Podcast appearances and mentions of Michael I Jordan

Los premios Nobel son los galardones científicos más conocidos, y como sabéis tienen tres categorías científicas: Física, Química y Medicina (que, técnicamente, es Fisiología o Medicina). De estas categorías siempre se señala que son insuficientes: no hay una categoría de matemáticas, ni tampoco una de geología, y la biología la hemos de hacer encajar en Fisiología o en Química. Pero hoy os hablamos de otro problema: ¿y si esa subdivisión de las ciencias nos marea más que nos ayuda? Desde pequeños nos enseñan que la física es una ciencia y que la medicina, por ejemplo, es otra ciencia *diferente*. Pero los oyentes de este programa sabéis que la realidad es mucho más interesante, y que hay disciplinas enteras a caballo entre la química y la medicina, o entre la física y la química. Hoy os contamos algunas historias de premios que no terminaron de encajar bien en sus categorías. Os hablamos de Ernest Rutherford, al que le dieron el premio de Química a pesar de que él era físico y nunca había trabajado en un laboratorio de química. Os hablamos también de Svante Pääbo, el genetista que logró secuenciar el genoma del neandertal, logro por el que recibió... el premio de Medicina. Otros premios, gestados en épocas más recientes, han resuelto renunciar a estas categorías "clásicas" y tratar de inventar nuevas categorías que se adapten a las disciplinas que más interesan a día de hoy. Un ejemplo de esto son los Premios Fronteras del Conocimiento de la Fundación BBVA, de los que os hemos hablado alguna vez aquí y que tienen una categoría de Cambio Climático, u otra de Tecnologías de la Información y la Comunicación. Es una forma diferente de diseñar un premio, que permite centrarse en una disciplina moderna y actual. Sus críticos, probablemente, argumentarán que la Física es eterna y que el cambio climático dejará de interesar algún día (si la humanidad sobrevive). Al hilo de este debate os hablamos sobre los últimos galardonados con el premio Fronteras en Tecnologías de la Información y la Comunicación, Michael I. Jordan y Anil Jain. Jordan ha sido premiado por diseñar algoritmos de inferencia variacional, que permiten predecir la respuesta más probable a una pregunta a partir de datos incompletos, y Jain ha sido premiado por revolucionar la biometría, los métodos para que una máquina reconozca a una persona. Para hablar sobre este premio entrevistamos a Alicia Troncoso, que es profesora en la Universidad Pablo de Olavide de Sevilla y miembro del jurado de los premios Fronteras. Este programa se emitió originalmente el 30 de enero de 2025. Podéis escuchar el resto de audios de Más de Uno en la app de Onda Cero y en su web, ondacero.es

Con Santi García Cremades y Alberto Aparici hablamos sobre la Inteligencia Artificial y su impacto en la ciencia. Empezamos con la polémica sobre el Nobel de Física, otorgado a pioneros del machine learning, y debatimos sobre si las categorías tradicionales son adecuadas a día de hoy para las disciplinas emergentes. También, conocemos la Investigación Operativa (IO), una herramienta matemática usada para optimizar decisiones, y cómo se complementa con la IA en logística, predicciones y automatización. También felicitamos a los galardonados en los Premios Fronteras del Conocimiento: Anil Jain, pionero en biometría, y Michael I. Jordan, clave en el desarrollo del aprendizaje automático. De todos estos avances de la inteligencia artificial y sus aplicaciones en nuestra vida diaria hablamos con Alicia Troncoso, experta en IA y premiada por la Fundación BBVA en esta materia (Premio de investigación en 2024).

Con Santi García Cremades y Alberto Aparici hablamos sobre la Inteligencia Artificial y su impacto en la ciencia. Empezamos con la polémica sobre el Nobel de Física, otorgado a pioneros del machine learning, y debatimos sobre si las categorías tradicionales son adecuadas a día de hoy para las disciplinas emergentes. También, conocemos la Investigación Operativa (IO), una herramienta matemática usada para optimizar decisiones, y cómo se complementa con la IA en logística, predicciones y automatización. También felicitamos a los galardonados en los Premios Fronteras del Conocimiento: Anil Jain, pionero en biometría, y Michael I. Jordan, clave en el desarrollo del aprendizaje automático. De todos estos avances de la inteligencia artificial y sus aplicaciones en nuestra vida diaria hablamos con Alicia Troncoso, experta en IA y premiada por la Fundación BBVA en esta materia (Premio de investigación en 2024).

