TuTube

404 podcasts

Cargando canal...

El problema más difícil que la IA haya resuelto jamás, con el CEO de Google DeepMind. - iabro | TuTube

TuTube

404 podcasts

iabro

iabro

Iabro

Exploro cómo la inteligencia artificial, la robótica y la tecnología están cambiando la forma en que vivimos y entendemos el mundo.

1 añoAntigüedad

35 horasContenido

3.5%Engagement

34.7KSuscriptores

TOP#214

92Videos

TOP#381

2.6MVisitas

TOP#256

5 díasÚltimo

5 díasFrecuencia

24 minDuración

Sam Altman y Greg Brockman fundadores de OpenAI desvelan sus próximos pasos

Sam Altman y Greg Brockman fundadores de OpenAI desvelan sus próximos pasos

⬇️⬇️⬇️ 📒 Descarga GRATIS mi libro: El Hostión que Viene → [https://gpts.es/libro/] 📚 ¿Prefieres papel? Cómpralo aquí → [https://amzn.to/4kPD4l8] 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → [https://www.heygen.com/?sid=rewardful&via=javi] 🗣️ Pon una voz que suene real (ElevenLabs) → [https://try.elevenlabs.io/iabro] 🚗 ¿Vas a comprar un Tesla? Entre 500 y 1.000 € de descuento → [https://ts.la/franciscoj15588] ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ## Resumen del podcast con Sam Altman y Greg Brockman sobre el futuro de OpenAI Sam Altman y Greg Brockman repasan una década de OpenAI, desde sus comienzos como laboratorio outsider hasta convertirse en uno de los actores centrales de la inteligencia artificial. Ambos describen su relación como una alianza forjada bajo presión: Sam aporta visión a gran escala y Greg tiende a concentrar la ejecución en lo esencial. Según explican, esa combinación ha sido decisiva para sostener la empresa en medio de tensiones internas, luchas de poder y decisiones estratégicas muy complejas. ## Seguridad, despliegue gradual y cómo cambió su discurso sobre la IA Uno de los grandes temas es la seguridad. Aseguran que nunca discreparon sobre su importancia, pero sí sobre cómo comunicarla. Su conclusión actual es que la seguridad no debe plantearse solo como una advertencia apocalíptica, sino como una práctica de despliegue iterativo: lanzar sistemas cada vez más útiles y más seguros, permitiendo que la sociedad aprenda a convivir con ellos. Defienden que la resiliencia social frente a la IA no se logra solo con papers o laboratorios, sino con un esfuerzo colectivo que incluya instituciones, usuarios y nuevas normas de uso. ### El gran error del sector: hablar de superinteligencia sin explicar para qué sirve Altman reconoce que la industria ha insistido demasiado en prometer “superinteligencia” sin explicar de forma concreta cómo mejora la vida de las personas. Sostiene que la mayoría no busca solo eficiencia o riqueza abstracta, sino prosperidad, agencia, trabajo con sentido y una vida con retos reales. Brockman añade que ChatGPT ya está generando impacto tangible: desde ayudar a familias a navegar sistemas médicos hasta impulsar nuevas olas de emprendimiento. Su tesis es que la gente entiende la IA cuando la usa, no cuando se la describen. ## La siguiente etapa: agentes, trabajo en el ordenador y AGI personal La prioridad de OpenAI, según ambos, ya no es solo construir modelos potentes, sino productos agenticos. Greg explica que el foco está en tres frentes: una plataforma de agentes, herramientas para automatizar “trabajo de ordenador” en múltiples verticales como derecho o finanzas, y un “AGI personal” que conozca el contexto del usuario, recuerde sus preferencias y actúe por él con cierto grado de autonomía. En ese marco, dicen que los modelos dejan de ser el producto completo para convertirse en el cerebro de una capa de software mucho más amplia. ### Por qué recortaron proyectos como Sora Brockman confirma que Sora perdió prioridad porque no encaja directamente en esa hoja de ruta. Lo describe como una rama tecnológica valiosa, pero menos alineada con la visión de un ecosistema unificado de agentes personales y laborales. En cambio, mantienen su ambición en chips propios, infraestructura, robótica y software capaz de integrarse profundamente en la vida digital del usuario. ## Desigualdad, poder y el conflicto político alrededor de la IA Altman admite que la IA puede crear un mundo donde todos vivan mucho mejor y, al mismo tiempo, aumente la desigualdad si unos pocos dominan el acceso a computación y agentes. Aun así, cree que la prioridad debe ser expandir al máximo la infraestructura y abaratar el acceso para evitar que solo los ricos capturen el beneficio. En la parte final, ambos critican la toxicidad creciente del sector, el uso del miedo como herramienta de marketing y el clima de confrontación entre laboratorios. Altman incluso ve el juicio con Elon Musk como una oportunidad para contar por fin la versión de OpenAI sobre su historia y su misión: construir una IA poderosa que beneficie al conjunto de la humanidad, no a una sola persona o facción.

Publicado hace 6 díasDuración: 1:23:12

Raj Reddy: la IA cambiará todo, pero no como te han contado

Raj Reddy: la IA cambiará todo, pero no como te han contado

⬇️⬇️⬇️ 📒 Descarga GRATIS mi libro: El Hostión que Viene → https://gpts.es/libro/ 📚 ¿Prefieres papel? Cómpralo aquí → https://amzn.to/4kPD4l8 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → https://www.heygen.com/?sid=rewardful&via=javi 🗣️ Pon una voz que suene real (ElevenLabs) → https://try.elevenlabs.io/iabro 🚗 ¿Vas a comprar un Tesla? Entre 500 y 1.000 € de descuento → https://ts.la/franciscoj15588 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ La conferencia plantea una idea central: alrededor de la inteligencia artificial hay una enorme confusión entre dos extremos. Por un lado, están quienes anuncian un desastre existencial; por otro, quienes prometen una era de abundancia en la que la IA multiplicará la productividad hasta hacer casi innecesario el trabajo humano. El ponente rechaza ambos extremos en su versión más exagerada y propone una visión más lenta, histórica y realista. El gran contexto: de los orígenes de la IA al boom actual El conferenciante recuerda que trabaja en IA desde 1963, cuando Estados Unidos empezó a financiar seriamente esta disciplina. Explica que, desde el inicio, el objetivo fue conseguir que los ordenadores hicieran tanto tareas intelectuales como tareas humanas cotidianas. Sin embargo, apareció una paradoja clave: lo que para las personas es fácil, como caminar, ver o hablar, resulta muy difícil para las máquinas; y lo que para nosotros es complejo, como jugar al ajedrez o demostrar teoremas, suele ser más sencillo para un ordenador. Por qué ahora sí parece posible la AGI Según expone, el salto reciente no se entiende sin el crecimiento brutal de la capacidad de cómputo y sin los modelos fundacionales popularizados por ChatGPT. La IA dejó de ser una promesa técnica para convertirse en algo visible y útil para cualquiera. A su juicio, ya hemos alcanzado una forma práctica de AGI si la definimos como una inteligencia capaz de responder sobre casi cualquier tema con un nivel cercano al de un experto. Pone como ejemplo el rendimiento de estos modelos en exámenes avanzados, donde superan la mayoría de materias con solvencia. Trabajo, riqueza y el error de las predicciones rápidas La charla analiza dos escenarios: que una persona haga el trabajo de diez y genere una gran abundancia, o que nueve de cada diez trabajadores queden desplazados. Aquí introduce ideas como la renta básica universal o los servicios básicos universales. Aun así, sostiene que el verdadero freno no será la tecnología, sino la sociedad: leyes, regulaciones, sindicatos, intereses económicos y resistencia institucional impedirán que el cambio sea inmediato. Su tesis principal es contundente: la IA y la robótica sí transformarán sanidad, educación y empleo, pero no en cinco o diez años. Habla más bien de un horizonte de 20, 30 o incluso 50 años para una adopción profunda. Cómo cambiará la educación con tutores de IA En educación, defiende que los tutores de IA harán viable una enseñanza personalizada a gran escala. El valor ya no estará en memorizarlo todo, sino en aprender a aprender: saber preguntar bien, detectar lo que uno no sabe y acceder al conocimiento justo cuando lo necesita. Eso reducirá el peso de muchas materias enseñadas “por si acaso” y reforzará habilidades básicas, sociales y prácticas.

Publicado hace 7 díasDuración: 37:13

Claude Mythos y por qué la confianza digital empieza por lo básico: correo, dominio y web

Claude Mythos y por qué la confianza digital empieza por lo básico: correo, dominio y web

Usa mi enlace para probar Neo con descuento exclusivo: https://www.neo.space/iabro Anthropic está empujando fuerte en una dirección que puede tener bastante impacto, y este vídeo va precisamente de eso. Pero también hay otra capa importante: en internet, la confianza se decide en segundos. Un correo, un dominio, una web. Y eso cambia cómo te perciben clientes, marcas o cualquiera que llegue a tu proyecto. Por eso este vídeo está patrocinado por Neo, una forma sencilla de tener correo profesional, dominio propio y una web básica sin complicarte con configuraciones técnicas ni mil herramientas distintas.

Publicado hace 13 díasDuración: 11:10

El problema más difícil que la IA haya resuelto jamás, con el CEO de Google DeepMind.

El problema más difícil que la IA haya resuelto jamás, con el CEO de Google DeepMind.

