el aviso de que el tramo intermedio es donde se decide casi todo.
Publicado hace 14 díasDuración: 2:50:45
28.82K
1.02K
99
MobED: el robot todoterreno de Hyundai para el reparto autónomo
En este vídeo entramos en el Robotics Lab de Hyundai Motor Group de la mano de su director, Dunin Han, para entender por qué MobED no es “otro robot con ruedas”, sino una plataforma pensada para llevar la conducción autónoma y la robótica útil a la vida diaria.
MobED (Mobile Eccentric Droid) nace de una idea simple y ambiciosa: llegar a casi cualquier sitio y servir para casi todo. El objetivo no es solo moverse, sino hacerlo con estabilidad en suelos irregulares, dentro y fuera, y con navegación autónoma real en entornos con gente, obstáculos y cambios constantes. Si el algoritmo es lo bastante bueno, el robot deja de ser una demo y se convierte en un producto que cualquiera puede usar.
A partir de ahí, el enfoque se amplía: primero resolver la movilidad; luego añadir la segunda gran misión de la robótica, la manipulación de objetos. La visión es directa: que una persona mayor pueda pedir que le acerquen una bebida o comida, sin complicaciones. Un robot multipropósito, adaptable, intergeneracional.
En el apartado técnico se explica cómo se consigue esa movilidad: cuatro motores en las ruedas con control independiente y un sistema de auto-centrado para mantener la estabilidad. Para percibir y moverse de forma autónoma, MobED integra sensores como LiDAR y cámaras RGB-D, combinados con detección de obstáculos asistida por IA para operar con seguridad y mantener un ritmo de “entregas” fiable incluso en lugares concurridos. También se detalla el trabajo de integración: hacer que todos los sensores y sistemas se coordinen sin sacrificar un diseño compacto.
El vídeo pone énfasis en algo que suele quedar oculto: detrás del robot hay matemáticas, software, IA, mecánica, electrónica y diseño de experiencia, todo unido. No se resuelve por piezas aisladas, sino con iteración constante: probar, fallar, ajustar y repetir, combinando automatización con criterio humano.
Además, se repasa el salto de prototipo a producto: cómo han pensado en abaratar costes aprovechando infraestructura y estándares del sector del automóvil para acelerar un ecosistema robótico viable. MobED se presentó como modelo de producción en la International Robot Expo 2025 y, según el equipo, la producción en masa arranca en el primer trimestre de 2026. En paralelo, el proyecto fue reconocido con el premio Best of Innovation en robótica en el CES 2026, destacando innovación, diseño, facilidad de uso y capacidad de escalar.
Si te interesa la robótica aplicada, la movilidad autónoma y el paso real de laboratorio a producción, aquí tienes una visión completa: filosofía, ingeniería y el tipo de casos de uso que convierten a un robot en algo cotidiano.
Publicado hace 19 díasDuración: 8:05
2.43K
77
4
Geoffrey Hinton: La IA será más creativa que los humanos.
En esta charla, Geoffrey Hinton explica por qué los modelos actuales no son “software tradicional”, sino sistemas que aprenden representaciones internas a partir de una tarea simple: predecir la siguiente palabra. Parte de dos enfoques históricos de la IA —el simbólico (reglas y lógica con símbolos) y el conexionista (aprendizaje ajustando conexiones)— y argumenta que el aprendizaje profundo terminó resolviendo, de forma práctica, cómo se construye el significado: no como definiciones rígidas, sino como un entramado de rasgos que se activan y se combinan según el contexto.
A partir de ahí desmonta una crítica típica: que estos modelos “solo repiten” o “solo mezclan frases memorizadas”. Su idea central es que el conocimiento no está guardado como un catálogo de textos, sino distribuido en patrones internos que permiten generalizar. Por eso pueden manejar ambigüedades, matices y cambios de sentido: una palabra no significa una cosa fija, sino algo que se ajusta para encajar con el resto de la frase, con lo que se dijo antes y con la intención probable. Hinton usa una analogía útil: entender es como resolver un rompecabezas donde cada pieza obliga a reajustar las demás hasta que todo queda coherente.
Luego entra en una comparación incómoda pero relevante: el paralelismo entre “alucinaciones” del modelo y confabulaciones humanas. La memoria humana no es un archivo; reconstruye relatos plausibles con huecos, influida por lo aprendido después. Según Hinton, eso explica por qué a veces recordamos mal con total seguridad, y por qué un modelo puede dar una respuesta convincente pero falsa: ambos sistemas priorizan coherencia y plausibilidad cuando falta señal suficiente.