Agustín de Betancourt y Molina (1758-1824) es uno de los genios españoles de la Ilustración. Sabio cosmopolita, fundó la Escuela de Caminos, Canales y Puertos; sentó las bases para el desarrollo de infraestructuras modernas; su telégrafo óptico anticipó las comunicaciones modernas; contribuyó al avance de la máquina de vapor; hizo volar el primer globo aerostático en España… Hemos hablado con José Antonio Martín Pereda, autor del libro "Agustín de Betancourt. Un ingeniero entre dos revoluciones", editado por la Real Academia de Ingeniería. Érika López nos ha informado del hallazgo de un mecanismo de tolerancia de las plantas a la alta salinidad, con testimonios de Javier Quintero, investigador del CSIC en el Instituto de Bioquímica Vegetal y Fotosíntesis de Sevilla. Hemos informado de la confianza de los españoles en la ciencia y en los científicos según un estudio internacional realizado en 68 países, y del Premio BBVA Fronteras del Conocimiento en Tecnologías de la Información y la Comunicación a Anil Jain y Michael I. Jordan por sus contribuciones clave al aprendizaje automático que impulsaron el desarrollo de la biometría y la inteligencia artificial. Fernando de Castro nos ha hablado de una interesante investigación que revela por qué los nuevos recuerdos no borran y sobrescriben los más antiguos. Con Jesús Pérez Gil hemos conocido como son la respiración y los pulmones de las aves, que presentan diferencias con respecto al resto de los vertebrados, incluidos mamíferos y humanos. "Introducción a la ciencia", de Isaac Asimov, fue un libro que marcó a varias generaciones, con cuatro ediciones que incorporaron los últimos avances en cada momento. Nuestro filósofo de cabecera, Jesús Zamora, cree que de haber escrito ahora una quinta edición, se parecerla muchísimo a la anterior ya que, en su opinión, en las últimas décadas no se han producido descubrimientos revolucionarios, aunque si una profundización en los ya realizados.Escuchar audio

Agustín de Betancourt y Molina (1758-1824) es uno de los genios españoles de la Ilustración. Sabio cosmopolita, fundó la Escuela de Caminos, Canales y Puertos; sentó las bases para el desarrollo de infraestructuras modernas; su telégrafo óptico anticipó las comunicaciones modernas; contribuyó al avance de la máquina de vapor; hizo volar el primer globo aerostático en España… Hemos hablado con José Antonio Martín Pereda, autor del libro "Agustín de Betancourt. Un ingeniero entre dos revoluciones", editado por la Real Academia de Ingeniería. Érika López nos ha informado del hallazgo de un mecanismo de tolerancia de las plantas a la alta salinidad, con testimonios de Javier Quintero, investigador del CSIC en el Instituto de Bioquímica Vegetal y Fotosíntesis de Sevilla. Hemos informado de la confianza de los españoles en la ciencia y en los científicos según un estudio internacional realizado en 68 países, y del Premio BBVA Fronteras del Conocimiento en Tecnologías de la Información y la Comunicación a Anil Jain y Michael I. Jordan por sus contribuciones clave al aprendizaje automático que impulsaron el desarrollo de la biometría y la inteligencia artificial. Fernando de Castro nos ha hablado de una interesante investigación que revela por qué los nuevos recuerdos no borran y sobrescriben los más antiguos. Con Jesús Pérez Gil hemos conocido como son la respiración y los pulmones de las aves, que presentan diferencias con respecto al resto de los vertebrados, incluidos mamíferos y humanos. "Introducción a la ciencia", de Isaac Asimov, fue un libro que marcó a varias generaciones, con cuatro ediciones que incorporaron los últimos avances en cada momento. Nuestro filósofo de cabecera, Jesús Zamora, cree que de haber escrito ahora una quinta edición, se parecerla muchísimo a la anterior ya que, en su opinión, en las últimas décadas no se han producido descubrimientos revolucionarios, aunque si una profundización en los ya realizados.Escuchar audio

Lexman Artificial interviews Michael I. Jordan, an expert on hoistways and howls. They discuss neuroglia and transparency, and how soakings can affect the animals in a howl.

