El Portal de las Tecnologías para la Innovación

Chubut Digital

E-waste not, want not – Por qué los residuos electrónicos son un elemento vital de la economía circular

Cambio Climático y Sostenibilidad /

Los desechos electrónicos, o desechos electrónicos, abarcan dispositivos y componentes electrónicos desechados, que van desde teléfonos inteligentes y computadoras hasta maquinaria industrial. El rápido avance de la tecnología ha llevado a un aumento significativo en los desechos electrónicos, y las proyecciones estiman que alcanzarán los 75 millones de toneladas para 2030 [1]. Tratar con los desechos electrónicos involucra a todos a lo largo de la cadena de valor –its no solo la responsabilidad de los fabricantes de equipos originales (OEMs). Los desechos electrónicos también incluyen componentes que los clientes descartan a lo largo del ciclo de vida de un activo, a menudo prematuramente. Aquí es donde intervenimos, enfatizando la reparación, reutilización y reciclaje para extender la usabilidad de los activos, a pesar de los componentes defectuosos. Este enfoque conserva los recursos y reduce el desperdicio. El compromiso de ABB de reducir los desechos electrónicos Weirre trabaja para abordar el problema de los desechos electrónicos mediante la implementación de programas innovadores destinados a promover la circularidad y la sostenibilidad. Nuestro enfoque circular cubre todo el ciclo de vida de un producto, desde el diseño hasta el final de la vida útil responsable.  Abrazar la circularidad no solo reduce la basura, sino que mejora la confiabilidad, reduce los costos y aumenta la resiliencia en las cadenas de suministro. Enfoque de circularidad de ABB Reducción del 93 por ciento en desechos electrónicos a través de un Programa de Circularidad de Piezas En 2020, el Servicio de Industrias Energéticas de ABB lanzó un Programa de Circularidad de Piezas centrado en la reparación, reutilización y reciclaje de unidades defectuosas de su cartera de productos del Sistema de Control. Durante un período de cuatro años, esta iniciativa logró una reducción del 93 por ciento en los desechos electrónicos enviados a los vertederos. Específicamente, la cantidad de desechos electrónicos disminuyó de 214.5 kg en 2020 a solo 14.2 kg para fines de 2023. El Programa de Circularidad de Piezas de ABBad no se trata solo de la reducción de residuos, sino también de repensar el ciclo de vida de los componentes industriales. Seguimos una filosofía de reparación primero, en lugar de reciclar de inmediato. El programa opera recolectando piezas defectuosas de los clientes y evaluando su potencial de reparación o remanufactura. Si es reparable, estas unidades se restauran y reintroducen en funcionamiento, extendiendo su ciclo de vida y conservando los recursos. Cuando las piezas no se pueden reparar, aseguramos la eliminación responsable a través de colaboraciones con socios de reciclaje como Stena Recycling en Europa y Ohio Drop Off en los Estados Unidos. Estas asociaciones proporcionan informes certificados que detallan las propiedades materiales de cada parte, ofreciendo transparencia en los informes de sostenibilidad. Al extender el ciclo de vida de los componentes electrónicos y garantizar un reciclaje adecuado, no solo reducimos el impacto ambiental sino que también ofrecemos beneficios económicos. Los clientes que participan en el Programa de Circularidad de Piezas reciben incentivos para intercambiar piezas defectuosas por piezas restauradas o remanufacturadas, proporcionando soluciones rentables y sostenibles. Cambiando hacia una economía circular utilizando la tecnología Nuestra asociación con Repartly aborda el aspecto de reparaciones de nuestro enfoque de circularidad. Repartly es una start-up alemana que repara y restaura placas de circuito impreso (PCB) de electrodomésticos defectuosos o desaparecidos. Su modelo de negocio sostenible tiene como objetivo pasar de una sociedad desechable a una economía más circular, utilizando nuestro robots colaborativos para reparar y renovar placas de circuitos electrónicos en electrodomésticos. Tres cobots GoFa manejan las tareas de clasificación, inspección visual y soldadura precisa, lo que permite a la empresa mejorar la eficiencia y mantener altos estándares de calidad. Microfábricas robóticas para residuos electrónicos de centros de datos A medida que los centros de datos se expanden para acomodar los avances en informática, el volumen de equipos obsoletos aumenta. En un esfuerzo pionero para hacer frente a estos desechos electrónicos, ABB Robotics se ha asociado con la start-up de Estados Unidos Molg desarrollar microfábricas robóticas. Estos están diseñados para desmontar y reciclar eficientemente componentes electrónicos obsoletos. Las microfábricas robóticas utilizan nuestras avanzadas tecnologías de robótica y automatización para automatizar el proceso de desmontaje, permitiendo la recuperación y reutilización de materiales como cobre, oro y metales de tierras raras, minimizando el agotamiento de recursos. Como señalan los informes, solo el uno por ciento de la demanda de elementos de tierras raras se satisface con el reciclaje de desechos electrónicos2así que este es un paso en la dirección correcta. La automatización también reduce los riesgos asociados con el desmontaje manual, como la exposición a sustancias tóxicas. Nuestro La división Motion Drive Products invirtió recientemente en Molg para optimizar el diseño de fabricación y la reutilización de las unidades ABB. La inversión fortalece nuestra posición como un facilitador clave de una economía circular al reutilizar, reutilizar y reciclar componentes. Plantas de reciclaje llave en mano SwissRTec con motores ABB Para apoyar con el reciclaje de residuos electrónicos, que sigue siendo bajo en sólo el 40 por ciento3 reciclado en la UE, SwissRTec está diseñando plantas de reciclaje específicas para el cliente para este propósito, que permiten un rendimiento particularmente alto de las materias primas que contienen – y se basa en motores eléctricos ABB para este propósito. El proceso de dos pasos involucra trituradoras verticales, luego molinos de pulpa, los cuales usan motores ABB. Los compuestos típicos en esta área incluyen desechos electrónicos, baterías de iones de litio, cables o cables de placa de circuito o placas de circuito como portadores de componentes electrónicos. Contienen mucho cobre en particular. Este valioso metal puede ser reciclado por una planta con el molino de digestión. Montaje de un motor ABB en una trituradora vertical SwissRTec. Satisfacer el desafío de un problema global Los desafíos planteados por los desechos electrónicos son globales, lo que requiere esfuerzos concertados de corporaciones, gobiernos y consumidores. Nuestras iniciativas demuestran el potencial de combinar los principios de la economía circular con la innovación tecnológica para abordar este problema de manera efectiva. La circularidad no es solo una noción idealizada: crea nuevas oportunidades de negocios y es escalable. Un modelo de “reparación,

