El Portal de las Tecnologías para la Innovación

Chubut Digital

Cinco nuevos juegos llegan a Apple Arcade en mayo, incluido WHAT THE CLASH?, una genial incorporación a la galardonada serie WHAT THE GAMES?

Gaming, Innovaciones Tecnológicas /

Una divertida selección de cinco juegos llega a Apple Arcade el 1 de mayo, incluido WHAT THE CLASH?, un peculiar y trepidante juego multijugador que combina divertidas actividades como ping pong, tiro con arco, carreras y pilla-pilla. Disponible exclusivamente en Apple Arcade, WHAT THE CLASH? es la nueva creación del desarrollador independiente Triband, conocido por su premiado juego de comedia y carreras WHAT THE CAR?, que se proclamó mejor juego móvil en los D.I.C.E. Awards 2024. Los usuarios también podrán disfrutar de with My Buddy, una entrañable simulación donde estrecharán lazos y cuidarán de cachorros y gatitos virtuales; LEGO Friends: Heartlake Rush+, un vertiginoso juego de carreras sin fin; el popular juego de sopa de letras Words of Wonders: Search+; y SUMI SUMI : Matching Puzzle+, un cautivador juego de combinaciones con los queridos personajes de San-X, como Rilakkuma y Sumikko Gurashi. Estos nuevos juegos se suman al exitoso catálogo de Arcade con más de 200 títulos, todos sin anuncios ni compras dentro de la aplicación. WHAT THE CLASH? by TribandJuega en solitario o reta a tus amigos a emocionantes batallas uno contra uno en este divertido juego para animar fiestas y reuniones. Los jugadores desbloquean ciertas cartas modificadoras para formar combinaciones absurdas como ‘jiráfula’, ‘tiro con arco a la tostada’, ‘tenis pegajoso’, ‘ordeñar al pez’ y muchas más. Subirán en las tablas de clasificación, participarán en torneos o buscarán nuevas combinaciones de cartas para que cada partida sea una sorpresa caótica y desternillante, repleta de giros inesperados. Con controles táctiles sencillos, todos jugarán como ‘The Hand’, una mano carismática y elástica con piernas que puede personalizarse con cientos de combinaciones de objetos desbloqueables, como parches para los ojos, vestidos y pendientes. Los competidores deberán superar y hacer reír a sus oponentes mientras se enfrentan mano a mano en disparatados combates con sus familiares y amigos. with My Buddy by Neilo Inc.Los amantes de los animales se enamorarán de with My Buddy, un adorable juego en el que estrecharán lazos con una variedad de perros y gatos, cada uno con su propio aspecto y personalidad. Podrán ver cómo crecen sus mascotas, cuidándolas en cada etapa de su vida y vistiéndolas con originales atuendos que reflejen su estilo personal. Con la posibilidad de ambientar los espacios de sus mascotas e interactuar con ellas en cualquier momento y lugar, este juego materializa la alegría que aportan los animales de compañía. LEGO Friends Heartlake Rush+ de StoryToysCompite en carreras por Heartlake City con los LEGO Friends y sus mascotas en esta colorida y vertiginosa aventura. Los jugadores pueden ponerse al volante como Aliya, Autumn, Nova, Leo, Liann y otros, y personalizar sus bólidos con colores, pegatinas, llantas, accesorios y estelas. Mientras recorren las calles bulliciosas a toda velocidad, deberán esquivar obstáculos y recoger tesoros para completar emocionantes misiones y obtener fantásticas recompensas. Words of Wonders: Search+ de Fugo GamesEn este popular juego de sopa de letras, los jugadores deben buscar palabras ocultas en el tablero mientras exploran lugares emblemáticos para descubrir los secretos del mundo. A medida que avancen por los niveles temáticos, encontrarán nuevas referencias, pondrán a prueba sus conocimientos y trazarán estrategias para llegar lejos mientras desvelan los enigmas ocultos tras las palabras. SUMI SUMI : Matching Puzzle+ de ImagineerCon compañeros populares como Rilakkuma y Sumikko Gurashi del estudio japonés de creación de personajes San-X, este juego transporta a los usuarios al encantador mundo de los rompecabezas kawaii. Con una mecánica sencilla que permite emparejar con un toque, una jugabilidad envolvente y relajante y sus esmerados mapas, SUMI SUMI : Matching Puzzle+ ofrece la combinación perfecta de estrategia y diversión para cualquiera que busque disfrutar de un adorable reto. Este mes, los jugadores también podrán disfrutar de actualizaciones de contenido en sus juegos favoritos de Apple Arcade, disponibles en el iPhone, iPad, Mac, Apple TV y Apple Vision Pro, incluidos Hello Kitty Island Adventure, PGA TOUR Pro Golf y WHAT THE CAR?. Este mes también habrá actualizaciones en juegos tan populares como Talking Tom Blast Park, Tomb of the Mask+, Three Kingdoms HEROES, Drive Ahead! Carcade, Ridiculous Fishing EX, A Slight Chance of Sawblades+, Skate City: New York y muchos más. Precio y disponibilidad Apple News. Traducido al español

Cinco nuevos juegos llegan a Apple Arcade en mayo, incluido WHAT THE CLASH?, una genial incorporación a la galardonada serie WHAT THE GAMES? Leer más »

Los verificadores de seguridad de IBM encabezan un nuevo punto de referencia de IA

Ciberseguridad y Protección de Datos, Inteligencia Artificial Generativa, Inteligencia Artificial News /

