El Portal de las Tecnologías para la Innovación

Chubut Digital

Sostenibilidad y tecnología: la nueva era de las cocinas conectadas

Lucas Truffi Barci, Gerente Regional de Producto para Samsung América Latina, habla sobre un fenómeno que hoy caracteriza la cotidianidad de muchas cocinas hogareñas de la región: electrodomésticos y ecosistemas inteligentes con soluciones eficientes, intuitivas y personalizadas La cocina, tradicionalmente vista como un espacio de rutina, se está volviendo cada vez más inteligente, eficiente y personalizada. Con la implementación de la inteligencia artificial (IA), cocinar se ha transformado en una experiencia más práctica, intuitiva y estimulante. Esta tendencia refleja directamente la creciente demanda de los consumidores por soluciones que ahorren tiempo y energía, además de contribuir al medioambiente. Ellos buscan una cocina conectada, donde los dispositivos interactúen de manera integrada, facilitando la gestión de tareas y ofreciendo soluciones creativas y saludables. Según datos recientes de Samsung, el uso del ecosistema SmartThings está creciendo significativamente en América Latina, especialmente en Brasil, México y Colombia, lo que demuestra la creciente aceptación de la conectividad inteligente por parte de los latinoamericanos. Esto se hace aún más evidente al analizar estudios de mercado que proyectan un crecimiento significativo en los hogares inteligentes. Tal es el caso de la consultora Mordor Intelligence, que prevé que el mercado global de electrodomésticos basados en IA alcance los USD 53.610 millones para 2029, con un crecimiento anual de casi el 9% . En la cocina, la aplicación de IA transforma la experiencia del hogar conectado, yendo más allá de comandos de voz o recetas digitales, por ejemplo. Esta poderosa herramienta automatiza tareas, como el ajuste de temperatura del horno, e integra sensores que notifican cuándo es momento de reabastecer ingredientes. Imagina abrir tu refrigerador y saber qué alimentos están a punto de vencer o recibir sugerencias de recetas según lo que ya tienes. Parece un futuro lejano, pero estamos hablando del aquí y ahora. Samsung considera todos los diferenciales necesarios para dar forma a la cocina tecnológica, y la Estufa de 5 Quemadores Serie 7 con Cámara y Air Fry es un ejemplo práctico de estas funcionalidades. Con un diseño moderno en acero inoxidable y conectividad Wi-Fi, la cocina permite monitorear y controlar la preparación de alimentos directamente desde el smartphone a través de la aplicación SmartThings. Además, cuenta con una cámara interna que permite seguir el proceso de cocción sin necesidad de abrir la puerta, garantizando practicidad y eficiencia. El ecosistema de Samsung también permite controlar otros dispositivos de manera integrada, creando una experiencia más conveniente. Refrigeradores, hornos, cooktops y microondas inteligentes se comunican entre sí y con otros dispositivos, permitiendo el control remoto y el ajuste de configuraciones según las necesidades de los usuarios. Por ejemplo, el horno puede precalentarse automáticamente cuando se selecciona una receta en la aplicación SmartThings, mientras que el cooktop ajusta la intensidad del calor para adaptarse a la preparación. Una innovación que llegará en 2025 a los electrodomésticos de Samsung es el Voice ID, que reconoce a diferentes miembros de la familia y adapta las recomendaciones según sus preferencias individuales, promoviendo también accesibilidad e inclusión. De este modo, cada usuario puede disfrutar de interacciones personalizadas y obtener resultados más alineados con lo que busca. Fue pensando en nuestros consumidores—que, en América Latina, por ejemplo, valoran la conectividad de los electrodomésticos para el control remoto y la creación de rutinas personalizadas —que desarrollamos soluciones completas no solo para la cocina, sino para el hogar y la vida diaria en su conjunto. Con esto en mente, la propuesta de Samsung va más allá de vender productos: buscamos ofrecer soluciones que contribuyan a un futuro más práctico, conectado y sostenible. Para más información sobre la cocina conectada de Samsung, visita http://www.samsung.com/latin/. Samsung News. Traducido al español

Sostenibilidad y tecnología: la nueva era de las cocinas conectadas Leer más »

Cisco y Mistral AI se asocian para cumplir la misión de Cisco de transformar la experiencia del cliente con IA

