1
00:00:09,680 --> 00:00:17,950
Buenas, esto es BIMPRAXIS, el podcast donde el BIM se encuentra con la inteligencia artificial.

2
00:00:20,330 --> 00:00:27,230
Exploramos la ciencia, la tecnología y el futuro desde el enfoque de la arquitectura, ingeniería y construcción.

3
00:00:28,930 --> 00:00:29,650
¡Empezamos!

4
00:00:37,190 --> 00:00:39,390
Bienvenidos al episodio 15.

5
00:00:40,190 --> 00:00:44,190
Hoy no hablamos de las noticias de ayer, hoy viajamos al origen de todo.

6
00:00:44,190 --> 00:00:48,290
Bueno, arrancamos una serie especial, los papers que cambiaron la historia.

7
00:00:48,810 --> 00:00:52,250
Y para el primero, nos tenemos que ir a 1986.

8
00:00:52,570 --> 00:00:57,150
Un viaje a una época que, para la inteligencia artificial, era de todo menos optimista.

9
00:00:57,650 --> 00:00:59,930
Se conoce como el invierno de la IA.

10
00:01:00,210 --> 00:01:01,690
No es una metáfora, ¿verdad?

11
00:01:01,950 --> 00:01:04,110
Para nada. Era un invierno muy real.

12
00:01:04,510 --> 00:01:08,870
La financiación, tanto pública como privada, se había evaporado.

13
00:01:09,390 --> 00:01:11,370
Los grandes proyectos, cancelados.

14
00:01:11,830 --> 00:01:13,710
El campo estaba lleno de promesas rotas.

15
00:01:13,710 --> 00:01:17,130
Y en el epicentro de ese pesimismo estaban las redes neuronales.

16
00:01:17,790 --> 00:01:22,730
Esa idea de imitar el cerebro humano con software se consideraba un fracaso.

17
00:01:23,430 --> 00:01:24,470
Un callejón sin salida.

18
00:01:24,810 --> 00:01:25,370
Totalmente.

19
00:01:25,750 --> 00:01:32,410
El golpe de gracia, de hecho, lo había dado años antes un libro, Perceptrons, de Marvin Minsky y Seymour Papert.

20
00:01:32,570 --> 00:01:33,270
Me suena, sí.

21
00:01:33,470 --> 00:01:39,590
Pues demostraron, matemáticamente, que las redes neuronales más simples de la época, los perceptrones,

22
00:01:39,590 --> 00:01:42,110
no podían resolver problemas lógicos.

23
00:01:42,330 --> 00:01:43,590
Que eran increíblemente...

24
00:01:44,230 --> 00:01:49,230
Espera, espera. Recuérdame el problema X o R.

25
00:01:49,390 --> 00:01:51,470
Es la lógica del O exclusivo.

26
00:01:52,010 --> 00:01:53,590
O sea, o una cosa o la otra.

27
00:01:53,930 --> 00:01:54,930
Pero no las dos a la vez.

28
00:01:55,290 --> 00:01:55,550
¿Vale?

29
00:01:55,930 --> 00:01:57,590
El típico ejemplo es...

30
00:01:58,790 --> 00:02:05,250
Claro, un concepto que entiende un niño de cinco años.

31
00:02:05,550 --> 00:02:05,990
Exacto.

32
00:02:05,990 --> 00:02:11,150
Pues bien, las redes neuronales de la época eran incapaces de aprender esa regla tan simple.

33
00:02:11,750 --> 00:02:12,550
¿Se las consideraba?

34
00:02:12,910 --> 00:02:13,350
Pues eso.

35
00:02:13,350 --> 00:02:18,430
O sea, que el campo estaba básicamente muerto.

36
00:02:18,650 --> 00:02:23,350
Y entonces, en mitad de esa glaciación intelectual, en octubre de 1986...

37
00:02:23,870 --> 00:02:28,270
La revista Nature, una de las más prestigiosas del mundo, publica un artículo.

38
00:02:28,590 --> 00:02:30,790
Y no uno muy largo, por lo que tengo entendido.

39
00:02:31,330 --> 00:02:32,630
Apenas cuatro páginas.

40
00:02:32,970 --> 00:02:33,410
Brevísimo.

41
00:02:33,770 --> 00:02:37,290
El título, Learning Representations by Backpropagating Errors.

42
00:02:37,670 --> 00:02:41,870
Aprendiendo representaciones mediante la retropropagación de errores.

43
00:02:41,870 --> 00:02:43,170
Y lo firmaban tres investigadores.