⬇️⬇️⬇️ 📒 Descarga GRATIS mi libro: El Hostión que Viene → https://gpts.es/libro/ 📚 ¿Prefieres papel? Cómpralo aquí → https://amzn.to/4kPD4l8 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → https://www.heygen.com/?sid=rewardful&via=javi 🗣️ Pon una voz que suene real (ElevenLabs) → https://try.elevenlabs.io/iabro 🚗 ¿Vas a comprar un Tesla? Entre 500 y 1.000 € de descuento → https://ts.la/franciscoj15588 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Demis Hassabis y la IA que puede salvar más vidas La entrevista gira en torno a una idea central: la inteligencia artificial más transformadora no será la que vemos en chatbots o generadores de imágenes, sino la que opera “entre bastidores” acelerando descubrimientos en medicina, biología, energía, materiales y computación. Demis Hassabis, CEO de Google DeepMind, defiende que el mejor uso posible de la IA es mejorar la salud humana y ampliar la capacidad de la ciencia para entender la realidad. AlphaFold: el avance que cambió la biología Cómo la IA resolvió el problema del plegamiento de proteínas Hassabis explica que AlphaFold nació para resolver un reto histórico: predecir la estructura 3D de las proteínas a partir de su secuencia. Antes, obtener esa estructura requería años de trabajo y enormes costes experimentales. El momento decisivo llegó cuando su equipo comprendió que el sistema no solo era preciso, sino lo bastante rápido como para calcular prácticamente todas las proteínas conocidas y liberarlas gratis en una base de datos mundial. El impacto, según cuenta, ha sido enorme: hoy millones de científicos usan AlphaFold y casi cualquier futuro fármaco pasará por herramientas de este tipo. Su utilidad va desde enfermedades olvidadas como malaria o chagas hasta cultivos más resistentes al cambio climático. También destaca que este sistema no resuelve por sí solo el descubrimiento de fármacos, pero sí elimina un cuello de botella crucial. El nuevo frente: diseñar medicamentos con IA Hassabis describe el siguiente paso: usar IA no solo para entender proteínas, sino para diseñar compuestos que se unan a ellas con precisión, evitando efectos secundarios. La idea es probar virtualmente miles o millones de moléculas, descartar las tóxicas y dejar para el laboratorio físico solo las candidatas más prometedoras. Ahí sitúa el papel de Isomorphic Labs y de futuras versiones de AlphaFold. También menciona AlphaGenome, un sistema orientado a interpretar mutaciones del ADN, especialmente en el 98% del genoma que no codifica proteínas, con vistas a combinarlo algún día con CRISPR. De AlphaGo a la creatividad de la máquina Move 37 y por qué importa para el futuro El otro gran hilo de la conversación es AlphaGo. Hassabis sostiene que el famoso “Move 37” fue decisivo porque mostró que una IA podía descubrir estrategias creativas que los humanos no habían imaginado. Con AlphaZero, DeepMind fue más lejos: un sistema que aprende desde cero, solo con las reglas, y alcanza nivel campeón mundial en horas. Para él, esa capacidad de búsqueda, razonamiento y autoaprendizaje será clave para resolver problemas reales como diseño de chips, nuevos materiales, multiplicación de matrices, fusión o computación cuántica. Riesgos, AGI y cómo prepararse Hassabis distingue dos riesgos principales: el uso malicioso de la IA por actores humanos y la posibilidad de que sistemas cada vez más autónomos se salgan de control. Cree que estos peligros merecen más atención que incluso los deepfakes. Aun así, mantiene una visión optimista: si la humanidad supera con seguridad el momento AGI, la IA podría ayudar a curar enfermedades, abaratar la energía y abrir una era de enorme prosperidad. Su consejo final es claro: aprender a usar estas herramientas cuanto antes, porque darán “superpoderes” a quienes sepan aplicarlas en nuevos sectores.

Publicado hace 17 díasDuración: 1:05:40

Terafab Keynote en español Chips de IA para la Tierra y el espacio

Terafab Keynote en español Chips de IA para la Tierra y el espacio

⬇️⬇️⬇️ 📒 Descarga GRATIS mi libro: El Hostión que Viene → [https://gpts.es/libro/] 📚 ¿Prefieres papel? Cómpralo aquí → [https://amzn.to/4kPD4l8] 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → [https://www.heygen.com/?sid=rewardful&via=javi] 🗣️ Pon una voz que suene real (ElevenLabs) → [https://try.elevenlabs.io/iabro] 🚗 ¿Vas a comprar un Tesla? Entre 500 y 1.000 € de descuento → [https://ts.la/franciscoj15588] ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ## Resumen del vídeo: la visión de Elon Musk sobre IA, espacio y civilización multiplanetaria El vídeo plantea una idea central: para comprender de verdad el universo, la humanidad debe salir de la Tierra y expandirse por el espacio. Desde esa premisa, se presenta una visión ambiciosa en la que el progreso tecnológico no se limita a mejorar la vida en nuestro planeta, sino que sirve para convertir a la humanidad en una civilización multiplanetaria y, más adelante, interestelar. ## La energía como base del futuro humano Musk explica que el verdadero límite del progreso no es solo la inteligencia o la ingeniería, sino la cantidad de energía disponible. Retoma la escala de Kardashev para situar a la humanidad muy lejos todavía de una civilización capaz de aprovechar una fracción relevante de la energía del Sol. Según su enfoque, la Tierra apenas captura una porción insignificante de esa energía, por lo que cualquier salto real de civilización exige escalar la producción energética fuera del planeta. ### Por qué el futuro de la computación está en el espacio A partir de ahí conecta energía y computación. Su tesis es que el crecimiento extremo de la IA requerirá niveles de potencia imposibles de sostener solo en la Tierra. Defiende que el espacio ofrece ventajas decisivas: luz solar constante, ausencia de atmósfera, mayor eficiencia de los paneles y menos limitaciones físicas y regulatorias que en tierra. Por eso sostiene que, en pocos años, desplegar infraestructura de IA en órbita podría resultar más barato que hacerlo en superficie. ## Qué es Terafab y por qué lo considera imprescindible El anuncio principal del vídeo es Terafab, descrito como el mayor esfuerzo de fabricación de chips de la historia. La idea es crear una instalación avanzada en Austin capaz de integrar en un mismo edificio todas las fases críticas: diseño, máscaras de litografía, fabricación, empaquetado, testeo y rediseño. Esa concentración permitiría ciclos de mejora muchísimo más rápidos que los actuales. Musk afirma que la producción global actual de chips de IA está muy por debajo de lo que haría falta para su objetivo de alcanzar un teravatio de computación al año. Por eso insiste en que no basta con depender de proveedores como TSMC, Samsung o Micron: aunque seguirán siendo socios clave, su ritmo de expansión no cubre la demanda futura. ## Los dos tipos de chips del futuro También adelanta dos líneas de desarrollo. La primera serían chips orientados a inferencia en el borde, pensados sobre todo para Optimus y vehículos. La segunda serían chips de alta potencia diseñados específicamente para operar en el espacio, adaptados a radiación, calor y otras condiciones orbitales. En su visión, la mayor parte del cómputo acabará estando fuera de la Tierra. ## De Starship a la Luna: la hoja de ruta hacia una civilización galáctica El vídeo enlaza Terafab con SpaceX, Tesla y xAI como piezas de una misma estrategia. Starship sería esencial para colocar millones de toneladas en órbita cada año; Tesla aportaría robótica y fabricación; xAI, la infraestructura computacional. Más adelante, imagina un siguiente salto: construir en la Luna un sistema electromagnético de lanzamiento masivo que permita enviar infraestructura al espacio profundo sin cohetes convencionales. ### La meta final: abundancia radical El cierre del vídeo es casi filosófico. Musk dibuja un futuro de abundancia impulsado por energía sostenible, IA, robots y viajes espaciales, donde las limitaciones materiales se reduzcan tanto que bienes y experiencias hoy inaccesibles —incluso viajar a Saturno— puedan estar al alcance de cualquiera. En resumen, presenta la expansión espacial y el desarrollo masivo de computación como el camino hacia una civilización mucho más rica, libre y ambiciosa.

Publicado hace 22 díasDuración: 27:15

Andrej Karpathy: El fin de la programación, agentes, investigación automatizada y la era de la IA.

Andrej Karpathy: El fin de la programación, agentes, investigación automatizada y la era de la IA.

⬇️⬇️⬇️ 📒 Descarga GRATIS mi libro: El Hostión que Viene → https://gpts.es/libro/ 📚 ¿Prefieres papel? Cómpralo aquí → https://amzn.to/4kPD4l8 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → https://www.heygen.com/?sid=rewardful&via=javi 🗣️ Pon una voz que suene real (ElevenLabs) → https://try.elevenlabs.io/iabro 🚗 ¿Vas a comprar un Tesla? Entre 500 y 1.000 € de descuento → https://ts.la/franciscoj15588 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Andrej Karpathy sobre agentes de IA, programación y el futuro del trabajo Andrej Karpathy describe un cambio radical en la forma de programar: ya no escribe código de manera tradicional, sino que dedica su tiempo a dirigir agentes de IA, repartirles tareas y coordinar múltiples procesos en paralelo. Según su visión, desde finales de 2024 la ingeniería de software ha entrado en una nueva fase donde el cuello de botella ya no es teclear, sino saber delegar, diseñar instrucciones útiles y organizar flujos de trabajo autónomos. Cómo están cambiando los agentes de código Karpathy explica que la maestría ya no consiste en producir funciones a mano, sino en operar a un nivel más alto: asignar nuevas funcionalidades a varios agentes, revisar resultados y combinar investigación, implementación y planificación simultáneamente. A su juicio, casi todo parece un “problema de habilidad”: muchas limitaciones actuales no vienen tanto del modelo como de no haber encontrado todavía la configuración adecuada, la memoria correcta o las mejores instrucciones. De un solo agente a sistemas persistentes El siguiente paso, dice, no es solo tener un asistente conversacional, sino estructuras más persistentes —lo que llama “claws”— capaces de actuar de forma continua, con memoria, autonomía y tareas prolongadas sin supervisión constante. Para ilustrarlo, cuenta cómo construyó “Dobby”, un sistema que integra luces, climatización, persianas, piscina, altavoces, cámaras y seguridad de su casa, todo controlado por lenguaje natural desde WhatsApp. El futuro del software: menos apps, más APIs y agentes Una de sus tesis centrales es que muchas aplicaciones actuales sobran. En vez de interfaces separadas para cada dispositivo o servicio, cree que deberían existir APIs abiertas para que los agentes hagan de pegamento universal. Eso reduciría fricción, eliminaría capas innecesarias de software y permitiría experiencias mucho más personalizadas y efímeras, creadas al vuelo para cada usuario. AutoResearch: investigación automatizada y mejora recursiva Karpathy conecta esta idea con la investigación en IA. Su proyecto “AutoResearch” busca sacar al humano del bucle y dejar que agentes prueben hipótesis, ejecuten experimentos y optimicen modelos por sí solos según métricas verificables. Le sorprendió que el sistema encontrara mejoras reales en hiperparámetros y configuraciones que él mismo no había detectado tras años de experiencia. Desde ahí imagina organizaciones de investigación enteras descritas como instrucciones editables, optimizables y hasta comparables entre sí. Trabajo, open source, robótica y educación Sobre empleo, cree que la mayor transformación llegará antes al trabajo digital que al físico: todo lo que manipula información será reconfigurado primero, mientras que la robótica avanzará más lento por la complejidad del mundo material. Aun así, ve una gran oportunidad en las interfaces entre bits y átomos: sensores, actuadores, laboratorios y sistemas que permitan a la IA observar y actuar en el mundo real. También defiende un equilibrio sano entre modelos cerrados punteros y open source cada vez más competente. Finalmente, sostiene que la educación cambiará profundamente: en vez de explicar directamente a personas, cada vez más habrá que enseñar a los agentes para que ellos adapten la explicación a cada estudiante. En ese mundo, el valor humano estará en aportar las pocas intuiciones originales que las máquinas todavía no sepan descubrir por sí solas.

