Latest / El podcast de Jeny Mejía Aguirre / Democracy Now! 2026-08-13 Thursday

Transcript

Democracy Now! 2026-08-13 Thursday · El podcast de Jeny Mejía Aguirre

• 0:05
  Speaker 1: Desde Londres
• 0:15
  Speaker 2: y Nueva York, esto es Democracy Now! As the U.S.
• 0:36
  Speaker 2: rapidly expands its use of artificial intelligence, we'll look at
• 0:41
  Speaker 2: how AI is changing the way wars are fought. We'll
• 0:45
  Speaker 2: speak with Heidi Klum, who co-authored the new report, Anatomy
• 0:50
  Speaker 2: of an AI Kill Chain. También hablaremos con Timnit Gebru,
• 0:58
  Speaker 2: que cofundó el grupo Black in AI. Fue disparada de
• 1:02
  Speaker 2: Google en 2020 por alerta sobre biases construidos en modelos de AI.
• 1:06
  Speaker 2: Pero primero miramos la creciente controversia sobre el secreto avión
• 1:10
  Speaker 2: de Trump en Turquía.¿ La movilidad amenazó a las vidas
• 1:13
  Speaker 2: de la Corte Suprema de la República en peligro?
• 1:19
  Speaker 4: Por qué no fue el presidente?¿ Por qué no fue
• 1:21
  Speaker 4: el presidente?¿ Por qué no fue el presidente?
• 1:43
  Speaker 2: Bienvenidos a Democracy Now!, democracynow.org, el reporte de paz y guerra.
• 1:46
  Speaker 2: Soy Amy Goodman, presentando hoy desde Londres. En Yemen, los
• 1:48
  Speaker 2: luchadores con el movimiento Houthi han escalado su ofensiva contra
• 1:52
  Speaker 2: las fuerzas gubernamentales con fuertes luchas en la provincia de Taiz.
• 1:54
  Speaker 2: Las luchas han dejado a docentes de los soldados gubernamentales
• 1:57
  Speaker 2: de Yemen muertos en las últimas semanas. Esto ha aportado, reportadamente,
• 2:01
  Speaker 2: a Arabia Saudí a considerar apoyo para un gobierno gubernamental
• 2:04
  Speaker 2: contraofensivo para retomar El reino de la guerra en Yemen
• 2:17
  Speaker 2: viene como una asesoría de civiles de un pentágono desclassificado.
• 2:21
  Speaker 2: En el año pasado, los Estados Unidos asesinaron 153 civiles en Yemen,
• 2:24
  Speaker 2: mientras que asesinaron another 243. Mientras tanto, las familias militares demandan
• 2:35
  Speaker 2: acción congresional sobre una creciente crisis de salud mental a
• 2:38
  Speaker 2: bordo del USS Abraham Lincoln. Después de al menos seis
• 2:42
  Speaker 2: incidentes en los que los viajeros intentaron saltar a bordo
• 2:45
  Speaker 2: a medida de un despliegue extendido, The Lincoln has been
• 2:49
  Speaker 2: at sea for over 208 consecutive days, a modern-day naval record,
• 2:55
  Speaker 2: while supporting U.S. and Israeli attacks on Iran. Families say
• 2:59
  Speaker 2: sailors have been forced to endure excruciatingly long shifts and
• 3:03
  Speaker 2: shortages of food and basic supplies like toothpaste and soap.
• 3:08
  Speaker 2: Mientras tanto, los oficiales de los Estados Unidos dicen que
• 3:11
  Speaker 2: la CIA tenía poca confianza en un aclaramiento israelí de
• 3:14
  Speaker 2: que Irán estaba planeando asesinar a Trump el mes pasado
• 3:16
  Speaker 2: al volver a los Estados Unidos desde el summit de
• 3:18
  Speaker 2: NATO en Turquía. A pesar de ese descubrimiento, el Servicio
• 3:20
  Speaker 2: Secreto ejecutó una operación de decepción covete que vio a
• 3:22
  Speaker 2: Trump desmantelado de la Fuerza Aérea 1 y hacia un avión
• 3:24
  Speaker 2: militar más pequeño a bordo de un coche de catering.
• 3:35
  Speaker 2: El Correo Público se quedó con lo que el Servicio
• 3:36
  Speaker 2: Secreto pensó que era el avión targetado. Después de las noticias,
• 3:39
  Speaker 2: hablaremos con Dan Lamoff, el periodista de Washington Post que
• 3:42
  Speaker 2: rompió la historia. Los soldados de fuego en Lebanon acusan
• 3:44
  Speaker 2: al ejército israelí de iniciar incendios en el sur de Lebanon.
• 3:54
  Speaker 2: El ejército israelí cayó en un área de madera el
• 3:57
  Speaker 2: domingo y cuando los bomberos vinieron a extinguir las llamas,
• 3:59
  Speaker 2: un dron se atoró cerca, forzando a ellos a renunciar.
• 4:01
  Speaker 2: Según video y testimonio de servicios de emergencia en Lebanon,
• 4:04
  Speaker 2: los ejércitos israelíes causaron incendios en granjas de oliva y
• 4:06
  Speaker 2: en tierras agrícolas desde el incendio entre Israel y Hezbollah
• 4:09
  Speaker 2: en junio. En el norte de Gaza, Un ataque israelí
• 4:22
  Speaker 2: mató a una persona y agotó a cinco otros. La
• 4:24
  Speaker 2: defensa civil de Gaza dijo que el ataque targetó un
• 4:28
  Speaker 2: vehículo de transporte de Tuk-Tuk. Mientras, MSF, Doctors Without Borders,
• 4:33
  Speaker 2: está aclamando que Israel está bloqueando suministros cruciales de entrar
• 4:37
  Speaker 2: a Gaza. Estos suministros mantienen generadores de hospitales, ambulancias, pompas
• 4:42
  Speaker 2: de agua y coches de agua funcionando. El jefe de
• 4:45
  Speaker 2: la misión de MSF en Palestina dijo, quote, What we're
• 4:48
  Speaker 2: witnessing in Gaza is not a series of isolated shortages.
• 4:50
  Speaker 2: It's a policy of attrition by design. For more than
• 4:52
  Speaker 2: two years we've observed Israel's policies restricting the entry of supplies.
• 4:54
  Speaker 2: These policies do not merely delay aid, they dismantle the
• 4:56
  Speaker 2: very systems people rely on to survive, unquote. Meanwhile, in
• 4:59
  Speaker 2: the occupied West Bank, dozens of settlers besieged, three Palestinian
• 5:02
  Speaker 2: families in Kusra. cortando el agua, el poder y los
• 5:19
  Speaker 2: suministros esenciales para el cuarto día. Un oficial humanitario de
• 5:22
  Speaker 2: la Consejería de Seguridad de la ONU dice que las
• 5:23
  Speaker 2: condiciones en el Banco Occupado han llegado a un punto
• 5:25
  Speaker 2: de despegue. Este es un palestino cuya casa ha sido
• 5:27
  Speaker 2: asesinada por los habitantes. Los habitantes establecieron un puente cerca
• 5:29
  Speaker 2: de la casa, alrededor de 6 metros de distancia. Desde ese
• 5:31
  Speaker 2: día hemos sido sujetos a ataques diarios por los habitantes,
• 5:33
  Speaker 2: día y noche.
• 5:46
  Speaker 6: y asesinato en la calle. Tratan de cortar el agua
• 5:48
  Speaker 6: y las redes de electricidad muchas veces. Lo arreglamos y
• 5:51
  Speaker 6: lo cortan otra vez dos días después y atacan a
• 5:53
  Speaker 6: los trabajadores que vienen a hacer la mantenimiento.
• 5:57
  Speaker 2: Colombia ha autorizado operaciones militares juntas con los Estados Unidos
• 6:01
  Speaker 2: contra grupos colombianos armados, a continuación de la inauguración del
• 6:05
  Speaker 2: aliado de Trump de la derecha, el presidente Abelardo de
• 6:09
  Speaker 2: la Espriella. El viernes, el secretario de Defensa de los
• 6:12
  Speaker 2: Estados Unidos, Pete Hegseth, felicitó a Colombia con la coalición
• 6:15
  Speaker 2: de narcotraficantes de los Estados Unidos, conocida como la coalición
• 6:19
  Speaker 2: de carteles contra los Estados Unidos, o A3C. Hegseth dijo
• 6:23
  Speaker 2: que el Tribunal Internacional de Criminología podría investigar los ataques
• 6:27
  Speaker 2: de los Estados Unidos sobre los votos de droga en
• 6:29
  Speaker 2: el Caribe, que los grupos de derechos humanos han condenado
• 6:31
  Speaker 2: como asesinatos y asesinatos extrajudiciales y llamados a los socios
• 6:34
  Speaker 2: a rechazar la ICC. Es por eso que muy bien
• 6:35
  Speaker 2: recomiendo a cada miembro de la ACCC de dejar la
• 6:37
  Speaker 2: ICC y rechazar sus intentos de robar a sus gobiernos
• 6:39
  Speaker 2: y a sus tribunales.
• 6:52
  Speaker 3: de su soberanía.
• 7:05
  Speaker 2: Sé que como soldado, puse un orden a la Constitución,
• 7:08
  Speaker 2: no alguna corte falsa e ilegítima internacional. Mientras tanto, los
• 7:12
  Speaker 2: reportes de New York Times, pescadores con Ecuador, dicen que
• 7:14
  Speaker 2: están siendo atacados por asalinos de habla inglesa usando drones.
