Autor: Enrique Rubio (Página 1 de 137)

IMAGEN DE TUMOR QUISTICO INTRACRANEAL.

 

Soy Cecilia Ferrari soy médica radióloga especialista en imagenes torácicas y vasculares Y si efectivamente estás viendo un Cerebro en la pantalla Pensé en ir trayéndoles de a poco algunos casos que pueden ser muy desafiantes Al momento de realizar los informes esta paciente viene con un motivo de consulta de evaluación de lesión quística cerebral empiezo a encontrar a recorrer el estudio y me encuentro con esta lesión que es una lesión sólido quística sí fíjense que es predominantemente quística de pareciera paredes finas bien definidas hay un una marcada diferencia entre lo que es el parénquima cerebral y la lesión que tiene una densidad líquida con un aparente componente sólido periférico que es esto que mostramos en esta región fíjense que con respecto a la densidad este componente sólido de la lesión es más denso que el resto de El parénquima cerebral entonces bien encuentro esta localización trato de describir todos sus hallazgos morfológicos como les decía una lesión solido quística de paredes finas con un componente sólido periférico una vez que describimos la morfología de la lesión lo que podemos hacer es medirla esto como en cualquier lesión de cualquier región corporal lo que yo trato de hacer es en el plano axial tratar de pararme donde veo a la lesión en su mayor tamaño y trazo dos medidas una que sería el diámetro máximo en este plano y otra que pase perpendicular a esa medida acá ya tendríamos dos medidas y lo ideal sería hacer una reconstrucción coronal o sagital vamos a hacer una sagital para dar la tercera medida que sería la cráneo caudal me estoy yendo para el otro lado nos venimos para la región frontal derecha que es en donde veíamos la lesión obviamente las reconstrucciones multiplanares no solo te sirven para hacer esta tercera medida que es importante para tener una idea del volumen lesional sino para también para evaluar otras estructuras anatómicas que muchas veces se ven mejor en sagital o en coronal por ejemplo en sagital es a mí me sirve muchísimo para evaluar como están las amígdalas cerebelosas en relación con el foramen Magno la glándula pituitaria la Silla turca en esta rincon se ven mucho mejor estas estructuras anatómicas que a veces en el corte axial eh pueden ser de difícil evaluación entonces me fui por las ramas como siempre y ahí vamos a colocar la tercera medida que lo que tratamos de hacer es una medida cráneo caudal entonces con esas tres medidas como les decía ya tenemos una mejor idea de El tamaño de la lesión otro elemento importante eh a la hora de evaluar una lesión ocupante de espacio intracraneal es el efecto de masa que genera que eso muchas veces es la causa de los síntomas de los pacientes fíjense que algo importante es el edema perilesional que presenta no sé si pueden ver estas áreas hipodensas en la sustancia Blanca subcortical en general en el parénquima que está periférico a la lesión esto es bastante típico de edema vasogénico cuando les est estudiando lo lo característico es que hablemos de edema en dedo de guante porque precisamente compromete la sustancia Blanca subcortical Entonces se extiende a través de los surcos así como en dedo de

guante los radiólogos nos ponemos bastante ingeniosos con estos nombres y fíjense que podemos seguir el edema perilesional en toda su extensión además de esto Obviamente el efecto de masa puede llegar a generar desplazamiento de la línea media Como sucede en este caso lo que nosotros Tratamos de hacer es cuantificar el desplazamiento trazando una línea de esta manera y midiendo aproximadamente el desplazamiento del septum interventricular para poder dar una medida relativamente objetiva sí De cuánto es el desplazamiento Entonces en este caso es de 15 mm obviamente en general hacia contra lateral a la izquierda Además este efecto de masa no solo genera desplazamiento de la línea media sino otros hallazgos de aumento de la presión intracraneana como son el col parcial del ventrículo lateral derecho sí fíjense como vemos vamos a empezar a borrar todas estas líneas porque nos están molestando fíjense como tenemos el ventrículo lateral izquierdo y el ventrículo lateral derecho casi totalmente colapsado no podemos ver el hasta frontal acá vemos parte del cuerpo del ventrículo lateral derecho y elasta occipital también muy asimétrica con respecto al ventrículo contralateral al ventrículo lateral del otro lado y también el borramiento de los surcos de la convexidad cerebral puntu actualmente en la región en donde se ubica la lesión pero cuando esta lesión empieza a ser de mayor tamaño y empieza a ser aumento de la presión intracraneana van a haber un borramiento generalizado de los surcos de la convexidad cerebral y otro elemento importante es ir a buscar que no haya hernias intracraneana Sí el aumento de la presión en algún momento puede llegar a generar diferentes tipos de hernias que nosotros también podemos evaluar en el axial y también van a ser en ese caso muy útiles las reconstrucciones coronales y sagitales seguimos evaluando esta paciente vemos Que en la región del cerebelo y del tronco del encéfalo no tenía mayor patología así infratentorial no veíamos lesiones pero cuando empezamos a analizar el hemisferio cerebral contr contralateral lo primero que me encuentro es con esto sí me llamaba un poco la atención hay una hipodensidad de la sustancia blanca periventricular adyacente al hta occipital del ventrículo lateral izquierdo que fíjense no tiene las mismas características de la lesión que estábamos evaluando en la región frontal derecha sigo hacia arriba y me encuentro con otra área si si a ustedes estas imágenes les empiezan a dar duda siempre esto Aplica para todos los estudios tomográficos que estén evaluando cambian el centro y ancho de ventana y estos hallasgos se hacen mucho más evidentes fíjense que tenemos otra área focal hipodensa que pareciera comprometer la sustancia Blanca subcortical también me impresione de ma vasogénico y acá lo que veo es una alteración focal pero mal definida en la densidad de la sustancia blanca subcortical y profunda que me hace sospechar que quizás aquí podría estar viendo o habiendo otra lesión y lo que yo veo es parte de la lesión y parte del edema vasogénico pero la clave Aquí está que como no tengo material de contraste es muy difícil Definir la presencia de

otras lesiones obviamente informamos esta alteración en la densidad en el hemisferio cerebral izquierdo en el hemisferio cerebral contralateral informamos esta lesión sido quística frontal derecha que genera efecto de masa que Plaza el septum interventricular que colapsa el ventrículo lateral derecho y que genera borramiento de los surcos de la convexidad cerebral regionales y también contralaterales por este importante efecto de masa que genera y lo que nosotros como radiólogos o ustedes si son médicos tratantes van a intentar hacer para una mejor evaluación más exhaustiva evaluación y sobre todo para terminar de definir estas dos imágenes que no terminan de quedar claras acá en la región eh periventricular occipital izquierda y en la sustancia blanca subcortical de esta región le vamos a sugerir la administración de contraste lo ideal sería hacerle una resonancia de encéfalo con gadolinio pero en muchos centros no existe la disponibilidad de hacer una resonancia Entonces por lo menos lo que queremos hacer es terminar de evaluar esta paciente con la administración de contraste endovenoso Esto es lo que hicimos en este centro porque no hay disponibilidad de hacer resonancia bueno fíjense que esto también puede pasar situaciones de la vida real la paciente Se movió muchísimo durante el estudio estudio tenemos importantes artefactos pero no repetimos el estudio porque por un lado ya habíamos administrado contraste y podíamos evaluar lo que queríamos evaluar con el complemento no Y para no volver irradiar a la paciente Tratamos de evaluar a la lesión con la información que teníamos de esta adquisición entonces fíjense que volvemos a ver esta lesión solido quística fíjense que el componente sólido impresiona realzar postc contraste tiene una densidad mayor que en el sin contraste que habíamos evaluado Y las paredes de la lesión también presentan un fino realce periférico irregular como multinodular no sé si lo pueden ver por los sectores en donde no hay artefactos por movimiento se puede ver un poco mejor y lo que quizás ya vieron en la región contralateral es fíjense que en esto que habíamos visto como hipodensidad de la sustancia Blanca periventricular occipital izquierda no vemos realces patológicos esto interpretamos que puede atribuirse a edema transependimario por la compresión que se generó en el sistema ventricular Pero cuando subimos y acá sí fíjense el contraste fue clave en este caso nos permitió identificar acá no sé si la ves también podemos modificar centro de ancho de ventana para ver mejor esta lesión focal de similares características a la lesión contralateral es sólido quística tiene su componente sólido también periférico obviamente acá podemos hacer exactamente lo mismo que con la otra lesión trazar tres medidas para poder calcular el volumen de la lesión y y lo que el contraste nos permite ver vamos a ir borrando estas mediciones para seguir evaluando en detalle es la diferencia entre las paredes de la lesión y el edema vasogénico perilesional lo mismo que veíamos en la lesión anterior fíjense que esta por tamaño realmente era muy difícil de identificar por tomografía sin tener administración de contraste endovenoso Parece ser que tenía un antecedente de ca de ovario un adenocarcinoma quístico papilar y fíjense la morfología que tienen estas lesiones que terminaron siendo metástasis de su primario de ovario elementos claves que nos llevamos aquí Cómo hacer una evaluación general de una lesión ocupante de espacio cerebral independientemente de su origen hasta acá llegamos con este caso de neuro

 

LA MEDITACION Y EL CEREBRO.

En el video de hoy con la ayuda de los cadáveres de laboratorio vamos a discutir Cómo la meditación puede influenciar el cerebro y lo más importante a todo el cuerpo humano te volará tu mente [Música] hagámoslo no hay una definición exacta para qué es o para qué no es la meditación pero yo la describo como entrenar la conciencia y aclarar la mente con el propósito de estabilidad mental y emocional y no es la de dición perfecta pero la he usado durante años y es la que usaremos para este video pero basados en esto seguro sabrán que hay muchas diferentes formas de referirse al tema existen diferentes tipos de meditación como la meditación trascendental meditación caminando y muchas más para este video vamos a tomar un enfoque mucho más general de la meditación y para entender que con diferentes técnicas hay aspectos referentes a cómo el cerebro responderá al igual que la actividad cerebral para entender el efecto de la meditación hablaremos de la oscilación neuronal u ondas cerebrales las neuronas son células eléctricamente excitables del sistema nervioso y son capaces de dar una señal electroquímica llevando electrolitos como el sodio y el potasio dentro y fuera de sus membranas esto es una acción potencial la acción potencial es una señal que viaja a través de una neurona hasta llegar a un punto de comunicación con otra neurona llamada sinapsis en este punto las moléculas llamadas neurotransmisores son liberadas y pueden ser excitadoras o inhibidoras lo que significa que otra acción potencial puede ocurrir o terminar ahí las acciones potenciales pueden medirse con un encefalograma o eeg los electrodos que se ponen en el cuero cabelludo o directamente en el cerebro detectan pequeñas fluctuaciones de voltaje en las neuronas y pueden medir esas fluctuaciones en fracciones de segundo los EEEG modernos tienen una alta resolución temporal como espacial lo que significa que son muy buenos detectando la frecuencia y locación de las fluctuaciones y es importante por la profundidad del cerebro las situaciones de voltaje ocurren en el córtex cerebral o superficie del cerebro Así que todas estas arrugas que ven son el ctex cerebral Y si rotamos esto Probablemente lo verán un poco mejor aquí hay algo blanco y también hay algo gris bordeando lo blanco lo blanco es la materia blanca que es una sustancia grasosa que envuelve los axones de las neuronas pero la parte gris es la materia Gris para sorpresa de nadie y la materia gris es el córtex cerebral esto se compone de sinapsis entonces son cuerpos celulares y sinapsis Así que aquí es donde se procesa la información y Son seis capas no lo parece pero aquí tenemos seis capas de neuronas y con un EEG puede determinarse el voltaje de fluctuación entre esas capas dependiendo de qué tan sensibles sean esos electrodos pero un EEG también determina las fluctuaciones de voltajes en capas aún más profundas incluyendo la región de aquí con conocida como tálamo lo que vemos aquí son grupos sincronizados de neuronas trabajando juntas en un patrón rítmico que son las oscilaciones neuronales u ondas cerebrales estas ondas suceden tanto en neuronas individuales como en grupos de ellas la mayoría de los estudios se enfocan en los grupos de neuronas ya que son más fáciles de medir y es menos invasivo estos patrones de ondas ocurren en milisegundos lo que son milésimas de segundos o pueden ocurrir en semanas o meses estas oscilaciones se miden por su frecuencia y amplitud la frecuencia se mide hercios que es En cuántas ondas hay por segundo Así que un hercio equivale a una onda por segundo la amplitud indica la magnitud o intensidad del patrón de la onda las oscilaciones neuronales pueden dividirse en cinco patrones de ondas son las Delta Z alfa beta y gama también y probablemente oyeron que estos patrones se asocian con diferentes estados de conciencia por ejemplo las ondas Delta se observan en la etapa tres del sueño las sondas Alfa se observan cuando alguien está muy concentrado las gamas se asocian a la memoria activa y reconocimiento de patrones pero eso es

tanto verdadero como sobres simplificado no es como que el cerebro opera sobre un solo patrón de onda y de la nada cambia a otro patrón de onda recuerden la actividad neuronal se puede medir a nivel individual o también en grupos grandes o pequeños hay 86 billones de neuronas en el cerebro y esas neuronas  se agrupan en regiones que trabajan diferentes funciones si vamos a la parte posterior del cerebro esto se llama el lóbulo occipital y aquí es donde se procesa la información visual y luego si vamos por aquí Este es el lóbulo temporal aquí es donde se procesa la información auditiva dependiendo del estímulo sensorial que recibe el cuerpo O qué es lo que requiere el cuerpo como latido cardíaco y el monitoreo respiratorio diferentes regiones pueden experimentar diferentes patrones de onda e incluso cambiar de patrones en fracciones de segundo Así que determinar los patrones depende de la perspectiva pues por ejemplo digo qué región del cerebro se observa eh Cuál es la duración del tiempo que se observa Cuál es el tamaño de la granulometría que se utiliza en el estudio todo esto importa y lo relevante para hoy es Qué está haciendo esa persona se está ejercitando está comiendo durmiendo o está meditando porque si lo está ahí es donde se pone interesante quiero aclarar que un eeg es solo uno de los métodos que determina la actividad cerebral durante la meditación irm irmf y PT son estudios que nos han dado mucha información Durante los últimos años en lo que respecta a Estados mediativa en el cerebro y el cuerpo era demasiado para incluir en este video así que seguro Tendremos que hacer otro video donde discutiremos otras perspectivas también porque vale la pena investigarlas primero quería hablarles de Cómo se asocia la actividad cerebral con la meditación primero y es muy interesante Así que les digo que de esto hablaremos en otro video con esto dicho

Comencemos lento y por lento me refiero a oscilaciones lentas las ondas cerebrales Delta son las más lentas de los cinco ritmos Pero hay oscilaciones aún más lentas conocidas como actividad infr lenta que se describe como una menor a un hercio significa que las ondas Delta oscilan entre 1 y 4 hercios la mayoría de las ondas Delta en el cerebro provienen de la quinta capa de neuronas dentro de la corteza cerebral Aunque eso vendrá en olas de actividad pero también hay información que dice que el tálamo que puede considerarse como un eje neurológico está involucrado en modificar la naturaleza espacial de las ondas Delta lo que significa que es básicamente está influenciando modificando dónde las ondas Delta están ocurriendo dentro de esa quinta capa de la corteza cuando se trata de meditación el rango de las ondas Delta no es tan común como las otras y esto es porque el rango Delta se suele ver durante el adormecimiento y la fase 3es del sueño que es un estado profundo donde no se sueña aún un dato interesante es que un estudio publicado en 2019 por el portal de neurociencia muestra la zona Regional de las ondas Delta en la fase Rem o de movimiento ocular rápido el estudio muestra ondas Delta en fases Rem y no Rem provenientes de la región medio occipital que es la región que estoy señalando justo aquí un segundo voy a girarlo pero también mostró ondas Rem exclusivas provenientes de la región lóbulo occipital que es donde el lóbulo occipital o la corteza visual se encuentra con el óvulo temporal o el auditivo justo aquí donde estoy mostrando con mi bisturí esto es interesante porque las ondas Delta Siempre han sido vistas como componentes de la fase no Rem pero verlas en zonas específicas del cerebro durante la fase Rem sugiere que el sueño puede estar ocurriendo regionalmente así como globalmente y transicion entre ambas zonas durante las varias fases del sueño en la meditación las ondas Delta se han observado en mediator avanzados pueden pensarlo como un estado de trance profundo Aunque hay ciertas técnicas de meditación tales como yogan nidra que guía intencionalmente al practicante a ese estado no hay mucho que muestre a practicantes logrando estos estados con ondas Delta en la meditación pero no significa que no se logren solo significa que no tenemos esa información todavía pero es interesante pensar sobre los beneficios del sueño cuando se trata de Estados más profundos de meditación hay mucha investigación que necesita hacerse pero es muy interesante de pensar la siguiente es la onda Z que está entre 4 y 8 hercios hay dos tipos de ondas Z hay onda Z corticales que provienen de la corteza cerebral que podemos ver por aquí y también hay onda Z hipocampal que vienen del hipocampo que está tan profundo en el cerebro que no lo podemos ver pero el hipocampo pertenece a otro sistema llamado sistema límbico el hipocampo está ligado a una amplia variedad de funciones pero la mayoría Ha oído de su relación con la memoria corazo las ondas Z se asocian con la relajación profunda creatividad eh paseos al aire libre procesamiento sensorial at tensión relajada y también a las primeras etapas del sueño la ubicación específica de la Sonda Z al provenir de la corteza cerebral no está del todo Clara Pero hay mucha evidencia consistente que estas ondas provienen de la corteza frontal que es es la zona que estoy marcando específicamente la corteza prefrontal que sería esta zona de aquí como también zonas del medio del cerebro como la corteza cingulada anterior y la corteza cingulada posterior y la razón por la que esto es importante es porque estas cortezas incluyendo la región prefrontal se asocian a mayor función cerebral por lo que es posible que las ondas Z ocurran cuando esta zona está esencialmente monitoreando otros procesos del cerebro cuando cuando definimos la meditación dijimos que era como entrenar la conciencia las sondas Z se ven como meditadores de cualquier nivel pero mayormente se ven en meditadores de más experiencia si durante la meditación alguien se enfoca en su respiración látidos cardíacos o algo así tendría sentido que estas áreas del cerebro se estén involucrando en el proceso ya que el cerebro está digamos monitoreando a sí mismo la siguiente es la onda Alfa que oscilan entre 8 y 12 herz las ondas Alfa son llamadas ritmos posteriores dominantes Y eso es porque principalmente se hallan en el aspecto posterior del cerebro que incluye el lóbulo occipital el parietal y también el temporal esto es porque las ondas Alfa se asocian con los estados de alerta y concentración y como los humanos son una especie principalmente visual tiene sentido que el lóbulo occipital se encuentre activo pero también tiene sentido que el lóbulo Temporal y el parietal estén activos ya que estos son quienes procesan los estímulos los externos pero también vemos las sdas Alfa viajando por todo el cerebro incluyendo el área motora las ondas Alfa son comúnmente vistas en meditadores de todos los niveles Si volvemos a nuestra definición de entrenar la conciencia muchos estados meditativos tienen un alto grado de concentración la concentración puede ser más interna como en controlar la respiración pero también puede ser externa e incluso abstracta digamos que un meditador intenta visualizar y concentrarse en un una manzana de hecho pueden intentarlo cierren los ojos e imaginen una manzana en toda su manzanos gloria esta manzana será roja tendrá un tallo y será del tamaño perfecto para encajar en tu mano puedes rotarla horizontalmente Y qué tal verticalmente eliminen todo lo demás de su mente incluyendo mi voz y otros sonidos de su alrededor y concéntrense solo en la manzana porque la manzana es todo lo que hay ese nivel de concentración y conciencia es común en prácticas meditativas y encaja perfectamente con las ondas cerebrales Alfa de hecho las ondas más comunes asociadas con la meditación son la Alfa y la z y ahora que sabemos los estados de conciencia involucrados todo tiene más sentido la siguiente es la Beta que está entre los 12 y 20 herz las ondas Beta se hallan por todo el cerebro pero son más fuertes en el lóbulo frontal principalmente en el área prefrontal el área motora Y también voy a un segundo voy a voltear esto la corteza cingulada anterior y posterior y estas áreas están muy involucradas con todo lo que hacen Mientras estén despiertos por eso las ondas Beta están asociadas con estar despierto y el pensamiento analítico pero no significa que las ondas Beta estén ausentes en la meditación las ondas Beta aumentan durante las contracciones del músculo isotónico son las contracciones que producen el movimiento ocuular la meditación de caminata por ejemplo es una técnica específica que en teoría viene con mucha carga de ondas Beta si la técnica incluye mucho pensamiento analítico como resolver una ecuación tendría sentido ver ondas beta en ese estado pero curiosamente las ondas Beta también se asocian con la ansiedad y volviendo a nuestra definición de meditación la estabilidad emocional es el resultado deseado en ese sentido limitar las ondas Beta que no se originan por movimiento pod podía ser una buena idea es especulativo pero no es loco y las últimas por observar son las ondas gam que están entre los 20 y los 100 y posiblemente lleguen a los 140 y la razón por es posible es porque depende de a quién le preguntes y lo que buscas eh puedes abarcarlo de muchas formas y entre 100 y 140 hz y algunos dirán que es una gama rápida o una Honda és mientras que otros no se molestan en separarlas tanto y en su lugar las agrupan juntas como una sola gama, las ondas gama se encuentran en todo el cerebro en la corteza cerebral en el hipocampo que de nuevo es lo más profundo que podemos ver asociado a los lóbulos el sistema olfativo que va a ubicarse en la parte baja del cerebro e si volteamos esto podemos verlas en el tálamo y otras áreas Generalmente están en las zonas focales del cerebro lo que significa que habrá una acumulación de gama aquí otra por aquí aquí por aquí pero hay veces en que la ond Gama puede comenzar a propagarse y esparcirse en otras regiones del cerebro lo que juega un papel en lo que conocemos como el problema de ataduras el problema de ataduras es el problema de cómo objetos sean de fondo o abstractos o condiciones emocionales se combinan en una sola experiencia aunque los mecanismos de las ondas gama no estén muy bien establecidos es posible que jueguen un papel importante en la percepción y en las experiencias las ondas gamas son raras en Estados meditativos pero se han visto en dictadores experimentados y técnicas específicas enfocadas en conciencia elevada o lo que se conoce como la experiencia culmine que se considera ser esos momentos que tienen puro goce y exaltación es importante mencionar los ritmos binaurales pero la verdad probablemente merecen su propio video para ellos solos porque son increíblemente fascinantes Pero estos ritmos son una ilusión pues lo que sucede es que digamos que escuchan una frecuencia de 8 hercios en un oído y otra frecuencia de 12 hz en otro oído el cerebro Crea una ilusión de una tercera frecuencia de 4atro versos porque a ver es la diferencia entre 8 y 12 es cuatro Así que se crea algo como artificial una ilusión de una tercera frecuencia de 4 hz estos ritmos son muy interesantes para mí y algo que personalmente he experimentado por más de 15 años ya Y aunque son interesantes lo difícil de ellos al menos científicamente es separar la correlación de la causa y de la asociación los ritmos binaurales se asocian con todo tipos de estado de humor Y percepciones sí si después de este video vas a YouTube y tipe ritmos borales encontrarás cosas como los ritmos borales reducen la ansiedad mejoran la concentración y saben más cosas y más cosas y habrán muchas frecuencias bien pues la idea aquí es que eso es ilusorio la tercera frecuencia ayudará a inducir un estado meditativo y les digo el problema es que no tenemos mucha evidencia de eso no científicamente tenemos asociaciones donde podemos ver que ciertos ritmos binaurales sí tienden a alinearse con ciertos estados de ánimo y percepciones Pero cómo conectamos eso en algún aspecto científico relevante no no lo sabemos aún Y eso es lo que hace difícil según mi perspectiva explicarles sobre estos ritmos Pero esto es algo que me interesa tratar en un video futuro para hablar pero quería intentar mencionarlos porque son algo muy fascinante intentaré resumir este video de una forma que espero que valga la pena e la meditación Es un término difícil no prácticas meditativas O al menos muchas de estas prácticas tienen una historia cultural abundante que siempre las acompaña Pero puede ser disuasivo o aburrido para mucha gente la meditación no requiere sentarse en una posición de loto por horas y horas la meditación no requiere que estudies budismo o hinduismo si eso es lo que quieres hacer obviamente no hay nada de malo con eso pero Debes entender que esto es más que solo la religión y filosofías que utilizan la meditación en ellas Bien la meditación no requiere nada de ti excepto Supongo una mente introspectiva se ha nombrado el mindfulness mucho últimamente y por una buena razón el mindfulness es una práctica budista que se basa en tu atención y concentración ha sido científicamente demostrado que es tremendamente útil en reducir la ansiedad el estrés da también adicciones y muchas cosas más el poder de la mente me vuelve loco y hay muchos misterios rodeando estas ondas cerebrales y las oscilaciones neuronales Pero saben qué significa podemos inducirlo tal vez no eh importa si estas ondas cerebrales suceden en una región o si son más globales Cómo interactúan entre ellas no Cuál es la causa y tantas preguntas sobre esto pero hay algo muy Genial que sucede cuando cierras los ojos enfocas tu mente y respiras gracias por ver el video de hoy

INTELIGENCIA ARTIFICIAL.