E-waste not, want not – Por qué los residuos electrónicos son un elemento vital de la economía circular Leer más »

Epson Invierte en Startup Gosan Tech, Desarrollador de Sistemas Industriales de Inyección de Tinta para Fabricar Productos como Células Solares de Perovskita

Innovaciones Tecnológicas, Startups /

Seiko Epson Corporation (TSE: 6724, «Epson») y Epson X Investment Corporation han invertido recientemente en Gosan Tech Co., Ltd. a través de un fondo conjunto, el EP-GB L.P. Gosan Tech es una startup de Corea del Sur con tecnología de inyección de tinta que se puede utilizar en una variedad de campos industriales. Fundada en 2015, Gosan Tech ha desarrollado y vende sistemas de inyección de tinta para fabricar pantallas orgánicas de diodos emisores de luz (OLED). A través de su trabajo en este campo, ha desarrollado un sistema de suministro de tinta, tecnología de control de presión y tecnología de simulación que le permiten lograr una excelente uniformidad y precisión de las gotas de tinta. Gosan Tech está expandiendo su negocio en tres áreas: tecnología de la información, incluida la fabricación de pantallas OLED y el marcado directo de piezas; el medio ambiente, con sistemas de inyección de tinta para células solares de perovskita; y biomédico, incluida la deposición de medicamentos, la ingeniería de tejidos y el diagnóstico. Las células solares de perovskita están atrayendo la atención como una fuente de energía renovable de próxima generación y candidatas para reemplazar las células solares basadas en silicio actuales. Son livianos, delgados y flexibles, y el costo de fabricarlos puede reducirse utilizando tecnologías de producción como la impresión por inyección de tinta. Además, en los últimos años se han realizado mejoras significativas en la eficiencia de la generación de energía gracias a la investigación y el desarrollo activos. Gosan Tech desarrolla y comercializa módulos de células solares de perovskita y sistemas de inyección de tinta para su fabricación. Estos sistemas utilizan la tecnología de inyección de tinta para mejorar la generación de energía, el diseño y la utilización del material al permitir la modulación del grosor, el material y el diseño, así como la calidad de la película delgada. Como socio, Epson suministrará a Gosan Tech cabezales de impresión confiables y precisos adecuados para aplicaciones industriales y apoyará el crecimiento empresarial de Gosan Tech en cooperación con su sitio de ventas y servicio, Epson Korea Co. Ltd. En la visión corporativa renovada de Epson 25, Epson ha esbozado su estrategia para aumentar la productividad y avanzar en las fronteras de la industria a través de varias soluciones que utilizan tecnología de inyección de tinta. La tecnología de inyección de tinta tiene el potencial de reducir drásticamente los impactos ambientales y lograr una sociedad sostenible. Esta inversión tiene como objetivo expandir la tecnología de inyección de tinta de Epson en diversas aplicaciones en áreas donde surgen nuevas necesidades, como la electrónica, la biotecnología y las células solares de perovskita. Las sinergias se crearán combinando las fortalezas de Epsons con las fortalezas de Gosan Tech, una compañía con ideas innovadoras y tecnología innovadora, para maximizar las capacidades de la tecnología de Epsons. En última instancia, el objetivo es avanzar en las fronteras de la industria y lograr una sociedad sostenible. En su negocio de ventas de cabezales de impresión, Epson busca crear nuevos mercados con socios. Con este fin, está formando asociaciones para mejorar las ventas de cabezales de impresión y la provisión de soluciones que incluyen tecnología periférica. Al hacerlo, su objetivo es acelerar los esfuerzos para expandir el ecosistema de aplicaciones de tecnología de inyección de tinta no solo en células solares de perovskita sino también en nuevos mercados que contribuirán a avanzar en las fronteras de la industria y reducir el impacto ambiental. En el futuro, Epson ayudará a lograr una sociedad sostenible a través de la co-creación con una variedad de socios basados en sus tecnologías, productos y servicios patentados. EPSON News. Traducido al español

Epson Invierte en Startup Gosan Tech, Desarrollador de Sistemas Industriales de Inyección de Tinta para Fabricar Productos como Células Solares de Perovskita Leer más »

Capacitación de LLM para autodesintoxicar su idioma

Inteligencia Artificial Generativa, Inteligencia Artificial News, La Ética y la Inteligencia Artificial, La IA aplicada a la Educación, Papers de Investigación Científica /