• 7:16
  Speaker 2: Según la ONU, un voto de pesca ha sido perdido
• 7:18
  Speaker 2: en la mar desde enero, con ocho personas todavía perdidas
• 7:19
  Speaker 2: y presumidas muertas. Los sobrevivientes dicen que los asalantes usaron
• 7:23
  Speaker 2: uniformes que se unían con patas de flagra americana. Algunos
• 7:26
  Speaker 2: de los otros pescadores dicen que se han tirado de
• 7:29
  Speaker 2: sus barcos, cuestionados y enviados a la Navy de El
• 7:31
  Speaker 2: Salvador antes de ser lanzados. El Guardia de la costa
• 7:33
  Speaker 2: de los Estados Unidos y el Pentágono no han denunciado
• 7:35
  Speaker 2: ninguna involución. Para ver la cobertura de Democracy Now! ve
• 7:38
  Speaker 2: a democracynow.org. La administración de Trump termina la financiación federal
• 7:41
  Speaker 2: por la Carta de Reportos de la Ártica. The Flagship
• 7:52
  Speaker 2: Report on How the Climate Crisis is Transforming Earth's Northern Latitudes. NOAA,
• 7:58
  Speaker 2: the National Oceanic and Atmospheric Administration, had issued the report
• 8:02
  Speaker 2: annually for the past 20 years, documenting how human activity is
• 8:07
  Speaker 2: causing the Arctic to warm faster than any other region.
• 8:12
  Speaker 2: In response, former NOAA Administrator Rick Spenard blasted the Trump
• 8:17
  Speaker 2: administration for, quote, unquote, imposing ignorance on the system. Dartmouth
• 8:23
  Speaker 2: College professor and polar researcher Melody Brown-Burkins told the Washington Post, quote,
• 8:27
  Speaker 2: it's like not allowing your primary care doctor to tell
• 8:31
  Speaker 2: you how you're doing. Taking away the checkup doesn't stop
• 8:35
  Speaker 2: the changes from happening, she said. El juez de la
• 8:39
  Speaker 2: Corte Suprema, Samuel Alito, ganó más de 2,9 millones de dólares
• 8:42
  Speaker 2: de sus intereses en combustibles fósiles entre 2005 y 2024. Eso es
• 8:44
  Speaker 2: según una revisión de las declaraciones financieras de la Junta
• 8:47
  Speaker 2: de Advocados de la Junta de Advocados de la Junta
• 8:49
  Speaker 2: de Advocados. Esto viene como si la Corte Suprema estuviera
• 8:52
  Speaker 2: escuchando un caso con dos empresas de petróleo, Suncor Energy
• 8:54
  Speaker 2: y Exxon. Estas compañías quieren que el tribunal regule que
• 9:10
  Speaker 2: la ley federal prevenga a los gobiernos estatales de suerirlos
• 9:13
  Speaker 2: sobre el daño climático causado por sus productos. Los activistas
• 9:17
  Speaker 2: están llamando al juez Alito a recusarse, citando sus extensos
• 9:22
  Speaker 2: investimientos en compañías de energía. También demandan una investigación por
• 9:26
  Speaker 2: el Comité Judicial del Senado. El presidente Trump anunció el
• 9:31
  Speaker 2: viernes que la secretaria de la Secretaría de la República,
• 9:33
  Speaker 2: Carolyn Leavitt, dejará su poste a finales del mes.
• 9:43
  Speaker 2: Trump dijo que se
• 9:46
  Speaker 2: va a dejar el rol para pasar más tiempo con
• 9:47
  Speaker 2: su familia después de dar nacimiento a su segunda hija.
• 9:49
  Speaker 2: El Intercept y el Freedom of the Press Foundation firmaron
• 9:50
  Speaker 2: una acusación el viernes. against President Trump and his staff,
• 9:58
  Speaker 2: seeking to halt plans by Trump's media company to monetize
• 10:00
  Speaker 2: the President's social media posts. Under the scheme, Trump's Truth
• 10:02
  Speaker 2: Social platform would charge up to $ 100, 000 per month for
• 10:04
  Speaker 2: early access to the President's posts, which frequently drives stock
• 10:06
  Speaker 2: market volatility. In announcing the lawsuit, Ben Youssef, editor-in-chief of
• 10:09
  Speaker 2: The Intercept, said, quote, Trump está tratando de enriquecerse por
• 10:29
  Speaker 2: privatizar la información del gobierno que no tiene derecho a vender.
• 10:32
  Speaker 2: No vamos a dejar que se sienta, dijo. Esto viene
• 10:35
  Speaker 2: como la Corporación de Media y Tecnología de Trump, que
• 10:38
  Speaker 2: gobierna Truth Social, anunció una pérdida de $ 238 millones durante
• 10:41
  Speaker 2: el segundo cuarto de este año. Mientras tanto, el New
• 10:52
  Speaker 2: York Times reporta que el número de visitantes mensuales a
• 10:54
  Speaker 2: Truth Social fue bajando alrededor del 36% desde hace un año.
• 10:56
  Speaker 2: Los agentes federales arrestaron a los centros de la pobreza sur,
• 10:58
  Speaker 2: el antiguo jefe de financiación, Heidi Beirich, el viernes. Los
• 11:02
  Speaker 2: consejeros federales se encargaron de una conspiración para cometer fraude
• 11:06
  Speaker 2: de wire, una conspiración para asumir falsos estímulos a un
• 11:09
  Speaker 2: banco insurrecido federal y una conspiración para cometer deslizamiento de
• 11:12
  Speaker 2: dinero de conciencia. En abril, el Departamento de Justicia encargó
• 11:22
  Speaker 2: al SPLC de su ahora defunto programa, en el que
• 11:23
  Speaker 2: pagaron informes para infiltrar a grupos supremacistas blancos para monitorear
• 11:26
  Speaker 2: sus actividades. El abogado de Byrick dijo en un artículo,«
• 11:28
  Speaker 2: Una sociedad libre y justa no usa el sistema de
• 11:30
  Speaker 2: justicia para silenciar a sus oponentes políticos». Heidi Beirich ha
• 11:45
  Speaker 2: dedicado su vida a luchar contra grupos de odio y
• 11:46
  Speaker 2: movimientos extremistas como el KKK, los neo-nazis y otros supremacistas blancos.
• 11:49
  Speaker 2: Su recorrido de décadas de éxito, desmantelando grupos de odio
• 11:51
  Speaker 2: y las amenazas resultantes a su vida, habla en volúmenes.
• 11:54
  Speaker 2: Por esto, ha sido acusada, dice su abogada. En Nueva Carolina,
• 11:56
  Speaker 2: la hija de un pastor que fue detenido por ICE,
• 11:58
  Speaker 2: Inmigración y Defensa de Customs, Dice que su padre sufrió
• 12:14
  Speaker 2: síntomas como el de la enfermedad que lo dejó parcialmente
• 12:17
  Speaker 2: paralizado solo semanas después de su arresto. Gabriela Johnson dice
• 12:21
  Speaker 2: que solo ha sido brevemente capaz de hablar con su
• 12:23
  Speaker 2: padre de 55 años, Gabriel Johnson, desde que fue tomado a
• 12:25
  Speaker 2: un hospital de Texas el 30 de julio. En un video
• 12:28
  Speaker 2: viral ahora, dice que está preocupada por que su padre
• 12:30
  Speaker 2: continúa a peor debido a la negligencia médica.
• 12:39
  Speaker 7: Esto no es amor, esto no es caridad, esto no
• 12:41
  Speaker 7: es América, es tortura. Y no solo están tratando de
• 12:44
  Speaker 7: sacar a las personas de sus casas y de romper
• 12:46
  Speaker 7: a sus familias, están tratando de matarlas en su camino.
• 12:48
  Speaker 7: Por favor, si alguien está en el estado de Texas
• 12:51
  Speaker 7: o trabaja en la ley de inmigración y reforma, yo
• 12:53
  Speaker 7: haré cualquier cosa. Por favor, ayúdenme a traer a mi
• 12:56
  Speaker 7: padre de vuelta a Carolina del Norte.
• 12:59
  Speaker 2: En más noticias de inmigración, un agente de ICE filmó
• 13:03
  Speaker 2: que empujó a un activista viejo a la tierra cerca
• 13:05
  Speaker 2: de Chicago el año pasado, y se acusó de una
• 13:06
  Speaker 2: sola amenaza de batería. Adam Sirocco fue condenado el domingo
• 13:09
  Speaker 2: a 12 meses de supervisión judicial por el asalto. En diciembre,
• 13:18
  Speaker 2: recientemente completó un cambio y estaba en trabajo cuando asaltó
• 13:21
  Speaker 2: a un abogado de 68 años, Robert Held, en un parque
• 13:22
  Speaker 2: de gasolina. Held había estado grabando videos de Sirocco llenando
• 13:26
  Speaker 2: su tanque de gas. Mientras tanto, un video ampliamente circulado
• 13:29
  Speaker 2: muestra a un agente de agua en la iglesia de Falls, Virginia,
• 13:31
  Speaker 2: apuntando un arma a un conductor que grita a los
• 13:33
  Speaker 2: oficiales mientras detienen a la gente en una escalera cerca.
