El Portal de las Tecnologías para la Innovación

Chubut Digital

Flyability anuncia la función Smart Return-to-Home para el dron Elios 3, iniciando el compromiso con las características autónomas de sus drones 

Robótica y Automatización /

 Volabilidad», el líder del mercado en inspecciones de drones espaciales confinados, anunció hoy el lanzamiento de una función Smart Return-to-Home (RTH) para su dron insignia Elios 3. Este nuevo desarrollo es el primer paso en un compromiso a largo plazo para aumentar las capacidades autónomas de Elios 3’. La función Smart Return-to-Home permite a los pilotos de Elios 3 instruir al dron para que regrese de forma autónoma al punto de despegue utilizando la ruta de retorno más corta y evitando dinámicamente los obstáculos. Durante el vuelo, Smart RTH monitorea el nivel de la batería del dron a través de un nuevo medidor de gestión de vuelo, informando al piloto cuándo es el momento de volar de regreso y maximizando el tiempo disponible para las inspecciones. Smart Return-to-Home se inicia a través de la aplicación de vuelo Flyabilityabilities, Cockpit, y el piloto puede volver a tomar el control en cualquier momento. A través de esta herramienta, Flyability proporciona a los pilotos una mayor tranquilidad cuando vuelan en entornos desafiantes, dándoles más tiempo para concentrarse en la inspección en cuestión. Pueden maximizar el tiempo de vuelo disponible sin preocuparse por la administración de la batería o el vuelo de regreso y confiar en que el dron se llevará a casa de manera segura.  Smart RTH marca un gran avance en el camino de Flyabilityabilities hacia las operaciones autónomas de drones y señala un compromiso a largo plazo para desarrollar características más autónomas. Smart RTH utiliza escaneos LiDAR en tiempo real para alimentar un motor de autonomía a bordo con información, que el dron convierte en un plan de vuelo que ejecuta automáticamente. Como resultado, el dron Elios 3 ahora es capaz de realizar análisis situacionales y tomar una decisión basada en esos datos. Este motor de autonomía se puede desarrollar para incluir nuevas capacidades, como evitar colisiones o reconocer obstáculos.  “Con Smart Return-to-Home, el Elios 3 navega de forma autónoma por los laberintos interiores más complejos e incluso puede atravesar pozos apenas más grandes que él, ¡superando las capacidades de cualquier otro robot! Este es un paso importante hacia operaciones totalmente autónomas, habilitadas por algoritmos de navegación de última generación, nuestro motor de mapeo Flyaware que combina LiDAR y cámaras, y la tolerancia de colisión única de Elios 3. Este desarrollo se alinea con nuestra visión de hacer que las inspecciones de drones sean fáciles para cualquiera, incluso en las misiones más exigentes, y estamos entusiasmados de seguir empujando los límites de lo que es posible en la navegación espacial confinada.” – Adrien Briod, Cofundador de Flyability y CTO Flyabilityabilities Smart Return-to-Home está disponible y en vivo para los usuarios premium de Elios 3. El 15 de abril, Flyability organizará un seminario web para compartir las características clave de este nuevo lanzamiento y su visión para futuros desarrollos de autonomía. El registro para el seminario web está disponible en el sitio web de Flyabilityabilitiess.  FLYABILITY News. Traducido al español

Flyability anuncia la función Smart Return-to-Home para el dron Elios 3, iniciando el compromiso con las características autónomas de sus drones  Leer más »

10 Elios 3s Y Contando: Cómo Dominion Energy Establece un Programa de Drones

Robótica y Automatización /

Después de 11 años, Dominion Energy tiene un extenso programa de drones que utiliza diferentes UAV en todos los sitios de energía para ayudar a las operaciones.  Descubra cómo construyeron un programa de drones y los beneficios de usar drones tanto en la generación de energía como en las inspecciones nucleares. Como uno de los mayores proveedores de energía en los Estados Unidos Dominio Energía se enfrenta a un desafío único. Proporcionan electricidad y gas natural a más de 10 estados de América del Norte. Con un alcance tan amplio, los equipos de Dominion Energy están llamados a alcanzar los más altos niveles de eficiencia para garantizar servicios sin problemas para sus clientes. Como resultado, las operaciones diarias deben optimizarse ya que las pequeñas interrupciones pueden caer en cascada en problemas más amplios que afectan a múltiples sistemas. Esto requiere una solución innovadora. En 2014, Dominion Energy se convirtió en uno de los primeros en adoptar la tecnología de drones como medio para realizar inspecciones. Su fe en la tecnología se adelantó al tiempo, donde otros pueden haber visto drones como herramientas de fotografía, Dominion Energy vio una solución que cambia el juego, incluso como posibles herramientas de inspección de seguridad nuclear. Ahora, 11 años después, su extenso programa cubre múltiples sitios de generación de energía, desde parques eólicos hasta plantas de energía nuclear. Uno de los drones que utilizan es el Elios 3 y con una impresionante flota de 10 Elios 3 dronesestán liderando el camino en la seguridad y eficiencia de la inspección en interiores. Este artículo se sumerge en cómo funciona su programa de drones, los beneficios de usar Elios 3 y cómo están ahorrando tiempo y dinero mientras mantienen a los equipos más seguros como resultado del uso de drones. El Inicio de un Programa de Drones Dominion Energy comenzó a usar drones para operaciones de transmisión eléctrica e inspecciones en sitios de generación de energía. Los drones proporcionaron inspecciones visuales fáciles de algunas áreas desafiantes a las que no se podía acceder rápidamente, especialmente en altura. Sin embargo, a medida que se desarrolló la tecnología de drones, el programa de drones Dominion Energyals evolucionó rápidamente junto con. Programa de drones Dominion Energys está presente en sitios que incluyen granjas solares, proyectos de construcción, derecho de paso de electricidad y gas, inspecciones de instalaciones y gestión de activos cercanos. Son una de las únicas compañías de energía que han obtenido la aprobación de la FAA para volar un dron más allá de la línea de visión visual para una misión remota, poniéndolos por delante de los competidores. El crecimiento exponencial de su programa de drones les ha ayudado a ver mejoras en la velocidad, la seguridad y la eficiencia no solo de las inspecciones de rutina, sino también de las operaciones de emergencia. ¿Para Qué Utiliza Dominion Energy el Drone Elios 3?  El Elios 3 es el último dron de inspección, capaz de trabajar en espacios confinados y entornos complejos en lugar de personas. Los beneficios clave que Dominion Energy ha visto a través del uso de drones han sido las mejoras en la seguridad, el acceso y la eficiencia de las inspecciones. Las características de Elios 3’s que lo hicieron más apropiado para trabajar en las plantas de Dominion Energyans incluyen:  ¿Cuáles son los Beneficios Clave de un Programa de Drones para Sitios de Generación de Energía?  Dominion Energy ha dicho que el uso de inspecciones aéreas no tripuladas hace que sus operaciones sean más ecológicas y seguras. Los drones reducen la necesidad de métodos más antiguos de inspección de instalaciones, como helicópteros o escalada a áreas en altura. Los beneficios clave del uso de drones para las inspecciones de generación de energía incluyen: Los drones Elios 3 permiten inspecciones más seguras y rápidas que pueden aumentar la eficiencia general de la inspección. Los beneficios de usar estos drones son parte de por qué Dominion Energy tiene una flota tan extensa hoy en día  Ejemplo Brillante: Inspecciones de Centrales Nucleares con un Drone  Scott Paul es el coordinador de sistemas no tripulados nucleares en Dominion Energy. El Grupo de Sistemas No Tripulados tiene múltiples UAV a su disposición que incluyen 10 drones Elios 3 (con una carga útil topográfica, una carga útil UT y una carga útil RAD), otros drones al aire libre, sumergibles para inspecciones de tanques y rastreadores de tuberías para tuberías de 8 pulgadas. Cada vez que el equipo de los Paulatinos realiza una inspección, se aseguran de tomar las medidas necesarias para completar la misión de manera segura. Esto implica advertir a los equipos de seguridad sobre el vuelo, probar y preparar el equipo, y luego planificar una ruta de vuelo detallada. La comunicación clara, explica Paul, facilita tener misiones exitosas de drones.  Scott Paul con uno de los drones Elios 3 “¡El mayor beneficio es sin duda la seguridad! No poner a las personas en altura para las inspecciones es insuperable y no tener que asegurar el equipo para realizar una inspección significa que mantenemos el máximo rendimiento para la red. También vemos beneficios que incluyen ahorro de tiempo y costos, aumento de la eficiencia y reducción de interrupciones.” – Scott Paul  El mayor avance que vio el equipo de Pauliks fue cuando se les pidió que visitaran el sitio de North Anna y volaron su Elios 3 en espacios confinados para buscar un defecto sospechoso. Se identificó y el equipo pudo volar incluso cuando la planta de energía estaba en el poder. Esto fue muy valioso, ya que eliminó un cierre innecesario y recopiló datos clave en una dosis alta a la que el personal de campo no podía acceder en ese momento. Las inspecciones que no causan paradas son esenciales para aumentar la eficiencia y, en opinión de Paulya, demuestran el valor de las inspecciones de drones con equipos como Elios 3. “Ese vuelo único demostró que nuestro programa de drones recién fundado era un activo aquí para quedarse.”  Lectura Relacionada: Cómo ahorra Dominion Energy $150,000 en Inspecciones de condensadores con Elios