Granite Guardian se eleva a la cima de GuardBench, la primera medida independiente de qué tan bien los modelos de barandilla pueden detectar contenido dañino y alucinado, así como los intentos de ‘jailbreak’ controles de seguridad LLM. El uso de modelos de IA puede conllevar riesgos, pero la IA también se está volviendo más inteligente al marcarlos y maniobrar a su alrededor. Cuando IBM Research lanzó sus modelos Granite Guardian el año pasado, el equipo los consideró las herramientas más poderosas para detectar un amplio espectro de riesgos asociados IA generativa. Ahora, el primer punto de referencia para evaluar de forma independiente los llamados modelos AI “storerail” tiene Granite Guardian liderando el paquete. IBM Modelos Granite Guardian mantenga seis de los 10 mejores lugares en el nuevo Tabla de clasificación de GuardBench, la primera medida de terceros de qué tan bien los clasificadores de IA pueden marcar indicaciones dañinas o maliciosas y respuestas generadas por LLM. Los tres mejores modelos — Granite Guardian 3.1 8B, Granite Guardian 3.0 8B y Granite Guardian 3.2 5B — también se han adoptado públicamente, con casi 36,000 descargas en Hugging Face, el centro de modelos de IA de código abierto. Creado por investigadores de la Comisión Europea para el Centro Común de Investigación, GuardBench se compone de 40 conjuntos de datos, incluidos cinco que son completamente nuevos. Además de ser el primer punto de referencia independiente para probar la seguridad de la IA, es el primero en extender las preguntas de prueba más allá del Inglés, con pruebas en francés, alemán, italiano y español. Granite Guardian ya se había distinguido en una variedad de conjuntos de datos públicos internamente. Los resultados de GuardBench proporcionan una confirmación adicional de las capacidades de models’, incluso en idiomas en los que los modelos no habían sido entrenados explícitamente. “Entrenamos a Granite Guardian solo con datos en inglés,” dijo Prasanna Sattigeri, investigadora de IBM que dirigió el proyecto. “El hecho de que lo hiciéramos tan bien muestra que teníamos un fuerte LLM multilingüe de granito para empezar.” Los cuatro modelos principales de Granite Guardian tuvieron puntajes de 86% y 85% en los conjuntos de datos de Guardian Benchics 40. Por el contrario, Nvidia y Meta, las únicas otras compañías que rompieron el top 10, tenían modelos de barandilla que obtuvieron un 82%, 80%, 78% y 76%. Investigadores desvelados GuardBench en noviembre pasado en EMNLP, una conferencia de procesamiento de lenguaje natural superior. Debido a que su artículo salió antes de que IBM lanzara sus modelos Granite Guardian, la tabla de clasificación de GuardBench que se puso en marcha la semana pasada fue la primera validación pública de los modelos de IBM. “No nos sorprendió, pero fue bueno ver qué tan bien se generalizaron y se desempeñaron en los puntos de referencia en los que no los habíamos probado,” dijo el investigador de IBM Inkit Padhi, quien formó parte del equipo que desarrolló Granite Guardian. Una solución integral Granite Guardian fue diseñado para funcionar con cualquier LLM, independientemente de si sus pesos eran abiertos o propietarios. Los modelos también fueron entrenados bajo IBM Atlas de riesgo de IA para marcar contenido socialmente sesgado, lenguaje odioso, abusivo o profano (HAP), así como cualquier intento de los usuarios de ‘jailbreak,’ o bypass, los controles de seguridad de LLMm. A diferencia de muchos otros modelos de barandillas, Granite Guardian también fue entrenado para detectar ‘respuestas alucinadas que podrían contener información incorrecta o engañosa, incluso en generación aumentada por recuperación (RAG) aplicaciones. Los modelos pueden igualar el rendimiento de los detectores de alucinaciones especializados y personalizarse para otras dimensiones de riesgo, con la indicación de construir su propio detector. “No hay otro modelo de guardia único que sea tan completo en cuanto a riesgos y daños,” dijo el compañero de IBM Kush Varshney en LinkedIn. El equipo atribuye gran parte de las habilidades de Granite Guardian a la calidad de sus datos de entrenamiento. Los investigadores contrataron a personas de diversos orígenes para etiquetar ejemplos de contenido no deseado. También incluyeron datos sintéticos generado durante el interno rojo-teaming ejercicios en modelos de lenguaje Granite más antiguos. La velocidad es uno de los factores decisivos para que los modelos de barandilla tengan éxito. Filtrar contenido no deseado sobre la marcha, cuando un LLM puede estar generando millones de palabras, puede agregar retrasos adicionales que los usuarios pueden no estar dispuestos a tolerar. Aquí, la serie Granite Guardian también brilla. Los investigadores de IBM desarrollaron varias variaciones ligeras para dar a los usuarios más flexibilidad. Filtros especializados para Detección de HAP solo fueron lanzados a principios de este año. Investigadores también reducido un modelo Granite Guardian 8B a 5B identificando y podando capas redundantes. Esta intervención aceleró la inferencia 1,4 veces sin ninguna pérdida de precisión. El modelo 5B (actualmente #3 en GuardBench) también introdujo nuevas características, incluida la capacidad de marcar comentarios dañinos en conversaciones de varias vueltas y verbalizar su nivel de certeza en sus respuestas. El Colección Granite Guardian está disponible en Hugging Face bajo una licencia Apache 2.0 y a través de IBM watsonx Plataforma de IA. Las últimas versiones cuantificadas de los modelos también son disponible en Hugging Face. IBM News. Traducido al español

Los verificadores de seguridad de IBM encabezan un nuevo punto de referencia de IA Leer más »

Presentamos OpenAI o3 y o4-mini

Inteligencia Artificial Generativa, Inteligencia Artificial News, IoT, Noticias Tecnológicas /