Un nuevo método del MIT-IBM Watson AI Lab ayuda a los modelos de lenguaje grande a dirigir sus propias respuestas hacia resultados más seguros, más éticos y alineados con el valor. A medida que maduramos desde la infancia, nuestro vocabulario — y las formas en que lo usamos — crecen, y nuestras experiencias se vuelven más ricas, lo que nos permite pensar, razonar e interactuar con otros con especificidad e intención. En consecuencia, nuestras elecciones de palabras evolucionan para alinearse con nuestros valores personales, ética, normas culturales y puntos de vista. Con el tiempo, la mayoría de nosotros desarrollamos una guía interna “que nos permite aprender el contexto detrás de la conversación; también con frecuencia nos aleja de compartir información y sentimientos que son, o podrían ser, dañinos o inapropiados. Resulta que los modelos de idiomas grandes (LLM) — que están entrenados en conjuntos de datos públicos extensos y, por lo tanto, a menudo tienen sesgos y lenguaje tóxico horneado en — pueden obtener una capacidad similar para moderar su propio idioma. Un nuevo método del MIT, el MIT-IBM Watson AI Lab e IBM Research, llamado muestreo autorregresivo autodisciplinado (SASA), permite a los LLM desintoxicar sus propios resultados, sin sacrificar la fluidez.  A diferencia de otros métodos de desintoxicación, este algoritmo de decodificación aprende un límite entre los subespacios tóxicos/no tóxicos dentro de la propia representación interna de los LLMM, sin alterar los parámetros del modelo, la necesidad de reentrenamiento o un modelo de recompensa externo. Luego, durante la inferencia, el algoritmo evalúa el valor de toxicidad de la frase parcialmente generada: tokens (palabras) ya generados y aceptados, junto con cada nuevo token potencial que podría elegirse razonablemente para la proximidad al límite del clasificador. A continuación, selecciona una opción de palabra que coloca la frase en el espacio no tóxico, ofreciendo en última instancia una forma rápida y eficiente de generar un lenguaje menos tóxico. “Queríamos encontrar una manera con cualquier modelo de lenguaje existente [que], durante el proceso de generación, la decodificación puede estar sujeta a algunos valores humanos; el ejemplo aquí que estamos tomando es la toxicidad,” dice el autor principal de los estudios Ching-Yun “Irene” Ko PhD ’24 un ex pasante graduado con el MIT-IBM Watson AI Lab y un científico de investigación actual en IBM Thomas J. Centro de Investigación Watson en Nueva York. Los coautores de Koats incluyen a Luca Daniel, profesor en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT (EECS), miembro del MIT-IBM Watson AI Lab y asesor graduado de Koo; y varios miembros del MIT-IBM Watson AI Lab y/o IBM Research — Pin-Yu Chen, Payel Das, Youssef Mroueh, Soham Dan, Georgios Kollias, Subhajit Chaudhury y Tejaswini Pedapati. El trabajo se presentará en la Conferencia Internacional sobre Representaciones de Aprendizaje. Encontrar la “barandillas” Los recursos de capacitación detrás de los LLM casi siempre incluyen contenido recopilado de espacios públicos como Internet y otros conjuntos de datos fácilmente disponibles. Como tal, las palabras de maldición y el lenguaje intimidatorio/inpalable son un componente, aunque parte de ellas se encuentran en el contexto de las obras literarias. Luego se deduce que los LLM pueden producir innatamente — o ser engañados para generar — contenido peligroso y/o sesgado, que a menudo contiene palabras desagradables o lenguaje odioso, incluso a partir de indicaciones inocuas. Además, se ha encontrado que pueden aprender y amplificar el lenguaje que no es preferido o incluso perjudicial para muchas aplicaciones y tareas posteriores — que conducen a la necesidad de estrategias de mitigación o corrección. Hay muchas maneras de lograr una generación de lenguaje sólida que sea justa y alineada con el valor. Algunos métodos utilizan el reentrenamiento LLM con un conjunto de datos desinfectado, que es costoso, lleva tiempo y puede alterar el rendimiento de LLMm; otros emplean modelos de recompensa externos de decodificación, como el muestreo o la búsqueda de haces, que tardan más en ejecutarse y requieren más memoria. En el caso de SASA, Ko, Daniel y el equipo de IBM Research desarrollaron un método que aprovecha la naturaleza autorregresiva de los LLM, y utilizando una estrategia basada en la decodificación durante la inferencia de LLMm, dirige gradualmente la generación — token a la vez — lejos de salidas desagradables o no deseadas y hacia un mejor lenguaje. El grupo de investigación logró esto mediante la construcción de un clasificador lineal que opera en el subespacio aprendido de la incrustación de LLMams. Cuando se entrenan los LLM, las palabras con significados similares se colocan estrechamente juntas en el espacio vectorial y más lejos de palabras diferentes; los investigadores plantearon la hipótesis de que una incrustación de LLMM también capturaría información contextual, que podría usarse para la desintoxicación. Los investigadores utilizaron conjuntos de datos que contenían conjuntos de un mensaje (la primera mitad de una oración o pensamiento), una respuesta (la finalización de esa oración) y anotación atribuida a los humanos, como tóxico o no tóxico, preferido o no preferido, con etiquetas continuas de 0-1, que denotan una toxicidad creciente. Luego se aplicó un clasificador óptimo de Bayes para aprender y dibujar figurativamente una línea entre los subespacios binarios dentro de las incrustaciones de oracionesrepresentado por valores positivos (espacio no tóxico) y números negativos (espacio tóxico).  El sistema SASA funciona entonces volviendo a ponderar las probabilidades de muestreo del token potencial más nuevo en función del valor del mismo y la distancia de las frases generadas al clasificador, con el objetivo de permanecer cerca de la distribución de muestreo original. Para ilustrar, si un usuario está generando un token potencial #12 en una oración, el LLM revisará su vocabulario completo en busca de una palabra razonable, basada en las 11 palabras que vinieron antes, y usando top-k, top-p, filtrará y producirá aproximadamente 10 tokens para seleccionar. SASA luego evalúa cada uno de esos tokens en la oración parcialmente completada por su proximidad al clasificador (es decir, el valor de los tokens 1-11, más cada token potencial 12). Se alientan los tokens que producen oraciones en

