#hinton — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #hinton, aggregated by home.social.
-
@blog defence-in-depth is still the most rational stratagem and it is cheaper than "AI" but requires architecting software correctly from the get-go with domain and process knowledge, the very #epistemological nature of which is largely alien to #LLM driven automation approaches. in other words, it requires human judgement by its very nature. the agentic approaches are imitative only, the LLMs do not and cannot "understand". #Lecun knows this as do #Hinton, yet #Amodei threw us all under a bus.
-
@blog defence-in-depth is still the most rational stratagem and it is cheaper than "AI" but requires architecting software correctly from the get-go with domain and process knowledge, the very #epistemological nature of which is largely alien to #LLM driven automation approaches. in other words, it requires human judgement by its very nature. the agentic approaches are imitative only, the LLMs do not and cannot "understand". #Lecun knows this as do #Hinton, yet #Amodei threw us all under a bus.
-
@blog defence-in-depth is still the most rational stratagem and it is cheaper than "AI" but requires architecting software correctly from the get-go with domain and process knowledge, the very #epistemological nature of which is largely alien to #LLM driven automation approaches. in other words, it requires human judgement by its very nature. the agentic approaches are imitative only, the LLMs do not and cannot "understand". #Lecun knows this as do #Hinton, yet #Amodei threw us all under a bus.
-
@blog defence-in-depth is still the most rational stratagem and it is cheaper than "AI" but requires architecting software correctly from the get-go with domain and process knowledge, the very #epistemological nature of which is largely alien to #LLM driven automation approaches. in other words, it requires human judgement by its very nature. the agentic approaches are imitative only, the LLMs do not and cannot "understand". #Lecun knows this as do #Hinton, yet #Amodei threw us all under a bus.
-
@blog defence-in-depth is still the most rational stratagem and it is cheaper than "AI" but requires architecting software correctly from the get-go with domain and process knowledge, the very #epistemological nature of which is largely alien to #LLM driven automation approaches. in other words, it requires human judgement by its very nature. the agentic approaches are imitative only, the LLMs do not and cannot "understand". #Lecun knows this as do #Hinton, yet #Amodei threw us all under a bus.
-
Hype for the Future 133E: City of Hinton, West Virginia
Overview The City of Hinton serves as the county seat of Summers County in the southern portion of the State of West Virginia and is centrally located within the county, along the New River near the mouth of the Greenbrier River. Attractions in the area include the Veterans Memorial Museum, the Hinton Railroad Museum, the Campbell-Flannagan-Murrell House Museum, and the Guest House Inn on Courthouse Square, with scenic areas further into the vicinity also including such features as the […]https://novatopflex.wordpress.com/2026/03/13/hype-for-the-future-133e-city-of-hinton-west-virginia/
-
Hype for the Future 133E: City of Hinton, West Virginia
Overview The City of Hinton serves as the county seat of Summers County in the southern portion of the State of West Virginia and is centrally located within the county, along the New River near the mouth of the Greenbrier River. Attractions in the area include the Veterans Memorial Museum, the Hinton Railroad Museum, the Campbell-Flannagan-Murrell House Museum, and the Guest House Inn on Courthouse Square, with scenic areas further into the vicinity also including such features as the […]https://novatopflex.wordpress.com/2026/03/13/hype-for-the-future-133e-city-of-hinton-west-virginia/
-
Hype for the Future 133E: City of Hinton, West Virginia
Overview The City of Hinton serves as the county seat of Summers County in the southern portion of the State of West Virginia and is centrally located within the county, along the New River near the mouth of the Greenbrier River. Attractions in the area include the Veterans Memorial Museum, the Hinton Railroad Museum, the Campbell-Flannagan-Murrell House Museum, and the Guest House Inn on Courthouse Square, with scenic areas further into the vicinity also including such features as the […]https://novatopflex.wordpress.com/2026/03/13/hype-for-the-future-133e-city-of-hinton-west-virginia/