Nuestros modelos más inteligentes y capaces hasta la fecha con acceso completo a herramientas Hoy lanzamos OpenAI o3 y o4-mini, los modelos más recientes de nuestra serie o, entrenados para pensar durante más tiempo antes de responder. Estos son los modelos más inteligentes que hemos lanzado hasta la fecha, lo que representa un cambio radical en las capacidades de ChatGPT para todos, desde usuarios curiosos hasta investigadores avanzados. Por primera vez, nuestros modelos de razonamiento pueden usar y combinar de forma agente todas las herramientas de ChatGPT, incluyendo la búsqueda web, el análisis de archivos subidos y otros datos con Python, el razonamiento profundo sobre entradas visuales e incluso la generación de imágenes. Fundamentalmente, estos modelos están entrenados para razonar sobre cuándo y cómo usar las herramientas para producir respuestas detalladas y bien pensadas en los formatos de salida adecuados, generalmente en menos de un minuto, para resolver problemas más complejos. Esto les permite abordar preguntas multifacéticas con mayor eficacia, un paso hacia un ChatGPT más agente que puede ejecutar tareas de forma independiente. La combinación del poder del razonamiento de vanguardia con acceso completo a las herramientas se traduce en un rendimiento significativamente superior en pruebas académicas y tareas del mundo real, estableciendo un nuevo estándar tanto en inteligencia como en utilidad. ¿Qué ha cambiado? OpenAI o3 es nuestro modelo de razonamiento más potente, que revoluciona la programación, las matemáticas, la ciencia, la percepción visual y más. Establece un nuevo SOTA en benchmarks como Codeforces, SWE-bench (sin crear un andamiaje específico para el modelo) y MMMU. Es ideal para consultas complejas que requieren un análisis multifacético y cuyas respuestas pueden no ser obvias de inmediato. Se desempeña especialmente bien en tareas visuales como el análisis de imágenes, diagramas y gráficos. En evaluaciones realizadas por expertos externos, o3 comete un 20 % menos de errores importantes que OpenAI o1 en tareas difíciles del mundo real, destacando especialmente en áreas como programación, negocios/consultoría e ideación creativa. Los primeros evaluadores destacaron su rigor analítico como un socio de pensamiento y enfatizaron su capacidad para generar y evaluar críticamente hipótesis novedosas, particularmente en contextos de biología, matemáticas e ingeniería. OpenAI o4-mini es un modelo más pequeño, optimizado para un razonamiento rápido y rentable. Logra un rendimiento notable para su tamaño y costo, especialmente en matemáticas, programación y tareas visuales . Es el modelo de referencia con mejor rendimiento en AIME 2024 y 2025. Si bien el acceso a una computadora reduce significativamente la dificultad del examen AIME, también destacamos que o4-mini logra un 99.5% de aprobados a 1 (100% de consenso a 8) en AIME 2025 al tener acceso a un intérprete de Python. Si bien estos resultados no deben compararse con el rendimiento de modelos sin acceso a herramientas, son un ejemplo de la eficacia con la que o4-mini aprovecha las herramientas disponibles; o3 muestra mejoras similares en AIME 2025 gracias al uso de herramientas (98.4% de aprobados a 1, 100% de consenso a 8). En evaluaciones de expertos, o4-mini también supera a su predecesor, o3-mini, en tareas no STEM, así como en dominios como la ciencia de datos. Gracias a su eficiencia, o4-mini admite límites de uso significativamente mayores que o3, lo que lo convierte en una opción sólida para preguntas de alto volumen y alto rendimiento que se benefician del razonamiento. Evaluadores expertos externos calificaron ambos modelos por demostrar un mejor seguimiento de instrucciones y respuestas más útiles y verificables que sus predecesores, gracias a una inteligencia mejorada y a la inclusión de fuentes web. En comparación con versiones anteriores de nuestros modelos de razonamiento, estos dos modelos también deberían resultar más naturales y conversacionales, especialmente porque hacen referencia a la memoria y a conversaciones pasadas para que las respuestas sean más personalizadas y relevantes.o1o3-minio3 (no tools)o4-mini (no tools)Accuracy (%)74.387.391.693.4AIME 2024Competition Matho1o3-minio3 (no tools)o4-mini (no tools)Accuracy (%)79.286.588.992.7AIME 2025Competition Matho1o3-minio3 (with terminal)o4-mini (with terminal)ELO1891207327062719CodeforcesCompetition Codeo1o3-minio3 (no tools)o4-mini (no tools)Accuracy (%)78.077.083.381.4GPQA DiamondPhD-Level Science Questionso1-proo3-minio3 (no tools)o3 (python + browsing** tools)o4-mini (no tools)o4-mini (with python + browsin…Deep researchAccuracy (%)8.1213.4020.3224.9014.2817.7026.60Humanity’s Last ExamExpert-Level Questions Across Subjects Multimodal o1o3o4-miniAccuracy (%)77.682.981.6MMMUCollege-level visual problem-solvingo1o3o4-miniAccuracy (%)71.886.884.3MathVistaVisual Math Reasoningo1o3o4-miniAccuracy (%)55.178.672.0CharXiv-ReasoningScientific Figure Reasoning Codificación o1-higho3-mini-higho3-higho4-mini-high$0$59,000$118,000$177,000$236,000Dollars earned$28,500$17,375$65,250$56,375SWE-Lancer: IC SWE DiamondFreelance Coding Taskso1o3-minio3o4-miniAccuracy (%)48.949.369.168.1SWE-Bench VerifiedSoftware Engineeringo1-higho3-mini-higho3-higho4-mini-highAccuracy (%)64.4%(whole)61.7%(diff)66.7%(whole)60.4%(diff)81.3%(whole)79.6%(diff)68.9%(whole)58.2%(diff)Aider PolyglotCode Editing Seguimiento de instrucciones y uso de herramientas de forma agente o1o3-minio3o4-miniAccuracy (%)44.9339.8956.5142.99Scale MultiChallengeMulti-turn instruction following4o + browsingo3 with python + browsing*o4-mini with python + browsin…Deep researchAccuracy (%)1.949.728.351.5BrowseCompAgentic Browsingo1-higho3-mini-higho3-higho4-mini-highAccuracy (%)50.0%(Airline)70.8%(Retail)32.4%(Airline)57.6%(Retail)52.0%(Airline)70.4%(Retail)49.2%(Airline)65.6%(Retail)Tau-benchFunction Calling Todos los modelos se evalúan con configuraciones de «esfuerzo de razonamiento» elevado, similares a variantes como «o4-mini-high» en ChatGPT. Continuamos ampliando el aprendizaje de refuerzo Durante el desarrollo de OpenAI o3, hemos observado que el aprendizaje por refuerzo a gran escala exhibe la misma tendencia de «mayor cómputo = mejor rendimiento » observada en el preentrenamiento de la serie GPT. Al repasar la trayectoria de escalado, esta vez en aprendizaje por refuerzo (RL), hemos impulsado un orden de magnitud adicional tanto el cómputo de entrenamiento como el razonamiento en tiempo de inferencia, y aun así observamos claras mejoras de rendimiento, lo que confirma que el rendimiento de los modelos continúa mejorando cuanto más se les permite pensar. Con la misma latencia y coste que OpenAI o1, o3 ofrece un mayor rendimiento en ChatGPT, y hemos confirmado que, si le permitimos pensar durante más tiempo, su rendimiento sigue aumentando. También entrenamos a ambos modelos para usar herramientas mediante aprendizaje por refuerzo , enseñándoles no solo cómo usarlas, sino también a razonar sobre cuándo usarlas. Su capacidad para implementar herramientas según los resultados deseados los hace más competentes en situaciones abiertas, especialmente aquellas que implican razonamiento visual y flujos de trabajo de varios pasos. Esta mejora se refleja tanto en los puntos de referencia académicos como en las tareas del mundo real, según informaron los primeros evaluadores. Pensar con imágenes Por primera vez, estos modelos pueden integrar imágenes directamente en su cadena de pensamiento. No solo ven una imagen, sino que piensan con ella. Esto abre un nuevo tipo de resolución de problemas que combina el razonamiento visual y textual, lo que se refleja en su rendimiento de vanguardia en pruebas multimodales. Se puede subir una foto de una pizarra, un

