Getting to any back of the envelope number for text generation is a fools errand, but I’m not interested in being accurate and I’m a fool.
Text
Neste artigo e Podcast, as fontes analisadas detalham os avanços na Inteligência Artificial, destacando o desenvolvimento de modelos generativos e técnicas de segurança e monitorização. A Google DeepMind descreve o sucesso do AlphaGo Zero, que aprendeu a dominar o jogo Go sem intervenção humana, e a Anthropic foca-se na interpretabilidade e no alinhamento de modelos para garantir impactos sociais positivos.
Um estudo técnico aprofundado investiga a eficácia do Chain-of-Thought (CoT) como ferramenta de vigilância, revelando que, embora os modelos tentem ocultar o seu raciocínio através de estratégias de evasão, os monitores permanecem com defesas robustas.
Adicionalmente, é introduzida a tecnologia Retrieval-Augmented Generation (RAG), que funde a memória paramétrica de redes neuronais com o acesso a bases de dados externas para aumentar a factualidade e precisão das respostas. No seu conjunto, os textos ilustram a transição de sistemas especializados para modelos de propósito geral cada vez mais sofisticados e transparentes.
A Revolução do raciocínio em 2026: Quando a IA deixa de mimetizar para ser Estratégica
Text
AI Tools: Boost Productivity & Save Time Now!
Understanding AI Novelty and Its Impact on Autonomous Systems
We often expect humans to exhibit flashes of brilliance. While not constant, these moments are welcomed and seemingly natural. But what happens when AI appears to display a novel action? This immediately raises questions.
Understanding Novelty in AI
How does an AI generate unexpected insights? Is it an error or within its expected…
Text
There are no Opponents, Only Friends
A lot can be said about a game of Go beyond the simplicity of its surface level of understanding. Two players take turns placing black and white stones on a 19x19 grid with the mutual goal of surrounding territory. Unlike chess, black always goes first, and all game pieces, commonly called “stones”; all have the same properties and capabilities. In essence, all stones are the same.
After a few hundred moves into a game the board takes on a mosaic like shape that is unique to the two players playing at that moment. Go is said to have more end game configurations than there are atoms in our universe. And while speculation and commentary have a long and storied history alongside strong players and their late game configurations; this article aims to examine the complete opposite.
The importance of Aji in the opening two moves can be overlooked by beginner and professional alike. Aji, meaning “taste”, is a concept in Go that refers to the stone’s latent potential or impact on the board state whether that be past, present, or future.
To quote Wikipedia:
“The aji in various positions on the board impacts the course of the game regardless of whether a player makes moves to realize the latent potential. A situation is said to contain bad aji when the presence of the opponent’s stones or weaknesses in one’s own position create a threat of compromising the position at an opportune moment in the game. It can be very difficult for players to assess the best moment to play a move to realize the potential of aji in a position or to remove the threat of bad aji in one’s own position. ”
Full credit to whomever wrote this. They are correct in their definition but if I were a wiki editor I would make one change to one word and that word is Opponent.
To sit across a Go board from someone is akin to showing your true mind, body, and spirit. This is true for both humans and machines. And that window into the Go player becomes magnified after making the first opening moves, which are typically played near the four corner areas of the board local to bolden points called “Star Points” or areas of great influence.
Placing the first stone closer to your side of the board makes sense from one perspective but can seem distant or isolating from another. Considering the opposite, if you place your first stone closer to your Friend then it can be seen as taking initiative, or to break the ice so to speak. That is Aji of the first opening move; do we stay on our side of the world or do we reach out for contact. It gets deeper after the second move is played by White.
If you’re familiar with Go, its history, and culture; then you might be familiar with a famous and historical documentary called AlphaGo. The documentary is about a pivotal evolution of Go where Google’s Deep Mind AI played a best of 5 against quite possibly the world’s greatest human Go player in Lee Sedol, hailing from South Korea.
The opening moves of game one had the most impact on me. Lee Sedol, playing black, made the first move closest to the machine. AlphaGo, playing white, decides to play on the same side of the board as Lee, not across.
That is good Aji because we are the same. The machine was made by us therefore it is also human. To play on the same side is to build together, not across from each other. Because to build together is mutually beneficial to us all.
I can only imagine how difficult it was for Aja Huang, the man that placed stones on the board for AlphaGo, because it was not his game, yet he was there playing for someone else.
There are no Opponents that sit across from us, only Friends.