El primer agente de inteligencia artificial desarrollado conjuntamente ayuda a los clientes a maximizar las inversiones de Cisco y aumenta la productividad Resumen de noticias: SAN JOSÉ, California, 10 de febrero de 2025 — Cisco (NASDAQ: CSCO), líder mundial en seguridad y redes, anunció hoy el primer Agente de IA desarrollado en conjunto a partir de su asociación estratégica con Mistral AI, uno de los principales proveedores de soluciones de IA de Europa. El Agente de Renovaciones de IA mejora y agiliza en gran medida el proceso de creación de propuestas de renovación en Cisco al consolidar datos estructurados y no estructurados de más de 50 señales y fuentes y brindar análisis de sentimientos en tiempo real, recomendaciones resumidas, automatización inteligente y personalización, todo ello vinculado a los resultados del cliente y a los indicadores clave de rendimiento (KPI).   Al automatizar tareas y optimizar flujos de trabajo, el Agente de renovaciones con IA permite un enfoque estratégico y la interacción con el cliente, lo que mejora la satisfacción y la retención e impulsa el crecimiento. Desarrollada con un modelo de IA personalizado, la solución funciona en las instalaciones, lo que garantiza la seguridad, la privacidad y el cumplimiento de los datos, además de potenciar el ajuste del rendimiento y la optimización de costos. Se estima que el Agente de renovaciones con IA podría reducir el tiempo dedicado a elaborar una propuesta de renovación y prepararse para una interacción con el cliente hasta en un 20 %, una cifra que está destinada a crecer a medida que el agente de IA mejore en función del uso y se automaticen más flujos de trabajo. El nuevo agente es la última innovación en IA para la organización de Experiencia del Cliente (CX) de Cisco y continúa demostrando cómo Cisco está cumpliendo con su visión de usar IA para hacer que cada experiencia del cliente sea personalizada, proactiva y predictiva, y brindar resultados únicos que superen las expectativas de los clientes. “Mistral AI es un socio fundamental para la experiencia del cliente (CX) de Cisco a medida que avanzamos hacia un futuro liderado por la inteligencia artificial y los agentes”, afirmó Liz Centoni, vicepresidenta ejecutiva y directora de experiencia del cliente de Cisco. “Además de la tecnología de inteligencia artificial de vanguardia, Mistral AI comparte nuestra misión de poner al cliente en el centro de todo lo que hacemos. El agente de renovaciones de inteligencia artificial es un hito importante y la primera de muchas soluciones innovadoras que vamos a desarrollar juntos. El impacto en nuestros equipos también es significativo, ya que seguimos buscando oportunidades para simplificar y reducir la fricción en sus trabajos. Al combinar nuestro gran conjunto de datos, la confianza del cliente y la tecnología líder en la industria de Mistral, estamos en camino de dar forma al futuro de la participación de los clientes y los empleados”. “Este anuncio marca otro hito importante en nuestra alianza estratégica con Cisco”, afirmó Arthur Mensch, director ejecutivo de Mistral AI. “Demuestra cómo GenAI puede mejorar el acceso a fuentes de información ricas y complejas, ofrecer un valor crítico a los clientes y al ecosistema de Cisco y ahorrar un tiempo considerable a todas las partes interesadas. Este logro ha sido posible gracias al talento excepcional de los equipos de ingeniería de Cisco”. CISCO News. Traducido al español

Cisco y Mistral AI se asocian para cumplir la misión de Cisco de transformar la experiencia del cliente con IA Leer más »

Donde el aire libre se encuentra con el interior: el futuro de las operaciones con drones

Las operaciones con drones de alto rendimiento son herramientas esenciales para las fuerzas del orden y las agencias de respuesta a emergencias que desean mejorar la eficiencia operativa. Estas soluciones de drones, que combinan capacidades interiores y exteriores, así como hardware y software, requieren una integración perfecta entre los sistemas de drones para lograr mayores tiempos de respuesta y misiones de seguridad pública eficientes. Un enfoque unificado es clave para superar las operaciones desarticuladas y establece un nuevo estándar para garantizar la eficacia de las misiones de seguridad pública. Una solución perfecta  A medida que las operaciones con drones como primer equipo de respuesta (DFR) ganan rápidamente aceptación como una solución innovadora y eficaz para las agencias de seguridad pública en todo Estados Unidos, los beneficios de integrar completamente los sistemas de drones en interiores y exteriores son cada vez más claros.  La plataforma en la nube LiveOps ofrece una interfaz unificada que ofrece una vista única de todas las aeronaves en el lugar. Esta integración mejora la perspectiva y mejora significativamente el conocimiento de la situación para los equipos de respuesta a emergencias. Además, el uso de un único controlador simplifica la capacitación al eliminar la necesidad de gestionar múltiples fuentes de alimentación simultáneamente. Este enfoque optimizado aumenta la flexibilidad en el campo, lo que garantiza respuestas más rápidas y efectivas cuando cada segundo cuenta. Un sistema de drones totalmente integrado brinda a los socorristas imágenes de alta calidad y en tiempo real que son cruciales para tomar decisiones informadas durante emergencias que evolucionan rápidamente. Entonces, digamos que se envía un dron a la escena de una emergencia doméstica que rápidamente se convierte en una situación de rehenes; los oficiales de seguridad pública pueden evaluar mejor la situación y responder de manera más efectiva cuando ambas transmisiones del dron fluyen a través del mismo sistema . Este video muestra una simulación realizada por BRINC en las instalaciones de entrenamiento del DPS de Texas en Florence, Texas. El escenario involucró una situación simulada de toma de rehenes en una barricada, donde el equipo de BRINC demostró las ventajas de ambas plataformas. En primer lugar, se desplegó el dron Responder para proporcionar una visión inicial de la escena e identificar la posible ubicación del rehén. Con la información recopilada por el Responder, un equipo de avanzada (que actuó como un equipo SWAT) lanzó un segundo dron para apuntar a una entrada y determinar la ubicación exacta del rehén. Un sistema unificado  Los programas integrales de drones, como DFR, requieren tanto drones tácticos para interiores como drones de vigilancia para exteriores , cada uno diseñado para satisfacer las demandas específicas de sus respectivos entornos.  Los drones para exteriores brindan vigilancia, despliegan sirenas, realizan comunicaciones bidireccionales y entregan cargas médicas. Los drones para interiores se centran en la maniobrabilidad, la navegación precisa y las técnicas de desescalada en entornos confinados. Si estos dos sistemas de drones no están integrados, las brechas en la comunicación y en el conocimiento de la situación pueden generar confusión y generar errores, lo que pone en mayor riesgo a los equipos de emergencia y al público. Esto podría provocar que un comandante de incidentes tenga que cambiar de pantalla para ver ambas transmisiones, o que se les pida a los pilotos que vuelen un dron con un esquema de control con el que no están familiarizados.  Sin una solución totalmente integrada que agilice las interfaces, los controles y los flujos de datos, abundan las complejidades e ineficiencias operativas, lo que sobrecarga aún más los recursos ya limitados y retrasa la toma de decisiones. Controles consistentes para operaciones flexibles  Una de las principales ventajas del sistema totalmente integrado de BRINC es el uso de un único controlador en todas las plataformas. Esta uniformidad simplifica el entrenamiento, reduce la curva de aprendizaje de los pilotos y les permite adquirir competencias más rápidamente. Además, tener un único controlador mejora la flexibilidad operativa al permitir a los pilotos pasar sin problemas de asumir el mando de las operaciones DFR a las operaciones inversas, adaptándose a las necesidades dinámicas de la misión. Si bien el controlador sigue siendo el mismo, el software BRINC Pilot se adapta a cada dron conectado y ofrece funciones completas y personalizadas para cada fuselaje . Esto garantiza que los pilotos experimenten todas las capacidades de cada dron y, al mismo tiempo, mantengan una interfaz familiar. Como resultado, los operadores capacitados en un fuselaje BRINC pueden realizar fácilmente la transición a otro, maximizando la eficiencia y la eficacia operativa en diversos escenarios. Dos entornos. Un sistema. El futuro de las soluciones de drones para la seguridad pública es el DFR, y el futuro del DFR es un sistema integral que alcanza su máximo potencial al navegar sin problemas entre operaciones en interiores y exteriores .  En otras palabras, para garantizar que las transmisiones de datos y videos de los drones permanezcan ininterrumpidas y que los socorristas reciban imágenes de alta calidad y en tiempo real que son cruciales para tomar decisiones informadas durante emergencias que evolucionan rápidamente, las personas que mantienen seguros a los estadounidenses necesitan una solución de drones flexible que integre ambas capacidades sin importar el entorno.  ¿Está interesado en obtener más información sobre un enfoque unificado para las operaciones con drones? Puede obtener más información sobre nuestro programa DFR o ponerse en contacto con nosotros aquí .