• 13:45
  Speaker 2: Video filmado por el conductor muestra a los agentes de
• 13:48
  Speaker 2: ice masacrados repetidamente acusándola de tratar de corregirlos con su
• 13:51
  Speaker 2: carro y amenazando a arrestarla. Cuando ella contradició sus acusaciones
• 13:54
  Speaker 2: y dijo que el video de cámara de dash le vindicaría,
• 13:57
  Speaker 2: los agentes se fueron. And those are
• 14:15
  Speaker 8: some of the headlines. This is Democracy Now!, democracynow.org, the
• 14:18
  Speaker 8: War and Peace Report. I'm Amy Goodman in London with
• 14:19
  Speaker 8: Nermeen Shaikh in New York. Hi, Nermeen. Hi, Amy, and
• 14:21
  Speaker 8: welcome to our listeners and viewers around the country and
• 14:23
  Speaker 8: the world. We begin today's show looking at how an
• 14:25
  Speaker 8: alleged Iranian threat to assassinate President Trump led to a
• 14:27
  Speaker 8: secret operation last month that possibly endangered the lives of
• 14:30
  Speaker 8: journalists and White House staffers. The Washington Post reported on
• 14:34
  Speaker 8: Monday that President Trump secretly switched planes before departing a
• 14:38
  Speaker 8: NATO summit in Turkey. Ahead of his departure from Ankara
• 14:42
  Speaker 8: on July 8, President Trump announced on Truth Social that he
• 14:45
  Speaker 8: would not be flying on the newly refurbished Boeing 747-8 Jet,
• 14:49
  Speaker 8: regalado por Qatar, pero en vez de en el viejo
• 14:51
  Speaker 8: Air Force One, por el mal tiempo, dijo. Ese anuncio
• 14:54
  Speaker 8: llevó a revelaciones de que el avión de Qatar perdió
• 14:58
  Speaker 8: algunas de las características de seguridad del legado de Air
• 15:00
  Speaker 8: Force One, leyes que agredieron al White House y llevaron
• 15:02
  Speaker 8: a las subvenciones de los reportes de New York Times.
• 15:04
  Speaker 8: Pero el Post reveló el lunes que el presidente de
• 15:06
  Speaker 8: hecho se desplazó en un tercer avión.
• 15:19
  Speaker 2: Presidente Trump fue visto viajando en el antiguo Air Force One,
• 15:21
  Speaker 2: pero luego secretamente salió a través de otra puerta y
• 15:24
  Speaker 2: fue avionado en un coche de catering de aeropuerto, junto
• 15:26
  Speaker 2: con varios aides, a un tercer avión. La prensa fue
• 15:29
  Speaker 2: pedida para bajar sus sombras antes de la operación, supuestamente,
• 15:31
  Speaker 2: para que no se viera el exilio del presidente. Los
• 15:43
  Speaker 2: oficiales anteriores que fueron dejados en el avión, junto con
• 15:45
  Speaker 2: la compañía y los reportantes, incluyeron al secretario de Estado
• 15:47
  Speaker 2: Marco Rubio y al secretario de la Presidencia, Scott Besant.
• 15:51
  Speaker 2: La Casa Blanca nunca reveló la operación secreta. El domingo,
• 15:53
  Speaker 2: el presidente Trump fue preguntado por los reportantes sobre el
• 15:56
  Speaker 2: cambio de avión y el riesgo que poseía a los
• 15:57
  Speaker 2: reportantes sobre el vuelo de decoy.
• 16:06
  Speaker 5: El presidente de la Junta de la República, el presidente
• 16:08
  Speaker 5: de la Junta de la República,
• 16:35
  Speaker 8: met privately with senior White House officials Tuesday to convey
• 16:38
  Speaker 8: concerns from the press corps. In an internal memo to
• 16:42
  Speaker 8: members afterwards, she said, I asked the White House to
• 16:46
  Speaker 8: work with us on a protocol that recognizes the Secret
• 16:49
  Speaker 8: Service's responsibility to respond to genuine threats while protecting press safety,
• 16:55
  Speaker 8: preserving independent coverage of the President and providing a mechanism
• 16:59
  Speaker 8: to correct the record after the fact when necessary.
• 17:04
  Speaker 2: For more, we're joined by the reporter who broke the story,
• 17:08
  Speaker 2: national security writer for the Washington Post, Dan Lamothe. But
• 17:13
  Speaker 2: his latest piece is headlined CIA had low confidence in
• 17:18
  Speaker 2: Iranian threat before Trump switched planes in Turkey. In it,
• 17:23
  Speaker 2: Lamothe reporta que la inteligencia sobre la amenaza de asesinato
• 17:28
  Speaker 2: contra el presidente Trump vino a la CIA del gobierno israelí,
• 17:32
  Speaker 2: pero no fue vista por la CIA como altamente credible. Dan,
• 17:39
  Speaker 2: antes de hablar de que el presidente creía que se
• 17:42
  Speaker 2: había amenazado y que se iba a mover a un
• 17:43
  Speaker 2: tercer avión, primero el jet cutter, luego el viejo Air
• 17:46
  Speaker 2: Force One y luego este jet militar, antes de hablar
• 17:47
  Speaker 2: de que él lo dejó y, presumiblemente, dejó a la
• 17:49
  Speaker 2: prensa en el avión en peligro, ahora tienes esta nueva
• 17:51
  Speaker 2: historia de que la CIA de los Estados Unidos ni
• 17:53
  Speaker 2: siquiera pensó en la inteligencia israelí, porque esa fue la
• 17:55
  Speaker 2: fuente de la información. sobre la
• 18:11
  Speaker 9: amenaza de asesinato a Trump fue viable. Eso es correcto.
• 18:15
  Speaker 9: Hemos reportado la noche pasada. Mis colegas Warren Strobel, John
• 18:18
  Speaker 9: Hudson y yo combinamos una historia que kind of laid
• 18:21
  Speaker 9: out how they came to the decision to make these
• 18:25
  Speaker 9: extraordinary moves in July. The Israelis passed a tip, a
• 18:28
  Speaker 9: concern that the plane and potentially the president was under
• 18:32
  Speaker 9: threat La CIA tenía poca confianza en él. Y creo
• 18:37
  Speaker 9: que eso deja a la Secretaría de Servicios en un
• 18:39
  Speaker 9: punto difícil de asesorarse.¿ Qué haces en esta misión de
• 18:42
  Speaker 9: cero fallos para mantener al presidente seguro, pero al mismo
• 18:44
  Speaker 9: tiempo manejar las piezas adicionales? Ellos fueron con la opción
• 18:46
  Speaker 9: más extrema de retirar al presidente y luego mantenerlo secreto después.
• 19:02
  Speaker 8: So, Dan Lamothe, if you could put this in also
• 19:05
  Speaker 8: historical context. In other words, in the past, the Secret
• 19:09
  Speaker 8: Service has used decoy motorcades and planes for presidents. Why
• 19:14
  Speaker 8: is this incident different? On previous occasions, were the press
• 19:17
  Speaker 8: corps and other senior officials also taken off the plane?
• 19:20
  Speaker 8: The most direct example we've seen is...
• 19:31
  Speaker 9: es probablemente el presidente Clinton, lanzándose en Pakistán en 2000. El
• 19:33
  Speaker 9: Post tuvo otra pieza ayer esta semana de Scott Nover,
• 19:35
  Speaker 9: donde fue aclarado y reportado que al menos el jefe
• 19:37
  Speaker 9: de la Asociación de Correspondientes de la Junta de la
• 19:39
  Speaker 9: República en ese tiempo se había traído quietamente. Ellos kind
• 19:41
  Speaker 9: of laid out what they needed to do, what they
• 19:43
  Speaker 9: thought they needed to do. And in that case, the president...
• 19:57
  Speaker 9: se siguieron en Air Force One en un segundo avión,
• 19:58
  Speaker 9: pero creo que la diferencia más significativa aquí es que
• 20:01
  Speaker 9: en ese caso, momentos después de la lanzada, Presidente Clinton
• 20:03
  Speaker 9: salió del otro avión y se volvió muy aparente lo
• 20:06
  Speaker 9: que había pasado. Así que, ya sabes, dentro de minutos
• 20:07
  Speaker 9: se vuelve claro, todos saben que hay un decoy, se
• 20:09
  Speaker 9: reportó en ese momento básicamente lo que pasó y por qué.
• 20:23
  Speaker 9: And in this case, it was handled very differently. I mean,
• 20:26
  Speaker 9: a month worth of secrecy, presumably that would have continued
• 20:29
  Speaker 9: had it not been for some news reports.
• 20:34
  Speaker 2: Si tienes pensamientos sobre esto, quiero decir, aquí la Cámara
• 20:36
  Speaker 2: de Diputados de la Cámara de Diputados de la Cámara
• 20:39
  Speaker 2: de Diputados de la Cámara de Diputados de la Cámara
• 20:59
  Speaker 2: Pero tal vez el White House estaba más preocupado por
• 21:01
  Speaker 2: que era esto lo que saldría, que dejó el avión,
• 21:03
  Speaker 2: dejó a los reportantes en el avión y se movió
• 21:05
  Speaker 2: a un tercer avión. Y sí, Marco Rubio estaba aparentemente
• 21:08
  Speaker 2: en ese avión, así como Scott Besant. Él estaba con
• 21:11
  Speaker 2: sus asesinos personales, como Walt Nauda, quien fue condenado con
• 21:14
  Speaker 2: él hace unos años, aunque esos condenamientos fueron derrotados.¿ Cuáles
• 21:18
  Speaker 2: son tus pensamientos?
• 21:29
  Speaker 9: Sí, quiero decir, cuando me salió este consejo, estaba impresionado
• 21:33
  Speaker 9: por la naturaleza extraordinaria de él. Inicialmente, me miraba como
• 21:35
  Speaker 9: si esto pareciera algo surreal. Y si vamos a reportar esto,
• 21:38
  Speaker 9: mejor estemos jodidamente seguros antes de publicar. Así que tomó
• 21:41
  Speaker 9: tiempo para reducir esto. Múltiples conversaciones, múltiples entrevistas de fuentes
• 21:44
  Speaker 9: y pensé que era realmente útil escuchar esa historia inicial.
