2021 podría ser el año de la “gran regulación” de las “Big Tech” pero A corto plazo, las Big Tech se podrían hacer aún más grandes En paralelo con todo esto, ha empezado una tormenta en Google sobre la ética de la IA DeepMind ha anunciado un nuevo avance, con posible impacto en el desarrollo de medicamentos China se hace más fuerte. ¿Y la UE vuelve a aliarse con Estados Unidos? ¿Una revolución en marcha en semiconductores?

Un sistema de inteligencia artificial desarrollado por DeepMind de Google ha hecho un avance "una vez en una generación" que podría tener un impacto dramático en la forma en que tratamos las enfermedades: predecir con precisión cómo las proteínas se pliegan en formas.

Las proteínas sustentan casi todos los procesos biológicos. Cada uno está compuesto por cadenas de aminoácidos que se pliegan en innumerables formas elaboradas que determinan lo que hacen.

Bajo un microscopio, un panel de vidrio de ventana no parece una colección de moléculas ordenadas, como lo haría un cristal, sino un revoltijo sin estructura perceptible. En un artículo publicado en la revista Nature Physics, los investigadores de DeepMind describen un sistema de IA que puede predecir el movimiento de las moléculas de vidrio a medida que hacen la transición entre los estados líquido y sólido. Estas técnicas y modelos de código abierto podrían usarse para predecir otras cualidades de interés en el vidrio.

El campeón surcoreano de Go, Lee Se-dol, se retiró del juego profesional declarando a la agencia de noticias Yonhap que su decisión estuvo influenciada por la ascendencia de la inteligencia artificial.

DeepMind también tenía su asistente móvil para médicos, conocido como Streams, evaluado por investigadores de la University College London. Los resultados muestran que, a través de la aplicación, los especialistas revisaron casos de urgencia en 15 minutos, en lugar de las varias horas que se requieren sin esta tecnología. Con ella solo se perdió al 3.3 por ciento de los pacientes, en comparación con el 12.4 por ciento sin usar la aplicación. Esta tecnología también condujo a ahorros en los costes de la atención médica.

Los investigadores de DeepMind, la filial de inteligencia artificial (IA) de Google, han conseguido que sus agentes de IA sean capaces de jugar y ganar a un videojuego multijugador en línea, algo imposible hasta la fecha, y que implica cooperar y competir con otros jugadores.

En los últimos años DeepMind, la filial británica de Google dedicada al sector de la inteligencia artificial, ha logrado desarrollar IAs capaces no sólo de aprender por sí mismas las reglas de juegos de mesa (como el Go) , sin embargo, la red neuronal ha incurrido en fallos para resolver problemas escolares de álgebra.

Las IAs cuentan con dos ventajas de las que nosotros los humanos no disponemos: no se cansan ni se aburren, y realizan sus tareas extraordinariamente rápido.

AlphaStar, la nueva IA de Google DeepMind vence 10-1 a dos jugadores profesionales de StarCraft.

Aunque ha habido éxitos significativos en videojuegos como Atari, Mario, Quake III Arena Capture the Flag y Dota 2, hasta ahora, las técnicas de IA han tenido dificultades para hacer frente a la complejidad de StarCraft. (...) En contraste, AlphaStar juega el juego completo de StarCraft II, usando una red neural profunda que es entrenada directamente a partir de los datos del juego en bruto por el aprendizaje supervisado y el aprendizaje de refuerzo. (extractos del artículo traducido con deepl)

Los equipos de investigación de la compañía DeepMind de Google han finalizado con éxito las pruebas de aprendizaje de refuerzo para enseñar a la inteligencia artificial a jugar a Quake III Arena con un "rendimiento humano", no sólo de manera competitiva sino también en equipos con jugadores humanos.

Los datos de Psychlab de Google sugieren que en el caso de la percepción humana existe una diferencia entre la atención paralela y la atención en serie. En cambio, los agentes artificiales sólo parecen tener mecanismos paralelos. Identificar esta diferencia entre los humanos y los agentes artificiales actuales nos muestra un camino hacia la mejora de los futuros diseños de inteligencia artificial.

Un grupo de investigadores de Google DeepMind ha publicado un estudio en el que cuentan cómo han conseguido enseñar a una inteligencia artificial a jugar a "videojuegos de exploración infamemente duros". Lo consiguieron entrenándola con vídeos de YouTube en las que aparecen seres humanos jugando a títulos clásicos de Atari: Pitfall, Private Eye o Montezuma’s Revenge.

Hace unos meses Google anunciaba AlphaZero, una IA para ajedrez basada en redes neuronales capaz de derrotar a Stockfish, por el momento el motor de ajedrez más potente del mundo (www.meneame.net/story/alphazero-derrota-stockfish-8-tras-tan-solo-4-ho). Sin embargo, Google no publicó la red neuronal en sí. Leela Chess Zero surge como un esfuerzo colaborativo open source con el objetivo de replicar los resultados de AlphaZero y, posiblemente, mejorarlos.

Cuando los humanos disponen de información relevante sobre el mundo, su proceso de aprendizaje es mucho más rápido que el de las máquinas. Pero sin esta información, las cosas cambian. El conocimiento básico que damos por sentado es el que nos da ventaja sobre el aprendizaje automático. En 2013, DeepMind Technologies publicó un innovador documento en el que demostraba que una red neuronal era capaz de aprender a jugar a videojuegos de los 80 con el mismo mecanismo que empleamos los humanos. Desde entonces, DeepMind ha aplicado sus técnicas de a

La inteligencia artificial abre grandes beneficios a la ciencia pero también conlleva riesgos, dependiendo de cómo sea utilizada, advirtió el viernes Demis Hassabis, director de la empresa británica DeepMind

Imagínense lo siguiente: explicamos las reglas del ajedrez a un sistema informático sin más. Después le damos la instrucción de que aprenda a jugar al ajedrez por si mismo. Un día más tarde (sí, correcto, únicamente 24 horas) nuestro compañero de silicio se lo sabe todo. Y encima es capaz de derrotar a los módulos de ajedrez más fuertes del mundo. DeepMind, la empresa que hace poco también creó el programa más fuerte del mundo de go ahora ha dirigido su atención al ajedrez y ha anunciado un resultado alucinante. [Incluye partidas]

Las versiones anteriores de AlphaGo inicialmente se entrenaron observando miles de juegos profesionales y amateurs de humanos para aprender a jugar Go. AlphaGo Zero omite este paso y aprende a jugar simplemente jugando juegos contra sí mismo comenzando a jugar inicialmente al azar. Al hacerlo así, superó rápidamente el nivel de juego humano y derrotó a la versión previa de AlphaGo por 100 juegos a 0.

Entrevista con Dr. Demis Hassabis. Un investigador de inteligencia artificial y cofundador y director general de DeepMind, también es un neurocientífico, un diseñador de juegos de computadora, un empresario, y en su juventud, un jugador de ajedrez de clase mundial.

La flexibilidad y adaptabilidad de TensorFlow se presta a construir frameworks de más alto nivel para propósitos específicos. Una de ella, Sonnet, permite construir módulos de redes neuronales con TensorFlow y Google acaba de anunciar la disponibilidad del código fuente. Sonnet está todavía en desarrollo activo pero ya funciona muy bien para la investigación de Google.