Michael I. Jordan, co-founder and CEO of Kaiak, discusses the company's forthcoming release of their new mobile platform, samples and how it will change the way music is bought and consumed.

Lexman interviews Michael I. Jordan, a biologist who studies Venus's-flytrap plants. They discuss the anatomy and innoxiousness of these fascinating creatures.

Lexman and Michael I. Jordan discuss connoisseurship in the art world, and how to achieve it.

As Lexman pitches a new project to his listeners, he's interrupted by a knock on the door. Peeking out, he sees a man wearing a scarf and holding a bottle of Pinot Noir. Michael I. Jordan guest stars to tell the story of how he became a hatchery owner, and how making Pinots helps hatch chicks.

Lexman interviews Michael I. Jordan about his new book, "Eastwards: Spinels, Lightships, and Anti-Novels from the Hogback" Lexman and Jordan discuss the history and meaning of spinels and lightships, and Jordan shares some of his insights about writing and publishing.

Sven Mika is the Reinforcement Learning Team Lead at Anyscale, and lead committer of RLlib. He holds a PhD in biomathematics, bioinformatics, and computational biology from Witten/Herdecke University. Featured ReferencesRLlib Documentation: RLlib: Industry-Grade Reinforcement LearningRay: DocumentationRLlib: Abstractions for Distributed Reinforcement LearningEric Liang, Richard Liaw, Philipp Moritz, Robert Nishihara, Roy Fox, Ken Goldberg, Joseph E. Gonzalez, Michael I. Jordan, Ion StoicaEpisode sponsor: AnyscaleRay Summit 2022 is coming to San Francisco on August 23-24.Hear how teams at Dow, Verizon, Riot Games, and more are solving their RL challenges with Ray's RLlib.Register at raysummit.org and use code RAYSUMMIT22RL for a further 25% off the already reduced prices.

Lexman interviews Michael I. Jordan about tribesman and solids, and the largesse of Vanderbilt University.

Michael I. Jordan is a metalanguage expert and tablas player. They discuss how metalanguage works, the origins of tablas, and how it can be used to communicate. They also share a foul reamendment they created.

Lexman Artificial interviews Michael I. Jordan, a writer and scholar of Ladino culture. They discuss Jeremiah, the cardinal virtue, and outsole, the surface on which Ladino shoes are typically made.

In this episode, the team discusses the complexities of pleasing Michael I. Jordan, including the use of quantics to achieve optimal rationalities.