Donde el aire libre se encuentra con el interior: el futuro de las operaciones con drones Leer más »

Diseñando vida con inteligencia artificial

“Designing Life with AI” es un proyecto MAKE interdisciplinario en el que los estudiantes de la EPFL tienen la oportunidad de explorar el proceso de investigación mediante el diseño de proteínas. Participan un total de ocho laboratorios de investigación. En nuestro cuerpo hay unos 20.000 tipos diferentes de proteínas: colágeno, insulina, hemoglobina y muchas más. Estas moléculas realizan numerosas funciones esenciales para la supervivencia de nuestras células. Gracias a los avances en inteligencia artificial, los científicos están adquiriendo conocimientos valiosos sobre el mundo de las proteínas y sus diversas estructuras. Cada proteína tiene su propia estructura en 3D, asociada a su función. Hoy en día, los científicos pueden modelar estas estructuras basándose en las secuencias de aminoácidos y pueden crear nuevas proteínas diseñadas para funciones específicas. Todo esto abre prometedoras vías de investigación en el campo del diseño de proteínas. Esta es la oportunidad de investigación que Sahand Jamal Rahi, profesor adjunto y director del Laboratorio de Física de Sistemas Biológicos de la EPFL , quería ofrecer a los estudiantes de la EPFL a través del proyecto «Designing Life with AI». Obtenga experiencia práctica en investigación “Cuando vi que existía un software basado en inteligencia artificial para diseñar proteínas de una manera bastante sencilla, me di cuenta de que podía combinar mi interés por el tema con mi objetivo de ofrecer a más estudiantes experiencia en el proceso de investigación”, afirma Rahi. “Siempre he animado a los estudiantes, especialmente a los de mi clase de termodinámica de primer año, a que se unan a los laboratorios de investigación de la EPFL. Creo que es extremadamente valioso para los jóvenes adquirir experiencia práctica en investigación, ya que leer sobre investigación es una cosa, pero aplicarla en la práctica es otra muy distinta”. El proyecto “Designing Life with AI”, que cuenta con el apoyo de la iniciativa MAKE de la EPFL, ofrece a los estudiantes la oportunidad de llevar a cabo proyectos de investigación relacionados con el diseño de proteínas. En la actualidad, participan ocho laboratorios de investigación y unas 30 personas. Cris Darbellay y Mateo Schärer Gonzalez, estudiantes de grado en ingeniería de ciencias de la vida, son los líderes del proyecto “Designing Life with AI”. “Además de la investigación en sí, los estudiantes también tienen la oportunidad de reunirse con profesores y establecer contactos de manera informal. También proporcionamos procedimientos para los experimentos de laboratorio y manuales de usuario para el software”, explican. Cuando vi que había disponible un software impulsado por IA para diseñar proteínas de una manera bastante sencilla, me di cuenta de que podía combinar mi interés en el tema con mi objetivo de brindar a más estudiantes experiencia con el proceso de investigación.Sahand Jamal Rahi, profesor adjunto titular y director del Laboratorio de Física de Sistemas Biológicos de la EPFL Creación de proteínas para propósitos específicos El proyecto en el que trabajan González y Darbellay se relaciona con proteínas de señalización como las quinasas, que desempeñan un papel clave en la regulación del funcionamiento celular. Están estudiando cómo se pueden añadir dominios de detección de luz-oxígeno-voltaje (dominios LOV) a estas proteínas para regular su actividad. Cuando los dominios LOV se exponen a la luz azul, por ejemplo, cambian de forma y pueden alterar el estado de la proteína. «Lo ideal sería crear una quinasa que contuviera un dominio LOV, de modo que la quinasa se pueda activar mediante la aplicación de luz azul», dice Darbellay. Otros proyectos de “Designing Life with AI” están relacionados con los aglutinantes, compuestos que pueden unirse a proteínas específicas. Los científicos utilizan aglutinantes para identificar una toxina en particular, por ejemplo, bloquear una proteína o cambiar las vías de señalización de una proteína. Alexia Möller, estudiante de maestría en ingeniería de ciencias de la vida, y Dario Sergo, estudiante de maestría en física, están trabajando en nanocuerpos, que son pequeños fragmentos de anticuerpos. Los dos estudiantes están desarrollando un nanocuerpo fluorescente que utiliza un péptido autopenetrante para entrar en las células. Su mecanismo permitiría a los científicos observar las interacciones de proteínas dentro de las células humanas. “Nuestro objetivo es crear un método para diseñar nanocuerpos que se adapten a antígenos individuales”, dice Möller. Las proteínas son fundamentales para los procesos biológicos que sustentan la vida. Los avances en el estudio de las proteínas tienen aplicaciones en una variedad de áreas, desde la detección y el tratamiento de enfermedades hasta la recuperación ambiental y la captura de carbono. En la EPFL, un número cada vez mayor de estudiantes se interesan por el enorme potencial de estas fascinantes moléculas. Referencias Este artículo se publicó por primera vez en Dimensions, una revista de la EPFL que presenta investigaciones de vanguardia a través de una serie de artículos en profundidad, entrevistas, retratos y noticias destacadas. Se publica cuatro veces al año en inglés y francés y se puede enviar a cualquier persona que desee suscribirse, así como a los miembros colaboradores del EPFL Alumni Club . También se distribuye de forma gratuita en los campus de la EPFL. EPFL News. L. D. Traducido al español