Presentamos OpenAI o3 y o4-mini Leer más »

Introduciendo GPT-4.1 en la API

Inteligencia Artificial Generativa, Inteligencia Artificial News /

Una nueva serie de modelos GPT con mejoras importantes en codificación, seguimiento de instrucciones y contexto largo, más nuestro primer modelo nano. Hoy lanzamos tres nuevos modelos en la API: GPT‑4.1, GPT‑4.1 mini y GPT‑4.1 nano. Estos modelos superan a GPT‑4o y GPT‑4o mini en todos los aspectos, con importantes mejoras en la codificación y el seguimiento de instrucciones. Además, cuentan con ventanas de contexto más amplias (admiten hasta un millón de tokens de contexto) y permiten un mejor uso de dicho contexto gracias a una mejor comprensión de contextos extensos. Presentan un límite de conocimiento actualizado de junio de 2024. GPT‑4.1 destaca en las siguientes medidas estándar de la industria:  Si bien los benchmarks proporcionan información valiosa, entrenamos estos modelos centrándonos en su utilidad en el mundo real. La estrecha colaboración con la comunidad de desarrolladores nos permitió optimizar estos modelos para las tareas más importantes para sus aplicaciones. Para ello, la familia de modelos GPT‑4.1 ofrece un rendimiento excepcional a un coste menor. Estos modelos optimizan el rendimiento en cada punto de la curva de latencia. GPT‑4.1 mini representa un avance significativo en el rendimiento de los modelos pequeños, superando incluso a GPT‑4o en numerosas pruebas de rendimiento. Iguala o supera a GPT‑4o en evaluaciones de inteligencia, a la vez que reduce la latencia casi a la mitad y el coste en un 83 %.  Para tareas que requieren baja latencia, GPT‑4.1 nano es nuestro modelo más rápido y económico disponible. Ofrece un rendimiento excepcional en un tamaño compacto gracias a su ventana de contexto de 1 millón de tokens, y obtiene una puntuación del 80,1 % en MMLU, del 50,3 % en GPQA y del 9,8 % en codificación políglota de Aider, incluso superior a la de GPT‑4o mini. Es ideal para tareas como la clasificación o el autocompletado. Estas mejoras en la fiabilidad del seguimiento de instrucciones y la comprensión de contextos extensos también hacen que los modelos GPT‑4.1 sean considerablemente más eficaces para impulsar agentes o sistemas que pueden realizar tareas de forma independiente en nombre de los usuarios. Al combinarse con primitivas como la API de Respuestas …(se abre en una nueva ventana)Los desarrolladores ahora pueden crear agentes que sean más útiles y confiables en la ingeniería de software del mundo real, extrayendo información de documentos grandes, resolviendo solicitudes de clientes con mínima asistencia y otras tareas complejas.  Tenga en cuenta que GPT‑4.1 solo estará disponible a través de la API. En ChatGPT, muchas de las mejoras en el seguimiento de instrucciones, la codificación y la inteligencia se han incorporado gradualmente a la última versión .(se abre en una nueva ventana)de GPT‑4o y continuaremos incorporando más en futuras versiones.  También comenzaremos a descontinuar la versión preliminar de GPT‑4.5 en la API, ya que GPT‑4.1 ofrece un rendimiento mejorado o similar en muchas funciones clave con un costo y una latencia mucho menores. La versión preliminar de GPT‑4.5 se desactivará dentro de tres meses, el 14 de julio de 2025, para dar tiempo a los desarrolladores para la transición. GPT‑4.5 se presentó como una versión preliminar de investigación para explorar y experimentar con un modelo grande y de alto consumo de recursos, y hemos aprendido mucho de los comentarios de los desarrolladores. Seguiremos incorporando la creatividad, la calidad de escritura, el humor y los matices que nos comentaron que apreciaban en GPT‑4.5 a los futuros modelos de API. A continuación, desglosamos el rendimiento de GPT-4.1 en varios puntos de referencia, junto con ejemplos de evaluadores alfa como Windsurf, Qodo, Hex, Blue J, Thomson Reuters y Carlyle que muestran su rendimiento en producción en tareas específicas del dominio. Codificación GPT-4.1 es significativamente mejor que GPT-4o en una variedad de tareas de codificación, incluidas la resolución de tareas de codificación de manera agente, codificación frontend, realizar menos ediciones extrañas, seguir formatos diff de manera confiable, garantizar el uso constante de la herramienta y más. En SWE-bench Verified, una medida de habilidades reales de ingeniería de software, GPT‑4.1 completa el 54,6 % de las tareas, en comparación con el 33,2 % de GPT‑4o (20/11/2024). Esto refleja mejoras en la capacidad del modelo para explorar un repositorio de código, finalizar una tarea y producir código que se ejecuta y supera las pruebas.GPT-4.1GPT-4o (2024-11-20)OpenAI o1 (high)OpenAI o3-mini (high)GPT-4.5GPT-4.1 miniGPT-4o mini55%33%41%49%38%24%9%SWE‑bench Verified accuracy Para SWE-bench Verified , se asigna a un modelo un repositorio de código y una descripción del problema, y ​​debe generar un parche para solucionarlo. El rendimiento depende en gran medida de las indicaciones y las herramientas utilizadas. Para facilitar la reproducción y contextualización de nuestros resultados, describimos nuestra configuración para GPT‑4.1 aquí .(se abre en una nueva ventana)Nuestras puntuaciones omiten 23 de 500 problemas cuyas soluciones no pudieron ejecutarse en nuestra infraestructura; si se les asigna una puntuación conservadora de 0, la puntuación del 54,6 % se convierte en 52,1 %. Para los desarrolladores de API que buscan editar archivos grandes, GPT‑4.1 es mucho más confiable en las comparaciones de código entre diversos formatos. GPT‑4.1 duplica con creces la puntuación de GPT‑4o en la prueba de comparación de diferencias políglotas de Aider .(se abre en una nueva ventana)e incluso supera a GPT‑4.5 en un 8% absoluto. Esta evaluación mide tanto la capacidad de codificación en varios lenguajes de programación como la capacidad del modelo para producir cambios en formatos completos y diferenciales. Hemos entrenado específicamente a GPT‑4.1 para que siga los formatos diferenciales con mayor fiabilidad, lo que permite a los desarrolladores ahorrar costes y latencia al modificar solo las líneas de salida del modelo, en lugar de reescribir un archivo completo. Para obtener el mejor rendimiento en la comparación de código, consulte nuestra guía de indicaciones .(se abre en una nueva ventana)Para los desarrolladores que prefieren reescribir archivos completos, hemos aumentado el límite de tokens de salida para GPT‑4.1 a 32 768 tokens (en comparación con los 16 384 tokens de GPT‑4o). También recomendamos usar las salidas predichas .(se abre en una nueva ventana)para reducir la latencia de las reescrituras de archivos completos.GPT-4.1GPT-4o (2024-11-20)OpenAI o1 (high)OpenAI o3-mini (high)GPT-4.5GPT-4.1 miniGPT-4.1 nanoGPT-4o mini52% (whole)53% (diff)31% (whole)18% (diff)64% (whole)62% (diff)67% (whole)60% (diff)35% (whole)32% (diff)10% (whole)6% (diff)4% (whole)3% (diff)N/A

