En este episodio conversamos con Luis León-Vega, ingeniero electrónico del TEC, doctor en Inteligencia Artificial y Ciencia de Datos Aplicada por la Università di Trieste, ingeniero en RidgeRun e investigador en computación sostenible en el TEC. Recorremos su camino desde la curiosidad por los circuitos integrados en la casa de su papá hasta los aceleradores aproximados en FPGA, y hablamos del costo energético del AI, cuantización, BitNet 1.58, NPUs y el regreso del CPU como orquestador. Cerramos con el rol del ingeniero como gestor de calidad en la era del AI y cómo Luis rediseña sus evaluaciones para que los estudiantes no pierdan la capacidad de razonar. Una conversación técnica, con visión de país y con la honestidad de quien trabaja en las “oscuridades” del AI: ahí donde el modelo se encuentra con el silicio.
⏱ Timestamps:
- 0:00 Bienvenida
- 0:50 El camino a la electrónica
- 4:55 Aprender a aprender: los fundamentales
- 8:18 Primer encuentro con el aprendizaje profundo
- 11:16 Cómo correr AI localmente
- 16:25 Computación sostenible y el costo energético
- 24:50 Cómo hacer el AI más eficiente
- 33:20 Cuantización: comprimir modelos
- 36:20 Investigación en AI desde Costa Rica
- 42:05 Hardware AI-enabled: el NPU
- 51:55 El AI en el flujo de un investigador
- 54:55 Enseñar a pensar en la era del AI
- 1:01:00 Cierre
Recursos mencionados:
- RidgeRun: https://www.ridgerun.com/
- Tecnológico de Costa Rica: https://www.tec.ac.cr/
- SISSA: https://www.sissa.it/
- Università degli Studi di Trieste: https://www.units.it/
- NVIDIA Jetson: https://www.nvidia.com/en-us/autonomous-machines/embedded-systems/
- BitNet (Microsoft, cuantización 1.58-bit): https://arxiv.org/abs/2402.17764
- CeNAT (Centro Nacional de Alta Tecnología): https://www.cenat.ac.cr/
Lo dejo por acá. Que sea de provecho.