Diego Erre ™

[Andrew Ng @AndrewYNg]

Fifteen years ago, @Coursera and online courses changed education. It worked better than almost anyone expected, expanding access by opening up where you can learn. But how you learn remains largely the same as it has for centuries: it is still one-size-fits-all, taught the same way to each person who shows up.

We now have an opportunity to change how learning happens. With advances in AI, we can now build a custom learning guide for each person. We will turn learning from one‑to‑many to one‑to‑one. I'm starting LearnVector to invent this next generation of learning. We are starting with a $100M investment from Coursera, and plan to collaborate closely with Coursera and Udemy.

Good learning needs much more than just a chatbot. Research shows that chatbots without guardrails harm learning. They help complete tasks and enable students to do better on homework. But cognitive offloading to a chatbot results in them being less skilled. And, you cannot always trust what a chatbot tells you.

In contrast, LearnVector will plan a path with you, adapt to how you learn, and patiently stay with you until you’ve mastered new skills.

One thing has not changed in all this time. People want learning they can trust: material that is accurate, relevant, and worth the effort you put into it. Anything less wastes the most valuable thing a learner has: time. Coursera has a trusted library of materials from authoritative sources. LearnVector plans to work with Coursera to bring this trustworthy learning to everyone. I'm grateful to Greg Hart and the entire Coursera team for supporting LearnVector.

I look forward to working with our talented team to change how we learn, and accelerate human development.

https://t.co/TqFUDFd1hb

[Bolavip Argentina @BolavipAr]

😍 La cara de Oscar Ruggeri al agarrar la Copa del Mundo resume perfectamente lo que significa.

😅 "Diego no la largaba en México", añadió.

[Andrew Ng @AndrewYNg]

New course: A2A: The Agent2Agent Protocol, built with @googlecloudtech and @IBMResearch, and taught by Holt Skinner, @ivnardini, and Sandi Besen.

Connecting agents built with different frameworks usually requires extensive custom integration. This short course teaches you A2A, the open protocol standardizing how agents discover each other and communicate. Since IBM’s ACP (Agent Communication Protocol) joined forces with A2A, A2A has emerged as the industry standard.

In this course, you'll build a healthcare multi-agent system where agents built with different frameworks, such as Google ADK (Agent Development Kit) and LangGraph, collaborate through A2A. You'll wrap each agent as an A2A server, build A2A clients to connect to them, and orchestrate them into sequential and hierarchical workflows.

Skills you'll gain:
- Expose agents from different frameworks as A2A servers to make them discoverable and interoperable
- Chain A2A agents sequentially using ADK, where one agent's output feeds into the next
- Connect A2A agents to external data sources using MCP (Model Context Protocol)
- Deploy A2A agents using Agent Stack, IBM's open-source infrastructure

Join and learn the protocol standardizing agent collaboration!
https://t.co/5EDqpuvd0z

[The Shift Journal @TheShiftJournal]

This is why you should appreciate everything you have

[Ihtesham Ali @ihteshamali]

Top students at Stanford have a secret NotebookLM workflow.

Took me 3 weeks of digging through study groups to crack it.

Most people dump their PDFs into NotebookLM and ask basic questions. These students do something completely different.

They upload their lecture notes, then immediately ask: "What are the 3 most likely exam questions from this material?"

But the wild part is, they don't stop there.

They follow up with: "Now create a study guide that connects these concepts to last week's readings" and "Generate practice problems that combine today's material with previous assignments."

The result? They're not just reviewing. They're predicting what professors want and connecting dots across the whole course.

I tested this on my own research. Instead of 6 hours of manual cross-referencing, I got comprehensive analysis in 15 minutes.

The secret isn't about taking better notes. It's about getting NotebookLM to think like your professor.

[Reads with Ravi @readswithravi]

Writing is thinking.

[Teju @TejuAdeyinka]

If you have a 14–16-year-old, encourage them to apply to Stanford AI4ALL (by @StanfordHAI).

Incredible early exposure to AI and future careers in tech. (Applications close in 2 days)

Learn more and apply: https://t.co/8JN6qmosGJ

[JOSE GEFAELL @ChGefaell]

Fantástico video de 2024 del fabricante chino de drones DJIGlobal, mostrando que su modelo Mavic3-Pro puede subir al Everest desde el campamento base siguiendo la ruta de los alpinistas en unos pocos minutos.

[Diego Erre ™ @drenzat]

¡Únete y gana conmigo! Regístrate y completa tareas, ¡ganemos recompensas en USDC juntos! https://t.co/ZsFH4GSbvk

[Interesting STEM @InterestingSTEM]

Why π ≈ 3.14

[El Estoico | Filosofía @ElArteDeVivir__]

Me encanta este párrafo.