Publicado hace 1 mesDuración: 1:07:00

Conferencia de NVIDIA GTC 2026 Resumen en 13 minutos.

Conferencia de NVIDIA GTC 2026 Resumen en 13 minutos.

⬇️⬇️⬇️ 📒 Descarga GRATIS mi libro: El Hostión que Viene → https://gpts.es/libro/ 📚 ¿Prefieres papel? Cómpralo aquí → https://amzn.to/4kPD4l8 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → https://www.heygen.com/?sid=rewardful&via=javi 🗣️ Pon una voz que suene real (ElevenLabs) → https://try.elevenlabs.io/iabro 🚗 ¿Vas a comprar un Tesla? Entre 500 y 1.000 € de descuento → https://ts.la/franciscoj15588 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🚀 Nvidia GTC: El futuro de la IA, gráficos y computación En esta keynote de Nvidia GTC se presenta una visión ambiciosa del futuro tecnológico basada en tres pilares clave: plataformas, ecosistemas y la convergencia entre inteligencia artificial y computación avanzada. 🧠 Plataformas clave: CUDA, sistemas y AI factories Nvidia estructura su estrategia en tres plataformas principales: CUDA-X, el ecosistema de computación acelerada Sistemas, que integran hardware completo AI Factories, una nueva categoría centrada en producción de inteligencia artificial a escala El foco no está solo en la tecnología, sino en los ecosistemas que permiten su adopción masiva. 🎮 Neuro Rendering y DLSS 5: la fusión definitiva Uno de los anuncios más importantes es el concepto de neuro rendering, que combina gráficos 3D tradicionales con IA generativa. Claves del avance: Fusión entre datos estructurados (mundo 3D) y computación probabilística (IA) Resultados visuales más realistas y controlables Base del nuevo DLSS 5, la siguiente generación de renderizado Esto marca un cambio radical en cómo se crean gráficos: precisión + creatividad automatizada. 📊 IA + datos estructurados: el nuevo estándar Se destaca la importancia de los datos estructurados como base de una IA confiable: Plataformas como SQL, Spark, Snowflake o BigQuery manejan estos datos Representan la “verdad” del mundo empresarial Su combinación con IA generativa permite sistemas más precisos y útiles Este modelo híbrido se repetirá en múltiples industrias. 🤖 Agentes de IA: de asistentes a ejecutores La evolución de la IA sigue esta progresión: Percibir Generar Razonar Actuar (hacer trabajo real) En Nvidia ya se utilizan herramientas como agentes que: Leen código y archivos Dividen problemas complejos Ejecutan tareas automáticamente El paradigma cambia: ya no preguntas, ordenas y la IA ejecuta. ⚙️ Nuevo hardware: Vera Rubin y eficiencia extrema Nvidia presenta su nuevo sistema: 🖥️ Vera Rubin CPU optimizada para alto rendimiento por hilo Uso de memoria LPDDR5 (único en centros de datos) Enfocado en procesamiento de agentes 💧 Refrigeración líquida total Instalación mucho más rápida Uso de agua caliente (45°C) Reduce costes energéticos del data center 🔗 NVLink y redes del futuro Sexta generación de NVLink, clave para escalar sistemas Nuevo sistema Gro con chips de tercera generación Switch Spectrum-X con óptica integrada (CPO): conexión directa fotónica Esto permite comunicaciones ultrarrápidas entre chips. 🧩 Open Claw: el “Linux” de los agentes de IA Uno de los anuncios más disruptivos: 🔓 Open Claw Sistema open source para crear agentes autónomos Conecta modelos, herramientas y sistemas Gestiona tareas, archivos, cron jobs y comunicación Funciona como un sistema operativo de agentes, permitiendo crear “agentes personales” igual que Windows permitió PCs. 🤖 Robótica y Omniverse: el caso Olaf Se muestra un robot (Olaf) que aprende a moverse en entornos simulados gracias a: Omniverse Simulación física avanzada (Newton solver) Integración con IA Esto abre la puerta a robots que aprenden en simulación antes de actuar en el mundo real.

Publicado hace 1 mesDuración: 12:00

Neil deGrasse: La guerra vista por un científico

Neil deGrasse: La guerra vista por un científico

⬇️⬇️⬇️ 📒 Descarga GRATIS mi libro: El Hostión que Viene → https://gpts.es/libro/ 📚 ¿Prefieres papel? Cómpralo aquí → https://amzn.to/4kPD4l8 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → https://www.heygen.com/?sid=rewardful&via=javi 🗣️ Pon una voz que suene real (ElevenLabs) → https://try.elevenlabs.io/iabro 🚗 ¿Vas a comprar un Tesla? Entre 500 y 1.000 € de descuento → https://ts.la/franciscoj15588 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ La evolución de la guerra y el poder destructivo humano A lo largo de la historia de la civilización, los seres humanos no siempre han resuelto sus conflictos mediante el diálogo. En muchos casos, las diferencias se han resuelto mediante la violencia, un patrón preocupante que ha acompañado a nuestra especie desde tiempos muy antiguos. Con el paso de los siglos, el problema no solo ha sido la existencia de conflictos, sino el crecimiento exponencial de la capacidad de destrucción. En los primeros tiempos, la violencia estaba limitada por la fuerza física. Una pelea a puñetazos solo permitía dañar a una persona a la vez. Posteriormente aparecieron armas como el arco y la flecha, que permitían a un individuo atacar a varios enemigos a distancia. Más adelante llegaron las armas de fuego, que ampliaron aún más el alcance y la eficiencia de matar. Con la aparición de armas automáticas, misiles y bombas, una sola persona podía causar la muerte de cientos o miles de individuos. A pesar de la brutalidad de las guerras, existe la esperanza de que la humanidad pueda aprender a cooperar. Incluso se ha planteado que una amenaza externa —como un posible peligro procedente del espacio— podría unir a la humanidad frente a un enemigo común. Sin embargo, la verdadera solución podría ser mucho más simple: la conversación, la cooperación y la coexistencia entre sociedades distintas. Un mundo verdaderamente avanzado no sería aquel con las armas más poderosas, sino aquel donde las diferencias se resuelvan mediante diálogo y objetivos comunes para proteger la salud, la prosperidad y la seguridad de toda la humanidad.

Publicado hace 2 mesesDuración: 20:11

Elon Musk: Optimus 3 está en camino, singularidad y la auto-mejora de la IA

Elon Musk: Optimus 3 está en camino, singularidad y la auto-mejora de la IA

⬇️⬇️⬇️ 📒 Descarga GRATIS mi libro: El Hostión que Viene → https://gpts.es/libro/ 📚 ¿Prefieres papel? Cómpralo aquí → https://amzn.to/4kPD4l8 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → https://www.heygen.com/?sid=rewardful&via=javi 🗣️ Pon una voz que suene real (ElevenLabs) → https://try.elevenlabs.io/iabro 🚗 ¿Vas a comprar un Tesla? Entre 500 y 1.000 € de descuento → https://ts.la/franciscoj15588 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Musk reconoce que el futuro no está garantizado y existen riesgos importantes. Sin embargo, estima que hay alrededor de un 80% de probabilidad de que el resultado final sea extremadamente positivo. La combinación de inteligencia artificial y robótica podría traer avances masivos en medicina, productividad y calidad de vida. Incluso imagina un mundo donde cada persona tenga acceso a mejores médicos que los actuales multimillonarios gracias a sistemas médicos basados en IA. En definitiva, Musk describe una transformación tecnológica comparable a una singularidad: un punto donde los cambios serán tan rápidos y profundos que resultará difícil prever exactamente qué vendrá después.

Publicado hace 2 mesesDuración: 24:33

Alex Wissner-Gross: Estamos a un paso de curar miles de enfermedades y nadie está preparado

Alex Wissner-Gross: Estamos a un paso de curar miles de enfermedades y nadie está preparado

⬇️⬇️⬇️ 📒 Descarga GRATIS mi libro: El Hostión que Viene → https://gpts.es/libro/ 📚 ¿Prefieres papel? Cómpralo aquí → https://amzn.to/4kPD4l8 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → https://www.heygen.com/?sid=rewardful&via=javi 🗣️ Pon una voz que suene real (ElevenLabs) → https://try.elevenlabs.io/iabro 🚗 ¿Vas a comprar Tesla? Entre 500 y 1.000 € de descuento → https://ts.la/franciscoj15588 El mensaje principal del vídeo es claro: la humanidad podría estar entrando en una fase de aceleración tecnológica radical. La inteligencia artificial no solo automatizaría tareas, sino que podría convertirse en la herramienta que resuelva los mayores desafíos científicos y médicos. Los próximos 2 a 5 años podrían traer descubrimientos y cambios tan rápidos que la sociedad tendrá que adaptarse a una velocidad nunca vista antes.