-
Hype for the Future 133E: City of Hinton, West Virginia
Overview The City of Hinton serves as the county seat of Summers County in the southern portion of the State of West Virginia and is centrally located within the county, along the New River near the mouth of the Greenbrier River. Attractions in the area include the Veterans Memorial Museum, the Hinton Railroad Museum, the Campbell-Flannagan-Murrell House Museum, and the Guest House Inn on Courthouse Square, with scenic areas further into the vicinity also including such features as the […]https://novatopflex.wordpress.com/2026/03/13/hype-for-the-future-133e-city-of-hinton-west-virginia/
-
Hype for the Future 133E: City of Hinton, West Virginia
Overview The City of Hinton serves as the county seat of Summers County in the southern portion of the State of West Virginia and is centrally located within the county, along the New River near the mouth of the Greenbrier River. Attractions in the area include the Veterans Memorial Museum, the Hinton Railroad Museum, the Campbell-Flannagan-Murrell House Museum, and the Guest House Inn on Courthouse Square, with scenic areas further into the vicinity also including such features as the […]https://novatopflex.wordpress.com/2026/03/13/hype-for-the-future-133e-city-of-hinton-west-virginia/
-
‘Godfather of AI’: CS Degrees ‘Will Remain Valuable’
The ‘godfather of AI’ says now isn’t the time to give up on computer science degrees — even…
#NewsBeep #News #US #USA #UnitedStates #UnitedStatesOfAmerica #Artificialintelligence #AI #ArtificialIntelligence #businessinsider #computationalfinance #computersciencedegree #csdegree #digitalhumanity #geoffrey-hinton #godfather #goodjob #Google #hinton #Latin #student #Tech #Technology #time
https://www.newsbeep.com/us/335760/ -
‘Godfather of AI’: CS Degrees ‘Will Remain Valuable’
The ‘godfather of AI’ says now isn’t the time to give up on computer science degrees — even…
#NewsBeep #News #US #USA #UnitedStates #UnitedStatesOfAmerica #Artificialintelligence #AI #ArtificialIntelligence #businessinsider #computationalfinance #computersciencedegree #csdegree #digitalhumanity #geoffrey-hinton #godfather #goodjob #Google #hinton #Latin #student #Tech #Technology #time
https://www.newsbeep.com/us/335760/ -
‘Godfather of AI’: CS Degrees ‘Will Remain Valuable’
The ‘godfather of AI’ says now isn’t the time to give up on computer science degrees — even…
#NewsBeep #News #Artificialintelligence #AI #ArtificialIntelligence #businessinsider #CA #Canada #computationalfinance #computersciencedegree #csdegree #digitalhumanity #GeoffreyHinton #godfather #goodjob #Google #hinton #latin #student #Tech #Technology #time
https://www.newsbeep.com/ca/330995/ -
https://www.europesays.com/ie/220159/ ‘Godfather of AI’: CS Degrees ‘Will Remain Valuable’ #AI #ArtificialIntelligence #ArtificialIntelligence #BusinessInsider #ComputationalFinance #ComputerScienceDegree #CsDegree #DigitalHumanity #Éire #GeoffreyHinton #godfather #GoodJob #Google #hinton #IE #Ireland #latin #student #tech #Technology #time
-
Geoffrey #Hinton, #référence #absolue de l’ #IA #AI, prévient : l’ #intelligence #artificielle n’est pas un outil, mais un #successeur #potentiel !
Geoffrey le leader.
Espérons qu'il ait tord.. -
Geoffrey #Hinton, #référence #absolue de l’ #IA #AI, prévient : l’ #intelligence #artificielle n’est pas un outil, mais un #successeur #potentiel !
Geoffrey le leader.
Espérons qu'il ait tord.. -
Geoffrey #Hinton, #référence #absolue de l’ #IA #AI, prévient : l’ #intelligence #artificielle n’est pas un outil, mais un #successeur #potentiel !
Geoffrey le leader.
Espérons qu'il ait tord.. -
Geoffrey #Hinton, #référence #absolue de l’ #IA #AI, prévient : l’ #intelligence #artificielle n’est pas un outil, mais un #successeur #potentiel !
Geoffrey le leader.
Espérons qu'il ait tord.. -
Geoffrey #Hinton, #référence #absolue de l’ #IA #AI, prévient : l’ #intelligence #artificielle n’est pas un outil, mais un #successeur #potentiel !
Geoffrey le leader.