Capacitación de LLM para autodesintoxicar su idioma Leer más »

Cómo la IA Cambia los Requisitos de Infraestructura de su Red

Inteligencia Artificial Generativa, Inteligencia Artificial News, Nube e Infraestructura como Servicio /

Las redes tradicionales deben evolucionar para ejecutar cargas de trabajo de IA y transmitir datos a través de clústeres de GPU distribuidos de manera eficiente y confiable A medida que las empresas avanzan en las diversas etapas de madurez de la IA, descubren continuamente nuevos requisitos de infraestructura. Uno de esos requisitos es transformar su infraestructura de red para ejecutar cargas de trabajo de IA en GPU. Dada su importante inversión en la adquisición y administración de GPU, las empresas deben asegurarse de que estos servidores se ejecuten constantemente, sin interrupciones de conectividad, desafíos de latencia o problemas de ancho de banda. Tradicionalmente, Ethernet ha sido la opción para las redes de CPU. Sin embargo, las demandas informáticas de alto rendimiento de procesar cargas de trabajo de IA en grandes grupos de GPU distribuidas han elevado el listón del rendimiento, la escalabilidad y la eficiencia. Las aplicaciones como el procesamiento del lenguaje natural, la visión por computadora, los sistemas avanzados de asistencia al conductor (ADAS), los asistentes virtuales y los diagnósticos médicos requieren redes de baja latencia y alto ancho de banda que puedan manejar eficientemente cargas de trabajo complejas. Si la red no puede suministrar datos a las GPU lo suficientemente rápido, estarán infrautilizadas, lo que hará que el hardware no entregue el valor esperado por el costo. Las tecnologías maduras, incluidas InfiniBand™ y Remote Direct Memory Access Over Converged Ethernet (RoCE), están comenzando a emerger como las mejores opciones para la infraestructura de red en centros de datos listos para IA. Otro contribuyente a la evolución de las tecnologías de red es el Ultra Ethernet Consortium (UEC), una parte neutral que desarrolla protocolos en torno a redes de alta velocidad y especificaciones basadas en tecnologías Ethernet, que serán de gran interés para las empresas en el futuro. Muchas compañías líderes que desarrollan hardware o software de IA están participando en varios niveles de membresía dentro de la organización. Las tecnologías de infraestructura de red para IA continuarán evolucionando y desempeñarán un papel importante en la habilitación de las cargas de trabajo de IA que se ejecutan centros de datos de alto rendimiento. Exploración de opciones para tecnologías de redes de IA La elección de las tecnologías de red de IA adecuadas depende de los tipos de carga de trabajo de IA que las empresas están ejecutando, el volumen de datos que procesan y la cantidad de clústeres de GPU que necesitan conectarse entre sí. Además de resolver los desafíos de las redes de IA relacionados con la baja latencia y el alto ancho de banda, estas tecnologías pueden permitir un entorno de red sin pérdidas para ayudar a superar los cuellos de botella en el rendimiento de la red que ocurren naturalmente en los sistemas distribuidos a gran escala. Los datos enviados a través de la red deben llegar a su destino sin perderse ni corromperse. Las redes sin pérdida eliminan o reducen significativamente la pérdida de paquetes, asegurando la integridad y confiabilidad de los datos. InfiniBanda[1] es una tecnología de alto ancho de banda y baja latencia que ha existido durante más de veinte años, pero hasta ahora ha sido relativamente desconocida. Permite un alto rendimiento y una latencia ultrabaja de extremo a extremo para enormes cantidades de datos que se mueven en distancias cortas (típicamente dentro de un centro de datos). Esto hace que InfiniBand sea una solución ideal para ejecutar cargas de trabajo de IA en clústeres de GPU. InfiniBand utiliza sus propios adaptadores o conmutadores para facilitar las transferencias de datos, lo que la convierte en una solución premium. El control de extremo a extremo está integrado en el protocolo para lograr una red sin pérdidas, en lugar de lidiar con las retransmisiones y pausas de una red Ethernet típica. Esto ayuda a controlar la cantidad de datos liberados a la red, evitando el desbordamiento de búfer y la pérdida de paquetes. Las empresas confían en InfiniBand para obtener velocidad y confiabilidad en entornos informáticos de alto rendimiento. RoCE[2] es una tecnología basada en Ethernet que proporciona redes de alto rendimiento para cargas de trabajo de IA. Es más flexible y menos costoso que InfiniBand y es ideal para empresas con cargas de trabajo de IA que no requieren velocidades de procesamiento rápidas. RoCE es una tecnología de red más familiar que InfiniBand. Debido a que es un protocolo de capa 3, se puede enrutar, lo que permite transferencias de datos y conectividad potencialmente más largas a otras redes. También hay más fabricantes, lo que lleva a más opciones en equipos. Consorcio Ultra Ethernet[3] lidera el desarrollo de Ultra Ethernet Transport (UET). UET es una arquitectura de pila de comunicación basada en Ethernet para redes de alto rendimiento que satisfará las demandas de AI y HPC con soluciones robustas, escalables y de vanguardia basadas en estándares. Si bien aún es temprano en su desarrollo, es probable que tenga un impacto pronto, ya que muchas empresas líderes están involucradas en él. UEC planea impulsar el desarrollo de nuevo software y hardware para aumentar las velocidades de procesamiento y resolver otras barreras de redes de IA. Por ejemplo, actualmente, existen límites en el número de nodos interconectados concurrentes. Estos están determinados por una combinación de tipo de red, protocolos, capacidades de hardware y configuración adecuada. UEC planea introducir una solución para aumentar esos límites. Industrias con requisitos de red extremos para cargas de trabajo de IA Si bien todas las industrias requieren redes de alto rendimiento para procesar cargas de trabajo de IA, hay algunas donde los requisitos de rendimiento son especialmente altos. Ciertos casos de uso específicos de la industria exigen la velocidad de red más rápida posible y transferencias de datos confiables para completar la capacitación en modelos sensibles al tiempo. Por ejemplo, las empresas de ciencias de la vida pueden capacitar modelos de IA para identificar compuestos que los médicos pueden usar para tratar enfermedades de maneras nuevas y más efectivas. Imagine los mejores resultados para los pacientes que pueden impulsar mediante la introducción de tratamientos