 

Te has preguntado alguna vez cómo sería vivir en un mundo donde la Inteligencia artificial no solo nos asiste sino que nos desafía y redefine nuestra propia existencia,

Exploraremos las siete etapas evolutivas de la Inteligencia artificial un viaje donde la frontera entre lo humano y lo artificial se vuelve borrosa y enigmática . Cómo la IA está trazando un futuro lleno de maravillas y misterios donde de cada avance nos acerca a un destino desconocido y revolucionario comenzamos con la primera etapa que consiste en sistemas de Inteligencia artificial basados en reglas estos sistemas también conocidos como sistemas de una tarea representan la etapa más temprana y fundamental en el desarrollo de la IA estos sistemas operan estrictamente dentro de un conjunto predefinido de reglas o un algoritmo específico proporcionado por los programadores su funcionamiento se basa en la lógica Sí entonces donde cada entrada recibe una respuesta predeterminada según las reglas establecidas.

Un ejemplo clásico de estos sistemas es una partida de ajedrez contra una computadora aquí la computadora está programada para conocer todos los movimientos posibles y sus resultados potenciales utiliza estas reglas para decidir el mejor movimiento en cada turno Pero su comprensión del juego está limitada estrictamente a lo que ha sido codificado en ella no tiene la capacidad de aprender de experiencias pasadas adaptarse a estrategias nuevas o inusuales ni desarrollar técnicas de juego propias estos sistemas basados en reglas son altamente eficientes y confiables para tareas específicas con reglas claras y bien definidas son ideales para aplicaciones como diagnosticar problemas mecánicos procesar formularios operaciones lógicas simples sin embargo su inteligencia y capacidad de actuar están firmemente limitadas por las reglas que se les han programado carecen de la habilidad para entender contextos más amplios, aprender de interacciones nuevas o situaciones que no estaban explícitamente preprogramadas en su sistema.

Pasemos a la etapa dos que abarca los sistemas de retención y conciencia del contexto estos sistemas marcan un avance significativo en el desarrollo de la Inteligencia artificial. A diferencia de los sistemas basados en reglas de la un estos sistemas son capaces de comprender y retener información de interacciones pasadas y utilizan este conocimiento acumulado para informar y mejorar sus respuestas futuras un ejemplo representativo de esta etapa son los asistentes virtuales como Siri o el asistente de Google estos sistemas no solo procesan y ejecutan comandos sino que también aprenden de las interacciones anteriores del usuario Por ejemplo si le preguntas a tu asistente virtual sobre el resultado de un partido de fútbol y luego preguntas, cuándo es el próximo juego el asistente entiende que te refieres al mismo equipo de fútbol mencionado anteriormente esta capacidad de retención y comprensión del contexto permite a estos sistemas manejar un Rango más amplio de interacciones de una manera más personalizada y sofisticada otro ejemplo es el modelo de lenguaje gpt generative pretrained Transformer como chat gpt desarrollado por Open eye entrenado con millones de conversaciones pasadas puede generar respuestas automáticas que simulan el estilo y la coherencia de un humano Ajustando sus respuestas según el contexto de la conversación en esta etapa la Inteligencia artificial comienza a mostrar una mayor flexibilidad Y adaptabilidad aunque aún no son pensadores independientes ni completamente autónomos estos sistemas de ia han aprendido a recordar y utilizar el contexto en sus interacciones lo que presenta un salto cualitativo Respecto a los sistemas basados únicamente en reglas continuamos con la etapa tres los sistemas de dominio específico en esta etapa la IA no solo comprende y retiene información sino que también se especializa en ser altamente competente dentro de un campo o dominio en particular estos sistemas son expertos adaptados y sobresalen en áreas específicas un ejemplo destacado de esta etapa es IBM Watson originalmente para competir en el programa de juegos Leopardi Watson demostró su capacidad para entender y responder preguntas complejas rápidamente y con precisión Watson analiza grandes cantidades de datos identifica patrones y proporciona respuestas basadas en su vasto conocimiento del dominio otro ejemplo notable es Alpha go the deep Mind una subsidiaria de Google un programa de ia diseñado para jugar al go un antiguo juego de mesa que se caracteriza por su complejidad y profundidad estratégica alfago no solo aprendió a jugar al Go sino que también logró derrotar a campeones mundiales del juego un hito significativo en el campo de la ia los sistemas de ia en esta etapa se caracterizan por su enfoque especializado no son generalistas sino que están diseñados para ser altamente eficientes en tareas específicas dentro de su campo de especialización estos sistemas tienen una comprensión más profunda de su dominio en particular que cualquier humano capaces de analizar datos y patrones a una velocidad y con una precisión que va más allá de las capacidades humanas representan la etapa adulta en el desarrollo de la ia mostrando habilidades sofisticadas y expertas dentro de sus áreas designadas vayamos ahora a la etapa cuatro que consiste en el pensamiento y razonamiento en sistemas de ia se caracteriza por sistemas de IA que comienzan a emular la capacidad de pensamiento y razonamiento humana estos sistemas no se limitan a seguir reglas o retener información contextual en cambio intentan simular el proceso de pensamiento humano abarcando la comprensión de conceptos complejos la resolución de problemas desconocidos y la generación de ideas creativas en esta etapa la IA utiliza técnicas avanzadas como el aprendizaje automático y el aprendizaje profundo estas metodologías permiten a los sistemas aprender de experiencias pasadas y mejorar continuamente su rendimiento por ejemplo un sistema de IA de esta etapa puede ser capaz de leer un libro y no solo comprender la trama sino también inferir los motivos de los personajes basándose en sus acciones otra aplicación podría ser en el ámbito de los análisis financieros donde un sistema de IA puede estudiar datos económicos anticipar tendencias del mercado y sugerir estrategias de inversión inteligentes estos sistemas son capaces de abordar y resolver problemas complejos de manera innovadora .

Yendo más allá de la mera ejecución de tareas programadas esta etapa marca un avance significativo hacia una ia más parecida a la inteligencia humana aunque aún no alcanza la equivalencia total con la mente humana a pesar de su sofisticación y capacidades de aprendizaje estos sistemas de ia todavía requieren Un diseño y una programación específicos para abordar particulares Contamos a la etapa c la Inteligencia artificial general agi Pero antes de seguir si te está gustando Este vídeo deja un like y no olvides suscribirte para seguir viendo contenido de valor como este además si estás interesado en aprender más profundamente sobre la iia te recomendamos unirte a nuestra formación en ia Tienes toda la información en la descripción Ahora sí continuemos con esa etapa C esta introduce el concepto de la Inteligencia artificial general agi también conocida como ia fuerte en esta etapa la ia alcanza un nivel de inteligencia y habilidades cognitivas comparable a la del ser humano un sistema de agi es capaz de aprender adaptarse e implementar conocimientos en una amplia gama de tareas y contextos no limitándose a un campo o dominio específico la agi sería capaz de realizar cualquier tarea intelectual que un ser humano pueda hacer esto incluye aprender nuevos idiomas componer música resolver teoremas matemáticos complejos y comprender emociones humanas estos sistemas tendrían autoconciencia y la habilidad para entender y Navegar el

mundo de manera similar a un ser humano hasta ahora la agi es principalmente teórica y aún no se ha alcanzado en la práctica representa la frontera de la investigación en Inteligencia artificial y plantea tanto enormes posibilidades como desafíos éticos y de seguridad la existencia de agi cambiaría radicalmente numerosos aspectos de la vida humana desde Cómo trabajamos hasta Cómo interactuamos con la tecnología abriendo un mundo de posibilidades en Campos como la medicina la ciencia y la creatividad sin embargo su desarrollo y aplicación requieren consideraciones cuidadosas sobre el impacto y las implicaciones en la sociedad seguimos con la etapa seis Inteligencia artificial asi esta etapa introduce el concepto de superinteligencia artificial un nivel de inteligencia que no solo Iguala sino que supera ampliamente la capacidad cognitiva humana un sistema de asi sería capaz de realizar tareas con una eficiencia creatividad y habilidades de resolución de problemas que exceden las de los mejores cerebros humanos en prácticamente todos los campos incluyendo ciencia arte ingeniería y más lo que hace a la asi particularmente fascinante y aterradora a la vez es su capacidad de mejora continua y Autónoma un sistema asi podría aprender adaptarse y evolucionar a un ritmo exponencialmente más rápido que los humanos llevando a avances tecnológicos y científicos a una velocidad y con un alcance que actualmente no podemos comprender podría descubrir soluciones a problemas globales complejos como el c climático enfermedades incurables o incluso desentrañar los misterios del universo sin embargo la a también plantea importantes preocupaciones éticas y de seguridad su capacidad para superar la inteligencia humana significa que podría tomar decisiones o realizar acciones que los humanos no pueden prever o controlar la gestión y el control de una asi serían desafíos monumentales ya que un error o mal uso Podría tener consecuencias impredecibles y potencialmente catastróficas la posibilidad de asi plantea preguntas fundamentales sobre el futuro de la humanidad la naturaleza del Poder y la inteligencia Y cómo la sociedad debería prepararse para la eventualidad de una inteligencia que trasciende nuestros límites humanos y representa un territorio inexplorado con posibilidades tanto emocionantes como profundamente inquietantes para el futuro de nuestra civilización por último encontramos la etapa siete la singularidad de la ia Este es un concepto futurista que marca un punto de inflexión en la historia humana la singularidad se refiere al momento hipotético en el cual la Inteligencia artificial avanza tanto que supera la inteligencia humana provocando cambios impredecibles y fundamentales en la sociedad en esta etapa la superinteligencia artificial asi no solo Iguala sino que supera drásticamente la inteligencia humana en todos los campos esta superinteligencia sería capaz de mejorar y actualizarse a sí misma sin la necesidad de intervención humana llevando a un crecimiento tecnológico acelerado y exponencial la singularidad de la ia representa un futuro donde la tecnología avanza más rápido de lo que los humanos pueden comprender o predecir la idea de la singularidad de la ia plantea tanto fascinación como temor por un lado podría significar avances extraordinarios en la ciencia y la tecnología ofreciendo soluciones a los problemas más acuciantes de la humanidad por otro lado implica una era de incertidumbre y posibles riesgos ya que una superinteligencia descontrolada Podría tener efectos imprevisibles y potencialmente peligrosos el concepto de la singularidad de la ia ha sido objeto de mucho debate y especulación algunos ven en ella la posibilidad de un utopía tecnológica mientras que otros advierten sobre los riesgos de una inteligencia que sobrepasa la comprensión y control humanos la singularidad no es solo un evento tecnológico sino un punto de reflexión crucial sobre el futuro de la humanidad la ética de la Inteligencia artificial y cómo nos preparamos para un mundo que podría transformarse radicalmente por la tecnología avanzada En conclusión el recorrido por las siete etapas de la Inteligencia artificial nos ofrece una visión panorámica del Progreso y las potenciales transformaciones que la ia puede traer a nuestro mundo cada etapa representa un avance significativo en la capacidad complejidad y potencial de la Inteligencia artificial el futuro de la ia es tanto prometedor como desconocido y nos invita a reflexionar sobre Cómo podemos adaptar esta tecnología para el beneficio de la humanidad manteniendo un equilibrio entre la innovación y la responsabilidad la inteligencia artificial solo está definiendo el futuro de la tecnología sino también el futuro de nuestra sociedad y nuestra especie y así llegamos hasta el final de este víde qué piensas tú de la IA crees que puede llegar a acabar con la humanidad deja tu opinión en comentarios estaremos encantados de leerte Y debatir por último si te ha gustado el vídeo deja un like y no olvides suscribirte para estar al tanto de todas las actualizaciones de la Inteligencia artificial

Soy Azeem Azhar y hoy voy a reunirme con Sam Altman para hablar. Bienvenidos a Exponentially. El 2023 será recordado como el año en que la IA irrumpió en la conciencia pública. OpenAI está al mando del cambio, pero, ¿qué es lo que piensa su fundador? ¿Cuál es su objetivo? ¿Y seremos parte del cambio? Sam Altman es la estrella de rock and roll de la inteligencia artificial. Ha recaudado miles de millones de dólares de Microsoft y entre sus primeros patrocinadores estaban Elon Musk y Reid Hoffman. Ha sido un encuentro increíble y cuanto más sabemos sobre la IA, más preguntas surgen al respecto. Me encontré con Sam al comienzo de una gira mundial que cubriría 20 países en solo 30 días. Conversamos en la University College de Londres frente a una audiencia en vivo de casi 1000 personas. Debes estar muy ocupado, estás en medio de una enorme gira mundial.

¿Cómo te sientes? Ha sido genial. Al principio, no sabía si iba a divertirme. Tenía muchas ganas de hacerlo, porque acudir a los medios de comunicación de San Francisco no era una opción para mí. Entonces, se me ocurrió la idea de viajar y conocer gente personalmente. Así que recibimos comentarios muy útiles sobre lo que la gente quiere que hagamos,  qué piensa sobre la IA, qué le entusiasma, qué le preocupa. Y lo he pasado muy bien. Te he visto tomando notas a mano en un cuaderno mientras escuchas a la gente. Todavía tomo notas y escribo listas a mano. Seguramente tengamos que aprender algo de eso. No creo que así sea. Cuando fundaste OpenAI en 2015, ¿imaginaste que unos pocos años después, casi por necesidad, tendrías que subirte a un avión y volar alrededor del mundo para escuchar lo que personas de todos los continentes tenían para decirte? Siempre tuve eso en mente. Cuando dirigia Y Combinator intentaba viajar lo más posible para conocer gente.

Creo que eso es algo importante que la industria tecnológica del área de la bahía no hace lo suficiente. Pero yo lo disfruto. También creo que viajando adquirí algunos conocimientos muy importantes. De esa manera logras ver perspectivas muy diferentes. Cuando iniciamos OpenAI, pensé que probablemente no funcionaría, pero si lo hacía, creí que sería una tecnología impactante y que recibir aportes del mundo sería un factor clave para el proceso. Ya has logrado bastantes avances en esta herramienta. Has estado en países del sur global y también en países de Europa que son más ricos. Quiero que me des una respuesta que sea lo más breve y rápida posible.

¿Cómo fue cambiando la actitud del público y qué te sorprendió? Hay muchos aspectos interesantes en los que la actitud de las personas no han cambiado. Creo que hay mucho entusiasmo por parte de las personas que aplican la tecnología a todo. Y también hay miedo por parte de las personas que no usan la tecnología o de las que la usan mucho y se preguntan cuáles serán los límites. Las preocupaciones son diferentes dependiendo del lugar. En el caso del sur global, se preguntan cuáles son los beneficios económicos de esta tecnología. Por ejemplo, ¿cómo podría ayudar con los problemas de educación y salud? Y en los países más desarrollados se preocupan más por cómo la IA podría ayudar a abordar problemas a largo plazo y tiene sentido. Pero notamos que hay aspectos que son universales, como el entusiasmo por la tecnología, el deseo de participar, el deseo de garantizar que los valores de todos estén representados. Además, tenemos una especie de gobernanza, ya que tenemos la posibilidad de plasmar las necesidades en los sistemas que construimos, de repartir beneficios y de crear un acceso compartido justo. Teniendo en cuenta el modelo de Silicon Valley, estás en una posición sin precedentes desde muchos puntos de vista. Generalmente, el fundador de una empresa o de un servicio como este posee mucho capital, también recibe un salario y tiene ventajas financieras. Tú no tienes nada de eso, simplemente retiras lo suficiente para tu seguro médico. Entonces, ¿qué es lo que te motiva a seguir con este proyecto? Considerando el desafío que supone y las exigencias de tiempo y de energía.

Me parece un reto fascinante. Realmente no se me ocurre nada más emocionante en lo que trabajar. Me siento muy privilegiado de vivir en este momento de la historia y más aún de poder trabajar con este equipo en particular. No existe otra forma en la que preferiría pasar los días. Entiendo. Fui muy afortunado y gané mucho dinero al principio de mi carrera.

Entonces, creo que eso fue de gran ayuda. ¿Tienes personas que sean tus mentores? Sí, me siento muy afortunado de haber tenido grandes mentores. También creo que es importante no intentar aprender demasiado de otros y hacer las cosas a mi manera. Siempre he tratado de tener un equilibrio, aunque todavía no lo logré por completo.

Pero creo que una de las cosas mágicas de Silicon Valley es lo mucho que se preocupa la gente por la tutoría y la enseñanza. Y así es como aprendí más de lo que me correspondía. Si tuvieras que elegir una o dos lecciones de tus grandes mentores, ¿cuáles serían? Paul Graham dirigía la que hoy es mi área antes de que yo llegara. Gracias a él, muchas personas y yo aprendimos cómo funcionan las empresas emergentes y cómo se diseña el manual de estrategias para que sean exitosas. Él fue quien nos enseñó, en gran medida, qué es lo que se necesita para crear una organización de alto funcionamiento y cuáles son las trampas que hay que evitar.

Y sin duda, de Elon aprendí todas las cosas que son posibles de hacer y que no necesariamente hay que aceptar que nuestra tecnología no es algo que se puede ignorar. Eso ha sido muy valioso. Creo que estas dos lecciones de las que hablas se pueden ver plasmadas en OpenAI y en todo lo que has logrado en estos últimos años. En nuestro último encuentro, hace un par de años, tú hablabas de estos grandes modelos de lenguaje y actualmente estamos utilizando GPT-4, pero en aquel entonces lo más moderno era GPT-3. Y recuerdo que mencionaste que para pasar del sistema GPT-2 al GPT-3 había que dar solo un pequeño paso. Dijiste que la brecha entre ambos era mínima.

¿Dirías que llegar a GPT-4 también implicó dar otro pequeño paso? Así lo veremos en retrospectiva. Eso creo. En su momento fue un gran cambio, pero en retrospectiva lo veremos diferente. Por un tiempo se sintió como un gran salto, pero la gente ya está preguntando en qué estamos trabajando y cuándo se lanza GPT-5. Y eso está bien, así se maneja el mundo y así es como debe ser. Nos acostumbramos a todo, establecemos nuevas bases muy rápido. Quiero preguntarte, ¿cuáles fueron los conocimientos que adquiriste durante el desarrollo de GPT-4, y en los meses posteriores a su lanzamiento, que fueron diferentes a los de los modelos anteriores?

Creo que terminamos de entrenar GPT-4 unos ocho meses antes de lanzarlo. Y ese fue, con diferencia, el tiempo más largo de prelanzamiento de un modelo. Con GPT-3 aprendimos todas las formas en las que estas cosas pueden fallar cuando las liberas al mundo. Implementamos modelos de forma incremental para darle al mundo tiempo para adaptarse y también para entender qué es lo que podría pasar, cuáles son los riesgos, cuáles son los beneficios y cuáles deberían ser las reglas. Pero no queremos lanzar un modelo defectuoso. Así que dedicamos más tiempo a aplicar lo que aprendimos de las versiones anteriores de GPT. Ahora sabemos que si dedicamos tiempo a alinear, auditar y probar todo nuestro sistema de seguridad, podemos lograr muchos avances. Básicamente, construiste un modelo que es una máquina increíblemente compleja. El precursor, GPT-3, tenía 175 mil millones de parámetros como controles deslizantes en un ecualizador gráfico, y eso es mucha configuración. Y el modelo GPT-4 es aún más grande, aunque no has dicho formalmente cuáles son sus dimensiones. Entonces, mi pregunta es: ¿qué es lo que haces con esa máquina para conseguir que haga lo que queremos y, al mismo tiempo, que no haga lo que no queremos? Ese es el problema de alineación, que es en lo que has trabajado durante ocho meses. Sí.

Quiero dejar algo bien en claro. El hecho de que seamos capaces de alinear GPT-4 no significa que no pueda tener fallas. De eso no hay ninguna duda. Tenemos una enorme cantidad de trabajo por hacer para descubrir cómo vamos a alinear la superinteligencia y sistemas mucho más poderosos que los que tenemos ahora. Me preocupa que la gente piense que hemos resuelto el problema cuando decimos que podemos alinear GPT-4 lo mejor posible, porque no es así. Pero creo que es increíble que podamos tomar el modelo base de GPT-4, que si cualquier persona lo usa, puede comprobar que no es demasiado impresionante. O, al menos, que es extremadamente difícil de usar. Y con relativamente poco esfuerzo y pocos datos, podemos aplicar RLHF y lograr que el modelo sea fácil de utilizar y esté alineado. RLHF significa Aprendizaje por Refuerzo con Retroalimentación Humana. Tengo entendido que esa es la forma en la que la gente responde preguntas de GPT-4 y le indica cuándo ha cumplido con las expectativas y cuándo no.

Así es. Se utilizan pequeñas cantidades de retroalimentación poco sofisticadas. Dado que estos modelos se pueden utilizar con lenguaje natural, es normal pensar que la máquina se alimenta de comentarios muy explicativos y desarrollados. Pero la realidad es que el sistema se basa en algo tan simple como pulgares arriba y pulgares abajo. Y creo que es impresionante que funcione así. Lo que me resulta increíble es la poca cantidad de RLHF en comparación con los miles de millones de palabras con las que se entrenan estos modelos. ¿Cuántos comentarios se necesitan para que sean lo más precisos posible? Eso varía bastante dependiendo del caso,

pero no muchos. Dijiste que no estás entrenando a GPT-5 en este momento y tengo curiosidad de saber por qué. ¿Es porque no hay suficiente información? O, ¿porque no hay suficientes chips de computadora para entrenarlo? O, ¿fue porque identificaste ciertas necesidades cuando estabas creando GPT-4 y pensaste que tenías que descubrir cómo abordarlas antes de construir el siguiente modelo? Estos modelos son muy difíciles de construir. Pasaron casi tres años entre el lanzamiento de GPT-3 y GPT-4. Lleva mucho tiempo y hay mucha investigación por hacer. También hay muchas cosas que queremos hacer con GPT-4 ahora que está terminado, como estudiar el período de posformación. Queremos expandirlo. Es increíble que se pueda lanzar un iPhone cada año, pero nosotros vamos a tener una cadencia de más de un año. Mencionaste que hay mucha más investigación por hacer y hay varios investigadores de IA con mucha experiencia que han dicho que los modelos de lenguaje grande son limitados. Sostienen que estos grandes modelos de lenguaje no aumentarán su nivel de rendimiento y que no se puede construir inteligencia artificial general a partir de ellos. ¿Estás de acuerdo con estas ideas? En primer lugar, creo que la mayoría de esos comentaristas se han equivocado terriblemente sobre lo que los modelos grandes de lenguaje podrán hacer.

Muchos de ellos ahora han pasado a decir que no es que esta tecnología no funcione, sino que lo hace demasiado bien y que tenemos que detenerla porque es demasiado peligrosa. Otros simplemente han dicho que todo esto no supone ningún aprendizaje real. Algunos de los más sofisticados opinan que los grandes modelos de lenguaje funcionan mejor de lo esperado, pero no tanto como la inteligencia artificial general según el paradigma actual. Y eso es cierto, así que creo que debemos esforzarnos lo más que podamos. Pero estamos trabajando duro para intentar descubrir el próximo paradigma. Lo que a mí más me entusiasma del mundo de la inteligencia artificial general es que estos modelos, en algún momento, nos ayudarán a descubrir nuevas ciencias de manera muy rápida y significativa. Pero creo que la forma más rápida de lograr eso es ir más allá del paradigma GPT. Tenemos que trabajar para crear modelos que puedan generar conocimientos, aportar nuevas ideas, descubrir cosas que no se han visto antes.