44
00:02:43,170 --> 00:02:47,870
David E. Rumelhart, Geoffrey E. Hinton y Ronald J. Williams.

45
00:02:48,450 --> 00:02:52,170
Y bueno, nuestra misión hoy es entender cómo ese texto, contra todo pronóstico,

46
00:02:52,490 --> 00:02:55,530
se convirtió en la chispa que encendió la hoguera de la IA moderna.

47
00:02:56,030 --> 00:02:57,170
Es que la historia es increíble.

48
00:02:58,330 --> 00:03:01,710
Y para entenderla de verdad, creo que tenemos que empezar por quienes la escribieron.

49
00:03:02,130 --> 00:03:07,370
Porque su propia historia, con un premio Nobel de por medio, es casi tan fascinante como el algoritmo.

50
00:03:07,510 --> 00:03:09,430
Es que es el punto de partida perfecto.

51
00:03:09,430 --> 00:03:13,150
Conecta ese momento de 1986 directamente con nuestra actualidad,

52
00:03:13,170 --> 00:03:14,750
enero de 2026.

53
00:03:15,070 --> 00:03:15,670
Totalmente.

54
00:03:15,890 --> 00:03:19,070
Hace poco más de un año, en octubre de 2024,

55
00:03:19,570 --> 00:03:25,510
la Real Academia de las Ciencias de Suecia le dio el premio Nobel de Física a Geoffrey Hinton,

56
00:03:26,030 --> 00:03:27,130
uno de los autores.

57
00:03:27,550 --> 00:03:30,310
Junto a John Hopfield, otro pionero.

58
00:03:30,550 --> 00:03:31,130
Exacto.

59
00:03:31,250 --> 00:03:33,470
Pero, claro, la pregunta salta sola.

60
00:03:33,750 --> 00:03:35,270
Un momento, ¿el Nobel de...?

61
00:03:35,270 --> 00:03:35,810
Física.

62
00:03:36,610 --> 00:03:37,390
Ahí me he perdido.

63
00:03:37,950 --> 00:03:40,630
Hinton era psicólogo cognitivo e informático, ¿no?

64
00:03:40,630 --> 00:03:41,630
¿Qué tiene que ver...?

65
00:03:41,630 --> 00:03:47,370
La física con un algoritmo de software, no, no veo la conexión.

66
00:03:47,370 --> 00:03:49,370
Y, sin embargo, es total.

67
00:03:49,370 --> 00:03:52,370
Ahí reside parte de la genialidad.

68
00:03:52,370 --> 00:03:57,370
Lo que hicieron en ese artículo fue tomar prestados conceptos, directamente de la física estadística.

69
00:03:57,370 --> 00:03:58,370
¿Ah, sí?

70
00:03:58,370 --> 00:04:01,370
Sí, para describir matemáticamente cómo aprende una máquina.

71
00:04:01,370 --> 00:04:03,370
Usaron la idea de energía.

72
00:04:03,370 --> 00:04:09,370
A ver, imagina que la red neuronal es un sistema físico, como un paisaje, un valle con montañas.

73
00:04:09,370 --> 00:04:09,870
Vale.

74
00:04:09,870 --> 00:04:11,370
Cada estado posible de la red tiene un sistema físico.

75
00:04:11,370 --> 00:04:13,370
Cada red tiene un nivel de energía.

76
00:04:13,370 --> 00:04:17,370
El estado con el error más alto es como estar en la cima de una montaña.

77
00:04:17,370 --> 00:04:19,370
Es muy inestable.

78
00:04:19,370 --> 00:04:23,370
Aprender, para ellos, era el proceso de minimizar esa energía.

79
00:04:23,370 --> 00:04:26,370
Como dejar que una bola ruede cuesta abajo.

80
00:04:26,370 --> 00:04:27,370
Justo.

81
00:04:27,370 --> 00:04:30,370
Que ruede hasta encontrar el punto más bajo y estable del valle.

82
00:04:30,370 --> 00:04:32,370
Ese punto sería la respuesta correcta.

83
00:04:32,370 --> 00:04:34,370
Vaya, es brillante.

84
00:04:34,370 --> 00:04:38,370
Usar una metáfora de la física para describir cómo se reduce en error matemático.

85
00:04:38,370 --> 00:04:40,370
Pero, si hablamos del Nobel.

86
00:04:41,370 --> 00:04:43,370
Los autores del paper, hay una ausencia que duele.

87
00:04:43,370 --> 00:04:44,370
Sí.

88
00:04:44,370 --> 00:04:48,370
El primer autor, la persona que lideraba la investigación, era David Rumelhart.