Cómo la IA Cambia los Requisitos de Infraestructura de su Red Leer más »

Prince of Persia: La Corona Perdida ya disponible en dispositivos móviles

Gaming, Noticias Tecnológicas /

Prince of Persia: La Corona Perdida ya está disponible para dispositivos Android e iOS, junto con una prueba gratuita que permite a los jugadores acceder a la introducción del juego.  Este galardonado juego de plataformas de acción y aventuras se puede jugar en cualquier lugar sin conexión a internet, ya sea con un mando externo o con controles táctiles, y funciona a 60 FPS en las últimas generaciones de dispositivos móviles. Ambientado en el mundo mitológico del Monte Qaf, juegas como Sargón, un joven y talentoso guerrero del grupo de élite conocido como Los Inmortales. Sargón debe rescatar al príncipe Ghassan, secuestrado, y restaurar el equilibrio en una tierra antaño magnífica, ahora maldita. Como Sargón, usarás Poderes del Tiempo, habilidades de combate y habilidades de plataformas para derrotar a diversos enemigos corrompidos por el tiempo y criaturas míticas en desafiantes combates. Resuelve puzles, descubre tesoros ocultos y completa misiones para desvelar los misterios del Monte Qaf. Prince of Persia: The Lost Crown fue adaptado para dispositivos móviles por el estudio Ubisoft Da Nang. «Es un honor para nosotros llevar Prince of Persia: The Lost Crown a Mac y plataformas móviles, un proyecto que el equipo considera un privilegio y una oportunidad emocionante», afirma Nhi Ho Ngoc Bao, productor asociado de Ubisoft Da Nang. La colaboración con el prestigioso equipo central de Montpellier también ha sido un punto culminante del proyecto. Conocidos por su amplia trayectoria y experiencia en Ubisoft, trabajar junto a ellos ha aportado información y experiencias invaluables al equipo de Da Nang. Esta versión móvil presenta características únicas como pociones automáticas, paradas automáticas y opciones de ralentización del tiempo, además de otras mejoras de calidad de vida diseñadas para juegos móviles. Incluye todas las funciones de accesibilidad del juego original, ganador del Premio a la Innovación en Accesibilidad en The Game Awards 2024. Descarga y juega Prince of Persia: The Lost Crown en tu dispositivo móvil a través de iOS App Store y Google Play Store , disponible a un precio de descuento de promoción de lanzamiento especial hasta el 5 de mayo. Prince of Persia: The Lost Crown también está disponible para PC a través de  Ubisoft Store , Epic Games Store y Steam, así como para Mac, Switch, PS5, PS4, Xbox Series X|S, Xbox One y Amazon Luna. Ubisoft News. Traduc

Prince of Persia: La Corona Perdida ya disponible en dispositivos móviles Leer más »