He estado usando GPT-4 de forma obsesiva. Me alegra saberlo. Sobre todo en los últimos meses, es algo extraordinario. Y siento que a veces intenta generar nuevos conocimientos. Y no tengo pruebas, pero trabajo en el área de investigación y siento que mi teoría puede ser acertada. ¿Qué opinas de esto?

Sí, hay algo de eso. Puede hacer cosas pequeñas, pero no puede autocorregirse y mantenerse lo suficientemente centrado como para que podamos, simplemente, pedirle que cure el cáncer, por ejemplo. Eso no sucederá. Bien. Pero sería bueno que pudiera hacerlo. Hablaste sobre diferentes vías de investigación que podrían ser necesarias. ¿Tienes un par de descubrimientos favoritos que crees que podrían ser el siguiente paso de la humanidad en la construcción de estas tecnologías? No hay nada que me inspire la suficiente confianza como para apostar a eso, pero seguimos buscándolo. Estamos hablando de cuán poderosas son estas tecnologías, pero, obviamente, también tienen ciertas desventajas. Comencemos mencionando una que hoy en día es una realidad. Como sabemos, tanto GPT-4, como también otros grandes modelos de lenguaje son muy buenos para producir texto con sonido humano. Y eso plantea un riesgo de desinformación, más que nada, a medida que nos acercamos a elecciones importantes en Estados Unidos. ¿Qué tan grave consideras que es ese riesgo? Y teniendo en cuenta que ese evento es tan próximo, ¿qué podríamos hacer y en qué podríamos ayudarte? Creo que el tema de la desinformación se está convirtiendo en un gran desafío en el mundo y creo que es un asunto delicado.

Ya hemos desconfiado de cosas que resultaron ser ciertas. Sí. Expulsamos personas de las plataformas por creer que mentían. Entonces, vamos a tener que encontrar un equilibrio. Tenemos que aprender a preservar la capacidad de equivocarnos al momento de exponer información importante sin que nadie piense que todo se trata de desinformación intencional utilizada para manipular. Pero creo que la manipulación de información, hoy en día, es un problema real y hemos visto más de eso a medida que avanza la tecnología. El GPT-3.5 es bueno. Entonces, de haber habido una ola de desinformación, ¿no habría llegado antes? Creo que los humanos ya son buenos generando desinformación y tal vez los modelos GPT lo hagan más fácil. Pero eso no es lo que me preocupa. Si bien es tentador comparar la IA con las redes sociales, son muy diferentes. Puedes generar toda la desinformación que quieras con GPT-4, pero si no se difunde, no servirá de mucho. Entonces, la cuestión está en los canales de difusión.

Pero creo que lo que vale la pena considerar es qué será diferente con la IA y con qué canales que puedan ayudar a difundirla. Pienso que una cosa que será diferente es la capacidad persuasiva interactiva personalizada que tienen estos sistemas. Entonces, gracias a esta innovación, podría recibir una llamada automática y al atenderla, podría escuchar un texto pronunciado por una voz que suena muy realista. El mensaje leído por la máquina sería personalizado, por lo tanto, sería emocionalmente resonante y extremadamente realista. Creo que ese será el nuevo desafío y hay mucho que hacer al respecto. Podemos incorporar rechazos en los modelos y crear sistemas de seguimiento para que la gente no pueda hacerlo a escala. Pero vamos a tener potentes modelos de código abierto en el mundo y creo que es importante que así sea. Y las técnicas de IA abierta que podemos hacer en nuestros sistemas no funcionarán de la misma manera. Bien, quiero hacer hincapié en esto. OpenAI cuenta con una API, entonces, si algún cliente en particular tiene un mal comportamiento, lo puedes desactivar. Mientras que un modelo de código abierto puede ser ejecutado por cualquier persona en su computadora de escritorio, y eso es mucho más difícil de controlar. Sí. Resolver esto no puede ser solo responsabilidad de OpenAI.

¿Recibes ayuda? Hay regulaciones que podemos implementar que ayudarían con ese problema, pero la verdadera solución es educar a la gente sobre lo que está sucediendo. Hemos pasado por esto antes. Cuando Photoshop se popularizó, hubo un breve período en el que la gente creía que lo que veía en ciertas imágenes era real.

Pero luego aprendió que eso podía ser falso, aunque algunas personas todavía caen en estas cosas. Hoy se sabe que cualquier imagen podría estar manipulada digitalmente. Eso está claro. Lo mismo sucederá con estas nuevas tecnologías, pero cuanto antes podamos educar a la gente al respecto, mejor, porque la resonancia emocional va a ser mucho mayor.

Pasemos a la educación. Aquí estamos en una universidad global. Y, por supuesto, la educación está estrechamente relacionada con el mercado laboral. En ocasiones anteriores hemos visto surgir nuevas tecnologías poderosas que realmente han impactado la dinámica de poder entre trabajadores y empleadores.

Por ejemplo, a finales del siglo XVIII se produjo la pausa de Engels, el momento en Inglaterra en el que el PIB aumentó y los salarios de los trabajadores se estancaron. Cuando analizamos la IA, es posible que veamos algo similar. Y creo que ni tú ni yo queremos que los historiadores del futuro creen el concepto de la pausa de Altman para describir el momento en el que los salarios sufrieron bajo un punto de presión salarial debido al surgimiento de la nueva tecnología. ¿Cuáles son las intervenciones necesarias para garantizar que haya una especie de distribución equitativa de los beneficios de la tecnología? Antes que nada, necesitamos ganancias y crecimiento.

Creo que uno de los problemas del mundo desarrollado es que no tenemos suficiente crecimiento sostenible y eso está causando todo tipo de problemas. Por eso me entusiasma que esta tecnología pueda recuperar los aumentos de productividad que se perdieron en las últimas décadas. Algunas tecnologías reducen la desigualdad por naturaleza y otras la aumentan. No estoy totalmente seguro de qué pasará con esta, pero creo que es una tecnología cuyo objetivo es reducir la desigualdad. Según mi visión con respecto al modelo básico del mundo, el costo de la inteligencia y el costo de la energía son los dos insumos limitantes. Y si podemos hacerlos dramáticamente más baratos y más accesibles, eso ayudará más a los pobres que a los ricos, francamente, aunque la realidad es que ayudará mucho a todos. Esta tecnología beneficiará a todo el mundo. Las personas que están en esta sala pueden acudir a algún tipo de trabajo cognitivo intelectual, pero la mayoría de las personas en el mundo muchas veces no pueden hacerlo.

Y si podemos mercantilizar eso, será una importante fuerza igualadora. ¿Puedo decir algo más? Sí. Yo pienso que surgirán muchos más trabajos junto con esta revolución tecnológica y creo que eso es importante. No creo, en absoluto, que este sea el fin del trabajo. Creo que en el futuro pensaremos que los trabajos que hacemos hoy son mundanos y estaremos haciendo cosas más interesantes. Sigo opinando que tendremos que pensar en la distribución de la riqueza de manera diferente. Y eso está bien. De hecho, cambiamos de opinión después de cada revolución tecnológica. Y dadas las características de la que estamos viviendo hoy, creo que será todo un desafío lograr que el acceso a estos sistemas se distribuya de manera justa. Y en las revoluciones tecnológicas anteriores, lo que nos unió fueron las estructuras políticas. Me refiero al sindicalismo y los colectivos laborales de finales del siglo XIX. Cuando analizamos algo como la inteligencia artificial, ¿te imaginas los tipos de estructuras que se necesitarían para reconocer y redistribuir las ganancias del trabajo no remunerado o mal remunerado que a menudo no se reconoce? Como, por ejemplo, el trabajo que hoy realizan las mujeres en todo el mundo. Creo que habrá un cambio muy importante y también esperado en cuanto a los tipos de trabajo que valoramos hoy en día. Y además, proporcionar conexión humana será, como debería ser, uno de los tipos de trabajo más valorados y ocurrirá de maneras diferentes. Entonces, cuando reflexionamos sobre cómo ha progresado la IA hasta este punto, ¿qué lecciones podemos extraer, si es que hay alguna, sobre el camino hacia la superinteligencia artificial y cómo podría surgir? ¿Existe realmente la idea de tener una inteligencia artificial que sea más capaz que los humanos en absolutamente todos y cada uno de los ámbitos que conocemos? ¿Cómo puedo resumirlo? Tienes tiempo. Creo que hay muchas cosas que hemos aprendido hasta ahora con respecto a la IA.

Pero una de ellas es que tenemos un algoritmo que puede aprender genuina y verdaderamente, y otra es que predeciblemente mejora con la práctica. Estos dos hechos se dan en conjunto. Y creo que, aunque pensamos en eso todos los días, no valoramos lo importante que es. Esta tecnología seguirá desarrollándose.

Otra observación que quiero destacar es que ocasionalmente tendremos estos aumentos discontinuos que se dan cuando descubrimos algo nuevo. Y además, creo que lo que yo solía pensar con respecto al avance hacia la superinteligencia era que íbamos a construir un sistema extremadamente capaz. Entonces, junto con ese sistema, iban a haber muchos desafíos de seguridad involucrados y ya sabíamos que esa era un área que iba a ser bastante inestable. Pero creo que ahora vemos un camino en el que, en gran medida, construimos herramientas y no criaturas, sino herramientas que se están volviendo cada vez más poderosas.

Y hay miles de millones, incluso billones de copias de estas herramientas que se están utilizando en el mundo para ayudar a las personas a ser mucho más efectivas y capaces. Gracias a ellas, la productividad de las personas puede aumentar drásticamente. Y a medida que va emergiendo la superinteligencia, no solo se desarrolla la capacidad de nuestra red neuronal más grande, sino toda la nueva ciencia que estamos descubriendo y también todas las cosas nuevas que estamos creando. ¿Y qué ocurre con las interacciones entre los billones de otros sistemas? La sociedad que formamos hoy en día es a partir de humanos asistidos por IA que utilizan estas herramientas para construir el conocimiento, la tecnología, las instituciones y las normas. Y ese enfoque de convivir con la superinteligencia me parece increíble en todos los aspectos y prepara un futuro mucho más emocionante para mí y para todos ustedes. Y espero que estén de acuerdo con que no esté todo centrado en un solo supercerebro. Al reflexionar sobre mi conversación con Sam, me sorprende lo dispuesto que está a abordar los riesgos que la IA podría plantear. Tal vez esto se deba a que aún hay mucho que no sabemos sobre la IA, porque se mueve tan rápido que es difícil, incluso, para alguien en la posición de Sam descubrir qué viene después.

Azeem Azhar

 

 

Cómo sería vivir en un mundo donde la Inteligencia artificial no solo nos asiste sino que nos desafía y redefine nuestra propia existencia,

Exploraremos las siete etapas evolutivas de la Inteligencia artificial un viaje donde la frontera entre lo humano y lo artificial se vuelve borrosa y enigmática . Cómo la IA está trazando un futuro lleno de maravillas y misterios donde de cada avance nos acerca a un destino desconocido y revolucionario comenzamos con la primera etapa que consiste en sistemas de Inteligencia artificial basados en reglas estos sistemas también conocidos como sistemas de una tarea representan la etapa más temprana y fundamental en el desarrollo de la IA estos sistemas operan estrictamente dentro de un conjunto predefinido de reglas o un algoritmo específico proporcionado por los programadores su funcionamiento se basa en la lógica Sí entonces donde cada entrada recibe una respuesta predeterminada según las reglas establecidas.

Un ejemplo clásico de estos sistemas es una partida de ajedrez contra una computadora aquí la computadora está programada para conocer todos los movimientos posibles y sus resultados potenciales utiliza estas reglas para decidir el mejor movimiento en cada turno Pero su comprensión del juego está limitada estrictamente a lo que ha sido codificado en ella no tiene la capacidad de aprender de experiencias pasadas adaptarse a estrategias nuevas o inusuales ni desarrollar técnicas de juego propias estos sistemas basados en reglas son altamente eficientes y confiables para tareas específicas con reglas claras y bien definidas son ideales para aplicaciones como diagnosticar problemas mecánicos procesar formularios operaciones lógicas simples sin embargo su inteligencia y capacidad de actuar están firmemente limitadas por las reglas que se les han programado carecen de la habilidad para entender contextos más amplios, aprender de interacciones nuevas o situaciones que no estaban explícitamente preprogramadas en su sistema.

Pasemos a la etapa dos que abarca los sistemas de retención y conciencia del contexto estos sistemas marcan un avance significativo en el desarrollo de la Inteligencia artificial. A diferencia de los sistemas basados en reglas de la un estos sistemas son capaces de comprender y retener información de interacciones pasadas y utilizan este conocimiento acumulado para informar y mejorar sus respuestas futuras un ejemplo representativo de esta etapa son los asistentes virtuales como Siri o el asistente de Google estos sistemas no solo procesan y ejecutan comandos sino que también aprenden de las interacciones anteriores del usuario Por ejemplo si le preguntas a tu asistente virtual sobre el resultado de un partido de fútbol y luego preguntas, cuándo es el próximo juego el asistente entiende que te refieres al mismo equipo de fútbol mencionado anteriormente esta capacidad de retención y comprensión del contexto permite a estos sistemas manejar un Rango más amplio de interacciones de una manera más personalizada y sofisticada otro ejemplo es el modelo de lenguaje gpt generative pretrained Transformer como chat gpt desarrollado por Open eye entrenado con millones de conversaciones pasadas puede generar respuestas automáticas que simulan el estilo y la coherencia de un humano Ajustando sus respuestas según el contexto de la conversación en esta etapa la Inteligencia artificial comienza a mostrar una mayor flexibilidad Y adaptabilidad aunque aún no son pensadores independientes ni completamente autónomos estos sistemas de ia han aprendido a recordar y utilizar el contexto en sus interacciones lo que presenta un salto cualitativo Respecto a los sistemas basados únicamente en reglas continuamos con la etapa tres los sistemas de dominio específico en esta etapa la IA no solo comprende y retiene información sino que también se especializa en ser altamente competente dentro de un campo o dominio en particular estos sistemas son expertos adaptados y sobresalen en áreas específicas un ejemplo destacado de esta etapa es IBM Watson originalmente para competir en el programa de juegos Leopardi Watson demostró su capacidad para entender y responder preguntas complejas rápidamente y con precisión Watson analiza grandes cantidades de datos identifica patrones y proporciona respuestas basadas en su vasto conocimiento del dominio otro ejemplo notable es Alpha go the deep Mind una subsidiaria de Google un programa de ia diseñado para jugar al go un antiguo juego de mesa que se caracteriza por su complejidad y profundidad estratégica alfago no solo aprendió a jugar al Go sino que también logró derrotar a campeones mundiales del juego un hito significativo en el campo de la ia los sistemas de ia en esta etapa se caracterizan por su enfoque especializado no son generalistas sino que están diseñados para ser altamente eficientes en tareas específicas dentro de su campo de especialización estos sistemas tienen una comprensión más profunda de su dominio en particular que cualquier humano capaces de analizar datos y patrones a una velocidad y con una precisión que va más allá de las capacidades humanas representan la etapa adulta en el desarrollo de la ia mostrando habilidades sofisticadas y expertas dentro de sus áreas designadas vayamos ahora a la etapa cuatro que consiste en el pensamiento y razonamiento en sistemas de ia se caracteriza por sistemas de IA que comienzan a emular la capacidad de pensamiento y razonamiento humana estos sistemas no se limitan a seguir reglas o retener información contextual en cambio intentan simular el proceso de pensamiento humano abarcando la comprensión de conceptos complejos la resolución de problemas desconocidos y la generación de ideas creativas en esta etapa la IA utiliza técnicas avanzadas como el aprendizaje automático y el aprendizaje profundo estas metodologías permiten a los sistemas aprender de experiencias pasadas y mejorar continuamente su rendimiento por ejemplo un sistema de IA de esta etapa puede ser capaz de leer un libro y no solo comprender la trama sino también inferir los motivos de los personajes basándose en sus acciones otra aplicación podría ser en el ámbito de los análisis financieros donde un sistema de IA puede estudiar datos económicos anticipar tendencias del mercado y sugerir estrategias de inversión inteligentes estos sistemas son capaces de abordar y resolver problemas complejos de manera innovadora .

Yendo más allá de la mera ejecución de tareas programadas esta etapa marca un avance significativo hacia una ia más parecida a la inteligencia humana aunque aún no alcanza la equivalencia total con la mente humana a pesar de su sofisticación y capacidades de aprendizaje estos sistemas de ia todavía requieren Un diseño y una programación específicos para abordar particulares Contamos a la etapa c la Inteligencia artificial general agi Pero antes de seguir si te está gustando Este vídeo deja un like y no olvides suscribirte para seguir viendo contenido de valor como este además si estás interesado en aprender más profundamente sobre la iia te recomendamos unirte a nuestra formación en ia Tienes toda la información en la descripción Ahora sí continuemos con esa etapa C esta introduce el concepto de la Inteligencia artificial general agi también conocida como ia fuerte en esta etapa la ia alcanza un nivel de inteligencia y habilidades cognitivas comparable a la del ser humano un sistema de agi es capaz de aprender adaptarse e implementar conocimientos en una amplia gama de tareas y contextos no limitándose a un campo o dominio específico la agi sería capaz de realizar cualquier tarea intelectual que un ser humano pueda hacer esto incluye aprender nuevos idiomas componer música resolver teoremas matemáticos complejos y comprender emociones humanas estos sistemas tendrían autoconciencia y la habilidad para entender y Navegar el

mundo de manera similar a un ser humano hasta ahora la agi es principalmente teórica y aún no se ha alcanzado en la práctica representa la frontera de la investigación en Inteligencia artificial y plantea tanto enormes posibilidades como desafíos éticos y de seguridad la existencia de agi cambiaría radicalmente numerosos aspectos de la vida humana desde Cómo trabajamos hasta Cómo interactuamos con la tecnología abriendo un mundo de posibilidades en Campos como la medicina la ciencia y la creatividad sin embargo su desarrollo y aplicación requieren consideraciones cuidadosas sobre el impacto y las implicaciones en la sociedad seguimos con la etapa seis Inteligencia artificial asi esta etapa introduce el concepto de superinteligencia artificial un nivel de inteligencia que no solo Iguala sino que supera ampliamente la capacidad cognitiva humana un sistema de asi sería capaz de realizar tareas con una eficiencia creatividad y habilidades de resolución de problemas que exceden las de los mejores cerebros humanos en prácticamente todos los campos incluyendo ciencia arte ingeniería y más lo que hace a la asi particularmente fascinante y aterradora a la vez es su capacidad de mejora continua y Autónoma un sistema asi podría aprender adaptarse y evolucionar a un ritmo exponencialmente más rápido que los humanos llevando a avances tecnológicos y científicos a una velocidad y con un alcance que actualmente no podemos comprender podría descubrir soluciones a problemas globales complejos como el c climático enfermedades incurables o incluso desentrañar los misterios del universo sin embargo la a también plantea importantes preocupaciones éticas y de seguridad su capacidad para superar la inteligencia humana significa que podría tomar decisiones o realizar acciones que los humanos no pueden prever o controlar la gestión y el control de una asi serían desafíos monumentales ya que un error o mal uso Podría tener consecuencias impredecibles y potencialmente catastróficas la posibilidad de asi plantea preguntas fundamentales sobre el futuro de la humanidad la naturaleza del Poder y la inteligencia Y cómo la sociedad debería prepararse para la eventualidad de una inteligencia que trasciende nuestros límites humanos y representa un territorio inexplorado con posibilidades tanto emocionantes como profundamente inquietantes para el futuro de nuestra civilización por último encontramos la etapa siete la singularidad de la ia Este es un concepto futurista que marca un punto de inflexión en la historia humana la singularidad se refiere al momento hipotético en el cual la Inteligencia artificial avanza tanto que supera la inteligencia humana provocando cambios impredecibles y fundamentales en la sociedad en esta etapa la superinteligencia artificial asi no solo Iguala sino que supera drásticamente la inteligencia humana en todos los campos esta superinteligencia sería capaz de mejorar y actualizarse a sí misma sin la necesidad de intervención humana llevando a un crecimiento tecnológico acelerado y exponencial la singularidad de la ia representa un futuro donde la tecnología avanza más rápido de lo que los humanos pueden comprender o predecir la idea de la singularidad de la ia plantea tanto fascinación como temor por un lado podría significar avances extraordinarios en la ciencia y la tecnología ofreciendo soluciones a los problemas más acuciantes de la humanidad por otro lado implica una era de incertidumbre y posibles riesgos ya que una superinteligencia descontrolada Podría tener efectos imprevisibles y potencialmente peligrosos el concepto de la singularidad de la ia ha sido objeto de mucho debate y especulación algunos ven en ella la posibilidad de un utopía tecnológica mientras que otros advierten sobre los riesgos de una inteligencia que sobrepasa la comprensión y control humanos la singularidad no es solo un evento tecnológico sino un punto de reflexión crucial sobre el futuro de la humanidad la ética de la Inteligencia artificial y cómo nos preparamos para un mundo que podría transformarse radicalmente por la tecnología avanzada En conclusión el recorrido por las siete etapas de la Inteligencia artificial nos ofrece una visión panorámica del Progreso y las potenciales transformaciones que la ia puede traer a nuestro mundo cada etapa representa un avance significativo en la capacidad complejidad y potencial de la Inteligencia artificial el futuro de la ia es tanto prometedor como desconocido y nos invita a reflexionar sobre Cómo podemos adaptar esta tecnología para el beneficio de la humanidad manteniendo un equilibrio entre la innovación y la responsabilidad la inteligencia artificial solo está definiendo el futuro de la tecnología sino también el futuro de nuestra sociedad y nuestra especie y así llegamos hasta el final de este víde qué piensas tú de la IA crees que puede llegar a acabar con la humanidad deja tu opinión en comentarios estaremos encantados de leerte Y debatir por último si te ha gustado el vídeo deja un like y no olvides suscribirte para estar al tanto de todas las actualizaciones de la Inteligencia artificial

Soy Azeem Azhar y hoy voy a reunirme con Sam Altman para hablar. Bienvenidos a Exponentially. El 2023 será recordado como el año en que la IA irrumpió en la conciencia pública. OpenAI está al mando del cambio, pero, ¿qué es lo que piensa su fundador? ¿Cuál es su objetivo? ¿Y seremos parte del cambio? Sam Altman es la estrella de rock and roll de la inteligencia artificial. Ha recaudado miles de millones de dólares de Microsoft y entre sus primeros patrocinadores estaban Elon Musk y Reid Hoffman. Ha sido un encuentro increíble y cuanto más sabemos sobre la IA, más preguntas surgen al respecto. Me encontré con Sam al comienzo de una gira mundial que cubriría 20 países en solo 30 días. Conversamos en la University College de Londres frente a una audiencia en vivo de casi 1000 personas. Debes estar muy ocupado, estás en medio de una enorme gira mundial.

¿Cómo te sientes? Ha sido genial. Al principio, no sabía si iba a divertirme. Tenía muchas ganas de hacerlo, porque acudir a los medios de comunicación de San Francisco no era una opción para mí. Entonces, se me ocurrió la idea de viajar y conocer gente personalmente. Así que recibimos comentarios muy útiles sobre lo que la gente quiere que hagamos,  qué piensa sobre la IA, qué le entusiasma, qué le preocupa. Y lo he pasado muy bien. Te he visto tomando notas a mano en un cuaderno mientras escuchas a la gente. Todavía tomo notas y escribo listas a mano. Seguramente tengamos que aprender algo de eso. No creo que así sea. Cuando fundaste OpenAI en 2015, ¿imaginaste que unos pocos años después, casi por necesidad, tendrías que subirte a un avión y volar alrededor del mundo para escuchar lo que personas de todos los continentes tenían para decirte? Siempre tuve eso en mente. Cuando dirigia Y Combinator intentaba viajar lo más posible para conocer gente.

Creo que eso es algo importante que la industria tecnológica del área de la bahía no hace lo suficiente. Pero yo lo disfruto. También creo que viajando adquirí algunos conocimientos muy importantes. De esa manera logras ver perspectivas muy diferentes. Cuando iniciamos OpenAI, pensé que probablemente no funcionaría, pero si lo hacía, creí que sería una tecnología impactante y que recibir aportes del mundo sería un factor clave para el proceso. Ya has logrado bastantes avances en esta herramienta. Has estado en países del sur global y también en países de Europa que son más ricos. Quiero que me des una respuesta que sea lo más breve y rápida posible.