• 21:46
  Speaker 9: Tenemos a nuestro equipo de Forensic Visual involucrado. Hemos involucrado
• 22:00
  Speaker 9: a nuestro equipo de investigaciones, hemos probado datos de tránsito
• 22:03
  Speaker 9: de aeropuertos, y realmente pensé que una de las cosas
• 22:07
  Speaker 9: remarcables en esa historia inicial, y algo que hizo difícil denunciarlo,
• 22:11
  Speaker 9: fue que teníamos video en el aeropuerto que básicamente seguía
• 22:13
  Speaker 9: mucho de esto. Si estás mirando a ese coche de
• 22:15
  Speaker 9: catering como solo otro día, no se quedó, pero cuando
• 22:18
  Speaker 9: lo miras a través de la lente de los otros reportes,
• 22:20
  Speaker 9: se ve bastante extraordinario.
• 22:29
  Speaker 8: Y finalmente, Dan, en otro tema, has estado reportando sobre
• 22:32
  Speaker 8: los impactos del conflicto de Irán sobre municiones, personal militar
• 22:34
  Speaker 8: y sobre las instalaciones estadounidenses en la región.¿ Podrías hablar
• 22:37
  Speaker 8: sobre algunos de esos reportes y lo que has encontrado? Sí,
• 22:39
  Speaker 8: quiero decir, realmente ha sido una preocupación duradera a lo
• 22:42
  Speaker 8: largo de este conflicto que realmente crece al día a día,
• 22:44
  Speaker 8: como
• 22:47
  Speaker 9: el conflicto se desvanece. Los Estados Unidos tienen un gran
• 22:58
  Speaker 9: número de municiones en general. El problema aquí es que
• 23:02
  Speaker 9: no tienen suficiente de municiones muy específicas y muy importantes.
• 23:05
  Speaker 9: Así que a lo largo del tiempo, cosas como misiles Tomahawk,
• 23:07
  Speaker 9: misiles Patriot Interceptor, cosas que han realmente jugado un rol
• 23:09
  Speaker 9: clave en este conflicto en particular y que también han
• 23:12
  Speaker 9: sido importantes en el conflicto de Ucrania y que serían
• 23:15
  Speaker 9: importantes en cualquier tipo de conflicto con China o algún
• 23:18
  Speaker 9: otro adversario, se están desvaneciendo. Y no pueden ser construidos rápidamente.
• 23:28
  Speaker 9: Y esto fue una cosa conocida, volviendo no solo a
• 23:31
  Speaker 9: la administración de Trump, sino también a la administración de Biden.
• 23:33
  Speaker 9: Algunos pasos fueron tomados para arreglar esto. Sin embargo, una
• 23:35
  Speaker 9: vez que... No han sido capaces de resolver ese problema.
• 23:43
  Speaker 9: Y realmente, solo están tratando de desplegarlo.
• 23:50
  Speaker 2: Dan Lamothe, queremos agradecerle por estar con nosotros. La escritora
• 23:53
  Speaker 2: de seguridad nacional de The Washington Post se conectará con
• 23:56
  Speaker 2: su exclusiva que expone la avión secreta. La capítulo es
• 24:01
  Speaker 2: Contradicción a los Estatutos Públicos. Trump tomó avión secreto de
• 24:05
  Speaker 2: Turquía en medio de la amenaza iraní. Su pie más
• 24:08
  Speaker 2: reciente con otros reportes de The Washington Post. La CIA
• 24:10
  Speaker 2: tenía poca confianza en la amenaza iraní antes de que
• 24:12
  Speaker 2: Trump cambiara de avión en Turquía. Coming up, as the U.S.
• 24:18
  Speaker 2: rapidly expands its use of artificial intelligence, we'll look at
• 24:19
  Speaker 2: how AI is changing the way wars are fought. We'll
• 24:21
  Speaker 2: speak to Heidi Kloth. She co-authored the new report, Anatomy
• 24:24
  Speaker 2: of an AI Kill Chain. And then we'll talk about
• 24:26
  Speaker 2: race and AI. Stay with us. Como si cada vez
• 24:54
  Speaker 2: que pudieras aparecer Todo te hiciera desaparecer Como si se
• 24:58
  Speaker 2: te hiciera extraño Como si no pudieras hacer nada más
• 25:52
  Speaker 4: Eclipse
• 25:54
  Speaker 2: by François Gutt. Yes, I am here in London and
• 25:59
  Speaker 2: that's exactly what Londoners and people in so many countries
• 26:04
  Speaker 2: in Europe experienced yesterday, a solar eclipse. This is Democracy
• 26:18
  Speaker 8: Now!, democracynow.org, The War and Peace Report. I'm Amy Goodman
• 26:20
  Speaker 8: in London with Nermeen Shaikh in New York. We turn
• 26:22
  Speaker 8: now to how artificial intelligence is transforming warfare from targeting
• 26:24
  Speaker 8: software to autonomous drones. Earlier this year, Defense Secretary Pete
• 26:28
  Speaker 8: Hexeth spoke at Elon Musk's company, SpaceX. In short, we
• 26:32
  Speaker 3: will win this race by becoming an AI first. Y
• 26:37
  Speaker 3: esto es el comandante de la CENTCOM, el admiral Brad Cooper,
• 26:40
  Speaker 3: hablando sobre el uso de la IAEA en los militares estadounidenses.
• 26:52
  Speaker 10: Nuestros luchadores de guerra están aprovechando una variedad de herramientas
• 26:55
  Speaker 10: de AI avanzadas. Estas sistemas nos ayudan a desplazar grandes
• 26:58
  Speaker 10: cantidades de datos en segundos, así que nuestros líderes pueden
• 27:01
  Speaker 10: cortar el ruido y tomar decisiones más inteligentes, más rápido
• 27:04
  Speaker 10: que el enemigo puede reaccionar. Los humanos siempre harán decisiones
• 27:07
  Speaker 10: finales sobre qué disparar y qué no disparar, y cuándo disparar,
• 27:09
  Speaker 10: pero las herramientas de AI avanzadas pueden transformar procesos que
• 27:13
  Speaker 10: solían tomar horas y a veces incluso días, en segundos.
• 27:19
  Speaker 2: Estamos acompañados ahora por Heidi Klaff, la jefa científica de
• 27:23
  Speaker 2: la AI en el Instituto AI Now. Just released a
• 27:27
  Speaker 2: joint report with Air Wars titled Anatomy of an AI
• 27:29
  Speaker 2: Kill Chain. Heidi, thanks so much for being with us.
• 27:31
  Speaker 2: We want you to explain this report, but also to
• 27:33
  Speaker 2: warn you to a global lay audience when you use
• 27:35
  Speaker 2: terms like generative AI and artificial general intelligence, if you
• 27:38
  Speaker 2: would explain your terms. But tell us about this anatomy
• 27:40
  Speaker 2: of an AI kill chain.
• 27:59
  Speaker 11: Sí, en realidad queríamos romper y desmistificar muchos de estos
• 28:01
  Speaker 11: términos que ahora vemos siendo usados, como mencionaste, AI generativo,
• 28:04
  Speaker 11: modelos de lenguaje grande y también, más generalmente, el uso
• 28:06
  Speaker 11: de AI generalmente en la guerra y lo que significa.
• 28:08
  Speaker 11: Y creo que es importante recordar, y lo que estamos
• 28:09
  Speaker 11: tratando de transmitir en este reporte realmente, es que el
• 28:12
  Speaker 11: AI ha sido usado en la defensa militar desde los años 1960.
• 28:20
  Speaker 11: Y cuando hablamos de una nueva carrera de armas de
• 28:24
  Speaker 11: AI significa la inclusión de algo como ChatGPT, que es
• 28:26
  Speaker 11: un tipo de AI conocido como modelo de lengua grande,
• 28:29
  Speaker 11: en los procesos de decisión para el target. Y la
• 28:31
  Speaker 11: cosa es que queremos despejar que no es solo un
• 28:33
  Speaker 11: robot AI killer, que es a menudo el concepto que
• 28:35
  Speaker 11: la gente tiene de AI. Lo que es es una
• 28:36
  Speaker 11: serie de diferentes tipos de algoritmos de AI que están conectados,
• 28:48
  Speaker 11: cada uno con sus propios pitfalls, cada uno con sus
• 28:49
  Speaker 11: propios errores, cada uno tiene muy baja relevancia y acuidad.
• 28:51
  Speaker 11: Y estos sistemas se construyen entre sí mismos y se
• 28:53
  Speaker 11: alimentan entre sí mismos, que, desgraciadamente, resultan en casualidades civiles,
• 28:56
  Speaker 11: como se ve a menudo con su uso. desplazamos cada
• 29:05
  Speaker 11: paso de la cadena de muerte, cómo cada algoritmo de
• 29:07
  Speaker 11: AI conduce a decisiones falsas y, finalmente, puede conducir a
• 29:09
  Speaker 11: la realización de decisiones en el enfoque de casualidades civiles
• 29:12
  Speaker 11: debido a lo falsos que son estos algoritmos. No solo
• 29:13
  Speaker 11: nos enfocamos en los nuevos tipos de AI que vemos publicados,
• 29:16
  Speaker 11: como se ha discutido en temas como ChatGPT, modelos de
• 29:18
  Speaker 11: lenguaje amplio. También hablamos de tipos de AI más viejos
• 29:20
  Speaker 11: que siguen siendo usados y dependiendo, como sistemas de visión.
• 29:33
  Speaker 8: And if you could explain, Heidi, the difference between decision
• 29:38
  Speaker 8: support systems and autonomous weapons systems. And on the question
• 29:45
  Speaker 8: of large language models, you've warned that there have been
• 29:48
  Speaker 8: operations from Russia and China that put out propaganda to
• 29:52
  Speaker 8: try to skew the outputs of large language models. What
• 29:56
  Speaker 8: does that mean?