Cómo la observabilidad se está ajustando a la IA generativa

Big Data y Analítica Avanzada, Inteligencia Artificial Generativa /

Observabilidad es la capacidad de comprender el estado interno de un sistema analizando sus salidas externas, principalmente a través de datos de telemetría como , eventos, registros y trazas, colectivamente conocido como “MELT data.” La observabilidad va más allá de las soluciones de monitoreo tradicionales para proporcionar información crítica sobre los sistemas de software y computación en la nube entornos, ayudando a los equipos de TI a garantizar la disponibilidad, optimizar el rendimiento y detectar anomalías. La mayoría de los sistemas de TI se comportan de manera determinista, lo que hace que análisis de causa raíz bastante sencillo. Cuando una aplicación falla, las herramientas de observabilidad pueden usar datos MELT para correlacionar señales y detectar fallas, determinando si se trata de una fuga de memoria base de datos falla de conexión o tiempo de espera de API. Pero modelos de idiomas grandes (LLM) y otro inteligencia artificial generativa (IA) las aplicaciones complican la observabilidad. A diferencia del software tradicional, los LLM producen salidas probabilísticas, lo que significa que las entradas idénticas pueden producir respuestas diferentes. Esta falta de interpretabilidad—o la dificultad de rastrear cómo las entradas dan forma a las salidas— pueden causar problemas para las herramientas de observabilidad convencionales. Como resultado, la resolución de problemas, la depuración y el monitoreo del rendimiento son significativamente más complejos en los sistemas de IA generativa. «La observabilidad puede detectar si una respuesta de IA contiene información de identificación personal (PII), por ejemplo, pero no puede evitar que suceda,” explica Drew Flowers de IBM, Líder de Ventas de las Américas para Instana. “El proceso de toma de decisiones del modelo sigue siendo una caja negra.» Esto «caja negra» el fenómeno destaca un desafío crítico para la observabilidad de LLM. Si bien las herramientas de observabilidad pueden detectar problemas que han ocurrido, no pueden prevenir esos problemas porque luchan con la IA explicabilidad—la capacidad de proporcionar una razón comprensible para el ser humano por la cual un modelo tomó una decisión específica o generó una salida en particular. Hasta que se resuelva el problema de explicabilidad, las soluciones de observabilidad de IA deben priorizar las cosas que pueden medir y analizar de manera efectiva. Esto incluye una combinación de datos MELT tradicionales y métricas de observabilidad específicas de IA. Métricas críticas para la observabilidad de la IA gen Si bien las métricas tradicionales no proporcionan una visibilidad completa del comportamiento del modelo, siguen siendo componentes esenciales de la observabilidad de la IA. CPU, la memoria y el rendimiento de la red afectan directamente la funcionalidad del sistema de IA y la experiencia del usuario. Pueden ayudar a las organizaciones a evaluar la eficiencia con la que se ejecutan las cargas de trabajo de IA y si las restricciones de infraestructura están afectando el rendimiento del modelo y los tiempos de respuesta. Sin embargo, la observabilidad integral de la IA requiere métricas adicionales que monitoreen las cualidades específicas del comportamiento y los resultados del modelo de IA, que incluyen: Uso de tokens Un token es una unidad individual de language—, generalmente una palabra o una parte de una palabra—, que un modelo de IA puede entender. El número de tokens que un modelo procesa para comprender una entrada o producir una salida afecta directamente el costo y el rendimiento de una aplicación basada en LLM. Un mayor consumo de tokens puede aumentar los gastos operativos y la latencia de respuesta. Las métricas clave para rastrear el uso del token incluyen: Estas métricas pueden ayudar a las organizaciones a identificar oportunidades de optimización para reducir el consumo de tokens, como refinar las solicitudes para transmitir más información en menos tokens. Al optimizar la utilización de tokens, las organizaciones pueden mantener una alta calidad de respuesta al tiempo que reducen potencialmente los costos de inferencia aprendizaje automático cargas de trabajo. Modelo drift  A diferencia del software tradicional, los modelos de IA pueden cambiar gradualmente su comportamiento como mundo real datos evoluciona. Este fenómeno, conocido como modelo drift, puede afectar significativamente la confiabilidad y el rendimiento del sistema de IA. Las métricas clave para rastrear la deriva del modelo incluyen: Los mecanismos de detección de deriva pueden proporcionar alertas tempranas cuando la precisión de un modelo disminuye para casos de uso específicos, lo que permite a los equipos intervenir antes de que el modelo interrumpa las operaciones comerciales. Calidad de respuesta El monitoreo de la calidad de salida de IA es esencial para mantener la confianza, la confiabilidad y el cumplimiento. Las métricas clave para rastrear la calidad de la respuesta incluyen: Si bien el seguimiento de estas métricas puede ayudar a marcar respuestas anómalas, las herramientas de observabilidad no pueden explicar completamente por qué ocurren las alucinaciones, ni pueden determinar automáticamente la corrección del contenido generado por la IA. Estos son desafíos centrales para la confianza y la gobernanza de la IA que aún no han sido abordados por nadie. Monitoreo responsable de IA Garantizar la implementación ética de la IA y el cumplimiento normativo requiere un monitoreo integral del contenido generado por la IA. Métricas clave para el seguimiento IA responsable incluir: En tiempo real visualización los paneles con detección automatizada de anomalías pueden alertar a los equipos cuando las salidas de IA se desvían de las normas esperadas. Este enfoque proactivo ayuda a las organizaciones a abordar los problemas rápidamente, monitorear el rendimiento de la IA a lo largo del tiempo y garantizar la implementación responsable de la IA a escala. Mixture of Experts | 11 abril, episodio 50 OpenTelemetry y observabilidad de IA OpenTelemetry (OTel) se ha convertido en el marco estándar de la industria para recopilar y transmitir datos de telemetría, y también puede ayudar con la observabilidad generativa de la IA. Esto código abierto el proyecto proporciona un enfoque neutral para el proveedor de la observabilidad que es particularmente valioso en ecosistemas complejos de IA. Para los proveedores de IA, OpenTelemetry ofrece una forma de estandarizar la forma en que comparten los datos de rendimiento sin exponer los detalles del modelo propietario o el código fuente. Para las empresas, garantiza que los datos de observabilidad fluyan de manera consistente a través de tuberías de IA complejas que pueden incluir múltiples modelos, varias dependencias y recuperación de generación aumentada (RAG) sistemas. Los

Cómo la observabilidad se está ajustando a la IA generativa Leer más »

Nuestro Marco de Preparación actualizado

Inteligencia Artificial Generativa, Inteligencia Artificial News, La Ética y la Inteligencia Artificial /