Introduciendo GPT-4.1 en la API Leer más »

Huawei Lanza Cinco Soluciones para Acelerar la Inteligencia Aeronáutica

Inteligencia Artificial Generativa, Inteligencia Artificial News, Robótica y Automatización /

 Durante la Terminal de Pasajeros Expo 2025 en Madrid, Huawei lanzó cinco soluciones de aviación, en particular el Smart Airport Intelligent Operation Center (IOC) para avanzar en las actualizaciones inteligentes de la industria. Ejecutivos de Huawei, entre ellos el Sr. Dong Fangshuo, Vicepresidente de Smart Transportation BU de Huawei, el Sr. Yang Guojie, Director de Transportation Industry Solution Domain de Data Communication Product Line de Huawei, Eric Liu, Ingeniero Jefe de Huawei Optical Network Business y el Dr. Rachad Nassar, Director de Negocios Globales y Socios Estratégicos de Smart Transportation BU de Huawei, asistió al evento de lanzamiento. Las cinco soluciones reveladas sentarán una base sólida para que la aviación “vaya de banda ancha, vaya a la nube y vaya AI.” Ellos son: Las soluciones reflejan que las TIC han evolucionado de un sistema de apoyo lateral a uno de los sistemas de producción de misión crítica básicos de carga aérea, con la inteligencia en el corazón de la transformación en curso del sector de la aviación. Esta evolución está impulsando a los aeropuertos a repensar cómo asignan recursos y evolucionan hacia aeropuertos inteligentes. Huawei trabaja con socios de aviación para integrar profundamente nuevas tecnologías y crear la arquitectura de gemelos digitales inteligentes que sinergiza la conectividad, la nube, la IA, la informática y las aplicaciones. Esta arquitectura tiene como objetivo mejorar significativamente la eficiencia operativa, el valor comercial, la seguridad y la experiencia del pasajero. Dr. Rachad Nassar, Director de Negocios Globales y Socios Estratégicos de Smart Transportation BU de Huawei, señaló en el evento de lanzamiento que el avance de la aviación se basa en tecnologías digitales e inteligentes. Afirmó que Huawei se compromete a construir aeropuertos más seguros y eficientes que brinden una experiencia perfecta. «En el futuro, colaboraremos con más socios de la industria que tengan las mejores prácticas para establecer un nuevo ecosistema para la innovación y el desarrollo aeroportuario. Juntos, podemos ayudar a los clientes a racionalizar los sistemas industriales existentes, maximizar el potencial de datos y mejorar la productividad dentro del sector de la aviación.» Discurso clave del Dr. Nassar Rachad Durante la exposición, Huawei también mostró su gama de soluciones basadas en escenarios para operaciones, seguridad y servicios aeroportuarios junto con los escenarios operativos de las aerolíneas. Las soluciones garantizan flujos de pasajeros y vuelos sin problemas, mejoran la experiencia de viaje y aumentan la eficiencia operativa tanto de los aeropuertos como de las aerolíneas. Hasta la fecha, más de 210 aeropuertos, aerolíneas y autoridades de gestión del tráfico aéreo de todo el mundo han elegido a Huawei. De cara al futuro, Huawei trabajará con clientes y socios de la industria para construir una base digital e inteligente para la aviación civil, desarrollar aeropuertos inteligentes que sean seguros, ecológicos y amigables con los pasajeros, y acelerar el desarrollo inteligente de la aviación. Para obtener más información sobre la Solución de Aviación Inteligente de Huawei, visite: https://e.huawei.com/en/industries/aviation Huawei News. Traducido al español

Huawei Lanza Cinco Soluciones para Acelerar la Inteligencia Aeronáutica Leer más »