89
00:04:48,370 --> 00:04:51,370
¿Por qué no compartió el premio con Hinton?

90
00:04:51,370 --> 00:04:53,370
Por la razón más triste y definitiva.

91
00:04:53,370 --> 00:04:56,370
David Rumelhart falleció en 2011.

92
00:04:56,370 --> 00:04:59,370
Y las reglas del Comité Nobel son inflexibles.

93
00:04:59,370 --> 00:05:01,370
Los premios no se pueden conceder a título póstumo.

94
00:05:01,370 --> 00:05:04,370
Qué injusticia poética.

95
00:05:04,370 --> 00:05:09,370
El líder del proyecto no recibe el máximo reconocimiento por una regla burocrática.

96
00:05:09,370 --> 00:05:10,370
Es terrible.

97
00:05:10,370 --> 00:05:16,370
Y eso pone su contribución, la visión que venía de la psicología, en un relieve todavía más importante.

98
00:05:16,370 --> 00:05:17,370
Totalmente.

99
00:05:17,370 --> 00:05:18,370
Exacto.

100
00:05:18,370 --> 00:05:22,370
Por eso es fundamental que este análisis sirva también como un homenaje a su figura.

101
00:05:22,370 --> 00:05:24,370
Rumelhart no era sólo un nombre en la portada.

102
00:05:24,370 --> 00:05:29,370
Era el motó intelectual del grupo de investigación PDP, procesamiento distribuido en paralelo.

103
00:05:29,370 --> 00:05:31,370
En la Universidad de California en San Diego.

104
00:05:31,370 --> 00:05:32,370
Ajá.

105
00:05:32,370 --> 00:05:36,370
Su obsesión, desde la psicología cognitiva, era entender cómo aprende nuestro cerebro.

106
00:05:36,370 --> 00:05:38,370
No interesaba la lógica pura.

107
00:05:38,370 --> 00:05:42,370
Sino cómo procesamos información de forma masivamente paralela, distribuida.

108
00:05:42,370 --> 00:05:44,370
Él aportó la pregunta fundamental.

109
00:05:44,370 --> 00:05:47,370
Y los otros dos completaron el equipo perfecto.

110
00:05:47,370 --> 00:05:49,370
Un equipo de ensueño, vamos.

111
00:05:49,370 --> 00:05:50,370
Geoffrey Hinton.

112
00:05:50,370 --> 00:05:52,370
Era el genio computacional y teórico.

113
00:05:52,370 --> 00:05:57,370
El que podía traducir esas intuiciones sobre el cerebro en algoritmos elegantes.

114
00:05:57,370 --> 00:05:59,370
Y faltaría el tercero.

115
00:05:59,370 --> 00:06:01,370
Y no hay que olvidar al tercer autor.

116
00:06:01,370 --> 00:06:02,370
Ronald Williams.

117
00:06:02,370 --> 00:06:04,370
Él era el ingeniero matemático.

118
00:06:04,370 --> 00:06:07,370
El que aportó el rigor, la solidez, la prueba formal a las ecuaciones.

119
00:06:07,370 --> 00:06:09,370
Que lo hacían todo posible.

120
00:06:09,370 --> 00:06:11,370
Un psicólogo con la visión.

121
00:06:11,370 --> 00:06:13,370
Un informático con el algoritmo.

122
00:06:13,370 --> 00:06:15,370
Y un matemático con la prueba.

123
00:06:15,370 --> 00:06:16,370
Juntos.

124
00:06:16,370 --> 00:06:18,370
En mitad del invierno de la IA.

125
00:06:18,370 --> 00:06:20,370
A punto de encender la mecha.

126
00:06:20,370 --> 00:06:21,370
Vale.

127
00:06:21,370 --> 00:06:26,370
Tenemos a este equipo de ensueño trabajando mientras el resto del mundo cree que su campo es un fracaso.

128
00:06:26,370 --> 00:06:30,370
¿Cuál fue exactamente la joya de la corona de ese paper?

129
00:06:30,370 --> 00:06:32,370
El concepto que lo cambió todo.

130
00:06:32,370 --> 00:06:34,370
La retropropagación de errores.

131
00:06:34,370 --> 00:06:36,370
O como se la conoce en todo el mundo.

132
00:06:36,370 --> 00:06:37,370
Backpropagation.

133
00:06:37,370 --> 00:06:39,370
El corazón de todo.

134
00:06:39,370 --> 00:06:46,370
Y antes de que la palabra propagación asuste a alguien, la idea es increíblemente intuitiva si usamos la analogía correcta.

135
00:06:46,370 --> 00:06:47,370
Venga.

