Coffee Break: Señal y Ruido Bonus audio. Versión Original Entrevista Pushmeet Kohli y Thorne Graepel (v.o. en inglés)
Mar 19, 2026
Pushmeet Kohli, investigador en DeepMind conocido por su trabajo en aprendizaje automático, y Thore Graepel, investigador en DeepMind experto en IA aplicada a juegos y ciencia. Conversan sobre el impacto de AlphaGo y Move 37 en la creatividad de las máquinas. Hablan de por qué Go es tan desafiante, la preparación del match contra Lee Sedol y la evolución hacia AlphaFold. También discuten retos futuros en biología computacional.
AI Snips
Chapters
Transcript
Episode notes
Cómo AlphaGo Reduce El Espacio Combinatorio
- Go es intratable por el enorme espacio de posiciones (~10^170) y la longitud de partidas (200-300 movimientos).
- AlphaGo redujo ese espacio usando redes neuronales: una policy net para filtrar jugadas y una value net para estimar posiciones, más Monte Carlo Tree Search.
Prueba Contra Fan Hui Antes De Lee Sedol
- El equipo probó AlphaGo contra Fan Hui en un match de 10 partidas para calibrar fuerza competitiva antes de enfrentarse a Lee Sedol.
- Tras vencer 1-10 a Fan Hui y superar las expectativas internas, organizaron el duelo contra Lee Sedol con fecha límite fijada por Demis.
AlphaFold Cambió El Problema Del Plegamiento Proteico
- AlphaFold transformó el plegamiento de proteínas al pasar a una predicción end-to-end desde la secuencia hasta la estructura 3D.
- Esa simplicidad arquitectónica y aprendizaje profundo estableció una base firme para abordar retos mayores en biología.