Carlos H.Y.

CTO @Cabify.
Designing real-time systems at city scale
Incentives. Networks. Trust. Maps.
PhD | proud ex @MIT @Traity @telecoum @eestec

Still feeling lucky

[Ardillí. 🐿🚲 @ardillawer]

Pa que se enojen un rato 😌 o se alegren como yo jajaja

[Hayden @the_transit_guy]

Given we no longer build walkable cities and that 40% of buildings in Manhattan are illegal to build today per zoning code, this is unironically correct.

[Math Files @Math_files]

Two dimensional and three dimensional map of the Tokyo subway system

[Allen Braden @allen_explains]

This 2-hour Stanford lecture breaks down how models like ChatGPT and Claude are actually built, clearer than what many people in top AI roles ever get exposed to.

Save this and set aside two hours today. It might end up being the most valuable thing you learn all week.

[Fin Moorhouse @finmoorhouse]

The hyperscalers have already outspent the most famous US megaprojects

[Jonathan Berk @berkie1]

"There is now unambiguous, solid economic evidence, not just abstract economic theory, that rent control would make the affordability problems facing [Massachusetts] worse, not better."

- Jon Gruber, Chairman of the Economics Department at MIT

[Andy Boenau @Boenau]

Make it easy to ride bikes around town and people will ride bikes around town.

Here's a glimpse of bike traffic in Paris 🥰

[Sofía López @sofialomart]

Repetid conmigo, la web europea de IA más usada del mundo es malagueña

Nos falta reconocer el valor de construir con alma mediterránea, visión global y rigor europeo. El orgullo local no es solo una etiqueta: es entender que la innovación también habla con acento andaluz (y boquerón!)

https://t.co/kB0yqpUeKN

"Pese a ser (@freepik) la primera empresa europea de esta tabla y que acumula 15 años de trayectoria, sigue siendo una gran desconocida para muchos, incluso en España. “Somos cuatro veces más grandes que Mistral, pero casi nadie habla de nosotros”, lamenta @cuenca

Y aún así, cuesta creérselo: que una de las empresas de inteligencia artificial más influyentes del mundo haya nacido, crecido y siga operando desde Málaga. Que la formen cientos de andaluces, valencianos, madrileños y perfiles únicos de toda España demuestra algo que a veces olvidamos: el talento tecnológico nacional no solo existe, compite al máximo nivel.

Gracias a @CdelCastilloM por el reportaje

[Ellen DaSilva @ellenjdasilva]

Extremely specific life advice: you can convert Fahrenheit to Celsius with the stops on the 6 train.
33 St =0°
42 St=5°
51 St=10°
59 St=15°
Works to 96th St!

[Carlos H.Y. @cyague]

when cost opportunity of local decisions is in the billions... probably trillions globally.

[Phil BuildTheFutureNow 🇺🇸🦅🌲💙 @PhilSustainable]

Why don’t neighborhoods like the Richmond and Sunset in San Francisco look more like the Upper West Side?
But instead of 20–30 story apartments like Manhattan, it’s mostly 2-story houses. That’s tens of thousands of market-rate homes that could exist. Why didn’t it happen?

[Phil BuildTheFutureNow 🇺🇸🦅🌲💙 @PhilSustainable]

Why don’t neighborhoods like the Richmond and Sunset in San Francisco look more like the Upper West Side?
But instead of 20–30 story apartments like Manhattan, it’s mostly 2-story houses. That’s tens of thousands of market-rate homes that could exist. Why didn’t it happen?

[Antonio Giraldo @giraldeo]

Me pasan una propuesta de iluminación nocturna super interesante para el edificio del actual Ministerio de Sanidad. Un edificio espléndido, la antigua Casa Sindical (1951, Fco. Asís Cabrero y Rafael Aburto), que mejoraría un montón de esta forma.

Se lo paso a @sanidadgob 😬

[Juan Luis Hortelano @jlhortelano]

Google DeepMind acaba de hacer algo que creo que va a pasar desapercibido para la mayoría pero que tiene implicaciones muy importantes.

Han cogido AlphaEvolve (su sistema de IA que "evoluciona" código como si fuese selección natural) y lo han puesto a diseñar algoritmos de teoría de juegos. No a ejecutarlos. No a optimizar parámetros. A inventar algoritmos nuevos desde cero.

Y los algoritmos que ha descubierto funcionan mejor que los que los investigadores humanos llevan años perfeccionando.

Vamos por partes, que esto tiene miga.

