Fernando de la Rosa

@sandro_pozzi No va a ir ni el tato a ver el mundial…

Y todo esto a las puertas del Mundial

Es bueno recordarlo... frente al relato... datos

🥽👩‍🎓#Evento #Formacion IA Hub: workshops y masterclasses sobre IA aplicada 📅 Marzo y abril 👉Más información : spainaudiovisualhub.digital.gob.es/es/actualidad/… cc @TITONET

@rsbutragueno buuuuuu

Fue más innovador el doble portero que el falso nueve.

@joantubau @ecorami Compra el periódico en papel y lo enmarcas 😃

En el podcast de La Vanguardia lavanguardia.com/dinero/bolsill…

El feminismo no es una lucha ideológica, es una lucha por la igualdad. Y te lo explico con datos open.substack.com/pub/titonet/p/…

@gabrielrufian Incluyes a los taxistas y sus licencias? Es que esto del capitalismo no hay quien lo pare…

Ni reformar más. Ni construir más. Ni subvencionar más. INTERVENCIÓN del mercado. El problema se llama: ESPECULACIÓN. Y no se soluciona con parches, se soluciona gravando y PROHIBIENDO la compra especulativa de vivienda. Que las familias dejen de competir con millonarios o con fondos millonarios. Quien quiera hacerse rico que se compre un cupón de la once pero no una vivienda. Una FAMILIA, una CASA.

@alfonsosiri @jlhortelano Todo se repite

@jlhortelano La IA nos dará muchas respuestas, pero tendremos que ir hacia atrás reformulando preguntas, encontrando el "know why". Recuerdo también a @TITONET advirtiendo que la práctica del marketing ha derivado en un number crunching sin entender los conceptos básicos.

