WEBVTT FILE

1
00:00.000 --> 00:04.220
Dicen que es el juego más largo posible,
que su origen se encuentra en la India y

2
00:04.221 --> 00:08.500
que el campeón de campeones jugó una
partida en línea contra todo el mundo,

3
00:08.580 --> 00:12.240
con más de 50.000 participantes,
y ganó en 62 movimientos.

4
00:12.600 --> 00:13.780
Muy buenos días, Luz.

5
00:13.840 --> 00:14.360
Muy buenos días.

6
00:14.840 --> 00:15.620
Tela, ¿eh?, lo que tenemos.

7
00:15.820 --> 00:16.380
Sí, sí.

8
00:16.381 --> 00:20.804
Estamos hablando de ajedrez,
obviamente, y de Garry Kasparov,

9
00:20.805 --> 00:23.900
que es su aniversario esta
semana de su retira del ajedrez.

10
00:23.960 --> 00:24.960
De su retira del ajedrez.

11
00:25.120 --> 00:30.760
Jo, pues... a ver, yo siempre lo voy a
traer para mi terreno, pero ¿sabías que es

12
00:30.761 --> 00:35.180
el primer campeón mundial que fue
derrotado por un ordenador?

13
00:35.380 --> 00:37.140
Algo me pareció por ahí leer.

14
00:37.280 --> 00:37.540
Sí.

15
00:37.600 --> 00:37.700
Sí.

16
00:38.380 --> 00:42.240
O sea, que todo se puede ver, en el fondo,
en clave informática, ¿no?

17
00:42.660 --> 00:43.860
Bueno, yo creo que sí.

18
00:44.220 --> 00:48.000
Por lo menos es que está en tantos ámbitos
que sí.

19
00:48.820 --> 00:53.240
O sea, a ver, esto fue ya en el 97,
¿vale?, 1997.

20
00:53.560 --> 00:57.840
Es verdad que mucho antes, pues,
a partir de los años 50, pues ya había

21
00:57.841 --> 01:01.200
máquinas, ¿no?, que jugaban al ajedrez,
pero eran, bueno, eran muy torpes, ¿no?

22
01:01.420 --> 01:05.960
Y nada, y ya, pues, empezaron a ganar
algunos grandes maestros.

23
01:05.980 --> 01:09.055
Creo que la primera
vez fue en 1988, el primer

24
01:09.056 --> 01:12.061
que la máquina se llamaba
Deep Thought, ¿vale?

25
01:12.280 --> 01:16.954
Y luego, en el 97, la
máquina Deep Blue fue la que

26
01:16.955 --> 01:23.540
derrotó, además, en un
campeonato oficial a Kasparov.

27
01:23.720 --> 01:28.500
Y, bueno, ha ido evolucionando mucho,
excepto... bueno, excepto los nombres, ¿no?

28
01:28.520 --> 01:30.660
Que ves que todo va de Deep, o sea,
desde...

29
01:30.661 --> 01:34.853
Llevamos décadas con Deep Blue,
Deep... Deep Seek, ahora, o sea, que.

30
01:34.854 --> 01:34.880
..

31
01:34.881 --> 01:35.760
Todo es muy profundo.

32
01:35.780 --> 01:36.580
Todo es muy profundo.

33
01:36.600 --> 01:37.800
Pues vamos a profundizar, ¿no?

34
01:38.260 --> 01:41.828
Porque, claro, cuando hablamos
de estas Deep, precisamente,

35
01:41.829 --> 01:44.700
¿ya eran inteligencia
artificial como tal o no?

36
01:44.900 --> 01:49.620
No, qué va, qué va, o sea, se tiende a
relacionar, porque, claro, porque ves una

37
01:49.621 --> 01:52.440
máquina jugando al ajedrez, entonces
piensas, ah, inteligencia artificial

38
01:52.441 --> 01:54.201
porque está haciendo algo típicamente
humano.

