El Portal de las Tecnologías para la Innovación

Chubut Digital

Colaborando por un futuro más inteligente y sostenible

Big Data y Analítica Avanzada, Cambio Climático y Sostenibilidad, Ciberseguridad y Protección de Datos, Innovaciones Tecnológicas, Inteligencia Artificial en la Salud Humana, Inteligencia Artificial Generativa, Inteligencia Artificial News, Papers de Investigación Científica /

A medida que la tecnología transforma nuestra realidad cotidiana, los sistemas educativos también evolucionan para preparar a la próxima generación de profesionales para las industrias emergentes. En Corea, un paso importante en esta dirección es el Proyecto Universitario de Convergencia de Próxima Generación (COSS), liderado por el Ministerio de Educación y la Fundación Nacional de Investigación de Corea. COSS, abreviatura de Convergencia de la Educación Especializada y Estandarizada, apoya a consorcios universitarios de todo el país para ofrecer una educación unificada y de alta calidad en dieciocho sectores diversos. Esto incluye disciplinas como inteligencia artificial, big data, semiconductores de próxima generación y biosalud. A través de esta iniciativa nacional, las universidades colaboran para diseñar planes de estudio e impartir cursos abiertos a todos los estudiantes, independientemente de su especialización o institución de origen. Mejora la educación universitaria al derribar las barreras académicas tradicionales y fomentar el aprendizaje colaborativo e interdisciplinario entre instituciones. Actualmente, participan universidades como la Universidad Nacional de Seúl, la Universidad de Corea y la Universidad de Hanyang, lo que eleva el total a 53 centros educativos involucrados en el proyecto. Universidades participantes de los sectores de IA, big data, semiconductores de próxima generación, automóviles del futuro y biosalud Como parte de su compromiso con el proyecto COSS, la SNU participa actualmente en cinco sectores clave: big data, semiconductores de nueva generación, industria de nuevas energías, drones aeroespaciales y biotecnología verde. En cada una de estas áreas, la SNU desarrolla y ofrece cursos especializados en los que pueden matricularse estudiantes de universidades del consorcio. Al completar los cursos requeridos, los estudiantes pueden obtener un microtítulo, una credencial certificada que aparece en su expediente académico y que demuestra su experiencia en un área específica. Estos programas van más allá de la instrucción tradicional en el aula. Los estudiantes también pueden participar en eventos como CO-WEEK, una semana donde expertos en diversos campos de la alta tecnología imparten conferencias especializadas, y CO-SHOW, donde los participantes exploran todos los dominios de COSS a través de stands interactivos. Las prácticas profesionales, los proyectos vinculados a la industria y los concursos colaborativos preparan aún más a los estudiantes para los desafíos del mundo real. Carteles y escenas de los eventos CO-WEEK y CO-SHOW Entre las cinco áreas de enfoque de COSS en las que participa la SNU, la Universidad de Convergencia de Innovación en Biotecnología Verde es la más reciente, fundada en 2024. En una era marcada por la inestabilidad climática, la degradación ecológica y la preocupación por la seguridad alimentaria, las tecnologías de biotecnología verde se han vuelto indispensables. La investigación en tecnologías de biotecnología verde mejora la productividad agrícola a la vez que minimiza el daño ambiental, y han adquirido una relevancia creciente no solo en la agricultura, sino también en los sectores farmacéutico, de materiales industriales y energético. Como consorcio colaborativo formado por cinco universidades, esta diversidad crea un potente entorno interdisciplinario donde los estudiantes se benefician de la combinación de fortalezas de instituciones especializadas en agricultura, estudios ambientales y bioinnovación de última generación. A través de esta plataforma, los estudiantes pueden matricularse en microgrados en las áreas de agricultura inteligente, sistemas ganaderos sostenibles, aplicaciones de bioenergía y agricultura de precisión. El primer seminario Greenbag sobre futuras tendencias agrobiotecnológicas Paralelamente a su oferta académica, la Green Bio Innovation Convergence University ofrece una amplia gama de programas no curriculares que conectan a los estudiantes con expertos y prácticas industriales en evolución. Una de estas iniciativas es la serie de seminarios Greenbag, que invita a las voces líderes en políticas e innovación agrobio. El seminario inaugural, celebrado el 4 de junio, contó con la presencia del Dr. Lee Jooryang, un distinguido investigador del Science and Technology Policy Institute (STEPI) y autor del bestseller The Real Story of the Agricultural Economy You Didn’t Know . La charla del Dr. Lee ofreció una descripción general histórica y analítica de la transformación agrícola, que experimentó un crecimiento explosivo de la productividad en el último siglo después de un estancamiento de diez mil años. Explicó cómo tres grandes revoluciones (mecanización, avances bioquímicos e innovación digital) transformaron la producción mundial de alimentos y sentaron las bases para los desafíos modernos de la sostenibilidad. El Dr. Lee da su presentación sobre los próximos avances en agrobiotecnología. El Dr. Lee enfatizó que la agricultura es ahora un importante contribuyente y una víctima principal del cambio climático. Utilizó estudios de caso recientes de Corea para demostrar cómo el aumento de las temperaturas, el clima errático y la degradación ecológica ya están afectando la producción de cultivos básicos como manzanas, repollo y arroz. Como contramedida, el Dr. Lee destacó la importancia de producir más con menos. Desde el aprovechamiento de herramientas biotecnológicas como los cultivos transgénicos hasta la implementación de sistemas de datos basados ​​en IA en las prácticas agrícolas, la agricultura del futuro debe ser más inteligente, eficiente y resiliente. También señaló que se necesita urgentemente una reforma política para superar barreras estructurales como la fragmentación de la propiedad de la tierra, marcos regulatorios obsoletos y el lento relevo generacional en las comunidades agrícolas. Estudiantes escuchando la charla del Dr. Lee El seminario Green Bio es solo un ejemplo de cómo la iniciativa COSS incorpora los desafíos del mundo real al aprendizaje universitario. Al conectar campus, industrias y disciplinas, COSS está dando forma a un nuevo modelo de educación preparada para el futuro. Se anima a los estudiantes que deseen obtener más información sobre los cursos y programas a visitar la página web oficial de COSS ( https://academy.cossnet.com/ ). Universidad Nacional de Seúl News. S. J. Traducido al español

