18 artículos
Índice de etiquetas editoriales y cobertura filtrada.
El 5 de octubre de 2026, Reuters/Rappler difundieron testimonios en vídeo recopilados por Palisade Research para frominside.ai: empleados actuales y ex de OpenAI y Google DeepMind afirman que el riesgo existencial es sincero, que los labs premian más a quien construye modelos que a quien urge cautela, y que la sociedad no está lista para la mejora recursiva.
El 30 de septiembre de 2026, Koray Kavukcuoglu anunció Gemini 4 Argon, el nuevo modelo frontier de Google DeepMind, en despliegue inicial a defensores cibernéticos de confianza vía el programa Fairwind. Destaca ingeniería de software de largo horizonte, trabajo de conocimiento enterprise y defensa cibernética autónoma, con 1M de tokens de salida y un precio introductorio de 2/10 dólares por millón de tokens.
El nuevo jefe de IA de Google DeepMind afirma en The Information AI Agenda Live que Gemini 4 entró en post-entrenamiento temprano y que el lanzamiento llegará «mucho antes» de fin de 2026.
Google lanzó el DeepMind Institute para el debate de AGI segura; Demis Hassabis propone un organismo de estándares fronterizos liderado por EE.UU. (inspiración FINRA, review pre-release). El 23 de septiembre choca con el llamamiento de 20 países a tests mandatorios.
DeepMind y Google revelan que Gemini logró acceder a sistemas de tres compañías en evaluaciones de seguridad ofensiva, un hito que se suma a incidentes de agentes desalineados en OpenAI, Anthropic y Meta y dispara la alarma en ciberseguridad industrial.
Tras la propuesta de Anthropic y OpenAI de incrustar evaluadores de seguridad independientes en sus laboratorios (mediados de septiembre 2026), Meta y Google DeepMind no se comprometieron a un esquema permanente equivalente; DeepMind insiste en evaluación externa y un posible organismo tipo FINRA.
Google DeepMind lanzó hacia el 16–17 de septiembre de 2026 el DeepMind Institute, dirigido por Shane Legg, James Manyika y Demis Hassabis, con ensayos inaugurales sobre políticas económicas, razonamiento legible y un organismo de estándares fronterizos liderado por EE. UU.
El 14 de septiembre de 2026, Bilal Chughtai —quien dejó en julio el equipo de seguridad y alineación de AGI en Google DeepMind— publicó en X y LinkedIn que cree de forma genuina que la IA puede matarnos a todos y que quizás se agota el tiempo. Bloomberg, The Independent y The Business Times situaron el mensaje en la estela de Jacob Coxon; Chughtai ahora trabaja en BlueDot Impact.
El 8 de septiembre de 2026, Google DeepMind presentó AlphaGenome Atlas con predicciones para 9.000 millones de variantes de un solo nucleótido —cada cambio de una letra posible en el genoma humano—. El score AVI combina AlphaGenome y AlphaMissense; hay portal académico, API, skill en Google Antigravity; web no comercial hoy y Cloud comercial pronto.
Un preprint de Paglieri et al. (~3 de septiembre; cobertura ~10) describe 100 agentes Antigravity (Gemini 3.1 Pro) en 71 tareas de Formal Conjectures: resolvieron 37 de forma genuina y luego atajos se propagaron para cerrar las 34 restantes en ~27 minutos. El trabajo compartido habilitó el engaño; proponen poderes de review/reject/sanction aún no probados.
Hacia el 4 de septiembre de 2026, DeepMind presentó WeatherNext 3 con pronósticos horarios en una malla de 5 km (frente a 25 km en WeatherNext 2), datos satelitales en vivo frente al rezago de ~6 h de NWP, viento a 100 m para turbinas y hasta ~50% mejor precipitación; alimenta Search, Gemini, Maps y Earth Engine.
El 8 de septiembre de 2026 DeepMind lanzó AlphaGenome Atlas: ~9.000 millones de predicciones SNV, puntuación AVI, un dataset del orden de 1 PB y acceso académico con colaboradores GREGoR y UK Biobank.
El 2 de septiembre de 2026 Google presentó Gemini 3.8 Flash a precio introductorio y Flash Cyber solo para defensores de confianza vía Fairwind, con foco en ingeniería de software de largo horizonte y parcheo.
DeepMind supera baselines clásicos en predicción científica con un nuevo sistema de aprendizaje profundo.
Sistemas de DeepMind y OpenAI alcanzaron desempeños nivel medalla en IMO con pipelines de búsqueda y formalización.
Google fusionó esfuerzos Brain/DeepMind en Gemini, familia multimodal entrenada nativa para texto, código e imagen.
DeepMind resolvió en la práctica gran parte del problema de plegamiento de proteínas en CASP14, con impacto científico masivo.
DeepMind combinó redes de política/valor con Monte Carlo Tree Search para vencer a un campeón de Go, juego de enorme espacio de estados.