39
01:54.260 --> 01:58.240
Pero no, era un supercomputador,
era un supercomputador de...

40
01:58.520 --> 02:02.540
de IBM, y lo que hacía Deep Blue,
o sea, lo que hacía era, usaba fuerza

41
02:02.541 --> 02:05.860
bruta, o sea, calculaba todas las
combinaciones posibles, o sea,

42
02:05.861 --> 02:10.640
tenía, bueno, primero tenía, pues,
un módulo, ¿vale?, que era, pues,

43
02:10.740 --> 02:12.200
una búsqueda de...

44
02:13.000 --> 02:16.160
Utilizaba árboles de búsqueda,
pues, para ir viendo todas las posibles

45
02:16.161 --> 02:21.000
combinaciones, jugadas posibles,
y sus consecuencias, ¿no?

46
02:21.080 --> 02:24.420
Luego tenía, pues, un algoritmo que lo
que...

47
02:24.940 --> 02:29.320
Bueno, que lo que hacía era medir,
¿no?, pues, como de, bueno, pues,

48
02:29.380 --> 02:33.331
cuáles eran las jugadas que
tenían un mínimo error, ¿no?

49
02:33.332 --> 02:37.160
, de mínimas consecuencias
negativas, vamos a decir.

50
02:37.460 --> 02:41.040
Luego tenían, pues, otro módulo,
¿no?, que lo que hacían era, pues,

51
02:41.140 --> 02:45.160
pues, poner valor a las piezas y a las
posiciones, porque, claro, no es lo mismo

52
02:45.161 --> 02:49.980
un peón que una reina, y no es lo mismo
que el peón esté en una esquinita que no

53
02:49.981 --> 02:54.080
pueda hacer nada, a que el peón esté
ahí, al lado del rey, justo delante, ¿no?

54
02:54.320 --> 02:57.760
Entonces tenían también... Y luego,
por otro lado, tenían una base de datos,

55
02:57.761 --> 02:59.700
con movimientos históricos, pues,
de...

56
02:59.701 --> 03:02.400
Entonces, pues, de vez en cuando,
pues, la máquina, pues, hacía,

57
03:02.401 --> 03:08.040
pues, una entrada X o un final E,
¿sabes?, o sea...

58
03:08.041 --> 03:12.240
Pero era base de datos, o sea,
no aprendía por sí misma.

59
03:12.320 --> 03:16.940
Entonces, esto es un ejemplo de fuerza
bruta, o sea, fuerza bruta de calcular

60
03:16.941 --> 03:20.400
todas las posibilidades, todas las
combinaciones posibles, dar valores a

61
03:20.401 --> 03:23.520
todas las combinaciones posibles,
elegir una, y eso, pues, con un poquito

62
03:23.521 --> 03:27.240
así de atrecho, de jugadas
históricas, pues, para que quede... Sí.

63
03:27.241 --> 03:32.835
Y eso es lo que tenía Deep Blue, o
sea, cuando ya se empezó a utilizar, ¿no?

64
03:33.135 --> 03:36.240
, la inteligencia artificial, y
esto ha sido súper reciente,

65
03:36.340 --> 03:43.132
y cuando fue el punto de inflexión histórico
de decir, ¡guau!, fue con el Go, ¿no?

66
03:43.232 --> 03:49.380
, o sea, con AlphaGo, que ganó a...
Bueno, fue aplicado al juego Go en el

67
03:49.381 --> 03:52.820
2016, o sea, hace muy poquito,
hace nueve años, sí.

68
03:53.060 --> 03:56.220
Y cuéntanos qué es esto del Go,
porque, claro, si hablamos del ajedrez,

69
03:56.221 --> 03:59.880
aquí todos sabemos, podemos jugar mejor o
peor, pero lo conocemos, pero,

70
03:59.940 --> 04:03.120
¿qué es esto del Go, y realmente,
como dices, por qué fue una revolución?