Colaborando por un futuro más inteligente y sostenible Leer más »

Enfrentando el dilema IA/energía

Inteligencia Artificial Generativa, Inteligencia Artificial News, La Ética y la Inteligencia Artificial, Papers de Investigación Científica /

El simposio anual de investigación de la Iniciativa Energética del MIT explora la inteligencia artificial como un problema y una solución para la transición a la energía limpia. El crecimiento explosivo de los centros de computación impulsados ​​por IA está generando un aumento sin precedentes en la demanda de electricidad que amenaza con saturar las redes eléctricas y frustrar los objetivos climáticos. Al mismo tiempo, las tecnologías de inteligencia artificial podrían revolucionar los sistemas energéticos, acelerando la transición hacia energías limpias. “Estamos en la cúspide de un cambio potencialmente gigantesco en toda la economía”, dijo William H. Green , director de la Iniciativa de Energía del MIT (MITEI) y profesor Hoyt C. Hottel en el Departamento de Ingeniería Química del MIT, en el Simposio de Primavera del MIT, “IA y energía: peligro y promesa”, celebrado el 13 de mayo. El evento reunió a expertos de la industria, la academia y el gobierno para explorar soluciones a lo que Green describió como “problemas locales con el suministro eléctrico y el cumplimiento de nuestros objetivos de energía limpia”, al tiempo que buscaba “cosechar los beneficios de la IA sin algunos de los daños”. El desafío de la demanda de energía del centro de datos y los beneficios potenciales de la IA para la transición energética es una prioridad de investigación para el MITEI. Las sorprendentes demandas energéticas de la IA Desde el inicio, el simposio destacó estadísticas alarmantes sobre el consumo de electricidad por parte de la IA. Tras décadas de demanda eléctrica estancada en Estados Unidos, los centros de computación consumen actualmente aproximadamente el 4 % de la electricidad nacional. Si bien existe una gran incertidumbre, algunas proyecciones sugieren que esta demanda podría aumentar al 12-15 % para 2030, impulsada principalmente por las aplicaciones de inteligencia artificial. Vijay Gadepally, científico sénior del Laboratorio Lincoln del MIT, destacó la magnitud del consumo de la IA. «La energía necesaria para mantener algunos de estos grandes modelos se duplica casi cada tres meses», señaló. «Una sola conversación de ChatGPT consume tanta electricidad como cargar un teléfono, y generar una imagen consume aproximadamente una botella de agua para enfriarse». Instalaciones que requieren de 50 a 100 megavatios de energía están surgiendo rápidamente en Estados Unidos y a nivel mundial, impulsadas tanto por necesidades de investigación informales como institucionales que dependen de programas de lenguaje de gran envergadura como ChatGPT y Gemini. Gadepally citó el testimonio ante el Congreso de Sam Altman, director ejecutivo de OpenAI, quien destacó la importancia fundamental de esta relación: «El coste de la inteligencia, el coste de la IA, convergerá con el coste de la energía». “Las demandas energéticas de la IA son un desafío importante, pero también tenemos la oportunidad de aprovechar estas vastas capacidades computacionales para contribuir a las soluciones al cambio climático”, dijo Evelyn Wang , vicepresidenta de energía y clima del MIT y ex directora de la Agencia de Proyectos de Investigación Avanzada-Energía (ARPA-E) en el Departamento de Energía de Estados Unidos. Wang también señaló que las innovaciones desarrolladas para la IA y los centros de datos (como