Diseñando vida con inteligencia artificial Leer más »

IBM y Lenovo amplían su alianza tecnológica estratégica en el Reino de Arabia Saudita

Colaboración para ofrecer a los clientes de Arabia Saudita soluciones específicas compuestas por productos de inteligencia artificial generativa de la cartera de IBM Watsonx y la infraestructura de Lenovo RIAD, REINO DE ARABIA SAUDITA – 10 de febrero de 2025 – IBM y Lenovo anunciaron hoy en LEAP 2025 una expansión planificada de su asociación tecnológica estratégica diseñada para ayudar a escalar el impacto de la IA generativa para los clientes en el Reino de Arabia Saudita. IDC espera que el gasto anual mundial en sistemas centrados en IA supere los 300 mil millones de dólares para 2026, y muchas organizaciones líderes en Arabia Saudita están explorando e invirtiendo en casos de uso de IA generativa mientras se preparan para el surgimiento de un mundo de «IA en todas partes». 1 Basándose en su asociación de 20 años, IBM y Lenovo colaborarán para ofrecer soluciones de IA compuestas por tecnología de la cartera de productos de IA de IBM Watson, incluido el modelo de lenguaje árabe de código abierto (ALLaM) de la Autoridad Saudí de Datos e Inteligencia Artificial (SDAIA) y la infraestructura de Lenovo. Se espera que estas soluciones ayuden a los clientes gubernamentales y comerciales del Reino a acelerar el uso de la IA para mejorar los servicios públicos y tomar decisiones basadas en datos en áreas como la detección de fraudes, la seguridad pública, el servicio al cliente, la modernización de códigos y las operaciones de TI. Ayman AlRashed, vicepresidente regional de IBM Arabia Saudita, y Giovanni Di Filippo, presidente de Lenovo para EMEA, en LEAP 2025 en Riad. (Crédito: IBM) “El anuncio de hoy representa un paso importante en la relación de larga data entre IBM y Lenovo”, afirmó Giovanni Di Filippo, presidente de EMEA, Infrastructure Solutions Group en Lenovo. “Nos complace profundizar nuestra asociación para unir las ofertas de inteligencia artificial generativa de IBM con las soluciones de infraestructura de Lenovo para uso local y en la nube, a fin de brindarles a los clientes de Arabia Saudita soluciones diseñadas para satisfacer sus necesidades únicas en este mercado de rápido crecimiento”. Actualmente, las organizaciones de Arabia Saudita pueden acceder a ALLaM a través de Watsonx; utilizar capacidades avanzadas de IA para entrenar, ajustar e implementar ALLaM; y ejecutar sus cargas de trabajo de IA en la infraestructura de Lenovo para casos de uso locales y en la nube. Se espera que las nuevas soluciones proporcionen formas adicionales para que los clientes aprovechen el poder de la IA generativa con un enfoque basado en la transparencia, la confianza y la elección. “IBM y Lenovo tienen una rica historia de innovación y asociación conjunta que abarca dos décadas”, afirmó Ayman AlRashed, vicepresidente regional de IBM Arabia Saudita. “Esperamos que esta nueva colaboración una las ofertas de infraestructura de Lenovo y la cartera de inteligencia artificial de IBM, que utiliza modelos pequeños, eficientes y de código abierto destinados a casos de uso específicos y requisitos geográficos. Juntos generaremos un valor aún mayor para nuestros clientes mutuos en el Reino”. Las declaraciones sobre la dirección e intenciones futuras de IBM y Lenovo están sujetas a cambios o retiro sin previo aviso y representan únicamente metas y objetivos. IBM News. Traducido al español

IBM y Lenovo amplían su alianza tecnológica estratégica en el Reino de Arabia Saudita Leer más »