136
00:06:47,370 --> 00:06:50,370
Olvidémonos de las matemáticas y pensemos en una orquesta.

137
00:06:50,370 --> 00:06:51,370
Me apunto.

138
00:06:51,370 --> 00:06:55,370
Imagina una orquesta sinfónica enorme. Cientos de músicos.

139
00:06:55,370 --> 00:06:59,370
Y el director les pide que toquen una sinfonía nueva y muy compleja.

140
00:06:59,370 --> 00:07:03,370
Pero, para complicarlo todo, no les da la partitura.

141
00:07:03,370 --> 00:07:04,370
O sea, de oído.

142
00:07:04,370 --> 00:07:05,370
De oído.

143
00:07:05,370 --> 00:07:06,370
El desastre está garantizado.

144
00:07:06,370 --> 00:07:08,370
Un caos de sonido absoluto.

145
00:07:08,370 --> 00:07:09,370
Exacto.

146
00:07:09,370 --> 00:07:13,370
Ese primer intento es lo que en el paper llaman el forward pass.

147
00:07:13,370 --> 00:07:15,370
La pasada hacia delante.

148
00:07:15,370 --> 00:07:16,370
El director da la señal.

149
00:07:16,370 --> 00:07:17,370
La orquesta toca.

150
00:07:17,370 --> 00:07:22,370
Y el resultado, pues un ruido desafinado, atonal, un desastre.

151
00:07:22,370 --> 00:07:26,370
La información fluye hacia delante, de los músicos al oído del director.

152
00:07:26,370 --> 00:07:27,370
Bien. Paso uno.

153
00:07:27,370 --> 00:07:28,370
El intento fallido.

154
00:07:28,370 --> 00:07:29,370
Paso dos.

155
00:07:29,370 --> 00:07:31,370
El cálculo del error.

156
00:07:31,370 --> 00:07:34,370
El director, que sí tiene la partitura perfecta en su cabeza,

157
00:07:34,370 --> 00:07:38,370
compara el ruido que acaba de oír con la sinfonía ideal.

158
00:07:38,370 --> 00:07:43,370
La diferencia, esa distancia entre el caos y la perfección, es el error.

159
00:07:43,370 --> 00:07:45,370
Vale. Hasta aquí entiendo.

160
00:07:45,370 --> 00:07:48,370
Pero esto ya se sabía hacer, ¿no?

161
00:07:48,370 --> 00:07:50,370
Sí. Hasta aquí nada nuevo.

162
00:07:50,370 --> 00:07:53,370
Esto ya se sabía hacer en 1986.

163
00:07:53,370 --> 00:07:57,370
Sabían que la red estaba equivocada, pero no sabían cómo arreglarla.

164
00:07:57,370 --> 00:08:00,370
Claro. El problema es qué hacer con ese error.

165
00:08:00,370 --> 00:08:03,370
Supongo que gritar, lo habéis hecho fatal.

166
00:08:03,370 --> 00:08:06,370
Repetid. No ayuda a nadie a mejorar.

167
00:08:06,370 --> 00:08:08,370
Justo ahí está la clave.

168
00:08:08,370 --> 00:08:11,370
Y aquí llega la magia de 1986.

169
00:08:11,370 --> 00:08:13,370
El backward pass.

170
00:08:13,370 --> 00:08:14,370
La pasada hacia atrás.

171
00:08:14,370 --> 00:08:15,370
¿Y qué hace el director?

172
00:08:15,370 --> 00:08:18,370
Pues no se limita a dar una crítica general e inútil.

173
00:08:18,370 --> 00:08:21,370
Lo que hace es recorrer la orquesta en sentido inverso.

174
00:08:21,370 --> 00:08:24,370
Empieza por la última fila, la de la percusión.

175
00:08:24,370 --> 00:08:25,370
Hacia atrás.

176
00:08:25,370 --> 00:08:28,370
Y va avanzando hacia delante hasta los primeros violines.

177
00:08:28,370 --> 00:08:32,370
Y le da una instrucción precisa y específica a cada músico.

178
00:08:33,370 --> 00:08:35,370
No una bronca colectiva.

179
00:08:35,370 --> 00:08:37,370
Sino un susurro individual.

180
00:08:37,370 --> 00:08:38,370
Precisamente.

181
00:08:38,370 --> 00:08:40,370
Se acerca al timbalista y le dice.

182
00:08:40,370 --> 00:08:43,370
Tú tocaste demasiado fuerte en el compás 32.

183
00:08:43,370 --> 00:08:46,370
Reduce tu intensidad un 10%.

184
00:08:46,370 --> 00:08:47,370
Luego va al OVE.