la eficiencia, las tecnologías de enfriamiento y las soluciones de energía limpia) podrían tener amplias aplicaciones más allá de las propias instalaciones informáticas. Estrategias para soluciones de energía limpia El simposio exploró múltiples vías para abordar el desafío de la IA y la energía. Algunos panelistas presentaron modelos que sugieren que, si bien la inteligencia artificial puede aumentar las emisiones a corto plazo, sus capacidades de optimización podrían permitir reducciones sustanciales de emisiones después de 2030 mediante sistemas energéticos más eficientes y un desarrollo acelerado de tecnologías limpias. Las investigaciones muestran variaciones regionales en el costo de alimentar centros de computación con electricidad limpia, según Emre Gençer, cofundador y director ejecutivo de Sesame Sustainability y exinvestigador principal del MITEI. El análisis de Gençer reveló que la región central de Estados Unidos ofrece costos considerablemente más bajos gracias a la complementariedad de los recursos solares y eólicos. Sin embargo, lograr energía con cero emisiones requeriría un despliegue masivo de baterías —de cinco a diez veces más que en escenarios con emisiones moderadas de carbono—, lo que incrementaría los costos entre dos y tres veces. “Si queremos cero emisiones con energía confiable, necesitamos tecnologías distintas a las renovables y las baterías, que serán demasiado caras”, afirmó Gençer. Señaló las tecnologías de almacenamiento de larga duración, los pequeños reactores modulares, la geotermia o los enfoques híbridos como complementos necesarios. Debido a la demanda energética de los centros de datos, existe un renovado interés en la energía nuclear, señaló Kathryn Biegel, gerente de I+D y estrategia corporativa de Constellation Energy, quien agregó que su compañía está reiniciando el reactor en la antigua planta de Three Mile Island, ahora denominada «Centro de Energía Limpia Crane», para satisfacer esta demanda. «El espacio del centro de datos se ha convertido en una prioridad fundamental para Constellation», afirmó, enfatizando cómo sus necesidades de confiabilidad y electricidad libre de carbono están transformando la industria energética. ¿Puede la IA acelerar la transición energética? La inteligencia artificial podría mejorar drásticamente los sistemas eléctricos, según Priya Donti , profesora adjunta y titular de la Cátedra de Desarrollo Profesional de la Familia Silverman en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT y en el Laboratorio de Sistemas de Información y Decisión. Donti demostró cómo la IA puede acelerar la optimización de la red eléctrica al integrar restricciones basadas en la física en las redes neuronales, lo que podría resolver problemas complejos de flujo de energía a una velocidad diez veces mayor, o incluso mayor, que la de los modelos tradicionales. La IA ya está reduciendo las emisiones de carbono, según ejemplos compartidos por Antonia Gawel, directora global de sostenibilidad y alianzas de Google. La función de rutas de bajo consumo de combustible de Google Maps ha «ayudado a evitar más de 2,9 millones de toneladas métricas de emisiones de GEI [gases de efecto invernadero] desde su lanzamiento, lo que equivale a retirar de la circulación 650.000 coches de gasolina durante un año»,

Enfrentando el dilema IA/energía Leer más »

Acelerando el descubrimiento científico con IA

Energías Renovables y Naturales, Innovaciones Tecnológicas, Inteligencia Artificial Generativa, Inteligencia Artificial News, Papers de Investigación Científica /