10 Elios 3s Y Contando: Cómo Dominion Energy Establece un Programa de Drones Leer más »

Un sistema de predicción meteorológica totalmente impulsado por IA podría iniciar una revolución en la previsión meteorológica

Cambio Climático y Sostenibilidad, Inteligencia Artificial Generativa, Inteligencia Artificial News, IoT, Papers de Investigación Científica /

Un nuevo sistema de predicción meteorológica con inteligencia artificial, desarrollado por investigadores de la Universidad de Cambridge, puede ofrecer pronósticos precisos diez veces más rápido y utilizando miles de veces menos potencia de procesamiento que los sistemas de pronóstico actuales basados ​​en IA y física. El sistema, Aardvark Weather, cuenta con el apoyo del Instituto Alan Turing, Microsoft Research y el Centro Europeo de Pronósticos Meteorológicos a Medio Plazo. Ofrece un modelo para un nuevo enfoque de la predicción meteorológica con el potencial de transformar las prácticas actuales. Los resultados se publican en la revista Nature . “Aardvark reinventa los métodos actuales de predicción meteorológica, ofreciendo la posibilidad de realizar pronósticos meteorológicos más rápidos, económicos, flexibles y precisos que nunca, contribuyendo así a transformar la predicción meteorológica tanto en países desarrollados como en desarrollo”, afirmó el profesor Richard Turner, del Departamento de Ingeniería de Cambridge, quien dirigió la investigación. “Aardvark es miles de veces más rápido que todos los métodos de predicción meteorológica anteriores”. Los pronósticos meteorológicos actuales se generan mediante un complejo conjunto de etapas, cada una de las cuales tarda varias horas en ejecutarse en potentes supercomputadoras. Además del uso diario, el desarrollo, el mantenimiento y la utilización de estos sistemas requieren una inversión considerable de tiempo y grandes equipos de expertos. Más recientemente, investigaciones de Huawei, Google y Microsoft han demostrado que un componente del proceso de predicción meteorológica, el solucionador numérico (que calcula la evolución del tiempo), puede sustituirse por IA, lo que resulta en predicciones más rápidas y precisas. Esta combinación de IA y enfoques tradicionales la utiliza actualmente el Centro Europeo de Previsiones Meteorológicas a Medio Plazo (CEPMPM). Pero con Aardvark, los investigadores han reemplazado todo el proceso de predicción meteorológica con un único y sencillo modelo de aprendizaje automático. El nuevo modelo incorpora observaciones de satélites, estaciones meteorológicas y otros sensores, y genera pronósticos globales y locales. Este enfoque totalmente impulsado por IA significa que las predicciones que antes se producían utilizando muchos modelos (cada uno de los cuales requería una supercomputadora y un gran equipo de soporte para su ejecución) ahora se pueden producir en minutos en una computadora de escritorio. Al utilizar tan solo el 10 % de los datos de entrada de los sistemas existentes, Aardvark ya supera al sistema nacional de pronóstico GFS de Estados Unidos en numerosas variables. Además, es competitivo con los pronósticos del Servicio Meteorológico de Estados Unidos, que utilizan información de docenas de modelos meteorológicos y análisis de expertos. “Estos resultados son solo el comienzo de lo que Aardvark puede lograr”, afirmó la primera autora, Anna Allen, del Departamento de Ciencias de la Computación y Tecnología de Cambridge. “Este enfoque de aprendizaje integral puede aplicarse fácilmente a otros problemas de predicción meteorológica, como huracanes, incendios forestales y tornados. Más allá del clima, sus aplicaciones se extienden a la predicción del sistema terrestre en general, incluyendo la calidad del aire, la dinámica oceánica y la predicción del hielo marino”. Los investigadores afirman que uno de los aspectos más interesantes de Aardvark es su flexibilidad y diseño sencillo. Dado que aprende directamente de los datos, puede adaptarse rápidamente para generar pronósticos a medida para industrias o ubicaciones específicas, ya sea para predecir temperaturas para la agricultura africana o velocidades del viento para una empresa de energías renovables en Europa. Esto contrasta con los sistemas tradicionales de predicción meteorológica, donde la creación de un sistema personalizado requiere años de trabajo por parte de grandes equipos de investigadores. “Los sistemas de pronóstico del tiempo en los que todos confiamos se han desarrollado durante décadas, pero en solo 18 meses hemos podido construir algo que es competitivo con los mejores de estos sistemas, utilizando solo una décima parte de los datos de una computadora de escritorio”, dijo Turner, quien también es investigador principal de predicción del tiempo en el Instituto Alan Turing. Esta capacidad tiene el potencial de transformar la predicción meteorológica en los países en desarrollo donde el acceso a la experiencia y los recursos computacionales necesarios para desarrollar sistemas convencionales normalmente no está disponible. “Liberar el potencial de la IA transformará la toma de decisiones para todos, desde los responsables políticos y los planificadores de emergencias hasta las industrias que dependen de pronósticos meteorológicos precisos”, afirmó el Dr. Scott Hosking, del Instituto Alan Turing. “El avance de Aardvark no se trata solo de velocidad, sino también de acceso. Al trasladar la predicción meteorológica de las supercomputadoras a las computadoras de escritorio, podemos democratizar la predicción, poniendo estas potentes tecnologías a disposición de los países en desarrollo y las regiones con escasez de datos en todo el mundo”. “Aardvark no habría sido posible sin décadas de desarrollo de modelos físicos por parte de la comunidad, y estamos especialmente agradecidos a ECMWF por su conjunto de datos ERA5, que es esencial para el entrenamiento de Aardvark”, dijo Turner. “Es fundamental que el mundo académico y la industria colaboren para abordar los desafíos tecnológicos y aprovechar las nuevas oportunidades que ofrece la IA”, afirmó Matthew Chantry, del ECMWF. “El enfoque de Aardvark combina la modularidad con la optimización integral de la previsión, garantizando así un uso eficaz de los conjuntos de datos disponibles”. “Aardvark no solo representa un logro importante en la predicción meteorológica mediante IA, sino que también refleja el poder de la colaboración y de unir a la comunidad investigadora para mejorar y aplicar la tecnología de IA de maneras significativas”, afirmó el Dr. Chris Bishop, de Microsoft Research. Los próximos pasos para Aardvark incluyen el desarrollo de un nuevo equipo dentro del Instituto Alan Turing dirigido por Turner, que explorará el potencial de implementar Aardvark en el sur global e integrará la tecnología en el trabajo más amplio del Instituto para desarrollar pronósticos ambientales de alta precisión para el clima, los océanos y el hielo marino. Referencia:Anna Allen, Stratis Markou et al. « Predicción meteorológica integral basada en datos ». Nature (2025). DOI: 10.1038/s41586-025-08897-0 Universidad de Cambridge News. Traducido al español