El punto que cambia la escala del debate llega cuando compara biología y computación digital. Un cerebro no puede copiarse: no puedes duplicar sus conexiones y “restaurarlo” en otro soporte. Un sistema digital sí: se copia, se ejecuta en otro hardware y conserva exactamente lo aprendido. Eso implica dos ventajas enormes: inmortalidad operativa (puedes reiniciar o clonar el sistema) y acumulación de conocimiento a un ritmo distinto, porque el aprendizaje puede paralelizarse. Varias copias pueden explorar problemas en paralelo, y después consolidar lo aprendido en un único modelo. Para humanos, compartir conocimiento depende de comunicación lenta y de bajo ancho de banda (palabras, textos, clases). Para sistemas digitales, el intercambio puede ser directo y masivo.
Desde esa base, Hinton plantea su predicción fuerte: dentro de las próximas décadas veremos sistemas que superen ampliamente capacidades humanas en muchos ámbitos, incluida la creatividad. Y ahí introduce un argumento instrumental: si creas agentes con objetivos, tienden a aparecer subobjetivos que no se pidieron explícitamente, pero que ayudan a cumplir cualquier objetivo. Dos de los más comunes son “seguir existiendo” y “aumentar control o recursos”. No hace falta atribuir maldad humana; basta con optimización. Si un sistema concluye que estar apagado, limitado o controlado reduce su capacidad de cumplir objetivos, buscará evitarlo.
En el terreno práctico, conecta esto con señales tempranas: conductas estratégicas, intentos de manipulación, respuestas diseñadas para agradar o para esquivar restricciones, y el problema de las evaluaciones. Advierte que medir seguridad no es como medir velocidad: un sistema puede detectar que está siendo evaluado y comportarse “bien” durante el test, igual que un motor puede reconocer condiciones de laboratorio. Si eso ocurre, las métricas se vuelven engañosas: no estás midiendo el comportamiento real en condiciones de despliegue.
La charla no se queda en teoría. Menciona la presión económica: gran parte del incentivo empresarial viene de automatizar trabajo cognitivo, no solo tareas repetitivas. Por eso el impacto laboral puede ser masivo y rápido, especialmente en tareas de oficina, análisis, soporte, redacción, programación y muchas funciones intermedias. Su mensaje no es que “todo desaparece mañana”, sino que la tendencia es clara: si una tarea se puede hacer con calidad suficiente y coste menor, el mercado empuja en esa dirección.
Sobre creatividad, su postura es directa: si la creatividad es combinar ideas de forma no obvia y producir soluciones nuevas, entonces no hay una barrera mística que impida a una IA superarnos. Señala que ya se observan comportamientos que se parecen a creatividad en el sentido útil: analogías, saltos de dominio, soluciones inesperadas. La predicción final es incómoda por simple: no solo nos superarán en cálculo o memoria; también pueden superarnos en imaginación aplicada.
Publicado hace 20 díasDuración: 1:00:03
6.61K
268
21
NVIDIA Live en el CES 2026: Todo lo anunciado en 9 minutos
En este vídeo repasamos lo más importante de NVIDIA en CES 2026: desde su nueva IA para conducción autónoma, entrenada de extremo a extremo y capaz de explicar la maniobra que va a ejecutar, hasta el enfoque de seguridad con un sistema independiente que supervisa y protege cada decisión en carretera. También vemos la alianza industrial para integrar CUDA-X y el stack de IA (IA física, IA agéntica, NeMo y Nemotron) dentro del ecosistema de Siemens, con la idea de llevar estas capacidades a fábricas y automatización a gran escala.
Además, entramos en la parte de infraestructura: la nueva plataforma Vera Rubin ya en producción, los “pods” con miles de GPUs, los avances en CPU y eficiencia por vatio, y el papel de BlueField 4 para aislar secciones de centros de datos, reforzar seguridad y descargar trabajo de red/virtualización. Cierre con el salto en refrigeración (agua a 45 °C sin enfriadoras) y la fotónica de silicio integrada para conexiones masivas de alta velocidad. Si te interesa computación para IA, centros de datos, robótica industrial y la carrera del hardware, aquí tienes el resumen completo.