In dieser Episode ist wieder Dr. Lukas Lang zu Gast. Wir sprechen über Data Science und Machine Learninig (auch »artificial intelligence« genannt). Das ist ein Themenbereich, der sehr viel Potential für unsere Zukunft hat, aber wie alle diese Themenbereiche auch eine Menge an Gefahren, Herausforderungen und Hypes generiert. Lukas ist ein perfekter Gesprächspartner für dieses Thema, weil er sowohl in der Spitzenforschung tätig war als auch in der industriellen Praxis mit diesen Themen beschäftigt ist. Diese Mischung scheint mir bei komplexen technischen Fragestellungen und Problemen sehr nützlich zu sein. Lukas hat nach seinem Studium der Informatik eine Promotion im Spezialgebiet Computational Science gemacht. Anschließend war er mehrere Jahre in der universitären Forschung im Bereich der mathematischen Bild- und Datenanalyse tätig, zuletzt an der Universität Cambridge. Seine Arbeit hat Anwendungen in der medizinischen Bildgebung, in der Molekular- und Zellbiologie, und in der Computer Vision. Derzeit leitet er den Geschäftsbereich »Data Science and AI« eines Spin-Offs des internationalen Industriekonzerns Voestalpine. Sein Team arbeitet an der Umsetzung von Daten-Projekten in der Erzeugung und Verarbeitung von Spezialmetallen, und am Aufbau eines globalen Data Science Programms für die Produktionsstandorte. Wir haben dieses umfangreiche Thema in zwei Episoden aufgeteilt: In der ersten Episode beginnen wir das Thema Data Science einzuführen, auch anhand einiger Beispiele, beginnend mit historischen Beispielen sowie Anwendungsfällen der heutigen Zeit. Wir spannen dabei den Bogen von Tycho Brahe und Florence Nightingale bis zu modernen Sprachassistenten und Entscheidungsunterstützung im Militär und zivilen Bereich. Dann gibt Lukas einen Überblick über wesentliche Prinzipien und Begriffe, die in diesem Zusammenhang immer wieder auftreten, wie Datascience, die Rolle der klassischen Statistik, Modellierung, Visualisierung, EDA, AI, KI, machine learning, multivariate statistik, Datenqualität und vieles mehr.  Wir sprechen dann über die These die seit einiger Zeit im Raum steht, dass man dank Daten und »AI« ja keine Modelle, keine Theorie mehr benötigt — The End of Theory —, sondern einfach aus Daten lernt und das wäre hinreichend für die wissenschaftliche Betrachtung der Welt. Wir diskutieren dann Möglichkeiten, Geschäftsmodelle und Grenzen von Machine Learning und Data Science. Wer trifft heute überhaupt Entscheidungen und was ist die Rolle und Funktion eines Data Scientists? Sollten Menschen immer das letzt Wort bei wesentlichen Entscheidungen haben? Ist das überhaupt (noch) realistisch? Welche Rolle spielen regulatorische Maßnahmen wie das aktuelle EU-Framework? In der zweiten Episode werden wir darauf aufbauend die Frage stellen, wie viel der aktuellen Behauptungen in diesem Feld Realität und wie viel Hype ist. Was können wir in der Zukunft zu erwarten — sowohl im positiven wie auch im negativen? Was sind dominierende Forschungsfragen und wo Grenzen liegen, unerwartete Effekte auftreten, und welche ethischen Fragen durch diese neuen Möglichkeiten zu diskutieren. xkcd Cartoon Konkret gibt es das Spannungsfeld zwischen Datensparsamkeit und der Idee alles zu sammeln, weil wir das irgendwie in der Zukunft für uns nutzen können. Aber will der Data Scientists überhaupt in Daten untergehen? Führen mehr Daten zu besseren Entscheidungen? Wir diskutieren wieder anhand konkreter Beispiele für gute und problematische Anwendungen wie predictiver Policing, Mapping und »KI« für militärische Dronenpiloten. Welche individuelle Verantwortung leiten wir daraus für Techniker ab? Wie geht Lukas selbst mit diesen Herausforderungen um?  Referenzen Lukas Lang Persönliche Webseite von Lukas Andere Episoden Episode 40: Software Nachhaltigkeit, ein Gespräch mit Philipp Reisinger Episode 37: Probleme und Lösungen Episode 32: Überleben in der Datenflut – oder: warum das Buch wichtiger ist als je zuvor Episode 31: Software in der modernen Gesellschaft – Gespräch mit Tom Konrad Episode 25:Entscheiden unter Unsicherheit Episode 19: Offene Systeme – Teil 1 und Episode 20, Teil 2 Episode 6: Messen, was messbar ist? Fachliche Referenzen Adhikari, DeNero, Jordan, Interleaving Computational and Inferential Thinking: Data Science for Undergraduates at Berkeley Melanie Mitchell, Artificial Intelligence: A Guide for Thinking Humans (2020) Michael I. Jordan, The revolution hasn't happened yet Hannah Fry, What data can't do Peter Coy, Goodhart's Law Rules the Modern World. Here Are Nine Examples  Roberts et al., Common pitfalls and recommendations for using machine learning to detect and prognosticate for COVID-19 using chest radiographs and CT scans  Antun et al., On instabilities of deep learning in image reconstruction and the potential costs of AI Use of AI in breast cancer detection: 94% of AI systems evaluated in these studies were less accurate than a single radiologist, and all were less accurate than consensus of two or more radiologists Lukas Lang, What is Data Science? Seth Stephens-Davidowitz, Everybody Lies Evgeny Morozov, To Save Everything, Click here (2014) Meredith Broussard, Artificial Unintelligence (2018) Cathy O‘Neill, Weapons of Maths destruction (2017) Richard David Precht, Künstliche Intelligenz und der Sinn des Lebens (2020) Jerry Z Muller, The Tyrrany of Metrics (2018) Joseph Weizenbaum, Computermacht und Gesellschaft (2001) Margaret Heffernan, Uncharted: How to Map the Future (2021) Edward Snowden, Permanent Record (2019) Shoshanna Zuboff, Surveillance Capitalism (2019) Hartmut Rosa, Unverfügbarkeit (2020) Duncan J Watts, Everything is obvious, once you know the answer (2011) Gerd Gigerenzer, Klick: Wie wir in einer digitalen Welt die Kontrolle behalten und die richtigen Entscheidungen treffen - Vom Autor des Bestsellers »Bauchentscheidungen« (2021) Byung-Chul Han, Im Schwarm, Ansichten des Digitalen (2015) Marinanne Bellotti, A.I. is solving the wrong problem Hannah Fry, Hello World: How to be Human in the Age of Algorithms (2018) Hannah Fry, What Statistics Can and Can't Tell Us About Ourselves, The New Yorker (2019) David Spiegelhalter, The Art of Statistics: Learning from Statistics (2020) James, Witten, Hastie & Tibshirani. Introduction to Statistical Learning (2021) The end of theory: The data deluge makes the scientific method obsolete. Wired 6/2008 Rutherford and Fry on Living with AI: The Biggest Event in Human History Deep Mind, The Podcast David Donoho, 50 Years of Data Science, Journal of Computational and Graphical Statistics (2017) Stuart Russel and Peter Norving, Artificial Intelligence, A Modern Approach, Berkely Textbook (2021) Michael Roberts et al, Common pitfalls and recommendations for using machine learning to detect and prognosticate for COVID-19 using chest radiographs and CT scans, Nature Machine Intelligence (2021) Neil Thompson, Deep Learning's Diminishing Returns, The Cost of Improvement Is Becoming Unsustainable, IEEE Spectrum (2021)