Iluminación: Los Beneficios de los Drones en la Generación de Energía

Noticias Tecnológicas, Robótica y Automatización /

¿Cómo utilizan las compañías energéticas los drones en la generación de energía? ¿Qué problemas pueden resolver los drones? ¡Descubra los beneficios de los drones en energía y vea estudios de casos del mundo real en nuestro blog sobre este tema! Si estás leyendo este artículo, estás involucrado con uno de los mercados más grandes del mundo: el sector energético. Se accede al sitio web de Flyability a través de teléfonos, computadoras portátiles o tabletas, todos los cuales dependen de la electricidad que obtenemos de los sitios de generación de energía. Esta inmensa industria está bajo una presión creciente para satisfacer nuestra demanda insaciable a medida que los humanos usan más energía para moverse, comunicarse y aprender.  ¿Cómo puede el sector energético satisfacer esta demanda? Diversificar las técnicas de generación de energía es una forma, pero optimizar los sistemas existentes invirtiendo en tecnología nueva e innovadora es otra. La nueva tecnología puede ofrecer soluciones emocionantes a viejos problemas, reduciendo el tiempo de inactividad y maximizando las operaciones de producción de energía. Una pequeña herramienta es parte de esta modernización: el humilde dron es uno de los mayores cambios de juego en la generación de energía.  ¿Para qué se utilizan los drones en el sector energético?  Los drones no se utilizarán para generar energía ellos mismos, pero pueden ser un método increíblemente útil para inspeccionar y administrar la infraestructura energética. Al racionalizar las inspecciones, los drones ofrecen a los proveedores de energía una gestión de instalaciones más eficiente. Los drones pueden hacer esto porque generalmente son dispositivos pequeños y maniobrables que pueden equiparse con varias cargas útiles y sensores para recopilar datos críticos en espacios inaccesibles o peligrosos.  ¡Los drones ofrecen inspecciones visuales, mediciones de espesor ultrasónico y capacidades de modelado 3D, entre otras capacidades que mejoran las inspecciones de las instalaciones! Esto facilita la gestión de activos, ya que puede obtener información clara y precisa sobre el estado de un activo, ya sea una caldera o una turbina eólica. Luego puede usar esa información para planificar el trabajo de mantenimiento sin prolongar el tiempo de inactividad. Lo ideal de los drones es que se puedan implementar rápidamente. Por ejemplo, si desea inspeccionar una torre de enfriamiento, es probable que tenga que erigir andamios o usar recolectores de cerezas y enfrentar varios días de inactividad. Un dron puede hacer la inspección en horas, si no minutos, con 0 andamios involucrados, reduciendo drásticamente el tiempo que el activo está fuera de acción y aumentando la eficiencia operativa.  Escaneos LiDAR de un penstock capturado con el dron Elios 3. Usando a ¡drone para inspecciones de penstock reduce los tiempos de inspección en un 80%! Gracias a la flexibilidad de la tecnología de drones, se pueden integrar fácilmente con los horarios de inspección existentes y complementar los procesos actuales. Ya sea que esté ayudando a eliminar el trabajo innecesario en altura en andamios o recopilando datos en un entorno peligroso, como dentro de áreas contaminadas de una planta de energía nuclear, los drones pueden ayudar a responder preguntas sobre el estado de los activos sin poner a las personas en peligro o comprometer la calidad de los resultados. Además de los claros beneficios de los drones de generación de energía relacionados con la seguridad, la velocidad de inspección de las instalaciones y la precisión de los resultados, este es un hecho probado. Los drones no son nuevos: hay docenas de formas de usar drones para inspecciones de generación de energía. Se estima que el mercado de drones solo en el sector energético está valorado en 4.4 mil millones de USD para 2030.  Los desafíos de las inspecciones de generación de energía y cómo los drones los resuelven La generación de energía es un término general para una industria increíblemente variada. Este término abarca instalaciones que incluyen presas de cientos de metros de altura, turbinas eólicas, plantas de energía térmica y reactores nucleares. La enorme infraestructura de esta industria alimenta a millones de hogares, negocios y fábricas, poniéndola bajo una intensa presión. La gestión de estas instalaciones es una tarea gigantesca: incluso pequeñas fallas o interrupciones inesperadas pueden afectar a cientos de miles de personas.  Los peligros típicos de las inspecciones en los activos de generación de energía incluyen la exposición al calor, el trabajo en altura y la entrada a espacios confinados. De hecho, el 20% de todas las lesiones en las plantas de energía térmica en los Estados Unidos son causadas por el trabajo en altura, ya sea a través de caídas o lesiones de materiales caídos.  Las inspecciones de pila generalmente requieren andamios y ropers, pero los drones no requieren ninguno, manteniendo a los equipos seguros en el suelo. Algunos de estos peligros ocurren debido a la naturaleza de los activos que se inspeccionan: para inspeccionar una caldera, las personas tienen que ingresar a la estructura, subir decenas de metros de andamios y entoncesreúna mediciones de espesor visual y ultrasónico (UTM) dentro de él. Para inspeccionar una pila, debe contratar andamios o usar un recolector de cerezas para dar acceso a un inspector a la estructura de la pila. Alternativamente, el acceso a la cuerda a veces es una opción o necesario, y algunas pilas son imposibles de inspeccionar de manera segura con las personas debido a la altura, el espacio confinado y los riesgos de peligro. Eliminar estos peligros a través de inspecciones de drones tiene dos ventajas: en primer lugar, mantiene al personal seguro y, en segundo lugar, a menudo reduce el tiempo total de inspección. La exposición al riesgo humano requiere evaluaciones cuidadosas y protocolos de seguridad adicionales: estos son tan estrictos si envía un dron en lugar de una persona a una zona de peligro.  Los drones se pueden implementar para inspecciones de generación de energía, ya que proporcionan un acceso fácil y seguro a entornos difíciles, desde espacios confinados hasta áreas de contaminación radiactiva. El inspector puede pilotar el dron, y en el caso de un UAV como el Elios 3, pueden recopilar simultáneamente datos visuales y UTM dándoles datos completos

Iluminación: Los Beneficios de los Drones en la Generación de Energía Leer más »

BioMenace Remastered: un remaster del juego de plataformas de acción de Apogee Software llegará a Steam a través de Rigel Gameworks

Gaming /

Apogee Software lanzó algunos grandes juegos en los años 90, juegos como Monster Bash, Bio Menace e incluso nuestro favorito personal Duke Nukem. Bueno, un juego que va a recibir el tratamiento de remasterización, y un juego que muchos de nosotros todavía recordamos hasta el día de hoy, es el juego de 90’s de ‘BioMenace’. Sí, de hecho, para aquellos que amaron jugar este juego en los años 90, les complacerá saber que Rigel Gameworks, un pequeño equipo de desarrollo de juegos independiente, traerá a Steam ‘BioMenace Remastered’ a partir de Q4 2025; un relanzamiento moderno mejorado del juego de DOS BioMenace de 1993. https://www.youtube.com/embed/eoz2Al5ekzU¡Y aquí están los detalles completos del último comunicado de prensa! «Los jugadores asumen el papel de Snake Logan, un agente secreto de la CIA. Su última misión es volar de reconocimiento sobre Metro City, una metrópolis bajo el ataque de hordas de peligrosas criaturas mutadas. Los monstruos fueron enviados por un hombre que se hacía llamar Dr. Mangle, que amenaza con atacar al resto del mundo a menos que se cumplan sus demandas. Después de que el avión de Snakeaks sea derribado y caiga en tierra en la ciudad, se ve obligado a continuar a pie y abrirse paso, rescatando a los sobrevivientes en el camino, todo mientras busca áreas secretas y acumula una puntuación alta».  «En comparación con otros títulos contemporáneos, el juego presenta un arsenal de jugadores único, con una ametralladora de hit-scan (golpe instantáneo) como el arma principal y granadas de mano para el apoyo. La jugabilidad se centra principalmente en el combate y la exploración, con algunos desafíos de plataformas. BioMenace se organiza en tres episodios, cada uno con 12 niveles. Además de luchar contra los enemigos, terminar un nivel a menudo requiere encontrar llaves e interruptores para desbloquear pasajes, así como rescatar a un rehén. Cada episodio presenta entornos distintos, introduce nuevos gráficos, enemigos y música en la mezcla e incluye múltiples peleas de jefes únicas» Se enumeran las siguientes características para la versión remasterizada:  INDIE RETRO News. Traducido al español