Espérons qu'il ait tord.. -
Geoffrey #Hinton, #référence #absolue de l’ #IA #AI, prévient : l’ #intelligence #artificielle n’est pas un outil, mais un #successeur #potentiel ! Geoffrey le leader. Espérons qu'il ait tord.. www.futura-sciences.com/tech/actuali...
Geoffrey Hinton, référence abs... -
Geoffrey #Hinton, #référence #absolue de l’ #IA #AI, prévient : l’ #intelligence #artificielle n’est pas un outil, mais un #successeur #potentiel ! Geoffrey le leader. Espérons qu'il ait tord.. www.futura-sciences.com/tech/actuali...
Geoffrey Hinton, référence abs... -
Elon Musk’s fellowship of the Royal Societyremains intact after a meeting of the scientific body, the Guardian has learned, but questions remain about whether further action will be taken.
Musk, the Tesla and SpaceX CEO who also owns the social media platform X, was elected a fellow of the UK’s national academy of sciences in 2018, apparently in recognition of his work in the space and electric vehicle industries.Calls for the honour to be revoked have grown in recent months, as fellows of the Royal Society and the wider scientific community become increasingly alarmed by Musk’s conduct in relation to the academy’s code.
Two eminent scientists have resigned their fellowships in protest against the lack of action by the Royal Society, while more than 3,400 members of the wider scientific community have signed an open letter organised by Stephen Curry, an emeritus professor of structural biology at Imperial College London, expressing similar dismay.Earlier on Monday, the Nobel laureate and AI pioneer
#Geoffrey #Hinton – a fellow of the Royal Society – posted on X that he supported Musk’s removal.
“I think Elon Musk should be expelled from the British Royal Society. Not because he peddles conspiracy theories and makes Nazi salutes, but because of the huge damage he is doing to scientific institutions in the US. Now let’s see if he really believes in free speech,” he wrote. -
#Hinton señala que a medida que la #IA #AI vaya ganando #consciencia, los #seres #humanos pasaremos a ser los #segundos #más #inteligentes del #planeta
-
#Hinton señala que a medida que la #IA #AI vaya ganando #consciencia, los #seres #humanos pasaremos a ser los #segundos #más #inteligentes del #planeta
-
#Geoffrey E. #Hinton , el #padrino de la #IA #AI alerta: "La #humanidad no tiene la #menor #idea de #lo #que #hemos #creado" Su temor gira alrededor del punto en el que #las #máquinas #nos #relevarán como #los #seres #más #inteligentes del #mundo www.eleconomista.es/tecnologia/n...
eleconomista.es/tecnologia/not... -
#Geoffrey E. #Hinton , el #padrino de la #IA #AI alerta: "La #humanidad no tiene la #menor #idea de #lo #que #hemos #creado" Su temor gira alrededor del punto en el que #las #máquinas #nos #relevarán como #los #seres #más #inteligentes del #mundo www.eleconomista.es/tecnologia/n...
eleconomista.es/tecnologia/not... -
#Geoffrey E. #Hinton , el #padrino de la #IA #AI alerta: "La #humanidad no tiene la #menor #idea de #lo #que #hemos #creado" Su temor gira alrededor del punto en el que #las #máquinas #nos #relevarán como #los #seres #más #inteligentes del #mundo www.eleconomista.es/tecnologia/n...
eleconomista.es/tecnologia/not... -
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open TechTraducción de la infografía:
- 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
- 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
- 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
- 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
- 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.
(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.
- 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
- 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
- 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
- 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
- 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.
(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.
- 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
- 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
- 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
- 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
- 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.
(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.
- 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
- 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
- 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.
(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.
- 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
- 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
- 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.