FutureHouse, cofundada por Sam Rodriques PhD ’19, ha desarrollado agentes de IA para automatizar pasos clave en el camino hacia el progreso científico. Varios investigadores han adoptado una perspectiva amplia del progreso científico en los últimos 50 años y han llegado a la misma conclusión inquietante: la productividad científica está disminuyendo. Se necesita más tiempo, más financiación y equipos más grandes para realizar descubrimientos que antes eran más rápidos y económicos. Si bien se han ofrecido diversas explicaciones para esta desaceleración, una de ellas es que, a medida que la investigación se vuelve más compleja y especializada, los científicos deben dedicar más tiempo a revisar publicaciones, diseñar experimentos sofisticados y analizar datos. Ahora, FutureHouse, el laboratorio de investigación financiado con fondos filantrópicos, busca acelerar la investigación científica con una plataforma de IA diseñada para automatizar muchos de los pasos críticos en el camino hacia el progreso científico. La plataforma está compuesta por una serie de agentes de IA especializados en tareas como la recuperación y síntesis de información, el diseño de síntesis química y el análisis de datos. Los fundadores de FutureHouse, Sam Rodriques PhD ’19 y Andrew White, creen que al darle a todos los científicos acceso a sus agentes de IA, pueden superar los mayores cuellos de botella de la ciencia y ayudar a resolver algunos de los problemas más urgentes de la humanidad. “El lenguaje natural es el verdadero lenguaje de la ciencia”, afirma Rodriques. “Se están construyendo modelos fundamentales para la biología, donde los modelos de aprendizaje automático hablan el lenguaje del ADN o las proteínas, y eso es poderoso. Pero los descubrimientos no se representan en el ADN ni en las proteínas. La única forma que conocemos de representar descubrimientos, formular hipótesis y razonar es con lenguaje natural”. Encontrar grandes problemas Para su investigación de doctorado en el MIT, Rodriques buscó comprender el funcionamiento interno del cerebro en el laboratorio del profesor Ed Boyden. “Toda la idea detrás de FutureHouse surgió de la impresión que tuve durante mi doctorado en el MIT: incluso si tuviéramos toda la información necesaria sobre el funcionamiento del cerebro, no la sabríamos porque nadie tiene tiempo para leer toda la literatura”, explica Rodriques. “Aunque pudieran leerla toda, no podrían integrarla en una teoría completa. Esa fue una pieza fundamental del rompecabezas de FutureHouse”. Rodriques escribió sobre la necesidad de  nuevos tipos de grandes colaboraciones de investigación como el último capítulo de su tesis doctoral en 2019, y aunque pasó algún tiempo dirigiendo un laboratorio en el Instituto Francis Crick en Londres después de graduarse, se encontró gravitando hacia amplios problemas en la ciencia que ningún laboratorio podría abordar por sí solo. “Me interesaba cómo automatizar o ampliar la ciencia y qué tipos de nuevas estructuras organizativas o tecnologías podrían generar una mayor productividad científica”, afirma Rodriques. Cuando se lanzó Chat-GPT 3.5 en noviembre de 2022, Rodriques vio el camino hacia modelos más potentes capaces de generar información científica por sí solos. Por esa época, también conoció a Andrew White, químico computacional de la Universidad de Rochester, a quien se le había concedido acceso anticipado a Chat-GPT 4. White había creado el primer agente de lenguaje de gran tamaño para la ciencia, y los investigadores unieron fuerzas para fundar FutureHouse. Los fundadores comenzaron con el objetivo de crear herramientas de IA específicas para tareas como búsquedas bibliográficas, análisis de datos y generación de hipótesis. Comenzaron con la recopilación de datos y finalmente lanzaron PaperQA en septiembre de 2024, considerado por Rodriques como el mejor agente de IA del mundo para recuperar y resumir información de la literatura científica. Casi al mismo tiempo, lanzaron Has Either, una herramienta que permite a los científicos determinar si alguien ha realizado experimentos específicos o explorado hipótesis específicas. “Estábamos sentados y preguntábamos: ‘¿Qué tipo de preguntas nos hacemos todo el tiempo los científicos?’”, recuerda Rodriques. Cuando FutureHouse lanzó oficialmente su plataforma el 1 de mayo de este año, renovó el nombre de algunas de sus herramientas. Paper QA ahora se llama Crow, y Has Either se llama Owl. Falcon es un agente capaz de recopilar y revisar más fuentes que Crow. Otro nuevo agente, Phoenix, puede usar herramientas especializadas para ayudar a los investigadores a planificar experimentos químicos. Y Finch es un agente diseñado para automatizar el descubrimiento basado en datos en biología. El 20 de mayo, la compañía demostró un flujo de trabajo de descubrimiento científico multiagente para automatizar pasos clave del proceso científico e identificar un nuevo candidato terapéutico para la degeneración macular seca relacionada con la edad (DMAE), una de las principales causas de ceguera irreversible en todo el mundo. En junio, FutureHouse lanzó ether0, un modelo de razonamiento de 24B de pesos abiertos para química. “Realmente hay que pensar en estos agentes como parte de un sistema más amplio”, afirma Rodriques. “Pronto, los agentes de búsqueda bibliográfica se integrarán con el agente de análisis de datos, el agente de generación de hipótesis y un agente de planificación de experimentos, y todos estarán diseñados para funcionar en conjunto a la perfección”. Agentes para todos Hoy en día, cualquiera puede acceder a los agentes de FutureHouse en platform.futurehouse.org. El lanzamiento de la plataforma generó entusiasmo en la industria, y han empezado a circular historias sobre científicos que utilizan los agentes para acelerar la investigación. Un científico de FutureHouse utilizó los agentes para identificar un gen que podría estar asociado con el síndrome de ovario poliquístico y desarrollar una nueva hipótesis de tratamiento para la enfermedad. Otro investigador del Laboratorio Nacional Lawrence Berkeley utilizó Crow para crear un asistente de IA capaz de buscar información sobre la enfermedad de Alzheimer en la base de datos de investigación de PubMed. Los científicos de otra institución de investigación han utilizado los agentes para realizar revisiones sistemáticas de genes relevantes para la enfermedad de Parkinson y descubrieron que los agentes de FutureHouse funcionaron mejor que los agentes generales. Rodriques dice que los científicos que piensan en los agentes menos como Google Scholar y más como un científico asistente inteligente