• 29:58
  Speaker 11: Así que realmente la diferencia entre sistemas de apoyo de
• 30:00
  Speaker 11: decisiones y sistemas de armas autónomas es que hay un
• 30:03
  Speaker 11: humano en el loop cuando estás seleccionando un objetivo, esencialmente
• 30:07
  Speaker 11: para disparar. Un sistema de armas autónomas significa que esto
• 30:09
  Speaker 11: se hace automáticamente sin un humano en el loop. Y
• 30:11
  Speaker 11: considero este tipo de separación entre ellos bastante superficial en práctica. Porque,
• 30:19
  Speaker 11: en fin, si tienes a un humano que es solo
• 30:20
  Speaker 11: una rueda para las decisiones de la IA, ¿verdad? Y
• 30:23
  Speaker 11: sabemos que hacen esto debido a algo que se llama
• 30:25
  Speaker 11: el campo de la escenografía de la bioseguridad automática, que
• 30:28
  Speaker 11: es que sabemos que los humanos son capaces de aceptar
• 30:29
  Speaker 11: recomendaciones de algoritmos de la IA sin corroborar esa evidencia.
• 30:31
  Speaker 11: Para mí, en práctica, eso significa que tienes a un
• 30:33
  Speaker 11: humano que, bajo las presiones de tiempo de guerra y conflicto,
• 30:35
  Speaker 11: es solo aprobando decisiones de una IA. Y así, típicamente,
• 30:46
  Speaker 11: esta separación es a menudo hecha para decir, bueno, la
• 30:48
  Speaker 11: AI es segura, está bien, incluso si hace errores, porque
• 30:51
  Speaker 11: tienes a un humano corregiendo eso. Pero en práctica, vemos
• 30:54
  Speaker 11: una foto muy, muy diferente o una foto diferente de
• 30:56
  Speaker 11: cómo ocurre.¿ Puedes explicar, Heidi, la manera en la que
• 31:00
  Speaker 11: los sistemas de la
• 31:01
  Speaker 8: AI fueron usados? tanto por Israel en Gaza como en
• 31:10
  Speaker 8: la guerra israelí en Irán y, en particular, el ataque
• 31:15
  Speaker 8: en la escuela en Minab en los primeros días de
• 31:17
  Speaker 8: la guerra.
• 31:19
  Speaker 11: Sí, o sea, hemos sabido que los modelos de lenguaje
• 31:22
  Speaker 11: grande se han usado desde que realmente la idea comenzó
• 31:24
  Speaker 11: a usarlos en Gaza. Un buen ejemplo de eso es
• 31:26
  Speaker 11: una investigación de AP que demostró que lo estaban usando
• 31:28
  Speaker 11: para traducir comunicaciones interceptadas, ¿verdad? Y estaban tomando esencialmente el
• 31:31
  Speaker 11: árabe y determinando si o no las personas específicas deberían
• 31:33
  Speaker 11: ser colocadas en una lista de objetivos. Y encontramos que, porque,
• 31:40
  Speaker 11: de nuevo, los modelos de lenguaje grandes son altamente inacurados
• 31:43
  Speaker 11: e irrelevantes, que traducen mal el árabe. En este caso,
• 31:46
  Speaker 11: tomaron algo como un pagamento y pensaron que se refería
• 31:48
  Speaker 11: a un pagamento y añadieron a la lista de objetivos.
• 31:50
  Speaker 11: En este ejemplo específico, sabemos que esto fue atraído. Pero, nuevamente,
• 31:58
  Speaker 11: bajo el presión de tiempo, hay situaciones en las que
• 31:59
  Speaker 11: los operadores humanos no van a comprobar eso, especialmente porque
• 32:01
  Speaker 11: a menudo es muy difícil entender por qué un AI
• 32:02
  Speaker 11: específico hizo la decisión que hizo. Y ahora sabemos que,
• 32:04
  Speaker 11: ya sabes, ha sido confirmado por el Departamento de Guerra
• 32:07
  Speaker 11: de Estados Unidos, que están usando a Claude a través
• 32:10
  Speaker 11: de Palantir's Maven para hacer decisiones de tipo similar. And
• 32:23
  Speaker 11: we have now, unfortunately, the MinApp school tragedy, which resulted
• 32:26
  Speaker 11: in 160 civilian casualties. And it's becoming then unclear whether or
• 32:30
  Speaker 11: not AI is used. We know that cloud is being
• 32:32
  Speaker 11: used to sort of make these targeting recommendations. But ultimately,
• 32:34
  Speaker 11: it hasn't really been clear. Was it the AI? Was
• 32:35
  Speaker 11: it not? Was it deliberate? Was it not? And how
• 32:37
  Speaker 11: do we really... tracen eso cuando realmente no podemos verificar
• 32:48
  Speaker 11: o validar si algo era una recomendación de AI o no. Además,
• 32:51
  Speaker 11: tenemos un tiempo muy difícil con modelos de lenguaje grande
• 32:53
  Speaker 11: debido a su escala y la naturaleza de operación para
• 32:54
  Speaker 11: poder entender por qué un AI hizo la decisión que hizo.¿
• 32:56
  Speaker 11: Fue debido a datos falsos?¿ Fue dirigido a hacerlo?¿ Fue
• 32:58
  Speaker 11: debido a alucinaciones? Si alguien ha usado ChatGPT, sabe que
• 33:01
  Speaker 11: estos chatbots a menudo fabrican información. Y creo que ahí
• 33:15
  Speaker 11: es donde estamos con esa situación actual. A nosotros aún
• 33:17
  Speaker 11: no es claro cuál fue la causa de eso. Y
• 33:19
  Speaker 11: diría que ese es el propósito del sistema de la IA.
• 33:20
  Speaker 11: Se usan a menudo para arreglar la responsabilidad.
• 33:28
  Speaker 2: Heidi Kloff, Anthropic, antes de este año, anunció que estaría
• 33:31
  Speaker 2: despegando su promesa de seguridad principal. Antes, trabajabas con empresas
• 33:34
  Speaker 2: como OpenAI, donde tratabas de ayudarlas a crear sus primeros
• 33:37
  Speaker 2: frameworks de seguridad para entender cómo evaluar sus sistemas de seguridad.
• 33:39
  Speaker 2: Y ahora, OpenAI, jefe de ética, se ha dejado... Después
• 33:54
  Speaker 2: de menos de un año de unirse, fue Chloe Bacalar,
• 33:55
  Speaker 2: una de las varias excesas de alto perfil en OpenAI
• 33:57
  Speaker 2: en las últimas semanas, como las preocupaciones se montaron. Si
• 34:00
  Speaker 2: puedes hablar de lo que son estos frameworks de ética
• 34:02
  Speaker 2: y de por qué la gente se va uno después
• 34:04
  Speaker 2: del otro y por qué es así, es la Only
• 34:20
  Speaker 2: the company that
• 34:25
  Speaker 11: determines this, not government regulators, how AI is used. Well,
• 34:29
  Speaker 11: I can't necessarily speak on why those specific individuals left,
• 34:31
  Speaker 11: but I can speak from my own experience as a
• 34:32
  Speaker 11: safety engineer, because prior to joining OpenAI, I actually worked
• 34:36
  Speaker 11: in nuclear defense and aviation, ensuring that the systems implemented
• 34:40
  Speaker 11: in those, you know, what we call safety critical systems,
• 34:44
  Speaker 11: don't cause any harm. And ultimately what these companies are,
• 34:46
  Speaker 11: they're reinventing safety. They're co-opting a lot of the terms
• 34:48
  Speaker 11: that we've used traditionally in safety and security engineering to
• 34:50
  Speaker 11: really make this about kind of different types of safety.
• 34:53
  Speaker 11: Instead of being concerned, are our systems reliable? Are they accurate?
• 34:55
  Speaker 11: Do they perform as intended? Are they fit for purpose
• 34:58
  Speaker 11: so that no human is harmed due to the decisions
• 34:59
  Speaker 11: or recommendations that they make? En lugar, tenemos estos frameworks
• 35:12
  Speaker 11: de seguridad y ética sobre si estos sistemas son autónomos,
• 35:15
  Speaker 11: si tienen intención, si son conscientes. Y eso es una
• 35:16
  Speaker 11: pregunta muy diferente. Y a menudo pueden dar la ilusión
• 35:18
  Speaker 11: de que lo son y personificar mucho de la lengua
• 35:20
  Speaker 11: o de las acciones de estos modelos. Hemos visto recientemente
• 35:34
  Speaker 11: que las capacidades de seguridad cibernética están siendo transmitidas como
• 35:36
  Speaker 11: algo que es autonómico. Esto es algo que hemos esperado
• 35:38
  Speaker 11: de estas cosas. Están haciendo esto a su propia voluntad.
• 35:41
  Speaker 11: Cuando estas compañías las han desplegado en un ambiente muy inseguro,
• 35:43
  Speaker 11: intencionalmente estaban teniendo estos modelos para llevar a cabo ataques
• 35:46
  Speaker 11: cibernéticos como parte de testes o benchmarking. Así que esta
• 36:01
  Speaker 11: es la razón por la que yo tomo un gran
• 36:02
  Speaker 11: problema con eso, es que en realidad, de nuevo, tratan
• 36:04
  Speaker 11: de asignar responsabilidad a la AI en vez de a
• 36:06
  Speaker 11: sí mismas. Realmente, yo veo que la AI solo hace
• 36:07
  Speaker 11: lo que le decimos que hace, solo es capaz de
• 36:08
  Speaker 11: lo que construimos para hacerlo. Y estas empresas de la AI,
• 36:10
  Speaker 11: de nuevo, se están moviendo de la responsabilidad tratando de
• 36:12
  Speaker 11: asignar una especie de autonomía o personalizar a estas AI
• 36:13
  Speaker 11: en sí mismas en hacer eso. Y creo que, ya sabes,
• 36:25
  Speaker 11: cuando estás desplegando estos tipos de modelos en la guerra,
• 36:27
  Speaker 11: es muy, muy fácil decir, bueno, no fuimos nosotros los
• 36:29
  Speaker 11: que hicimos la decisión, fue la AI. Y por eso
• 36:31
  Speaker 11: tomo un gran problema con la manera en que ahora
• 36:32
  Speaker 11: están hablando de la seguridad y la ingeniería de seguridad.