¿Cómo fue cambiando la actitud del público y qué te sorprendió? Hay muchos aspectos interesantes en los que la actitud de las personas no han cambiado. Creo que hay mucho entusiasmo por parte de las personas que aplican la tecnología a todo. Y también hay miedo por parte de las personas que no usan la tecnología o de las que la usan mucho y se preguntan cuáles serán los límites. Las preocupaciones son diferentes dependiendo del lugar. En el caso del sur global, se preguntan cuáles son los beneficios económicos de esta tecnología. Por ejemplo, ¿cómo podría ayudar con los problemas de educación y salud? Y en los países más desarrollados se preocupan más por cómo la IA podría ayudar a abordar problemas a largo plazo y tiene sentido. Pero notamos que hay aspectos que son universales, como el entusiasmo por la tecnología, el deseo de participar, el deseo de garantizar que los valores de todos estén representados. Además, tenemos una especie de gobernanza, ya que tenemos la posibilidad de plasmar las necesidades en los sistemas que construimos, de repartir beneficios y de crear un acceso compartido justo. Teniendo en cuenta el modelo de Silicon Valley, estás en una posición sin precedentes desde muchos puntos de vista. Generalmente, el fundador de una empresa o de un servicio como este posee mucho capital, también recibe un salario y tiene ventajas financieras. Tú no tienes nada de eso, simplemente retiras lo suficiente para tu seguro médico. Entonces, ¿qué es lo que te motiva a seguir con este proyecto? Considerando el desafío que supone y las exigencias de tiempo y de energía.

Me parece un reto fascinante. Realmente no se me ocurre nada más emocionante en lo que trabajar. Me siento muy privilegiado de vivir en este momento de la historia y más aún de poder trabajar con este equipo en particular. No existe otra forma en la que preferiría pasar los días. Entiendo. Fui muy afortunado y gané mucho dinero al principio de mi carrera.

Entonces, creo que eso fue de gran ayuda. ¿Tienes personas que sean tus mentores? Sí, me siento muy afortunado de haber tenido grandes mentores. También creo que es importante no intentar aprender demasiado de otros y hacer las cosas a mi manera. Siempre he tratado de tener un equilibrio, aunque todavía no lo logré por completo.

Pero creo que una de las cosas mágicas de Silicon Valley es lo mucho que se preocupa la gente por la tutoría y la enseñanza. Y así es como aprendí más de lo que me correspondía. Si tuvieras que elegir una o dos lecciones de tus grandes mentores, ¿cuáles serían? Paul Graham dirigía la que hoy es mi área antes de que yo llegara. Gracias a él, muchas personas y yo aprendimos cómo funcionan las empresas emergentes y cómo se diseña el manual de estrategias para que sean exitosas. Él fue quien nos enseñó, en gran medida, qué es lo que se necesita para crear una organización de alto funcionamiento y cuáles son las trampas que hay que evitar.

Y sin duda, de Elon aprendí todas las cosas que son posibles de hacer y que no necesariamente hay que aceptar que nuestra tecnología no es algo que se puede ignorar. Eso ha sido muy valioso. Creo que estas dos lecciones de las que hablas se pueden ver plasmadas en OpenAI y en todo lo que has logrado en estos últimos años. En nuestro último encuentro, hace un par de años, tú hablabas de estos grandes modelos de lenguaje y actualmente estamos utilizando GPT-4, pero en aquel entonces lo más moderno era GPT-3. Y recuerdo que mencionaste que para pasar del sistema GPT-2 al GPT-3 había que dar solo un pequeño paso. Dijiste que la brecha entre ambos era mínima.

¿Dirías que llegar a GPT-4 también implicó dar otro pequeño paso? Así lo veremos en retrospectiva. Eso creo. En su momento fue un gran cambio, pero en retrospectiva lo veremos diferente. Por un tiempo se sintió como un gran salto, pero la gente ya está preguntando en qué estamos trabajando y cuándo se lanza GPT-5. Y eso está bien, así se maneja el mundo y así es como debe ser. Nos acostumbramos a todo, establecemos nuevas bases muy rápido. Quiero preguntarte, ¿cuáles fueron los conocimientos que adquiriste durante el desarrollo de GPT-4, y en los meses posteriores a su lanzamiento, que fueron diferentes a los de los modelos anteriores?

Creo que terminamos de entrenar GPT-4 unos ocho meses antes de lanzarlo. Y ese fue, con diferencia, el tiempo más largo de prelanzamiento de un modelo. Con GPT-3 aprendimos todas las formas en las que estas cosas pueden fallar cuando las liberas al mundo. Implementamos modelos de forma incremental para darle al mundo tiempo para adaptarse y también para entender qué es lo que podría pasar, cuáles son los riesgos, cuáles son los beneficios y cuáles deberían ser las reglas. Pero no queremos lanzar un modelo defectuoso. Así que dedicamos más tiempo a aplicar lo que aprendimos de las versiones anteriores de GPT. Ahora sabemos que si dedicamos tiempo a alinear, auditar y probar todo nuestro sistema de seguridad, podemos lograr muchos avances. Básicamente, construiste un modelo que es una máquina increíblemente compleja. El precursor, GPT-3, tenía 175 mil millones de parámetros como controles deslizantes en un ecualizador gráfico, y eso es mucha configuración. Y el modelo GPT-4 es aún más grande, aunque no has dicho formalmente cuáles son sus dimensiones. Entonces, mi pregunta es: ¿qué es lo que haces con esa máquina para conseguir que haga lo que queremos y, al mismo tiempo, que no haga lo que no queremos? Ese es el problema de alineación, que es en lo que has trabajado durante ocho meses. Sí.

Quiero dejar algo bien en claro. El hecho de que seamos capaces de alinear GPT-4 no significa que no pueda tener fallas. De eso no hay ninguna duda. Tenemos una enorme cantidad de trabajo por hacer para descubrir cómo vamos a alinear la superinteligencia y sistemas mucho más poderosos que los que tenemos ahora. Me preocupa que la gente piense que hemos resuelto el problema cuando decimos que podemos alinear GPT-4 lo mejor posible, porque no es así. Pero creo que es increíble que podamos tomar el modelo base de GPT-4, que si cualquier persona lo usa, puede comprobar que no es demasiado impresionante. O, al menos, que es extremadamente difícil de usar. Y con relativamente poco esfuerzo y pocos datos, podemos aplicar RLHF y lograr que el modelo sea fácil de utilizar y esté alineado. RLHF significa Aprendizaje por Refuerzo con Retroalimentación Humana. Tengo entendido que esa es la forma en la que la gente responde preguntas de GPT-4 y le indica cuándo ha cumplido con las expectativas y cuándo no.

Así es. Se utilizan pequeñas cantidades de retroalimentación poco sofisticadas. Dado que estos modelos se pueden utilizar con lenguaje natural, es normal pensar que la máquina se alimenta de comentarios muy explicativos y desarrollados. Pero la realidad es que el sistema se basa en algo tan simple como pulgares arriba y pulgares abajo. Y creo que es impresionante que funcione así. Lo que me resulta increíble es la poca cantidad de RLHF en comparación con los miles de millones de palabras con las que se entrenan estos modelos. ¿Cuántos comentarios se necesitan para que sean lo más precisos posible? Eso varía bastante dependiendo del caso,

pero no muchos. Dijiste que no estás entrenando a GPT-5 en este momento y tengo curiosidad de saber por qué. ¿Es porque no hay suficiente información? O, ¿porque no hay suficientes chips de computadora para entrenarlo? O, ¿fue porque identificaste ciertas necesidades cuando estabas creando GPT-4 y pensaste que tenías que descubrir cómo abordarlas antes de construir el siguiente modelo? Estos modelos son muy difíciles de construir. Pasaron casi tres años entre el lanzamiento de GPT-3 y GPT-4. Lleva mucho tiempo y hay mucha investigación por hacer. También hay muchas cosas que queremos hacer con GPT-4 ahora que está terminado, como estudiar el período de posformación. Queremos expandirlo. Es increíble que se pueda lanzar un iPhone cada año, pero nosotros vamos a tener una cadencia de más de un año. Mencionaste que hay mucha más investigación por hacer y hay varios investigadores de IA con mucha experiencia que han dicho que los modelos de lenguaje grande son limitados. Sostienen que estos grandes modelos de lenguaje no aumentarán su nivel de rendimiento y que no se puede construir inteligencia artificial general a partir de ellos. ¿Estás de acuerdo con estas ideas? En primer lugar, creo que la mayoría de esos comentaristas se han equivocado terriblemente sobre lo que los modelos grandes de lenguaje podrán hacer.

Muchos de ellos ahora han pasado a decir que no es que esta tecnología no funcione, sino que lo hace demasiado bien y que tenemos que detenerla porque es demasiado peligrosa. Otros simplemente han dicho que todo esto no supone ningún aprendizaje real. Algunos de los más sofisticados opinan que los grandes modelos de lenguaje funcionan mejor de lo esperado, pero no tanto como la inteligencia artificial general según el paradigma actual. Y eso es cierto, así que creo que debemos esforzarnos lo más que podamos. Pero estamos trabajando duro para intentar descubrir el próximo paradigma. Lo que a mí más me entusiasma del mundo de la inteligencia artificial general es que estos modelos, en algún momento, nos ayudarán a descubrir nuevas ciencias de manera muy rápida y significativa. Pero creo que la forma más rápida de lograr eso es ir más allá del paradigma GPT. Tenemos que trabajar para crear modelos que puedan generar conocimientos, aportar nuevas ideas, descubrir cosas que no se han visto antes.

He estado usando GPT-4 de forma obsesiva. Me alegra saberlo. Sobre todo en los últimos meses, es algo extraordinario. Y siento que a veces intenta generar nuevos conocimientos. Y no tengo pruebas, pero trabajo en el área de investigación y siento que mi teoría puede ser acertada. ¿Qué opinas de esto?

Sí, hay algo de eso. Puede hacer cosas pequeñas, pero no puede autocorregirse y mantenerse lo suficientemente centrado como para que podamos, simplemente, pedirle que cure el cáncer, por ejemplo. Eso no sucederá. Bien. Pero sería bueno que pudiera hacerlo. Hablaste sobre diferentes vías de investigación que podrían ser necesarias. ¿Tienes un par de descubrimientos favoritos que crees que podrían ser el siguiente paso de la humanidad en la construcción de estas tecnologías? No hay nada que me inspire la suficiente confianza como para apostar a eso, pero seguimos buscándolo. Estamos hablando de cuán poderosas son estas tecnologías, pero, obviamente, también tienen ciertas desventajas. Comencemos mencionando una que hoy en día es una realidad. Como sabemos, tanto GPT-4, como también otros grandes modelos de lenguaje son muy buenos para producir texto con sonido humano. Y eso plantea un riesgo de desinformación, más que nada, a medida que nos acercamos a elecciones importantes en Estados Unidos. ¿Qué tan grave consideras que es ese riesgo? Y teniendo en cuenta que ese evento es tan próximo, ¿qué podríamos hacer y en qué podríamos ayudarte? Creo que el tema de la desinformación se está convirtiendo en un gran desafío en el mundo y creo que es un asunto delicado.

Ya hemos desconfiado de cosas que resultaron ser ciertas. Sí. Expulsamos personas de las plataformas por creer que mentían. Entonces, vamos a tener que encontrar un equilibrio. Tenemos que aprender a preservar la capacidad de equivocarnos al momento de exponer información importante sin que nadie piense que todo se trata de desinformación intencional utilizada para manipular. Pero creo que la manipulación de información, hoy en día, es un problema real y hemos visto más de eso a medida que avanza la tecnología. El GPT-3.5 es bueno. Entonces, de haber habido una ola de desinformación, ¿no habría llegado antes? Creo que los humanos ya son buenos generando desinformación y tal vez los modelos GPT lo hagan más fácil. Pero eso no es lo que me preocupa. Si bien es tentador comparar la IA con las redes sociales, son muy diferentes. Puedes generar toda la desinformación que quieras con GPT-4, pero si no se difunde, no servirá de mucho. Entonces, la cuestión está en los canales de difusión.

Pero creo que lo que vale la pena considerar es qué será diferente con la IA y con qué canales que puedan ayudar a difundirla. Pienso que una cosa que será diferente es la capacidad persuasiva interactiva personalizada que tienen estos sistemas. Entonces, gracias a esta innovación, podría recibir una llamada automática y al atenderla, podría escuchar un texto pronunciado por una voz que suena muy realista. El mensaje leído por la máquina sería personalizado, por lo tanto, sería emocionalmente resonante y extremadamente realista. Creo que ese será el nuevo desafío y hay mucho que hacer al respecto. Podemos incorporar rechazos en los modelos y crear sistemas de seguimiento para que la gente no pueda hacerlo a escala. Pero vamos a tener potentes modelos de código abierto en el mundo y creo que es importante que así sea. Y las técnicas de IA abierta que podemos hacer en nuestros sistemas no funcionarán de la misma manera. Bien, quiero hacer hincapié en esto. OpenAI cuenta con una API, entonces, si algún cliente en particular tiene un mal comportamiento, lo puedes desactivar. Mientras que un modelo de código abierto puede ser ejecutado por cualquier persona en su computadora de escritorio, y eso es mucho más difícil de controlar. Sí. Resolver esto no puede ser solo responsabilidad de OpenAI.

¿Recibes ayuda? Hay regulaciones que podemos implementar que ayudarían con ese problema, pero la verdadera solución es educar a la gente sobre lo que está sucediendo. Hemos pasado por esto antes. Cuando Photoshop se popularizó, hubo un breve período en el que la gente creía que lo que veía en ciertas imágenes era real.

Pero luego aprendió que eso podía ser falso, aunque algunas personas todavía caen en estas cosas. Hoy se sabe que cualquier imagen podría estar manipulada digitalmente. Eso está claro. Lo mismo sucederá con estas nuevas tecnologías, pero cuanto antes podamos educar a la gente al respecto, mejor, porque la resonancia emocional va a ser mucho mayor.

Pasemos a la educación. Aquí estamos en una universidad global. Y, por supuesto, la educación está estrechamente relacionada con el mercado laboral. En ocasiones anteriores hemos visto surgir nuevas tecnologías poderosas que realmente han impactado la dinámica de poder entre trabajadores y empleadores.

Por ejemplo, a finales del siglo XVIII se produjo la pausa de Engels, el momento en Inglaterra en el que el PIB aumentó y los salarios de los trabajadores se estancaron. Cuando analizamos la IA, es posible que veamos algo similar. Y creo que ni tú ni yo queremos que los historiadores del futuro creen el concepto de la pausa de Altman para describir el momento en el que los salarios sufrieron bajo un punto de presión salarial debido al surgimiento de la nueva tecnología. ¿Cuáles son las intervenciones necesarias para garantizar que haya una especie de distribución equitativa de los beneficios de la tecnología? Antes que nada, necesitamos ganancias y crecimiento.

Creo que uno de los problemas del mundo desarrollado es que no tenemos suficiente crecimiento sostenible y eso está causando todo tipo de problemas. Por eso me entusiasma que esta tecnología pueda recuperar los aumentos de productividad que se perdieron en las últimas décadas. Algunas tecnologías reducen la desigualdad por naturaleza y otras la aumentan. No estoy totalmente seguro de qué pasará con esta, pero creo que es una tecnología cuyo objetivo es reducir la desigualdad. Según mi visión con respecto al modelo básico del mundo, el costo de la inteligencia y el costo de la energía son los dos insumos limitantes. Y si podemos hacerlos dramáticamente más baratos y más accesibles, eso ayudará más a los pobres que a los ricos, francamente, aunque la realidad es que ayudará mucho a todos. Esta tecnología beneficiará a todo el mundo. Las personas que están en esta sala pueden acudir a algún tipo de trabajo cognitivo intelectual, pero la mayoría de las personas en el mundo muchas veces no pueden hacerlo.

Y si podemos mercantilizar eso, será una importante fuerza igualadora. ¿Puedo decir algo más? Sí. Yo pienso que surgirán muchos más trabajos junto con esta revolución tecnológica y creo que eso es importante. No creo, en absoluto, que este sea el fin del trabajo. Creo que en el futuro pensaremos que los trabajos que hacemos hoy son mundanos y estaremos haciendo cosas más interesantes. Sigo opinando que tendremos que pensar en la distribución de la riqueza de manera diferente. Y eso está bien. De hecho, cambiamos de opinión después de cada revolución tecnológica. Y dadas las características de la que estamos viviendo hoy, creo que será todo un desafío lograr que el acceso a estos sistemas se distribuya de manera justa. Y en las revoluciones tecnológicas anteriores, lo que nos unió fueron las estructuras políticas. Me refiero al sindicalismo y los colectivos laborales de finales del siglo XIX. Cuando analizamos algo como la inteligencia artificial, ¿te imaginas los tipos de estructuras que se necesitarían para reconocer y redistribuir las ganancias del trabajo no remunerado o mal remunerado que a menudo no se reconoce? Como, por ejemplo, el trabajo que hoy realizan las mujeres en todo el mundo. Creo que habrá un cambio muy importante y también esperado en cuanto a los tipos de trabajo que valoramos hoy en día. Y además, proporcionar conexión humana será, como debería ser, uno de los tipos de trabajo más valorados y ocurrirá de maneras diferentes. Entonces, cuando reflexionamos sobre cómo ha progresado la IA hasta este punto, ¿qué lecciones podemos extraer, si es que hay alguna, sobre el camino hacia la superinteligencia artificial y cómo podría surgir? ¿Existe realmente la idea de tener una inteligencia artificial que sea más capaz que los humanos en absolutamente todos y cada uno de los ámbitos que conocemos? ¿Cómo puedo resumirlo? Tienes tiempo. Creo que hay muchas cosas que hemos aprendido hasta ahora con respecto a la IA.

Pero una de ellas es que tenemos un algoritmo que puede aprender genuina y verdaderamente, y otra es que predeciblemente mejora con la práctica. Estos dos hechos se dan en conjunto. Y creo que, aunque pensamos en eso todos los días, no valoramos lo importante que es. Esta tecnología seguirá desarrollándose.

Otra observación que quiero destacar es que ocasionalmente tendremos estos aumentos discontinuos que se dan cuando descubrimos algo nuevo. Y además, creo que lo que yo solía pensar con respecto al avance hacia la superinteligencia era que íbamos a construir un sistema extremadamente capaz. Entonces, junto con ese sistema, iban a haber muchos desafíos de seguridad involucrados y ya sabíamos que esa era un área que iba a ser bastante inestable. Pero creo que ahora vemos un camino en el que, en gran medida, construimos herramientas y no criaturas, sino herramientas que se están volviendo cada vez más poderosas.

Y hay miles de millones, incluso billones de copias de estas herramientas que se están utilizando en el mundo para ayudar a las personas a ser mucho más efectivas y capaces. Gracias a ellas, la productividad de las personas puede aumentar drásticamente. Y a medida que va emergiendo la superinteligencia, no solo se desarrolla la capacidad de nuestra red neuronal más grande, sino toda la nueva ciencia que estamos descubriendo y también todas las cosas nuevas que estamos creando. ¿Y qué ocurre con las interacciones entre los billones de otros sistemas? La sociedad que formamos hoy en día es a partir de humanos asistidos por IA que utilizan estas herramientas para construir el conocimiento, la tecnología, las instituciones y las normas. Y ese enfoque de convivir con la superinteligencia me parece increíble en todos los aspectos y prepara un futuro mucho más emocionante para mí y para todos ustedes. Y espero que estén de acuerdo con que no esté todo centrado en un solo supercerebro. Al reflexionar sobre mi conversación con Sam, me sorprende lo dispuesto que está a abordar los riesgos que la IA podría plantear. Tal vez esto se deba a que aún hay mucho que no sabemos sobre la IA, porque se mueve tan rápido que es difícil, incluso, para alguien en la posición de Sam descubrir qué viene después.

Azeem Azhar

 

 

LA NEUROFISIOLOGÍA DEL SUEÑO

El sueño es tan importante que consume una tercera parte de nuestras vidas de hecho la privación total del sueño puede causar la muerte incluso más rápido que la privación total de alimentos y a pesar de todo esto el porqué dormimos y muchas de las

funciones básicas del sueño continúan siendo un misterio vamos con la primer pregunta qué nos hace dormir las hipótesis son muchas y aquí nos adentraremos a dos de ellas el sueño como conducta circadiana y la teoría de la deuda del sueño

Qué pasaría si de pronto no supieras si es de día o de noche no tuviera reloj ni ninguna pista de la hora del día te irías a dormir a la misma hora de siempre dormirías más tu cuerpo sabría la hora en 1972 Michelle cifré un espeleólogo francés pasó seis meses en una cueva recluido y aislado no era la primera vez que lo hacía ya en 1962 había pasado dos meses encerrado en una cueva en los Alpes pero desde entonces se había enamorado de un nuevo campo de estudio la cronobiología los resultados de su estudio  extensos pero pueden resumirse en el hecho de que el cuerpo mantiene un horario constante duerme y despierta en intervalos regulares aún en ausencia de pistas sobre la hora en otras palabras el cuerpo posee un reloj interno este reloj tiene una calibración un poquito diferente a la del día en lugar de durar 24 horas dura 26 horas el reloj maestro del cuerpo es el núcleo supraquiasmático del hipotálamo que hace este reloj coordina la secreción de una gran cantidad de sustancias como neurotransmisores y hormonas que preparan al cuerpo para estar activo o para dormir en condiciones normales el núcleo supraquiasmático está sincronizado con el día de 24 horas Cómo bien la retina posee unas células especiales de tipo ganglionar que responden a la luz estas neuronas mandan sus acciones al hipotálamo enviando información si hay luz en el ambiente o si no la hay en caso de haber luz en el ambiente impiden mediante una vía de varias conexiones que la glándula pineal secreta melatonina en un momento veremos Por qué es importante la melatonina mientras que en ausencia de luz por ejemplo en la noche no hay freno para que se secreta la melatonina Bueno ya explicamos un poco del sueño como conducta circadiana ahora veremos qué es la famosa deuda de sueño seguro te habrás percatado que si duermes menos de lo que acostumbras durante toda una semana a llegar el fin de semana duermes mucho más de lo normal por ejemplo en lugar de dormir las 7 horas habituales duermes 10 u 11 parece lógico no Pero a qué se debe esto mientras estás despierto se acumula una sustancia en tu cerebro que se llama adenosina se ha postulado que la adenosina es un producto del metabolismo neuronal y que la acumulación de esta activa los núcleos del cerebro que se encargan de producir sueño además se ha observado que mientras dormimos se reduce la cantidad de adenosina en el cerebro Entonces si hoy duermes 3 horas solo lograrás limpiar parte de la adenosina que se acumuló en tu cerebro el resto se sumará a la producida el día siguiente la moraleja siempre debes pagar la deuda de sueño pues la acumulación de adenosina no Se olvidará de ella ahora veremos Cómo es que la adenosina y la melatonina inducen el sueño para explicarlo Tenemos que hablar de dos sistemas neurológicos el primero que favorece estar despierto cuyo nombre del sistema reticular activador ascendente y un segundo sistema que nos incita a dormir el sistema reticular activador ascendente está conformado por una masa de neuronas y fibras nerviosas que se extiende desde el bulbo raquídeo hasta el mesencéfalo Y contiene varios núcleos que secretan distintos neurotransmisores como noradrenalina serotonina histamina y acetilcolina cuando las neuronas de estos núcleos tienen una actividad elevada nosotros nos mantenemos despiertos Pero quién regula la actividad de estos núcleos El hipotálamo El hipotálamo tiene algunos núcleos que favorecen la vigilia como son el núcleo lateral y el tuberomamilar y algunos núcleos que favorecen el sueño como son nuevamente el nucleo lateral pero son otras neuronas y el pre óptico dentro lateral por último falta explicar Cómo interactúan estos núcleos revisemos primero el estado de vigilia o sea cuando estamos despiertos mientras estamos despiertos el núcleo tuberoa humanidad libera histamina y algunas neuronas del núcleo lateral liberan orexinas estos neurotransmisores activarán al sistema activador reticular ascendente permitiendo que los núcleos que lo conforman liberen noradrenalina serotonina y acetilcolina al resto del cuerpo manteniéndolo así despierto como datos curiosos cuando consumimos antihistamínicos por ejemplo mientras sufrimos un resfriado Generalmente nos da mucho sueño Esto se debe a que se ve inhibida la función de despertar del núcleo tuberomamilar por otro lado la deficiencia en el sistema de orexinas está relacionada al origen de una enfermedad muy famosa la narcolepsia ahora veamos cómo se comportan estos núcleos cuando dormimos recuerdan que la adenosina y recuerdan a la adenosina y a la Bueno pues estas activan al núcleoóptico dentro lateral del hipotálamo que es el núcleo facilitador del sueño este núcleo tiene proyecciones que inhiben a la actividad del sistema activador reticular ascendente mediante Un neurotransmisor conocido como gaba por otra parte la adenosina y la melatonina favorecen que algunas neuronas del núcleo lateral secreten hormona concentradora de melanina que también provoca la inhibición del sistema reticular activador ascendente como dato curioso la cafeína actúa bloqueando la función inductora del sueño de la adenosina es por esto que la cafeína quita el sueño al menos durante algunas horas de esta forma resumimos de forma breve que nos hace dormir pero falta mucho por explorar que es el sueño Rem que es el sueño No Rem Qué funciones tiene el dormir por qué soñamos en próximos vídeos explicaremos estas preguntas los invitamos a mantenerse atentos a nuevas publicaciones por último este video Fue realizado de forma facial con la plataforma Prezi más no contamos patrocinio directo de esta empresa los invitamos a seguirnos en nuestra cuenta de Twitter arroba ciencia médica visitar nuestra página de divulgación sinapsis mx.w.com y suscribirse a nuestro canal divulgamos ciencia

 

 

GENERACION DE NEURONAS

NEUROGENESIS     de crecimiento; proliferación celular; neuronas; cerebro. La generación de nuevas neuronas en el cerebro de los mamíferos,

incluyendo el cerebro humano, es un fenómeno descrito

desde hace ya varios años. Dicho fenómeno se conoce como

neurogénesis y ocurre únicamente en dos regiones del cerebro

adulto; la pared de los ventrículos laterales y el giro dentado

del hipocampo. La presencia de neurogénesis se ha asociado

a múltiples factores entre los que destaca el aprendizaje y su

respectiva consolidación denominada memoria. Un número

considerable de trabajos realizados en roedores han mostrado

que cuando se aprende una tarea, el número de nuevas

neuronas en el giro dentado del hipocampo se incrementa de

forma abundante. Lo cual sugiere que el aprendizaje es un factor

que estimula la proliferación de nuevas neuronas, muchas de

las cuales no sobreviven y pocas se integran al circuito cerebral

para ser funcionales. En este sentido, el objetivo de la presente

revisión es describir los principales hallazgos experimentales

que asocian la generación de nuevas neuronas con adquisición

de nueva información, así como los mecanismos celulares

implicados en la regulación de dicho fenómeno.