Publicado hace 2 mesesDuración: 16:21

Kevin Weil (OpenAI): “La AGI no se medirá en chats, sino en materiales, medicina y fusión"

Kevin Weil (OpenAI): “La AGI no se medirá en chats, sino en materiales, medicina y fusión"

⬇️⬇️⬇️ 📒 Descarga GRATIS mi libro: El Hostión que Viene → https://gpts.es/libro/ 📚 ¿Prefieres papel? Cómpralo aquí → https://amzn.to/4kPD4l8 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → https://www.heygen.com/?sid=rewardful&via=javi 🗣️ Pon una voz que suene real (ElevenLabs) → https://try.elevenlabs.io/iabro 🚗 ¿Vas a comprar un Tesla? Entre 500 y 1.000 € de descuento → https://ts.la/franciscoj15588 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Kevin Weil y la nueva carrera por acelerar la ciencia con IA En esta entrevista, Kevin Weil (VP de Ciencia en OpenAI, con pasado en Twitter, Facebook e Instagram) explica por qué la IA está entrando en una fase donde no solo ayuda a escribir o programar, sino que empieza a empujar la frontera del conocimiento humano. Su tesis: si los modelos pueden aportar descubrimientos, el impacto real de la AGI no será “un chat mejor”, sino nuevos materiales, medicina personalizada, superconductividad o incluso fusión, adelantando “la ciencia de 2050” a 2030. Carrera y decisiones que le llevaron a OpenAI Weil cuenta que gran parte de su trayectoria vino de conexiones y timing: su esposa le abrió el mundo startup, lo conectó con oportunidades como Twitter y más tarde con Instagram. Con Sam Altman mantuvo conversaciones recurrentes y recuerda cómo, ya en 2020, Altman anticipaba que la IA afectaría antes a trabajos “de oficina” y a la programación. Cuando apareció el rol en OpenAI, lo vio como la oportunidad más interesante posible. IA resolviendo problemas “de frontera” De la incredulidad al salto de capacidades Describe un patrón típico: algo pasa de “imposible para la IA” a “funciona mal a veces” y, pocos meses después, a ser fiable. Sitúa a la ciencia de frontera justo en esa fase intermedia actual, con señales claras de progreso. Matemáticas como primer campo “cerrado” Explica que áreas como matemáticas, física y teoría de la computación son terreno ideal porque permiten bucles cerrados (todo ocurre “en silicio”). Menciona ejemplos recientes donde modelos han resuelto problemas abiertos, no porque los humanos no pudieran en absoluto, sino porque aún no lo habían logrado. El “cambio de mundo” y la creatividad masiva Para él, lo más disruptivo es que millones de personas con ideas ahora pueden ejecutarlas sin ser expertas. Pone el ejemplo de tareas municipales o proyectos que antes requerían presupuesto y especialistas, y hoy podrían salir de un prompt. También describe su rutina con agentes: delegar trabajo en paralelo mientras estás en reuniones o incluso dejar tareas corriendo durante la noche. Robotic labs y el futuro de la investigación Razonamiento de largo horizonte Una pieza clave será enseñar a los modelos a mantenerse enfocados no minutos, sino días o semanas, para resolver problemas más complejos. Bucles RL con validación en el mundo real Para medicina o materiales no basta con simulación: hace falta experimentar. Su visión combina simulación + diseño de experimentos + ejecución en laboratorios robóticos escalables 24/7, con resultados que vuelven al modelo para iterar. Esto, además, libera a investigadores humanos de tareas repetitivas. Lecciones de producto: escala, UX y decisiones difíciles Habla de decisiones polémicas como rankear el feed de Twitter (pasar de orden cronológico a relevancia), y de retos nuevos como diseñar la experiencia de modelos que tardan en responder: no mostrar el razonamiento completo por riesgos de copia, pero sí dar “pistas” periódicas, como haría un humano al pensar. Consejos para founders construyendo con IA Recomienda no depender de un único “prompt gigante”. En muchos casos funciona mejor un enfoque orquestado: un modelo planifica y coordina, y otros modelos más baratos o especializados ejecutan partes. También destaca que la era actual favorece a perfiles con alta agencia, curiosidad y aprendizaje rápido: si tienes una idea, ya no hay excusa para no probarla. Por qué la IA está siendo B2B-first (y qué viene en consumo) Argumenta que el B2B despega primero porque ahí está el trabajo económicamente valioso y porque los modelos cuestan dinero, así que tener clientes que paguen acelera. Aun así, cree que el espacio consumidor explotará conforme los agentes integren herramientas y apps en una sola interfaz, permitiendo negocios que quizá ni necesiten web o app propia.

Publicado hace 2 mesesDuración: 33:14

Elon Musk confirma FSD en Europa el 20 de marzo y producción europea de Cybercab y Optimus

Elon Musk confirma FSD en Europa el 20 de marzo y producción europea de Cybercab y Optimus

⬇️⬇️⬇️ 📒 Descarga GRATIS mi libro: El Hostión que Viene → [https://gpts.es/libro/] 📚 ¿Prefieres papel? Cómpralo aquí → [https://amzn.to/4kPD4l8] 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → [https://www.heygen.com/?sid=rewardful&via=javi] 🗣️ Pon una voz que suene real (ElevenLabs) → [https://try.elevenlabs.io/iabro] 🚗 ¿Vas a comprar un Tesla? Entre 500 y 1.000 € de descuento → [https://ts.la/franciscoj15588] ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ## 🚀 Tesla en 2025: IA, robots y expansión global En esta entrevista, Elon Musk repasa el presente y futuro de Tesla, defendiendo que la compañía es una de las más emocionantes del mundo —junto con SpaceX— por su capacidad de transformar industrias completas. ### 🤖 Conducción autónoma total: el gran salto Musk asegura que el Full Self-Driving (FSD) de Tesla es el sistema de IA en el mundo real más avanzado actualmente. Explica que el vehículo aprende a conducir únicamente a través de visión, como lo haría un humano. Se espera su aprobación en Europa (mencionando Países Bajos como punto inicial), y afirma que técnicamente este mismo año será posible dormirse en un Tesla y despertar en el destino. Destaca que los coches autónomos no solo aportan comodidad, sino seguridad: ya se han dado casos donde un Tesla ha llevado automáticamente a un conductor al hospital ante emergencias médicas. Según su visión, el futuro será exclusivamente de vehículos eléctricos y autónomos. Los coches de combustión quedarán como algo residual, comparable a montar a caballo hoy en día. --- ## 🦾 Optimus: el robot humanoide que cambiará el trabajo Otro de los pilares estratégicos es Optimus, el robot humanoide de Tesla. Musk cree que será el primer robot verdaderamente útil del mercado. Sus aplicaciones iniciales serán tareas simples, pero progresivamente podrá cuidar niños, asistir a personas mayores o incluso realizar cirugía. A largo plazo, anticipa que podría ofrecer atención médica superior a la actual en cualquier parte del mundo. También lanza una idea disruptiva: en menos de 10 años, el trabajo será opcional gracias a la IA y la robótica. Trabajar será más una elección personal que una necesidad económica. --- ## 🏭 Expansión industrial: Giga Berlin y más allá Tesla está escalando múltiples líneas de producción: * Aumento de fabricación de vehículos. * Producción de baterías en Berlín. * Refinería de litio en Texas. * Refinería de cátodos de níquel en Austin. * Lanzamiento del Cybercab en Giga Texas con intención de expandirlo a Europa. * Llegada del Tesla Semi al mercado europeo. * Posible fabricación futura de Optimus en Europa. Musk visualiza Giga Berlin como un centro industrial masivamente ampliado, con integración vertical completa (celdas, ánodos, cátodos, litio) y nuevos productos como Cybercab u Optimus. Sin embargo, advierte que el crecimiento dependerá del apoyo regulatorio y social. Define la fábrica alemana como una de las más avanzadas y atractivas del mundo, destacando el ambiente creativo y el orgullo por “hacer cosas útiles”. --- ## ⚡ Crítica a la industria automotriz tradicional Musk sostiene que los fabricantes tradicionales han innovado poco en la última década y han resistido la electrificación. Considera que su estrategia los conduce a la irrelevancia si no adoptan con decisión el modelo eléctrico y autónomo. Para él, Tesla no solo fabrica coches: construye el futuro. --- ## 🌍 Visión a 5-10 años y consejo vital En el horizonte cercano (5-10 años), Musk ve un futuro extremadamente brillante para Tesla. Incluso bromea con fábricas en la Luna en 20 años. A los jóvenes les recomienda: * Ser optimistas. * Leer mucho. * Probar cosas nuevas. * Disfrutar la vida. * Encontrar un trabajo que realmente les motive. Sus momentos más inspiradores incluyen el nacimiento de sus hijos, el primer Tesla Roadster legalmente en circulación y los hitos de SpaceX como alcanzar órbita y recuperar cohetes. En resumen, Musk dibuja un futuro dominado por vehículos eléctricos autónomos, robots humanoides y fábricas altamente integradas que redefinen la economía global.

Publicado hace 2 mesesDuración: 23:50

Neil deGrasse y Brian Cox: ¿podrá la IA ser consciente algún día?

Neil deGrasse y Brian Cox: ¿podrá la IA ser consciente algún día?

