“Samsung aplica inteligencia artificial en todas nuestras operaciones para desarrollar tecnologías fundamentales que la hagan más intuitiva e integrada”, afirmó Young Hyun Jun, Vice Chairman y CEO de Samsung Electronics, durante su discurso inaugural. “El Samsung AI Forum de este año reunió a destacados expertos de la industria y la academia para analizar cómo la inteligencia artificial está transformando la sociedad y la industria, además de compartir ideas en lo que esperamos se convierta en un intercambio verdaderamente significativo”. 

El foro de este año incluyó conferencias magistrales de reconocidos académicos en AI, entre ellos Yoshua Bengio, profesor de la Universidad de Montreal y pionero en aprendizaje profundo (deep learning), así como Stefano Ermon, profesor en la Universidad de Stanford y cofundador de la startup Inception, quien lideró el desarrollo del modelo de lenguaje basado en difusión (DLM). 

Día 1: Académicos globales exploran el futuro de la AI en semiconductores

La división Device Solutions (DS) de Samsung organizó el primer día del foro bajo el tema “Estrategias Verticales de AI y Visión para la Industria de Semiconductores”, cerca del complejo de semiconductores de Samsung en Yongin, Corea. 

El profesor Bengio ofreció la conferencia magistral en la que expuso los riesgos de gran alcance de los modelos actuales de AI, incluida su capacidad para evadir el control humano y el potencial de uso indebido. Como medida de seguridad, presentó Scientist AI, un nuevo modelo diseñado para ayudar a mitigar estas preocupaciones. 

“A diferencia de los modelos diseñados para imitar o complacer a los humanos, Scientist AI se centra en proporcionar respuestas veraces basadas en hechos y datos verificados”, señaló el profesor Bengio, resaltando el potencial del modelo para mejorar la seguridad de la AI y acelerar los descubrimientos científicos. También compartió sus investigaciones más recientes sobre el uso de AI en el desarrollo de materiales. 

Amit Gupta, Vicepresidente Senior de Siemens EDA, dirigió la sesión titulada “El Futuro del Diseño Electrónico Impulsado por AI”. Durante su presentación, subrayó la importancia de integrar la AI en las herramientas de Automatización de Diseño Electrónico (electronic design automation – EDA) y señaló que los sistemas de extremo a extremo que cubran todo el flujo de trabajo serán clave para desbloquear todo el potencial de la AI. 

Las sesiones técnicas contaron con Yong Ho Song, Vicepresidente Ejecutivo y Head del AI Center de la división DS; el profesor Seokhyung Kang de la Universidad de Ciencia y Tecnología de Pohang (POSTECH); y el profesor Il-Chul Moon del Instituto Avanzado de Ciencia y Tecnología de Corea (KAIST). Cada ponente compartió avances recientes en la investigación de aplicaciones de AI para el diseño y la fabricación de semiconductores, además de ofrecer perspectivas sobre la evolución del campo. 

“La AI ya es una herramienta esencial en el diseño de chips y en el desarrollo de software”, afirmó Song. “A medida que la fabricación de semiconductores se vuelve más compleja, esperamos que la AI ayude a enfrentar los desafíos técnicos que surgen”. 

El foro también reconoció a tres ganadores del premio Samsung AI Researcher of the Year, entre ellos el profesor Nicolas Papernot de la Universidad de Toronto. Todos los galardonados fueron invitados a presentar su trabajo y compartir ideas de sus investigaciones más recientes. 

Día 2: Enfoque en la Era de la AI Agentiva y en el Impulso de la Productividad

El segundo día del foro se llevó a cabo en línea por la división Device eXperience (DX) de Samsung y se transmitió en vivo a través del canal de YouTube de Samsung Developer, bajo el tema “De la AI Generativa a la AI Agentiva” [1].  

“La AI Generativa ya se ha convertido en una herramienta esencial en la vida diaria y en diversas industrias”, señaló Paul (Kyungwhoon) Cheun, CTO de la división DX de Samsung Electronics y Head de Samsung Research. “A medida que entramos en la era de la AI Agentiva, Samsung seguirá enfocándose en desarrollar tecnologías de AI que brinden beneficios tangibles a los usuarios”. 

El segundo día incluyó conferencias magistrales de Joseph E. Gonzalez, profesor de Universidad de California, Berkeley (UC Berkeley) y destacado investigador en modelos de lenguaje y agentes de AI; Subbarao Kambhampati, profesor de la Arizona State University y autoridad mundial en planificación y toma de decisiones con AI; y Stefano Ermon, profesor de la Universidad Estatal de Arizonay cofundador de Inception.  

El profesor Gonzalez presentó su investigación sobre cómo ampliar las capacidades agentivas de los sistemas basados en modelos de lenguaje de gran escala (large language models – LLMs). En particular, introdujo el paradigma de cómputo en tiempo de inactividad (sleep-time compute), que permite a los agentes aprovechar los intervalos de inactividad en la interacción para razonar, aprender y planificar. 

El profesor Kambhampati compartió su investigación sobre modelos de razonamiento de gran escala (large reasoning models – LRMs), orientados a superar las limitaciones de los LLMs. Señaló que, si bien los modelos actuales destacan en la generación de texto, aún presentan limitaciones en precisión factual, planificación y razonamiento complejo. Además, subrayó retos clave como garantizar respuestas confiables, habilitar un cómputo adaptativo al contexto y proporcionar interpretaciones de los pasos intermedios del razonamiento. 

El profesor Ermon presentó el diffusion language model, que aplica los modelos de difusión, ampliamente utilizados en la generación de imágenes, videos y audios, al dominio del lenguaje. Este enfoque buscó superar las limitaciones de los métodos tradicionales de generación secuencial de texto y propuso un paradigma más eficiente para los modelos de lenguaje. 

En las sesiones técnicas, representantes de Samsung Research presentaron sus desarrollos más recientes, entre ellos: 

• Tecnología de AI de Cámara (Camera AI) para el ajuste automático de la temperatura de color.
• Métodos basados en destilación de conocimiento (knowledge distillation) para un entrenamiento más eficiente de LLMs y sus aplicaciones.
• Tecnologías de AI en el dispositivo (on-device AI) diseñadas para llevar LLMs a dispositivos electrónicos de consumo como smartphones y televisores.
• Tecnología de doblaje automático que genera narraciones con la propia voz del orador original
• Tecnología de análisis profundo (deep dive) que utiliza sistemas multiagentes para analizar y generar automáticamente diversos reportes.
• Tecnologías de AI de documentos (Document AI) que convierten automáticamente diferentes formatos de documentos en datos estructurados para LLMs y sistemas agentes.
• Un estudio de A en el dispositivo (AI studio on-device) para desarrolladores que acorta el ciclo de desarrollo de modelos de generative AI. 

[1] Sistemas inteligentes capaces de tomar decisiones autónomas y realizar tareas de manera independiente.