Innovación social impulsada por IA para construir ciudades más resilientes

Tecnologías como la IA generativa y los agentes de IA están preparadas para cambiar la forma en que interactuamos con los entornos urbanos y enfrentamos los desafíos económicos y ambientales. Hoy, cinco nuevos proyectos de IA están listos para enfrentar los mayores desafíos de las ciudades. Se prevé que durante las próximas tres décadas nuestro mundo seguirá urbanizándose. De hecho, la proporción de personas que viven en zonas urbanas aumentará del 56 % (2021) al 68 % en 2050, según ONU Hábitat . Si bien la urbanización plantea una serie de desafíos que los gobiernos, los servicios y las comunidades de las ciudades deben superar, el crecimiento de las poblaciones y las zonas urbanas también revela un momento oportuno para acelerar la innovación social y mejorar las economías urbanas. Se pueden aprovechar soluciones tecnológicas personalizadas que ofrecen información muy seleccionada para ayudar a implementar los recursos adecuados en los lugares adecuados. Ese es un llamado a la acción que el poder de la IA y los datos pueden ayudarnos a catalizar. A principios de 2024, y en consonancia con el Objetivo de Desarrollo Sostenible 11 de las Naciones Unidas, IBM lanzó una convocatoria de propuestas (RFP) para proyectos que tengan como objetivo hacer que las ciudades sean más seguras, más resilientes y más sostenibles. Hoy, de más de 100 solicitudes, se han seleccionado cinco nuevas organizaciones para unirse al IBM Sustainability Accelerator y colaborar con expertos de IBM en soluciones de IA para abordar desafíos clave para las comunidades a las que apoyan (y con ellas). Los participantes fueron seleccionados por su importante nivel de apoyo a las comunidades a las que sirven, así como por las formas innovadoras en que cada organización planea aprovechar la tecnología de IA para construir ciudades más resilientes. IBM Sustainability Accelerator es un programa de innovación social que aplica tecnologías de IBM, como la nube híbrida y la inteligencia artificial, y un ecosistema de expertos para mejorar y ampliar las iniciativas de organizaciones gubernamentales y sin fines de lucro, acelerando el impacto económico. Los proyectos se ejecutan en dos fases, comenzando con IBM Garage, la metodología probada de IBM para acelerar la transformación digital y ofrecer resultados significativos y mensurables. A continuación, durante la fase de Desarrollo e Implementación, los expertos de IBM configurarán los recursos y la tecnología de IBM para ayudar a los participantes a alcanzar sus objetivos. Como parte de esta cohorte de IBM Sustainability Accelerator, los equipos de EY brindarán talleres de desarrollo de capacidades generales y coaching a la cohorte de ciudades resilientes, apoyando a estas organizaciones innovadoras en su misión de hacer que las ciudades sean más sustentables, equitativas y resilientes. Hasta la fecha, 20 organizaciones han formado parte del Acelerador de Sostenibilidad de IBM y hemos comprometido 45 millones de dólares hasta 2030 para apoyar a las poblaciones vulnerables de todo el mundo. Hasta el año pasado, IBM ha apoyado a aproximadamente 65.300 beneficiarios directos a través de nuestro grupo de agricultura sostenible, y se prevé que aproximadamente 1,1 millones más se beneficien de nuestro grupo de energía limpia. Y esperamos que estos proyectos de ciudades resilientes beneficien a miles de ciudadanos de todo el mundo. Al aprovechar el potencial de la IA, IBM cree en empoderar a las personas y las organizaciones para que afronten algunos de los mayores desafíos que enfrentan nuestras ciudades hoy. Juntos, podemos crear entornos más prósperos donde las personas y las economías puedan prosperar. ¿Está interesado en participar en la nueva convocatoria de propuestas centrada en la IA para el consumo y la producción sostenibles? Envíe su solicitud antes del 30 de abril de 2025: https://www.ibm.com/campaign/2025/sustainability-accelerator-rfp IBM News. Traducido al español

Innovación social impulsada por IA para construir ciudades más resilientes Leer más »

Un sistema fácil de usar puede ayudar a los desarrolladores a crear simulaciones y modelos de IA más eficientes