• 36:40
  Speaker 8: Y, de hecho, como dices, ahora es muy rústico escuchar
• 36:42
  Speaker 8: sobre los agentes de la IA, por decirlo de alguna manera,
• 36:45
  Speaker 8: que van en ropa. Y ayer hubo un reporte que
• 36:47
  Speaker 8: Taiwan fue atacada por un ataque de ciberataque asistente a
• 36:50
  Speaker 8: la IA, especialmente abnormal, suspechado de ser de China. Y, reportadamente,
• 36:53
  Speaker 8: este tipo de ataque autónomo de fin a fin en
• 36:55
  Speaker 8: un objetivo de gobierno has never been seen before. And
• 37:09
  Speaker 8: the most remarkable fact about the target, as the Financial
• 37:12
  Speaker 8: Times wrote, is that the AI continuously ranked and reprioritized
• 37:15
  Speaker 8: possible attack plans based on available evidence. So if you
• 37:17
  Speaker 8: could talk about whether you think in all of these cases,
• 37:20
  Speaker 8: or the ones that we know about at least, it
• 37:22
  Speaker 8: is the makers of this AI who are responsible and
• 37:24
  Speaker 8: not the agents that are going rogue, And what it
• 37:36
  Speaker 8: would mean if these agents, artificial intelligence agents, move beyond
• 37:42
  Speaker 8: cyber attacks and into actually theaters of war? Well, the
• 37:46
  Speaker 8: thing is we are...
• 37:50
  Speaker 11: Y la cosa de la IA es que es una
• 37:52
  Speaker 11: tecnología muy poderosa. Son cosas muy capaces, pero solo son
• 37:53
  Speaker 11: capaces cuando las hacemos. Y solo hacen las cosas que
• 37:55
  Speaker 11: las hacemos. Y a menudo no podemos ser precisos en
• 37:56
  Speaker 11: la forma en que especificamos sus tareas. Como las tareas
• 37:59
  Speaker 11: de ciberseguridad. Estaban asignadas a ir y llevar a cabo
• 38:01
  Speaker 11: ataques de ciberseguridad. They were not doing this on their
• 38:14
  Speaker 11: own will. They were built that way. They were trained
• 38:15
  Speaker 11: that way. And I think that's very important to keep
• 38:18
  Speaker 11: in mind. And in warfare, it's the same situation. They
• 38:19
  Speaker 11: are being basically given a lot of data to understand
• 38:21
  Speaker 11: how to target. They are being given profiles, often faulty ones,
• 38:23
  Speaker 11: to determine who's an adversarial and who isn't. And ultimately,
• 38:25
  Speaker 11: the thing is, these are based on really loose parameters, right?
• 38:26
  Speaker 11: These are not... The way that we build them isn't
• 38:28
  Speaker 11: always accurate, isn't always reliable. And we know that... La
• 38:43
  Speaker 11: IA realmente no entiende nada más que lo que está entrenado.
• 38:45
  Speaker 11: Así que tan pronto como ve una situación, especialmente en
• 38:49
  Speaker 11: la guerra, que no la reconoce, sabemos que esta es
• 38:52
  Speaker 11: la situación exacta en la que la IA va a fallar,
• 38:54
  Speaker 11: hacer una recomendación que no es verdad o fabricar output, ¿verdad?
• 38:57
  Speaker 11: Y así que creo que es realmente importante tener en cuenta, sí,
• 39:01
  Speaker 11: son capaces, sí, pueden hacer cosas como ataques de ciberseguridad
• 39:03
  Speaker 11: y hacen operaciones de velocidad. Definitivamente sí, esa es una
• 39:08
  Speaker 11: de sus funciones principales. Pero si tienes algo que acelera
• 39:10
  Speaker 11: las operaciones, pero su acuidad de acuidad basal es de
• 39:11
  Speaker 11: 30% a 60%, eso no es muy diferente de targetar indiscriminadamente.
• 39:13
  Speaker 11: También no significa que este es un tipo de robot
• 39:15
  Speaker 11: asesinado que tiene su propia intención. Todo ha sido construido
• 39:17
  Speaker 11: por el diseño y si somos reclusos en la forma
• 39:18
  Speaker 11: en que lo construimos, eso no significa que es culpa
• 39:19
  Speaker 11: de la IA. Creo que la responsabilidad siempre debe estar
• 39:34
  Speaker 11: con los diseñadores del sistema y con las personas que
• 39:35
  Speaker 11: deciden desplegarlos, a pesar de que saben que tienen una
• 39:38
  Speaker 11: muy mala relevancia y un aumento de la acuidad, especialmente
• 39:41
  Speaker 11: en nuevas situaciones, lo que es más probable que suceda
• 39:44
  Speaker 11: en la guerra que con ataques de ciberseguridad. Heidi Kloff,
• 39:46
  Speaker 11: queremos agradecerle por estar con nosotros, la jefa de Científicos
• 39:50
  Speaker 2: de AI en el Instituto AI Now. Lengaremos su reporte.
• 39:59
  Speaker 2: que se lanzó juntamente con Air Wars, titulado Anatomía de
• 40:01
  Speaker 2: una cadena de asesinatos de AI. Vuelvo a Timnit Gebru,
• 40:04
  Speaker 2: el fundador de la investigación de la inteligencia artificial distribuida,
• 40:08
  Speaker 2: que se retiró de Google en 2020 para avisar sobre las
• 40:10
  Speaker 2: biases construidas en los modelos de AI. Quédense con nosotros.
• 40:36
  Speaker 12: Oh, they wanted a bluebird, baby, so cheerful, so sweet.
• 40:41
  Speaker 12: All I want's a true heart, baby, not these gross feet.¡
• 40:56
  Speaker 12: Gracias por ver el video!¡ Suscríbete al canal!
• 41:23
  Speaker 2: Dark Matter by the Corner Laughers. This is Democracy Now! democracynow.org.
• 41:26
  Speaker 2: I'm Amy Goodman in London with Nermeen Sheikh in New
• 41:33
  Speaker 8: York. We're continuing to look at how artificial intelligence is
• 41:35
  Speaker 8: rapidly changing the world. We're joined now by a leader
• 41:39
  Speaker 8: in the field of AI ethics, Timnit She is the
• 41:42
  Speaker 8: founder and executive director of the Distributed Artificial Intelligence Research Institute,
• 41:45
  Speaker 8: or DARE. Prior to that, she served as co-lead of
• 41:46
  Speaker 8: the Ethical AI Research Team at Google. She was fired
• 41:48
  Speaker 8: in 2020 for writing a paper warning about the dangers of
• 41:51
  Speaker 8: large language models and raising issues of discrimination in the workplace.
• 41:53
  Speaker 8: Timnit also co-founded Black in AI, a non-profit that works
• 41:55
  Speaker 8: to increase the presence, inclusion, visibility and y la salud
• 42:12
  Speaker 8: de las personas negras en el campo de la IA.
• 42:13
  Speaker 8: Su libro anteriore se llama Deep Unlearning, The Rise of
• 42:15
  Speaker 8: AI and the Radicalization of a Tech Idealist. Ahora nos
• 42:16
  Speaker 8: acompaña de Boston, Massachusetts, Timnit.¿ Podrías empezar por explicar qué
• 42:19
  Speaker 8: significa la IA a ti? Dijiste que piensas en la
• 42:20
  Speaker 8: IA como una disciplina con un número de subespecialidades. Explícanos.
• 42:39
  Speaker 13: Sí, y estoy feliz de que Heidi hiciera algún trabajo
• 42:46
  Speaker 13: de base para nosotros aquí en el segmento anterior. Pero sí,
• 42:51
  Speaker 13: para mí, la I.I. es una disciplina con una colección
• 42:53
  Speaker 13: de especialidades que están todas mezcladas en este término I.I.
• 42:56
  Speaker 13: y pueden ser muy diferentes. Así que Heidi mencionó cosas
• 42:58
  Speaker 13: como modelos de lenguaje grande, pero también sistemas de visión
• 43:02
  Speaker 13: computacional que han estado alrededor desde la Guerra de Vietnam.
• 43:06
  Speaker 13: Y todas estas cosas se unen al término de AI. Y,
• 43:09
  Speaker 13: en realidad, las cosas que son consideradas AI no siempre
• 43:12
  Speaker 13: son consideradas AI. Por ejemplo, el título de mi libro
• 43:15
  Speaker 13: que viene a su fin es Deep Unlearning. Y esto
• 43:17
  Speaker 13: es un juego sobre el término Deep Learning, que es
• 43:19
  Speaker 13: una técnica que actualmente es básicamente sinónimo de AI. Pero
• 43:22
  Speaker 13: en el pasado, Deep Learning no era considerado AI, tanto
• 43:25
  Speaker 13: que los investigadores en esa especialidad estaban teniendo sus papeles
• 43:39
  Speaker 13: académicos rechazados por las conferencias de AI prestigiosas. Y así,
• 43:42
  Speaker 13: en realidad, el aprendizaje profundo fue una especie de rebranding
• 43:46
  Speaker 13: de otro término, las redes neurales artificiales, para evitar ese estigma.