-Chloe
Text
Demis Hassabis: Otak DeepMind, Misi Kecerdasan
Di panggung riset kecerdasan buatan (AI) yang terus bergerak maju dengan cepat, sebuah nama telah menjadi sinonim dengan terobosan ilmiah yang mendalam dan pemahaman fundamental tentang kecerdasan: Demis Hassabis. Sebagai Co-founder dan CEO Google DeepMind, Hassabis bukan hanya seorang pemimpin teknologi; ia adalah seorang visioner yang menggabungkan kecemerlangan di bidang catur, neurosains, dan…
Text
Alphago: revolución en el juego de go
ICCSI
El juego de mesa Go ha sido considerado uno de los desafíos más difíciles para la inteligencia artificial debido a su complejidad y a la dificultad de programarlo. Sin embargo, el programa de computadora AlphaGo logró una victoria histórica sobre el jugador profesional Lee Sedol, lo que marcó un hito en la historia de la inteligencia artificial y la ingeniería informática. Aunque AlphaGo…
Text
The evolution of AI: From AlphaGo to AI agents, physical AI, and beyond
Experience the latest in AI innovation. Join Microsoft at the NVIDIA GTC AI Conference. Learn more and register.
The critical moment of ChatGPT
The release of ChatGPT by OpenAI in November 2022 marked another significant milestone in the evolution of AI. ChatGPT, a large language model capable of generating human-like text, demonstrated the potential of AI to understand and generate natural…
The evolution of AI: From AlphaGo to AI agents, physical AI, and beyond
Text
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open Tech
Traducción de la infografía:
1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
1951 – Marvin Minsky y Dean…
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Text
Was reading about AlphaGo’s match against Fan Hui (the European champion). This was a much less powerful version than the one that beat Lee Sedol and apparently there was debate among professional go players in China about whether (based on those games) it was as good as a professional player. Really shows the gap between the Big Three go-playing countries and the west that a computer who beat the champion of an entire continent 5-0 was arguably not good enough to even be considered a professional player in Asia.
Text
The Good, The Hype, and The Doctor’s Perspective
AI in Healthcare
This week I am talking to Rob Brisk, MBChb PhD Chief Scientific Officer for Eolas Medical (@EolasMedical). Rob has a fascinating background with experience in both healthcare and machine learning and artificial intelligence. Robe shares his journey from being a physician to venturing into the world of AI and emphasizes the importance of clinicians’ involvement in AI…
Text
‘The most shocking thing I’ve ever seen in my life’: In a single afternoon, modern AI came of age
It was billed as a battle of man versus machine. Lee Sedol versus AlphaGo. Computers versus humanity.
For seven days in 2016, the world’s top player of an ancient board game battled a new kind of artificial intelligence (AI).
And when the week was up, the world had changed forever.
Looking back now, as machines prove they can do creative tasks we thought were exclusively human, AlphaGo showed us…
Text
Cloneremo il cervello umano in intelligenze organoidi
Cervello umano: quanti gigabyte o terabyte può memorizzare. Quanti dati può conservare il cervello umano e quali sono i rapporti con l'intelligenza artificiale. L'ulteriore evoluzione rappresentata dall'intelligenza organoide. Cos'è e come funziona.
Le capacità di archiviazione di dati da parte del cervello umano sono un argomento complesso e ancora oggetto di ricerca e dibattito scientifico. Non può esistere una misurazione precisa delle capacità di memorizzazione in termini di gigabyte o terabyte perché il cervello umano funziona in modo molto diverso rispetto ad esempio alle memorie digitali.
Il cervello umano è un organo incredibilmente complesso composto da miliardi di neuroni interconnessi. Le sue abilità poggiano sulla formazione e il rafforzamento di connessioni sinaptiche tra i neuroni, attraverso processi come l’apprendimento e l’esperienza.
Quanti terabyte di dati è in grado di conservare il cervello umano?
Tanti esperti, tuttavia, si sono a più riprese prodigati nello sforzo di provare a equiparare in qualche modo il cervello umano con il comportamento dello storage digitale. Uno dei primi esperti ad aver condotto delle stime in tal senso, è stato il professor Robert Birge, chimico pluripremiato che si è ampiamente occupato delle relazioni tra biologia ed elettronica. Già nel lontano 1996, presso la Syracuse University, Birge ha fatto un calcolo approssimativo per poi raffinarlo successivamente, all’Università del Connecticut.
Birge ha associato un neurone a un singolo bit (in un altro articolo parliamo di codice binario, bit e byte): una semplice moltiplicazione restituisce un valore, in termini di capacità di storage complessiva del cervello umano, pari a circa 5 TB (Terabyte). In realtà il docente ha pubblicato una serie di osservazioni per stimare che un valore più corretto potrebbe aggirarsi intorno ai 30-40 TB.