71
04:03.400 --> 04:06.880
Pues, mira, esto es una pasada,
poder explicar esto, o sea, me siento

72
04:06.881 --> 04:11.280
súper privilegiada por poder explicar
esto, porque es que es fascinante, Fede.

73
04:11.700 --> 04:16.000
Mira, el Go es un juego milenario chino,
y lo que pasa con el Go es que,

74
04:16.060 --> 04:20.860
a pesar de los coordenadores que tenemos,
la fuerza bruta no es posible utilizarla.

75
04:20.940 --> 04:24.900
No, parece muy sencillo, o sea,
es un tablero pequeñito, de 19 por 19,

76
04:24.901 --> 04:31.020
los movimientos son súper sencillos,
lo que pasa es que las posibilidades,

77
04:31.060 --> 04:35.800
las combinaciones posibles de tableros que
tú puedes tener de Go, se calcula que

78
04:35.801 --> 04:38.420
pueden ser más que Atomos hay en el
universo.

79
04:38.720 --> 04:39.300
¿Qué me dices?

80
04:39.480 --> 04:41.820
Sí, es una pasada.

81
04:42.100 --> 04:46.660
Entonces, claro, es muy complejo,
o sea, es muchísimo más complejo que el

82
04:46.661 --> 04:49.240
ajedrez para un ordenador, que tiene que
utilizar la fuerza bruta, o sea,

83
04:49.241 --> 04:52.920
se trata de un juego en el que los
jugadores aprenden patrones, aprenden...

84
04:52.921 --> 04:54.880
bueno, pues es un juego muy humano,
por ejemplo.

85
04:54.900 --> 05:00.060
Así decirlo, o sea, además es curioso
porque los jugadores de Go, si tú eres un

86
05:00.061 --> 05:05.300
poquito mejor que otro, casi siempre vas a
ganar a todos los que están un poquito por

87
05:05.301 --> 05:08.136
debajo de ti, o sea, como que
el nivel está súper definido, ¿no?

88
05:08.137 --> 05:09.060
, entre los jugadores de Go.

89
05:09.120 --> 05:13.180
No hay una cosa así como suerte, o
sea, es como una expertise, ¿sabes?

90
05:13.181 --> 05:14.620
, como muy definida.

91
05:14.720 --> 05:19.040
Entonces, claro, cuando se empezó a
desarrollar esto, ¿no?, que ya se empezó a

92
05:19.041 --> 05:23.640
utilizar inteligencia artificial para
aprender a jugar al Go, pues, por

93
05:23.641 --> 05:27.460
supuesto, la comunidad de Go nunca pensó
que una inteligencia artificial podría

94
05:27.461 --> 05:31.900
ganar a un ser humano, o sea, esto no se
pensaba hace nueve años, pero ni de broma,

95
05:32.020 --> 05:35.900
o sea, y los investigadores que
desarrollaron esto, que lo desarrollaron

96
05:35.901 --> 05:40.400
en DeepMind, que era una empresa de
Google, que ahí acababa de nacer,

97
05:40.580 --> 05:45.060
también tenía sus dudas, o sea,
no tenía, o sea, ¿sabes?, se pusieron...

98
05:45.061 --> 05:47.988
No, no, no, al contrario, o sea,
era como un reto decir, ¡guau!

99
05:47.989 --> 05:52.640
, a ver si lo conseguimos, y empezaron a
probar mil cosas, y las primeras pruebas

100
05:52.641 --> 05:57.300
no superaron, a los seres humanos,
o sea, los fueron entrenando con seres

101
05:57.301 --> 06:02.240
humanos, y por supuesto que fue un proceso
de aprendizaje, entonces, que de repente

102
06:02.560 --> 06:10.560
al campeón mundial, ¿sabes?, a Lee Sedol,
le ganara una máquina, pues, fue,

103
06:10.561 --> 06:15.240
para la comunidad humana o la comunidad de
Go, fue como, pues, bueno, pues,

104
06:15.300 --> 06:18.980
fue un choque, para la
comunidad científica fue, pues,

105
06:18.981 --> 06:21.780
un punto de inflexión
en la inteligencia artificial.

