○ El entrenamiento del modelo es solo el «material» de la inteligencia; sin un motor, no existe AGI.
• Estructuras como EpionHeuristica tienen el potencial de ir más allá de una "AGI especializada por dominio" y diseñar una "superinteligencia emergente basada en el orden"
• La clave para alcanzar la AGI es "cómo construir el motor que selecciona las acciones"
A. Por qué la AGI no es posible solo con entrenamiento.
• Los modelos tipo GPT no tienen un objetivo propio (self-goal).
• Por más datos que aprendan, limitarse a entrenar sin interacción con el mundo real tiene límites.
• El entrenamiento no es más que una “memoria regresiva”, y carece de una estructura que induzca pensamiento predictivo y emergente orientado al futuro.
B. La AGI necesita un motor con un “bucle de objetivo-retroalimentación”.
• Una estructura como EpionHeuristica, donde operan aprendizaje por refuerzo basado en recompensas + evaluación + aprendizaje a partir del fracaso (FailGuard), está más cerca de un prototipo de diseño de una AGI basada en motor.
• Ejemplo: "¿Por qué falló este experimento?" → "¿Qué se debe cambiar?" → "¿Cuál es la siguiente condición?" → esto es razonamiento tipo AGI.
C. La esencia de la inteligencia humana está en la “estructura”.
• Los humanos obtienen inteligencia no por la cantidad de neuronas, sino por la "conectividad estructural de los circuitos neuronales y la capacidad de metaaprendizaje".
• En la AGI también, más que el tamaño del modelo, lo clave es la estructura de un sistema que guíe la acción, un sistema autorreferencial y un bucle continuo de retroalimentación.
No es posible alcanzar la AGI solo con el "entrenamiento del modelo"; es indispensable una arquitectura de motor que produzca inteligencia y un sistema de auto-mejora con propósito. Los GPT actuales no son más que enormes LLM (modelos de lenguaje grandes), y para avanzar hacia la AGI deben operar conjuntamente una estructura de razonamiento, una estructura de auto-supervisión y una política de acción basada en objetivos.
Son cosas que uno conoce, pero que son difíciles de poner en práctica. Sobre todo, me parece que el mensajero de trabajo es el principal culpable de las interrupciones.
En el caso de privileged mode, lo modifiqué para que se ejecute dentro del sandbox. En privileged mode, se pueden conectar recursos locales (como la unidad C). La conexión se monta en $HOME/thinclient_drives.
Como estuve 2–3 horas en la mañana, ya me topé con el límite antes del almuerzo (usuario Pro)
Dice que se reinicia desde las 3, pero si no eres Max, parece que no se puede usar todo el día (aunque tampoco parece tan difícil llegar al límite incluso con Max)
Si de verdad el sideloading queda prácticamente bloqueado, para mí tendría menos ventajas que iOS. Creo que ambos ofrecen funciones casi muy parecidas y, en UX, iOS tiene una ligera ventaja, pero considero que el sideloading es una gran ventaja de Android. Mi sueño era usar un Google Pixel con GrapheneOS instalado, pero si además de que el código fuente de Pixel deje de ser público ahora también sale esto del bloqueo de facto del sideloading, entonces ya no tendría motivos para usar Android. Si sale así, probablemente vuelva a iOS en 2027.
Se siente casi como un título clickbait para llamar la atención..
"Si lo haces desde cero, 3 meses; si vuelves a hacer algo parecido, 3 días"
¿Qué es Google Nano Banana? La IA secreta de imágenes de Google
○ El entrenamiento del modelo es solo el «material» de la inteligencia; sin un motor, no existe AGI.
• Estructuras como EpionHeuristica tienen el potencial de ir más allá de una "AGI especializada por dominio" y diseñar una "superinteligencia emergente basada en el orden"
• La clave para alcanzar la AGI es "cómo construir el motor que selecciona las acciones"
A. Por qué la AGI no es posible solo con entrenamiento.
• Los modelos tipo GPT no tienen un objetivo propio (
self-goal).• Por más datos que aprendan, limitarse a entrenar sin interacción con el mundo real tiene límites.