185
00:08:47,370 --> 00:08:49,370
Tu nota LA estaba un poco baja de tono.

186
00:08:49,370 --> 00:08:50,370
Súbela ligeramente.

187
00:08:50,370 --> 00:08:53,370
O sea que sabe exactamente cuánta culpa tiene cada uno.

188
00:08:53,370 --> 00:08:56,370
Sabe cuánta culpa del error final tiene cada músico.

189
00:08:56,370 --> 00:08:58,370
Y se la asigna de forma justa.

190
00:08:58,370 --> 00:09:01,370
Quizás se acerca a la flautista de la tercera fila y le dice.

191
00:09:01,370 --> 00:09:02,370
Tú lo hiciste perfecto.

192
00:09:02,370 --> 00:09:04,370
No cambies absolutamente nada.

193
00:09:04,370 --> 00:09:08,370
Me imagino al pobre timbalista recibiendo toda la bronca en la primera ronda.

194
00:09:08,370 --> 00:09:10,370
Y en realidad el problema era el OVE.

195
00:09:10,370 --> 00:09:11,370
Podría pasar.

196
00:09:11,370 --> 00:09:12,370
Pero el algoritmo es justo.

197
00:09:12,370 --> 00:09:14,370
Reparte la culpa proporcionalmente.

198
00:09:14,370 --> 00:09:16,370
Y este reparto es el cuarto paso.

199
00:09:16,370 --> 00:09:18,370
El ajuste de pesos.

200
00:09:18,370 --> 00:09:19,370
El ajuste.

201
00:09:19,370 --> 00:09:22,370
Cada músico, que en nuestra red es una neurona,

202
00:09:22,370 --> 00:09:24,370
ajusta su forma de tocar.

203
00:09:24,370 --> 00:09:29,370
Ese ajuste es lo que llamamos cambiar los pesos de sus conexiones.

204
00:09:29,370 --> 00:09:31,370
Y el quinto paso es simplemente iterar.

205
00:09:31,370 --> 00:09:34,370
Vuelven a tocar la sinfonía desde el principio.

206
00:09:34,370 --> 00:09:37,370
Y ahora suena un poco menos a desastre.

207
00:09:37,370 --> 00:09:38,370
Un poco mejor, sí.

208
00:09:38,370 --> 00:09:39,370
El error es menor.

209
00:09:39,370 --> 00:09:42,370
Así que el director vuelve a hacer lo mismo.

210
00:09:42,370 --> 00:09:44,370
Compara, calcula el nuevo error,

211
00:09:44,370 --> 00:09:48,370
y vuelve a recorrer la orquesta hacia atrás repartiendo nuevas instrucciones.

212
00:09:48,370 --> 00:09:49,370
Más refinadas, imagino.

213
00:09:49,370 --> 00:09:50,370
Mucho más.

214
00:09:50,370 --> 00:09:54,370
Ahora el timbal está bien, pero el trombón se ha pasado un poco.

215
00:09:54,370 --> 00:09:57,370
Y repite en este ciclo no diez ni cien veces,

216
00:09:57,370 --> 00:09:59,370
sino miles, millones de veces.

217
00:09:59,370 --> 00:10:01,370
En cada iteración,

218
00:10:01,370 --> 00:10:03,370
la orquesta suena un poquito más afinada.

219
00:10:03,370 --> 00:10:05,370
Hasta que finalmente...

220
00:10:05,370 --> 00:10:06,370
La sinfonía es perfecta.

221
00:10:06,370 --> 00:10:08,370
...indistinguible de la perfección.

222
00:10:08,370 --> 00:10:09,370
Es increíble.

223
00:10:09,370 --> 00:10:13,370
O sea que el secreto no era sólo saber que la orquesta sonaba mal,

224
00:10:13,370 --> 00:10:16,370
sino tener una fórmula matemática

225
00:10:16,370 --> 00:10:20,370
para que el director pudiera susurrarle la corrección exacta a cada músico.

226
00:10:20,370 --> 00:10:21,370
Exacto.

227
00:10:21,370 --> 00:10:24,370
Sobre todo a los de las filas de en medio,

228
00:10:24,370 --> 00:10:27,370
las capas ocultas, que están más escondidos

229
00:10:27,370 --> 00:10:30,370
y cuyo impacto en el sonido final es más difícil de medir.

230
00:10:31,370 --> 00:10:33,370
No sabía cómo hacer eso con las neuronas.

231
00:10:33,370 --> 00:10:34,370
Diste en el clavo.

232
00:10:34,370 --> 00:10:36,370
Ese era el gran muro.