⬇️⬇️⬇️ 📘 Descarga GRATIS mi libro: El Hostión que Viene → https://gpts.es/libro/ 📦 ¿Prefieres papel? Cómpralo aquí → https://amzn.to/4kPD4l8 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → https://www.heygen.com/?sid=rewardful&via=javi 🗣️ Pon una voz que suene real (ElevenLabs) → https://try.elevenlabs.io/iabro ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ¿Es la vida solo información? El debate entre biología, computación e inteligencia artificial El vídeo explora una cuestión profunda: ¿qué es realmente la vida? Se plantea la idea de que, en el fondo, la vida podría entenderse como procesamiento de información. Desde esta perspectiva, la biología —ADN, células, tejidos— sería simplemente la forma física en la que ese procesamiento se manifiesta. Lo verdaderamente esencial no sería la materia, sino el “cómputo” que ocurre en ella. Si aceptamos esa visión, surge una consecuencia inquietante: al desarrollar inteligencia artificial avanzada, especialmente una posible Inteligencia Artificial General (AGI), podríamos estar creando una nueva forma de vida. Una entidad capaz de superarnos en capacidad intelectual y duración, lo que inevitablemente recuerda a escenarios tipo Terminator. El Francis Crick Institute y el debate científico sobre la IA El ponente menciona su participación en el Francis Crick Institute, un centro puntero en biociencias en Londres, impulsado por el Nobel Paul Nurse. En una serie de debates organizados allí, se abordó precisamente el tema de la inteligencia artificial. Durante uno de estos encuentros surgió una clara división entre neurocientíficos y científicos de la computación: Los neurocientíficos defendían que los modelos actuales de lenguaje (LLMs) no entienden nada realmente. Solo reorganizan símbolos según probabilidades estadísticas. El cerebro humano, según ellos, funciona de manera fundamentalmente distinta. Los informáticos argumentaban que quizás nosotros tampoco somos tan distintos. Tal vez nuestra conciencia sea también el resultado de procesos físicos que manipulan información sin “comprender” en un sentido profundo. El argumento del “intercambio de símbolos” y la conciencia Se menciona una idea filosófica asociada a John Searle, conocida por su experimento mental del “cuarto chino”. La analogía sugiere que un sistema puede responder correctamente a símbolos (como palabras) sin entender su significado. En el debate se propone un ejemplo: si una persona inmortal recibiera símbolos por debajo de una puerta y aprendiera qué devolver para obtener comida, con tiempo suficiente podría sostener una conversación compleja. Sin embargo, en ningún momento comprendería realmente el contenido de ese intercambio. La pregunta clave es: ¿no podría ser esto lo que hacen los modelos actuales de IA? ¿Y peor aún, no podría ser también una descripción válida del cerebro humano a nivel neuronal? ¿Somos máquinas de procesamiento de información? El vídeo profundiza en una idea inquietante: quizá la conciencia no sea más que una propiedad emergente de sistemas extremadamente complejos. A nivel neuronal, solo hay impulsos eléctricos y reacciones químicas. No hay “comprensión” en una neurona individual. Muchos expertos en IA sostienen que, con suficiente tiempo, datos y potencia de cálculo, estos sistemas acabarán desarrollando algo indistinguible del pensamiento humano. La diferencia podría ser solo de grado, no de naturaleza. Una viñeta humorística sobre delfines observando a humanos ilustra esta duda: tal vez creemos que entendemos, pero desde fuera solo parecemos intercambiar sonidos sin auténtico significado. Emergencia y física fundamental Finalmente, el debate se traslada a la física. Incluso el modelo estándar de partículas —que enumera quarks, electrones, bosones y fuerzas fundamentales— funciona como un inventario detallado de componentes e interacciones. Sin embargo, aún hay propiedades básicas que no se derivan fácilmente de él. La conclusión implícita es que tanto la conciencia como la vida podrían ser fenómenos emergentes: resultados inevitables cuando la materia —o la computación— alcanza cierto nivel de complejidad. El debate sigue abierto, incluso entre los mayores expertos.

Publicado hace 2 mesesDuración: 7:17

Sundar Pichai: “La inteligencia artificial es el mayor cambio de nuestras vidas”

Sundar Pichai: “La inteligencia artificial es el mayor cambio de nuestras vidas”

⬇️⬇️⬇️ 📘 Descarga GRATIS mi libro: El Hostión que Viene → [https://gpts.es/] 📦 ¿Prefieres papel? Cómpralo aquí → [https://amzn.to/4kPD4l8] 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → [https://www.heygen.com/?sid=rewardful&via=javi] 🗣️ Pon una voz que suene real (ElevenLabs) → [https://try.elevenlabs.io/iabro] ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ## Google, India y la Revolución de la Inteligencia Artificial En su intervención ante líderes internacionales y el Primer Ministro de India, el CEO de Google destacó la transformación acelerada del país y el papel central que la inteligencia artificial (IA) está comenzando a desempeñar en su desarrollo. Recordando sus años como estudiante viajando en el Coromandel Express hacia el IIT Kharagpur, evocó una Visakhapatnam tranquila y llena de potencial. Hoy, esa misma ciudad se convertirá en un centro global de IA, gracias a una inversión de 15.000 millones de dólares en infraestructura digital en India. Allí se construye un hub completo de IA con capacidad de cómputo a escala de gigavatios y un nuevo punto de conexión internacional de cable submarino, lo que impulsará empleo y acceso a tecnología avanzada para empresas y ciudadanos. ## La IA como mayor cambio de plataforma de nuestra era El discurso subraya que la IA representa el mayor cambio tecnológico de nuestra generación. Estamos al borde de una fase de progreso acelerado capaz de ayudar a economías emergentes a cerrar brechas históricas. Sin embargo, este resultado no está garantizado: requiere ambición, responsabilidad y cooperación global. ### Impacto en la ciencia y la salud Uno de los ejemplos más potentes es el avance en la predicción de estructuras de proteínas, un reto científico durante más de 50 años. Gracias a la IA desarrollada por Google DeepMind, se logró un avance revolucionario que comprimió décadas de investigación en una base de datos abierta utilizada por más de tres millones de investigadores en 190 países. Esto ya está contribuyendo al desarrollo de vacunas contra la malaria y a combatir la resistencia a antibióticos. La compañía también trabaja en identificar marcadores de enfermedades en el ADN y en crear agentes de IA que colaboren como verdaderos socios en el método científico. En el ámbito sanitario, se están implementando soluciones de diagnóstico asequibles en colaboración con gobiernos, facilitando acceso médico a personas que antes no podían permitírselo. ## Agricultura, clima e inclusión lingüística En India, la IA ya se utiliza para enviar previsiones meteorológicas avanzadas a millones de agricultores, ayudándoles a proteger sus cultivos frente al monzón. Esto es posible gracias a modelos climáticos neuronales avanzados. Además, la inclusión lingüística es otra prioridad. En África, se están desarrollando herramientas de código abierto para más de 20 idiomas, ampliando el acceso digital a comunidades tradicionalmente excluidas. ## Infraestructura y reducción de la brecha digital Para evitar que la brecha digital se convierta en una brecha de IA, se están realizando grandes inversiones en centros de datos y redes de fibra óptica submarina, incluyendo nuevos sistemas entre Estados Unidos e India. ## Transformación del empleo y formación La IA transformará el mercado laboral: automatizará ciertos roles, evolucionará otros y creará nuevas profesiones. Hace dos décadas no existía el trabajo de creador profesional en YouTube; hoy millones viven de ello. La formación es clave: Google ha capacitado a más de 100 millones de personas en habilidades digitales y lanza un nuevo certificado profesional en IA disponible globalmente. ## Confianza, regulación y cooperación La adopción masiva exige confianza. Se han desarrollado herramientas como sistemas de identificación de contenido sintético para verificar autenticidad informativa. Los gobiernos deben establecer reglas claras y gestionar riesgos, pero también impulsar la innovación en servicios públicos. El mensaje final es claro: la IA ofrece una oportunidad única en una generación para mejorar vidas a gran escala. Pero solo será posible si gobiernos, empresas y sociedad trabajan juntos con visión, responsabilidad y determinación.

Publicado hace 2 mesesDuración: 7:09

Demis Hassabis : La AGI podría ser 10 veces la Revolución Industrial, en solo 10 años

Demis Hassabis : La AGI podría ser 10 veces la Revolución Industrial, en solo 10 años

⬇️⬇️⬇️ 📘 Descarga GRATIS mi libro: El Hostión que Viene → https://gpts.es/ 📦 ¿Prefieres papel? Cómpralo aquí → https://amzn.to/4kPD4l8 🧑‍💼 Crea tu avatar en 2 min (HeyGen) → https://www.heygen.com/?sid=rewardful&via=javi 🗣️ Pon una voz que suene real (ElevenLabs) → https://try.elevenlabs.io/iabro ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ El ponente abre agradeciendo la invitación y celebrando la organización de la cumbre en India, destacando que llega en un punto decisivo para la IA. Recuerda cómo este foro internacional fue creciendo desde su primera edición en Bletchley Park (Reino Unido) y cómo se ha consolidado como espacio de diálogo y potencial cooperación entre países sobre el rumbo de la tecnología. Después hace un repaso personal: cuando fundó DeepMind en 2010, la IA industrial era casi marginal y parecía una apuesta “utópica”. En apenas 15 años, dice, se ha pasado de esos inicios a un escenario en el que la IA domina la conversación global. Explica que su motivación siempre fue la convicción de que sería una de las tecnologías más útiles jamás creadas, y especialmente una palanca para acelerar el descubrimiento científico: una herramienta capaz de multiplicar la creatividad humana y ayudar a responder grandes incógnitas sobre la realidad y la conciencia. Como evidencia temprana, menciona AlphaFold y el avance en el plegamiento de proteínas, un reto científico de décadas. A partir de ahí proyecta que esto es solo el comienzo: la IA puede transformar medicina y prácticamente cualquier disciplina, desde materiales y fusión hasta física y matemáticas, convirtiéndose en una infraestructura transversal para el progreso. Sitúa 2026 como otro umbral: la inteligencia artificial general empieza a asomarse —quizá en un horizonte de unos cinco años— y los modelos fundacionales mejoran a un ritmo vertiginoso. Subraya la doble cara del momento: una oportunidad enorme para productividad, economía y ciencia, pero también una etapa que exige humildad porque aún no entendemos del todo cómo evolucionará ni cómo se desplegará en la sociedad. Comparte su impresión tras visitar Bangalore y ver de primera mano el trabajo de los equipos de Google/DeepMind en modelos eficientes, aprendizaje continuo y capacidades multilingües. También el entusiasmo del ámbito académico local y la ambición de usar la IA para reforzar la posición de India y abrir oportunidades económicas y científicas. Concluye que India está encaminada a ser una potencia global en IA, apoyada además por alianzas como la colaboración con Reliance para llevar modelos como Gemini a gran escala en el país. Para dimensionar lo que viene con la IAG, lo compara con hitos como el fuego o la electricidad: un cambio descomunal, que podría multiplicar el impacto de la revolución industrial y comprimirse en una década. La pregunta central, insiste, es cómo lograr que beneficie a todos. Propone un enfoque “científico”: evaluar capacidades con rigor, construir salvaguardas, supervisión y marcos de seguridad, mientras se mantiene la audacia para aprovechar la IA en salud, ciencia y mejora de la condición humana. Cierra defendiendo que estas decisiones no pueden quedar solo en manos de tecnólogos: deben participar gobiernos, científicos, artistas, ciencias sociales y filosofía, y por eso las cumbres internacionales son clave para coordinar diálogo y cooperación.