Un sistema de predicción meteorológica totalmente impulsado por IA podría iniciar una revolución en la previsión meteorológica Leer más »

Impulsando el descubrimiento científico con IA

Eventos Tecnológicos, Inteligencia Artificial en la Salud Humana, Inteligencia Artificial Generativa, Notas y Entrevistas /

El premio Nobel y ex alumno de Cambridge Sir Demis Hassabis anuncia una nueva era de descubrimiento de fármacos de ‘velocidad digital’ Sir Demis Hassabis, premio Nobel y ex alumno de Cambridge, cree que estamos entrando en una nueva era de «biología digital», donde la IA puede ayudarnos a reimaginar los principios del descubrimiento de fármacos a «velocidad digital». Hablando en un evento especial en Cambridge, para explorar cómo la IA puede acelerar el descubrimiento científico, el director ejecutivo y cofundador de Google DeepMind también dijo que, a pesar del auge de la computación cuántica, los sistemas informáticos clásicos aún tienen el potencial de hacer avanzar el conocimiento mediante la IA y algún día podrían incluso ayudarnos a descubrir la verdadera naturaleza de la realidad. Demis, quien el año pasado recibió el Premio Nobel de Química junto con su colega de Google DeepMind, el Dr. John Jumper, por sus contribuciones a la investigación en IA para la predicción de la estructura de las proteínas, dijo a los estudiantes y ex alumnos de Cambridge que la IA era potencialmente el «lenguaje de descripción perfecto para la biología». “Actualmente, desarrollar un fármaco lleva un promedio de 10 años, y es extraordinariamente caro: miles de millones de dólares”, dijo. “Y entonces me pregunto: ¿por qué no podemos usar estas técnicas para reducir ese tiempo de años a meses? ¿Quizás incluso, un día, semanas? Igual que redujimos el descubrimiento de las estructuras de las proteínas de potencialmente años a minutos y segundos”. Durante su charla en el Babbage Lecture Theatre, donde contó a los invitados que asistió a su primera conferencia como estudiante hace casi 30 años, Demis relató su carrera e investigación en IA hasta ahora, y también brindó visiones fascinantes de cómo podría evolucionar la tecnología, incluido el desarrollo de la Inteligencia Artificial General, un sistema de IA teórico que puede hacer los mismos tipos de tareas cognitivas que un humano puede hacer. Dijo: «Cambridge es un lugar increíble. De hecho, ha inspirado toda mi carrera, y espero que haga lo mismo con muchos de ustedes, estudiantes, aquí presentes». Tras graduarse en Cambridge, donde estudió Ciencias de la Computación en el Queens’ College en la década de 1990, cofundó DeepMind en 2010, una empresa que desarrolló modelos magistrales de IA para juegos populares. La empresa fue vendida a Google en 2014 y, dos años después, DeepMind cobró reconocimiento mundial al lograr lo que muchos consideraban el santo grial de la IA: vencer al campeón de uno de los juegos de mesa más antiguos del mundo, el Go. “Mi trayectoria en la IA comenzó con los juegos, y en concreto con el ajedrez”, dijo. “Jugaba al ajedrez desde los cuatro años y me hizo reflexionar sobre el pensamiento mismo: ¿cómo se nos ocurren estos planes, estas ideas, cómo resolvemos problemas y cómo podemos mejorar? Lo que me fascinó, quizás incluso más fascinante que los juegos, fueron los procesos mentales que lo sustentan”. Este interés continuó cuando se pasó al ajedrez por computadora. «Recuerdo que me fascinaba que alguien hubiera programado este trozo de plástico inanimado para que realmente jugara ajedrez contra ti. Y terminé experimentando en mi adolescencia con un ordenador Amiga 500 y desarrollando ese tipo de programas de IA para jugar juegos como Othello. Y realmente, esa fue mi primera experiencia con la IA, y decidí desde muy joven que dedicaría toda mi carrera a intentar ampliar las fronteras de esta tecnología». Los videojuegos eran el «campo de pruebas perfecto» para los sistemas de IA, afirmó. Y tras crear sistemas de aprendizaje —inspirados en la neurociencia— que dominaban el catálogo de juegos de Atari, y desarrollar el programa informático AlphaGo que derrotó al campeón mundial de Go, Lee Sedol, centró su atención en la ciencia. Sentí que estábamos listos, teníamos las técnicas lo suficientemente maduras y listas para ser aplicadas fuera del juego y para intentar abordar problemas realmente importantes. El plegamiento de proteínas (predecir la estructura tridimensional de una proteína a partir de su secuencia de aminoácidos) fue un excelente ejemplo. Las proteínas son los componentes básicos de la vida, y se cree que su función está relacionada con su estructura. Por lo tanto, conocer la estructura de una proteína podría contribuir al descubrimiento de fármacos y a la comprensión de enfermedades. Los científicos llevaban al menos 50 años trabajando en este desafío cuando, en noviembre de 2020, el Experimento Comunitario sobre la Evaluación Crítica de Técnicas para la Predicción de la Estructura de Proteínas (CASP) declaró que la herramienta AlphaFold2 de DeepMind lo había resuelto. DeepMind utilizó AlphaFold2 para plegar los 200 millones de proteínas conocidas por la ciencia y puso el sistema y estas estructuras a disposición de todos. “Es como mil millones de años de doctorado en un solo año”, dijo Demis. “Y es asombroso pensar en cuánto se podría acelerar la ciencia. Dos millones de investigadores de prácticamente todos los países del mundo lo utilizan. Ha sido citado más de 30.000 veces y se ha convertido en una herramienta estándar en la investigación biológica”. Siempre creí que la IA general podría ser la herramienta definitiva para comprender el universo que nos rodea y nuestro lugar en él.– Sir Demis Hassabis Demis recibió conjuntamente el Premio Nobel de Química el año pasado en reconocimiento a los importantes avances que hizo posible AlphaFold2 . Y debido a que estas estructuras biológicas existen en gran parte de la vida en la Tierra, dijo que se han abierto nuevas vías de exploración en una amplia gama de campos, incluidos el clima, la agricultura, las enfermedades y el descubrimiento de fármacos. “La misión de DeepMind desde el principio fue desarrollar IA de manera responsable para beneficiar a la humanidad, pero la forma en que solíamos articularlo cuando comenzamos era un proceso de dos pasos: paso 1: resolver la Inteligencia Artificial, paso 2: usarla para resolver todo lo demás. Si analizo todo el trabajo que hemos realizado en los últimos 15 años, primero nuestro trabajo en juegos y ahora con el trabajo