Aprendizaje y memoria

Adaptativamente, el aprendizaje y la memoria son procesos

cognitivos vitales para los organismos que forman parte del

reino animal. El ambiente es un entorno cambiante, por lo que

animales que viven en ambientes que cambian continuamente

necesitan de una plasticidad conductual. La plasticidad es una

propiedad de los sistemas biológicos que les permite adaptarse

a los cambios del medio para sobrevivir, la cual depende de los

cambios fisiológicos que ocurran al interior. En este sentido, el

sistema nervioso posee una plasticidad altamente desarrollada

y evidente en las primeras etapas del desarrollo, sobre todo en

los mamíferos. A nivel neuronal los cambios plásticos pueden

ser visualizados a través de un incremento del árbol dendrítico

y del número de espinas dendríticas, que mejoran los contactos

sinápticos y en consecuencia la comunicación entre las neuronas.

Desde hace tiempo se sabe que el aprendizaje y la memoria

son eventos que favorecen la plasticidad, y entre más plástico

es el sistema nervioso mayor es la capacidad de aprendizaje de

los organismos. El aprendizaje puede considerarse como una

modificación estructural y funcional del sistema nervioso que

da como resultado un cambio en la conducta relativamente

permanente. La información aprendida es retenida o almacenada

en los circuitos neuronales que forman el cerebro y constituye

lo que denominamos memoria. La memoria es la consecuencia

usual del aprendizaje y difícilmente nos referimos a alguno de

estos términos de manera independiente.

En los mamíferos se han descrito diferentes tipos de

memoria y cada uno de estos tipos involucra la participación

de áreas cerebrales y neurotransmisores específicos. De

acuerdo a las características conductuales y las estructuras

cerebrales implicadas, se han caracterizado tres tipos de

memoria: la de trabajo, la implícita y la explícita 1. La memoria

de trabajo también llamada cognición ejecutiva, consiste en

la representación consciente y manipulación temporal de la

información necesaria para realizar operaciones cognitivas

complejas, como el aprendizaje, la comprensión del lenguaje

o el razonamiento 2, 3. La corteza prefrontal podría ser el lugar

sede de esta memoria, además se sugiere que esta estructura

cerebral podría funcionar como un lugar “on line” durante

cortos periodos de tiempo de representaciones de estímulos

ausentes 4. Por otra parte, la memoria implícita, procedimental

o no declarativa es la memoria de las cosas que hacemos

rutinariamente. Se le considera automática, inconsciente y difícil

de verbalizar. Su adquisición es gradual y se perfecciona con la

práctica. Este tipo de memoria deriva de tipos de aprendizaje

básico, como la habituación y la sensibilización, el aprendizaje

perceptivo y motor o el condicionamiento clásico e instrumental

5. Anatómicamente, la memoria implícita requiere de diferentes

estructuras cerebrales que han sido involucradas con el

aprendizaje procidemental, por ejemplo, los ganglios basales

con el aprendizaje de hábitos y habilidades 6, el cerebelo con los

condicionamientos de respuestas motoras 7 y la amígdala con

los condicionamientos emocionales 8. Aunque el sitio principal

de almacenamiento de esta memoria radica en estructuras

subcorticales y en algunos casos depende directamente del

neocortex 9. Finalmente, el sistema de memoria explícita,

también conocida como memoria declarativa, relacional o

cognitiva es el almacenamiento cerebral de hechos (memoria

semántica) y eventos (memoria episódica) 10, 11 ,12. Este tipo

de memoria se adquiere en pocos ensayos a diferencia de la

memoria implícita y se distingue por expresarse en situaciones

y modos diferentes a los del aprendizaje original, por lo que es

considerada como una memoria de expresión flexible. Un tipo

de memoria declarativa es la memoria espacial que consiste en

múltiples mecanismos especializados en codificar, almacenar

y recuperar información acerca de rutas, configuraciones y

localizaciones espaciales 13, 14, 15. El hipocampo parece ser la

estructura cerebral que está críticamente relacionado en este

tipo de memoria declarativa 16, 17.

Sustrato anatómico de la memoria declarativa: el hipocampo

El hipocampo deriva de la región medial del telencéfalo, forma

parte del sistema límbico y tiene un papel importante en la

adquisición del aprendizaje espacial y la consolidación de la

memoria a largo y corto plazo. Anatómicamente, está organizado

en el cuerno de Amón (hipocampo propio) y el giro dentado

(separados por la fisura hipocampal); el complejo subicular,

22 www.uv.mx/rm

formado por el presubiculum, el subiculum y el

parasubiculum; y la corteza entorrinal 18, 19, 20. El

cuerno de Amón está dividido en tres áreas: CA1,

CA2 y CA3 (figura 1).

La mayor entrada de fibras en

el hipocampo proviene de la corteza

parahipocampal que es la principal vía de entrada

de aferencias neocorticales de procesamiento

provenientes de distintas áreas dorsales,

como la corteza parietal posterior, la corteza

retrosplenial, la corteza prefrontal dorsolateral

o de la parte dorsal del surco temporal superior

estructuras estrechamente asociadas en la

codificación de la localización espacial de los

estímulos 21, 22. Estas aferencias son distribuidas

hacia la corteza entorrinal. Las células de las

capas II y III de esta corteza envían sus axones

hasta el giro dentado y el hipocampo a través de

la vía perforante, atravesando la capa de células

piramidales del subiculum 23, 24. Por otra parte, las

neuronas piramidales de la región CA3 proyectan

sus axones hacia las dendritas de las neuronas

piramidales de las CA1 mediante los colaterales

de Schaffer. Así mismo, los axones provenientes

de la región CA3 proyectan hacía todo el hipocampo mediante

proyecciones comisurales, entre hemisferios y/o asociativas, en

el mismo hemisferio 25, 26, 27. Mientras que las neuronas granulares

del giro dentado proyectan sus axones o fibras musgosas hacia

las dendritas proximales de las neuronas piramidales de la

región CA3, atravesando el hilus 28, 29.

El circuito del procesamiento de la información de la

memoria declarativa es el llamado circuito trisináptico 30. Este

circuito inicia en la vía perforante de la corteza entorrinal.

Primeramente, las neuronas de la corteza entorrinal envía sus

proyecciones hacía las células granulares del giro dentado. En

seguida, estás células proyectan sus axones hacia las neuronas

piramidales de la región CA3, las cuales finalmente envían

sus axones hasta las neuronas piramidales de la región CA1

mediante los colaterales de Schaffer (figura 1). La información

procesada mediante este circuito trisináptico permite relacionar

diferentes aferencias sensoriales pertenecientes a diversos

estímulos gracias a que las células piramidales del hipocampo

tienen un alto grado de interconexión, facilitando las relaciones

entre las diferentes entradas de información 31.

Hipocampo y memoria declarativa

Actualmente existe amplia evidencia del papel crítico que

juega el hipocampo en la memoria declarativa. Las lesiones en

el hipocampo y sus conexiones subcorticales en pacientes con

amnesia producen déficits selectivos en la memoria declarativa,

sin embargo la capacidad de distinguir nuevos objetos con base

en su familiaridad permanece intacta 32, 33. Además se

observó que en estos pacientes el hipocampo tiene la función

de mantener la habilidad de asociar objetos en la memoria y

recordar asociaciones contextuales en comparación con el

recuerdo de objetos únicos con base en su familiaridad 34, 35. Otros

estudios clínicos han mostrado que la corteza parahipocampal

se activa durante la presentación de escenas espaciales o

durante la memorización de objetos relacionados fuertemente

con lugares específicos 36, 37. El hipocampo es, por tanto, una

estructura crítica para procesar y recordar información espacial

y contextual.

La participación del hipocampo en la memoria explícita

ha sido estudiada por medio de la memoria espacial. La memoria

espacial consiste en múltiples mecanismos especializados en

codificar, almacenar y recuperar información acerca de rutas,

configuraciones y localizaciones espaciales 13, 14, 15. Esta memoria

puede ser evaluada en humanos y en modelos animales, en

los cuales la solución de la tarea depende de la información

disponible. Experimentos con ratas han mostrado que las

lesiones hipocampales afectan negativamente la adquisición

y retención del aprendizaje espacial cuándo las ratas son

entrenadas en la búsqueda de una plataforma oculta pocos

centímetros por debajo del agua (laberinto acuático de Morris)

38, 39, 40, 41. De manera interesante, pacientes con lesiones en el

Figura 1. Esquema de los circuitos en el hipocampo adulto. La tradicional vía excitatoria trisináptica

(Corteza entorrinal (CE)-giro dentado (GD)-CA3-CA1-CE) es descrita por las flechas de colores (flecha

azul: vía perforante; flecha naranja: vía de fibras musgosas; flecha verde: colaterales de Schaffer; flecha

roja; proyecciones de CA1 ha la CE) . Los axones de las neuronas de la capa II de la corteza entorrinal (CE)

proyectan hacía el giro dentado a través de la vía perforante (VP), incluyendo la vía perforante lateral

(VPL). El giro dentado envía proyecciones a las células piramidales de CA3 a través de las fibras musgosas.

Las neuronas piramidales de CA3 descargan la información a las neuronas piramidales de CA1 a través

de los colaterales de Schaffer. A su vez, las neuronas piramidales de CA1 envían las proyecciones dentro

de la capa de neuronas de la corteza entorrinal. CA3 también recibe proyecciones directas de la capa II

de la corteza entorrinal a través de la vía perforante, mientras que CA1 recibe entradas directas de la

capa III de la corteza entorrinal a través de la vía temporoammonica (VP). Las células del giro dentado

también proyectan a las células musgosas del hilus e interneuronas hilares que envían proyecciones

excitarías e inhibitorias respectivamente, hacías las neuronas granulares. Abreviaturas: CE: corteza

entorrinal; GD: giro dentado; Sub:subiculum.

El hipocampo: neurogénesis y aprendizaje

Rev Med UV, Enero – Junio 2015

23 www.uv.mx/rm

hipocampo tienen graves dificultades en un test

virtual semejante al laberinto acuático de Morris 42,

43. Las afectaciones en el aprendizaje espacial son

proporcionales con el volumen de tejido dañado y

dependen de la región anatómica del hipocampo

lesionado, ya que las lesiones en el hipocampo dorsal

producen un mayor deterioro en el aprendizaje que

las lesiones en el hipocampo ventral 44. Las lesiones

hipocampales parecen deteriorar específicamente

el aprendizaje y la memoria espacial, ya que las ratas

con el hipocampo dañado muestran dificultades

para aprender tareas espaciales como la localización

de una plataforma escondida pero no para adquirir

una tarea de discriminación no espacial 44, 45.

Entonces, parece claro que el hipocampo juega un

papel crítico para procesar y recordar información

espacial. Por otro lado, registros de actividad unitaria (registro de potenciales de acción) han

reportado la presencia de neuronas denominadas

de “lugar” en el hipocampo de la rata, estás células

se denominan así porque disparan sus potenciales

de acción cuando la rata reconoce un lugar en el que

previamente se le había colocado 46, 47. En conjunto

estás evidencias sugieren que el hipocampo es

una estructura cerebral implicada en aspectos

cognitivos que involucran el reconocimiento de

la ubicación espacial, para lo cual los sujetos se

ayudan de la estimación de la distancia entre un

objeto y los estímulos relacionados que lo llevaron a encontrarlo

48. Aunque, es claro que el hipocampo juega un papel crítico en

el aprendizaje espacial, el mecanismo es complejo y requiere

de la acción coordinada del hipocampo con otras estructuras

cerebrales.

Hipocampo y neurogénesis

El giro dentado del hipocampo junto con la zona subventricular

de los ventrículos laterales del cerebro de mamífero son los dos

sitios de generación de nuevas neuronas durante la etapa adulta,

y se sabe que dichas neuronas tienen un papel importante

en varias funciones del sistema nervioso central 49, 50, 51. El

fenómeno de producción de nuevas células es conocido con el

término de neurogénesis y generalmente se refiere al proceso

de proliferación, migración, supervivencia y diferenciación

de nuevas células 52, 53, 54 (figura 2). La neurogénesis ocurre

continuamente en el giro dentado del hipocampo adulto y

comparte algunas características con la neurogénesis que tiene

lugar durante el desarrollo embrionario. Durante el proceso

de neurogénesis concurren células troncales y progenitores

neurales, en conjunto conocidos como precursores neurales,

originados a partir de la división asimétrica de las primeras, las

cuales darán lugar a los tres tipos principales de células en el

sistema nervioso central: neuronas, glia y oligodendrocitos 55,

56, 57.

La neurogénesis en el giro dentado del hipocampo

se demostró hace cuarenta años en autoradiografías tomadas

de una zona, la cual en contraste con la zona subventricular,

no se localiza cerca de las paredes de los ventrículos laterales;

sino que se encuentra localizada por debajo del borde medial

del hipocampo y en su profundidad. Actualmente, esta zona

es conocida como zona subgranular 58. En este sitio se localiza

una población de células troncales con características de la glía

radial 59,60, que tienen filamentos intermedios como la nestina

y la proteína acídica fibrilar (GFAP, por sus siglas en inglés).

Los progenitores que se originan a partir de esta población, se

comprometen a un linaje neural particular entre tres y siete días

después de su nacimiento 61. Posteriormente, las nuevas células

que logran diferenciarse se clasifican como tipo celular 2a, 2b

y 3 dependiendo de los marcadores celulares que expresen.

Específicamente, los tipos celulares 2b y 3, expresan la proteína

Figura 2. Representación de las etapas del proceso de la neurogénesis y de los marcadores celulares

que identifican a cada proceso. La neurogénesis inicia con la proliferación de una célula troncal

neural (célula de color azul) localizada en la zona subgranular del giro dentado, que dará origen a

progenitores neurales (células de color verde) de los cuales se originarán las nuevas neuronas. Los

progenitores neuronales inician la migración hacía la capa de células granulares del giro dentado,

sitio dónde alcanzarán su madurez. Una etapa crítica de la neurogénesis es el mantenimiento

de la supervivencia de las nuevas neuronas, ya que esto permitirá su integración a los circuitos

neuronales del hipocampo. Durante la neurogénesis los progenitores neuronales expresan proteínas

específicas a lo largo de su maduración. Estas proteínas pueden ser detectadas por técnicas de

inmunohistoquímica utilizando anticuerpos específicos. Por ejemplo, una célula inmadura puede

identificarse por la detección de la proteína nestina, mientras que una neurona madura por la

presencia de la proteína NeuN (para detalles vea el texto). Abreviaturas: zona subgranular (ZSG),

capa de células granulares (CCG), capa molecular (CM).

24 www.uv.mx/rm

doblecortina, una proteína que se une a los microtúbulos y

que es un marcador de neuronas inmaduras 62, 63, entre uno y

catorce días después de su generación. Estas células muestran

características de células progenitoras ya que algunas de ellas

co-expresan Ki-67 (un marcador de proliferación celular) y

por lo tanto son capaces de dividirse 64,65. El tipo 2b expresa el

marcador neuronal NeuN 72 horas después de su generación.

Por otra parte, este mismo tipo puede dividirse una vez más y

dar origen al tipo celular 3, el cual expresa doblecortina y NeuN.

Los tres tipos celulares expresan la proteína polisializada de

NCAM (PSA-NCAM) 66.

La mayoría de la progenie de las células precursoras

neurales dará origen a neuronas granulosas dentadas. Durante

su proceso de madurez estas células reciben estímulos

gabaérgicos ocho días después de su nacimiento y estímulos

glutamatérgicos por un periodo de 18 días, además tienen un

bajo umbral para la inducción de la potenciación a largo plazo

(LTP por sus siglas en inglés) y una mejor plasticidad sináptica 67,

68, 69, 70. Estas nuevas células migran, se diferencian y se integran

a la capa subgranular del giro dentado del hipocampo entre una

y cuatro semanas después de su generación. Posteriormente,

desarrollan un axón y generan procesos neuríticos que les

permite integrarse sinápticamente entre dos y cuatro semanas

después de su nacimiento 71. Las nuevas neuronas envían sus

proyecciones axonales hacia CA3 y arborizaciones dendríticas

hacia la capa granular, lo que sugiere que hacen sinapsis

antes de ser completamente maduras 72. De las nuevas células

generadas, un bajo porcentaje se diferencia en astrocitos

(positivos a los marcadores GFAP/S100B). Experimentos en

monos, han demostrado que un alto porcentaje de las nuevas

células generadas se comprometen a ser neuronas, expresando

marcadores neuronales como: TuJ1, TOAD-64, NeuN, y calbindina

y raramente marcadores de astrocitos (GFAP) u oligodendrocitos

(CNP) 73, 74.

Neurogénesis hipocampal y aprendizaje espacial

Una de las preguntas frecuentes en la investigación de la

neurogénesis hipocampal es si la producción de nuevas neuronas

en el giro dentado podría ser relevante en el aprendizaje

espacial asociado al hipocampo. La posible implicación de la

neurogénesis hipocampal en el aprendizaje espacial, podría

explicarse considerando que la neurogénesis es estimulada por

el aprendizaje y este a su vez por la neurogénesis 75, 76. Estudios

previos han demostrado que algunas experiencias como el

aprendizaje espacial, el ambiente enriquecido y el ejercicio

físico voluntario incrementan las tasas de neurogénesis en el

giro dentado 77, 78, 79, 80. De manera interesante, estas experiencias

están asociadas con un aumento en el rendimiento cognitivo,

probablemente a través de la incorporación de las nuevas

neuronas a las redes neurales del hipocampo.

El aprendizaje espacial dependiente de hipocampo

es uno de los principales reguladores de la neurogénesis

hipocampal. Específicamente, la neurogénesis en el giro dentado

se incrementa por el aprendizaje de tareas dependientes de

hipocampo como son: el condicionamiento de traza de la

respuesta de parpadeo, aprendizaje espacial en el laberinto

acuático de Morris y la preferencia de comida condicionada 81, 82.

Por el contrario, el aprendizaje no dependiente del hipocampo,

como el condicionamiento demorado de la respuesta de

parpadeo y la evitación activa no favorecen la neurogénesis

en el giro dentado. Se ha reportado que el aprendizaje per se,

y no el entrenamiento, es el factor que induce la activación y

la regulación de la neurogénesis hipocampal 83. Por ejemplo, el

aprendizaje espacial en el laberinto acuático de Morris produce

efectos diferenciales sobre el desarrollo de los precursores

neurales del giro dentado 84, 85. En este sentido, se ha reportado

que el aprendizaje induce apoptósis de las nuevas células durante

la fase inicial del aprendizaje, aquellas células nacidas tres días

antes de iniciar el entrenamiento, y la supervivencia de aquellas

neuronas maduras, nacidas siete días antes de comenzar el

entrenamiento 86, 87, 88, 89, 90. La muerte celular inducida por el

aprendizaje es específica para la zona subgranular del giro

dentado, ya que no se observó en CA1 y CA3 En contraste, la

inhibición de la apoptosis en ratas que comienzan a aprender

una tarea muestra un deterioro del recuerdo de la posición de la

plataforma oculta, así como una disminución de la proliferación

celular, característica de la fase inicial del aprendizaje. En

conjunto, estas evidencias sugieren que el aprendizaje espacial

activa un mecanismo similar al proceso de estabilización

selectiva que se observa durante el desarrollo embrionario del

cerebro, donde la neurogénesis se regula por la selección activa

de algunas nuevas neuronas y la eliminación de otras 91, 92,93. Por

tanto, es razonable proponer que tanto la supervivencia y la

apoptosis de las nuevas células son eventos de selección que

dependen directamente del periodo de aprendizaje.

Otro factor que regula la neurogénesis y que a su vez

promueve el aprendizaje espacial es el ambiente enriquecido.

Un ambiente enriquecido consiste en colocar un grupo de

roedores (n ≥ 8) en una caja más grande que la caja estándar,

esta caja contiene objetos de diferentes formas, texturas y

tamaños, lo cual permite una estimulación sensorial y motora

que impacta fuertemente el desarrollo del cerebro 94,96. En este

contexto, colocar a roedores por una semana en un ambiente

enriquecido favorece la supervivencia de las nuevas células

en el giro dentado, tres semanas posteriores a su nacimiento

95. Adicionalmente, el ambiente enriquecido incrementa la

neurogénesis en el hipocampo y favorece el desempeño de

los roedores en pruebas de aprendizaje y memoria espacial

El hipocampo: neurogénesis y aprendizaje

Rev Med UV, Enero – Junio 2015

25 www.uv.mx/rm

dependientes de hipocampo 96.

Por otra parte, existe reportes de

que el ejercicio aeróbico además de contribuir

positivamente a la salud integral de los individuos,

también tiene efectos positivos sobre la neurogénesis

y el aprendizaje 97, 98, 99,100. En roedores, el ejercicio

voluntario (correr en un rueda) incrementa la

proliferación de nuevas neuronas en el giro dentado

93. El ejercicio además favorece la eficacia sináptica

en neuronas del giro dentado y mejora el aprendizaje

espacial de los roedores en el laberinto acuático de

Morris 101,102. Estos resultados sugieren que la mejora

en el aprendizaje debido al ejercicio se debe en parte

a la inducción de neurogénesis en el hipocampo.

El ejercicico favorece la sintesís y liberación de

neurotransmisores, hormonas y péptidos que

seguramente inducen la proliferación de nuevas

neuronas (figura 3). Particularmente, se ha mostrado

que los niveles de RNAm del factor de crecimiento

derivado del cerebro (BDNF por su siglas en inglés)

se incrementa en el hipocampo del ratón después de

ejercicio 103.