106
06:22.220 --> 06:24.956
Claro, yo te iba a preguntar que cómo es
posible, o sea, realmente que fuera,

107
06:24.980 --> 06:26.740
como dices, un punto de inflexión,
¿no?

108
06:26.780 --> 06:32.740
Pues, mira, pues, mira, fue un punto de
inflexión porque demostró que realmente

109
06:33.660 --> 06:38.420
las máquinas podían aprender sin que se
programaran reglas explícitas,

110
06:38.460 --> 06:42.660
o sea, lo que te he explicado antes del
ajedrez, pues, al final, son reglas

111
06:42.661 --> 06:45.520
explícitas en las que tú le das un peso,
en las que haces un movimiento,

112
06:45.680 --> 06:50.180
sin embargo, lo que tiene, lo que tiene
alfago dentro es inteligencia artificial,

113
06:50.640 --> 06:54.760
y claro, ahora es muy evidente que la
inteligencia artificial es, bueno,

114
06:54.860 --> 06:58.760
es muy útil, pero hace nueve años eso no
era evidente, ¿sabes?

115
06:58.761 --> 07:01.480
O sea, hace nueve años había un montón de
personas que pensaban que no, que no sé

116
07:01.481 --> 07:03.341
qué, o sea, se estaba
luchando, se estaba

117
07:03.342 --> 07:05.821
trabajando un montón
para que eso funcionara.

118
07:05.900 --> 07:10.320
Y no es solamente, o sea, además,
lo que tienes, o sea, es complejo,

119
07:10.360 --> 07:13.720
o sea, este sistema, pues, tiene varios
componentes, no solamente inteligencia

120
07:13.721 --> 07:19.860
artificial así, ahí está, no, o sea,
tiene, bueno, o sea, por un lado tiene

121
07:19.861 --> 07:23.320
redes neuronales profundas, ¿no?,
que con eso, pues, vas, pues, bueno,

122
07:23.360 --> 07:25.916
lo que se intenta es detectar,
pues, esos patrones, ¿no?, porque,

123
07:25.940 --> 07:29.460
como te he dicho, es tan complejo que tú
no puedes poner todas las posibilidades,

124
07:29.500 --> 07:31.230
sino que tienes que ir
sacando patrones porque

125
07:31.231 --> 07:32.780
todas las posibilidades
no caben en una máquina.

126
07:33.120 --> 07:34.140
Entonces, eso lo primero.

127
07:35.580 --> 07:40.040
Luego, por otro lado, tiene, bueno,
una parte de aprendizaje supervisado,

128
07:40.041 --> 07:43.300
es decir, que tiene, pues, un
montón de partidas históricas

129
07:43.301 --> 07:46.700
de ego a partir de las
cuales va aprendiendo, ¿no?

130
07:46.900 --> 07:51.260
Luego, tiene otra parte probabilística,
o sea, tiene un árbol de búsqueda Monte

131
07:51.261 --> 07:54.180
Carlo, pues, que va dando, pues,
diferentes valoraciones, tal.

132
07:54.240 --> 07:59.520
Y luego tiene otra parte, que esta es la
que fue súper relevante, que es una parte

133
07:59.521 --> 08:01.720
que se llama aprendizaje por refuerzo,
¿vale?

134
08:02.120 --> 08:04.680
Entonces, reinforcement learning o
aprendizaje por refuerzo.

135
08:04.760 --> 08:06.160
Entonces, la gracia está ahí.