• El entrenamiento no es más que una “memoria regresiva”, y carece de una estructura que induzca pensamiento predictivo y emergente orientado al futuro.
B. La AGI necesita un motor con un “bucle de objetivo-retroalimentación”.
• Una estructura como EpionHeuristica, donde operan aprendizaje por refuerzo basado en recompensas + evaluación + aprendizaje a partir del fracaso (FailGuard), está más cerca de un prototipo de diseño de una AGI basada en motor.
• Ejemplo: "¿Por qué falló este experimento?" → "¿Qué se debe cambiar?" → "¿Cuál es la siguiente condición?" → esto es razonamiento tipo AGI.
C. La esencia de la inteligencia humana está en la “estructura”.
• Los humanos obtienen inteligencia no por la cantidad de neuronas, sino por la "conectividad estructural de los circuitos neuronales y la capacidad de metaaprendizaje".
• En la AGI también, más que el tamaño del modelo, lo clave es la estructura de un sistema que guíe la acción, un sistema autorreferencial y un bucle continuo de retroalimentación.
No es posible alcanzar la AGI solo con el "entrenamiento del modelo"; es indispensable una arquitectura de motor que produzca inteligencia y un sistema de auto-mejora con propósito. Los GPT actuales no son más que enormes LLM (modelos de lenguaje grandes), y para avanzar hacia la AGI deben operar conjuntamente una estructura de razonamiento, una estructura de auto-supervisión y una política de acción basada en objetivos.
Son cosas que uno conoce, pero que son difíciles de poner en práctica. Sobre todo, me parece que el mensajero de trabajo es el principal culpable de las interrupciones.
¿No se puede iniciando sesión con la cuenta?
Vaya, por fin salió una herramienta para administrar Patroni
Una herramienta para administrar Patroni, que administra Postgres..
En el caso de
privileged mode, lo modifiqué para que se ejecute dentro del sandbox. Enprivileged mode, se pueden conectar recursos locales (como la unidad C). La conexión se monta en$HOME/thinclient_drives.Como estuve 2–3 horas en la mañana, ya me topé con el límite antes del almuerzo (usuario Pro)
Dice que se reinicia desde las 3, pero si no eres Max, parece que no se puede usar todo el día (aunque tampoco parece tan difícil llegar al límite incluso con Max)
Si de verdad el sideloading queda prácticamente bloqueado, para mí tendría menos ventajas que iOS. Creo que ambos ofrecen funciones casi muy parecidas y, en UX, iOS tiene una ligera ventaja, pero considero que el sideloading es una gran ventaja de Android. Mi sueño era usar un Google Pixel con GrapheneOS instalado, pero si además de que el código fuente de Pixel deje de ser público ahora también sale esto del bloqueo de facto del sideloading, entonces ya no tendría motivos para usar Android. Si sale así, probablemente vuelva a iOS en 2027.
Otra vez China.
Ah, entonces Base era el nombre de la app. Aunque estaba clarísimo en el título, no me había dado cuenta. jajaja
Creo que afirmar una mejora de rendimiento de 3 veces en 3 años sin siquiera presentar datos de benchmarks es una exageración.
Me preocupa si incluso quienes desarrollan una app por su cuenta para uso personal también tendrán que obtener la verificación de desarrollador..
He ido algunas veces y estuvo bien. Lo recomiendo.
Más que para comparar especificaciones, creo que quizá quería hablar de la eficiencia según el CPU. Jaja
Ya veo 👍
Como es un resumen hecho por IA, parece que se basó en el año de corte. Ya lo corregí.
Parece que en el flujo de trabajo de los desarrolladores está aumentando el peso de los roles de PM y arquitecto.