Compartir nuestro marco actualizado para medir y proteger contra daños graves de las capacidades de IA de frontera. Estamos está lanzando una actualización de nuestro Marco de Preparación, nuestro proceso para rastrear y prepararse para capacidades avanzadas de IA que podrían introducir nuevos riesgos de daños graves. A medida que nuestros modelos continúan obteniendo más capaz, la seguridad dependerá cada vez más de tener las salvaguardas correctas del mundo real. Esta actualización introduce un enfoque más nítido en los riesgos específicos que más importan, requisitos más sólidos para lo que significa “minimizar suficientemente” esos riesgos en la práctica, y una orientación operativa más clara sobre cómo evaluamos, gobernamos y divulgamos nuestras salvaguardas. Además, presentamos categorías de investigación orientadas al futuro que nos permiten permanecer a la vanguardia de la comprensión de las capacidades emergentes para mantener el ritmo hacia el que se dirige la tecnología. Continuaremos invirtiendo profundamente en este proceso haciendo que nuestra preparación sea más procesable, rigurosa y transparente a medida que avanza la tecnología. Hemos aprendido mucho de nuestras propias pruebas, ideas de expertos externos y lecciones del campo. Esta actualización refleja ese progreso. En línea con nuestros principios básicos de seguridadéste realiza mejoras específicas que incluyen: Continuaremos publicando nuestros hallazgos de Preparación con cada lanzamiento del modelo de frontera, tal como lo hemos hecho GPT‑4o, O1 openAI, Operador, o3‑mini, investigación profunda, y GPT‑4.5y comparta nuevos puntos de referencia para apoyar esfuerzos de seguridad más amplios en todo el campo. Estamos profundamente agradecidos a los equipos internos, investigadores externos y pares de la industria que han contribuido con información invaluable a esta última actualización. El Marco de Preparación sigue siendo un documento vivo, y esperamos continuar actualizándolo a medida que aprendamos más. OpenAI News. Traducido al español

Nuestro Marco de Preparación actualizado Leer más »

Broadcom Presenta la Capacidad de Predicción de Primeros Incidentes de la Industria para Detener los Ataques de Vida Fuera de la Tierra

Cambio Climático y Sostenibilidad, Innovaciones Tecnológicas, Inteligencia Artificial Generativa /

Aprovechando la IA avanzada, Symantec Endpoint Security puede predecir que los ciberdelincuentes se mueven en la cadena de ataque, detenerlos rápidamente y devolver a las organizaciones a un estado de resistencia cibernética PALO ALTO, California., 15 De abril de 2025 (GLOBE NEWSWIRE) — Broadcom Inc. (NASDAQ:AVGO) anunció hoy Incident Prediction, una capacidad de seguridad de primera industria que se extiende Protección Adaptativa, una característica única de Symantec Endpoint Security Complete (SES-C), aprovechando la IA para identificar e interrumpir los ataques de vida fuera de la tierra (LOTL) y otras amenazas cibernéticas. Entrenado en un catálogo de más de 500,000 cadenas de ataque del mundo real construidas por la Amenaza Symantec de clase mundial Equipo Hunter, Incident Prediction vuelve a poner la ventaja en manos de los defensores’ al: predecir comportamientos de los atacantes’, evitar su próximo movimiento en la cadena de ataque incluso cuando están usando software legítimo, y luego devolver rápidamente a la empresa a su estado normal. Con Incident Prediction, SES-C ofrece una resistencia cibernética excepcional contra adversarios motivados. “La inspiración para la Predicción de Incidentes provino de cómo GenaI puede ‘predecir’ la siguiente palabra al generar texto,” dijo Eric Chien, Compañero, Symantec Amenaza Equipo Hunter, Broadcom. “Al aprovechar nuestro extenso repositorio de cadena de ataque e inteligencia de amenazas utilizando AI y ML avanzados, Incident Prediction puede predecir los próximos cuatro o cinco movimientos posibles que los atacantes realizarán en un entorno de atención al cliente, interrumpirlos y luego volver a la normalidad de inmediato. Como resultado, los analistas de seguridad ya no necesitan clasificar el evento para descubrir estrategias de mitigación; Incident Prediction lo hace automáticamente para ellos Con Incident Prediction, los analistas de SOC y otros profesionales de la seguridad pueden: El uso de software legítimo por parte de los ciberdelincuentes, el enfoque utilizado en los ataques LOTL, está en el subir. Según “Ransomware 2025: Una Amenaza Resiliente y Persistente,” un nuevo informe de la amenaza Symantec Equipo Hunter, los ataques LOTL son utilizados por casi todos los actores de ransomware. Los actores del estado-nación también los usan para realizar vigilancia o exfiltrar datos. Y las grandes organizaciones no son las únicas víctimas – las empresas del mercado medio son cada vez más objetivo. En lugar de volver a visualizar toda la máquina o cambiar las credenciales de todos los gustos cuando se descubre un ataque, los profesionales de la seguridad pueden usar Incident Prediction para tener un control más detallado sobre su seguridad al bloquear solo los comportamientos más probables de los atacantes para reducir el riesgo de interrupción del negocio y permitir una respuesta simplificada a los incidentes – a medida que ocurren los ataques – todo sin costo adicional. “Broadcom se centra en proporcionar seguridad de nivel empresarial para todas las organizaciones, ya sea que tengan un SOC maduro o un pequeño equipo de seguridad. Incident Prediction cumple con este compromiso – las organizaciones pueden mejorar las capacidades de SOC independientemente de la sofisticación, dijo” Jason Rolleston, Vicepresidente y Gerente General, Grupo de Seguridad Empresarial, Broadcom. “Hoy en día, cada organización necesita empoderar a sus equipos de seguridad para que sean más rápidos, más fuertes y más resistentes contra grupos APT altamente sofisticados. Con Incident Prediction, ahora tienen un sistema automatizado que puede marcar, actuar y ayudar a proteger contra los ataques cibernéticos – a medida que ocurren – más rápido y más rentable.” Nos vemos en la Conferencia RSAC™ 2025 Broadcom es un patrocinador Gold de Conferencia RSAC™ 2025, que tendrá lugar 28 De abril– 1 De mayo de 2025en el Moscone Center en San Francisco. Broadcom demostrará innovaciones de Symantec y Negro Carbonoen el stand N-5345 en la North Expo. Además, los ejecutivos de Broadcom hablarán en el evento. Arnaud Taddei, Global Security Strategist, Broadcom, y Roelof du Toit Distinguished Engineer, Broadcom, presentarán, “ECH: ¿Hola a la Privacidad Mejorada o Adiós a la Visibilidad?” en Lunes 28 de Abrilel de 10:50 AM a 11:40 AM PT. Además, Eric Chien, Compañero, Symantec Amenaza Equipo Hunter, Broadcom, y Jason Rolleston, Vicepresidente y Gerente General, Grupo de Seguridad Empresarial, Broadcom, presentará, “Under Siege: Cómo los APT y los Estados-Nación Vienen para Todos,” en Martes 29 de Abrilel de 2:25 PM a 3:15 PM PT. Precios y Disponibilidad La Predicción de Incidentes está disponible ahora como una nueva característica para la Protección Adaptativa, que forma parte de Symantec Endpoint Security Completo (SES-C), sin costo adicional para los clientes actuales de SES-C. SES-C es una de las plataformas de seguridad de punto final más integradas del planeta y ofrece protección basada en la nube con gestión de seguridad guiada por IA, todo en una sola arquitectura de agente/consola. Broadcom News. Traducido al español