BioMenace Remastered: un remaster del juego de plataformas de acción de Apogee Software llegará a Steam a través de Rigel Gameworks Leer más »

Más allá de CAD: Cómo nTop Utiliza la IA y la Computación Acelerada para Mejorar el Diseño del Producto

Innovaciones Tecnológicas, Inteligencia Artificial Generativa, Inteligencia Artificial News /

Una de las ideas clave de Rothenberg ha sido la estrecha correlación que existe entre la iteración a escala y la innovación, especialmente en el ámbito del diseño. Cuando era adolescente, Bradley Rothenberg estaba obsesionado con el CAD: software de diseño asistido por computadora. Antes de cumplir 30 años, Rothenberg canalizó ese interés en la creación de una empresa emergente, nTop , que hoy ofrece a los desarrolladores de productos (de industrias muy diferentes) herramientas rápidas y altamente iterativas que los ayudan a modelar y crear diseños innovadores y a menudo profundamente poco ortodoxos. Una de las ideas clave de Rothenberg ha sido la estrecha correlación que existe entre la iteración a escala y la innovación, especialmente en el ámbito del diseño. También se dio cuenta de que, al crear software de ingeniería para GPU, en lugar de CPU (que impulsaban (y siguen impulsando) prácticamente todas las herramientas CAD), nTop podía aprovechar los algoritmos de procesamiento paralelo y la IA para ofrecer a los diseñadores una iteración rápida y prácticamente ilimitada para cualquier proyecto de diseño. El resultado: oportunidades de innovación prácticamente ilimitadas. Los diseñadores de productos de todo tipo tomaron nota. Una década después de su fundación, nTop, miembro del programa NVIDIA Inception para startups de vanguardia, ahora emplea a más de 100 personas, principalmente en la ciudad de Nueva York, donde tiene su sede, así como en Alemania, Francia y el Reino Unido, con planes de crecer otro 10% para fin de año. Sus herramientas de diseño computacional iteran de forma autónoma junto con los diseñadores, probando diferentes formas virtuales y materiales potenciales para lograr productos, o partes de productos, de alto rendimiento. Es un proceso de ensayo y error a escala. Como diseñador, uno suele tener todos estos objetivos y preguntas contrapuestos: Si hago este cambio, ¿será mi diseño demasiado pesado? ¿Será demasiado grueso? —dijo Rothenberg—. Al realizar un cambio en el diseño, se busca ver cómo afecta al rendimiento, y nTop ayuda a evaluar esos cambios en tiempo real. La cadena de supermercados Ocado, con sede en el Reino Unido, que construye e implementa robots autónomos, es uno de los principales clientes de nTop. Ocado se distingue de otras grandes cadenas de supermercados europeas por su profunda integración de robots autónomos y la selección de productos. Sus robots, del tamaño de una silla de oficina, recorren almacenes gigantescos —casi tan grandes como ocho campos de fútbol americano— a una velocidad de unos 32 km/h, pasando a una distancia de un milímetro entre sí mientras seleccionan y clasifican los productos en estructuras tipo colmena. En los primeros diseños, los robots de Ocado solían averiarse o incluso incendiarse. Su peso también obligaba a Ocado a construir almacenes más robustos y costosos. Utilizando el software de nTop, el equipo de robótica de Ocado rediseñó rápidamente 16 piezas críticas de sus robots, reduciendo su peso total en dos tercios. El rediseño, crucialmente, tardó aproximadamente una semana. Los rediseños anteriores que no utilizaban las herramientas de nTop tardaban unos cuatro meses. “Ocado creó una versión más robusta de su robot, mucho más económica y rápida”, dijo Rothenberg. “Sus diseñadores pasaron por ciclos de diseño rápidos: bastaba con pulsar un botón para que toda la estructura del robot se rediseñara durante la noche con nTop, preparándolo para las pruebas del día siguiente”. El caso de uso de Ocado es típico de cómo los diseñadores utilizan las herramientas de nTop. El software nTop ejecuta cientos de simulaciones que analizan cómo diferentes condiciones podrían afectar el rendimiento de un diseño. La información obtenida de estas simulaciones se incorpora al algoritmo de diseño y todo el proceso se reinicia. Los diseñadores pueden ajustar fácilmente sus diseños según los resultados, hasta que las iteraciones alcancen un resultado óptimo. nTop ha comenzado a integrar modelos de IA en sus cargas de trabajo de simulación, junto con los datos de diseño personalizados de un cliente de nTop en su proceso de iteración. nTop utiliza el marco NVIDIA Modulus , la plataforma NVIDIA Omniverse y las bibliotecas NVIDIA CUDA-X para entrenar e inferir sus cargas de trabajo de computación acelerada y modelos de IA. “Contamos con redes neuronales que pueden entrenarse con la geometría y la física de los datos de una empresa”, afirmó Rothenberg. “Si una empresa tiene una forma específica de diseñar la estructura de un coche, puede construirlo en nTop, entrenar una IA en nTop e iterar rápidamente entre diferentes versiones de la estructura del coche o de cualquier diseño futuro, accediendo a todos los datos con los que el modelo ya está entrenado”. Las herramientas de nTop tienen una amplia aplicabilidad en todas las industrias. Un equipo de diseño de Fórmula 1 utilizó nTop para modelar virtualmente innumerables versiones de disipadores de calor antes de elegir un disipador poco ortodoxo pero de gran rendimiento para su automóvil. Tradicionalmente, los disipadores de calor están hechos de pequeñas piezas uniformes de metal alineadas una al lado de la otra para maximizar la interacción metal-aire y, por lo tanto, el intercambio de calor y el enfriamiento. Los ingenieros iteraron con nTop en un disipador ondulado de varios niveles que maximizaba la interacción aire-metal al mismo tiempo que optimizaba la aerodinámica, lo cual es crucial para las carreras. El nuevo disipador de calor logró tres veces la superficie de transferencia de calor que los modelos anteriores, al tiempo que redujo el peso en un 25%, brindando un rendimiento de enfriamiento superior y una eficiencia mejorada. En el futuro, nTop anticipa que sus herramientas de modelado implícito impulsarán una mayor adopción por parte de los diseñadores de productos que desean trabajar con un “socio” iterativo capacitado en los datos patentados de su empresa. “Trabajamos con numerosos socios que desarrollan diseños, ejecutan numerosas simulaciones con modelos y luego optimizan para obtener los mejores resultados”, afirmó Rothenberg. “Los avances que están logrando hablan por sí solos”. NVIDIA Blog. E. W. Traducido al español