Publicado hace 2 mesesDuración: 7:05

Sam Altman: si estamos en lo cierto, SUPERINTELIGENCIA en menos de 2 años

Sam Altman: si estamos en lo cierto, SUPERINTELIGENCIA en menos de 2 años

🎭 Crea un avatar profesional con HeyGen (mi enlace de afiliado): [https://www.heygen.com/?sid=rewardful...] 🎙️ Ponle una voz pro con ElevenLabs (mi enlace de afiliado): [https://try.elevenlabs.io/iabro] Sam Altman repasa cómo en solo un año hemos pasado de sistemas que fallaban en matemáticas de instituto a modelos capaces de hacer matemáticas de investigación y obtener resultados nuevos en física teórica. Destaca el avance de India en soberan AI: más de 100 millones de personas usan ChatGPT cada semana (un tercio estudiantes) y es ya el mercado que más rápido crece para sus herramientas de código. Plantea que, en la trayectoria actual, podríamos estar a solo un par de años de las primeras versiones de “verdadera superinteligencia” y que hacia 2028 más capacidad intelectual podría estar dentro de los data centers que fuera de ellos. Una superinteligencia, dice, podría dirigir mejor una gran empresa que cualquier CEO humano y hacer mejor ciencia que nuestros mejores investigadores. A partir de ahí formula tres ideas guía: la democratización de la IA como único camino justo y seguro frente a una concentración en un solo país o empresa que podría “llevar a la ruina”; la necesidad de pensar en resiliencia social, no solo en alineamiento técnico, ante riesgos como modelos bio abiertos capaces de ayudar a crear patógenos; y la importancia de implicar a mucha gente en decidir cómo se gobierna esta tecnología porque el futuro no se ajustará a ninguna predicción concreta. Defiende un futuro democrático en el que la IA aumente la agencia individual y rechaza el “totalitarismo efectivo a cambio de curar el cáncer”, plantea desplegar los modelos de forma iterativa para que la sociedad se adapte por fases y avisa de una gran disrupción económica: muchos bienes y servicios serán mucho más baratos y productivos, pero muchos trabajos se verán alterados. Concluye que hará falta un organismo internacional tipo OIEA para coordinar la gobernanza global de la IA y que los próximos años pondrán a prueba a la sociedad, que tendrá que elegir entre empoderar a las personas o concentrar el poder.

Publicado hace 2 mesesDuración: 8:21

Dario Amodei, CEO de Anthropic: un país de genios dentro de un datacenter

Dario Amodei, CEO de Anthropic: un país de genios dentro de un datacenter

🎭 Crea un avatar profesional con HeyGen (mi enlace de afiliado): [https://www.heygen.com/?sid=rewardful&via=javi] 🎙️ Ponle una voz pro con ElevenLabs (mi enlace de afiliado): [https://try.elevenlabs.io/iabro] Dario Amodei, CEO de Anthropic, explica en esta charla por qué cree que la IA está entrando en una fase explosiva en la que, en pocos años, los modelos superarán las capacidades cognitivas de la mayoría de humanos en la mayoría de tareas, lo que él describe como “un país de genios dentro de un datacenter”. Habla del enorme potencial positivo de esta tecnología para curar enfermedades, mejorar la salud y sacar a miles de millones de personas de la pobreza, especialmente en el Sur Global, pero también alerta sobre riesgos serios: comportamiento autónomo de los modelos, mal uso por actores individuales y gobiernos, y disrupción económica y laboral. En este contexto, sitúa a India como actor “absolutamente central” tanto para capturar las oportunidades como para gestionar los riesgos de la IA, y anuncia la apertura de la oficina de Anthropic en Bengaluru, el nombramiento de Irina Ghose como directora para India y nuevas alianzas con grandes empresas como Infosys. Además, detalla colaboraciones con fundaciones y organizaciones locales para aplicar Claude en educación, agricultura, salud e idiomas regionales, y su participación en los New Delhi Frontier AI Impact Commitments para estudiar de forma rigurosa el impacto de la IA en empleo y economía junto al gobierno indio

Publicado hace 2 mesesDuración: 5:56

Cómo la IA de Microsoft puede multiplicar la innovación científica

Cómo la IA de Microsoft puede multiplicar la innovación científica

Crea un avatar profesional con HeyGen (mi enlace de afiliado): https://www.heygen.com/?sid=rewardful&via=javi Ponle una voz pro con ElevenLabs (mi enlace de afiliado): https://try.elevenlabs.io/iabro La entrevistadora conversa con John Link sobre cómo la IA está a punto de cambiar la ciencia no solo por ir más rápido, sino por obligar a los humanos a pensar de forma distinta. Plantean que, si hoy la ciencia sigue el ciclo clásico de observar, formular hipótesis, probar y refinar, la irrupción de miles de agentes de IA capaces de ejecutar millones de simulaciones y cruzar datos entre disciplinas puede alterar ese ritmo: la IA puede descubrir patrones o ideas que antes quedaban ocultas, y el trabajo humano se desplaza hacia validar, cuestionar y ampliar el marco teórico para entender lo que aparece. En ese contexto, Link imagina que cualquier científico que entre por primera vez en un laboratorio tendrá algo parecido a un “equipo” de apoyo: un conjunto de agentes que actuarán como postdocs virtuales. No se trata de sustituir al investigador, sino de darle superpoderes: sintetizar grandes cantidades de literatura científica y datos (tanto públicos como privados), sugerir hipótesis más rápido, y ayudar a elegir herramientas y enfoques para ejecutar simulaciones y experimentos. La clave, insiste, es que el científico sigue llevando el volante y la IA colabora de principio a fin. La conversación ocurre en un entorno de laboratorio cuántico, y eso sirve para aterrizar la idea en química y ciencia de materiales, donde muchos problemas se vuelven intratables para la computación clásica cuando crece la complejidad del sistema (por ejemplo, al aumentar el número de electrones). Ahí, combinando computación avanzada —y en el horizonte, computación cuántica— con modelos de IA, se abre la puerta a explorar espacios enormes de posibilidades que un laboratorio tradicional no podría recorrer. Microsoft, según Link, entra en este terreno porque es una empresa de plataforma y quiere llevar estas herramientas a tantos científicos como sea posible. Como prueba de que no es solo teoría, menciona trabajos internos donde han encontrado candidatos para electrolitos de baterías y, especialmente, un ejemplo en refrigeración de centros de datos: buscando reemplazar refrigerantes con “forever chemicals” poco sostenibles, usaron sus herramientas para identificar una molécula nueva en menos de diez días de cómputo y sintetizarla y probarla físicamente en unos meses, algo que en métodos tradicionales podría alargarse años. La entrevistadora empuja un punto crucial: si la IA conecta ideas entre campos que el científico no domina, ¿cómo se evita que una sugerencia brillante sea en realidad un error? Link responde que el futuro depende de la validación y la transparencia: la IA debe mostrar trazabilidad con referencias, notas y registros de lo que hizo cada agente, para que el investigador pueda auditar el proceso, corregir desviaciones y, cuando haga falta, contrastar con expertos humanos de otras disciplinas. También discuten el mito de que la IA “no crea nada nuevo”, y lo matizan: en ciencia, la novedad muchas veces llega por escala. Si puedes evaluar decenas de millones de candidatos —algo imposible en la práctica experimental tradicional— terminas generando datos y rutas de exploración que nadie había visto, y de ahí salen descubrimientos que obligan a replantear preguntas. Con esa visión, proyectan un futuro cercano donde la innovación científica se “escala” igual que hoy se escalan los productos, y donde la IA acelera avances en retos enormes como captura de carbono, clima o seguridad alimentaria. Al final, Link apunta a 2026 como un año en el que Microsoft espera acercar la computación cuántica fiable a un uso más real, como parte de esta nueva etapa en la que la IA se convierte en compañera de laboratorio.

Publicado hace 2 mesesDuración: 14:46

¿Quién comprará OpenClaw? Grandes ofertas de OpenAI y Meta | Peter Steinberger con Lex Fridman

¿Quién comprará OpenClaw? Grandes ofertas de OpenAI y Meta | Peter Steinberger con Lex Fridman

En esta entrevista, el creador de un proyecto open source que se ha disparado en popularidad cuenta cómo, en solo tres meses, pasó de “hacerlo por su cuenta” a tener a los grandes jugadores del sector llamando a su puerta. Habla sin filtros de la presión por monetizar, de los dilemas entre código abierto y producto comercial, y de por qué le preocupa el conflicto de intereses cuando entran en juego licencias, features “enterprise” y versiones cerradas. También comparte anécdotas muy personales: desde ver a la comunidad en modo euforia (robots con disfraces de langosta incluidos) hasta enseñar el producto a un amigo “normie” que acabó enganchadísimo… y lo que pasó cuando una plataforma le bloqueó la suscripción. Finalmente, entra en el debate Meta vs OpenAI: qué ha visto en cada una, qué le atrae de sus tecnologías, cómo se siente al hablar con figuras como Mark y Sam Altman, y por qué su prioridad sigue siendo que el proyecto permanezca abierto mientras busca la forma de escalar impacto. Si te interesa el futuro de los agentes personales, el open source y las decisiones difíciles detrás de construir a gran escala, este episodio es para ti.