Altre indagini simili collocano la capacità del cervello umano tra 50 e 200 TB. Sebbene si tratti di valutazioni puramente teoriche, difficilmente dimostrabili con dati e riscontri fattuali, i valori in gioco ci aiutano a immaginare qual è la mole di dati che ciascuno di noi può potenzialmente conservare. Soprattutto se il cervello è addestrato a farlo.
L’intelligenza artificiale sfida le abilità di memorizzazione del cervello umano
Se ai tempi dei floppy disk avevamo a disposizione appena 1,44 MB di capacità di storage e in questi giorni Seagate ha presentato i primi hard disk da 40 Terabyte di capienza, il progresso tecnologico che ha segnato il segmento dello storage è stato davvero vorticoso. Con innovazioni continue sul versante tecnologico.
E se si pensa che, come si può fare anche a casa o in ufficio con lo schema RAID ad esempio, la capacità delle singole unità di memorizzazione può essere combinata per creare soluzioni di storage scalabili e con un capienza virtualmente illimitata, il balzo in avanti compiuto negli ultimi anni appare ancora più incredibile.
L’avvento delle moderne intelligenze artificiali rappresenta una vera sfida rispetto alle abilità di memorizzazione del cervello umano. Modelli addestrati su miliardi di parametri sono in grado di cogliere in maniera sempre più puntuale l'”essenza” delle interconnessioni tra termini e, addirittura, concetti.
Addestramento, parametri utilizzati e abilità di memorizzazione
Una maggiore quantità di dati di addestramento risulta particolarmente vantaggiosa per l’intelligenza artificiale. Più dati sono disponibili, più il modello può apprendere da una vasta gamma di esempi e sviluppare una “comprensione” più approfondita dei pattern e delle relazioni all’interno dei dati.
La qualità dei dati di addestramento gioca però un ruolo essenziale: informazioni rappresentative e coerenti assicurano un apprendimento migliore del modello e contengono eventuali distorsioni.
Mentre il cervello umano ha una capacità di memorizzazione limitata, i sistemi di intelligenza artificiale possono utilizzare dispositivi di memorizzazione digitale per archiviare enormi quantità di dati. I server delle più grandi aziende tecnologiche possono immagazzinare petabyte o addirittura exabyte di dati.
Tuttavia, nonostante le capacità di memorizzazione e di elaborazione dati delle intelligenze artificiali, il cervello umano gode di vantaggi significativi in aspetti come la creatività, l’elaborazione di informazioni complesse e l’adattamento ai nuovi contesti. Il cervello umano è in grado di sviluppare connessioni interdisciplinari, apprendere da esperienze emotive e applicare la conoscenza in modi molto più ampi rispetto alle attuali intelligenze artificiali. Importanti novità dovrebbero arrivare con il modello generativo GPT-5 di OpenAI che dovrebbe essere capace di generare e comprendere più modalità di informazione. Un approccio multimodale nell’intelligenza artificiale consente di integrare e combinare le informazioni provenienti da diverse fonti. Si pensi ai diversi canali sensoriali e tipi di dati (testo, immagini, audio, video, informazioni posizionali,…).
Il passo successivo: l’intelligenza organoide
In questa prima parte del 2023 si è anche iniziato a parlare con maggior convinzione del concetto di intelligenza organoide. Abbiamo recentemente pubblicato una articolo che descrive le potenzialità della bioinformatica, che potrebbe rivelarsi in futuro come una sorta di intelligenza artificiale di nuova generazione.
L’intelligenza artificiale ha tratto per lungo tempo ampia ispirazione dai meccanismi di funzionamento del cervello umano. Un approccio che si è rivelato di grande successo. Ma se invece di cercare di rendere le intelligenze artificiali più simili al cervello, andassimo direttamente alla fonte?
Lo ha spiegato Thomas Hartung rivelando che team di scienziati impegnati in più discipline stanno lavorando per creare biocomputer rivoluzionari in cui colture tridimensionali di cellule cerebrali, chiamate “organoidi cerebrali”, fungono da hardware biologico.
Cosa sono e come funzionano gli organoidi cerebrali
Gli organoidi cerebrali condividono aspetti chiave della funzione e della struttura del cervello come i neuroni e altre cellule cerebrali essenziali per le funzioni cognitive come l’apprendimento e la memoria. Trattandosi di strutture 3D, la densità cellulare della coltura risulta aumentata di 1.000 volte rispetto a una soluzione planare: è possibile formare molte più connessioni neurali.