Impulsando el descubrimiento científico con IA Leer más »

¿Puede la inteligencia artificial ser frugal?

Cambio Climático y Sostenibilidad, Inteligencia Artificial Generativa, Papers de Investigación Científica /

Ante la emergencia climática y la probada crisis ambiental, la inteligencia artificial a menudo se percibe como una herramienta clave para optimizar nuestros usos y reducir nuestra huella de carbono. Pero en realidad es una parte integral del problema y tiene una huella preocupante. Presentada como un motor de optimización y sobriedad, ¿podría la inteligencia artificial empeorar paradójicamente la crisis ambiental? Detrás de sus promesas de eficiencia, esconde una huella de energía y hardware colosal. El rápido aumento de la IA en los últimos años se ha basado en una infraestructura hambrienta de energía a gran escala. La capacitación de los modelos más avanzados necesita miles de millones de cálculos, lo que requiere una potencia informática considerable. La huella de carbono de estos sistemas se basa en dos componentes clave: la potencia necesaria para ejecutarlos y los recursos físicos necesarios para fabricar componentes informáticos. En Francia, el sector digital ya representa el 10% del consumo eléctrico, con un crecimiento anual estimado de entre el 6 y el 9%. A nivel mundial, lo digital contribuye al 4% de las emisiones de CO2, aumentando constantemente desde 2010. “Dos fases son particularmente hambrientas de recursos: modelos de entrenamiento, que pueden requerir varios meses de computación intensiva en plataformas que consumen hasta 30 megavatios continuamente, e inferencia, es decir, el uso de estos modelos, que representa un gasto de energía aún mayor en el caso de la IA generativa,” explica Denis Trystram, investigador de LIG* y profesor de Grenoble INP – Ensimag, UGA. “Por ejemplo, entrenar a los modelos más grandes requiere aproximadamente 1026 operaciones, es decir, el equivalente a varios meses’ uso continuo de las plataformas más grandes.” Además del consumo eléctrico, la IA requiere una cantidad considerable de materias primas. La fabricación de chips y componentes electrónicos requiere metales raros que son caros de extraer en términos de energía y agua. Al mismo tiempo, la producción y operación del centro de datos aumentan la presión sobre los recursos hídricos además de su consumo eléctrico. El análisis del ciclo de vida de los servicios de IA es a menudo incompleto, teniendo en cuenta solo los efectos directos, sin considerar los efectos de rebote o los impactos sistémicos. Frugalidad digital: ¿una ilusión? Aunque la IA puede contribuir a reducir ciertos niveles de consumo para aplicaciones específicas, por ejemplo, optimizando la eficiencia térmica de buildings’, estas ganancias a menudo se cancelan por el aumento exponencial de su uso. La infraestructura con eficiencia energética mejorada no es suficiente para compensar la expansión continua de la infraestructura. Este fenómeno, comúnmente conocido como el efecto de rebote, plantea la cuestión de los beneficios ecológicos genuinos de la IA.Se están explorando ciertas áreas potenciales para hacer que la IA sea más frugal: usar centros de datos impulsados por energías renovables, desarrollar algoritmos menos hambrientos de computación, mejorar la eficiencia de los componentes electrónicos, etc. Pero estas soluciones no cuestionan el crecimiento desenfrenado de estas tecnologías. Por ejemplo, si la IA se utiliza para reducir las emisiones de carbono, podría alentar indirectamente un mayor consumo de otros recursos (como el consumo de agua o la extracción de metales), cancelando los beneficios obtenidos. Para Denis Trystram, la verdadera pregunta a plantear es sobre los usos. “¿Realmente necesitamos todo lo que estamos desarrollando? Esta pregunta va más allá de las ciencias duras para las ciencias humanas, como la sociología, la filosofía y la economía. Pero estos aspectos aún no se tienen suficientemente en cuenta en la investigación sobre inteligencia artificial.”  Repensando el futuro Los investigadores son cada vez más conscientes de los límites planetarios y la necesidad urgente de tomar medidas, pero la implementación de soluciones prácticas sigue siendo compleja. La digitalización de nuestras sociedades actúa como un sistema en expansión incontrolable, impulsado por el mito del crecimiento ilimitado, y absorbiendo otros sistemas sin pensar en la necesidad de los usos desarrollados. La inteligencia artificial ha transformado nuestras formas de buscar información e interactuar con el mundo. Desde la aparición de los chatbots en 2022, se ha observado una disminución significativa en el tráfico tradicional de Internet, una señal de que estas herramientas están reemplazando cada vez más las búsquedas tradicionales. Pero este cambio no garantiza una mejora cualitativa del conocimiento producido. La IA se basa en modelos probabilísticos cuyos resultados deben verificarse, y la falta de transparencia de estos mecanismos de generación a menudo plantea dudas sobre la confiabilidad de la información proporcionada. “Si no se establece una regulación estricta, nos dirigimos hacia la saturación de recursos y el empobrecimiento de los datos utilizados para entrenar la IA. A largo plazo, estos modelos podrían basarse únicamente en el contenido generado por otros AIis, creando un círculo vicioso donde la información se deteriora progresivamente.” Denis Trystram utiliza una imagen fuerte para resumir la situación: la aceleración de nuestros estilos de vida, dopada por el progreso tecnológico, reduce el comportamiento humano al de un hámster, condenado a correr cada vez más rápido sin cuestionar la dirección del viaje. ¿Es posible la IA frugal? Sí, siempre que bajemos de esta rueda y adoptemos un enfoque que los lugares necesiten antes del rendimiento. Grenoble INP – UGA News. Traducido al español