Gráfico: Open Tech / Genuine Impact
Entradas relacionadas
- ¿Cómo definir la «credibilidad algorítmica»? DeepSeek da en el clavo
- Los precios dinámicos exacerban la desigualdad entre los consumidores, hay que regularlos ya
- Firma contra la vigilancia biométrica masiva
#ajedrez #AlphaFold2 #AlphaGo #AlphaZero #aprendizajeAutomático #artículo #artistas #aspirador #BlakeLemoine #ConferenciaDeDartmouth #copyright #DeanEdmonds #DeepBlue #DeepFace #DeepMind #DeviantArt #ELIZA #Facebook #gatos #GenuineImpact #Go #Google #GPS #GPT3 #gráfico #Hinton #IA #IBM #infografía #inteligenciaArtificial #iRobot #Jeopardy_ #Kasparov #LaMDA #LeeSedol #MarvinMinsky #McCarthy #McCullock #MidJourney #modelos #Newell #OpenTech #OpenAI #patrones #Perceptron #Pitts #plegamientoDeProteínas #predicciones #procesamientoDelLenguajeNatural #reconocimientoFacial #redesNeuronales #remezclar #robot #Rochester #Roomba #Rosenblatt #Rumelhart #Shannon #shogi #Simon #sistemaDeNavegación #SNAR #StabilityAI #StableDiffusion #testDeTuring #Turing #vídeos #Watson #Weizenbaum #Williams #YouTube
-
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open TechTraducción de la infografía:
- 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
- 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
- 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
- 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
- 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.
(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.
- 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
- 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
- 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
- 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
- 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.
(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.
- 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
- 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
- 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
- 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
- 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.
(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.
- 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
- 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
- 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.
(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.
- 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
- 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
- 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.
Gráfico: Open Tech / Genuine Impact
Entradas relacionadas
- ¿Cómo definir la «credibilidad algorítmica»? DeepSeek da en el clavo
- Los precios dinámicos exacerban la desigualdad entre los consumidores, hay que regularlos ya
- Firma contra la vigilancia biométrica masiva
#ajedrez #AlphaFold2 #AlphaGo #AlphaZero #aprendizajeAutomático #artículo #artistas #aspirador #BlakeLemoine #ConferenciaDeDartmouth #copyright #DeanEdmonds #DeepBlue #DeepFace #DeepMind #DeviantArt #ELIZA #Facebook #gatos #GenuineImpact #Go #Google #GPS #GPT3 #gráfico #Hinton #IA #IBM #infografía #inteligenciaArtificial #iRobot #Jeopardy_ #Kasparov #LaMDA #LeeSedol #MarvinMinsky #McCarthy #McCullock #MidJourney #modelos #Newell #OpenTech #OpenAI #patrones #Perceptron #Pitts #plegamientoDeProteínas #predicciones #procesamientoDelLenguajeNatural #reconocimientoFacial #redesNeuronales #remezclar #robot #Rochester #Roomba #Rosenblatt #Rumelhart #Shannon #shogi #Simon #sistemaDeNavegación #SNAR #StabilityAI #StableDiffusion #testDeTuring #Turing #vídeos #Watson #Weizenbaum #Williams #YouTube
-
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open TechTraducción de la infografía:
- 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
- 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
- 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
- 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
- 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.
(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.
- 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
- 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
- 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
- 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
- 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.
(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.
- 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
- 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
- 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
- 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
- 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.
(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.
- 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
- 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
- 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.
(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.
- 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
- 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
- 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.
Gráfico: Open Tech / Genuine Impact
Entradas relacionadas
- ¿Cómo definir la «credibilidad algorítmica»? DeepSeek da en el clavo
- Los precios dinámicos exacerban la desigualdad entre los consumidores, hay que regularlos ya
- Firma contra la vigilancia biométrica masiva
#ajedrez #AlphaFold2 #AlphaGo #AlphaZero #aprendizajeAutomático #artículo #artistas #aspirador #BlakeLemoine #ConferenciaDeDartmouth #copyright #DeanEdmonds #DeepBlue #DeepFace #DeepMind #DeviantArt #ELIZA #Facebook #gatos #GenuineImpact #Go #Google #GPS #GPT3 #gráfico #Hinton #IA #IBM #infografía #inteligenciaArtificial #iRobot #Jeopardy_ #Kasparov #LaMDA #LeeSedol #MarvinMinsky #McCarthy #McCullock #MidJourney #modelos #Newell #OpenTech #OpenAI #patrones #Perceptron #Pitts #plegamientoDeProteínas #predicciones #procesamientoDelLenguajeNatural #reconocimientoFacial #redesNeuronales #remezclar #robot #Rochester #Roomba #Rosenblatt #Rumelhart #Shannon #shogi #Simon #sistemaDeNavegación #SNAR #StabilityAI #StableDiffusion #testDeTuring #Turing #vídeos #Watson #Weizenbaum #Williams #YouTube
-
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open TechTraducción de la infografía:
- 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
- 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
- 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
- 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
- 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.