En resumen, el ambiente enriquecido y el

ejercicio como factores inductores de neurogénesis

pueden tener mediadores químicos comunues que

facilitan la proliferación de nuevas neuronas y entre

los que se destacan los factores de crecimiento, las

hormonas y neurotransmisores (figura 3).

Conclusiones

La relación entre la neurogénesis hipocampal y el

aprendizaje y la memoria es evidente, las nuevas

neuronas generadas en el hipocampo proporcionan

el substrato anatómico que procesa y codifica la

nueva información adquirida, sin embargo no se sabe

si dichas neuronas remplazan a las viejas por ser estás ya no

funcionales o bien si las neuronas viejas se mantienen porque

conservan información relevante aprendida enteriormente,

ambos esquemas tienen que ser investigados para entender si el

recambio de neuronas en el hipocampo es un proceso continuo

y si todo aquello que aprendemos es condición para inducir

neurogenesis. En este sentido la inducción de neurogénesis

asociada al aprendizaje depende de varios factores: i) del tipo

de tarea de aprendizaje, ii) de las demandas específicas que

requiera la ejecución de la tarea y iii) del momento en que se

ejecuta la tarea. En este contexto, la neurogénesis asociada a la

adquisición de tareas nuevas, que tiempo después se traducen

en memoria, es un proceso complejo, multifactorial y con

interrogantes que aún deben ser resultas.

Bibliografía

1. Roediger HL, McDermott KB. Two types of event memory. Proc Natl

Acad Sci 2013; 110: 20856-857.

2. Kandel, ER, Dudai Y, Mayford MR. The molecular and systems biology

of memory. Cell 2014; 157:163–186.

3. Griffin AL. Role of the thalamic nucleus reuniens in mediating

interactions between the hippocampus and medial prefrontal cortex

during spatial working memory. Front Syst Neurosci 2015 10; 9:29.

4. Zanto TP, Rubens MT, Thangavel A, Gazzaley A. Causal role of the

prefrontal cortex in top-down modulation of visual processing and

working memory. Nat Neurosci 2011; 14: 656-61.

5. Squire LR, Dede AJ. Conscious and Unconscious Memory Systems.

Cold Spring Harb Perspect Biol 2015 Mar 2;7(3)

6. Ashby FG1, Turner BO, Horvitz JC. Cortical and basal ganglia

contributions to habit learning and automaticity. Trends Cogn Sci.

2010; 14:208-15.

7. Timmann D, y col. The human cerebellum contributes to motor,

Figura 3. Mecanismos sugeridos que regulan la neurogénesis y su efecto sobre el aprendizaje y la

memoria espacial. El ambiente enriquecido, el ejercicio físico y nuevas experiencias son factores

externos que inducen la liberación de factores de crecimiento como la Neurotrofina-3 (NT3), el factor

cerebral derivado del cerebro (BDNF), el factor de crecimiento endotelial vascular (VEGF), el factor

de crecimiento parecido a la insulina 1 (IGF-1) o la hormona de crecimiento (GH), dichas moléculas

producen efectos diferenciales sobre las distintas etapas de la neurogénesis. La estimulación en

la neurogénesis favorece el aprendizaje y la memoria espacial. De forma paralela los factores

de crecimiento regulan la liberación de neurotransmisores y la expresión de sus receptores, los

cuales a su vez participan en la regulación de la neurogénesis. Algunos de estos neurotransmisores

facilitan la potenciación a largo plazo (LTP), fenómeno involucrado directamente con la adquisición

de nueva información. En contraste, el estrés y el envejecimiento tienen un efecto negativo sobre la

producción de factores de crecimiento, inhibiendo por lo tanto la respuesta en la neurogénesis y en

consecuencia en el aprendizaje y la memoria. Zona subgranular (ZSG), capa de células granulares

(CCG), capa molecular (CM), 5-hidroxitriptamina (5-HT), dopamina (DA), glutamato (Glu), ácido

gamma-aminobutírico (GABA), N-metil-D-aspartato (NMDA), ácido α-amino-3-hidroxi-5-metil-4-

isoxazolpropiónico (AMPA).

26 www.uv.mx/rm

emotional and cognitive associative learning. A review. Cortex. 2010;

46: 845-57

8. Duvarci S. Pare D. Amygdala microcircuits controlling learned fear.

Neuron 2014; 482: 966–80.

9. Sharon T, Moscovitch M, Gilboa A. Rapid neocortical acquisition of

long-term arbitrary associations independent of the hippocampus.

Proc Natl Acad Sci 2011; 108: 1146-51.

10. Squire LR, Wixted JT. The cognitive neuroscience of human memory

since HM. Annu Rev Neurosci 2011; 34: 259–88.

11. Eichenbaum H. The cognitive neuroscience of memory: an

introduction. Oxford University Press. 2011

12. Ullman MT. Contributions of memory circuits to language: The

declarative/procedural model. Cognition 2004; 92: 231-70.

13. Keefe JO, Nadel L. The hippocampus as a cognitive map. Oxford:

Clarendon Press. 1978.

14. Burgess N, Maguire EA, O’Keefe J. The human hippocampus and

spatial and episodic memory. Neuron 2002; 35:625–41.

15. Buzsáki G, Moser EI. Memory, navigation and theta rhythm in the

hippocampal-entorhinal system. Nat Neurosci 2013; 16:130–38.

16. Morris RGM, y col. Memory reconsolidation: sensitivity of

spatialmemory to inhibition of protein synthesis in dorsal

hippocampus during encoding and retrieval. Neuron 2006; 50, 479–

89

17. Quiroga RQ. Concept cells: the building blocks of declarative memory

functions. Nat Rev Neurosci 2012; 13: 587-97.

18. Amaral DG, Witter MP. The three-dimensional organization of the

hippocampal formation: a review of anatomical data. Neurosci 1989;

31:571-91.

19. Lavenex P, Banta LP, Amaral DG: Postnatal development of the

primate hippocampal formation. Dev Neurosci 2007; 29:179–19.

20. Kivisaari SL, Probst A, Taylor KI. The Perirhinal, Entorhinal, and

Parahippocampal Cortices and Hippocampus: An Overview of

Functional Anatomy and Protocol for Their Segmentation in MR

Images In fMRI. Springer Berlin Heidelberg 2013. p. 239-67.

21. Witter MP, Wouterlood FG, Naber PA, Van Haeften T: Anatomical

organization of the parahippocampal-hippocampal network. Ann NY

Acad Sci 2000 Jun; 911:1-24.

22. Lavenex P, Suzuki WA, Amaral DG. Perirhinal and parahippocampal

cortices of the macaque monkey: Intrinsic projections and

interconnections. J Comp Neurol. 2004; 472:371-94.

23. Witter MP, Amaral DG. Entorhinal cortex of the monkey: V projections

to the dentate gyrus, hippocampus, and subicular complex. J Comp

Neurol 1991; 307:437-59.

24. Khalaf-Nazzal R, Francis F. Hippocampal development – old and new

findings. Neurosci 2013; 248:225-42.

25. Laurberg S, Sorensen KE. Associational and commissural collaterals

of neurons in the hippocampal formation (hilus fasciae dentate and

subfield CA3. Brain Res 1981; 212:287–00.

26. Ishizuka N, Weber J, Amaral DG. Organization of intrahippocampal

projections originating from CA3 pyramidal cells in the rat. J Comp

Neurol 1990; 295:580–23.

27. Frotscher M, Seress L, Schwerdtfeger WK, Buhl E. The mossy cells of

the fascia dentate: a comparative study of their fine structure and

synaptic connections in rodents and primates. J Comp Neurol 1991;

312:145–63.

28. Chicurel ME, Harris KM Three-dimensional analysis of the structure

and composition of CA3 branched dendritic spines and their synaptic

relationships with mossy fiber boutons in the rat hippocampus. J

Comp Neurol 1999; 325: 169-82.

29. Suzuki W, Amaral DG: Perirhinal and parahippocampal cortices of

the macaque monkey: cytoarchitectonic and chemoarchitectonic

organization. J Comp Neurol 2003; 463:67–91

30. Kim SM, Ganguli S, Frank LM. Spatial information outflow from the

hippocampal circuit: distributed spatial coding and phase precession

in the subiculum. J Neurosci 2012; 32: 11539-58.

31. Zhang SJ, y col. Functional connectivity of the entorhinal–

hippocampal space circuit. Philos Trans R Soc Lond B Biol Sci 2013

Dec 23; 369(1635):20120516.

32. Eichenbaum H, Cohen NJ. Can we reconcile the declarative memory

and spatial navigation views on hippocampal function? Neuron 2014;

83: 764-70.

33. Giovanello KS, Verfaille M, Keane MM. Disproportionate deficit in

associative recognition relative to item recognition in global amnesia.

Cogn Affect Behav Neurosci 2003; 3: 186-94.

34. Addis DR, y col. Characterizing spatial and temporal features of

autobiographical memory retrieval networks: a partial least squares

approach. Neuroimage 2004; 23: 1460-71.

35. Bartsch T, Schönfeld R, Müller FJ, Alfke K, Leplow B, Aldenhoff J, Koch
36. Focal lesions of human hippocampal CA1 neurons in transient

global amnesia impair place memory. Science 2010; 328: 1412-15.

36. Churchwell JC, Morris AM, Musso ND, Kesner RP. Prefrontal and

hippocampal contributions to encoding and retrieval of spatial

memory. Neurobiol Learn Mem 2010; 93: 415-21.

37. Stone SS, y col. Stimulation of entorhinal cortex promotes adult

neurogenesis and facilitates spatial memory. J Neurosci 2011; 31:

13469-84.

38. Morris RG. Developments of a water-maze procedure for studying

spatial learning in the rat. J Neurosci Methods1984; 11: 47-60.

39. Moser E, Moser MB, Andersen P. Spatial learning impairment

parallels the magnitude of dorsal hippocampal lesions, but is hardly

present following ventral lesions. J Neurosci 1993; 13: 3916-25.

40. Laursen B, y col. Impaired hippocampal acetylcholine release parallels

spatial memory deficits in Tg2576 mice subjected to basal forebrain

cholinergic degeneration. Brain Res 2014; 1543: 253-62.

41. Hales JB, Ocampo AC, Broadbent NJ, Clark RE. Hippocampal

Infusion of Zeta Inhibitory Peptide Impairs Recent, but Not Remote,

Recognition Memory in Rats. Neural Plasticity 2015; 501, 847136.

42. Astur RS, Taylor LB, Mamelak AN, Philpott L, Sutherland RJ.

Humans with hippocampus damage display severe spatial memory

impairments in a virtual Morris water task. Behav Brain Res 2005;

132: 77-84.

43. Cornwell BR, Johnson LL, Holroyd T, Carver FW, Grillon C. Human

hippocampal and parahippocampal theta during goal-directed spatial

navigation predicts performance on a virtual Morris water maze. J

Neurosci 2008; 28:5983-90.

44. Strange BA, Witter MP, Lein ES, Moser EI. Functional organization of

the hippocampal longitudinal axis. Nature Rev Neurosci 2014; 15:

655-69.

45. Hales JB, y col. Medial entorhinal cortex lesions only partially disrupt

hippocampal place cells and hippocampus-dependent place memory.

Cell Rep 2014; 9: 893-01.

46. O´Keefe JA, Dostrovski J. The hippocampus as a spatial map.

Preliminary evidence from unit activity in the freely-moving rat. Brain

Res 1971 34: 171-5.

47. Hartley T, Lever C, Burgess N, O’Keefe J. Space in the brain: how the

hippocampal formation supports spatial cognition. Philos Trans R Soc

Lond B Biol Sci 2014; 369: 20120510.

48. Moser MB, Rowland DC, Moser EI. Place cells, grid cells, and memory.

Cold Spring Harb Perspect Med 2015; 7: a021808.

49. Gould E, Beylin A, Tanapat P, Reeves A, Shors TJ. Learning enhances

adult neurogenesis in the hippocampal formation. Nature Neurosci

1999; 2: 260–5.

50. Clemenson GD, Deng W, Gage FH. Environmental enrichment and

neurogenesis: from mice to humans. Curr Opin Beh Sci 2015; 4: 56-

62.

51. Cameron HA, Glover LR. Adult Neurogenesis: Beyond Learning and

Memory. Annu Rev Psychol 2015; 66: 53-81.

52. Cameron HA, Mckay RD. Adult neurogenesis produces a large pool

El hipocampo: neurogénesis y aprendizaje

Rev Med UV, Enero – Junio 2015

27 www.uv.mx/rm

of new granule cells in the dentate gyrus. J Comp Neurol 2001; 435:

406-17.

53. Fernandes C, y col. Detrimental role of prolonged sleep deprivation

on adult neurogenesis. Front Cell Neurosci, 2015; 9:140.

54. Aimone JB, Deng W, Gage FH. Adult neurogenesis in the dentate

gyrus. In Space, Time and Memory in the Hippocampal Formation.

Springer Vienna 2015; pp. 409-429.

55. Eriksson PS, y col. Neurogenesis in the adult human hippocampus.

Nature Medicine 1998; 4: 1313-1317.

56. Gage FH. Mammalian neural stem cells. Science 2000; 287: 1433–38.
57. Drew LJ, Fusi S, Hen R. Adult neurogenesis in the mammalian

hippocampus: Why the dentate gyrus? Learn Mem 2013; 20: 710-29.

58. De La Rosa Prieto C, De Moya Pinilla M, Saiz-Sanchez D, Ubeda-banon

I, Arzate DM, Flores-Cuadrado A, Martinez-Marcos A. Olfactory and

cortical projections to bulbar and hippocampal adult-born neurons.

Front Neuroanat. 2015; 9:4.

59. Kempermann G, Jessberger S, Steiner B, Kronenberg G. Milestones of

neuronal development in the adult hippocampus. Trends Neurosci

2004; 27:447-52.

60. Duan L Peng CY, Pan L Kessler JA. Human Pluripotent Stem Cell-

Derived Radial Glia Recapitulate Developmental Events and Provide

Real-Time Access to Cortical Neurons and Astrocytes. Stem Cells

Transl Med. 2015 Apr 1. pii: sctm.2014-0137.

61. Kirby ED, Kuwahara AA, Messer RL, Wyss-Coray T. Adult hippocampal

neural stem and progenitor cells regulate the neurogenic niche by

secreting VEGF. Proc Natl Acad Sci U S A 2015; 112: 4128-33.

62. Toriyama M, y col. Phosphorylation of doublecortin by protein kinase

A orchestrates microtubule and actin dynamics to promote neuronal

progenitor cell migration. J Biol Chem. 2012; 287:12691-702.

63. Vukovic J1, Borlikova GG, Ruitenberg MJ, Robinson GJ, Sullivan RK,

Walker TL, Bartlett PF. Immature doublecortin-positive hippocampal

neurons are important for learning but not for remembering. J

Neurosci. 2013; 33: 6603-13.

64. Espósito MS, Piatti VC, Laplagne DA, Morgenstern NA, Ferrari

CC, Pitossi FJ, Schinder AF. Neuronal differentiation in the adult

hippocampus recapitulates embryonic development. J Neurosci

2005; 25:10074–86.

65. Cimadamore F, Amador-Arjona A, Chen C, Huang CT, Terskikh AV.

SOX2–LIN28/let-7 pathway regulates proliferation and neurogenesis

in neural precursors. Proc Natl Acad Sci U S A 2013; 110: E3017-E26.

66. Kim HS, y col. PSA-NCAM+ Neural Precursor Cells from Human

Embryonic Stem Cells Promote Neural Tissue Integrity and Behavioral

Performance in a Rat Stroke Model. Stem Cell Rev 2014; 10: 761-771.

67. Schmidt-Hieber C, Jonas P, Bischofberger J. Enhanced synaptic

plasticity in newly generated granule cells of the adult hippocampus.

Nature 2004; 429:184–87.

68. Ge S, y col. GABA regulates synaptic integration of newly generated

neurons in the adult brain. Nature 2006; 439:589–93.

69. Lledo MP, Alononso M, Grubb MS. Adult neurogenesis and functional

plasticity in neuronal circuits. Nat Rev Neurosci 2006; 7:179-93.

70. Kim WR, Christian K, Ming GL, Song H. Time-dependent involvement

of adult-born dentate granule cells in behavior. Behav Brain Res 2012;

227: 470-79.

71. Benarroch EE. Adult neurogenesis in the dentate gyrus general

concepts and potential implications. Neurology 2013; 81: 1443-52.

72. Song J, M Christian K, Ming GL, Song H. Modification of hippocampal

circuitry by adult neurogenesis. Dev Neurobiol 2012; 72: 1032-43.

73. Imayoshi I, Kageyama R. The role of Notch signaling in adult

neurogenesis. Mol Neurobiol 2011; 44: 7-12.

74. Mu L, y col. SoxC transcription factors are required for neuronal

differentiation in adult hippocampal neurogenesis. J Neurosci 2012;

32: 3067-80.

75. Gould E, Vail N, Wagers M, Gross CG. Adult-generated hippocampal

and neocortical neurons in macaques have a transient existence.

Proc Natl Acad Sci U S A 2001; 98:10910-17.

76. Fabel K, y col. Additive effects of physical exercise and environmental

enrichment on adult hippocampal neurogenesis in mice. Front

Neurosci 2009; 3:50.

77. Kempermann, G. Activity-Based Maintenance of Adult Hippocampal

Neurogenesis: Maintaining a Potential for Lifelong Plasticity. In

Neural Stem Cells in Development, Adulthood and Disease 2015 (pp.

119-123). Springer New York.

78. Zhao C, Deng W, Gage FH. Mechanisms and functional implications of

adult neurogenesis. Cell 2008;132: 645–60

79. Clelland D, y col. A functional role for adult hippocampal neurogenesis

in spatial pattern separation. Science 2009; 325: 210-13.

80. Speisman RB, y col. Environmental enrichment restores neurogenesis

and rapid acquisition in aged rats. Neurobiol Aging 2013; 34: 263-74.

81. Merritt JR, Rhodes JS. Mouse genetic differences in voluntary wheel

running, adult hippocampal neurogenesis and learning on the multistrain-

adapted plus water maze. Behav Brain Res 2015; 280: 62-71.

82. Deng W, Gage FH. The effect of immature adult-born dentate granule

cells on hyponeophagial behavior is related to their roles in learning

and memory. Front Syst Neurosci 2015; 9.

83. Opendak M, Gould E. Adult neurogenesis: a substrate for experiencedependent

change. Trends Cogn Sci 2015; 19: 151-61.

84. Trinchero MF, y col. Effects of spaced learning in the water maze

on development of dentate granule cells generated in adult mice.

Hippocampus 2015. doi: 10.1002/hipo.22438.

85. Jamal AL, y col. Transplanted dentate progenitor cells show increased

survival in an enriched environment, but do not exert a neurotrophic

effect on spatial memory within 2 weeks of engraftment. Cell

Transplan 2015. http://dx.doi.org/10.3727/096368915X687011

86. Peters M, Muñoz-López M, Morris RG. Spatial memory and

hippocampal enhancement. Current Opinion in Behavioral Sciences

2015. http://dx.doi.org/10.1016/j.cobeha.2015.03.005
2016. Dobrossy MD, y col. Differential effects of learning on neurogenesis:

Learning increases or decreases the number of newly born cells

depending on their birth date. Mol Psychiatry 2003; 8: 974-82.

88. Leuner B, Mendolia-Loffredo S, Kozorovitskiy Y, Samburg D, Gould

E, Shors TJ. Learning enhances the survival of new neurons beyond

the time when the hippocampus is required for memory. J Neurosci

2004; 24: 7477-81.

89. Dupret D, y col. Spatial learning depends on both the addition and

removal of new hippocampal neurons. PLoS biology 2007; 5: e214.

90. Dupret D, y col. Spatial relational memory requires hippocampal

adult neurogenesis. PloS one 2008; 3: e1959.

91. Epp JR, Haack AK., Galea LA. Activation and survival of immature

neurons in the dentate gyrus with spatial memory is dependent on

time of exposure to spatial learning and age of cells at examination.

Neurobiol Learn Mem 2011; 95: 316-25.

92. Lacefield CO, y col. Effects of adult‐generated granule cells on

coordinated network activity in the dentate gyrus. Hippocampus

2012; 22: 106-16.

93. van Praag H, Kempermann G, Gage FH. Running increases cell

proliferation and neurogenesis in the adult mouse dentate gyrus.

Nature Neuroscience 1999; 2: 266-70.

94. Birch AM, McGarry NB, Kelly ÁM. Short‐term environmental

enrichment, in the absence of exercise, improves memory,

and increases NGF concentration, early neuronal survival, and

synaptogenesis in the dentate gyrus in a time‐dependent manner.

Hippocampus 2013; 23: 437-50.

95. Kempermann G, Kuhn HG, Gage FH. More hippocampal neurons

in adult mice living in an enriched environment. Nature 1997; 386:

493–95.

96. Nilsson M, Perfilieva E, Johansson U, Orwar O, Eriksson PS. Enriched

environment increases neurogenesis in the adult rat dentate gyrus

and improves spatial memory. J Neurobi 1999; 39: 569-78.

28 www.uv.mx/rm

97. Hillman CH, Erickson KI, Kramer AF. Be smart, exercise your heart:

exercise effects on brain and cognition. Nature Rev Neurosci 2008;

9:58–65.

98. Erickson KI, y col. Exercise training increases size of hippocampus and

improves memory. Proc Natl Acad Sci U S A. 2011; 108: 3017-22.

99. Muotri AR, Zhao C, Marchetto MC, Gage FH. Environmental influence

on L1 retrotransposons in the adult hippocampus. Hippocampus

2009; 19:1002–07.

100. Kempermann, G. New neurons for’survival of the fittest’. Nat Rev

Neurosci. 2012; 13:727-36.

101. Liu HL, Zhao G, Cai K, Zhao HH, Shi LD. Treadmill exercise prevents

decline in spatial learning and memory in APP/PS1 transgenic mice

through improvement of hippocampal long-term potentiation. Behav

Brain Res. 2011;218:308-14.

102. O’Callaghan RM, Ohle R, Kelly AM. The effects of forced exercise on

hippocampal plasticity in the rat: A comparison of LTP, spatial- and

non-spatial learning. Behav Brain Res. 2007; 176:362-6.

103. Leraci A, Mallei A, Musazzi L, Popoli M. Physical exercise and acute

restraint stress differentially modulate hippocampal brain-derived

neurotrophic factor transcripts and epigenetic mechanisms in mice.

Hippocampus. 2015 Mar 26. doi: 10.1002/hipo.22458.

INTELIGENCIA ARTIFICIAL.