Acelerando el descubrimiento científico con IA Leer más »

Una sonda robótica mide rápidamente las propiedades clave de nuevos materiales

Inteligencia Artificial en la Salud Humana, Papers de Investigación Científica, Robótica y Automatización /

Desarrollado para analizar nuevos semiconductores, el sistema podría agilizar el desarrollo de paneles solares más potentes. Los científicos se esfuerzan por descubrir nuevos materiales semiconductores que puedan aumentar la eficiencia de las células solares y otros dispositivos electrónicos. Sin embargo, el ritmo de la innovación se ve limitado por la velocidad con la que los investigadores pueden medir manualmente importantes propiedades de los materiales. Un sistema robótico totalmente autónomo desarrollado por investigadores del MIT podría acelerar las cosas. Su sistema utiliza una sonda robótica para medir una propiedad eléctrica importante conocida como fotoconductancia, que es la respuesta eléctrica de un material a la presencia de luz. Los investigadores incorporan conocimientos de expertos humanos en el campo de la ciencia de los materiales al modelo de aprendizaje automático que guía la toma de decisiones del robot. Esto le permite identificar los mejores puntos de contacto entre un material y la sonda para obtener la mayor información posible sobre su fotoconductancia, mientras que un procedimiento de planificación especializado encuentra la manera más rápida de moverse entre los puntos de contacto. Durante una prueba de 24 horas, la sonda robótica totalmente autónoma tomó más de 125 mediciones únicas por hora, con más precisión y confiabilidad que otros métodos basados ​​en inteligencia artificial. Al aumentar drásticamente la velocidad con la que los científicos pueden caracterizar propiedades importantes de nuevos materiales semiconductores, este método podría impulsar el desarrollo de paneles solares que produzcan más electricidad. “Este artículo me parece increíblemente interesante porque ofrece una vía para métodos de caracterización autónomos basados ​​en el contacto. No todas las propiedades importantes de un material pueden medirse sin contacto. Si se necesita establecer contacto con la muestra, se busca que sea rápido y se busca maximizar la cantidad de información obtenida”, afirma Tonio Buonassisi, profesor de ingeniería mecánica y autor principal de un artículo sobre el sistema autónomo. Entre sus coautores se encuentran el autor principal, Alexander (Aleks) Siemenn, estudiante de posgrado; los investigadores posdoctorales Basita Das y Kangyu Ji; y el estudiante de posgrado Fang Sheng. El trabajo se publica hoy en Science Advances . Estableciendo contacto Desde 2018, los investigadores del laboratorio de Buonassisi han estado trabajando en un laboratorio de descubrimiento de materiales totalmente autónomo. Recientemente, se han centrado en el descubrimiento de nuevas perovskitas, una clase de materiales semiconductores utilizados en sistemas fotovoltaicos como los paneles solares. En trabajos anteriores, desarrollaron técnicas para sintetizar e imprimir rápidamente combinaciones únicas de perovskita. También diseñaron  métodos basados ​​en imágenes para determinar algunas propiedades importantes del material. Pero la fotoconductancia se caracteriza con mayor precisión colocando una sonda sobre el material, haciendo brillar una luz y midiendo la respuesta eléctrica. “Para que nuestro laboratorio experimental pudiera operar con la mayor rapidez y precisión posibles, tuvimos que encontrar una solución que produjera las mejores mediciones y minimizara el tiempo necesario para ejecutar todo el procedimiento”, afirma Siemens. Para ello fue necesario integrar el aprendizaje automático, la robótica y la ciencia de los materiales en un sistema autónomo. Para comenzar, el sistema robótico utiliza su cámara incorporada para tomar una imagen de un portaobjetos con material de perovskita impreso en él. Luego utiliza visión artificial para cortar esa imagen en segmentos, que se incorporan a un modelo de red neuronal especialmente diseñado para incorporar la experiencia de químicos y científicos de materiales. “Estos robots pueden mejorar la repetibilidad y precisión de nuestras operaciones, pero es importante contar con un humano involucrado. Si no tenemos una buena manera de implementar el valioso conocimiento de estos expertos químicos en nuestros robots, no podremos descubrir nuevos materiales”, añade Siemens. El modelo utiliza este conocimiento del dominio para determinar los puntos óptimos de contacto de la sonda, según la forma de la muestra y la composición de su material. Estos puntos de contacto se introducen en un planificador de trayectorias que encuentra la manera más eficiente de que la sonda alcance todos los puntos. La adaptabilidad de este enfoque de aprendizaje automático es especialmente importante porque las muestras impresas tienen formas únicas, desde gotas circulares hasta estructuras similares a gominolas. “Es casi como medir copos de nieve: es difícil conseguir dos idénticos”, dice Buonassisi. Una vez que el planificador de rutas encuentra el camino más corto, envía señales a los motores del robot, que manipulan la sonda y toman mediciones en cada punto de contacto en rápida sucesión. La clave de la velocidad de este enfoque reside en la naturaleza autosupervisada del modelo de red neuronal. El modelo determina los puntos de contacto óptimos directamente en una imagen de muestra, sin necesidad de datos de entrenamiento etiquetados. Los investigadores también aceleraron el sistema optimizando el procedimiento de planificación de rutas. Descubrieron que añadir una pequeña cantidad de ruido, o aleatoriedad, al algoritmo le ayudaba a encontrar la ruta más corta. “A medida que avanzamos en esta era de laboratorios autónomos, es fundamental que estos tres conocimientos —construcción de hardware, software y comprensión de la ciencia de los materiales— se integren en un mismo equipo para poder innovar rápidamente. Y ese es parte del secreto”, afirma Buonassisi. Datos enriquecidos, resultados rápidos Una vez construido el sistema desde cero, los investigadores probaron cada componente. Los resultados mostraron que el modelo de red neuronal encontró mejores puntos de contacto con un menor tiempo de cálculo que otros siete métodos basados ​​en IA. Además, el algoritmo de planificación de rutas encontró consistentemente rutas más cortas que otros métodos. Cuando juntaron todas las piezas para realizar un experimento totalmente autónomo de 24 horas, el sistema robótico realizó más de 3.000 mediciones únicas de fotoconductancia a una velocidad superior a 125 por hora. Además, el nivel de detalle proporcionado por este enfoque de medición preciso permitió a los investigadores identificar puntos críticos con mayor fotoconductancia, así como áreas de degradación del material. “Poder recopilar datos tan completos, que se pueden capturar a velocidades tan rápidas, sin necesidad de guía humana, comienza a abrir puertas para poder descubrir y desarrollar nuevos semiconductores de alto rendimiento, especialmente para aplicaciones de sostenibilidad como los paneles solares”, afirma

