El 10 de octubre de 2026 se publicaron dos entrevistas que ponen el foco en los datos y en el entorno donde trabaja la IA. Reunimos sus aportaciones verificadas; las fechas corresponden a la publicación de las conversaciones, no a nuevos lanzamientos de los proyectos citados.
Standard Bots explica cómo reparte el trabajo entre IA y control industrial
En una entrevista publicada ayer, Evan Beard y Leif Jentoft, de Standard Bots, explican que, para atender máquinas en una fábrica, su modelo identifica las piezas mientras la programación convencional controla los movimientos y la lógica de la instalación. Según sus responsables, el entrenamiento se realiza en la nube y la inferencia —la ejecución del modelo— se mantiene local, una decisión que evita depender de la conexión externa durante la operación. Es una explicación del fabricante sobre su arquitectura, útil para entender qué partes de una automatización necesitan IA; no un lanzamiento nuevo ni una prueba independiente de fiabilidad.
Entrevista original: la arquitectura de IA de Standard Bots, por Richard MacManus.
DeepMind y Biohub plantean qué datos hacen falta para avanzar en biología
Latent Space publicó ayer una conversación con Pushmeet Kohli, de Google DeepMind, y Sal Candido, de Biohub, sobre modelos y datos para investigar sistemas biológicos. Candido plantea que aumentar los datos fáciles de obtener no garantiza resolver la pregunta científica: primero hay que determinar qué información necesita el problema, una distinción útil al diseñar una investigación con IA. La conversación trata también los límites de la predicción de estructuras de proteínas; es un debate de investigación, sin anuncio de una nueva versión de AlphaFold ni resultados clínicos demostrados.
Conversación original y transcripción: modelos biológicos, datos y límites de AlphaFold.