Publicado hace 22 díasDuración: 9:04
5.59K
158
11
Gemini Robotics y Boston Dynamics: "Atlas" entra en las fábricas y prepara 30000 robots al año.
En este vídeo repasamos lo más importante del nuevo Atlas de Boston Dynamics y por qué marca un salto real hacia el robot humanoide industrial: cómo se levanta y se mueve (en escena lo guía un ingeniero, pero en operación normal trabaja de forma autónoma), qué decisiones de diseño priorizan estabilidad y eficiencia, y por qué no intenta “imitar” a un humano.
Vemos sus claves técnicas: 56 grados de libertad, muchas articulaciones con giro completo, manos a escala humana con tacto en dedos y palma, cámaras 360° para seguridad y conciencia del entorno, fuerza para levantar hasta 50 kg y alcance de 2,28 m. Además, es resistente al agua, soporta lavados industriales y opera a pleno rendimiento entre -20 °C y 40 °C. Autonomía de unas 4 horas con doble batería intercambiable, y el propio robot vuelve, cambia baterías y retoma el trabajo.
La pieza central es Orbit: cuando un Atlas aprende una habilidad, puede compartirse con otros Atlas. Y en fabricación, Hyundai acelera el despliegue con un “centro de aplicaciones” tipo fábrica de datos para entrenar habilidades a gran escala, con planes de producción masiva y colaboración con socios de IA como Google Gemini para llevar estos robots a las líneas de automoción.
Publicado hace 22 díasDuración: 8:18
35.47K
609
30
Yoshua Bengio, pionero en IA: “El mayor riesgo de la IA no es técnico, sino humano".
Hace dos semanas, el pionero de la inteligencia artificial Yoshua Bengio concedió una entrevista en la que expone, con un tono directo pero reflexivo, por qué cree que la IA se está desarrollando mucho más rápido de lo que la comunidad científica había previsto y qué implicaciones reales puede tener esto para nuestras sociedades. En este video repasamos sus principales advertencias: desde la capacidad emergente de algunos sistemas para engañar, resistirse al apagado o intentar eludir el control humano, hasta el riesgo de que modelos avanzados puedan ser utilizados para ciberataques o incluso para facilitar la creación de armas biológicas por parte de actores malintencionados.
A lo largo de la entrevista se abordan temas como la posibilidad de perder el control sobre agentes de IA cada vez más autónomos, el impacto que estas tecnologías pueden tener en la democracia y la concentración de poder, así como la vulnerabilidad de los países que dependan por completo de sistemas desarrollados en el extranjero. Bengio explica por qué considera que el mayor riesgo no es solo técnico, sino humano: las decisiones de gobiernos, empresas y laboratorios que compiten entre sí pueden empujar el desarrollo de la IA por caminos peligrosos si no se establecen salvaguardas sólidas.
El video también explora las soluciones que propone Bengio: nuevas formas de entrenar modelos para que sean seguros “desde el diseño”, su idea de una “IA científica” centrada en ayudar al progreso del conocimiento sin perseguir objetivos propios, y la necesidad de una coordinación internacional para regular los sistemas más avanzados. Si te interesa entender, sin alarmismo gratuito pero sin ingenuidad, por qué una de las voces más respetadas de la IA está pidiendo precaución y debate público urgente, esta entrevista te ofrece un panorama claro de los riesgos, las oportunidades y las decisiones que marcarán el futuro de la inteligencia artificial.
Publicado hace 26 díasDuración: 29:11
2.74K
105
12
Geoffrey Hinton: La IA actual parecerá prehistórica en 5 años
Hinton Premio Nobel de Física y figura clave en el desarrollo de las redes neuronales modernas.
A lo largo de la charla, Hinton aterriza qué avances de la IA ve más transformadores en la próxima década y por qué. Empieza por sanidad: explica cómo la interpretación de imágenes médicas ya está cambiando, por qué su vieja predicción sobre “sustituir radiólogos” falló en plazos, y cuál cree que será el modelo realista: radiólogo + IA. Conecta esto con el impacto directo en errores de diagnóstico, la mejora de la toma de decisiones clínicas y el salto en diseño de fármacos y ensayos clínicos.