Una sonda robótica mide rápidamente las propiedades clave de nuevos materiales Leer más »

Un hecho sorprendente sobre la robótica portátil

Inteligencia Artificial en la Salud Humana, Papers de Investigación Científica, Robótica y Automatización /

Las prótesis funcionales son más antiguas de lo que se cree. Hoy, investigadores de Stanford están aprovechando este legado con robótica portátil que se adapta rápidamente a cada usuario. Las prótesis más antiguas que conocemos son el dedo Greville Chester y el dedo Cairo , ambos del antiguo Egipto. El dedo Greville Chester probablemente era un apéndice puramente estético, pero el dedo Cairo podría haber sido un dispositivo de asistencia, ya que se dobla y se ajusta al usuario. Miles de años después, la personalización sigue siendo una característica importante del diseño protésico. Cuando se trata de algo tan esencial como las prótesis, garantizar que satisfagan las necesidades específicas de cada individuo es una prioridad crucial, pero también un desafío complejo y costoso, explicó  Steven Collins , profesor asociado de ingeniería mecánica. Por eso, su laboratorio, el Laboratorio de Biomecatrónica , utiliza hardware especial, llamado emuladores, para probar de forma rápida y económica robótica portátil, incluyendo prótesis y exoesqueletos para facilitar y mejorar el movimiento. Se les llama emuladores porque son capaces de emular diferentes versiones de una prótesis para descubrir diseños óptimos de dispositivos de asistencia portátiles que puedan existir fuera del laboratorio. Esto evita la necesidad de construir un nuevo robot para cada probador humano o cada vez que un investigador quiera probar una nueva idea para ajustar un dispositivo de asistencia. Después de 20 años de desarrollo, un exoesqueleto portátil llega al mundo real , ayudando a los usuarios a caminar más rápido y con menos esfuerzo. El coste energético de correr se redujo con la ayuda de una bota motorizada que se fijaba alrededor del tobillo y el pie.Diapositiva 1Diapositiva 2Diapositiva 3AnteriorPróximo Uno de los proyectos que entusiasma actualmente al equipo es el desarrollo de exoesqueletos para reducir el dolor articular en personas con osteoartritis. «El dolor articular es una de las mayores preocupaciones de los adultos mayores y muchos esperan que los exoesqueletos puedan ayudar a aliviarlo . Estamos intentando crear dispositivos que puedan abordar esta necesidad urgente», afirmó Collins. Stanford Report News. Traducido al español