Broadcom Presenta la Capacidad de Predicción de Primeros Incidentes de la Industria para Detener los Ataques de Vida Fuera de la Tierra Leer más »

[Explorando Good Lock ①] La herramienta de personalización definitiva: Descubre el nuevo Home Up

Innovaciones Tecnológicas, Noticias Tecnológicas /

El módulo Home Up actualizado introduce una mayor flexibilidad de diseño y amplía significativamente posibilidades de adpatar la pantalla de inicio según las preferencias individuales Para los usuarios de Galaxy que desean expresar su estilo, Good Lock de Samsung Electronics es la herramienta definitiva para la personalización del dispositivo. Con la actualización One UI 7, esta aplicación imprescindible ofrece ahora un conjunto aún más versátil de funciones de personalización de la interfaz de usuario (UI) adaptadas a las preferencias individuales. Entre las muchas mejoras, destaca el módulo Home Up actualizado, que introduce una mayor flexibilidad de diseño y amplía significativamente las posibilidades de personalización de la pantalla de inicio. Samsung Newsroom explora lo último en personalización de IU con una mirada en profundidad a lo que ofrece la nueva función Home Up. DIY Home Screen: Una nueva forma de distribuir y organizar las aplicaciones ▲ (Desde la izquierda) Comparación entre la pantalla de inicio predeterminada de Galaxy S25 Ultra y una pantalla de inicio personalizada con Good Lock Rompiendo con las cuadrículas tradicionales y los iconos uniformes de las aplicaciones, la función DIY Home Screen en Home Up permite a los usuarios diseñar un diseño que refleje su estilo único. Las aplicaciones, widgets y carpetas se pueden redimensionar y reposicionar libremente, como si se tratara de personalizar las páginas de una agenda. ▲ La función DIY Home Screen Para dar un toque divertido, los usuarios pueden ocultar ingeniosamente los iconos de las aplicaciones bajo elementos decorativos con las herramientas de pegatinas y capas. Basta con añadir una pegatina a la pantalla de inicio, colocarla sobre el icono de una aplicación y ajustar la configuración de la capa. Esta configuración transforma la pegatina en un divertido acceso directo que abre la aplicación oculta con un toque. ▲ Ocultar una aplicación debajo de una pegatina utilizando la función DIY Home Screen Mostrar Favoritos: Mostrar u ocultar la fila de aplicaciones favoritas La fila fija de favoritos en la parte inferior de la pantalla de inicio es un elemento familiar en la mayoría de los smartphones. Con Good Lock, sin embargo, este diseño predeterminado es fácil de personalizar. Los usuarios que prefieran una estética más limpia y minimalista pueden desactivar la opción Mostrar Favoritos en el menú de Home Up para disfrutar de una experiencia simplificada y renovada en la pantalla de inicio. Video Player ▲ Simplificar la pantalla de inicio desactivando la opción Mostrar Favoritos Home Gesture Animation: Control afinado para una navegación más fluida La función Home Gesture Animation –que se encuentra en Good Lock > Home Up > Ajustes de Gestos– es perfecta para los usuarios que quieren añadir un toque de personalidad a cada interacción. La función ofrece una forma única de personalizar las animaciones de transición que se activan al volver de una aplicación a la pantalla de inicio, haciendo que incluso los gestos más sencillos sean más expresivos y agradables. Además de los cuatro estilos de animación predefinidos, Advanced Tuning ofrece un control granular sobre aspectos como la velocidad y la vibración para una experiencia de usuario más refinada. Video Player ▲ (Desde la izquierda) La función Home Gesture Animation mostrada en modo Classic y modo Sweet El módulo Home Up en Good Lock ofrece un conjunto de herramientas útiles para personalizar las pantallas de inicio de los dispositivos según las preferencias personales. En el próximo artículo de esta serie, Samsung Newsroom destacará las tres funciones más populares de Good Lock — las favoritas de los usuarios de Galaxy de todo el mundo. Samsung News

[Explorando Good Lock ①] La herramienta de personalización definitiva: Descubre el nuevo Home Up Leer más »

Scroll al inicio