• 43:48
  Speaker 13: Así que no solo tenemos este término de marketing que
• 43:50
  Speaker 13: es un hodgepodge de técnicas o herramientas, en realidad, a
• 43:52
  Speaker 13: veces no son técnicas, a veces son herramientas, a veces
• 43:54
  Speaker 13: son productos. Pero también... no todas estas cosas siempre se
• 44:08
  Speaker 13: llaman AI, ¿verdad? Cuando una de estas subespecialidades está realmente
• 44:10
  Speaker 13: agotada o tiene una mejor performance en un benchmark específico,
• 44:13
  Speaker 13: se elevan a AI y luego se desgradan, no a AI.
• 44:14
  Speaker 13: Y hay otros ejemplos como los sistemas expertos de los 80.
• 44:16
  Speaker 13: Eso era lo que era sinónimo de AI en los 80
• 44:17
  Speaker 13: y ahora nadie llama a los sistemas expertos AI. Entonces,
• 44:20
  Speaker 13: lo que sucede aquí es que hace que sea tan
• 44:37
  Speaker 13: difícil tener conversaciones que sean basadas y específicas y tener
• 44:39
  Speaker 13: conversaciones específicas sobre cuáles son los daños, cuáles son los beneficios,
• 44:42
  Speaker 13: cuáles son los aportes buenos y cuáles son los malos.
• 44:44
  Speaker 13: Porque cuando hablo de algunas cosas que estoy realmente en contra, como,
• 44:47
  Speaker 13: ya sabes, chat GPT, tipo de cosas, entonces la gente dice,¿
• 44:50
  Speaker 13: qué tal un sistema particular que se usa para la
• 44:51
  Speaker 13: diagnóstica de pacientes con cáncer, ya sabes? And I have
• 45:11
  Speaker 13: to say
• 45:14
  Speaker 2: well, that's a completely different system. It doesn't even have
• 45:16
  Speaker 2: to be built in the same way that these big
• 45:20
  Speaker 2: models are being built. Timnit Gebru, can you talk about
• 45:22
  Speaker 2: co-founding Black in AI? But start off by talking about
• 45:25
  Speaker 2: why you were fired from Google in 2020, the issues that
• 45:28
  Speaker 2: you were raising there and the position you had there.
• 45:35
  Speaker 13: Así que sí, cofundé Black in AI mucho antes de
• 45:37
  Speaker 13: que incluso me uní a Google. Mi instituto actual se
• 45:39
  Speaker 13: llama el Instituto de Investigación de AI Distributiva, que lo
• 45:41
  Speaker 13: fundé después de que me tiraron de Google. Pero empecé
• 45:43
  Speaker 13: Black in AI en, ya sabes, alrededor de 2016, 2017, cuando me asistí,
• 45:47
  Speaker 13: ya sabes, empecé a ver... simultáneamente la falta de personas
• 45:58
  Speaker 13: negras en la IA y así iría a conferencias académicas
• 46:00
  Speaker 13: y tendrías alrededor de 5,000 o 6,000 personas en esas conferencias y
• 46:02
  Speaker 13: solo un par de personas negras. Y al mismo tiempo,
• 46:03
  Speaker 13: teníamos algunos de estos sistemas, algunos de los tipos de
• 46:06
  Speaker 13: sistemas de los que Heidi hablaba. Por ejemplo, había un
• 46:09
  Speaker 13: artículo de ProPublica de 2016 hablando de una empresa para determinar
• 46:26
  Speaker 13: la probabilidad de que alguien cometa un crimen de nuevo.
• 46:28
  Speaker 13: Y entonces esta empresa decía que construyeron un software que
• 46:31
  Speaker 13: podía decir si una persona liberada de la prisión era
• 46:33
  Speaker 13: probable de cometer un crimen de nuevo. Y el artículo
• 46:36
  Speaker 13: de ProPublica hablaba de cómo estos sistemas eran más posibles,
• 46:39
  Speaker 13: incluso para labelar a las personas negras como personas Criminales,
• 46:53
  Speaker 13: potenciales crímenes, que las personas blancas. Y fue muy asustador
• 46:56
  Speaker 13: porque los jueces ya estaban usando los resultados de estos
• 47:00
  Speaker 13: modelos en sus decisiones sobre el abuso, decisiones sobre...¿ Cuánto
• 47:05
  Speaker 13: tiempo alguien debería estar en prisión? Así que la dicotomía
• 47:07
  Speaker 13: de ver la falta de gente negra en el campo
• 47:09
  Speaker 13: y también los tipos de acuerdos que se estaban haciendo
• 47:12
  Speaker 13: y los tipos de cosas que estas herramientas estaban construyendo
• 47:14
  Speaker 13: fue muy asqueroso. Y así es como decidí encontrar a
• 47:16
  Speaker 13: Black in AI. Así que cuando empecé a trabajar en
• 47:24
  Speaker 13: Google en 2018, era una cantidad muy conocida. Ya había fundado
• 47:27
  Speaker 13: y liderado Black Nei. Estaba trabajando en descubrir todos los
• 47:30
  Speaker 13: tipos de problemas en el campo. Mi colaborador, Joy Buwamini,
• 47:32
  Speaker 13: y yo, habíamos escrito un papel que hizo las rondas
• 47:35
  Speaker 13: y fue destacado en todo el lugar y incluso cambió
• 47:37
  Speaker 13: la política, mostrando por primera vez que tools like face
• 47:52
  Speaker 13: recognition for instance tools were had much higher error rates
• 47:54
  Speaker 13: for darker skinned women than lighter skinned men and the
• 47:56
  Speaker 13: darker and darker the skin and especially for women the
• 48:00
  Speaker 13: higher and higher the error rates so think about these
• 48:02
  Speaker 13: tools being used on CCTV cameras to identify so called
• 48:05
  Speaker 13: criminals etc. and the people who are of darker skin
• 48:07
  Speaker 13: would be more likely to de forma errónea en este caso.
• 48:23
  Speaker 13: Así que ya había trabajado en este tipo de cosas,
• 48:25
  Speaker 13: en el descubrimiento de estos tipos de problemas. Así que
• 48:27
  Speaker 13: fui contratada por Google en 2020 para co-leadar un equipo llamado
• 48:30
  Speaker 13: equipo de investigación de AI ética, que era un pequeño
• 48:33
  Speaker 13: equipo de investigación con Meg Mitchell, que también fue detenida después.
• 48:40
  Speaker 13: Y hubo muchos problemas, uno después del otro. Estaba en
• 48:44
  Speaker 13: medio del Google Walkout, donde salieron 20.000 mujeres porque descubrimos que
• 48:46
  Speaker 13: Google pagó a Andy Rubin 91 millones de dólares después de
• 48:49
  Speaker 13: las alegaciones de violación sexual. Así que fue una combinación
• 48:51
  Speaker 13: de un montón de problemas. Y fue a la altura
• 48:53
  Speaker 13: de Black Lives Matter, el movimiento Black Lives Matter en 2020,
• 49:08
  Speaker 13: Y en ese momento, una compañía llamada OpenAI, que estaba
• 49:10
  Speaker 13: siendo muy famosa, pero no tan famosa como es hoy,
• 49:13
  Speaker 13: lanzó un modelo de lenguaje grande llamado GPT-3, que luego
• 49:15
  Speaker 13: se convirtió en el fondo de ChatGPT, pero ChatGPT no
• 49:17
  Speaker 13: se había lanzado todavía. Y GPT-3 estaba muy hipotético en
• 49:20
  Speaker 13: los medios de comunicación. Y OpenAI estaba haciendo todas las
• 49:22
  Speaker 13: declaraciones sobre lo poderoso que era GPT-3. De hecho, en realidad,
• 49:38
  Speaker 13: Ellos habían dicho que su predecesor GPT-2 era demasiado peligroso
• 49:42
  Speaker 13: para ser lanzado porque es tan poderoso. Y así que
• 49:44
  Speaker 13: el GPT-3 era un modelo de lenguaje grande y podemos
• 49:49
  Speaker 13: definir qué son los modelos de lenguaje grandes. Son modelos
• 49:52
  Speaker 13: que se entrenan en grandes cantidades de datos textuales en
• 49:54
  Speaker 13: Internet y se entrenan para calculate the most likely sequences
• 50:01
  Speaker 13: of text based on the training data. So if you
• 50:02
  Speaker 13: use large language models to generate text, you are kind
• 50:05
  Speaker 13: of trying to generate the most likely sequences of text
• 50:06
  Speaker 13: given your training data. So the fact that OpenAI got
• 50:08
  Speaker 13: so much airtime for GPT-3 meant that all of these
• 50:11
  Speaker 13: companies wanted to build similar models and they wanted to
• 50:14
  Speaker 13: build larger and larger models, which means that Estaban recogiendo
• 50:31
  Speaker 13: todo el datos en Internet y consumían y usaban grandes
• 50:33
  Speaker 13: cantidades de poder computacional, incluso entonces. Y así que estábamos
• 50:37
  Speaker 13: muy preocupados por esta carrera que comenzó. Cada empresa quería
• 50:39
  Speaker 13: tener el modelo más grande. Y nos preguntábamos,¿ por qué
• 50:41
  Speaker 13: necesitamos lo más grande de todo?¿ Qué problema estáis tratando
• 50:44
  Speaker 13: de resolver? Y nos avisamos sobre... escribimos un artículo, mi
• 50:46
  Speaker 13: colaborador es yo, 6 años después ahora That is not
• 51:18
  Speaker 13: only true, but even worse than we said in the paper.
