El Fin Del Conocimiento - Bóveda 4/55 - IA Para Bien - 2020 - Resolución colectiva de problemas con IA

graph LR classDef main fill:#f9f9f9, font-weight:bold, font-size:14px classDef aiGood fill:#ffcc99, font-weight:bold, font-size:14px classDef tracing fill:#ccff99, font-weight:bold, font-size:14px classDef discovery fill:#99ccff, font-weight:bold, font-size:14px classDef urgency fill:#ff99cc, font-weight:bold, font-size:14px classDef quantum fill:#ccccff, font-weight:bold, font-size:14px classDef community fill:#ffccff, font-weight:bold, font-size:14px classDef future fill:#cc99ff, font-weight:bold, font-size:14px classDef loop fill:#99ccff, font-weight:bold, font-size:14px A["Resolución colectiva de problemas
con IA"] A --> B["IA para Bien
Iniciativas"] B --> B1["IA para rastreo de contactos,
descubrimiento de medicamentos. 1"] B --> B2["Los investigadores deben entender
el impacto social. 2"] B --> B3["Carrera de sabiduría:
progreso tecnológico vs. mal uso. 3"] A --> C["Rastreo de Contactos"] C --> C1["La app Covi usa
síntomas autoinformados. 4"] C --> C2["Covi supera
el rastreo manual. 5"] C --> C3["Desafío de privacidad:
mensajes de riesgo cuantizados. 6"] A --> D["Descubrimiento de Medicamentos"] D --> D1["Aprendizaje activo para
descubrimiento eficiente de medicamentos. 7"] D --> D2["Redes neuronales gráficas
para estructura molecular. 8"] D --> D3["Aprendizaje por refuerzo
para candidatos a medicamentos. 9"] D --> D4["El modelo actual incentiva
el secreto. 10"] A --> E["Urgencia Científica"] E --> E1["Urgencia de la ciencia
para problemas globales. 11"] E --> E2["IA acelera
el descubrimiento científico. 12"] E --> E3["IA guía la retrosíntesis,
síntesis robótica. 13"] E --> E4["Innovaciones impulsadas por IA
en cinco años. 14"] A --> F["Computación Cuántica"] F --> F1["Se necesitan computadoras cuánticas
para simulaciones. 15"] F --> F2["IBM apunta a
máquina de 1000+ qubits. 16"] F --> F3["Circuitos cuánticos incrustados
en programas. 17"] F --> F4["Comunidad cuántica usando
servicio en la nube de IBM. 18"] A --> G["Comunidad y Colaboración"] G --> G1["Escalando computadoras cuánticas
para descubrimiento. 19"] G --> G2["Esfuerzos de descubrimiento
colaborativos y multidisciplinarios. 20"] G --> G3["Ejemplo del consorcio HPC
COVID-19. 21"] G --> G4["Consorcio: 85+ proyectos,
600 petaflops. 22"] A --> H["Preparación para el Futuro y Diversidad"] H --> H1["Reserva de preparación científica
para desafíos. 23"] H --> H2["Diversidad de modelos de innovación
ventajosa. 24"] H --> H3["IA, nanotecnología para
tratamientos COVID-19. 25"] H --> H4["Conocimiento indígena en
descubrimiento de medicamentos. 26"] A --> I["Cerrando el Ciclo"] I --> I1["Implementando soluciones
descubiertas. 27"] I --> I2["Tecnología insuficiente
colaboración clave. 28"] I --> I3["Ciclo virtuoso de
investigación, aplicaciones. 29"] I --> I4["Nuevo contrato social
para la ciencia. 30"] class A main class B,B1,B2,B3 aiGood class C,C1,C2,C3 tracing class D,D1,D2,D3,D4 discovery class E,E1,E2,E3,E4 urgency class F,F1,F2,F3,F4 quantum class G,G1,G2,G3,G4 community class H,H1,H2,H3,H4 future class I,I1,I2,I3,I4 loop

Resumen:

1.- Joshua Bengio discute proyectos de IA para bien en rastreo de contactos y descubrimiento de medicamentos para combatir COVID-19.

2.- Los investigadores de IA deben entender el impacto social de su trabajo y colaborar con expertos en otros campos.

3.- Existe una carrera de sabiduría entre el progreso tecnológico y la sabiduría colectiva. La IA puede ser utilizada para el bien o mal utilizada por los poderosos.