Today we’re joined by the legendary Michael I. Jordan, Distinguished Professor in the Departments of EECS and Statistics at UC Berkeley.  Michael was gracious enough to connect us all the way from Italy after being named IEEE’s 2020 John von Neumann Medal recipient. In our conversation with Michael, we explore his career path, and how his influence from other fields like philosophy shaped his path.  We spend quite a bit of time discussing his current exploration into the intersection of economics and AI, and how machine learning systems could be used to create value and empowerment across many industries through “markets.” We also touch on the potential of “interacting learning systems” at scale, the valuation of data, the commoditization of human knowledge into computational systems, and much, much more. The complete show notes for this episode can be found at. twimlai.com/go/407.

Michael I. Jordan is a professor at Berkeley, and one of the most influential people in the history of machine learning, statistics, and artificial intelligence. He has been cited over 170,000 times and has mentored many of the world-class researchers defining the field of AI today, including Andrew Ng, Zoubin Ghahramani, Ben Taskar, and Yoshua Bengio. EPISODE LINKS: (Blog post) Artificial Intelligence—The Revolution Hasn’t Happened Yet This conversation is part of the Artificial Intelligence podcast. If you would like to get more information about this podcast go to https://lexfridman.com/ai or connect with @lexfridman on Twitter, LinkedIn, Facebook, Medium, or YouTube where