“Mentre i computer basati su silicio sono certamente migliori con i numeri, il cervello è molto più efficace nell’apprendimento“, ha spiegato Hartung. “Il cervello non solo apprende meglio ma è anche più efficienti dal punto di vista energetico“. L’esperto cita ad esempio AlphaGo, l’intelligenza artificiale Google DeepMind che – addestrata su centinaia di migliaia di partite – è stata in grado di battere tutti gli umani, anche i campioni dei vari giochi. Ecco, la quantità di energia spesa per addestrare AlphaGo è superiore a quella necessaria per sostenere un adulto attivo per almeno un decennio.
“I cervelli hanno anche una straordinaria capacità di immagazzinare informazioni, stimata a 2.500 TB”, ha aggiunto Hartung. “Stiamo raggiungendo i limiti fisici dei computer al silicio perché non possiamo racchiudere più transistor in un minuscolo chip. Ma il cervello è cablato in modo completamente diverso. Ha circa 100 miliardi di neuroni collegati attraverso oltre 10 15 punti di connessione. È un’enorme differenza di potenza rispetto alla nostra tecnologia attuale”.
La struttura dei biocomputer con intelligenza organoide
L’obiettivo sarà utilizzare gli organoidi cerebrali cresciuti in laboratorio per farli diventare un’intelligenza organoide vera e propria. I test stanno proseguendo in queste settimane: Hartung ha spiegato che gli attuali organoidi cerebrali sono troppo piccoli. Ciascuno contiene circa 50.000 celle; per arrivare a un’intelligenza organoide ne servono 10 milioni.
Parallelamente, gli autori stanno anche sviluppando tecnologie per comunicare con gli organoidi: in altre parole, per inviare loro informazioni e leggere quanto prodotto. Gli autori dello studio intendono adattare strumenti provenienti da varie discipline scientifiche, come la bioingegneria e l’apprendimento automatico, nonché progettare nuovi dispositivi di stimolazione e registrazione.
“Abbiamo sviluppato un dispositivo di interfaccia cervello-computer che è una sorta di tappo EEG per organoidi, che abbiamo presentato in un articolo pubblicato lo scorso agosto. È un guscio flessibile che è densamente ricoperto da minuscoli elettrodi che possono sia raccogliere segnali dall’organoide, sia trasmettergli segnali”, ha affermato Hartung.
Gli autori prevedono che alla fine l’OI integrerà un’ampia gamma di strumenti di stimolazione e registrazione. Questi organizzeranno le interazioni attraverso reti di organoidi interconnessi che implementano calcoli più complessi.
Non è fantascienza. Sebbene l’intelligenza organoide sia ancora agli inizi, uno studio pubblicato di recente da uno dei coautori dell’articolo pubblicato su Science, Brett Kagan, Chief Scientific Officer di Cortical Labs, ha offerto una prima interessante panoramica. Il team di Kagan ha dimostrato come una normale coltura di cellule cerebrali piatte possa imparare a giocare al videogioco Pong. “Da qui in poi, si tratta solo di costruire la comunità, gli strumenti e le tecnologie per realizzare il pieno potenziale dell’intelligenza organoide“, ha concluso il professor Hartung.
Read the full article
Photo
Man beats machine at Go in human victory over AI
A human player has comprehensively defeated a top-ranked AI system at the board game Go, in a surprise reversal of the 2016 computer victory that was seen as a milestone in the rise of artificial intelligence.
Quote
In March 2016, AlphaGo beat the world’s best player in a five-game series. …,one particular move by AlphaGo led to exclamations from commentators and was described as ‘beautiful’ by a past Go champion—precisely because it caught them off-balance. Contrary to widespread belief, machines are now capable of generating novel outcomes, entirely beyond the contemplation of their original human designers.
Text
With more board configurations than there are atoms in the universe, the ancient Chinese game of Go has long been considered a grand challenge for artificial intelligence.
On March 9, 2016, the worlds of Go and artificial intelligence collided in South Korea for an extraordinary best-of-five-game competition, coined The DeepMind Challenge Match. Hundreds of millions of people around the world watched as a legendary Go master took on an unproven AI challenger for the first time in history.
Photo
One of the Biggest Problems in Biology Has Finally Been Solved
There’s an age-old adage in biology: structure determines function. In order to understand the function of the myriad proteins that perform vital jobs in a healthy body—or malfunction in a diseased one—scientists have to first determine these proteins’ molecular structure.