 

Te has preguntado alguna vez cómo sería vivir en un mundo donde la Inteligencia artificial no solo nos asiste sino que nos desafía y redefine nuestra propia existencia, en el vídeo de hoy exploraremos las siete etapas evolutivas de la Inteligencia artificial un viaje donde la frontera entre lo humano y lo artificial se vuelve borrosa y enigmática quédate con nosotros para descubrir Cómo la IA está trazando un futuro lleno de maravillas y misterios donde de cada avance nos acerca a un destino desconocido y revolucionario comenzamos con la primera etapa que consiste en sistemas de Inteligencia artificial basados en reglas estos sistemas también conocidos Como sistemas de una tarea representan la etapa más temprana y fundamental en el desarrollo de la ia estos sistemas operan estrictamente dentro de un conjunto predefinido de reglas o un algoritmo específico proporcionado por los programadores su funcionamiento se basa en la lógica Sí entonces donde cada entrada recibe una respuesta predeterminada según las reglas establecidas un ejemplo clásico de estos sistemas es una partida de ajedrez contra una computadora aquí la computadora está programada para conocer todos los movimientos posibles y sus resultados potenciales utiliza estas reglas para decidir el mejor movimiento en cada turno Pero su comprensión del juego está limitada estrictamente a lo que ha sido codificado en ella no tiene la capacidad de aprender de experiencias pasadas adaptarse a estrategias nuevas o inusuales ni desarrollar técnicas de juego propias estos sistemas basados en reglas son altamente eficientes y confiables para tareas específicas con reglas claras Y bien definidas son ideales para aplicaciones como diagnosticar problemas mecánicos procesar formularios de impuestos o ejecutar operaciones lógicas simples sin embargo su inteligencia Y capacidad de actuar están firmemente limitadas por las reglas que se les han programado carecen de la habilidad para entender contextos Más amplios aprender de interacciones nuevas o situaciones que no estaban explícitamente preprogramadas en su sistema pasemos a la etapa dos que abarca los sistemas de retención y conciencia del contexto estos sistemas marcan un avance significativo en el desarrollo de la Inteligencia artificial A diferencia de los sistemas basados en reglas de la un estos sistemas son capaces de comprender y retener información de interacciones pasadas y utilizan este conocimiento acumulado para informar y mejorar sus respuestas futuras un ejemplo representativo de esta etapa son los asistentes virtuales como Siri o el asistente de Google estos sistemas no solo procesan y Ejecutan comandos sino que también aprenden de las interacciones anteriores del usuario Por ejemplo si le preguntas a tu asistente virtual sobre el resultado de un de fútbol y luego preguntas Cuándo es el próximo juego el asistente entiende que te refieres al mismo equipo de fútbol mencionado anteriormente esta capacidad de retención y comprensión del contexto permite a estos sistemas manejar un Rango más amplio de interacciones de una manera más personalizada y sofisticada otro ejemplo es el modelo de lenguaje gpt generative pretrained Transformer como chat gpt desarrollado por Open eye entrenado con millones de conversaciones pasadas puede generar respuestas automáticas que simulan el estilo y la coherencia de un humano Ajustando sus respuestas según el contexto de la conversación en esta etapa la Inteligencia artificial comienza a mostrar una mayor flexibilidad Y adaptabilidad aunque aún no son pensadores independientes ni completamente autónomos estos sistemas de ia han aprendido a recordar y utilizar el contexto en sus interacciones lo que presenta un salto cualitativo Respecto a los sistemas basados únicamente en reglas continuamos con la etapa tres los sistemas de decd dominio específico en esta etapa la ia no solo comprende y retiene información sino que también se especializa en ser altamente competente dentro de un campo o dominio en particular estos sistemas son expertos adaptados y sobresalen en áreas específicas un ejemplo destacado de esta etapa es IBM Watson originalmente para competir en el programa de juegos jeopardy Watson demostró su capacidad para entender y responder preguntas complejas rápidamente y con precisión Watson analiza grandes cantidades de datos identifica patrones y proporciona respuestas basadas en su vasto conocimiento del dominio otro ejemplo notable es Alpha go the deep Mind una subsidiaria de Google un programa de ia diseñado para jugar al go un antiguo juego de mesa que se caracteriza por su complejidad y profundidad estratégica alfago no solo aprendió a jugar al Go sino que también logró derrotar a campeones mundiales del juego un hito significativo en el campo de la ia los sistemas de ia en esta etapa se caracterizan por su enfoque especializado no son generalistas sino que están diseñados para ser altamente eficientes en tareas específicas dentro de su campo de especialización estos sistemas tienen una comprensión más profunda de su dominio en particular que cualquier humano capaces de analizar datos y patrones a una velocidad y con una precisión que va más allá de las capacidades humanas representan la etapa adulta en el desarrollo de la ia mostrando habilidades sofisticadas y expertas dentro de sus áreas designadas vayamos ahora a la etapa cuatro que consiste en el pensamiento y razonamiento en sistemas de ia se caracteriza por sistemas de ia que comienzan a emular la capacidad de pensamiento y razonamiento humana estos sistemas no se limitan a seguir reglas o retener información contextual en cambio intentan simular el proceso de pensamiento humano abarcando la

comprensión de conceptos complejos la resolución de problemas desconocidos y la generación de ideas creativas en esta etapa la ia utiliza técnicas avanzadas como el aprendizaje automático y el aprendizaje profundo estas metodologías permiten a los sistemas aprender de experiencias pasadas y mejorar continuamente su rendimiento por ejemplo un sistema de ia de esta etapa puede ser capaz de leer un libro y no solo comprender la trama sino también inferir los motivos de los personajes basándose en sus acciones otra aplicación podría ser en el ámbito de los análisis financieros donde un sistema de ia puede estudiar datos económicos anticipar tendencias del mercado y sugerir estrategias de inversión inteligentes estos sistemas son capaces de abordar y resolver problemas complejos de manera innovadora yendo Más allá de la mera ejecución de tareas programadas esta etapa marca un avance significativo hacia una ia más parecida a la inteligencia humana aunque aún no alcanza la equivalencia total con la mente humana a pesar de su sofisticación y capacidades de aprendizaje estos sistemas de ia todavía requieren Un diseño y una programación específicos para abordar particulares Contamos a la etapa c la Inteligencia artificial general agi Pero antes de seguir si te está gustando Este vídeo deja un like y no olvides suscribirte para seguir viendo contenido de valor como este además si estás interesado en aprender más profundamente sobre la iia te recomendamos unirte a nuestra formación en ia Tienes toda la información en la descripción Ahora sí continuemos con esa etapa C esta introduce el concepto de la Inteligencia artificial general agi también conocida como ia fuerte en esta etapa la ia alcanza un nivel de inteligencia y habilidades cognitivas comparable a la del ser humano un sistema de agi es capaz de aprender adaptarse e implementar conocimientos en una amplia gama de tareas y contextos no limitándose a un campo o dominio específico la agi sería capaz de realizar cualquier tarea intelectual que un ser humano pueda hacer esto incluye aprender nuevos idiomas componer música resolver teoremas matemáticos complejos y comprender emociones humanas estos sistemas tendrían autoconciencia y la habilidad para entender y Navegar el

mundo de manera similar a un ser humano hasta ahora la agi es principalmente teórica y aún no se ha alcanzado en la práctica representa la frontera de la investigación en Inteligencia artificial y plantea tanto enormes posibilidades como desafíos éticos y de seguridad la existencia de agi cambiaría radicalmente

numerosos aspectos de la vida humana desde Cómo trabajamos hasta Cómo interactuamos con la tecnología abriendo un mundo de posibilidades en Campos como la medicina la ciencia y la creatividad sin embargo su desarrollo y aplicación requieren consideraciones cuidadosas sobre el impacto y las implicaciones en la sociedad seguimos con la etapa seis Inteligencia artificial asi esta etapa introduce el concepto de superinteligencia artificial un nivel de inteligencia que no solo Iguala sino que supera ampliamente la capacidad cognitiva humana un sistema de asi sería capaz de realizar tareas con una eficiencia creatividad y habilidades de resolución de problemas que exceden las de los mejores cerebros humanos en prácticamente todos los campos incluyendo ciencia arte ingeniería y más lo que hace a la asi particularmente fascinante y aterradora a la vez es su capacidad de mejora continua y Autónoma un sistema asi podría aprender adaptarse y evolucionar a un ritmo exponencialmente más rápido que los humanos llevando a avances tecnológicos y científicos a una velocidad y con un alcance que actualmente no podemos comprender podría descubrir soluciones a problemas globales complejos como el c climático enfermedades incurables o incluso desentrañar los misterios del universo sin embargo la a también plantea importantes preocupaciones éticas y de seguridad su capacidad para superar la inteligencia humana significa que podría tomar decisiones o realizar acciones que los humanos no pueden prever o controlar la gestión y el control de una asi serían desafíos monumentales ya que un error o mal uso Podría tener consecuencias impredecibles y potencialmente catastróficas la posibilidad de asi plantea preguntas fundamentales sobre el futuro de la humanidad la naturaleza del Poder y la inteligencia Y cómo la sociedad debería prepararse para la eventualidad de una inteligencia que trasciende nuestros límites humanos y representa un territorio inexplorado con posibilidades tanto emocionantes como profundamente inquietantes para el futuro de nuestra civilización por último encontramos la etapa siete la singularidad de la ia Este es un concepto futurista que marca un punto de inflexión en la historia humana la singularidad se refiere al momento hipotético en el cual la Inteligencia artificial avanza tanto que supera la inteligencia humana provocando cambios impredecibles y fundamentales en la sociedad en esta etapa la superinteligencia artificial asi no solo Iguala sino que supera drásticamente la inteligencia humana en todos los campos esta superinteligencia sería capaz de mejorar y actualizarse a sí misma sin la necesidad de intervención humana llevando a un crecimiento tecnológico acelerado y exponencial la singularidad de la ia representa un futuro donde la tecnología avanza más rápido de lo que los humanos pueden comprender o predecir la idea de la singularidad de la ia plantea tanto fascinación como temor por un lado podría significar avances extraordinarios en la ciencia y la tecnología ofreciendo soluciones a los problemas más acuciantes de la humanidad por otro lado implica una era de incertidumbre y posibles riesgos ya que una superinteligencia descontrolada Podría tener efectos imprevisibles y potencialmente peligrosos el concepto de la singularidad de la ia ha sido objeto de mucho debate y especulación algunos ven en ella la posibilidad de un utopía tecnológica mientras que otros advierten sobre los riesgos de una inteligencia que sobrepasa la comprensión y control humanos la singularidad no es solo un evento tecnológico sino un punto de reflexión crucial sobre el futuro de la humanidad la ética de la Inteligencia artificial y cómo nos preparamos para un mundo que podría transformarse radicalmente por la tecnología avanzada En conclusión el recorrido por las siete etapas de la Inteligencia artificial nos ofrece una visión panorámica del Progreso y las potenciales transformaciones que la ia puede traer a nuestro mundo cada etapa representa un avance significativo en la capacidad complejidad y potencial de la Inteligencia artificial el futuro de la ia es tanto prometedor como desconocido y nos invita a reflexionar sobre Cómo podemos adaptar esta tecnología para el beneficio de la humanidad manteniendo un equilibrio entre la innovación y la responsabilidad la inteligencia artificial solo está definiendo el futuro de la tecnología sino también el futuro de nuestra sociedad y nuestra especie y así llegamos hasta el final de este víde qué piensas tú de la IA crees que puede llegar a acabar con la humanidad deja tu opinión en comentarios estaremos encantados de leerte Y debatir por último si te ha gustado el vídeo deja un like y no olvides suscribirte para estar al tanto de todas las actualizaciones de la Inteligencia artificial

Soy Azeem Azhar y hoy voy a reunirme con Sam Altman para hablar. Bienvenidos a Exponentially. El 2023 será recordado como el año en que la IA irrumpió en la conciencia pública. OpenAI está al mando del cambio, pero, ¿qué es lo que piensa su fundador? ¿Cuál es su objetivo? ¿Y seremos parte del cambio? Sam Altman es la estrella de rock and roll de la inteligencia artificial. Ha recaudado miles de millones de dólares de Microsoft y entre sus primeros patrocinadores estaban Elon Musk y Reid Hoffman. Ha sido un encuentro increíble y cuanto más sabemos sobre la IA, más preguntas surgen al respecto. Me encontré con Sam al comienzo de una gira mundial que cubriría 20 países en solo 30 días. Conversamos en la University College de Londres frente a una audiencia en vivo de casi 1000 personas. Debes estar muy ocupado, estás en medio de una enorme gira mundial.

¿Cómo te sientes? Ha sido genial. Al principio, no sabía si iba a divertirme. Tenía muchas ganas de hacerlo, porque acudir a los medios de comunicación de San Francisco no era una opción para mí. Entonces, se me ocurrió la idea de viajar y conocer gente personalmente. Así que recibimos comentarios muy útiles sobre lo que la gente quiere que hagamos,  qué piensa sobre la IA, qué le entusiasma, qué le preocupa. Y lo he pasado muy bien. Te he visto tomando notas a mano en un cuaderno mientras escuchas a la gente. Todavía tomo notas y escribo listas a mano. Seguramente tengamos que aprender algo de eso. No creo que así sea. Cuando fundaste OpenAI en 2015, ¿imaginaste que unos pocos años después, casi por necesidad, tendrías que subirte a un avión y volar alrededor del mundo para escuchar lo que personas de todos los continentes tenían para decirte? Siempre tuve eso en mente. Cuando dirigia Y Combinator intentaba viajar lo más posible para conocer gente.

Creo que eso es algo importante que la industria tecnológica del área de la bahía no hace lo suficiente. Pero yo lo disfruto. También creo que viajando adquirí algunos conocimientos muy importantes. De esa manera logras ver perspectivas muy diferentes. Cuando iniciamos OpenAI, pensé que probablemente no funcionaría, pero si lo hacía, creí que sería una tecnología impactante y que recibir aportes del mundo sería un factor clave para el proceso. Ya has logrado bastantes avances en esta herramienta. Has estado en países del sur global y también en países de Europa que son más ricos. Quiero que me des una respuesta que sea lo más breve y rápida posible.

¿Cómo fue cambiando la actitud del público y qué te sorprendió? Hay muchos aspectos interesantes en los que la actitud de las personas no han cambiado. Creo que hay mucho entusiasmo por parte de las personas que aplican la tecnología a todo. Y también hay miedo por parte de las personas que no usan la tecnología o de las que la usan mucho y se preguntan cuáles serán los límites. Las preocupaciones son diferentes dependiendo del lugar. En el caso del sur global, se preguntan cuáles son los beneficios económicos de esta tecnología. Por ejemplo, ¿cómo podría ayudar con los problemas de educación y salud? Y en los países más desarrollados se preocupan más por cómo la IA podría ayudar a abordar problemas a largo plazo y tiene sentido. Pero notamos que hay aspectos que son universales, como el entusiasmo por la tecnología, el deseo de participar, el deseo de garantizar que los valores de todos estén representados. Además, tenemos una especie de gobernanza, ya que tenemos la posibilidad de plasmar las necesidades en los sistemas que construimos, de repartir beneficios y de crear un acceso compartido justo. Teniendo en cuenta el modelo de Silicon Valley, estás en una posición sin precedentes desde muchos puntos de vista. Generalmente, el fundador de una empresa o de un servicio como este posee mucho capital, también recibe un salario y tiene ventajas financieras. Tú no tienes nada de eso, simplemente retiras lo suficiente para tu seguro médico. Entonces, ¿qué es lo que te motiva a seguir con este proyecto? Considerando el desafío que supone y las exigencias de tiempo y de energía.

Me parece un reto fascinante. Realmente no se me ocurre nada más emocionante en lo que trabajar. Me siento muy privilegiado de vivir en este momento de la historia y más aún de poder trabajar con este equipo en particular. No existe otra forma en la que preferiría pasar los días. Entiendo. Fui muy afortunado y gané mucho dinero al principio de mi carrera.

Entonces, creo que eso fue de gran ayuda. ¿Tienes personas que sean tus mentores? Sí, me siento muy afortunado de haber tenido grandes mentores. También creo que es importante no intentar aprender demasiado de otros y hacer las cosas a mi manera. Siempre he tratado de tener un equilibrio, aunque todavía no lo logré por completo.

Pero creo que una de las cosas mágicas de Silicon Valley es lo mucho que se preocupa la gente por la tutoría y la enseñanza. Y así es como aprendí más de lo que me correspondía. Si tuvieras que elegir una o dos lecciones de tus grandes mentores, ¿cuáles serían? Paul Graham dirigía la que hoy es mi área antes de que yo llegara. Gracias a él, muchas personas y yo aprendimos cómo funcionan las empresas emergentes y cómo se diseña el manual de estrategias para que sean exitosas. Él fue quien nos enseñó, en gran medida, qué es lo que se necesita para crear una organización de alto funcionamiento y cuáles son las trampas que hay que evitar.

Y sin duda, de Elon aprendí todas las cosas que son posibles de hacer y que no necesariamente hay que aceptar que nuestra tecnología no es algo que se puede ignorar. Eso ha sido muy valioso. Creo que estas dos lecciones de las que hablas se pueden ver plasmadas en OpenAI y en todo lo que has logrado en estos últimos años. En nuestro último encuentro, hace un par de años, tú hablabas de estos grandes modelos de lenguaje y actualmente estamos utilizando GPT-4, pero en aquel entonces lo más moderno era GPT-3. Y recuerdo que mencionaste que para pasar del sistema GPT-2 al GPT-3 había que dar solo un pequeño paso. Dijiste que la brecha entre ambos era mínima.

¿Dirías que llegar a GPT-4 también implicó dar otro pequeño paso? Así lo veremos en retrospectiva. Eso creo. En su momento fue un gran cambio, pero en retrospectiva lo veremos diferente. Por un tiempo se sintió como un gran salto, pero la gente ya está preguntando en qué estamos trabajando y cuándo se lanza GPT-5. Y eso está bien, así se maneja el mundo y así es como debe ser. Nos acostumbramos a todo, establecemos nuevas bases muy rápido. Quiero preguntarte, ¿cuáles fueron los conocimientos que adquiriste durante el desarrollo de GPT-4, y en los meses posteriores a su lanzamiento, que fueron diferentes a los de los modelos anteriores?

Creo que terminamos de entrenar GPT-4 unos ocho meses antes de lanzarlo. Y ese fue, con diferencia, el tiempo más largo de prelanzamiento de un modelo. Con GPT-3 aprendimos todas las formas en las que estas cosas pueden fallar cuando las liberas al mundo. Implementamos modelos de forma incremental para darle al mundo tiempo para adaptarse y también para entender qué es lo que podría pasar, cuáles son los riesgos, cuáles son los beneficios y cuáles deberían ser las reglas. Pero no queremos lanzar un modelo defectuoso. Así que dedicamos más tiempo a aplicar lo que aprendimos de las versiones anteriores de GPT. Ahora sabemos que si dedicamos tiempo a alinear, auditar y probar todo nuestro sistema de seguridad, podemos lograr muchos avances. Básicamente, construiste un modelo que es una máquina increíblemente compleja. El precursor, GPT-3, tenía 175 mil millones de parámetros como controles deslizantes en un ecualizador gráfico, y eso es mucha configuración. Y el modelo GPT-4 es aún más grande, aunque no has dicho formalmente cuáles son sus dimensiones. Entonces, mi pregunta es: ¿qué es lo que haces con esa máquina para conseguir que haga lo que queremos y, al mismo tiempo, que no haga lo que no queremos? Ese es el problema de alineación, que es en lo que has trabajado durante ocho meses. Sí.

Quiero dejar algo bien en claro. El hecho de que seamos capaces de alinear GPT-4 no significa que no pueda tener fallas. De eso no hay ninguna duda. Tenemos una enorme cantidad de trabajo por hacer para descubrir cómo vamos a alinear la superinteligencia y sistemas mucho más poderosos que los que tenemos ahora. Me preocupa que la gente piense que hemos resuelto el problema cuando decimos que podemos alinear GPT-4 lo mejor posible, porque no es así. Pero creo que es increíble que podamos tomar el modelo base de GPT-4, que si cualquier persona lo usa, puede comprobar que no es demasiado impresionante. O, al menos, que es extremadamente difícil de usar. Y con relativamente poco esfuerzo y pocos datos, podemos aplicar RLHF y lograr que el modelo sea fácil de utilizar y esté alineado. RLHF significa Aprendizaje por Refuerzo con Retroalimentación Humana. Tengo entendido que esa es la forma en la que la gente responde preguntas de GPT-4 y le indica cuándo ha cumplido con las expectativas y cuándo no.

Así es. Se utilizan pequeñas cantidades de retroalimentación poco sofisticadas. Dado que estos modelos se pueden utilizar con lenguaje natural, es normal pensar que la máquina se alimenta de comentarios muy explicativos y desarrollados. Pero la realidad es que el sistema se basa en algo tan simple como pulgares arriba y pulgares abajo. Y creo que es impresionante que funcione así. Lo que me resulta increíble es la poca cantidad de RLHF en comparación con los miles de millones de palabras con las que se entrenan estos modelos. ¿Cuántos comentarios se necesitan para que sean lo más precisos posible? Eso varía bastante dependiendo del caso,

pero no muchos. Dijiste que no estás entrenando a GPT-5 en este momento y tengo curiosidad de saber por qué. ¿Es porque no hay suficiente información? O, ¿porque no hay suficientes chips de computadora para entrenarlo? O, ¿fue porque identificaste ciertas necesidades cuando estabas creando GPT-4 y pensaste que tenías que descubrir cómo abordarlas antes de construir el siguiente modelo? Estos modelos son muy difíciles de construir. Pasaron casi tres años entre el lanzamiento de GPT-3 y GPT-4. Lleva mucho tiempo y hay mucha investigación por hacer. También hay muchas cosas que queremos hacer con GPT-4 ahora que está terminado, como estudiar el período de posformación. Queremos expandirlo. Es increíble que se pueda lanzar un iPhone cada año, pero nosotros vamos a tener una cadencia de más de un año. Mencionaste que hay mucha más investigación por hacer y hay varios investigadores de IA con mucha experiencia que han dicho que los modelos de lenguaje grande son limitados. Sostienen que estos grandes modelos de lenguaje no aumentarán su nivel de rendimiento y que no se puede construir inteligencia artificial general a partir de ellos. ¿Estás de acuerdo con estas ideas? En primer lugar, creo que la mayoría de esos comentaristas se han equivocado terriblemente sobre lo que los modelos grandes de lenguaje podrán hacer.

Muchos de ellos ahora han pasado a decir que no es que esta tecnología no funcione, sino que lo hace demasiado bien y que tenemos que detenerla porque es demasiado peligrosa. Otros simplemente han dicho que todo esto no supone ningún aprendizaje real. Algunos de los más sofisticados opinan que los grandes modelos de lenguaje funcionan mejor de lo esperado, pero no tanto como la inteligencia artificial general según el paradigma actual. Y eso es cierto, así que creo que debemos esforzarnos lo más que podamos. Pero estamos trabajando duro para intentar descubrir el próximo paradigma. Lo que a mí más me entusiasma del mundo de la inteligencia artificial general es que estos modelos, en algún momento, nos ayudarán a descubrir nuevas ciencias de manera muy rápida y significativa. Pero creo que la forma más rápida de lograr eso es ir más allá del paradigma GPT. Tenemos que trabajar para crear modelos que puedan generar conocimientos, aportar nuevas ideas, descubrir cosas que no se han visto antes.

He estado usando GPT-4 de forma obsesiva. Me alegra saberlo. Sobre todo en los últimos meses, es algo extraordinario. Y siento que a veces intenta generar nuevos conocimientos. Y no tengo pruebas, pero trabajo en el área de investigación y siento que mi teoría puede ser acertada. ¿Qué opinas de esto?

Sí, hay algo de eso. Puede hacer cosas pequeñas, pero no puede autocorregirse y mantenerse lo suficientemente centrado como para que podamos, simplemente, pedirle que cure el cáncer, por ejemplo. Eso no sucederá. Bien. Pero sería bueno que pudiera hacerlo. Hablaste sobre diferentes vías de investigación que podrían ser necesarias. ¿Tienes un par de descubrimientos favoritos que crees que podrían ser el siguiente paso de la humanidad en la construcción de estas tecnologías? No hay nada que me inspire la suficiente confianza como para apostar a eso, pero seguimos buscándolo. Estamos hablando de cuán poderosas son estas tecnologías, pero, obviamente, también tienen ciertas desventajas. Comencemos mencionando una que hoy en día es una realidad. Como sabemos, tanto GPT-4, como también otros grandes modelos de lenguaje son muy buenos para producir texto con sonido humano. Y eso plantea un riesgo de desinformación, más que nada, a medida que nos acercamos a elecciones importantes en Estados Unidos. ¿Qué tan grave consideras que es ese riesgo? Y teniendo en cuenta que ese evento es tan próximo, ¿qué podríamos hacer y en qué podríamos ayudarte? Creo que el tema de la desinformación se está convirtiendo en un gran desafío en el mundo y creo que es un asunto delicado.

Ya hemos desconfiado de cosas que resultaron ser ciertas. Sí. Expulsamos personas de las plataformas por creer que mentían. Entonces, vamos a tener que encontrar un equilibrio. Tenemos que aprender a preservar la capacidad de equivocarnos al momento de exponer información importante sin que nadie piense que todo se trata de desinformación intencional utilizada para manipular. Pero creo que la manipulación de información, hoy en día, es un problema real y hemos visto más de eso a medida que avanza la tecnología. El GPT-3.5 es bueno. Entonces, de haber habido una ola de desinformación, ¿no habría llegado antes? Creo que los humanos ya son buenos generando desinformación y tal vez los modelos GPT lo hagan más fácil. Pero eso no es lo que me preocupa. Si bien es tentador comparar la IA con las redes sociales, son muy diferentes. Puedes generar toda la desinformación que quieras con GPT-4, pero si no se difunde, no servirá de mucho. Entonces, la cuestión está en los canales de difusión.