(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.
- 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
- 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
- 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
- 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
- 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.
(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.
- 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
- 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
- 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
- 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
- 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.
(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.
- 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
- 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
- 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.
(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.
- 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
- 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
- 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.
Gráfico: Open Tech / Genuine Impact
Entradas relacionadas
- ¿Cómo definir la «credibilidad algorítmica»? DeepSeek da en el clavo
- Los precios dinámicos exacerban la desigualdad entre los consumidores, hay que regularlos ya
- Firma contra la vigilancia biométrica masiva
#ajedrez #AlphaFold2 #AlphaGo #AlphaZero #aprendizajeAutomático #artículo #artistas #aspirador #BlakeLemoine #ConferenciaDeDartmouth #copyright #DeanEdmonds #DeepBlue #DeepFace #DeepMind #DeviantArt #ELIZA #Facebook #gatos #GenuineImpact #Go #Google #GPS #GPT3 #gráfico #Hinton #IA #IBM #infografía #inteligenciaArtificial #iRobot #Jeopardy_ #Kasparov #LaMDA #LeeSedol #MarvinMinsky #McCarthy #McCullock #MidJourney #modelos #Newell #OpenTech #OpenAI #patrones #Perceptron #Pitts #plegamientoDeProteínas #predicciones #procesamientoDelLenguajeNatural #reconocimientoFacial #redesNeuronales #remezclar #robot #Rochester #Roomba #Rosenblatt #Rumelhart #Shannon #shogi #Simon #sistemaDeNavegación #SNAR #StabilityAI #StableDiffusion #testDeTuring #Turing #vídeos #Watson #Weizenbaum #Williams #YouTube
-
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open TechTraducción de la infografía:
- 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
- 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
- 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
- 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
- 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.
(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.
- 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
- 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
- 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
- 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
- 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.
(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.
- 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
- 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
- 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
- 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
- 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.
(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.
- 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
- 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
- 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.
(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.
- 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
- 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
- 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.
Gráfico: Open Tech / Genuine Impact
Entradas relacionadas
- ¿Cómo definir la «credibilidad algorítmica»? DeepSeek da en el clavo
- Los precios dinámicos exacerban la desigualdad entre los consumidores, hay que regularlos ya
- Firma contra la vigilancia biométrica masiva
#ajedrez #AlphaFold2 #AlphaGo #AlphaZero #aprendizajeAutomático #artículo #artistas #aspirador #BlakeLemoine #ConferenciaDeDartmouth #copyright #DeanEdmonds #DeepBlue #DeepFace #DeepMind #DeviantArt #ELIZA #Facebook #gatos #GenuineImpact #Go #Google #GPS #GPT3 #gráfico #Hinton #IA #IBM #infografía #inteligenciaArtificial #iRobot #Jeopardy_ #Kasparov #LaMDA #LeeSedol #MarvinMinsky #McCarthy #McCullock #MidJourney #modelos #Newell #OpenTech #OpenAI #patrones #Perceptron #Pitts #plegamientoDeProteínas #predicciones #procesamientoDelLenguajeNatural #reconocimientoFacial #redesNeuronales #remezclar #robot #Rochester #Roomba #Rosenblatt #Rumelhart #Shannon #shogi #Simon #sistemaDeNavegación #SNAR #StabilityAI #StableDiffusion #testDeTuring #Turing #vídeos #Watson #Weizenbaum #Williams #YouTube
-
I repost this here as I haven't seen it discussed in the Fediverse yet:
**A Nobel Prize for Plagiarism**
https://people.idsia.ch/~juergen/physics-nobel-2024-plagiarism.html -
I repost this here as I haven't seen it discussed in the Fediverse yet:
**A Nobel Prize for Plagiarism**
https://people.idsia.ch/~juergen/physics-nobel-2024-plagiarism.html -
I repost this here as I haven't seen it discussed in the Fediverse yet:
**A Nobel Prize for Plagiarism**
https://people.idsia.ch/~juergen/physics-nobel-2024-plagiarism.html -
I repost this here as I haven't seen it discussed in the Fediverse yet:
**A Nobel Prize for Plagiarism**
https://people.idsia.ch/~juergen/physics-nobel-2024-plagiarism.html -
I repost this here as I haven't seen it discussed in the Fediverse yet:
**A Nobel Prize for Plagiarism**
https://people.idsia.ch/~juergen/physics-nobel-2024-plagiarism.html -
Der #Nobelpreis für Physik geht in diesem Jahr an John J. #Hopfield und Geoffrey E. #Hinton für ihre wegweisenden Entdeckungen und Entwicklungen, die #MaschinellesLernen mit künstlichen neuronalen Netzen ermöglichen.