4.- La app de rastreo de contactos Covi utiliza síntomas autoinformados para proporcionar advertencias tempranas y ayudar a las personas a evitar infectar a otros.

5.- Un modelo epidemiológico simula diferentes estrategias de rastreo de contactos. Covi supera al rastreo manual y digital binario.

6.- La privacidad es un gran desafío. Los mensajes de riesgo se cuantizan para evitar identificar a individuos. Las recomendaciones de comportamiento usan solo 2 bits.

7.- El aprendizaje activo equilibra la exploración de candidatos inciertos y la explotación de prometedores para descubrir nuevos medicamentos de manera eficiente.

8.- Las redes neuronales gráficas pueden extender el aprendizaje profundo a gráficos de estructura molecular y gráficos de interacción proteína-medicamento.

9.- El aprendizaje por refuerzo puede generar candidatos a medicamentos realizando una serie de cambios moleculares para optimizar la recompensa de afinidad de unión.

10.- El descubrimiento actual de medicamentos incentiva el secreto sobre compartir datos y conocimiento. Un modelo alternativo más cercano a la academia podría alinear mejor los incentivos.

11.- Dario Gil discute la urgencia de la ciencia durante la pandemia y más allá, para resolver problemas globales complejos.

12.- La IA está inaugurando una era de descubrimiento científico acelerado, mejorando cada paso del método científico.

13.- La IA puede aplicarse al lenguaje de la química para guiar la planificación de retrosíntesis y permitir la síntesis robótica de moléculas.

14.- En 5 años, las innovaciones impulsadas por IA en materiales podrían impactar la captura de carbono, fertilizantes, baterías, materiales electrónicos y medicamentos antivirales.

15.- Se necesitan computadoras cuánticas para simular eficientemente sistemas mecánicos cuánticos en química y física, ya que las computadoras clásicas escalan exponencialmente.

16.- Los qubits superconductores permiten un control exquisito para crear computadoras cuánticas. IBM apunta a construir una máquina de 1000+ qubits para 2023.

17.- Los circuitos cuánticos se incrustarán en programas clásicos y se ejecutarán en hardware cuántico a través de la nube.

18.- Una comunidad de computación cuántica en rápido crecimiento está explorando aplicaciones en ciencia, investigación, educación y software utilizando el servicio en la nube cuántica de IBM.

19.- Escalar computadoras cuánticas en la próxima década podría permitir un nuevo paradigma de simulación cuántica inteligente y descubrimiento.

20.- Acelerar la ciencia también requiere comunidades de descubrimiento: esfuerzos colaborativos y multidisciplinarios entre academia, industria y gobierno.

21.- El Consorcio HPC COVID-19 ejemplifica una comunidad de descubrimiento: agregando poder de supercomputación y emparejándolo con propuestas de investigación.

22.- El consorcio ha crecido a más de 85 proyectos en terapias, vacunas, virología y epidemiología, habilitado por 600 petaflops de poder de cómputo.

23.- Necesitamos instituciones como una "reserva de preparación científica" para movilizar y coordinar proactivamente el talento científico para resolver desafíos críticos.

24.- La diversidad de modelos de innovación, desde individual hasta institucional y orientado a la comunidad, proporciona una ventaja competitiva para resolver problemas difíciles.

25.- Se están explorando la IA y la nanotecnología para desarrollar tratamientos para COVID-19 como alternativas potenciales a las vacunas, aunque las vacunas siguen siendo prometedoras.

26.- El conocimiento tradicional de las comunidades indígenas podría informar el descubrimiento computacional de medicamentos cuando se combina con simulación y validación de IA.

27.- Las comunidades científicas deben cerrar el ciclo entre descubrir soluciones e implementarlas para resolver problemas del mundo real.

28.- La tecnología por sí sola es insuficiente: la creatividad científica humana y la colaboración entre los propietarios de problemas y los solucionadores son clave.

29.- Resolver problemas lleva a nuevas preguntas y descubrimientos, creando un ciclo virtuoso entre la investigación fundamental y las aplicaciones.

30.- Necesitamos un nuevo contrato social y mecanismos de apoyo para que la ciencia se eleve a la urgencia de nuestros mayores desafíos.

Bóveda del Conocimiento construida porDavid Vivancos 2024