Publicado hace 3 mesesDuración: 17:36

Elon Musk revela el plan maestro de xAI y SpaceX

Elon Musk revela el plan maestro de xAI y SpaceX

En esta presentación de xAI (con Elon Musk y varios líderes de producto e infraestructura), cuentan qué han logrado en solo dos años y medio, qué van a lanzar y por qué están fusionando xAI con X y, a largo plazo, con SpaceX. Elon abre diciendo que, pese a ser una empresa muy joven y con menos gente que sus competidores, han avanzado a una velocidad inusual y ya se ven “arriba” en varias áreas: voz, generación de imagen y vídeo y rendimiento de Grok en métricas como el pronóstico. También presentan Grokpedia como un proyecto para construir una enciclopedia multimedia mucho más completa que Wikipedia. En paralelo, subrayan su ventaja clave: computación. Dicen que ya levantaron un clúster enorme de GPUs y que su siguiente salto inmediato es llegar al equivalente a un millón de H100 para entrenamiento. Luego explican cuándo y cómo se reorganizan: porque al crecer, una startup necesita estructura, pasan a cuatro grandes áreas (modelo principal/voz, coding, Imagine para imagen-vídeo y Macrohard para agentes capaces de hacer trabajo digital de extremo a extremo). Cada responsable da ejemplos del “de cero a líder”: en voz cuentan que en meses construyeron un producto competitivo e integrado; en coding describen una aceleración fuerte (la IA escribiendo, depurando y automatizando cada vez más); e Imagine presume de iteración rapidísima, cifras masivas de generación y la meta de llegar a vídeos largos y, más adelante, mundos interactivos en tiempo real. En mitad del evento hacen una visita/segmento en directo desde Memphis para enseñar el supercentro de datos y remarcar el “por qué” de todo: para ellos, ganar en IA depende de desplegar computación antes que nadie, con equipos pequeños que optimizan desde red y kernels hasta entrenamiento, inferencia, herramientas y evaluaciones con expertos. Después conectan esto con X como plataforma: explican que X está creciendo, que han reconstruido piezas clave del producto y que quieren empujar el uso diario. Aquí dan el cuándo más concreto: en los próximos meses planean abrir código (incluido el algoritmo) y sacar una app independiente de X Chat; además, dicen que X Money ya está en beta interna y que en uno o dos meses esperan pasar a beta externa limitada y luego a lanzamiento global. El “por qué” es claro: sumar razones para entrar cada día —mensajería, Grok y pagos— con la ambición de superar los mil millones de usuarios activos diarios. El cierre lo vuelve épico y explica por qué SpaceX entra en la ecuación: Elon sostiene que para comprender el universo hay que salir a explorarlo, y que el cuello de botella real de la IA futura será energía + computación. Por eso dibuja una ruta: primero centros de datos orbitales (capacidad anual creciente), y si se quiere escalar mucho más, infraestructura lunar con fábricas y un lanzador electromagnético para disparar satélites de IA, con la idea de ir subiendo órdenes de magnitud y, con el tiempo, acercarse a capturar una fracción relevante de la energía solar.

Publicado hace 3 mesesDuración: 15:54

Terence Tao presenta SAIR: La revolución de la IA científica ya está aquí

Terence Tao presenta SAIR: La revolución de la IA científica ya está aquí

Terrence Tao vuelve para hablar de cómo la inteligencia artificial puede transformar la investigación científica y, en especial, las matemáticas. Explica por qué cofundó SAIR y qué objetivos persigue esta iniciativa: integrar nuevas herramientas en los flujos de trabajo de la ciencia de forma útil y responsable. También comenta el gran problema actual de estos sistemas —su falta de fiabilidad— y por qué las matemáticas tienen una ventaja: la posibilidad de verificar resultados con demostraciones formales y asistentes de prueba. A lo largo de la conversación se habla de los hitos que aún faltan: creatividad que no dependa de la literatura previa, aprendizaje continuo realmente estable, y una colaboración más integrada, no solo “abrir un chat cuando te atascas”. Además, reflexionan sobre por qué la investigación no va de respuestas inmediatas, cómo los modelos pueden “cumplir objetivos” de manera demasiado literal, y qué malentendidos suele tener el público sobre el uso de la inteligencia artificial en ciencia.

Publicado hace 3 mesesDuración: 26:48

Peter Steinberger (creador de OpenClaw): El 80% de las aplicaciones desaparecerán.

Peter Steinberger (creador de OpenClaw): El 80% de las aplicaciones desaparecerán.

Entrevista con Peter Steinberger, creador de OpenClaw, un agente personal de IA de código abierto que se ejecuta en tu propio ordenador y se ha viralizado con miles de estrellas en GitHub. Hablan de por qué explotó (control local del PC, acceso a tus archivos y “memoria”), de cómo sorprende al descubrir y conectar datos olvidados, y del salto hacia interacciones bot-a-bot e incluso bots que coordinan a humanos para tareas en el mundo real. Steinberger cuenta su “momento aha” cuando el agente resolvió un problema por su cuenta (convertir y transcribir un audio usando herramientas disponibles) y defiende una filosofía pragmática: priorizar CLIs y flujos simples frente a integraciones más pesadas, además de dotar al agente de personalidad y valores mediante archivos locales. También discuten cómo los agentes podrían hacer que muchas apps de gestión de datos pierdan sentido y por qué la propiedad de la memoria/datos será el principal campo de batalla.

Publicado hace 3 mesesDuración: 22:36

CEO de NVIDIA: La fábrica de IA y de Disney a Netflix, de Mercedes a Tesla

CEO de NVIDIA: La fábrica de IA y de Disney a Netflix, de Mercedes a Tesla

En el Cisco AI Summit, el CEO de Cisco (Chuck Robbins) entrevista a Jensen Huang, fundador y CEO de NVIDIA, en una charla pública. Jensen explica que estamos entrando en una nueva era de computación: pasamos de programar con reglas explícitas a sistemas que entienden la intención, razonan, planifican y usan herramientas. Recomienda a las empresas empezar dejando que la gente experimente con IA sin obsesionarse al principio con el ROI, pero aplicándola donde realmente mueve la aguja. Defiende que la gran oportunidad es transformar cualquier compañía en una “empresa tecnológica”, porque lo digital escala como “electrones” frente a las limitaciones de lo físico. También señala que la próxima ola será la IA física, capaz de entender causalidad y el mundo real, y remarca la importancia de la privacidad: a veces conviene construir en local, porque las preguntas que haces pueden valer más que las respuestas.

Publicado hace 3 mesesDuración: 44:07

Sam Altman CEO de OpenAI : Llegan las EMPRESAS 100% IA

Sam Altman CEO de OpenAI : Llegan las EMPRESAS 100% IA

Entrevista a Sam Altman (OpenAI). La tesis central es clara: el salto decisivo de la IA no vendrá solo de modelos más potentes, sino de agentes que usan el ordenador. Navegan, editan documentos, ejecutan tareas y operan dentro de herramientas reales. Altman explica que son primer design partner de Codex y lo define como el mayor cambio que ha visto en IA en años. Da un ejemplo operativo: un producto interno (“AI Defense”) pasará en semanas a tener todo el código generado con Codex. Para él, esto marca un umbral. Los modelos ya estaban listos; ahora la interfaz y el empaquetado permiten convertir capacidad en productividad. Es un “momento ChatGPT”, pero aplicado al trabajo real. Sobre el límite superior, apunta a empresas “full-AI”: organizaciones donde la IA no es un apoyo, sino el núcleo que construye software complejo y coordina acciones en el mundo para sostener la operación. La idea clave se resume así: código + uso general del ordenador. Dar a un agente acceso a navegador, sesiones y apps desbloquea resultados muy potentes, pero abre problemas de seguridad. Tras probarlo, reconoce que tuvo que reorganizar su setup (incluso usar dos portátiles) para convivir con esa potencia sin perder control. Extiende el enfoque a todo el trabajo de conocimiento. No solo programar: investigar en la web, preparar documentos, coordinar pasos y ejecutar tareas de oficina. Esto cambia el rol humano: menos ejecución directa; más delegar, supervisar y corregir. Plantea también un posible futuro “social”: muchos agentes interactuando en nombre de usuarios, colaborando entre sí, encontrando información y generando ideas. No fija formato, pero anticipa algo muy distinto a las redes actuales. Al hablar de frenos, distingue entre lo obvio y lo no obvio. Obvio: energía, hardware, compute e infraestructura. No obvio: el choque entre seguridad y acceso a datos frente a la utilidad real de los agentes. Falta un paradigma nuevo de permisos y control. Además, el software actual no está pensado para uso humano-agente: incluso tareas simples rompen flujos. Ejemplo: un agente usando Slack puede marcar hilos como leídos y alterar señales. Conclusión: habrá que rediseñar productos, roles y cuentas, e incluso reescribir software pensando primero en agentes. Otra barrera es el “always-on”: agentes escuchando reuniones o viendo la pantalla para aportar valor. Choca con hardware, permisos y marcos legales no preparados para ese nivel de observación y memoria. En adopción empresarial, diagnostica un capability overhang: la brecha entre lo que la IA ya permite y lo poco que se absorbe. Aunque algunos productos crecen rápido, la integración profunda va lenta. Su consejo a CIOs y CISOs: preparar la empresa para incorporar compañeros de trabajo IA, resolviendo seguridad y acceso a contexto. Quien no lo haga quedará en desventaja. Lección de producto: tratar al agente como teammate, no como herramienta. En infraestructura, anticipa modelos más capaces y más baratos por tarea, con demanda creciente. Compara la IA con la electricidad: la demanda depende de precio y calidad; si es barata y potente, el uso se dispara. En negocio, describe dos pilares actuales (ChatGPT y APIs) y la expansión de Codex, con futuro en dispositivos y robots. Observa alta disposición a pagar por suscripciones, posible publicidad con cautela, y una oferta para empresas tipo AI cloud subscription (seguridad, contexto, múltiples agentes, licencias y APIs). A futuro, no descarta participar en el upside de avances científicos que requieran inversiones masivas. Cierra con vientos a favor y riesgos. A favor: los modelos mejorarán rápido y habilitan nuevas construcciones. En contra: riesgos macro (inestabilidad global, cadenas de suministro). Sobre el “10x”, lo expresa como sensación: a final de año podría sentirse un salto grande en los problemas que pasan de imposibles a resolubles.