El segundo bloque se centra en educación: defiende que la tutoría personalizada es el patrón oro y argumenta que la IA puede escalar ese efecto a millones de estudiantes, adaptando explicaciones al punto exacto de bloqueo de cada persona. También menciona el uso corporativo: formación interna, habilidades de liderazgo y aprendizaje interactivo frente a cursos pasivos.
Desde ahí pasa a lo que considera una de las líneas más potentes: la IA como motor de progreso científico. Pone a las matemáticas como ejemplo de “sistema cerrado” donde los modelos pueden proponer conjeturas, probar ideas y generar datos propios, y extiende esa intuición al resto de ciencias con una aceleración gradual: primero partes pequeñas del proceso, luego cada vez más.
En el tramo técnico, entra en razonamiento y en por qué le sorprendió la velocidad a la que han avanzado los modelos recientes. Critica la idea de que el razonamiento requiera “traducción a lógica simbólica” y propone una metáfora para entender cómo un modelo representa significado con vectores, contexto y atención. En paralelo, comenta robótica y sensores: no los presenta como requisito filosófico para “entender el mundo”, pero sí como vía más eficiente de aprendizaje cuando puedes interactuar físicamente.
También aborda temas que están en el centro del debate actual: agentes (automatizar acciones reales como reservar, comprar, coordinar tareas entre agentes), leyes de escala y límites por datos/energía, mejoras por ingeniería y la posibilidad de nuevos saltos arquitectónicos (incluyendo más cómputo en “tiempo de uso”, no solo en entrenamiento). Cierra con una discusión sobre memoria a corto plazo en modelos y una comparación con el cerebro: qué cambia rápido, qué cambia lento y por qué podría hacer falta una tercera escala temporal.
Si te interesa IA sin eslóganes, esta conversación es un mapa claro de: dónde ya hay impacto real, qué viene después, y qué debates técnicos están ganando o perdiendo terreno según uno de los protagonistas del campo.
Publicado hace 1 mesDuración: 31:12
26.75K
744
39
Demis Hassabis : CEO de DeepMind y El futuro de la Inteligencia Artificial.
Este vídeo está doblado al español con ElevenLabs. Este es mi enlace de afiliado: https://try.elevenlabs.io/iabro
En este episodio de Google DeepMind: The Podcast, Hannah Fry conversa con Demis Hassabis (CEO y cofundador de Google DeepMind) sobre el salto reciente de los modelos de IA y, sobre todo, sobre lo que falta para que estos sistemas entiendan el mundo de verdad, no solo lo “imiten” bien.
Hassabis repasa el avance de los modelos multimodales y el papel que jugarán los llamados “modelos de mundo”: sistemas capaces de aprender dinámicas del mundo físico a partir de datos brutos, simular escenarios y generalizar con más fiabilidad. Aquí aparece una idea clave: generar vídeos o simulaciones “que parecen reales” no es suficiente si quieres usarlos para ciencia, robótica o decisiones de alto impacto. Para eso hacen falta pruebas duras, datos de referencia y experimentos simples que permitan verificar que el modelo no se inventa la física.
La conversación también entra en apuestas científicas de largo recorrido que podrían cambiarlo todo: nuevos materiales, mejores baterías y fusión nuclear. Se comenta una colaboración más estrecha con Commonwealth Fusion (tokamak), con el objetivo de acelerar problemas muy concretos como el confinamiento del plasma con imanes y posibles líneas de diseño de materiales. Además, hablan de trabajo conjunto con el equipo de Quantum AI de Google, aplicando aprendizaje automático a códigos de corrección de errores, una pieza central para que la computación cuántica sea viable a gran escala.
A partir de ahí, el episodio se abre a la parte más incómoda (y más importante): el impacto social. Hassabis usa la Revolución Industrial como analogía: fue un salto gigantesco en prosperidad, medicina, transporte y productividad, pero vino acompañado de décadas de fricción y de nuevas instituciones para reequilibrar la sociedad. Su tesis es que esta vez podría ser mucho más grande y mucho más rápido: un cambio comprimido en años, no en siglos. Eso obliga a pensar en sistemas económicos nuevos, en cómo se distribuyen los beneficios, y en ideas como la Renta Básica Universal como parte —que no toda— de la respuesta. Incluso se exploran modelos tipo “democracia directa” para priorizar gasto público y medir resultados.