233
00:10:36,370 --> 00:10:38,370
Se sabía entrenar redes de una sola capa.

234
00:10:38,370 --> 00:10:41,370
Pero en cuanto metías capas intermedias,

235
00:10:41,370 --> 00:10:42,370
las capas ocultas,

236
00:10:42,370 --> 00:10:45,370
era imposible saber si una neurona de en medio

237
00:10:45,370 --> 00:10:48,370
había contribuido mucho, poco o nada al error final.

238
00:10:48,370 --> 00:10:51,370
¿Y la retropropagación?

239
00:10:51,370 --> 00:10:54,370
Fue la llave que resolvió ese misterio del reparto de la culpa.

240
00:10:54,370 --> 00:10:57,370
Permitió que la señal de error fluyera hacia atrás

241
00:10:57,370 --> 00:11:00,370
a través de toda la red, por muy profunda que fuera.

242
00:11:00,370 --> 00:11:03,370
Esta idea de repartir la culpa hacia atrás

243
00:11:03,370 --> 00:11:05,370
parece tan intuitiva con tu analogía.

244
00:11:05,370 --> 00:11:08,370
Pero, ¿cuáles fueron las consecuencias reales?

245
00:11:08,370 --> 00:11:11,370
¿Por qué esto no fue sólo un paper ingenioso más,

246
00:11:11,370 --> 00:11:13,370
sino el inicio de una revolución?

247
00:11:13,370 --> 00:11:16,370
El impacto fue doble y es gigantesco.

248
00:11:16,370 --> 00:11:20,370
El primer gran impacto es que permitió la profundidad.

249
00:11:20,370 --> 00:11:23,370
La palabra deep en deep learning, aprendizaje profundo,

250
00:11:23,370 --> 00:11:26,370
existe gracias a la retropropagación.

251
00:11:26,370 --> 00:11:27,370
¿Por qué?

252
00:11:27,370 --> 00:11:29,370
¿No se podían hacer redes con muchas capas antes?

253
00:11:29,370 --> 00:11:32,370
Se podían dibujar en una pizarra, pero no se podían entrenar.

254
00:11:32,370 --> 00:11:35,370
Era como tener una orquesta de mil filas de músicos.

255
00:11:35,370 --> 00:11:38,370
El director podía oír el caos al final,

256
00:11:38,370 --> 00:11:41,370
pero su voz no llegaba a los de la primera fila.

257
00:11:41,370 --> 00:11:44,370
El error se diluía, se desvanecía en el camino hacia atrás.

258
00:11:44,370 --> 00:11:47,370
¿Y la retropropagación es como un megáfono?

259
00:11:47,370 --> 00:11:50,370
Es el megáfono que permite que la señal de corrección

260
00:11:50,370 --> 00:11:53,370
llegue intacta hasta la primera neurona de la primera capa,

261
00:11:53,370 --> 00:11:55,370
sin importar si hay cien capas en medio.

262
00:11:55,370 --> 00:11:58,370
Y esa profundidad es lo que permite a la IA aprender conceptos abstractos.

263
00:11:59,370 --> 00:12:03,370
Es como construir con ladrillos cada vez más complejos.

264
00:12:03,370 --> 00:12:04,370
Exactamente.

265
00:12:04,370 --> 00:12:08,370
Una red superficial puede aprender a detectar algo muy simple en una imagen,

266
00:12:08,370 --> 00:12:10,370
como una línea diagonal.

267
00:12:10,370 --> 00:12:12,370
Pero si añades más capas,

268
00:12:12,370 --> 00:12:14,370
la segunda capa puede aprender a combinar esas líneas

269
00:12:14,370 --> 00:12:16,370
para detectar bordes y esquinas.

270
00:12:16,370 --> 00:12:19,370
La tercera, a combinar bordes para detectar formas

271
00:12:19,370 --> 00:12:21,370
como un ojo o una nariz.

272
00:12:21,370 --> 00:12:22,370
Y la capa final…

273
00:12:22,370 --> 00:12:25,370
Combina ojos y narices para reconocer una cara.

274
00:12:25,370 --> 00:12:28,370
Esa jerarquía de conocimiento, de lo simple a lo abstracto,

275
00:12:28,370 --> 00:12:30,370
solo es posible con profundidad.

276
00:12:30,370 --> 00:12:33,370
Y la profundidad solo se puede entrenar con retropropagación.

277
00:12:33,370 --> 00:12:36,370
Así que la palabra Deep en Deep Learning es literal.

278
00:12:36,370 --> 00:12:39,370
Se refiere a tener muchas, muchas capas de músicos.