¿Puede la inteligencia artificial ser frugal? Leer más »

¿Puede la IA hambrienta de energía ayudar a reducir nuestro uso de energía?

Cambio Climático y Sostenibilidad, Inteligencia Artificial Generativa, Inteligencia Artificial News, Papers de Investigación Científica /

ChatGPT necesita diez veces más electricidad para responder a un mensaje que para que Google realice una búsqueda estándar. Aún así, los investigadores están luchando para comprender las implicaciones energéticas de la inteligencia artificial generativa tanto ahora como en el futuro. Pocas personas se dan cuenta de que la huella de carbono de la tecnología digital está a la par con la de la industria aeroespacial, representando entre el 2% y el 4% de las emisiones globales de carbono. Y esta huella de carbono digital se está expandiendo a un ritmo rápido. Cuando se trata del uso de energía, los aproximadamente 11,000 centros de datos en operación hoy consumen tanta energía como lo hizo todo el país de Francia en 2022, o alrededor de 460 TWh por año. ¿La adopción generalizada de IA generativa hará que esas cifras se disparen? La nueva tecnología afectará claramente la cantidad de energía que se consume en todo el mundo, pero exactamente cómo es difícil de cuantificar. “Necesitamos saber el costo total de los sistemas de IA generativa para poder usarlos de la manera más eficiente posible,” dice Manuel Cubero-Castan, gerente de proyecto en TI sostenible en EPFL. Él cree que debemos considerar todo el ciclo de vida de la tecnología de IA generativa, desde la extracción de minerales y el ensamblaje de componentes – actividades cuyo impacto concierne no solo a la energía – hasta la eliminación de las toneladas de desechos electrónicos que se generan, que a menudo se vierten ilegalmente. Desde esta perspectiva, las ramificaciones ambientales de la IA generativa van mucho más allá del consumo de energía y agua de los centros de datos. El costo de la capacitación Por ahora, la mayoría de los datos disponibles sobre el uso de energía de la tecnología digital se relacionan solo con los centros de datos. Según la Agencia Internacional de Energía (AIE), estos centros (excluyendo las redes de datos y la minería de criptomonedas) consumieron entre 240 TWh y 340 TWh de energía en 2022, o del 1% al 1.3% del total global. Sin embargo, a pesar de que el número de centros está creciendo en un 4% por año, su uso general de energía no cambió mucho entre 2010 y 2020, gracias a la energíamejoras de eficiencia. Con la IA generativa establecida para ser adoptada a gran escala, eso ciertamente cambiará. La tecnología de IA generativa se basa en modelos de lenguaje grande (LLM) que utilizan la energía de dos maneras. Primero, mientras están siendo entrenados –, un paso que implica ejecutar terabytes de datos a través de algoritmos para que aprendan a predecir palabras y oraciones en un contexto dado. Hasta hace poco, este era el paso más intensivo en energía. En segundo lugar, mientras procesan datos en respuesta a un mensaje. Ahora que los LLM se están implementando a gran escala, este es el paso que requiere la mayor cantidad de energía. Datos recientes de Meta y Google sugieren que este paso ahora representa del 60% al 70% de la potencia utilizada por los sistemas de IA generativa, frente al 30% al 40% para la capacitación. Consulta ChatGPT vs búsqueda convencional de Google Una consulta ChatGPT consume alrededor de 3 Wh de potencia, mientras que una búsqueda convencional en Google utiliza 0.3 Wh, según la AIE. Si todas las aproximadamente nueve mil millones de búsquedas de Google realizadas diariamente se cambiaran a ChatGPT, eso aumentaría el requisito de potencia total en 10 TWh por año. Goldman Sachs Research (GSR) estima que la cantidad de electricidad utilizada por los centros de datos aumentará en un 160% en los próximos cinco años, y que representará del 3% al 4% del uso mundial de electricidad. Además, sus emisiones de carbono probablemente se duplicarán entre 2022 y 2030. Según las cifras de la AIE, la demanda total de energía en Europa disminuyó durante tres años seguidos, pero aumentó en 2024 y debería volver a los niveles de 2021 – unos 2,560 TWh por año – para 2026. Casi un tercio de este aumento se debe a los centros de datos.GSR estima que la demanda de energía relacionada con la IA en los centros de datos crecerá en aproximadamente 200 TWh por año entre 2023 y 2030. Para 2028, la IA debería representar casi el 19% del consumo de energía de data centers’. Si comenzamos a utilizar la tecnología de IA generativa a gran escala, con LLM cada vez más grandes, las ganancias de energía resultantes estarán lejos de ser suficientes para lograr una reducción en las emisiones generales de carbono.Manuel Cubero-Castan, gerente de proyectos de TI Sostenible en EPFL Sin embargo, la rápida expansión de la IA generativa podría poner mal estos pronósticos. La compañía china DeepSeek ya está sacudiendo las cosas – introdujo un programa generativo de IA a fines de enero que usa menos energía que sus contrapartes de Estados Unidos tanto para entrenar algoritmos como para responder a las indicaciones. Otro factor que podría detener el crecimiento de la demanda de energía de IA es la cantidad limitada de recursos mineros disponibles para producir chips. Nvidia actualmente domina el mercado de chips AI, con una cuota de mercado del 95%. Los tres millones de chips Nvidia H100 instalados en todo el mundo utilizaron 13.8 TWh de potencia en 2024 – la misma cantidad que Guatemala. Para 2027, los chips Nvidia podrían quemar entre 85 y 134 TWh de potencia. ¿Pero la compañía podrá producirlos a esa escala? No siempre es una elección sostenible Otro factor a considerar es si nuestras redes eléctricas envejecidas podrán soportar la carga adicional. Muchos de ellos, tanto a nivel nacional como local, ya están siendo empujados al límite para satisfacer la demanda actual. Y el hecho de que los centros de datos a menudo se concentren geográficamente complica aún más las cosas. Por ejemplo, los centros de datos representan el 20% del consumo de energía en Irlanda y más del 25% en el estado de Virginia en los Estados Unidos. “Construir centros de datos