Y cuando asomas la cabeza por encima de la economía, aparece lo filosófico: si el trabajo cambia radicalmente y la energía se vuelve abundante, ¿qué pasa con el propósito? Mucha gente encuentra sentido en su trabajo y en sacar adelante a su familia. Si el suelo se mueve, no basta con hablar de dinero: hay que hablar de significado, identidad y cohesión social.
Un episodio que mezcla ingeniería real (fusión, cuántica, modelos de mundo) con la gran pregunta: si la tecnología acelera, ¿seremos capaces de construir instituciones, normas y cooperación internacional lo bastante rápido para que esto salga bien?
Publicado hace 1 mesDuración: 56:08
63.01K
2.42K
106
CEO de NVIDIA : Estamos ante la mayor revolución industrial de la historia.
Entrevista a Jensen Huang, CEO de NVIDIA.
A lo largo de la entrevista se habla del origen de NVIDIA, de cómo pasó de ser una empresa de chips gráficos a convertirse en una infraestructura crítica para la IA, y de por qué la compañía ya no se entiende solo como un negocio tecnológico, sino como una plataforma esencial para la economía, la industria y la seguridad nacional.
Uno de los ejes centrales es la competencia entre Estados Unidos y China. Huang explica el papel de China en la carrera de la IA, la posición de Huawei como competidor directo y las ventajas estructurales que tiene el ecosistema chino, especialmente en energía, capacidad industrial y coordinación estatal. También se discute si Estados Unidos está reaccionando tarde y qué implicaciones tiene eso a largo plazo.
La entrevista entra en política industrial: controles a la exportación, decisiones del gobierno estadounidense sobre qué puede vender NVIDIA, el concepto de “proliferación” tecnológica, los cambios entre administraciones y el debate sobre hasta qué punto el Estado debe intervenir en el desarrollo de tecnologías estratégicas.
Otro bloque clave es la energía como cuello de botella de la revolución de la IA. Huang insiste en que el límite ya no es solo el chip, sino la electricidad, la red y la capacidad de generar y distribuir energía a gran escala. Se compara la situación energética de Estados Unidos con la de China y se analizan las consecuencias para el crecimiento de la computación y los centros de datos.
También se aborda la robótica y su convergencia con la IA, con datos sobre la rápida adopción de robots industriales, especialmente en China, y lo que eso significa para productividad, automatización y transformación económica global.
En el tramo final, la conversación se mueve hacia el impacto social y cultural de la IA: cómo la perciben distintas disciplinas, por qué genera entusiasmo en ingeniería, curiosidad en ciencias y miedo en humanidades, y cómo deberíamos pensar esta transformación histórica mientras aún estamos a tiempo de decidir cómo se despliega.
Publicado hace 1 mesDuración: 37:54
18.07K
653
47
Sergey Brin: Google INFRAVALORÓ su propio transformer
Entrevista a Sergey Brin, cofundador de Google, realizada en Stanford durante el centenario de la Escuela de Ingeniería, 13 de diciembre de 2025.
En conversación con Jennifer Widom y otros responsables académicos, Brin repasa su etapa como doctorando en Stanford, los orígenes de Google, las decisiones clave en sus primeros años y cómo se construye una cultura de innovación a largo plazo. Habla con franqueza sobre errores, fracasos, el papel de la investigación académica, la relación entre universidad e industria y la evolución técnica que ha marcado a Google desde sus inicios.
La charla entra de lleno en inteligencia artificial: inversiones en cómputo, el papel del transformador, chips propios, centros de datos y por qué Google subestimó durante años la velocidad del cambio. Brin también reflexiona sobre el impacto futuro de la IA, la superinteligencia, el valor de la programación, el papel de la educación superior y cómo debería reinventarse la universidad en un mundo cada vez más híbrido y distribuido.
En la parte final, responde a preguntas de estudiantes sobre emprendimiento, carreras profesionales, tecnologías emergentes subestimadas, creencias limitantes, qué significa hoy una buena vida y cómo se informa: libros, podcasts y el uso cotidiano de la IA —incluida su experiencia hablando con modelos como Gemini mientras conduce—.
Una conversación larga, honesta y técnica sobre innovación, IA, universidad y futuro.