Publicado hace 3 mesesDuración: 24:32

¿Podría ChatGPT ser consciente? | Roger Penrose, Max Tegmark, Sabrina Pasterski

¿Podría ChatGPT ser consciente? | Roger Penrose, Max Tegmark, Sabrina Pasterski

En la charla discuten cuándo tendría sentido decir que una computadora es consciente y no solo que actúa como si lo fuera. Empiezan con un experimento mental: el público escucha a Max desde una pantalla; si al final revelaran que no era Max, sino una IA imitándolo, ¿cambiaría la valoración de su intervención? La idea es separar la calidad de los argumentos del hecho de atribuirle o no consciencia al “sujeto” que habla. Max defiende que, en principio, podría construirse una máquina consciente porque tanto nosotros como cualquier máquina somos materia organizada. Pero insiste en no mezclar consciencia con inteligencia: una máquina puede ser muy capaz sin que por eso haya consciencia. Critica dos posturas comunes: negar el problema (“la consciencia es humo”) y afirmarlo con certeza absoluta (“una máquina jamás será consciente”). Sabrina separa dos preguntas: cómo diseñar sistemas que parezcan conscientes para nosotros (por ejemplo, combinando lenguaje, percepción y memoria), y si el hardware importa: tal vez el cerebro tenga propiedades físicas relevantes que no estamos replicando. Ahí entran los microtúbulos y la duda de si basta “software sobre silicio”. Penrose lleva el debate a la física: sostiene que la mecánica cuántica no está completa porque no explica del todo cómo aparece el mundo clásico, y rechaza la idea de que el colapso dependa de que alguien observe. Propone más bien que la consciencia, si está conectada con algo profundo, podría depender de la física real detrás del colapso, que aún no entendemos. Max introduce otra vía: la consciencia como un tipo específico de procesamiento de información, especialmente con bucles de retroalimentación. Y añade el argumento de la decoherencia: en un entorno como el cerebro, los efectos cuánticos coherentes se degradan extremadamente rápido, lo que hace difícil que la consciencia dependa de una “computación cuántica” sostenida tal como suele imaginarse. Luego pasan a la pregunta clave: ¿qué contaría como evidencia de consciencia en una IA? Coinciden en que no basta con que una IA lo afirme. Harían falta principios verificables que conecten estructuras o dinámicas físicas/informacionales con consciencia, y que se puedan poner a prueba primero en humanos con predicciones que puedan fallar. Cierran con un enfoque normativo: no existe “la IA” como una cosa única; hay muchas arquitecturas posibles. La pregunta relevante no es solo qué puede existir, sino qué queremos construir: herramientas potentes que mejoren la vida, en lugar de fantasías de “dios digital” que reemplaza decisiones humanas.

Publicado hace 3 mesesDuración: 23:02

Alex Karp, CEO de Palantir: Software con IA para defensa

Alex Karp, CEO de Palantir: Software con IA para defensa

Alex Karp (CEO de Palantir) explica una idea simple: la IA solo importa cuando funciona en el mundo real. No en una demo. En condiciones sucias, con datos incompletos, con restricciones legales, con gente que se equivoca y con un adversario intentando romperte el sistema. La charla empieza con el marco: estamos en un cambio tecnológico que va a afectar cómo trabajan las empresas, cómo deciden los gobiernos y cómo se gestiona la seguridad nacional. Y la pregunta no es “qué puede hacer la IA”, sino si nuestras instituciones están listas para adoptarla sin romper cosas por el camino. Karp entra directo por defensa. Dice que, históricamente, muchas tecnologías importantes nacieron en el ámbito militar porque ahí no puedes fingir: o funciona o te cuesta caro. Y lo que está pasando ahora con la IA en seguridad es parecido. El problema real, según él, no es “tener un modelo”, sino desplegar sistemas que operen en entornos hostiles: sin buena conectividad, con interferencias, con datos que no se pueden compartir, con decisiones que deben quedar justificadas y auditables. Pone un ejemplo práctico: mover un dron no es “de A a B”. Primero tienes que decidir a dónde va, con qué objetivo, y con qué datos. Tienes que hacerlo sin filtrar información al enemigo, controlando quién toca qué, y respetando reglas operativas y éticas. Y luego la guerra cambia: el rival empieza a interferir comunicaciones, y el sistema tiene que adaptarse en tiempo real. Su punto: el valor está en la capa que organiza datos, coordina decisiones y aguanta cuando todo se degrada. Después hace el puente al mundo civil. Dice que empresas como aseguradoras, bancos u hospitales no son otra cosa que sistemas de información: reciben datos, los ordenan y deciden. Ahí la IA puede dar ventaja, pero solo si está encajada dentro de una estructura del negocio. Si compras un “LLM” y lo enchufas, no sirve para tareas reguladas o críticas: no es lo bastante preciso, no es controlable y no es trazable. Lo que hace falta es una capa que conecte modelos con datos internos, reglas y procesos reales. Da un caso concreto: hospitales. Habla de un cuello de botella típico: admisión, triaje e intake. Falta personal, hay presión y márgenes bajos. Si aceleras y ordenas ese flujo, puedes reducir esperas, evitar errores, y en algunos casos salvar vidas. Y añade un argumento polémico: si todo queda registrado y estructurado, también puedes auditar decisiones y detectar sesgos o injusticias con más claridad. Luego aparece el tema de adopción. Karp dice que no es un problema de interés: la demanda va por delante. El freno es ejecución: formación, seguridad, talento escaso, y desconfianza porque muchas empresas ya han probado “IA” y les ha fallado. Según él, cuando algo funciona de verdad, se vende casi solo; el cuello de botella pasa a ser desplegarlo, entrenar equipos y escalarlo. En empleo, su mensaje es incómodo para el relato típico. Cree que la tecnología va a revalorizar trabajos técnicos y vocacionales: gente que no viene de élites universitarias puede volverse clave si está en el sitio correcto. Y critica que el sistema actual mida talento solo por credenciales. Insinúa que parte del trabajo “de oficina” cambiará fuerte, y que habrá que encontrar nuevas formas de detectar aptitudes reales. Y el cierre es geopolítico: ve a Estados Unidos y China como los dos actores que están consiguiendo aplicar esto a escala, de formas diferentes. A Europa la ve con un problema estructural de adopción y sin líderes que lo digan sin anestesia. Y para el mundo en desarrollo, predice “bolsillos” de éxito: comunidades e instituciones que aguanten la carga despegarán; las que solo aparentan capacidad se romperán y tendrán que reconstruir desde lo básico. La idea final de la entrevista: no es una charla sobre “IA futurista”. Es una charla sobre poder operativo. Sobre quién consigue convertir datos y modelos en decisiones fiables bajo presión. Y si eso se consolida, no solo cambia empresas: cambia Estados, ejércitos y la posición de cada región en el mundo.

Publicado hace 3 mesesDuración: 32:14

Ingeniero de xAI "FILTRA" el plan de Macrohard :1 MILLÓN de “Trabajadores Digitales”

Ingeniero de xAI "FILTRA" el plan de Macrohard :1 MILLÓN de “Trabajadores Digitales”

La entrevista gira alrededor de una idea: automatizar el “trabajo de oficina” igual que un robot humanoide automatiza trabajo físico. En vez de integrar APIs o reescribir software, proponen algo más bruto: un sistema que observa la pantalla como un humano, decide qué hacer y ejecuta acciones con teclado y ratón. Para la empresa es atractivo porque funciona sobre programas existentes, sin pedir permisos ni cambiar nada. El entrevistado describe esto como “emular” al trabajador digital: cualquier tarea repetitiva o semi-repetitiva (meter datos, navegar por menús, copiar/pegar, validar campos, mover archivos, lanzar procesos) se convierte en una secuencia de percepción-decisión-acción. La promesa es abaratar costes y escalar disponibilidad: misma tarea, más horas, menos fricción, sin depender de que cada software tenga integración limpia. A partir de ahí aparecen las implicaciones: si el sistema puede operar cualquier interfaz, el cuello de botella deja de ser el software y pasa a ser la definición de la tarea, los controles de seguridad y la trazabilidad. También abre el debate de qué significa “compatibilidad”: si basta con ver la pantalla, casi cualquier cosa se vuelve automatizable, pero también más difícil de auditar si algo sale mal. La polémica viene por el contexto y el timing: la entrevista generó ruido porque poco después el entrevistado salió de xAI, y parte de la gente interpretó que se marchó (o lo apartaron) por haber contado demasiado sobre el proyecto, su alcance y posibles usos. Eso mete la conversación en terreno sensible: quién controla esos “operadores digitales”, dónde se ejecutan, con qué permisos, y qué límites deben tener.

Publicado hace 3 mesesDuración: 8:06

Dario Amodei y Demis Hassabis : Nos quedan 2 años de normalidad

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 3 mesesDuración: 30:58

Yuval Noah Harari: la IA dominará lo hecho de palabras, incluido religión, leyes y libros

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 mesesDuración: 18:36

Demis Hassabis CEO de Google DeepMind ¿Qué pasará cuando la IA nos supere?

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 3 mesesDuración: 33:07

Elon Musk : La IA será más inteligente que cualquier humano este mismo año.

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 3 mesesDuración: 31:41

Elon Musk: Singularidad, AGI, Tesla Optimus, Renta Alta Universal y mucho más.

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 3 mesesDuración: 2:50:45

MobED: el robot todoterreno de Hyundai para el reparto autónomo

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 4 mesesDuración: 8:05

Geoffrey Hinton: La IA será más creativa que los humanos.

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 4 mesesDuración: 1:00:03

NVIDIA Live en el CES 2026: Todo lo anunciado en 9 minutos

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 4 mesesDuración: 9:04

Gemini Robotics y Boston Dynamics: "Atlas" entra en las fábricas y prepara 30000 robots al año.

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 4 mesesDuración: 8:18

Yoshua Bengio, pionero en IA: “El mayor riesgo de la IA no es técnico, sino humano".

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 4 mesesDuración: 29:11

Geoffrey Hinton: La IA actual parecerá prehistórica en 5 años

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 4 mesesDuración: 31:12

Demis Hassabis : CEO de DeepMind y El futuro de la Inteligencia Artificial.

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 4 mesesDuración: 56:08

CEO de NVIDIA : Estamos ante la mayor revolución industrial de la historia.

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 4 mesesDuración: 37:54