Blog

Why trust, not capability, is the bottleneck Agents can already do a lot. What keeps them out of production is whether we can trust them. Last week I attended World Summit AI in Amsterdam. Across the sessions I followed (workshops on agent harnesses, talks on agents that improve over time, and panels on hybrid architectures,

Scaling AI models from research breakthroughs to real-world enterprise deployment involves a complex interplay of technological, organizational, and governance challenges. The transition from research to deployment is not merely a technical endeavor but also involves addressing various forms of friction that can impede the successful integration of AI into enterprise systems. This discussion will explore

Una conversación clave sobre «Scaling AI: From Breakthroughs to Real-World Impact» con Ling Ge (Chief Investment & Strategy Officer EMEA, Tencent) La inteligencia artificial está dejando de ser una promesa de laboratorio para convertirse en infraestructura fundacional: la capa invisible sobre la que operan industrias enteras. Esa es la tesis de una de las sesiones más

Adversarial robustness in AI systems refers to the ability of these systems to withstand and function correctly even when faced with adversarial inputs—inputs that are intentionally designed to cause the system to make errors. This is a critical area of research in AI safety, as adversarial attacks can exploit vulnerabilities in AI models, leading to

Sesión: Closing Fireside Chat — Building Safe AI Systems in an Unsafe World Ponente: Zico Kolter — miembro del Consejo de OpenAI; Chief Scientist de Gray Swan AI; catedrático y director del Machine Learning Department, Carnegie Mellon University. Formato: conversación de clausura sobre seguridad técnica y gobernanza de la IA. 1. Marco: quién habla y desde dónde La sesión reúne una

A step-by-step introduction to building agents that actually work in production 🎯 What’s This All About? If you’ve heard about AI agents (programs that use an LLM to decide what to do, call tools, and execute tasks autonomously), you’ve probably seen impressive demos. But how do you take an agent from «look what I built in my notebook» to

¿Quién es Mark Papermaster? Mark Papermaster es Chief Technology Officer (CTO) y Executive Vice President de AMD desde 2011. Es el arquitecto técnico detrás del resurgimiento de AMD: supervisó la transición a la arquitectura Zen (CPU) y la estrategia de chiplets, y hoy lidera la visión de hardware para la era de la IA. Antes de AMD fue VP en Apple (lideró hardware

Descubrir un nuevo fármaco hoy cuesta ~$2.600M de dólares y toma entre 10 y 15 años. El 90% de los candidatos que entran a ensayos clínicos fracasan. NVIDIA no quiere hacer fármacos. Quiere ser la infraestructura de cómputo y los modelos base que permitan a farmacéuticas y biotecnológicas descubrirlos en una fracción del tiempo y costo. 🧩 El ecosistema NVIDIA para

📌 El acrónimo: Artificial Super Intelligence (Superinteligencia Artificial) Cuando hablamos de ASI en el contexto de NVIDIA y Simon See —Senior Director, Chief Solution Architect y Global Head del NVIDIA AI Technology Center (NVAITC)— nos referimos a la Superinteligencia Artificial (Artificial Superintelligence). Simon See presentó una keynote titulada «The Pathway to Artificial Super Intelligence (ASI)» en la conferencia NVIDIA GTC, donde expuso la visión de NVIDIA sobre cómo llegar