¿Puede la IA hambrienta de energía ayudar a reducir nuestro uso de energía? Leer más »

Una plataforma de software agiliza la respuesta de emergencia

Nube e Infraestructura como Servicio, Papers de Investigación Científica /

Los socorristas de todo el mundo adoptan el Sistema de Comando de Incidentes de Próxima Generación del Laboratorio Lincoln para mejorar la conciencia situacional y la coordinación durante las emergencias. Los incendios forestales incendian acres. Los terremotos diezman las ciudades en escombros. La gente desaparece en montañas y cuerpos de agua. Los casos de coronavirus aumentan a nivel mundial. Cuando ocurre un desastre, la respuesta de emergencia oportuna y cohesiva es crucial para salvar vidas, reducir la pérdida de propiedades y recursos y proteger el medio ambiente. Los incidentes a gran escala pueden poner en acción a miles de socorristas de múltiples jurisdicciones y agencias, nacionales e internacionales. Para administrar eficazmente los esfuerzos de respuesta, alivio y recuperación, deben trabajar juntos para recopilar, procesar y distribuir información precisa de sistemas dispares. Esta falta de interoperabilidad puede obstaculizar la coordinación y, en última instancia, dar lugar a fallas significativas en la respuesta a desastres. MIT Lincoln Laboratory desarrolló el Sistema de Comando de Incidentes de Próxima Generación (NICS) para permitir a los socorristas de diferentes jurisdicciones, agencias y países coordinar eficazmente durante emergencias de cualquier escala. Originalmente destinado a ayudar a los bomberos de Estados Unidos a responder a los incendios forestales, NICS ha evolucionado desde un prototipo de I&D a una plataforma operativa de código abierto adoptada por agencias de respuesta a emergencias en todo el mundo, no solo para la respuesta a desastres naturales, sino también para operaciones de búsqueda y rescate, gestión de crisis de salud, seguridad de eventos públicos y seguridad aérea. La comunidad global de usuarios cultivados por NICS y spinouts inspirados en NICS, han maximizado su impacto. En el núcleo de la herramienta de software NICS basada en la web hay un mapa de incidentes que superpone datos agregados de varias fuentes externas e internas, como socorristas en tierra, sensores de imágenes en el aire, informes meteorológicos y de tráfico, datos de censos y mapas basados en satélites; prácticamente se puede agregar cualquier fuente de datos. El personal de emergencia carga el contenido directamente en una computadora o aplicación móvil y se comunica en tiempo real a través de funciones de voz y chat. Las salas de colaboración basadas en roles están disponibles para que los subconjuntos definidos por el usuario de los socorristas se centren en una actividad particular —, como el soporte de caída de aire, búsqueda y rescate, y rescate de vida silvestre —, mientras se mantiene el acceso a la imagen operativa integral. Con su arquitectura de estándares abiertos, NICS interactúa con los sistemas existentes de las organizaciones y permite que los datos internos se compartan externamente para mejorar la visibilidad y la conciencia entre los usuarios a medida que se desarrolla un desastre. El diseño modular de NICS facilita la personalización del sistema para diversas necesidades de los usuarios y los requisitos cambiantes de la misión. El sistema archiva todos los aspectos de un incidente creado y puede generar informes para el análisis posterior al incidente para informar la planificación de la respuesta futura.  Asociarse con los socorristas Como centro de investigación y desarrollo (R&D) financiado por el gobierno federal, Lincoln Laboratory tiene una larga historia de realización de I&D de arquitecturas para el intercambio de información, la conciencia situacional y la toma de decisiones en apoyo de los EE. Departamento de Defensa y otras entidades federales. Reconociendo que los aspectos de estas arquitecturas son relevantes para la respuesta a desastres, la Oficina de Tecnología del Laboratorio Lincoln inició en 2007 un estudio centrado en la respuesta a incendios forestales en California. Un equipo de investigación dirigido por el laboratorio se asoció con el Departamento de Silvicultura y Protección contra Incendios de California (CAL FIRE), que responde anualmente a miles de incendios forestales en colaboración con la policía, médicos y otros servicios. «CAL FIRE proporcionó información de primera mano sobre qué información es crítica durante la respuesta de emergencia y cómo puede ser mejor ver y compartir esta información», dice el codesarrollador de NICS, Gregory Hogan, ahora líder asociado del laboratorio Grupo de Sensores y Técnicas Avanzadas. Con esta idea, el laboratorio desarrolló y demostró un prototipo de NICS. Tomando nota de la utilidad de tal sistema, los Estados Unidos. Departamento de Seguridad Nacional (DHS) Dirección de Ciencia y Tecnología (S&T) comenzó a financiar el R&D de NICS en 2010. Durante los próximos años, el equipo de laboratorio refinó NICS, solicitando aportes de un grupo de usuarios formado orgánicamente que comprende más de 450 organizaciones a través de bomberos, leyes, servicios médicos, de emergencia y administración, patrulla fronteriza, industria, servicios públicos, organizaciones no gubernamentales y socios tribales. Miles de ejercicios de capacitación y emergencias reales emplearon a NICS para coordinar diversas actividades de respuesta a emergencias que abarcan la gestión de desastres, la aplicación de la ley y la seguridad especial. En 2014, CAL FIRE — que había estado usando NICS para responder a incendios forestales, deslizamientos de tierra e inundaciones — adoptó oficialmente NICS en todo el estado. Ese mismo año, el Dirección de Gestión de Emergencias de Victoriaél, el estado más grande de Australia, implementó NICS (como la Red de Información Victoriana para Emergencias, o VINE) después de una búsqueda mundial de un sistema para manejar crisis a gran escala como incendios forestales. En 2015, NICS fue transferido a la Oficina de Servicios de Emergencia de California. El Oficina de Servicios de Emergencia del Gobernador de California desplegó NICS como la Herramienta de Concientización y Colaboración de Situación (SCOUT) para los servicios de emergencia y los funcionarios encargados de hacer cumplir la ley en todo el estado en 2016. Crear una comunidad de código abierto NICS también generó una empresa spinout inicial formada por personal de CAL FIRE, el Worldwide Incident Command Services (WICS), que recibió una licencia para el código de software del sistema a principios de 2015. WICS es una corporación de beneficio público sin fines de lucro incorporada en California y el socio oficial de Transición de Tecnología S&T de DHS creado para la transición del proyecto de I&D de NICS a