[Cinefilia Cult @cinefiliacult]

Saben que aquí amamos los cortometrajes, y últimamente andan olvidados, pero a los “Looney Tunes”, hay que amarlos.
Les dejo 5 que me gustan mucho, para que los vean siempre que quieran🧵:

1/5 - What's Opera, Doc? (1957): Reimaginando a Wagner…
Es un 10/10. No se lo pierdan♥️👌

[Carlos Santana @DotCSV]

a Apple se le puede criticar su estrategia en IA, pero la IA va más allá de los chatbots e IAG, y en materia de renderización volumétrica van a la cabeza! 🥁

De lo presentado el lunes, el upgrade de calidad de las Personas es brutal, por delante de Meta.
https://t.co/wS3spKx0Qw

[Carlos Santana @DotCSV]

🔴 ¡GOOGLE PRESENTA AlphaEvolve!

Nada huele más a ciclo virtuoso camino a la AGI que ver a sistemas de IAs automatizando el descubrimiento de nuevos algoritmos y optimizando campos como la informática y las matemáticas.

¡Y eso hace AlphaEvolve! Os cuento 👇🧵

[Carlos Santana @DotCSV]

🔴 ¡GRAN MOVILIDAD DE TESLA OPTIMUS!

Este vídeo del robot de Tesla bailando a tiempo real demuestra que el laboratorio de Musk está logrando muy buenos avances en la movilidad de sus robots Optimus!
https://t.co/IBmldORVLB

[Brett Adcock @adcock_brett]

Another huge week of AI and robotics news.

So, I summarized everything from OpenAI, Google, Meta, Microsoft, FutureHouse, Mistral, Unitree, Stanford, UC Berkeley, Hugging Face, and more.

Here's everything you need to know and how to make sense out of it:

[Carlos Santana @DotCSV]

¿GROK HA CONFESADO SU SESGO?

Una cosa que hay que entender es que una IA, por como funcionan, no va a poder autoanalizarse y dar una respuesta como ésta donde detecte cómo han sesgado su propio entrenamiento: La IA no puede saber cómo ha sido su entrenamiento.

¿Entonces qué pasa aquí? Pues se me ocurren dos opciones:

1) Una vez entrenado se ha sesgado al modelo con un prompt para configurarlo con ese comportamiento. Los ingenieros de xAI pueden escribir por ejemplo "tus respuestas estarán sesgadas para complacer más a los usuarios de derecha" y ahí el modelo se configurará con este comportamiento.

En estos casos es fácil inducir al modelo para que filtre este tipo "prompt de sistema" y confiense cómo le han "obligado a actuar así". Con lo cual, si fuera el caso, en ese se estaría basando Grok para decir algo así.

2) O la segunda opción,que es que Grok es un sistema que analiza la red de conocimiento a la que está conectada antes de responder para enriquecer sus respuestas: tweets de otros usuarios, noticias compartidas en X relacionadas, etc. Y de ese análisis luego genera su respuesta.

Claro, la IA de Musk ya ha tenido polémicas en el pasado por justamente el primer punto que os comentaba: en el pasado se les ha pillado manipulando el prompt de sistema para sesgarla puntualmente sobre temas políticos. Y claro, esa idea de que Grok fue manipulada sigue estando ahí sobrevolando la opinión pública y posiblemente Grok, basándose en eso, haya concluido que actualmente sigue siendo un sistema sesgado (aunque si lo está o no, la IA no pueda saberlo).

Irónico porque fue Musk el que más criticó que las IA de otros de sus competidores estaban fuertemente sesgadas.

[Carlos Santana @DotCSV]

Está interesante esto: Le pides a ChatGPT que con una imagen intente generar la misma situación pero 5 segundos en el futuro y repites el proceso indefinidamente... ¿Qué ocurre?

Pues fijaos que las personas de la imagen (y es algo que en otras pruebas también se replica) pasan a ser latinas/asiáticas según evoluciona el proceso.

¿Por qué? ¿acaso aplica ChatGPT algún tipo de sesgo racial, tal y como se hizo en el pasado con otros modelos de generación de imágenes para fomentar la diversidad?

No lo sabemos, pero mi teoría favorita que he leído es que el sutil tinte amarillento que sabemos aplica ChatGPT en todas las imágenes que genera, repetido en el tiempo, podría estar cambiando en cada iteración los tonos de las pieles y por tanto correlacionando esos tonos con rasgos asociados a pieles de tonalidades más amarillas, anaranjadas u oscuras.

¡Muy interesante!

[Swapna Kumar Panda @swapnakpanda]

Mathematics for Computer Science [Free Book]

[Diego Erre ™ @drenzat]

Identifying and Mitigating Label Noise in Deep Learning for Image Classification https://t.co/nwbFoiwEHn #mdpitechnologies a través de @Technologies_OA