136
08:06.320 --> 08:10.860
Ahí fue cuando empezó, porque todo esto lo
empezaron a probar y, bueno, iba mejor,

137
08:10.980 --> 08:15.760
no sé qué, pero no, no, o sea,
cuando realmente la máquina empezó a ganar

138
08:15.761 --> 08:18.016
y empezó a ser muy buena fue por
aprendizaje por refuerzo.

139
08:18.040 --> 08:18.720
¿Y cómo lo hicieron?

140
08:18.940 --> 08:23.800
Pues, lo que hicieron es que, en vez de,
entrenar a la máquina jugando contra

141
08:23.801 --> 08:27.560
personas, entrenaron a la máquina jugando
contra sí misma.

142
08:27.760 --> 08:33.860
Entonces, la máquina jugó millones de
partidas contra sí misma, ¿vale?

143
08:33.940 --> 08:35.280
O sea, las iban enfrentando.

144
08:35.660 --> 08:40.660
Y, entonces, eso unido al refuerzo,
¿no?

145
08:40.680 --> 08:43.820
Pues, si este movimiento ha sido bueno,
pues, te da una recompensa.

146
08:43.821 --> 08:45.440
Si ha sido malo, te da otra recompensa.

147
08:45.500 --> 08:48.600
No solamente el movimiento, sino el
contexto que rodea al movimiento, ¿vale?

148
08:48.680 --> 08:53.760
Entonces, eso, unido a eso, hizo,
pues, que nos encontráramos con,

149
08:53.820 --> 09:00.060
de repente, una inteligencia artificial
que fue capaz de derrotar a Lisegol.

150
09:00.200 --> 09:03.300
O sea, es que es muy fuerte y la comunidad
científica lo vivimos como algo...

151
09:03.301 --> 09:06.301
Bueno, es que lo vivimos en directo,
porque esto se retransmitió en directo,

152
09:07.480 --> 09:09.827
como, bueno, lo organizó
DeepMind, entonces, pues,

153
09:09.867 --> 09:11.956
llevaron cámaras, llevaron
no sé qué, se retransmitió.

154
09:11.980 --> 09:14.607
Y, luego, después, hicieron
un documental que esto

155
09:14.608 --> 09:16.981
lo podéis ver, es que es
un documental en Netflix.

156
09:17.040 --> 09:18.696
No, no, tengo que verlo, no lo he visto y
lo voy a apuntar.

157
09:18.720 --> 09:22.340
¿Ves ahí al gran maestro ahí, como,
o sea...?

158
09:22.341 --> 09:23.500
En tensión, ¿no?

159
09:24.060 --> 09:24.380
Brutal.

160
09:24.381 --> 09:26.740
Además, como es coreano, pues,
no es presa, ¿no?

161
09:26.760 --> 09:29.540
Entonces, no se ve la... pero se ve la
concentración.

162
09:29.800 --> 09:31.640
Es... bueno, es una pasada.

163
09:31.780 --> 09:32.800
Por dentro habrá fuego, ¿no?

164
09:32.820 --> 09:35.700
Pero no lo transmite exteriormente,
¿no?

165
09:35.701 --> 09:36.080
Brutal, brutal.

166
09:36.240 --> 09:39.400
Y, precisamente, ¿cómo fue esa partida?

167
09:39.480 --> 09:40.800
Porque tuvo que ser increíble,
¿no?

168
09:40.801 --> 09:42.096
Pues, muy... Bueno, varias partidas,
¿no?

169
09:42.120 --> 09:44.935
O sea, la organización, lo
que hicieron fueron cinco

170
09:44.936 --> 09:47.640
partidas, o sea, como
un set de cinco partidas.

171
09:48.780 --> 09:51.069
Entonces, claro, bueno,
cámaras, tal, prensa,

172
09:51.169 --> 09:52.880
es que esto, claro, es
que al final... Un hito.

173
09:52.980 --> 09:57.875
O sea, es que si esto, si de repente la
máquina ganaba, es que iba a ser un punte.

174
09:57.876 --> 09:57.780
..