Una plataforma de software agiliza la respuesta de emergencia Leer más »

SeaPerch: Un robot con una misión

Inteligencia Artificial Generativa, Papers de Investigación Científica, Robótica y Automatización /

Lanzado por MIT Sea Grant, SeaPerch y SeaPerch II han tenido un gran impacto en los jóvenes estudiantes interesados en la ciencia e ingeniería oceánicas. El robot submarino SeaPerch es una herramienta educativa popular para estudiantes en los grados 5 a 12.  La construcción y pilotaje de SeaPerch, un vehículo operado a distancia (ROV), implica una variedad de procesos de fabricación manual, técnicas electrónicas y conceptos STEM. A través del programa SeaPerch, los educadores y estudiantes exploran estructuras, electrónica y dinámica submarina.   “SeaPerch ha tenido un tremendo impacto en los campos de la ciencia e ingeniería oceánica,” dice Andrew Bennett ’85, PhD ’97, administrador de educación de MIT SeaGrant y profesor titular en el Departamento de Ingeniería Mecánica (MechE). El proyecto original SeaPerch fue lanzado por MIT Sea Grant en 2003. En las décadas que siguieron, se extendió rápidamente por todo el país y en el extranjero, creando una vibrante comunidad de constructores. Ahora, bajo el liderazgo de RoboNation, SeaPerch continúa prosperando con competiciones en todo el mundo. Estas competiciones introducen desafiantes problemas del mundo real para fomentar soluciones creativas. Algunos temas recientes han incluido la minería en alta mar y la recopilación de datos sobre respiraderos hidrotermales. Reproducir videoUn robot submarino con una misiónVideo: Departamento de Ingeniería Mecánica SeaPerch II, que ha estado en desarrollo en MIT Sea Grant desde 2021, se basa en el programa original al agregar robótica y elementos de la ciencia marina y climática. Sigue siendo un proyecto de creación de “do-it-yourself” con objetivos que los estudiantes de secundaria y preparatoria pueden lograr. Bennett dice que espera que SeaPerch II permita un impacto aún mayor al proporcionar un camino accesible para aprender más sobre sensores, robótica, ciencia del clima y más. “Lo que creo que es más valioso es que utiliza componentes de ferretería que deben cortarse, impermeabilizarse, conectarse, soldarse o procesarse de alguna manera antes de formar parte del robot o controlador, dice Diane Brancazio ME ” 90, líder del equipo de fabricantes de K-12 para el MIT Edgerton Center, quien codirige la iniciativa MIT SeaPerch con Bennett. “[Itits] algo así como hacer un pastel desde cero, en lugar de hacerlo desde una mezcla — ves lo que entra en el producto final y cómo todo se combina.” SeaPerch II es una familia de módulos que permiten a los estudiantes y educadores crear aventuras educativas adaptadas a sus deseos o requisitos particulares. Las ofertas incluyen un módulo de detección de presión y temperatura que se puede usar por sí solo; un módulo de autonomía que los estudiantes pueden usar para construir un sistema de control de profundidad automático de circuito cerrado para su SeaPerch; y un módulo de lección para “dedos robóticos suaves que se pueden configurar en pinzas, sensores de distancia y sensores de golpes. El SeaPerch básico es una estructura de tubería de PVC con tres motores y una correa para una caja de interruptores. A través del proceso de construcción, los estudiantes aprenden sobre flotabilidad, diseño estructural, fabricación manual y circuitos eléctricos. SeaPerch II aprovecha las tecnologías que son más avanzadas, menos costosas y más accesibles de lo que eran cuando SeaPerch fue concebido por primera vez. Bennett dice que SeaPerch II está destinado a extender el programa original de SeaPerch sin invalidar ninguno de los sistemas existentes. Teagan Sullivan, estudiante de tercer año en ingeniería mecánica, se involucró por primera vez con el proyecto en enero de 2023 a través de un proyecto del Programa de Oportunidades de Investigación de Pregrado con MIT Sea Grant. Inicialmente, continuó el desarrollo de la parte de robótica suave del proyecto, antes de cambiar a un enfoque más general donde trabajó en el diseño de marcos para SeaPerch II, asegurándose de que los componentes pudieran encajar y que la estabilidad pudiera mantenerse. Más tarde ayudó a ejecutar programas de divulgación, recibiendo comentarios de los estudiantes con los que trabajó para ayudar a modificar diseños y hacerlos “más robustos y amigables para los niños “He podido ver el impacto de SeaPerch II a pequeña escala trabajando directamente con los estudiantes,” dice Sullivan. “He visto cómo fomenta la creatividad y cómo les ha enseñado a los niños que la colaboración es el mejor camino hacia el éxito. SeaPerch II enseña los conceptos básicos de electrónica, codificación y fabricación, pero su mejor fortaleza es la capacidad de desafiar la forma en que las personas piensan y fomentan el pensamiento crítico La visión del equipo es crear oportunidades para que los jóvenes participen en investigaciones científicas auténticas y desafíos de ingeniería, desarrollando una pasión por la ingeniería, la ciencia y el medio ambiente acuático. MIT Sea Grant continúa desarrollando nuevos módulos SeaPerch II, que incluyen la incorporación de sensores de oxígeno disuelto, salinidad y comunicación de agua terrestre y fluorómetros. Sullivan dice que espera que el programa llegue a más estudiantes y los inspire a interesarse en la ingeniería mientras enseñan las habilidades que necesitan para ser la próxima generación de solucionadores de problemas. Brancazio dice que espera que este proyecto inspire y prepare a los jóvenes para trabajar en temas de cambio climático. “Se supone que los robots ayudan a las personas a hacer cosas que de otro modo no podrían hacer,” Brancazio dice. “SeaPerch es un robot con una misión.” MIT News. A. W. Traducido al español