Warum diese Entscheidung unsere Kollegin #EstherTobschall (Fachreferentin für #Physik) doch ziemlich durcheinandergebracht hat, erklärt sie hier im #TIBBlog: https://blog.tib.eu/2024/12/09/physik-ist-mehr-gedanken-zum-nobelpreis-2024 -
Der #Nobelpreis für Physik geht in diesem Jahr an John J. #Hopfield und Geoffrey E. #Hinton für ihre wegweisenden Entdeckungen und Entwicklungen, die #MaschinellesLernen mit künstlichen neuronalen Netzen ermöglichen.
Warum diese Entscheidung unsere Kollegin #EstherTobschall (Fachreferentin für #Physik) doch ziemlich durcheinandergebracht hat, erklärt sie hier im #TIBBlog: https://blog.tib.eu/2024/12/09/physik-ist-mehr-gedanken-zum-nobelpreis-2024 -
Der #Nobelpreis für Physik geht in diesem Jahr an John J. #Hopfield und Geoffrey E. #Hinton für ihre wegweisenden Entdeckungen und Entwicklungen, die #MaschinellesLernen mit künstlichen neuronalen Netzen ermöglichen.
Warum diese Entscheidung unsere Kollegin #EstherTobschall (Fachreferentin für #Physik) doch ziemlich durcheinandergebracht hat, erklärt sie hier im #TIBBlog: https://blog.tib.eu/2024/12/09/physik-ist-mehr-gedanken-zum-nobelpreis-2024 -
Der #Nobelpreis für Physik geht in diesem Jahr an John J. #Hopfield und Geoffrey E. #Hinton für ihre wegweisenden Entdeckungen und Entwicklungen, die #MaschinellesLernen mit künstlichen neuronalen Netzen ermöglichen.
Warum diese Entscheidung unsere Kollegin #EstherTobschall (Fachreferentin für #Physik) doch ziemlich durcheinandergebracht hat, erklärt sie hier im #TIBBlog: https://blog.tib.eu/2024/12/09/physik-ist-mehr-gedanken-zum-nobelpreis-2024 -
Der #Nobelpreis für Physik geht in diesem Jahr an John J. #Hopfield und Geoffrey E. #Hinton für ihre wegweisenden Entdeckungen und Entwicklungen, die #MaschinellesLernen mit künstlichen neuronalen Netzen ermöglichen.
Warum diese Entscheidung unsere Kollegin #EstherTobschall (Fachreferentin für #Physik) doch ziemlich durcheinandergebracht hat, erklärt sie hier im #TIBBlog: https://blog.tib.eu/2024/12/09/physik-ist-mehr-gedanken-zum-nobelpreis-2024 -
I've reached a point where I think we should just always do exactly the opposite of what Geoffrey #Hinton tells us. ( UofT 🇨🇦 alum 🧑🏫📚)
It's a shame, I have so much respect for his work he has done.
-
Geoffrey Hinton is a prominent British-Canadian cognitive psychologist and computer scientist known as the “Godfather of AI”. In 2024, he received the nobel price in physics together with John Hopfield for their groundbreaking work in the field of AI. Hinton has been vocal about the impending challenges and transformations that AI brings to the job market.
From Neural Networks to Global Impact
Hinton’s groundbreaking work in neural networks has been instrumental in shaping modern AI technologies. His contributions have paved the way for machine learning and deep learning advancements that power today’s AI applications, from voice assistants to sophisticated data analysis tools.
However, despite his foundational role in AI development, Hinton made headlines by resigning from Google. His departure wasn’t due to personal grievances or retirement plans but was a deliberate move to freely address the growing concerns surrounding AI without implicating the tech giant.