175
09:57.781 --> 09:58.781
Y, de hecho, lo fue.

176
09:58.840 --> 10:02.240
O sea, es que lo ha... O sea, pero a lo
mejor no podía no ganar, como tantas cosas

177
10:02.241 --> 10:03.961
que se han intentado, o sea, es que
podía...

178
10:05.080 --> 10:06.360
Entonces, cinco partidas, ¿vale?

179
10:07.100 --> 10:08.920
Primera partida, gana la máquina.

180
10:09.180 --> 10:09.580
Para empezar.

181
10:09.720 --> 10:10.720
Que esto, sí.

182
10:10.820 --> 10:14.840
Pero, además, como algo muy original,
claro, se quedó el jugador como, bueno, tal.

183
10:14.980 --> 10:17.820
Y los de la comunidad de Go, como,
bueno, tal, es que estaba...

184
10:17.821 --> 10:18.580
Le han dejado ganar la primera.

185
10:18.600 --> 10:20.700
O sea, es que es una estrategia no humana.

186
10:20.701 --> 10:22.340
Entonces, claro, no está preparado,
tal.

187
10:22.380 --> 10:24.700
Entonces, tienes como que aprender a jugar
con... No, vale.

188
10:25.220 --> 10:26.500
Segunda partida, vuelve a ganar.

189
10:26.960 --> 10:30.080
Esta vez, además, con unos movimientos que
no se habían registrado antes.

190
10:30.280 --> 10:31.600
O sea, como súper originales, sí.

191
10:32.220 --> 10:32.540
Sí.

192
10:32.541 --> 10:33.780
Tercera, vuelve a ganar.

193
10:34.340 --> 10:37.100
Y, claro, ahí ya dices, bueno,
ya, tres de cinco, ya gana...

194
10:37.101 --> 10:40.400
O sea, entonces, claro, el jugador se
viene abajo, todo el mundo...

195
10:41.260 --> 10:43.560
Cuarta, gana el jugador, que, de verdad,
menos mal.

196
10:43.561 --> 10:44.320
Un mini-respiro, ¿no?

197
10:44.480 --> 10:48.140
No, yo dije, menos... O sea, porque ya
te quedas y dices, menos mal, o sea...

198
10:49.040 --> 10:50.680
Y la quinta volvió, volvió.

199
10:50.700 --> 10:51.420
Volvió a ganar la máquina.

200
10:51.540 --> 10:52.540
Entonces, claro, esto...

201
10:53.340 --> 10:57.980
Es que tampoco... O sea, la repercusión
que tuvo esto no solamente fue en el mundo

202
10:57.981 --> 11:00.216
de la inteligencia artificial,
decir, oye, pues esto funciona,

203
11:00.240 --> 11:02.440
vamos a desarrollar esto para tantas
cosas.

204
11:02.700 --> 11:06.060
También cambió, pues, cómo los seres
humanos aprendemos, porque desde entonces,

205
11:06.200 --> 11:10.640
los jugadores de Go ya no analizan las
partidas de otros jugadores, analizan las

206
11:10.641 --> 11:13.040
partidas de la máquina para aprender a ser
mejor.

207
11:13.160 --> 11:17.120
Y eso se ha extendido a un montón de
juegos, no solamente al Go, ¿sabes?

208
11:17.160 --> 11:20.520
O sea, ha cambiado la manera como de
aprender de las personas.

209
11:20.700 --> 11:23.580
¿Y qué pasó después de este hito
histórico?

210
11:23.760 --> 11:27.080
Pues mira, después se aceleró todo
muchísimo.

211
11:27.440 --> 11:30.800
O sea, ahí, porque claro, se vio que esa
aproximación valía, entonces dijeron,

212
11:30.820 --> 11:33.760
oye, pues todos los recursos a esa
aproximación, ¿no?