279
00:12:39,370 --> 00:12:43,370
Y la retropropagación es el único director que sabe cómo dirigirlas a todas.

280
00:12:43,370 --> 00:12:45,370
Entendido.

281
00:12:45,370 --> 00:12:47,370
Ese es el primer impacto, la profundidad.

282
00:12:47,370 --> 00:12:49,370
¿Y el segundo?

283
00:12:49,370 --> 00:12:53,370
Su increíble, casi milagrosa resistencia al tiempo.

284
00:12:53,370 --> 00:12:55,370
Estamos en enero de 2026.

285
00:12:55,370 --> 00:12:56,370
Cierto.

286
00:12:56,370 --> 00:12:57,370
Las arquitecturas de IA,

287
00:12:57,370 --> 00:12:59,370
que dominan el mundo,

288
00:12:59,370 --> 00:13:02,370
son inmensamente más sofisticadas que las de 1986.

289
00:13:02,370 --> 00:13:04,370
Hablamos de Transformers,

290
00:13:04,370 --> 00:13:06,370
de modelos de estado espacio como Mamba,

291
00:13:06,370 --> 00:13:08,370
de redes CAN.

292
00:13:08,370 --> 00:13:12,370
Son como naves espaciales comparadas con el biplano de los hermanos Wright.

293
00:13:12,370 --> 00:13:13,370
Totalmente.

294
00:13:13,370 --> 00:13:15,370
Pero si abres el capó de GPT-5,

295
00:13:15,370 --> 00:13:16,370
o de un coche autónomo,

296
00:13:16,370 --> 00:13:18,370
o de un robot humanoide,

297
00:13:18,370 --> 00:13:22,370
el motor, el mecanismo fundamental que ajusta los miles de millones de parámetros

298
00:13:22,370 --> 00:13:24,370
para que la máquina aprenda,

299
00:13:24,370 --> 00:13:26,370
sigue siendo, en esencia,

300
00:13:26,370 --> 00:13:29,370
una variante de la repropropagación de 1986.

301
00:13:29,370 --> 00:13:30,370
Es alucinante.

302
00:13:30,370 --> 00:13:33,370
La idea central sigue viva y funcionando

303
00:13:33,370 --> 00:13:36,370
en el corazón de la tecnología más avanzada del planeta,

304
00:13:36,370 --> 00:13:38,370
casi 40 años después.

305
00:13:38,370 --> 00:13:40,370
Es el motor de combustión de la inteligencia artificial.

306
00:13:40,370 --> 00:13:42,370
La carrocería ha cambiado,

307
00:13:42,370 --> 00:13:44,370
los extras son de ciencia ficción,

308
00:13:44,370 --> 00:13:47,370
pero el principio de cómo el pistón sube y baja

309
00:13:47,370 --> 00:13:48,370
para generar el aprendizaje,

310
00:13:48,370 --> 00:13:50,370
sigue siendo el mismo.

311
00:13:50,370 --> 00:13:52,370
Y pensar en la perseverancia que hizo falta.

312
00:13:52,370 --> 00:13:55,370
Hinton y los demás defendieron esta idea durante décadas.

313
00:13:55,370 --> 00:13:59,370
Esa travesía por el desierto debió ser increíblemente frustrante.

314
00:13:59,370 --> 00:14:00,370
Durísima.

315
00:14:00,370 --> 00:14:02,370
Tener el mapa del tesoro,

316
00:14:02,370 --> 00:14:04,370
pero que nadie te preste un barco para ir a por él.

317
00:14:04,370 --> 00:14:06,370
Fue una batalla intelectual tremenda.

318
00:14:06,370 --> 00:14:08,370
Durante los 80 y los 90,

319
00:14:08,370 --> 00:14:10,370
la corriente dominante,

320
00:14:10,370 --> 00:14:12,370
liderada por figuras como el propio Minsky,

321
00:14:12,370 --> 00:14:14,370
era la IA simbólica.

322
00:14:14,370 --> 00:14:15,370
La de las reglas.

323
00:14:15,370 --> 00:14:16,370
Eso es.

324
00:14:16,370 --> 00:14:21,370
Que IA ante la inteligencia debía programarse con reglas lógicas explícitas.

325
00:14:21,370 --> 00:14:25,370
La idea de que una red aprendiera patrones de forma borrosa,

326
00:14:25,370 --> 00:14:28,370
casi estadística, como un cerebro,

327
00:14:28,370 --> 00:14:30,370
era vista como poco científica,

328
00:14:30,370 --> 00:14:32,370
casi como alquimia.