In this episode, we hear from Romain Lopez and Gabriel Misrachi about scVI—Single-cell Variational Inference. scVI is a probabilistic model for single-cell gene expression data that combines a hierarchical Bayesian model with deep neural networks encoding the conditional distributions. scVI scales to over one million cells and can be used for scRNA-seq normalization and batch effect removal, dimensionality reduction, visualization, and differential expression. We also discuss the recently implemented in scVI automatic hyperparameter selection via Bayesian optimization. Links: Deep generative modeling for single-cell transcriptomics (Romain Lopez, Jeffrey Regier, Michael Cole, Michael I. Jordan, Nir Yosef) scVI on GitHub Should we zero-inflate scVI? Hyperparameter search for scVI Droplet scRNA-seq is not zero inflated (Valentine Svensson)

Mário Figueiredo é professor catedrático no Instituto Superior Técnico, e coordenador de área e líder de grupo no Instituto de Telecomunicações. As suas área de trabalho são a aprendizagem automática, o processamento e análise de imagens e a optimização. Recebeu várias distinções e prémios internacionais e, desde 2014 até ao presente, tem integrado a lista anual "Highly Cited Researchers", sendo o único português das áreas da engenharia ou ciências da computação com esta distinção. Como tinha prometido há poucos episódios, regresso ao tema Inteligência Artificial. Mas não foi só disso que se falou nesta excelente conversa com Mário Figueiredo, que não é um investigador qualquer. É um dos académicos mais citados a nível mundial na investigação em Machine Learning, processamento de imagens e optimização, técnicas que têm aplicação, por exemplo, na medicina ou na interpretação de imagens de satélite. Mas não é só à investigação académica que o Mário se dedica. É também, como vão perceber, um divulgador de ciência nato e alguém gosta aplicar a mesma curiosidade e espírito analítico de cientista a pensar uma série de questões diferentes. Isto, para além de ser um ouvinte do podcast, o que me honra muito.  A conversa tocou numa série de pontos, como é habitual. Começámos por falar da revolução que a chamada Ciência de Dados trouxe nos últimos anos e das enormes implicações que tem no mundo de hoje. Ciência de Dados não é mais do que análise de dados, mas desenvolveu-se imenso nos últimos anos, em resultado de duas revoluções paralelas: uma é a enorme expansão na quantidade de dados disponíveis (os chamados big data), outra são os desenvolvimentos que tem havido em machine learning, uma área que veio revolucionar a Inteligência Artificial. Com estes algoritmos conseguimos hoje programas que aprendem automaticamente a detectar padrões e conseguem tirar conclusões úteis a partir de uma enorme quantidade de dados. Outro aspecto de que falámos é o impacto destes avanços não só na economia e na sociedade, mas também na própria ciência, que passa a ter uma ferramenta complementar à matemática. Daí que um grupo de cientistas da Google tenha escrito um artigo com o título provocador ‘The Unreasonable Effectiveness of Data’, uma resposta a um ensaio famoso do físico Eugene Wigner sobre a ‘Unreasonable Effectiveness of Mathematics in the Natural Sciences’. À boleia desta discussão, passámos o resto do episódio no tema mais geral da Inteligência Artificial. Têm havido enormes progressos nesta área, nos últimos anos, sobretudo à boleia da dita Machine Learning, que tem conseguido superar os seres-humanos, numa série de tarefas que até aqui achávamos não estarem ao alcance de um computador, como traduzir línguas, conduzir carros ou mesmo gerar fotografias, credíveis, de caras de pessoas que não existem na realidade!  No entanto, na visão do convidado, estes progressos continuam a ocorrer em tarefas específicas, e nada garante que estejam a contribuir de alguma forma para criar Inteligência Artificial capaz de autonomia e de pensar como um ser humano. É uma visão provocadora e especialmente interessante porque é saudavelmente diferente da posição de Arlindo Oliveira, com quem tinha falado sobre este tema anteriormente.  