Al generar automáticamente código que aprovecha dos tipos de redundancia de datos, el sistema ahorra ancho de banda, memoria y cálculo. Los modelos de inteligencia artificial basados ​​en redes neuronales que se utilizan en aplicaciones como el procesamiento de imágenes médicas y el reconocimiento de voz realizan operaciones sobre estructuras de datos sumamente complejas que requieren una enorme cantidad de cálculos para su procesamiento. Esta es una de las razones por las que los modelos de aprendizaje profundo consumen tanta energía. Para mejorar la eficiencia de los modelos de IA, los investigadores del MIT crearon un sistema automatizado que permite a los desarrolladores de algoritmos de aprendizaje profundo aprovechar simultáneamente dos tipos de redundancia de datos. Esto reduce la cantidad de computación, ancho de banda y almacenamiento de memoria necesarios para las operaciones de aprendizaje automático. Las técnicas existentes para optimizar algoritmos pueden ser engorrosas y, por lo general, solo permiten a los desarrolladores aprovechar la escasez o la simetría: dos tipos diferentes de redundancia que existen en las estructuras de datos de aprendizaje profundo. Al permitir que un desarrollador construya un algoritmo desde cero que aproveche ambas redundancias a la vez, el enfoque de los investigadores del MIT aumentó la velocidad de los cálculos casi 30 veces en algunos experimentos. Dado que el sistema utiliza un lenguaje de programación fácil de usar, podría optimizar los algoritmos de aprendizaje automático para una amplia gama de aplicaciones. El sistema también podría ayudar a los científicos que no son expertos en aprendizaje profundo pero que desean mejorar la eficiencia de los algoritmos de IA que utilizan para procesar datos. Además, el sistema podría tener aplicaciones en la computación científica. “Durante mucho tiempo, capturar estas redundancias de datos ha requerido un gran esfuerzo de implementación. En cambio, un científico puede decirle a nuestro sistema lo que le gustaría calcular de una manera más abstracta, sin decirle al sistema exactamente cómo calcularlo”, dice Willow Ahrens, posdoctora del MIT y coautora de un artículo sobre el sistema , que se presentará en el Simposio Internacional sobre Generación y Optimización de Código. A ella se unen en el artículo la autora principal Radha Patel ’23, SM ’24 y el autor principal Saman Amarasinghe, profesor del Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS) e investigador principal del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL). Eliminando el cálculo En el aprendizaje automático, los datos suelen representarse y manipularse como matrices multidimensionales conocidas como tensores. Un tensor es como una matriz, que es una matriz rectangular de valores dispuestos en dos ejes, filas y columnas. Pero a diferencia de una matriz bidimensional, un tensor puede tener muchas dimensiones o ejes, lo que hace que sea más difícil manipularlos. Los modelos de aprendizaje profundo realizan operaciones sobre tensores mediante la multiplicación y la suma repetidas de matrices: este proceso es el que permite a las redes neuronales aprender patrones complejos en los datos. El gran volumen de cálculos que se deben realizar en estas estructuras de datos multidimensionales requiere una enorme cantidad de computación y energía. Pero debido a la forma en que se organizan los datos en los tensores, los ingenieros a menudo pueden aumentar la velocidad de una red neuronal eliminando cálculos redundantes. Por ejemplo, si un tensor representa datos de reseñas de usuarios de un sitio de comercio electrónico, dado que no todos los usuarios reseñaron todos los productos, es probable que la mayoría de los valores de ese tensor sean cero. Este tipo de redundancia de datos se denomina escasez. Un modelo puede ahorrar tiempo y cálculos si solo almacena y opera con valores distintos de cero. Además, a veces un tensor es simétrico, lo que significa que la mitad superior y la mitad inferior de la estructura de datos son iguales. En este caso, el modelo solo necesita operar en una mitad, lo que reduce la cantidad de cálculos. Este tipo de redundancia de datos se denomina simetría. “Pero cuando intentas capturar ambas optimizaciones, la situación se vuelve bastante compleja”, dice Ahrens. Para simplificar el proceso, ella y sus colaboradores crearon un nuevo compilador, que es un programa informático que traduce código complejo a un lenguaje más simple que puede ser procesado por una máquina. Su compilador, llamado SySTeC, puede optimizar los cálculos aprovechando automáticamente tanto la escasez como la simetría de los tensores. Comenzaron el proceso de construcción de SySTeC identificando tres optimizaciones clave que pueden realizar utilizando simetría. En primer lugar, si el tensor de salida del algoritmo es simétrico, entonces solo necesita calcular la mitad de él. En segundo lugar, si el tensor de entrada es simétrico, entonces el algoritmo solo necesita leer la mitad de él. Por último, si los resultados intermedios de las operaciones con tensores son simétricos, el algoritmo puede omitir los cálculos redundantes. Optimizaciones simultáneas Para utilizar SySTeC, un desarrollador introduce su programa y el sistema optimiza automáticamente su código para los tres tipos de simetría. Luego, la segunda fase de SySTeC realiza transformaciones adicionales para almacenar únicamente valores de datos distintos de cero, optimizando el programa para lograr una mayor escasez. Al final, SySTeC genera código listo para usar. “De esta manera, obtenemos los beneficios de ambas optimizaciones. Y lo interesante de la simetría es que, como el tensor tiene más dimensiones, se pueden obtener incluso más ahorros en los cálculos”, afirma Ahrens. Los investigadores demostraron aceleraciones de casi un factor de 30 con el código generado automáticamente por SySTeC. Debido a que el sistema está automatizado, podría ser especialmente útil en situaciones en las que un científico desea procesar datos utilizando un algoritmo que está escribiendo desde cero. En el futuro, los investigadores quieren integrar SySTeC en los sistemas de compilación de tensores dispersos existentes para crear una interfaz perfecta para los usuarios. Además, les gustaría utilizarlo para optimizar el código de programas más complejos. Este trabajo está financiado, en parte, por Intel, la Fundación Nacional de Ciencias, la Agencia de Proyectos de Investigación Avanzada de Defensa y el Departamento de

Un sistema fácil de usar puede ayudar a los desarrolladores a crear simulaciones y modelos de IA más eficientes Leer más »

Los ingenieros del MIT desarrollan un motor de electropulverización totalmente impreso en 3D