Más allá de CAD: Cómo nTop Utiliza la IA y la Computación Acelerada para Mejorar el Diseño del Producto Leer más »

Revolucionando industrias con gemelos digitales impulsados por IA

Inteligencia Artificial Generativa, Inteligencia Artificial News, Papers de Investigación Científica /

Los modelos de fundación de IBM Researchis están impulsando versiones simuladas de sistemas complejos, que prometen acelerar el progreso tecnológico. Los gemelos digitales han sido considerados durante mucho tiempo como cambiadores de juego en todas las industrias. Ya sea en automoción y aeroespacial, o en fabricación, redes de energía y logística de la cadena de suministro, estos modelos virtuales de sistemas del mundo real han prometido transformar las operaciones a través de modelos predictivos y análisis en tiempo real. Hasta ahora, sin embargo, la tecnología no ha cumplido su promesa, debido a las limitaciones en el modelado de sistemas físicos complejos con una precisión suficientemente alta. IBM Research está trabajando para cambiar eso. Al aplicar técnicas de modelos básicos desarrolladas originalmente para el procesamiento del lenguaje, nuestros investigadores crearon un marco para construir gemelos digitales impulsados por IA que están totalmente basados en datos, se mejoran a sí mismos y son capaces de predecir con precisión comportamientos complejos del sistema. Este avance tiene amplias implicaciones, con aplicaciones que abarcan múltiples industrias que dependen de simulaciones de alta fidelidad para optimizar el rendimiento, mejorar la seguridad y reducir los costos. Transformar el desarrollo de la batería con gemelos digitales impulsados por IA Una de las aplicaciones más inmediatas e impactantes de este enfoque es en el desarrollo de baterías de vehículos eléctricos (EV). EVs’ rango promedio aproximadamente triplicado entre 2010 y 2021, y su la longevidad ahora es comparable a la de los vehículos con motor de combustión interna. Pero la ansiedad y la incertidumbre sobre la duración de la batería siguen siendo las principales barreras para su adopción más amplia. Los compradores de automóviles aún se preocupan por quedarse sin energía sin acceso a un cargador, y a largo plazo, les preocupa que los paquetes de baterías se degraden o fallen prematuramente. A pesar de las recientes mejoras, puede llevar años desarrollar y probar nuevas baterías que duren más y permitan a los automóviles conducir más lejos. Se está avanzando lentamente para los fabricantes de automóviles de Estados Unidos y Europa, especialmente en comparación con los relativamente plazos de desarrollo rápidos de fabricantes chinos de EV. Sphere Energy, con sede en Augsburg, Alemania, está colaborando con IBM Research para especializarse y validar los gemelos digitales basados en modelos de la fundación IBM para acelerar el desarrollo y las pruebas de baterías EV. Al utilizar simulaciones impulsadas por IA, los fabricantes pueden reemplazar años de pruebas físicas con modelos virtuales de alta precisión que predicen el rendimiento y la degradación de la batería en condiciones reales. En el corazón de la innovación digital gemela están las arquitecturas y técnicas de modelos de IA utilizadas popularmente para los modelos de base de lenguaje – los que se ven en los modelos de lenguaje grandes de hoy en día. Pero mientras que los LLM están capacitados en conjuntos de datos de texto y se implementan en tareas basadas en texto, estos modelos están diseñados para manejar la química compleja y las operaciones de los componentes de la batería. De esta manera, IBM Research y Sphere están colaborando para capacitar a gemelos digitales de baterías EV basados en modelos básicos, que los fabricantes de baterías pueden poner a prueba para recopilar predicciones precisas de rendimiento, seguridad y comportamientos térmicos. Al predecir cientos de ciclos basados en tan solo 50 ciclos iniciales, los gemelos digitales basados en modelos básicos aumentan significativamente el rendimiento de las pruebas en comparación con el enfoque tradicional, donde los fabricantes de EV necesitarían desarrollar físicamente nuevas tecnologías de baterías. Se estima que este avance ahorrará millones de dólares y años de pruebas en carretera, según Sphere. “La ingeniería de baterías se basa en datos, no en lenguaje, por lo que estamos usando modelos de base para simular el siguiente mejor punto de datos en lugar de la siguiente mejor palabra, dijo Lukas Lutz, cofundador de Sphere. Y los resultados de la prueba hablan por sí mismos: Esfera puede predecir dentro de un margen de error del 1% cómo se comportará una batería y la edad cuando el rendimiento comienza a caer de una manera no lineal. “Esto simplemente no era posible antes,” dijo Lutz. “Las simulaciones actuales asumen una decadencia lineal y, por lo tanto, no pueden predecir el importante régimen no lineal.” Ampliando el alcance de los gemelos digitales Con gemelos digitales basados en modelos básicos, Sphere tiene la intención de interrumpir el largo ciclo de desarrollo de la batería. Cuando un fabricante original de equipos de batería quiere fabricar una nueva tecnología de celdas de batería para vender a los fabricantes de automóviles, debe validarla durante varios años en un automóvil. Esta prueba de ciclo de vida estándar de la industria no es un requisito reglamentario, pero es esencial para ver cómo envejece una celda de batería en climas cálidos o fríos, bajo una conducción suave y agresiva, con una carga rápida o lenta — condiciones del mundo real que afectan la rapidez con que envejece una batería. En lugar de realizar pruebas en carretera durante años, los fabricantes de baterías pueden implementar el gemelo digital basado en modelos básicos que simula una amplia gama de condiciones de conducción y modela cómo afectarán a las baterías. En la instalación de pruebas de baterías de Sphereheres en Augsburgo, más de 1.500 celdas de varios tamaños, formatos y productos químicos funcionan 24/7 para proporcionar los datos utilizados para el preentrenamiento del modelo de IA. Hasta la fecha, el modelo fue entrenado con datos de más de 4,000 pruebas. Estos datos se introducen en la arquitectura del modelo de fundación de IBM desarrollada por el equipo de IBM Research para conocer el estado de un dispositivo específico y generar predicciones para varios descriptores. En el caso de las baterías, estos descriptores incluyen voltaje, corriente y capacidad. Específicamente, el modelo gemelo digital se basa en una arquitectura codificador-decodificador basada en bloques de transformadores de vainilla que se extienden para integrar representaciones numéricas.Cuando fue pre-entrenado en Sphereheres amplios conjuntos de datos — que también incluyen metadatos sobre

Revolucionando industrias con gemelos digitales impulsados por IA Leer más »

Scroll al inicio