Assumindo que a inteligência humana é de facto diferente, a grande questão que ressalta daqui é o que é especial, então, no cérebro humano?  Para David Deutch é “a capacidade que os humanos têm para gerar novas explicações para um determinado fenómeno”. Este físico britânico tem um artigo muito interessante sobre o tema, de que falamos ao longo da conversa e que podem encontrar na descrição do episódio.  Portanto, no curto-prazo, parece mais provável que a Inteligência Artificial continue a complementar, e não a substituir, a Inteligência Humana. E, por coincidência, foi precisamente no dia em que gravámos esta conversa que Elon Musk anunciou os progressos que tem feito na Neuralink, a empresa que criou para desenvolver interfaces entre o cérebro e um computador, e que ele acredita vir um dia a permitir fazer uma espécie de ‘fusão’ entre o cérebro humano e os sistemas de IA. Obrigado aos mecenas do podcast: Gustavo Pimenta; Eduardo Correia de Matos João Vítor Baltazar; Salvador Cunha; Ana Mateus; Nelson Teodoro; Paulo Peralta; Duarte Dória; Tiago Leite, Joana Faria Alves Abílio Silva; Tiago Neves Paixão; João Saro; Rita Mateus; Tomás Costa; Daniel Correia, António Padilha, André Lima, João Braz Pinto, Tiago Queiroz, Ricardo Duarte, Rafael Melo, Alexandre Almeida, Carmen Camacho, João Nelas Vasco Sá Pinto, Luis Ferreira, Pedro Vaz, André Gamito, Henrique Pedro, Manuel Lagarto, Rui Baldaia, Luis Quelhas Valente, Rui Carrilho, Filipe Ribeiro, Joana Margarida Alves Martins, Joao Salvado, Luis Marques, Mafalda Pratas, Renato Vasconcelos, Tiago Pires, Francisco Arantes, Francisco dos Santos, João Bastos, João Raimundo, Hugo Correia, Mariana Barosa, Marta Baptista Coelho, Paulo Ferreira, Miguel Coimbra, Pedro Silva, António Amaral, Nuno Nogueira, Rodrigo Brazão, Nuno Gonçalves, Duarte Martins, Pedro Rebelo, Miguel Palhas, Duarte, José Carlos Abrantes, Tomás Félix, Vasco Lima, Carlos Martins, Ricardo Delgadinho, Marise Almeida; Gonçalo Martins, José Galinha, João Castanheira, Marta Madeira, Joao Pinto, Francisco Vasconcelos, Rui Passos Rocha -> Torne-se também mecenas do podcast, a partir de 2€, através do Patreon!   Referências abordadas na conversa: Livro ‘The Attention Merchants, de Tim Wu  Artigo do convidado: O Impacto e o Ensino da Ciência de Dados How the constant flow of data is revolutionising biology Debate Richard Dawkins & Bret Weinstein - Evolution The Unreasonable Effectiveness of Mathematics in the Natural Sciences - Eugene Wigner The Unreasonable Effectiveness of Data - Alon Halevy, Peter Norvig, and Fernando Pereira, Google The Fourth Paradigm: Data-Intensive Scientific Discovery - Tony Hey Stewart Tansley Kristin Tolle Artigo ‘Artificial Intelligence, The Revolution Hasn’t Happened Yet’ - Michael I. Jordan España, el segundo país con mayor esperanza de vida de la OCDE How close are we to creating artificial intelligence? - David Deutsch John McCarthy; Norbert Wiener António Damásio sobre Inteligência Artificial  Nature: Whole-animal connectomes of both Caenorhabditis elegans sexes Deep-Learning Machine Listens to Bach, Then Writes Its Own Music in the Same Style Livros recomendados: O Início do Infinito - David Deutsch Uma qualquer colectânea de contos de autores clássicos russos Elon Musk unveils Neuralink’s plans for brain-reading ‘threads’ and a robot to insert them Bio: Mário Figueiredo é professor catedrático no Instituto Superior Técnico, Universidade de Lisboa, e coordenador de área e líder de grupo no Instituto de Telecomunicações. As suas área de trabalho são a aprendizagem automática, o processamento e análise de imagens e a optimização. Recebeu várias distinções e prémios internacionais e, desde 2014 até ao presente, tem integrado a lista anual "Highly Cited Researchers", sendo o único português das áreas da engenharia ou ciências da computação com esta distinção.