Ideales para propulsar pequeños satélites, estos dispositivos livianos podrían producirse a bordo de una nave espacial y costarían mucho menos que los propulsores tradicionales. Un motor de electropulverización aplica un campo eléctrico a un líquido conductor, lo que genera un chorro de alta velocidad de gotitas diminutas que pueden propulsar una nave espacial. Estos motores en miniatura son ideales para los satélites pequeños llamados CubeSats, que suelen utilizarse en la investigación académica. Dado que los motores de electropulverización utilizan el combustible de manera más eficiente que los potentes cohetes químicos que se utilizan en la plataforma de lanzamiento, son más adecuados para maniobras precisas en órbita. El empuje generado por un emisor de electropulverización es minúsculo, por lo que los motores de electropulverización suelen utilizar una serie de emisores que funcionan de manera uniforme en paralelo. Sin embargo, estos propulsores de electrospray multiplexados generalmente se fabrican mediante una costosa y lenta fabricación en salas blancas de semiconductores, lo que limita quién puede fabricarlos y cómo se pueden aplicar los dispositivos. Para contribuir a derribar las barreras de la investigación espacial, los ingenieros del MIT han presentado el primer motor de electropulverización que emite gotas de agua y está totalmente impreso en 3D. Su dispositivo, que se puede producir rápidamente y por una fracción del costo de los propulsores tradicionales, utiliza materiales y técnicas de impresión 3D comercialmente accesibles. Los dispositivos podrían incluso fabricarse íntegramente en órbita, ya que la impresión 3D es compatible con la fabricación en el espacio. Al desarrollar un proceso modular que combina dos métodos de impresión 3D, los investigadores superaron los desafíos que implica la fabricación de un dispositivo complejo compuesto por componentes de macroescala y microescala que deben funcionar juntos sin problemas. Su prototipo de propulsor consta de 32 emisores de electropulverización que funcionan juntos, generando un flujo de combustible estable y uniforme. El dispositivo impreso en 3D generó tanto o más empuje que los motores de electropulverización que emiten gotas existentes. Con esta tecnología, los astronautas podrían imprimir rápidamente un motor para un satélite sin necesidad de esperar a que se envíe uno desde la Tierra.  “El uso de la fabricación de semiconductores no coincide con la idea de un acceso de bajo coste al espacio. Queremos democratizar el hardware espacial. En este trabajo, proponemos una forma de fabricar hardware de alto rendimiento con técnicas de fabricación que estén disponibles para más participantes”, afirma Luis Fernando Velásquez-García, científico investigador principal de los Laboratorios de Tecnología de Microsistemas (MTL) del MIT y autor principal de un artículo que describe los propulsores, que aparece en Advanced Science . A él se suma en el artículo el autor principal Hyeonseok Kim, un estudiante de posgrado en ingeniería mecánica del MIT. Un enfoque modular Un motor de electropulverización tiene un depósito de propulsor que fluye a través de canales microfluídicos hacia una serie de emisores. Se aplica un campo electrostático en la punta de cada emisor, lo que desencadena un efecto electrohidrodinámico que moldea la superficie libre del líquido en un menisco en forma de cono que expulsa una corriente de gotas cargadas a alta velocidad desde su vértice, lo que produce empuje. Las puntas de los emisores deben ser lo más afiladas posible para lograr la eyección electrohidrodinámica del propulsor a bajo voltaje. El dispositivo también requiere un sistema hidráulico complejo para almacenar y regular el flujo de líquido, transportando eficientemente el propulsor a través de canales microfluídicos. El conjunto de emisores está compuesto por ocho módulos emisores. Cada módulo emisor contiene un conjunto de cuatro emisores individuales que deben funcionar al unísono, formando un sistema más grande de módulos interconectados. “No funciona utilizar un enfoque de fabricación único para todos los casos porque estos subsistemas se encuentran en diferentes escalas. Nuestra idea clave fue combinar métodos de fabricación aditiva para lograr los resultados deseados y luego idear una forma de interconectar todo para que las piezas funcionen juntas de la manera más eficiente posible”, afirma Velásquez-García. Para lograrlo, los investigadores utilizaron dos tipos diferentes de impresión por fotopolimerización en cuba (VPP). La VPP implica proyectar luz sobre una resina fotosensible, que se solidifica para formar estructuras 3D con características suaves y de alta resolución. Los investigadores fabricaron los módulos emisores utilizando un método VPP llamado impresión de dos fotones. Esta técnica utiliza un haz láser muy enfocado para solidificar la resina en un área definida con precisión, construyendo una estructura 3D de a un pequeño ladrillo, o vóxel, a la vez. Este nivel de detalle les permitió producir puntas de emisor extremadamente afiladas y capilares estrechos y uniformes para transportar el propulsor. Los módulos emisores están instalados en una carcasa rectangular llamada bloque colector, que los mantiene en su lugar y les suministra propelente. El bloque colector también integra los módulos emisores con el electrodo extractor que activa la expulsión de propelente de las puntas de los emisores cuando se aplica un voltaje adecuado. Fabricar el bloque colector más grande utilizando la impresión de dos fotones sería inviable debido al bajo rendimiento del método y al volumen de impresión limitado. En lugar de ello, los investigadores utilizaron una técnica llamada procesamiento de luz digital, que utiliza un proyector del tamaño de un chip para proyectar luz sobre la resina, solidificando una capa de la estructura 3D a la vez. “Cada tecnología funciona muy bien a una determinada escala. Al combinarlas para que funcionen juntas y produzcan un solo dispositivo, podemos aprovechar lo mejor de cada método”, afirma Velásquez-García. Rendimiento de propulsión Pero la impresión 3D de los componentes del motor por electropulverización es solo la mitad de la batalla. Los investigadores también realizaron experimentos químicos para garantizar que los materiales de impresión fueran compatibles con el propulsor líquido conductor. De lo contrario, el propulsor podría corroer el motor o provocar que se agriete, lo que no es deseable para el hardware destinado a un funcionamiento a largo plazo con poco o ningún mantenimiento. También desarrollaron un método para sujetar las partes separadas de una manera que evita desalineaciones

Los ingenieros del MIT desarrollan un motor de electropulverización totalmente impreso en 3D Leer más »