Google DeepMind acaba de hacer algo que creo que va a pasar desapercibido para la mayoría pero que tiene implicaciones muy importantes. Han cogido AlphaEvolve (su sistema de IA que "evoluciona" código como si fuese selección natural) y lo han puesto a diseñar algoritmos de teoría de juegos. No a ejecutarlos. No a optimizar parámetros. A inventar algoritmos nuevos desde cero. Y los algoritmos que ha descubierto funcionan mejor que los que los investigadores humanos llevan años perfeccionando. Vamos por partes, que esto tiene miga. Primero, el contexto. En teoría de juegos hay dos grandes familias de algoritmos para resolver juegos de información imperfecta (como el póker): CFR y PSRO. Llevan décadas siendo la base de todo. Los investigadores los mejoran publicando variantes — ajustando pesos, cambiando fórmulas de descuento, probando combinaciones. Es un trabajo lento, basado en intuición y papers de conferencias. Lo que ha hecho DeepMind es tratar el diseño de esos algoritmos como un problema de búsqueda. En vez de que un investigador piense "¿y si ajusto este parámetro?", AlphaEvolve trata el código fuente del algoritmo como un genoma que puede mutar, recombinar y seleccionar. No ajusta números. Reescribe lógica. Puede inventar operaciones nuevas que no existían. ¿El resultado? Dos algoritmos nuevos. El primero, VAD-CFR, introduce algo que ningún investigador humano habría probado: un mecanismo de "calentamiento" que filtra el ruido de las primeras iteraciones y pesos que se adaptan a la volatilidad de cada momento del entrenamiento. Lo probaron en 11 juegos distintos. Lo entrenaron solo en 4. Y los mecanismos funcionaron en los 7 que no había visto nunca. Es decir, no son trucos específicos para un juego — la lógica se generaliza. El segundo, SHOR-PSRO, descubrió por su cuenta algo que a un humano le costaría plantear: que el algoritmo que usas para entrenar y el que usas para evaluar deberían ser diferentes. Arranca explorando de forma agresiva y gradualmente va apretando hacia el equilibrio exacto. Esa asimetría es contraintuitiva (normalmente usas el mismo algoritmo en ambas fases) y sin embargo funciona mejor. Ahora bien, seamos realistas sobre el alcance. Estamos hablando de juegos relativamente pequeños. Variantes de póker, dados, Goofspiel. No es StarCraft. No son sistemas multiagente a gran escala del mundo real. Los algoritmos descubiertos no tienen garantías teóricas de convergencia — funcionan empíricamente, pero no están formalmente demostrados. Y ya había trabajo previo (DDCFR, 2023) que intentaba aprender parámetros de descuento con reinforcement learning. La diferencia es que esos enfoques anteriores ajustaban botones que ya existían. AlphaEvolve puede inventar botones nuevos. Esa distinción es clave: optimizar parámetros encuentra mejores ajustes. Evolucionar código encuentra mejores algoritmos. Y creo que ahí está la idea de fondo que merece la pena retener. El diseño de algoritmos siempre ha sido un proceso artesanal. Un investigador tiene una intuición, la formaliza, la prueba, publica un paper y otro investigador construye encima. Es lento. Es brillante. Y ha funcionado durante décadas. Lo que DeepMind está proponiendo (y demostrando) es que ese espacio de posibles algoritmos es tan enorme que la exploración humana solo araña la superficie. AlphaEvolve no entiende teoría de juegos. No tiene intuición. Pero explora ese espacio a una velocidad y con una amplitud que ningún equipo humano puede igualar. Y ya está encontrando cosas que los humanos no habían visto. Me recuerda a algo que llevo diciendo desde hace tiempo: la IA no va a sustituir al investigador. Pero el investigador que use IA va a dejar atrás al que no la use. Esto no es "la IA reemplaza a los diseñadores de algoritmos." Es que diseñar algoritmos acaba de convertirse en un problema que la IA puede ayudar a resolver. Y eso lo cambia todo... aunque suene menos llamativo que un titular sobre la singularidad. Estoy convencido de que vamos a ver esto en muchos más campos. La IA como herramienta de exploración de espacios de diseño que los humanos no podemos recorrer solos. Fármacos, materiales, arquitectura de redes, logística. El patrón es el mismo: hay un espacio enorme de posibilidades, la intuición humana explora un rincón, y la IA puede explorar el resto. La pregunta es si estamos preparados para aceptar que un algoritmo diseñado por una máquina (que no "entiende" lo que hace) puede ser mejor que el nuestro. Me da que a más de uno le va a costar ;) Paper: arxiv.org/abs/2602.16928

Estampas en el MWC @TITONET

Que suerte la mía!!!

Días como hoy siempre me viene a la cabeza lo de "Alemania ha declarado la guerra a Rusia. Por la tarde, fui a nadar". F. Kafka.

@XaviGasso @BNPPARIBASOPEN @janniksin no pido tanto... solo una vez darle así.... con esa velocidad.... una vez....

Este video cenital del @BNPPARIBASOPEN durante un entrenamiento de @janniksin me flipa. Se ve tan diferente el tenis desde este ángulo. El swing de la derecha… Es brutal.

es una aberración, se mire por donde se mire.

@joantubau Por cual empiezo? 😂

Marco de uso responsable de la IA generativa, by @TITONET open.substack.com/pub/titonet/p/… | No todo vale... o no debería valer 🤔

@joantubau 1. Muchas felicidades! Muchas ganas de leerlo 2. Creo que ya lo dijiste, pero qué día lo presentas y donde a ver si me puedo apuntar nota: un dato, tienes tantos libros como hijos ;)

Hoy sale publicado FY$ 💸💸💸

el mayor robo de la historia...

El sentido crítico en tiempos de IA, by @TITONET open.substack.com/pub/titonet/p/… | Todos alucinamos un poco... 😉

La última avisa como se distribuye ese 60% - spoiler. solo un 2% la usan bien. Elige la gráfica que más te encaja en tu narrativa.

, la otra hace un filtro de las personas en edad laboral, fuera umbral de pobreza. De ese filtro sale que el 60% la ha probado.

Tres gráficas. 1- Una que mira al mundo y dice cuantos han probado la IA (16%)