La vida en DeepMind
Conozca a Edgar Duéñez-Guzmán, un ingeniero de investigación de nuestro equipo de investigación de agentes múltiples que aprovecha el conocimiento de la teoría de juegos, la informática y la evolución social para lograr que los agentes de IA trabajen mejor juntos.
¿Qué te llevó a trabajar en informática?
He querido salvar el mundo desde que tengo uso de razón. Por eso quería ser científico. Si bien me encantaban las historias de superhéroes, me di cuenta de que los verdaderos superhéroes son los científicos. Ellos son quienes nos dan agua potable, medicinas y una comprensión de nuestro lugar en el universo. Cuando era niño, amaba las computadoras y amaba la ciencia. Sin embargo, al crecer en México, no sentía que estudiar informática fuera factible. Entonces decidí estudiar matemáticas, tratándolas como una base sólida para la informática y terminé haciendo mi tesis universitaria en teoría de juegos.
¿Cómo impactaron tus estudios en tu carrera?
Como parte de mi doctorado en informática, creé simulaciones biológicas y terminé enamorándome de la biología. Comprender la evolución y cómo dio forma a la Tierra fue estimulante. La mitad de mi tesis versó sobre estas simulaciones biológicas y luego trabajé en el mundo académico estudiando la evolución de fenómenos sociales, como la cooperación y el altruismo.
A partir de ahí comencé a trabajar en la Búsqueda en Google, donde aprendí a lidiar con escalas informáticas masivas. Años más tarde, junté las tres piezas: teoría de juegos, evolución de los comportamientos sociales y computación a gran escala. Ahora uso esas piezas para crear agentes con inteligencia artificial que puedan aprender a cooperar entre ellos y con nosotros.
¿Qué te hizo decidir postularte para DeepMind en lugar de otras empresas?
Eran mediados de la década de 2010. Había estado atento a la IA durante más de una década y conocía DeepMind y algunos de sus éxitos. Luego Google lo adquirió y me emocioné mucho. Quería trabajar, pero vivía en California y DeepMind solo contrataba personal en Londres. Entonces, seguí siguiendo el progreso. Tan pronto como se abrió una oficina en California, fui el primero en la fila. Tuve la suerte de que me contrataran en la primera cohorte. Finalmente, me mudé a Londres para dedicarme a la investigación a tiempo completo.
¿Qué es lo que más te sorprendió de trabajar en DeepMind?
Qué ridículamente talentosas y amigables son las personas. Cada persona con la que he hablado también tiene un lado interesante fuera del trabajo. Músicos profesionales, artistas, ciclistas súper en forma, personas que aparecieron en películas de Hollywood, ganadores de olimpíadas de matemáticas… ¡lo que sea, lo tenemos! Y todos estamos abiertos y comprometidos a hacer del mundo un lugar mejor.
¿Cómo ayuda su trabajo a que DeepMind tenga un impacto positivo?
El centro de mi investigación es crear agentes inteligentes que entiendan la cooperación. La cooperación es la clave de nuestro éxito como especie. Podemos acceder a la información del mundo y conectarnos con amigos y familiares en el otro lado del mundo gracias a la cooperación. Nuestro fracaso a la hora de abordar los efectos catastróficos del cambio climático es un fracaso de la cooperación, como vimos durante la COP26.
¿Qué es lo mejor de tu trabajo?
La flexibilidad para perseguir las ideas que creo que son más importantes. Por ejemplo, me encantaría ayudar a utilizar nuestra tecnología para comprender mejor los problemas sociales, como la discriminación. Le presenté esta idea a un grupo de investigadores con experiencia en psicología, ética, equidad, neurociencia y aprendizaje automático, y luego creé un programa de investigación para estudiar cómo la discriminación podría originarse en los estereotipos.
¿Cómo describirías la cultura en DeepMind?
DeepMind es uno de esos lugares donde la libertad y el potencial van de la mano. Tenemos la oportunidad de perseguir ideas que consideramos importantes y existe una cultura de discurso abierto. No es raro contagiar a otros con tus ideas y formar un equipo para hacerlas realidad.
¿Eres parte de algún grupo en DeepMind? ¿U otras actividades?
Me encanta involucrarme en actividades extracurriculares. Soy facilitador de talleres de Allyship en DeepMind, donde nuestro objetivo es capacitar a los participantes para que tomen medidas para lograr un cambio positivo y fomentar la alianza en otros, contribuyendo a un lugar de trabajo inclusivo y equitativo. También me encanta hacer que la investigación sea más accesible y hablar con los estudiantes visitantes. He creado disponible públicamente tutoriales educativos para explicar conceptos de IA a adolescentes, que se han utilizado en escuelas de verano en todo el mundo.
¿Cómo puede la IA maximizar su impacto positivo?
Para lograr el impacto más positivo, simplemente es necesario que los beneficios se compartan ampliamente, en lugar de que sean retenidos por un pequeño número de personas. Deberíamos diseñar sistemas que empoderen a las personas y que democraticen el acceso a la tecnología.
Por ejemplo, cuando trabajé en OndaNet, la nueva voz del Asistente de Google, sentí que era genial trabajar en una tecnología que ahora utilizan miles de millones de personas, en la Búsqueda de Google o en Maps. Eso es bueno, pero luego hicimos algo mejor. Empezamos a utilizar esta tecnología para devolverle la voz a personas con trastornos degenerativos, como la ELA. Siempre hay oportunidades para hacer el bien, sólo tenemos que aprovecharlas.
¿Cuáles son los mayores desafíos que enfrenta la IA?
Hay desafíos tanto prácticos como sociales. En el aspecto práctico, estamos trabajando arduamente para intentar que nuestros algoritmos sean más robustos y adaptables. Como seres vivos, damos por sentado la robustez y la adaptabilidad. Cambiar ligeramente la disposición de los muebles no hace que olvidemos para qué sirve un frigorífico. Los sistemas artificiales realmente luchan con esto. Hay algunas pistas prometedoras, pero aún nos queda camino por recorrer.
Desde el punto de vista social, debemos decidir colectivamente qué tipo de IA queremos crear. Necesitamos asegurarnos de que todo lo que se haga sea seguro y beneficioso. Pero esto es particularmente difícil de lograr cuando no tenemos una definición perfecta de lo que significa.
¿Qué proyectos de DeepMind te parecen más inspiradores?
En este momento todavía estoy en la cima de AlfaFold, nuestro algoritmo de plegamiento de proteínas. Tengo experiencia en biología y entiendo lo prometedora que puede ser la predicción de la estructura de proteínas para aplicaciones biomédicas. Y estoy particularmente orgulloso de cómo DeepMind publicó la estructura proteica de todas las proteínas conocidas en el cuerpo humano en los conjuntos de datos globales, y ahora publica casi todas las proteínas catalogadas conocido por la ciencia.
¿Algún consejo para los aspirantes a DeepMinders?
Sea juguetón, sea flexible. No podría haberme optimizado para una carrera que me llevara a DeepMind (¡ni siquiera había un DeepMind para optimizar!) Pero lo que sí podía hacer era permitirme siempre soñar con el potencial de la tecnología, con la creación de máquinas inteligentes y con la mejora. el mundo con ellos.
La programación es estimulante por derecho propio, pero para mí siempre fue más bien un medio para lograr un fin. Esto es lo que me permitió mantenerme actualizado a medida que las tecnologías iban y venían. No estaba atado a las herramientas, estaba concentrado en la misión. No te centres en el “qué”, sino en el “por qué”, y el “cómo” se manifestará.