• 51:21
  Speaker 13: We talked about how the carbon footprint of these huge data,
• 51:27
  Speaker 13: the necessary computational power necessitates huge carbon footprint. And even
• 51:32
  Speaker 13: if you claim to have data centers with renewable energy,
• 51:36
  Speaker 13: that energy is going away from heating people's homes, for example,
• 51:40
  Speaker 13: and towards training these models. And the financial cost that
• 51:44
  Speaker 13: shuts out a cualquiera que no tenga la riqueza para
• 51:47
  Speaker 13: participar en este tipo de trabajo, también nos alertamos sobre
• 51:50
  Speaker 13: la perpetuación de vistas hegemonicas. La aclaración fue que, porque
• 51:54
  Speaker 13: estos modelos son grandes, lo que significa que están usando
• 51:57
  Speaker 13: datos enormes, entonces, oh, tienen todo el conocimiento humano en
• 52:00
  Speaker 13: estos datos, pero eso no es cierto. El Internet representa
• 52:11
  Speaker 13: vistas hegemónicas. No representa las vistas de todos en el mundo.
• 52:15
  Speaker 13: Mucha gente no está ni en el Internet. Sabemos que
• 52:17
  Speaker 13: artículos como Wikipedia son muy biasados. Es un artículo muy
• 52:19
  Speaker 13: western y masculino. Y también nos avisamos, y esto es
• 52:26
  Speaker 13: muy relacionado con lo que hablaba Heidi antes, hablamos de cómo,
• 52:29
  Speaker 13: debido a que los modelos de lenguaje grandes suelen transmitir
• 52:31
  Speaker 13: textos fluidos y coherentes, esto puede ser muy decepcionante. Un
• 52:33
  Speaker 13: ejemplo que damos es de 2017. Estos modelos de lenguaje grandes
• 52:35
  Speaker 13: pueden ser usados como sistemas en un montón de otras cosas,
• 52:38
  Speaker 13: como sistemas de traducción de máquinas. Y en 2017, un traductor
• 52:55
  Speaker 13: de Facebook tradujo a los palestinos Good Morning para atacarlos. Y,
• 52:58
  Speaker 13: ya sabes, atacarlos. No hay error gramatical o algo así.
• 53:01
  Speaker 13: Así que ni siquiera te da una clave de que
• 53:05
  Speaker 13: esta traducción podría ser incorrecta. Y esta persona fue arrestada
• 53:08
  Speaker 13: y luego liberada. Y ni siquiera chequearon para ver qué
• 53:10
  Speaker 13: era la versión no traducida cuando lo arrestaron. Y lo
• 53:12
  Speaker 13: llamamos bias automático. El tendencia a confiar demasiado en los
• 53:25
  Speaker 13: resultados de sistemas automatizados. Así que también nos avisamos de
• 53:30
  Speaker 13: que la gente interacciona con estos tipos de textos, los
• 53:34
  Speaker 13: resultados de estos tipos de sistemas, atribuyendo una mente detrás
• 53:37
  Speaker 13: de cualquier texto que están viendo. Así que, ya sabes,
• 53:40
  Speaker 13: ahora mismo, estos chatbots como Claude o chat GPT, son
• 53:49
  Speaker 13: diseñados para hacerte creer que hay algún tipo de cerebro
• 53:52
  Speaker 13: superhumano detrás de lo que sea que esté transmitiendo estos textos,
• 53:55
  Speaker 13: y eso es usualmente peligroso. Y aunque no hablábamos de
• 53:57
  Speaker 13: chatbots en ese tiempo, ya estábamos hablando de la tendencia
• 54:00
  Speaker 13: de la gente a atribuir un pensamiento detrás de estos textos,
• 54:02
  Speaker 13: lo que significa que pueden ser decepcionados por creer que
• 54:04
  Speaker 13: hay algo que es algo más que un modelo de
• 54:17
  Speaker 13: texto de output. Y la última cosa que nos aclaramos
• 54:20
  Speaker 13: fue¿ cuál es el costo de perseguir esta dirección singular
• 54:24
  Speaker 13: en términos de investigación y recursos?¿ Cuál es el costo
• 54:26
  Speaker 13: de cerrar todos los otros futuros posibles, todos los otros
• 54:29
  Speaker 13: modos de construir sistemas de aprendizaje de máquinas, que es
• 54:32
  Speaker 13: una subespecialidad de la inteligencia artificial o cualquier otro tipo
• 54:35
  Speaker 13: de paradigma? porque parecía que todo el campo estaba solo
• 54:44
  Speaker 13: invirtiendo en esta única dirección de construir modelos más grandes
• 54:47
  Speaker 13: que están robando todos los datos, robando las obras de
• 54:49
  Speaker 13: muchas personas y basándose en el trabajo explotado y matando
• 54:54
  Speaker 13: al medio ambiente. Y por supuesto, yo me fui a
• 54:55
  Speaker 13: matar después de eso. Quiero decir, hay detalles, pero ese
• 54:57
  Speaker 13: fue el icing on the cake, escribir ese artículo.
• 55:08
  Speaker 8: So, Timid, you know, we only have a couple of
• 55:10
  Speaker 8: minutes left, but just to point out that, you know,
• 55:13
  Speaker 8: the scale of which these AI bots are being used,
• 55:16
  Speaker 8: very recently, ChatGPT crossed a billion active users a month.
• 55:19
  Speaker 8: Google Gemini has said now that it has done the same.
• 55:21
  Speaker 8: But I want you very quickly to talk about the
• 55:24
  Speaker 8: work that you do at DARE, in particular with… people
• 55:33
  Speaker 8: working in these data centers and the conditions under which
• 55:37
  Speaker 8: they work around the world, mostly in the global south?
• 55:42
  Speaker 13: Yeah, we have a project called Data Workers Inquiry Project,
• 55:48
  Speaker 13: and this one is working with data workers, and these
• 55:51
  Speaker 13: are the people that label the data that is used
• 55:55
  Speaker 13: in these models, which is why we think that they're
• 55:58
  Speaker 13: super intelligent, right? These people have to painstakingly supply the
• 56:02
  Speaker 13: data and label it. And they work in overwhelmingly exploitative conditions.
• 56:08
  Speaker 13: They are paid maybe $ 1 an hour. They don't have
• 56:11
  Speaker 13: any breaks. And so we have this project that you
• 56:14
  Speaker 13: can look at where they perform research into their conditions.
• 56:19
  Speaker 13: They organize. We help them create an organization called the
• 56:24
  Speaker 13: Data Labelers Association in Kenya. Así que para mí es
• 56:28
  Speaker 13: muy importante asegurarnos de que las voces de las personas
• 56:33
  Speaker 13: que son negativamente afectadas sean elevadas y sean las que
• 56:36
  Speaker 13: cuenten sus historias. Y también nos muestra que no tenemos
• 56:40
  Speaker 13: que hacer cosas, que no tiene que ser así. El
• 56:42
  Speaker 13: camino que estamos en ahora no era nunca un camino
• 56:44
  Speaker 13: preordenado que teníamos que estar en. Había muchos pasos posibles
• 56:47
  Speaker 13: que pudiéramos haber tomado.
• 56:53
  Speaker 2: Tim Neat, quería preguntarte, creció en Addis Ababa, en Etiopía.
• 56:57
  Speaker 2: Tu padre era un ingeniero eléctrico, tu mamá un economista.¿
• 56:59
  Speaker 2: Qué te llevó a venir como refugiado a los Estados
• 57:02
  Speaker 2: Unidos para estar tan profundamente involucrado en la mente principal
• 57:06
  Speaker 2: de la IA ahora mismo? Solo tenemos un minuto. Sí
• 57:14
  Speaker 13: en realidad mi libro habla de ese camino porque quiero
• 57:17
  Speaker 13: que la gente entienda que la tecnología no tiene que
• 57:19
  Speaker 13: ser como es ahora. Siempre he amado la matemática y
• 57:21
  Speaker 13: la física y también pensé que era un refugio del
• 57:23
  Speaker 13: mundo pesado de la guerra, lo que me hizo dejar
• 57:25
  Speaker 13: la política etíope. Pero luego aprendí que eso no es verdad.
• 57:37
  Speaker 13: De hecho, la guerra en la política que dejé es
• 57:39
  Speaker 13: lo que conduce al mundo de la matemática y la
• 57:44
  Speaker 13: ciencia y la tecnología también. Y si no lo entendemos,
• 57:47
  Speaker 13: continuaremos a dañar a nuestras propias personas y, como ingenieros
• 57:49
  Speaker 13: y científicos, a construir productos terribles y dañosos en vez
• 57:54
  Speaker 13: de los que realmente apoyan a nuestras comunidades.
• 57:59
  Speaker 2: Timnit Yebru, quiero agradecerle mucho por estar con nosotros, fundador
• 58:01
  Speaker 2: y director ejecutivo de la investigación artificial distribuida, que es
• 58:04
  Speaker 2: el Instituto DARE. Esperamos entrevistarte en tu libro que se
• 58:06
  Speaker 2: llama Deep Unlearning, el aumento de la I.I. y la
• 58:08
  Speaker 2: radicalización de un idealista tecnológico. También cofundó Black and I.I.,
• 58:25
  Speaker 2: She previously served as co-lead of the Ethical AI Research
• 58:29
  Speaker 2: Team at Google, fired in 2020 for writing a paper warning
• 58:33
  Speaker 2: about the dangers of large language models and raising issues
• 58:36
  Speaker 2: of discrimination in the workplace. That does it for our
• 58:39
  Speaker 2: show special. Thanks to our crew here in London, Julian Jones,
• 58:41
  Speaker 2: Pablo Del Brazio, Grace Garrett, Dennis Moynihan, Hannah Elias, and
• 58:44
  Speaker 2: the whole team in New York. I'll be next week
• 58:51
  Speaker 2: in Middlebury, Vermont, and then we're on to Madison, Wisconsin,
• 58:55
  Speaker 2: and Chicago. I'm Amy Goodman in London with Nermin Sheikh
• 58:59
  Speaker 2: in New York.