213
11:33.761 --> 11:39.700
Entonces, pues ya un año después,
pues sacaron, bueno, pues otra máquina que

214
11:39.701 --> 11:43.097
me da AlphaGo, se
llamaba AlphaZero, y era para

215
11:43.157 --> 11:46.840
un montón de juegos
más, ajedrez y muchos más.

216
11:46.980 --> 11:51.040
Y ya se puede decir que, bueno,
que eso está superado.

217
11:51.140 --> 11:53.655
O sea, que no hay... o
sea, ningún ser humano

218
11:53.656 --> 11:56.741
ahora mismo gana a las
máquinas en esos juegos.

219
11:56.900 --> 11:57.120
¿Ah, sí?

220
11:57.121 --> 11:57.500
Tal cual.

221
11:57.501 --> 11:58.501
Eso ya es así, sí.

222
11:59.080 --> 12:04.000
Y, guau, ¿y cómo estamos en 2025 en
deportes o también en juegos de mesa?

223
12:04.260 --> 12:05.340
Aunque no tengamos opción.

224
12:05.480 --> 12:09.320
Pues mira, en este tipo de juegos eso es
así.

225
12:09.440 --> 12:12.880
O sea, eso es así, ha cambiado además eso,
la manera de aprender.

226
12:13.100 --> 12:14.100
O sea, ya aprendemos...

227
12:14.101 --> 12:17.960
Y las personas que se dedican a jugar,
pues juegan contra máquinas para ser cada

228
12:17.961 --> 12:20.360
vez mejores, para luego jugar contra un
humano y ser mejor.

229
12:20.440 --> 12:21.120
Y ser mejor que el humano.

230
12:21.220 --> 12:22.820
Pero aprende a partir de las máquinas.

231
12:23.020 --> 12:27.600
Y entonces eso, digamos que ahí el estado
de la arte, eso ya está superado, ¿sabes?

232
12:28.220 --> 12:32.600
Donde vamos a nivel juego, pero donde
realmente está pasando ahora una

233
12:32.601 --> 12:35.020
revolución es en la industria del
videojuego.

234
12:35.800 --> 12:39.060
Pues porque, bueno, ahora estamos en la
era de la IA generativa, ¿no?

235
12:39.140 --> 12:42.040
O sea, que puedes generar, pues eso,
puedes generar de manera automática

236
12:42.041 --> 12:45.600
historias, imágenes, vídeos, pues todo
esto que nos está ahora inundando.

237
12:45.880 --> 12:50.080
Claro, si tú esto lo aplicas a los
videojuegos, eso es un filón brutal,

238
12:50.240 --> 12:52.329
porque una de las cosas
que más se encarece en los

239
12:52.330 --> 12:54.540
videojuegos son los gráficos,
bueno, es todo eso, ¿no?

240
12:56.040 --> 13:00.720
Entonces, pues, bueno, pues esto está...
A ver, hay videojuegos que ya usan IA.

241
13:00.780 --> 13:04.740
O sea, por ejemplo, Minecraft,
pues usa IA para ver mejores mundos.

242
13:06.620 --> 13:09.649
Uno de los primeros que
empezó a usar IA se llamaba IA

243
13:09.650 --> 13:12.860
Dungeon, que eso pues lo
usaban para crear historias.

244
13:13.000 --> 13:15.940
Y donde está, bueno, está viendo en muchos
ámbitos, ¿no?

245
13:16.000 --> 13:17.400
Pero donde...

246
13:18.380 --> 13:21.960
está viendo como un boom es en los
personajes de los videojuegos,

247
13:21.961 --> 13:25.401
pero no en los que están
controlados por el jugador,

248
13:25.402 --> 13:27.781
sino en los que tú te
encuentras por el videojuego.

249
13:27.820 --> 13:33.712
O sea, tipo los aldeanos del The Legend
of Zelda, los, no sé, los transeúntes, los.

250
13:33.713 --> 13:34.520
.. ¿cómo se dice?

