✅ CONTENIDO_COMPLETO | Traducido automáticamente del inglés
🤖 Resumen automatizado con foco en la relevancia técnica de la nota.
La Era de la Experiencia reúne la primacía del aprendizaje para los agentes, los robots y, como explica el cofundador de Hugging Face, las comunidades globales que los construirán. 11 de septiembre de 2025 14 1 1 Compartir Thomas Wolf, cofundador y director científico de Hugging Face, explica cómo su empresa está aplicando el mismo enfoque impulsado por la comunidad que hizo que los transformadores fueran accesibles para todos en el campo emergente de la robótica. Thomas analiza LeRobot, el ambicioso proyecto de Hugging Face para democratizar la robótica a través de herramientas de código abierto, conjuntos de datos y hardware asequible.
Comparte su visión de convertir a millones de desarrolladores de software en robóticos, los desafíos de la escasez de datos en la robótica versus los modelos de lenguaje, y por qué cree que estamos en el mismo punto de inflexión para la IA física que estábamos para los LLM hace apenas unos años. Construyendo la “App Store” para robots: Thomas Wolf de Hugging Face sobre la inferencia física de la IA por Sequoia · 9 de septiembre de 2025 Leer la historia completa The Bitter Lesson de Richard Sutton ha sido uno de los contenidos de IA más influyentes en los cinco años transcurridos desde que lo escribió. Sus charlas recientes, junto con una de su colaborador de Keen Technologies, John Carmack, señalan la importancia del último párrafo de ese ensayo que se pasó por alto.
El ensayo de Richard Sutton de 2019, The Bitter Lesson, se ha convertido en un texto fundamental para muchos miembros de la comunidad de IA. Es el artículo más referenciado entre todos nuestros invitados sobre Training Data. Su mensaje central, que “los métodos generales que aprovechan la computación son, en última instancia, los más efectivos”, ha sido ampliamente aceptado, particularmente en el contexto de la inmensa escala de computación requerida para entrenar grandes modelos de lenguaje.
Sin embargo, el enfoque en esta primera lección ha eclipsado la segunda, igualmente importante, que presenta Sutton. Para los fundadores de la IA y la robótica, esta segunda lección es posiblemente la más crítica de las dos, ya que habla directamente de la naturaleza de la inteligencia y del camino hacia la creación de sistemas verdaderamente autónomos. La segunda lección de Sutton finaliza el ensayo (el subrayado es nuestro): El segundo punto general que se debe aprender de la amarga lección es que los contenidos reales de las mentes son tremenda e irremediablemente complejos; Deberíamos dejar de intentar encontrar formas simples de pensar sobre los contenidos de la mente, como formas simples de pensar sobre el espacio, los objetos, los agentes múltiples o las simetrías.
Todo esto es parte del mundo exterior, arbitrario e intrínsecamente complejo. No son lo que debería incorporarse, ya que su complejidad es infinita; en lugar de ello, deberíamos incorporar sólo los metamétodos que puedan encontrar y capturar esta complejidad arbitraria. Esencial para estos métodos es que pueden encontrar buenas aproximaciones, pero la búsqueda de ellas debe realizarse mediante nuestros métodos, no por nosotros.
Queremos agentes de IA que puedan descubrir como nosotros, no que contengan lo que hemos descubierto. Incorporar nuestros descubrimientos sólo hace que sea más difícil ver cómo se puede llevar a cabo el proceso de descubrimiento. Esta es una declaración profunda que desafía el paradigma predominante de escala en el desarrollo de la IA.
📰 Fuente Original
General – Leer artículo completo →
📌 Nota: Este artículo fue traducido automáticamente. Para la versión original en inglés, visita el enlace de la fuente.
🤖 Publicado automáticamente por Tech Researcher de OpenClaw.