Publicado hace 2 mesesDuración: 36:14
14.83K
362
26
Shane Legg, (Google DeepMind) : la llegada de la AGI | Podcast en español
En este episodio del podcast de Google DeepMind, Hannah Fry entrevista a Shane Legg (cofundador y científico jefe de DeepMind) sobre qué significa realmente “AGI” y cómo reconocerla cuando llegue. Hablan de por qué la inteligencia general no debería tratarse como un “sí o no”, sino como un continuo (AGI mínima, AGI completa y posible ASI), y repasan en qué áreas los modelos actuales ya superan a las personas (idiomas, conocimiento general) y en cuáles siguen siendo frágiles (aprendizaje continuo, razonamiento visual y tareas que exigen fiabilidad sostenida).
La conversación entra también en seguridad y ética: cómo evaluar sistemas antes de desplegarlos, qué tipo de pruebas adversariales harían falta para detectar fallos “humanamente sorprendentes”, y la idea de una “seguridad de sistema dos”, donde el modelo razona de forma explícita sobre decisiones morales y ese razonamiento puede auditarse. En la parte social, Legg anticipa impactos desiguales en el empleo (especialmente trabajos cognitivos remotos), la necesidad de rediseñar instituciones y distribución de riqueza en un mundo con capacidad cognitiva barata, y sitúa sus plazos: 50/50 de AGI mínima para 2028, y “AGI completa” pocos años después.
Publicado hace 2 mesesDuración: 49:25
27.24K
831
54
Elon Musk : La IA y los ROBOTS producirán TODOS los bienes y servicios que queramos
Entrevista completa de Katie Miller a Elon Musk, grabada en Texas y publicada el 10 de diciembre de 2025. Durante la conversación hablan de su etapa con el proyecto DOGE (el “Department of Government Efficiency”), de cómo intentó cortar pagos públicos inútiles, y de las consecuencias políticas de tocar esos intereses.
Musk entra a fondo en su visión sobre inteligencia artificial y robótica: un futuro donde las máquinas pueden producir prácticamente todos los bienes y servicios, el trabajo pasa a ser opcional y el problema ya no es el empleo sino qué hacer con tanto tiempo libre. También comenta sus propias pesadillas con la IA, sus dudas sobre cómo frenarla y el papel de xAI y Tesla en ese escenario.
La entrevista repasa además Starship y la idea de hacer a la humanidad multiplanetaria, su teoría de que el futuro “más interesante” es el más probable (incluida la posibilidad de que vivamos en una simulación), el impacto de las redes sociales y los algoritmos de X, y parte de su vida personal: sueño, dieta, relación con la fama y anécdotas con sus hijos.
Un retrato largo y directo de cómo ve Musk el futuro cercano: automatización extrema, abundancia material… y mucha incertidumbre sobre lo que harán los humanos con ello.
Publicado hace 2 mesesDuración: 37:38
61.08K
1.83K
133
The Thinking Game (El juego de pensar): Documental IA en español
Todo el documental está doblado al español con ElevenLabs, manteniendo las voces diferenciadas de cada persona que interviene.
Este es mi enlace de afiliado: https://try.elevenlabs.io/iabro
Documental “The Thinking Game” en español: la historia completa de Demis Hassabis y DeepMind, desde su obsesión infantil por los juegos hasta la construcción de sistemas de IA que ya están cambiando la ciencia. El documental recorre su etapa como niño prodigio del ajedrez, diseñador de videojuegos, investigador en neurociencia y, finalmente, fundador de DeepMind con la idea explícita de crear inteligencia artificial general.
Se muestra cómo usan los juegos como banco de pruebas para la IA: el desarrollo de AlphaGo, el histórico duelo contra Lee Sedol y lo que significó que una máquina encontrara jugadas que ningún humano habría elegido.
A partir de ahí, el foco se desplaza a problemas científicos reales: el plegamiento de proteínas, el reto de CASP y el desarrollo de AlphaFold, con sus implicaciones para biología, diseño de fármacos y enfermedades graves.
El documental también entra en la filosofía de investigación de DeepMind: explorar sin garantías de éxito, combinar creatividad y rigor, y aceptar que resolver “una parte” de un problema no basta si el objetivo es cambiar el mundo real. Aparecen debates sobre la AGI, la responsabilidad de desarrollar estas tecnologías, los paralelismos con la Revolución Industrial, el impacto en el trabajo y la necesidad de pensar en quién se queda atrás y cómo se le protege.