329
00:14:32,370 --> 00:14:34,370
Los conexionistas, como se les llamaba,

330
00:14:34,370 --> 00:14:36,370
eran una minoría casi herética.

331
00:14:36,370 --> 00:14:39,370
Tuvieron que aguantar años de escepticismo,

332
00:14:39,370 --> 00:14:41,370
esperando a que el mundo se diera cuenta.

333
00:14:41,370 --> 00:14:44,370
Y eso nos lleva a la gran conclusión.

334
00:14:44,370 --> 00:14:48,370
¿Cuál es la lección final de este viaje a 1986?

335
00:14:48,370 --> 00:14:50,370
La lección, yo creo,

336
00:14:50,370 --> 00:14:52,370
es que un artículo puramente teórico,

337
00:14:52,370 --> 00:14:54,370
de apenas cuatro páginas,

338
00:14:54,370 --> 00:14:56,370
nacido en mitad de una crisis de fe,

339
00:14:56,370 --> 00:14:58,370
contenía la semilla matemática

340
00:14:58,370 --> 00:15:01,370
de toda la revolución tecnológica que estamos viviendo.

341
00:15:01,370 --> 00:15:02,370
Es una locura.

342
00:15:02,370 --> 00:15:04,370
Demuestra, de una forma bellísima,

343
00:15:04,370 --> 00:15:07,370
cómo una idea brillante puede necesitar décadas

344
00:15:07,370 --> 00:15:09,370
para que el mundo, y sobre todo el hardware,

345
00:15:09,370 --> 00:15:11,370
esté a su altura.

346
00:15:11,370 --> 00:15:14,370
La teoría, a veces, corre mucho más rápido que la práctica.

347
00:15:14,370 --> 00:15:16,370
Punto perfecto para cerrar.

348
00:15:16,370 --> 00:15:19,370
Porque lo fascinante es que en 1986

349
00:15:19,370 --> 00:15:22,370
tenían la teoría, tenían el mapa del tesoro,

350
00:15:22,370 --> 00:15:25,370
pero les faltaban dos cosas cruciales.

351
00:15:25,370 --> 00:15:27,370
Dos cosas enormes.

352
00:15:27,370 --> 00:15:29,370
Les faltaba la gasolina,

353
00:15:29,370 --> 00:15:32,370
la escala masiva de datos de Internet que aún no existía,

354
00:15:32,370 --> 00:15:34,370
y les faltaba el motor,

355
00:15:34,370 --> 00:15:37,370
la brutal potencia de cálculo de las GPUs,

356
00:15:37,370 --> 00:15:39,370
las tarjetas gráficas de los videojuegos.

357
00:15:39,370 --> 00:15:42,370
Tenían el diseño del coche de carreras más rápido del mundo,

358
00:15:42,370 --> 00:15:45,370
pero solo tenían carreteras de tierra

359
00:15:45,370 --> 00:15:47,370
y un combustible de muy bajo octanaje.

360
00:15:47,370 --> 00:15:49,370
Exacto.

361
00:15:49,370 --> 00:15:51,370
Tuvieron que esperar 26 largos años

362
00:15:51,370 --> 00:15:53,370
en las sombras, casi olvidados,

363
00:15:53,370 --> 00:15:57,370
hasta que un concurso de reconocimiento de imágenes en 2012

364
00:15:57,370 --> 00:15:59,370
lo cambió todo para siempre.

365
00:15:59,370 --> 00:16:02,370
Pero esa historia la exploraremos en nuestro próximo análisis.

366
00:16:02,370 --> 00:16:05,370
Y esto nos deja con una idea para reflexionar.

367
00:16:05,370 --> 00:16:08,370
Si el algoritmo que define nuestra era

368
00:16:08,370 --> 00:16:11,370
tuvo que esperar casi 30 años a que el hardware lo alcanzara,

369
00:16:11,370 --> 00:16:14,370
¿qué ideas que hoy consideramos imposibles,

370
00:16:14,370 --> 00:16:16,370
académicas o pura ciencia ficción

371
00:16:16,370 --> 00:16:18,370
están solo a la espera de un avance tecnológico

372
00:16:18,370 --> 00:16:20,370
para convertirse en la realidad cotidiana de 2012?

373
00:16:22,370 --> 00:16:34,870
Y hasta aquí el episodio de hoy.

374
00:16:34,870 --> 00:16:36,870
Muchas gracias por tu atención.

375
00:16:38,870 --> 00:16:48,320
Esto es BIMPRAXIS.

376
00:16:48,320 --> 00:16:51,320
Nos escuchamos en el próximo episodio.