251
13:34.720 --> 13:40.140
Los peatones en Grand Theft Auto,
en GTA, no sé, ¿sabes?

252
13:40.141 --> 13:44.760
O sea, entonces, los soldados de Call of
Duty, bueno, estos que tú te has

253
13:44.761 --> 13:48.060
encontrado, claro, normalmente,
pues esas interacciones, pues no son...

254
13:48.061 --> 13:52.060
Pero claro, ahora sí puedes hablar con
ellos, puedes una interacción más

255
13:52.061 --> 13:56.640
personal, más realista, más que,
bueno, todavía no, pero en muy poco tiempo

256
13:56.641 --> 14:00.420
se acordarán de lo que te han dicho antes
y entonces podrás, ¿sabes?

257
14:00.440 --> 14:02.900
O sea, entonces eso es lo que está
pasando.

258
14:03.120 --> 14:04.440
O sea, ahora ya está...

259
14:04.441 --> 14:11.040
Bueno, ya es increíble lo que está pasando
y dentro de poco, muy poco, lo que pasará

260
14:11.041 --> 14:16.080
es que las narrativas de los videojuegos
serán completamente dinámicas,

261
14:16.120 --> 14:17.741
o sea, serán
personalizadas, o sea, ya no

262
14:17.742 --> 14:19.440
podremos decir, te has
pasado el juego, ¿no?

263
14:19.500 --> 14:20.740
O sea, ya, ¿sabes?

264
14:20.741 --> 14:24.120
Cada persona... Cada persona...
Quedará de moda esa frase ya.

265
14:24.121 --> 14:26.940
Claro, cada persona tendrá un juego
diferente, tendrá unas pantallas

266
14:26.941 --> 14:30.760
diferentes, o sea, será algo, pues,
pues más, pues muy personalizado, ¿no?

267
14:30.980 --> 14:33.172
Nos queda nada, un minutín,
pero eso, el futuro, aunque

268
14:33.173 --> 14:35.376
ya nos estás diciendo que
va a cambiar mucho la película.

269
14:35.400 --> 14:40.026
Sí, sí, sí, pues yo creo
que en impacto ya no vamos

270
14:40.086 --> 14:43.600
a pensar en seres humanos,
sino en industria, ¿no?

271
14:44.160 --> 14:47.338
Pues lo que va a pasar
es que probablemente los

272
14:47.339 --> 14:50.040
videojuegos casi se generen
de manera automática, ¿no?

273
14:50.280 --> 14:53.300
En vez de que lo haga
una persona y las personas

274
14:53.301 --> 14:56.040
supervisemos la creación
de esos videojuegos, ¿no?

275
14:56.041 --> 15:00.480
O sea, yo creo que eso es a donde nos
lleva, a donde nos lleva en los

276
15:00.481 --> 15:02.380
videojuegos y quizás en otras industrias,
¿no?

277
15:02.580 --> 15:07.980
Que los seres humanos nos dediquemos
a hacer lo humano, humano, humano, ¿no?

278
15:08.300 --> 15:10.880
Luz, muy interesante este viaje,
apasionante, ¿eh?

279
15:10.881 --> 15:11.180
Qué bien.

280
15:11.181 --> 15:11.680
De estos juegos.

281
15:12.180 --> 15:12.800
Muchísimas gracias.

282
15:13.060 --> 15:16.156
Les diré a mis hermanos, porque yo al Call
of Duty lo he trabajado bastante, pero.

283
15:16.180 --> 15:16.200
..

284
15:16.201 --> 15:16.300
¿Ah, sí?

285
15:16.301 --> 15:16.340
Sí.

286
15:16.480 --> 15:18.660
Les voy a contar que lo que viene es
mejor.

287
15:19.200 --> 15:20.200
Sí, sí.

288
15:20.380 --> 15:20.940
Muchas gracias.

289
15:21.160 --> 15:22.160
Gracias, Pepe.