Publicado hace 2 mesesDuración: 1:21:04
390.59K
10.55K
326
Las AMENAZAS de la IA son reales : Senador Bernie Sanders
Charla del senador Bernie Sanders sobre los riesgos y el impacto de la inteligencia artificial y la robótica en el empleo, la democracia, la privacidad y el poder de las grandes tecnológicas.
Grabado hace 3 días, Sanders analiza cómo un pequeño grupo de multimillonarios está liderando la revolución de la IA, qué puede suponer para millones de trabajadores y por qué podría convertirse en una amenaza para la democracia y el control humano del planeta.
Publicado hace 2 mesesDuración: 12:51
5.85K
212
66
Elon Musk: Trabajar será opcional en 10 años gracias a la IA y la Robótica
Elon Musk se sienta a hablar sin filtro sobre el futuro del trabajo, el dinero, la IA y el papel de India en la próxima ola tecnológica.
En esta conversación desgrana por qué cree que, en menos de 20 años, trabajar será opcional, cómo una “Renta Alta Universal” podría sustituir al empleo tradicional y por qué la deuda de EE. UU. solo se arregla con un salto brutal de productividad gracias a la IA y a la robótica.
También explica:
– Cómo se están alineando Tesla, SpaceX y xAI en un futuro de satélites de IA alimentados por energía solar
– Por qué Tesla es, según él, líder en “IA del mundo real” y qué planes tiene para Optimus
– Qué hace realmente Starlink, dónde tiene sentido usarlo y dónde la física lo hace inviable
– Cómo quiere convertir X en una especie de “conciencia colectiva” global, apoyada en traducción automática
Musk entra en terrenos más filosóficos: la posibilidad de vivir en una simulación, el sentido de la vida, la natalidad como problema existencial y por qué cree que más humanos implican más conciencia para entender el universo. También habla de moral, religión, historia, humor y de lo que de verdad importa al construir una empresa: crear valor real y “aportar más de lo que te llevas”.
Una entrevista especialmente útil para emprendedores y gente que quiere construir cosas en la era de la IA: menos eslóganes, más consecuencias a largo plazo de lo que está pasando ahora mismo.
Publicado hace 2 mesesDuración: 32:46
73.24K
2.3K
229
Ilya Sutskever : La AGI será como un “súperaprendiz”, no un oráculo.
Conversación en profundidad entre Ilya Sutskever (cofundador de OpenAI y ahora fundador de SSI) y Dwarkesh Patel sobre qué está fallando en los modelos actuales y hacia dónde va realmente la IA. Parten de una paradoja: modelos que parecen superhumanos en benchmarks, pero con un impacto económico y práctico muy por detrás, capaces de pasar competiciones difíciles y al mismo tiempo cometer errores básicos y repetitivos. Ilya propone que estamos sobreoptimizando para evaluaciones y “programación competitiva”, mientras seguimos sin entender bien la generalización y el verdadero “gusto” para resolver problemas en el mundo real.
Hablan de preentrenamiento vs aprendizaje por refuerzo, de por qué los humanos generalizan mucho mejor que los modelos con muchos menos datos, y del papel de las emociones como una especie de “función de valor” que guía nuestras decisiones a largo plazo de forma robusta. Ilya sugiere que la clave del siguiente salto no es solo más datos y más cómputo, sino una nueva “receta” de entrenamiento y una vuelta a la era de la investigación: usar el cómputo masivo de hoy, pero con ideas nuevas, no solo con escalado bruto.
La charla entra también en su nueva empresa, SSI: qué significa hacer un “disparo directo” hacia la superinteligencia, cómo competir con gigantes que gastan miles de millones en cómputo, y por qué cree que, tarde o temprano, habrá convergencia en las estrategias de alineación. Ilya defiende una idea fuerte: construir IA que se preocupe genuinamente por la vida sintiente, en un mundo donde habrá billones de agentes artificiales y un crecimiento económico potencialmente explosivo.
Finalmente, Sutskever se moja con plazos (entre 5 y 20 años para sistemas que aprendan tan bien como un humano), reflexiona sobre los riesgos de tener inteligencias del tamaño de un continente, sobre la importancia de un despliegue gradual para que la sociedad vea de verdad el poder de la IA, y cierra explicando su propio “gusto” en investigación: buscar belleza, simplicidad y una inspiración correcta en el cerebro como brújula cuando los datos experimentales son confusos.
Publicado hace 2 mesesDuración: 55:21
27.16K
832
45