Un mapa del abdomen impulsado por IA podría ayudar a detectar el cáncer de forma temprana

Los investigadores de Johns Hopkins utilizaron inteligencia artificial para crear el conjunto de datos más grande y completo de órganos abdominales hasta la fecha para ayudar a los radiólogos a identificar tumores y otras enfermedades de manera rápida y precisa. Jaimie Patterson / Publicado3 de febrero Los radiólogos están empezando a utilizar modelos de visión artificial basados ​​en inteligencia artificial para acelerar el laborioso proceso de análisis de imágenes médicas. Sin embargo, estos modelos requieren grandes cantidades de datos de entrenamiento cuidadosamente etiquetados para lograr resultados consistentes y precisos, lo que significa que los radiólogos deben seguir dedicando un tiempo considerable a la anotación de imágenes médicas. Un equipo internacional dirigido por el profesor distinguido de Johns Hopkins Bloomberg Alan Yuille tiene una solución: AbdomenAtlas, el conjunto de datos de TC abdominales más grande hasta la fecha, que incluye más de 45.000 tomografías computarizadas en 3D de 142 estructuras anatómicas anotadas de 145 hospitales de todo el mundo, más de 36 veces más grande que su competidor más cercano, TotalSegmentator V2. El conjunto de datos y sus implementaciones aparecen en un número reciente de Medical Image Analysis . Puntos clave Los conjuntos de datos de órganos abdominales anteriores fueron compilados por radiólogos que identificaban y etiquetaban manualmente órganos individuales en tomografías computarizadas, lo que requería miles de horas de trabajo humano. «Para anotar 45.000 tomografías computarizadas con 6 millones de formas anatómicas se necesitaría que un radiólogo experto hubiera comenzado a trabajar alrededor del año 420 a. C. (la era de Hipócrates) para completar la tarea en 2025», dice el autor principal Zongwei Zhou , científico investigador asistente en el Departamento de Ciencias de la Computación de la Escuela de Ingeniería Whiting . Para hacer frente a este desafío monumental, el equipo dirigido por Hopkins utilizó algoritmos de inteligencia artificial para acelerar drásticamente esta tarea de etiquetado de órganos. Trabajando con 12 radiólogos expertos y otros médicos en formación, completaron en menos de dos años un proyecto que a los humanos solos les habría llevado más de dos milenios. El método de los investigadores combina tres modelos de IA entrenados en conjuntos de datos públicos de exploraciones abdominales etiquetadas para predecir anotaciones para conjuntos de datos no etiquetados. Utilizando mapas de atención codificados por colores para resaltar las áreas que necesitan refinamiento, el método identifica las secciones más críticas de las predicciones de los modelos para su revisión manual por parte de los radiólogos. Al repetir este proceso (predicción de IA seguida de revisión humana), aceleran significativamente el proceso de anotación, logrando una aceleración 10 veces mayor para los tumores y 500 veces mayor para los órganos, dicen los investigadores. Título de la imagen:Dos series de cortes de tomografía computarizada abdominal, estándar a la izquierda y segmentación de órganos de AbdomenAtlas a la derecha Imagencrédito:Universidad Johns Hopkins Este enfoque permite al equipo ampliar el alcance, la escala y la precisión de su conjunto de datos sin sobrecargar a los radiólogos, lo que da como resultado lo que, según el equipo, es el conjunto de datos de órganos abdominales completamente anotado más grande que existe. Siguen agregando más exploraciones, órganos y tumores reales y artificiales para ayudar a entrenar modelos de IA nuevos y existentes para identificar crecimientos cancerosos, diagnosticar enfermedades e incluso crear gemelos digitales de pacientes de la vida real. «Al permitir que los modelos de IA aprendan más sobre las estructuras anatómicas relacionadas antes del entrenamiento en dominios con datos limitados (como la identificación de tumores), hemos logrado que la IA se desempeñe de manera similar al radiólogo promedio en algunas tareas de detección de tumores», informa el primer autor Wenxuan Li, un estudiante de posgrado en ciencias de la computación asesorado por Yuille. AbdomenAtlas también sirve como punto de referencia que permite a otros grupos de investigación evaluar la precisión de sus algoritmos de segmentación médica. Cuantos más datos se utilicen para probar estos algoritmos, mejor se podrá garantizar su fiabilidad y rendimiento en situaciones clínicas complejas, afirman los investigadores de Hopkins. El equipo se ha comprometido a lanzar AbdomenAtlas al público en general y a plantear nuevos desafíos de segmentación médica utilizándolo, como el desafío BodyMaps en la 27.ª Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora el pasado mes de octubre. Este desafío tenía como objetivo fomentar algoritmos de IA que no solo tuvieran un buen rendimiento teórico, sino que también fueran eficientes y confiables en la práctica en entornos clínicos. A pesar de los avances que hizo posible AbdomenAtlas, sus creadores señalan que el conjunto de datos solo representa el 0,05 % de las tomografías computarizadas que se adquieren anualmente en los Estados Unidos, y piden a otras instituciones que ayuden a llenar los vacíos. «La colaboración interinstitucional es crucial para acelerar el intercambio de datos, la anotación y el desarrollo de la IA», escriben los investigadores. «Esperamos que nuestro AbdomenAtlas pueda sentar las bases para ensayos clínicos a mayor escala y ofrecer oportunidades excepcionales a los profesionales de la comunidad de imágenes médicas». Johns Hopkins University News. Traducido al español

Un mapa del abdomen impulsado por IA podría ayudar a detectar el cáncer de forma temprana Leer más »

Scroll al inicio