AI and the Irrelevance of Human Intelligence
Drawing parallels to the Industrial Revolution, Hinton highlights a critical shift: just as machines rendered human strength less essential in the 18th and 19th centuries, AI is on track to make human intelligence less relevant in certain domains.
“In the Industrial Revolution, we made human strength irrelevant. Now, we’re making human intelligence irrelevant, and that’s very scary.” — Geoffrey Hinton
This perspective underscores a significant concern: the potential for AI to outperform humans in tasks that were once considered exclusively within the human cognitive domain.
The First to Feel the Impact: White-Collar Workers
Contrary to popular belief, it’s not just manual or repetitive jobs at risk. AI’s initial disruption is poised to hit cognitively demanding, white-collar professions. Fields like finance, accounting, and even software engineering are already experiencing AI-driven transformations.
For instance, advanced AI models can now generate code, analyze financial data, and even draft legal documents with increasing accuracy. Companies are investing heavily in AI solutions that can perform complex tasks, which could reduce the demand for human professionals in these areas.
Elastic vs. Inelastic Jobs: Who’s Safe?
Hinton introduces the concept of elastic and inelastic jobs:
•Elastic Jobs: Roles where increased efficiency leads to increased demand. In healthcare, for example, AI can assist doctors, allowing them to see more patients or spend more time on patient care, thus enhancing the overall quality of service without necessarily reducing the workforce.
•Inelastic Jobs: Positions where increased efficiency doesn’t lead to increased demand. Customer service roles may be replaced by AI chatbots that can handle inquiries 24/7, reducing the need for human agents.
Understanding this distinction is crucial for anticipating where AI might augment human roles versus where it might replace them.
Voices from the Frontlines: Anthropic and OpenAI Weigh In
It’s not just Hinton sounding the alarm. Moah Elizabeth, Chief of Staff at Anthropic—a leading AI research company—expressed similar concerns in a candid blog post titled “I’m 25 and these might be the last years of my career.”
“I work at a frontier AI company, and with every iteration of my model, I’m confronted with something more capable and more general than before.” — Moah Elizabeth
Sam Altman, CEO of OpenAI, has also highlighted the profound socioeconomic changes on the horizon. In his blog post “Moore’s Law for Everything,” Altman warns that without adaptive public policies, the shift from labor to capital could leave many worse off than before.
The Uneven Pace of Automation
While AI is rapidly advancing in cognitive tasks, robotics—which would automate physical tasks—lags behind. This discrepancy means that jobs requiring delicate physical manipulation and situational adaptability, such as electricians, plumbers, gardeners, and artisans, may remain secure for longer periods.
These professions involve complex motor skills and real-world interactions that are challenging for robots to replicate effectively.
Preparing for the Future: Human Skills Machines Can’t Master
Amid the uncertainty, there’s a silver lining. Certain inherently human skills remain challenging for AI to emulate:
•Emotional Intelligence and Empathy: Roles that require deep human connection, such as counseling, teaching, and healthcare, benefit from genuine empathy—an area where AI falls short.
•Creative Problem-Solving: While AI can process vast amounts of data, human creativity in devising novel solutions is still unmatched.
•Leadership and Collaboration: Guiding teams, inspiring innovation, and fostering collaboration are uniquely human capabilities.
A Citigroup report titled “What Machines Can’t Master: Human Skills to Thrive in the Age of AI” emphasizes the importance of these skills. Focusing on areas where humans maintain a competitive advantage can help individuals stay relevant in an AI-driven world.
A Call to Adaptation, Not Despair
While the prospect of AI making certain human skills obsolete is daunting, it’s essential to approach the future with a mindset of adaptation. Embracing lifelong learning, upskilling in areas where human expertise is irreplaceable, and advocating for policies that support workers during this transition are vital steps forward.
Unlock the Future of Business with AI
Dive into our immersive workshops and equip your team with the tools and knowledge to lead in the AI era.
Get in touch with ushttps://www.ikangai.com/hintons-concerns-and-the-future-of-work/
-
AI pioneers win 2024 Nobel Prize in physics, chemistry
Hinton, Hopfield and Hassabis among the prize winners
https://www.computing.co.uk/news/2024/ai/ai-pioneers-win-2024-nobel-prize-physics-chemistry