SeaPerch: Un robot con una misión Leer más »

La herramienta digital brinda a los niños con TDAH comentarios en tiempo real sobre sus cerebros

Innovaciones Tecnológicas, Inteligencia Artificial en la Salud Humana, Inteligencia Artificial Generativa, Inteligencia Artificial News, IoT, Papers de Investigación Científica /

En un estudio reciente de una técnica para ayudar a los niños con TDAH a fortalecer su memoria de trabajo, aproximadamente la mitad de los participantes mostraron mejoras en sus síntomas. El concepto también es prometedor para otras afecciones neuropsiquiátricas. Después de que los maestros explican una tarea, los niños con trastorno por déficit de atención/hiperactividad podrían tener dificultades para convertir esas instrucciones en acción. Es una de las varias vías por las cuales el TDAH puede afectar el rendimiento académico de un estudiante joven. “Cuando escuchas algo de un maestro, necesitas mantener la información en tu cerebro, luego procesarla y tomar decisiones basadas en lo que escuchaste,” dijo el neurocientífico cognitivo de Stanford Medicine Hosseini Hadi, PhD. Estos pasos requieren que los estudiantes involucren su memoria de trabajo, un sistema cerebral que contiene información durante cortos períodos de tiempo. Cuando el sistema no funciona, puede causar frustración tanto para los propios niños como para los maestros, padres y otras personas que intentan ayudarlos a aprender tareas y actividades normales, como terminar una tarea o recordar traer su abrigo del patio de recreo. El equipo de Hosseiniinis ha sido estudiando una técnica para ayudar a los niños con TDAH a fortalecer su memoria de trabajo. Las últimas investigaciones fueron dirigidas por Hosseini Ali Rahimpour Jounghani, PhD, un erudito postdoctoral en psiquiatría, y Gozdas Elveda, PhD, un instructor en psiquiatría y ciencias del comportamiento. El trabajo de los equipos muestra que una herramienta portátil de imágenes cerebrales de bajo costo puede proporcionar a los niños comentarios en tiempo real sobre lo que sus cerebros están haciendo durante las tareas cognitivas. Los niños llevaban una gorra especial en la cabeza que envía y recibe luz infrarroja, lo que permite a los investigadores rastrear los niveles de oxígeno en la sangre en partes específicas de su cerebro como un indicador de la actividad cerebral. El grupo de tratamiento de 21 niños que completaron el programa de 12 semanas se comparó con 15 niños en un grupo de control, que recibieron su tratamiento habitual para el TDAH. La mayoría de los niños con TDAH que completaron el programa mejoraron su capacidad para realizar tareas que requerían memoria de trabajo. Alrededor de la mitad de ellos también tuvieron mejoras en los síntomas del TDAH, según lo medido por un cuestionario estándar. El concepto también es prometedor para otras afecciones neuropsiquiátricas, dijo Hosseini, profesor asociado de psiquiatría y ciencias del comportamiento en Stanford Medicine, quien habló con nosotros para obtener preguntas y respuestas sobre su investigación. ¿Por qué su equipo decidió estudiar la memoria de trabajo en niños con TDAH? Weisre está tratando de abordar los déficits en la función ejecutiva, el proceso por el cual manejamos las tareas cotidianas, incluida la planificación, la toma de decisiones y el aprendizaje. Los déficits de la función ejecutiva aparecen en muchas afecciones de salud mental, como el autismo, la depresión y el trastorno obsesivo compulsivo. La memoria de trabajo es un gran componente del funcionamiento ejecutivo: Posee temporalmente una cantidad limitada de información en su cerebro para que pueda atenderla de la manera correcta. Los sistemas neuronales involucrados en la memoria de trabajo se ven afectados en la mayoría de los niños con TDAH. Además, la neurociencia moderna considera el TDAH como un problema más de regulación de la atención que un déficit de atención, per se, y la memoria de trabajo es importante para regular la atención. Esto significa que el TDAH fue un punto de partida lógico para probar nuestra intervención. También es una buena condición para estudiar porque es bastante común, y porque los científicos tienen una fuerte comprensión de la arquitectura neuronal que se ve afectada. La investigación de neuroimagen ha demostrado hipoactivación – o subactividad – en la corteza prefrontal de personas con TDAH. Estábamos tratando de ayudar a los niños a aumentar su actividad cerebral en esa región, que se encuentra en la parte frontal del cerebro y está involucrada en muchos tipos de pensamiento complejo y toma de decisiones. Con los niños específicamente, la verdadera promesa aquí radica en la oportunidad de intervenir temprano para cambiar la trayectoria de su neurodesarrollo.”Hadi Hosseini, PhDStanford Medicine neurocientífico cognitivo ¿Cuál fue tu proceso de investigación? Nuestro estudio utilizó neurofeedback, lo que significa brindar a las personas información en tiempo real de imágenes cerebrales para que puedan crear estrategias conscientemente e intentar controlar su función cerebral. Una idea paralela es la biorretroalimentación –, por ejemplo, donde medimos qué tan rápido late tu corazón y te mostramos estrategias para calmarlo. Al comienzo de nuestro estudio, escaneamos el cerebro de cada niño para poder identificar en qué parte de su corteza prefrontal tenían una baja activación. Hay mucha variación entre las personas con TDAH, por lo que identificamos una región objetivo personalizada para cada paciente. Para cada sesión de la intervención, cada niño estaba equipado con una tapa especial en la cabeza que envía y recibe luz infrarroja. Esto permitió al equipo de investigación monitorear lo que estaba sucediendo en el cerebro infantil a través de una técnica llamada espectroscopia funcional de infrarrojo cercano, en la que la luz viaja a mitad de camino hacia el cerebro y medimos cómo se refleja. Esto da una visión de los cambios en los niveles de oxígeno en la sangre en áreas específicas del cerebro, lo que indica cambios en la actividad cerebral. La desventaja de usar este método de imagen es que puede observar regiones subcorticales en las profundidades del cerebro. Pero la corteza prefrontal, donde ocurre la memoria de trabajo, en realidad es bastante accesible a la luz infrarroja. Los niños en nuestro estudio vinieron al laboratorio durante 12 sesiones, cada una durante unos 20-30 minutos de intervención activa. Una vez conectados a la tapa de imagen, realizaron una tarea de memoria durante la cual vieron una cadena de letras en la pantalla de una computadora y la memorizaron durante unos segundos, luego vieron una letra de destino y tuvieron que indicar si estaba en la cadena original. Durante la tarea, proporcionamos

La herramienta digital brinda a los niños con TDAH comentarios en tiempo real sobre sus cerebros Leer más »

Scroll al inicio