Pero creo que lo que vale la pena considerar es qué será diferente con la IA y con qué canales que puedan ayudar a difundirla se conectará. Pienso que una cosa que será diferente es la capacidad persuasiva interactiva personalizada que tienen estos sistemas. Entonces, gracias a esta innovación, podría recibir una llamada automática y al atenderla, podría escuchar un texto pronunciado por una voz que suena muy realista. El mensaje leído por la máquina sería personalizado, por lo tanto, sería emocionalmente resonante y extremadamente realista. Creo que ese será el nuevo desafío y hay mucho que hacer al respecto. Podemos incorporar rechazos en los modelos y crear sistemas de seguimiento para que la gente no pueda hacerlo a escala. Pero vamos a tener potentes modelos de código abierto en el mundo y creo que es importante que así sea. Y las técnicas de IA abierta que podemos hacer en nuestros sistemas no funcionarán de la misma manera. Bien, quiero hacer hincapié en esto. OpenAI cuenta con una API, entonces, si algún cliente en particular tiene un mal comportamiento, lo puedes desactivar. Mientras que un modelo de código abierto puede ser ejecutado por cualquier persona en su computadora de escritorio, y eso es mucho más difícil de controlar. Sí. Resolver esto no puede ser solo responsabilidad de OpenAI.

¿Recibes ayuda? Hay regulaciones que podemos implementar que ayudarían con ese problema, pero la verdadera solución es educar a la gente sobre lo que está sucediendo. Hemos pasado por esto antes. Cuando Photoshop se popularizó, hubo un breve período en el que la gente creía que lo que veía en ciertas imágenes era real.

Pero luego aprendió que eso podía ser falso, aunque algunas personas todavía caen en estas cosas. Hoy se sabe que cualquier imagen podría estar manipulada digitalmente. Eso está claro. Lo mismo sucederá con estas nuevas tecnologías, pero cuanto antes podamos educar a la gente al respecto, mejor, porque la resonancia emocional va a ser mucho mayor.

Pasemos a la educación. Aquí estamos en una universidad global. Y, por supuesto, la educación está estrechamente relacionada con el mercado laboral. En ocasiones anteriores hemos visto surgir nuevas tecnologías poderosas que realmente han impactado la dinámica de poder entre trabajadores y empleadores.

Por ejemplo, a finales del siglo XVIII se produjo la pausa de Engels, el momento en Inglaterra en el que el PIB aumentó y los salarios de los trabajadores se estancaron. Cuando analizamos la IA, es posible que veamos algo similar. Y creo que ni tú ni yo queremos que los historiadores del futuro creen el concepto de la pausa de Altman para describir el momento en el que los salarios sufrieron bajo un punto de presión salarial debido al surgimiento de la nueva tecnología. ¿Cuáles son las intervenciones necesarias para garantizar que haya una especie de distribución equitativa de los beneficios de la tecnología? Antes que nada, necesitamos ganancias y crecimiento.

Creo que uno de los problemas del mundo desarrollado es que no tenemos suficiente crecimiento sostenible y eso está causando todo tipo de problemas. Por eso me entusiasma que esta tecnología pueda recuperar los aumentos de productividad que se perdieron en las últimas décadas. Algunas tecnologías reducen la desigualdad por naturaleza y otras la aumentan. No estoy totalmente seguro de qué pasará con esta, pero creo que es una tecnología cuyo objetivo es reducir la desigualdad. Según mi visión con respecto al modelo básico del mundo, el costo de la inteligencia y el costo de la energía son los dos insumos limitantes. Y si podemos hacerlos dramáticamente más baratos y más accesibles, eso ayudará más a los pobres que a los ricos, francamente, aunque la realidad es que ayudará mucho a todos. Esta tecnología beneficiará a todo el mundo. Las personas que están en esta sala pueden acudir a algún tipo de trabajo cognitivo intelectual, pero la mayoría de las personas en el mundo muchas veces no pueden hacerlo.

Y si podemos mercantilizar eso, será una importante fuerza igualadora. ¿Puedo decir algo más? Sí. Yo pienso que surgirán muchos más trabajos junto con esta revolución tecnológica y creo que eso es importante. No creo, en absoluto, que este sea el fin del trabajo. Creo que en el futuro pensaremos que los trabajos que hacemos hoy son mundanos y estaremos haciendo cosas más interesantes. Sigo opinando que tendremos que pensar en la distribución de la riqueza de manera diferente. Y eso está bien. De hecho, cambiamos de opinión después de cada revolución tecnológica. Y dadas las características de la que estamos viviendo hoy, creo que será todo un desafío lograr que el acceso a estos sistemas se distribuya de manera justa. Y en las revoluciones tecnológicas anteriores, lo que nos unió fueron las estructuras políticas. Me refiero al sindicalismo y los colectivos laborales de finales del siglo XIX. Cuando analizamos algo como la inteligencia artificial, ¿te imaginas los tipos de estructuras que se necesitarían para reconocer y redistribuir las ganancias del trabajo no remunerado o mal remunerado que a menudo no se reconoce? Como, por ejemplo, el trabajo que hoy realizan las mujeres en todo el mundo. Creo que habrá un cambio muy importante y también esperado en cuanto a los tipos de trabajo que valoramos hoy en día. Y además, proporcionar conexión humana será, como debería ser, uno de los tipos de trabajo más valorados y ocurrirá de maneras diferentes. Entonces, cuando reflexionamos sobre cómo ha progresado la IA hasta este punto, ¿qué lecciones podemos extraer, si es que hay alguna, sobre el camino hacia la superinteligencia artificial

y cómo podría surgir? ¿Existe realmente la idea de tener una inteligencia artificial que sea más capaz que los humanos en absolutamente todos y cada uno de los ámbitos que conocemos? ¿Cómo puedo resumirlo? Tienes tiempo. Creo que hay muchas cosas que hemos aprendido hasta ahora con respecto a la IA.

Pero una de ellas es que tenemos un algoritmo que puede aprender genuina y verdaderamente, y otra es que predeciblemente mejora con la práctica. Estos dos hechos se dan en conjunto. Y creo que, aunque pensamos en eso todos los días, no valoramos lo importante que es. Esta tecnología seguirá desarrollándose.

Otra observación que quiero destacar es que ocasionalmente tendremos estos aumentos discontinuos que se dan cuando descubrimos algo nuevo. Y además, creo que lo que yo solía pensar con respecto al avance hacia la superinteligencia era que íbamos a construir un sistema extremadamente capaz. Entonces, junto con ese sistema, iban a haber muchos desafíos de seguridad involucrados y ya sabíamos que esa era un área que iba a ser bastante inestable. Pero creo que ahora vemos un camino en el que, en gran medida, construimos herramientas y no criaturas, sino herramientas que se están volviendo cada vez más poderosas.

Y hay miles de millones, incluso billones de copias de estas herramientas que se están utilizando en el mundo para ayudar a las personas a ser mucho más efectivas y capaces. Gracias a ellas, la productividad de las personas puede aumentar drásticamente. Y a medida que va emergiendo la superinteligencia, no solo se desarrolla la capacidad de nuestra red neuronal más grande, sino toda la nueva ciencia que estamos descubriendo y también todas las cosas nuevas que estamos creando. ¿Y qué ocurre con las interacciones entre los billones de otros sistemas? La sociedad que formamos hoy en día es a partir de humanos asistidos por IA que utilizan estas herramientas para construir el conocimiento, la tecnología, las instituciones y las normas. Y ese enfoque de convivir con la superinteligencia me parece increíble en todos los aspectos y prepara un futuro mucho más emocionante para mí y para todos ustedes. Y espero que estén de acuerdo con que no esté todo centrado en un solo supercerebro. Al reflexionar sobre mi conversación con Sam, me sorprende lo dispuesto que está a abordar los riesgos que la IA podría plantear. Tal vez esto se deba a que aún hay mucho que no sabemos sobre la IA, porque se mueve tan rápido que es difícil, incluso, para alguien en la posición de Sam descubrir qué viene después.

 

 

 

ACTIVACION DE LA GLANDULA  PINEAL.

 

En el cerebro existe un secreto sagrado que puede permitirte activar la glándula pineal Y lograr resultados extraordinarios en este video te mostraré exactamente cómo hacerlo es importante comprender que el cuerpo siempre influencia a la mente y viceversa son una unidad inseparable lo cual llamamos conexión mentecuerpo la mayoría de los pensamientos están conectados a ciertos sentimientos que impactan en centros hormonales específicos en el cuerpo Por ejemplo si experimentas enojo liberarás ciertas sustancias químicas que activan el sistema suprarrenal y comienzan a poner en marcha los sistemas de supervivencia del organismo por otro lado si estás sufriendo sientes dolor o te sientes culpable se produce una reacción bioquímica diferente Que activa centros hormonales específicos así la mayoría de los pensamientos y sentimientos consumen gran parte de la energía almacenada en los centros de energía inferiores del cuerpo en la actualidad estos focos energéticos son los encargados de la supervivencia por lo tanto cuando sientes miedo o nerviosismo experimentas una sensación desagradable en el estómago lo cual indica que algo malo está sucediendo vivimos constantemente en un estado de supervivencia en constante lucha o huida esta forma de vida es destructiva e incómoda pero así es como la mayoría de las personas han logrado sobrevivir y pasan gran parte de su vida en estos niveles inferiores de energía sin embargo existe un peligro cuando estamos en modo de supervivencia nuestros pensamientos y sentimientos solo se activan desde estos niveles inferiores esto significa que la mayor parte de nuestra energía mental y física queda atrapada en estos centros inferiores sin embargo si podemos liberar esta energía atrapada en nuestro cerebro podemos activar nuestra glándula pineal y tener experiencias místicas profundas voy a compartir una técnica que he utilizado para tener una experiencia extracorporal completa que transformó mi vida por completo y me

brindó conocimientos que nunca hubiera imaginado obtener Pero antes es importante entender cómo funciona exactamente este proceso lo sorprendente es que el cerebro y la médula espinal están protegidos por un líquido llamado líquido céfalo raquídeo el cual rodea el sistema nervioso este líquido circula hacia arriba y hacia abajo por la columna vertebral aproximadamente cada 12 horas el secreto sagrado del universo radica en que este fluido puede ser dirigido y empujado hacia el cerebro teniendo efectos impactantes en la glándula pineal Además este líquido Está compuesto por proteínas y sales solubles

con carga eléctrica positiva y negativa la sugiere que al acelerar estas cargas eléctricas Se pueden obtener resultados significativos de acuerdo con la física cuando se acelera una molécula cargada se crea un campo invisible conocido como campo de inductancia según la definición del diccionario la inductancia es una propiedad de los circuitos eléctricos en la cual un cambio en el campo magnético produce una fuerza o voltaje electromotriz las proteínas cargadas y las sales presentes en el líquido espinal que se cargan eléctricamente mediante Esta técnica generan sus propios Campos magnéticos y su propia fuerza eléctrica que pueden afectar otras áreas como la glándula pineal lo interesante de esto es que al suceder esto los centros de energía inferiores en el cuerpo comienzan a liberar esa energía atrapada en lugar de permanecer atrapada y generar estrés constante o respuesta de lucha o huida esta energía se libera químicamente y es transportada

03:57

a través del sistema nervioso hacia el cerebro se mueve directamente hasta llegar a la glándula pineal la glándula pineal es una glándula muy específica que produce serotonina y melatonina cuando esta energía alcanza la glándula pineal se desencadena una reacción química intensa que altera los patrones de ondas cerebrales y provoca experiencias lúcidas y místicas por eso se le llama el tercer ojo entiendo que esto es bastante información pero es importante para comprender Cómo convertir Esta técnica en una experiencia del tercer ojo transformadora si disfrutas del video agradecemos que le des un me gusta Te suscribas al Canal y actives las notificaciones para mantenerte al tanto de todo lo que tenemos preparado para ti valoramos tu interés lo que es realmente fascinante es que hay una nueva forma de biomineralización que se ha estudiado en la glándula pineal humana y y que consiste en pequeños cristales de carbonato de calcio Hay un montón de

Pequeños cristales y la investigación científica ha demostrado que la glándula pineal ha sido llamada un transductor neuroendocrino con funciones fotoeléctricas y propiedades sé que son muchas palabras es como vamos déjame tener una experiencia Mística pero analicemos esas palabras la palabra fisio eléctrico se deriva de las palabras griegas faing que significa apretar o presionar y fiso que significa empujar si haces Esta técnica estás empujando ese líquido cefalorraquídeo cargado eléctricamente hacia la glándula pineal ejerciendo tensión y fuerza contra ella ahora ya que la glándula pineal contiene estos pequeños cristales de calcita hechos de calcio carbono y oxígeno al aplicar presión en la glándula pineal y los cristales diminutos que emiten un campo electromagnético resonante la glándula se convierte en una pequeña antena multidimensional al igual que una antena la glándula pineal tiene la capacidad de activarse eléctricamente y generar Campos electromagnéticos que pueden sintonizar información de dimensiones superiores estos Campos transportan información invisible y una vez que la antena logra captar la señal precisa del campo electromagnético la convierte en una imagen o mensaje significativo si tomas un momento ahora mismo y observas tu entorno notarás que el espacio en el que te encuentras está saturado de ondas de TV radio y WiFi que abarcan distintos rangos de frecuencia de energía electromagnética invisible estas ondas no pueden ser percibidas por nuestros ojos pero siguen presentes por ejemplo cuando una antena capta un Rango de frecuencias y lo transmite a tu televisor se transforma en una imagen compuesta por fotones de luz en la pantalla del mismo modo al sintonizar una estación de radio FM estás Ajustando tu antena a una frecuencia electromagnética específica para recibir información transmitida a través de ella esta información es luego convertida en una señal coherente que podemos escuchar como música. En resumen la glándula pineal realiza un proceso similar una vez activada mediante esta técnica,  con ella podrás acceder a información que es inaccesible desde nuestra realidad tridimensional podrás obtener dicha información desde el campo cuántico y tu cerebro empezará a traducir las frecuencias que transportan esa información en imágenes profundas experimentarás una completa experiencia sensorial sin la necesidad de utilizar tus sentidos y esta será más real que el mundo físico en el que te encuentras actualmente ahora es el momento de aprender la técnica simplemente debes tocar tu vientre con tu dedo para encontrar un punto de concentración luego cierra los ojos y comienza a inhalar y exhalar mientras inhalas y exhalas contrae tus músculos abdominales y respira por la nariz mientras realizas esta contracción este acto permitirá extraer la energía atrapada y estancada en tu cuerpo Pero a dónde queremos que vaya esa energía queremos dirigirla directamente hacia la parte superior de nuestra cabeza lo que yo suelo hacer es tocar entre mis cejas justo en el lugar donde se encuentra mi tercer ojo puedes poner tu dedo allí y ejercer presión suavemente o simplemente tocar ligeramente esa área luego al cerrar los ojos hacia dentro y hacia afuera Puedes colocar otro dedo en el lugar entre tu ombligo al inhalar contrae los músculos abdominales nuevamente cada vez que inhalas imagina tu columna vertebral como un túnel lleno de energía lumínica y muévela hacia arriba desde tu abdomen inferior hasta tu pecho pasando por tu garganta y finalmente llegando a tu cerebro con cada exhalación imagina que la energía se libera desde tu tercer ojo si haces Tapping en esta área con cada exhalación estás expulsando esa energía este proceso funciona como un una bomba que impulsa el líquido cefalorraquídeo hacia arriba al inhalar y exhalar generando relajación cada vez que practiques esto sentirás como la energía se acumula más y más te recomendaría conseguir música adecuada para este proceso dirige tu atención directamente hacia el ombligo y coloca tu dedo allí mientras contraes esos músculos abdominales con cada inhalación y exhalación imagina cómo esa

energía asciende a través de tu columna vertebral hasta llegar a tu Cerebro El objetivo de mover esta energía en el líquido espinal es liberarla del bloqueo en ese punto específico la glándula pineal ubicada cerca de los cristales dentro de esta con más práctica esta energía comenzará a fluir aún más libremente si realizas este ejercicio durante 5 10 o 15 minutos al día llegarás a un punto en el que realmente sentirás como esa energía golpea tu cerebro si no sientes miedo ante esta sensación de energía intensa podrás empezar a moverte junto con ella te agradezco por acompañarme hasta el final si disfrutaste de este video

 

 

 

 

 

En el cerebro existe un secreto sagrado que puede permitirte activar la glándula pineal Y lograr resultados extraordinarios en este video te mostraré exactamente cómo hacerlo es importante comprender que el cuerpo siempre influencia a la mente y viceversa son una unidad inseparable lo cual llamamos conexión mentecuerpo la mayoría de los pensamientos están conectados a ciertos sentimientos que impactan en centros hormonales específicos en el cuerpo Por ejemplo si experimentas enojo liberarás ciertas sustancias químicas que activan el sistema suprarrenal y comienzan a poner en marcha los sistemas de supervivencia del organismo por otro lado si estás sufriendo sientes dolor o te sientes culpable se produce una reacción bioquímica diferente Que activa centros hormonales específicos así la mayoría de los pensamientos y sentimientos consumen gran parte de la energía almacenada en los centros de energía inferiores del cuerpo en la actualidad estos focos energéticos son los encargados de la supervivencia por lo tanto cuando sientes miedo o nerviosismo experimentas una sensación desagradable en el estómago lo cual indica que algo malo está sucediendo vivimos constantemente en un estado de supervivencia en constante lucha o huida esta forma de vida es destructiva e incómoda pero así es como la mayoría de las personas han logrado sobrevivir y pasan gran parte de su vida en estos niveles inferiores de energía sin embargo existe un peligro cuando estamos en modo de supervivencia nuestros pensamientos y sentimientos solo se activan desde estos niveles inferiores esto significa que la mayor parte de nuestra energía mental y física queda atrapada en estos centros inferiores sin embargo si podemos liberar esta energía atrapada en nuestro cerebro podemos activar nuestra glándula pineal y tener experiencias místicas profundas voy a compartir una técnica que he utilizado para tener una experiencia extracorporal completa que transformó mi vida por completo y me

brindó conocimientos que nunca hubiera imaginado obtener Pero antes es importante entender cómo funciona exactamente este proceso lo sorprendente es que el cerebro y la médula espinal están protegidos por un líquido llamado líquido céfalo raquídeo el cual rodea el sistema nervioso este líquido circula hacia arriba y hacia abajo por la columna vertebral aproximadamente cada 12 horas el secreto sagrado del universo radica en que este fluido puede ser dirigido y empujado hacia el cerebro teniendo efectos impactantes en la glándula pineal Además este líquido Está compuesto por proteínas y sales solubles

con carga eléctrica positiva y negativa la sugiere que al acelerar estas cargas eléctricas Se pueden obtener resultados significativos de acuerdo con la física cuando se acelera una molécula cargada se crea un campo invisible conocido como campo de inductancia según la definición del diccionario la inductancia es una propiedad de los circuitos eléctricos en la cual un cambio en el campo magnético produce una fuerza o voltaje electromotriz las proteínas cargadas y las sales presentes en el líquido espinal que se cargan eléctricamente mediante Esta técnica generan sus propios Campos magnéticos y su propia fuerza eléctrica que pueden afectar otras áreas como la glándula pineal lo interesante de esto es que al suceder esto los centros de energía inferiores en el cuerpo comienzan a liberar esa energía atrapada en lugar de permanecer atrapada y generar estrés constante o respuesta de lucha o huida esta energía se libera químicamente y es transportada

03:57

a través del sistema nervioso hacia el cerebro se mueve directamente hasta llegar a la glándula pineal la glándula pineal es una glándula muy específica que produce serotonina y melatonina cuando esta energía alcanza la glándula pineal se desencadena una reacción química intensa que altera los patrones de ondas cerebrales y provoca experiencias lúcidas y místicas por eso se le llama el tercer ojo entiendo que esto es bastante información pero es importante para comprender Cómo convertir Esta técnica en una experiencia del tercer ojo transformadora si disfrutas del video agradecemos que le des un me gusta Te suscribas al Canal y actives las notificaciones para mantenerte al tanto de todo lo que tenemos preparado para ti valoramos tu interés lo que es realmente fascinante es que hay una nueva forma de biomineralización que se ha estudiado en la glándula pineal humana y y que consiste en pequeños cristales de carbonato de calcio Hay un montón de

Pequeños cristales y la investigación científica ha demostrado que la glándula pineal ha sido llamada un transductor neuroendocrino con funciones fotoeléctricas y propiedades sé que son muchas palabras es como vamos déjame tener una experiencia Mística pero analicemos esas palabras la palabra fisio eléctrico se deriva de las palabras griegas faing que significa apretar o presionar y fiso que significa empujar si haces Esta técnica estás empujando ese líquido cefalorraquídeo cargado eléctricamente hacia la glándula pineal ejerciendo tensión y fuerza contra ella ahora ya que la glándula pineal contiene estos pequeños cristales de calcita hechos de calcio carbono y oxígeno al aplicar presión en la glándula pineal y los cristales diminutos que emiten un campo electromagnético resonante la glándula se convierte en una pequeña antena multidimensional al igual que una antena la glándula pineal tiene la capacidad de activarse eléctricamente y generar Campos electromagnéticos que pueden sintonizar información de dimensiones superiores estos Campos transportan información invisible y una vez que la antena logra captar la señal precisa del campo electromagnético la convierte en una imagen o mensaje significativo si tomas un momento ahora mismo y observas tu entorno notarás que el espacio en el que te encuentras está saturado de ondas de TV radio y WiFi que abarcan distintos rangos de frecuencia de energía electromagnética invisible estas ondas no pueden ser percibidas por nuestros ojos pero siguen presentes por ejemplo cuando una antena capta un Rango de frecuencias y lo transmite a tu televisor se transforma en una imagen compuesta por fotones de luz en la pantalla del mismo modo al sintonizar una estación de radio FM estás Ajustando tu antena a una frecuencia electromagnética específica para recibir información transmitida a través de ella esta información es luego convertida en una señal coherente que podemos escuchar como música. En resumen la glándula pineal realiza un proceso similar una vez activada mediante esta técnica,  con ella podrás acceder a información que es inaccesible desde nuestra realidad tridimensional podrás obtener dicha información desde el campo cuántico y tu cerebro empezará a traducir las frecuencias que transportan esa información en imágenes profundas experimentarás una completa experiencia sensorial sin la necesidad de utilizar tus sentidos y esta será más real que el mundo físico en el que te encuentras actualmente ahora es el momento de aprender la técnica simplemente debes tocar tu vientre con tu dedo para encontrar un punto de concentración luego cierra los ojos y comienza a inhalar y exhalar mientras inhalas y exhalas contrae tus músculos abdominales y respira por la nariz mientras realizas esta contracción este acto permitirá extraer la energía atrapada y estancada en tu cuerpo Pero a dónde queremos que vaya esa energía queremos dirigirla directamente hacia la parte superior de nuestra cabeza lo que yo suelo hacer es tocar entre mis cejas justo en el lugar donde se encuentra mi tercer ojo puedes poner tu dedo allí y ejercer presión suavemente o simplemente tocar ligeramente esa área luego al cerrar los ojos hacia dentro y hacia afuera Puedes colocar otro dedo en el lugar entre tu ombligo al inhalar contrae los músculos abdominales nuevamente cada vez que inhalas imagina tu columna vertebral como un túnel lleno de energía lumínica y muévela hacia arriba desde tu abdomen inferior hasta tu pecho pasando por tu garganta y finalmente llegando a tu cerebro con cada exhalación imagina que la energía se libera desde tu tercer ojo si haces Tapping en esta área con cada exhalación estás expulsando esa energía este proceso funciona como un una bomba que impulsa el líquido cefalorraquídeo hacia arriba al inhalar y exhalar generando relajación cada vez que practiques esto sentirás como la energía se acumula más y más te recomendaría conseguir música adecuada para este proceso dirige tu atención directamente hacia el ombligo y coloca tu dedo allí mientras contraes esos músculos abdominales con cada inhalación y exhalación imagina cómo esa

energía asciende a través de tu columna vertebral hasta llegar a tu Cerebro El objetivo de mover esta energía en el líquido espinal es liberarla del bloqueo en ese punto específico la glándula pineal ubicada cerca de los cristales dentro de esta con más práctica esta energía comenzará a fluir aún más libremente si realizas este ejercicio durante 5 10 o 15 minutos al día llegarás a un punto en el que realmente sentirás como esa energía golpea tu cerebro si no sientes miedo ante esta sensación de energía intensa podrás empezar a moverte junto con ella te agradezco por acompañarme hasta el final si disfrutaste de este video