Primero, el contexto. En teoría de juegos hay dos grandes familias de algoritmos para resolver juegos de información imperfecta (como el póker): CFR y PSRO. Llevan décadas siendo la base de todo. Los investigadores los mejoran publicando variantes — ajustando pesos, cambiando fórmulas de descuento, probando combinaciones. Es un trabajo lento, basado en intuición y papers de conferencias.

Lo que ha hecho DeepMind es tratar el diseño de esos algoritmos como un problema de búsqueda. En vez de que un investigador piense "¿y si ajusto este parámetro?", AlphaEvolve trata el código fuente del algoritmo como un genoma que puede mutar, recombinar y seleccionar. No ajusta números. Reescribe lógica. Puede inventar operaciones nuevas que no existían.

¿El resultado? Dos algoritmos nuevos.

El primero, VAD-CFR, introduce algo que ningún investigador humano habría probado: un mecanismo de "calentamiento" que filtra el ruido de las primeras iteraciones y pesos que se adaptan a la volatilidad de cada momento del entrenamiento. Lo probaron en 11 juegos distintos. Lo entrenaron solo en 4. Y los mecanismos funcionaron en los 7 que no había visto nunca. Es decir, no son trucos específicos para un juego — la lógica se generaliza.

El segundo, SHOR-PSRO, descubrió por su cuenta algo que a un humano le costaría plantear: que el algoritmo que usas para entrenar y el que usas para evaluar deberían ser diferentes. Arranca explorando de forma agresiva y gradualmente va apretando hacia el equilibrio exacto. Esa asimetría es contraintuitiva (normalmente usas el mismo algoritmo en ambas fases) y sin embargo funciona mejor.

Ahora bien, seamos realistas sobre el alcance.

Estamos hablando de juegos relativamente pequeños. Variantes de póker, dados, Goofspiel. No es StarCraft. No son sistemas multiagente a gran escala del mundo real.
Los algoritmos descubiertos no tienen garantías teóricas de convergencia — funcionan empíricamente, pero no están formalmente demostrados. Y ya había trabajo previo (DDCFR, 2023) que intentaba aprender parámetros de descuento con reinforcement learning.

La diferencia es que esos enfoques anteriores ajustaban botones que ya existían. AlphaEvolve puede inventar botones nuevos. Esa distinción es clave: optimizar parámetros encuentra mejores ajustes. Evolucionar código encuentra mejores algoritmos.

Y creo que ahí está la idea de fondo que merece la pena retener.

El diseño de algoritmos siempre ha sido un proceso artesanal. Un investigador tiene una intuición, la formaliza, la prueba, publica un paper y otro investigador construye encima. Es lento. Es brillante. Y ha funcionado durante décadas.

Lo que DeepMind está proponiendo (y demostrando) es que ese espacio de posibles algoritmos es tan enorme que la exploración humana solo araña la superficie. AlphaEvolve no entiende teoría de juegos. No tiene intuición. Pero explora ese espacio a una velocidad y con una amplitud que ningún equipo humano puede igualar. Y ya está encontrando cosas que los humanos no habían visto.

Me recuerda a algo que llevo diciendo desde hace tiempo: la IA no va a sustituir al investigador.
Pero el investigador que use IA va a dejar atrás al que no la use. Esto no es "la IA reemplaza a los diseñadores de algoritmos."
Es que diseñar algoritmos acaba de convertirse en un problema que la IA puede ayudar a resolver. Y eso lo cambia todo... aunque suene menos llamativo que un titular sobre la singularidad.

Estoy convencido de que vamos a ver esto en muchos más campos. La IA como herramienta de exploración de espacios de diseño que los humanos no podemos recorrer solos.
Fármacos, materiales, arquitectura de redes, logística. El patrón es el mismo: hay un espacio enorme de posibilidades, la intuición humana explora un rincón, y la IA puede explorar el resto.

La pregunta es si estamos preparados para aceptar que un algoritmo diseñado por una máquina (que no "entiende" lo que hace) puede ser mejor que el nuestro. Me da que a más de uno le va a costar ;)

Paper: https://t.co/x7GQIPKTC2

[Benjamin Wolf 🇺🇦 @benbawan]

We’re in the jaws of a new energy crisis - so which major economy the most energy efficient?

It’s the EU 🇪🇺💪

Europe only needs about 3.6 MJ per USD (PPP) value generated - compared to 5.0 MJ for the US 🇺🇸, 7.4 MJ for China 🇨🇳, or a global average of 6 MJ.

[Crémieux @cremieuxrecueil]

"Europe never had a dark age, it just had a period in which population declined, currency was in limited supply, emissions fell, building and inventing became rarer, records were limited, long-distance trade networks were severed, and institutional presence was constrained."