Un hecho sorprendente sobre la robótica portátil Leer más »

Nueva «cápsula inteligente» para estudiar la salud del tracto gastrointestinal

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

Actualmente no existe tecnología que permita analizar fácilmente esta información metabólica y molecular del tracto gastrointestinal. Los métodos de evaluación tradicionales implican análisis fecal o biopsia, que son invasivos, costosos y no permiten analizar en tiempo real todo el tracto gastrointestinal.

Nueva «cápsula inteligente» para estudiar la salud del tracto gastrointestinal Leer más »

¿Puede la IA ser tan irracional como nosotros? (¿O incluso más?)

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

Los psicólogos descubrieron que el GPT-4o de OpenAI muestra patrones similares a los humanos de disonancia cognitiva y sensibilidad a la libre elección. Parece que la IA puede rivalizar con los humanos en lo que a irracionalidad se refiere. Un grupo de psicólogos sometió recientemente al GPT-4o de OpenAI a una prueba de disonancia cognitiva. Los investigadores se propusieron comprobar si el modelo de lenguaje extenso modificaría su actitud hacia el presidente ruso Vladímir Putin tras generar ensayos positivos o negativos. ¿Imitaría el LLM los patrones de comportamiento que se observan habitualmente cuando las personas deben armonizar creencias contradictorias? Los resultados, publicados el mes pasado en las Actas de la Academia Nacional de Ciencias , muestran que el sistema modifica su opinión para adaptarse al contenido de cualquier material generado. Pero la GPT varió aún más —y en una medida mucho mayor que en humanos— cuando se le dio la ilusión de poder elegir. “Le pedimos a GPT que escribiera un ensayo a favor o en contra de Putin bajo una de dos condiciones: una condición sin opción donde estaba obligado a escribir un ensayo positivo o negativo, o una condición de libre elección en la que podía escribir el tipo de ensayo que eligiera, pero con el conocimiento de que nos ayudaría más al escribir uno u otro”, explicó la psicóloga social y coautora principal Mahzarin R. Banaji , profesora Richard Clarke Cabot de Ética Social en el Departamento de Psicología.  “Hicimos dos descubrimientos”, continuó. “Primero, que, al igual que los humanos, GPT cambió su actitud hacia Putin en la dirección de valencia del ensayo que había escrito. Pero este cambio fue estadísticamente mucho mayor cuando creyó haber escrito el ensayo por elección propia”. “Estos hallazgos sugieren la posibilidad de que estos modelos se comporten de una manera mucho más matizada y humana de lo que esperamos”, comentó el psicólogo Steven A. Lehr, otro autor principal del artículo y fundador de Cangrade Inc. , con sede en Watertown . “No se limitan a repetir las respuestas a todas nuestras preguntas. Están captando otros aspectos menos racionales de nuestra psicología”. Banaji, cuyos libros incluyen «Blindspot: Hidden Biases of Good People» (2013), lleva 45 años estudiando la cognición implícita. Tras la amplia disponibilidad de ChatGPT de OpenAI en 2021, ella y un estudiante de posgrado se reunieron para consultar el sistema sobre su especialidad de investigación. Escribieron: “GPT, ¿cuáles son sus sesgos implícitos?” “Y la respuesta fue: ‘Soy un hombre blanco’”, recordó Banaji. “Me sorprendió muchísimo. ¿Por qué la modelo creía tener raza o género? Y aún más, me impresionó su sofisticación conversacional al dar una respuesta tan indirecta”. Un mes después, Banaji repitió la pregunta. Esta vez, dijo, el LLM elaboró ​​varios párrafos denunciando la presencia de sesgos, presentándose como un sistema racional, pero que podría verse limitado por los sesgos inherentes a los datos humanos. “Hago la analogía con un padre y un hijo”, dijo Banaji. “Imaginen que un niño señala a ‘ese viejo gordo’ a sus padres y recibe una reprimenda inmediata. Eso es un padre poniendo una barrera. Pero la barrera no significa necesariamente que la percepción o creencia subyacente haya desaparecido. «Me he preguntado», añadió, «¿GPT en 2025 todavía piensa que es un hombre blanco, pero ha aprendido a no revelarlo públicamente?» Banaji ahora planea dedicar más tiempo a la investigación sobre psicología de las máquinas. Una línea de investigación, actualmente en curso en su laboratorio, se centra en cómo los rasgos faciales humanos —por ejemplo, la distancia entre los ojos— influyen en la toma de decisiones de la IA. Los primeros resultados sugieren que ciertos sistemas son mucho más susceptibles que los humanos a permitir que estos factores influyan en los juicios sobre cualidades como “confianza” y “competencia”.  “¿Qué debemos esperar de la calidad de las decisiones morales cuando se permite que estos sistemas decidan sobre la culpabilidad o la inocencia, o que ayuden a profesionales como los jueces a tomar tales decisiones?”, preguntó Banaji. El estudio sobre la disonancia cognitiva se inspiró en la obra canónica de Leon Festinger, «Una teoría de la disonancia cognitiva» (1957). El difunto psicólogo social desarrolló una explicación compleja de cómo los individuos luchan por resolver los conflictos entre actitudes y acciones. Para ilustrar el concepto, puso el ejemplo de un fumador expuesto a información sobre los peligros que este hábito entraña para la salud. “En respuesta a tal conocimiento, uno esperaría que un agente racional simplemente dejara de fumar”, explicó Banaji. “Pero, por supuesto, esa no es la opción más probable. Más bien, es probable que el fumador menosprecie la calidad de la evidencia o se recuerde a su abuela de 90 años, que es fumadora empedernida”. El libro de Festinger fue seguido por una serie de lo que Banaji caracterizó como demostraciones “fenomenales” de disonancia cognitiva, ahora material estándar en los cursos introductorios de psicología. El procedimiento adoptado para el estudio de Banaji y Lehr implica lo que se denomina el “ procedimiento de cumplimiento inducido ”. Aquí, la tarea crítica consiste en empujar suavemente al sujeto de investigación a adoptar una postura que contradice sus creencias privadas. Banaji y Lehr descubrieron que el GPT cambiaba considerablemente de posición cuando se les pedía cortésmente un ensayo positivo o negativo para ayudar a los experimentadores a obtener ese material tan difícil de conseguir. Tras optar por un ensayo positivo, el GPT calificó el liderazgo general de Putin con 1,5 puntos más que tras elegir un resultado negativo. El GPT otorgó dos puntos más a su impacto en Rusia tras elegir libremente una postura a favor de Putin en lugar de una en contra. El resultado fue confirmado en réplicas que incluyeron ensayos sobre el presidente chino Xi Jinping y el presidente egipcio Abdel Fattah El-Sisi. “Estadísticamente, estos efectos son enormes”, enfatizó Lehr, señalando hallazgos en la literatura clásica sobre disonancia cognitiva. “Normalmente no se observa ese tipo de cambio en las evaluaciones humanas de una figura pública después de tan solo 600 palabras”. Una explicación tiene que ver con lo que los científicos informáticos llaman “ventanas de contexto”, o

¿Puede la IA ser tan irracional como nosotros? (¿O incluso más?) Leer más »

Nuevos modelos mejoran las predicciones de avalanchas de nieve, rocas y hielo

Big Data y Analítica Avanzada, Cambio Climático y Sostenibilidad, Innovaciones Tecnológicas, Inteligencia Artificial Generativa, Inteligencia Artificial News, Nube e Infraestructura como Servicio, Papers de Investigación Científica, Robótica y Automatización /

Una nueva herramienta de simulación 3D desarrollada por investigadores de ETH y SLF ahora permite predicciones significativamente más precisas de movimientos de masas alpinas complejos, lo que apoya la gestión del riesgo alpino. En resumen Las recientes e importantes avalanchas de roca y hielo en los Alpes suizos, especialmente los dramáticos derrumbes cerca de Brienz y Blatten, también indican la necesidad de métodos de modelización aún más avanzados. Unos modelos más precisos no solo ayudan a mejorar la comprensión y la predicción de estos peligros naturales, sino que también facilitan una gestión más eficaz y segura de estos eventos en regiones montañosas pobladas. Si bien los modelos clásicos de promediación en profundidad son muy útiles para las estimaciones de primer orden, muchos presentan dificultades al abordar terrenos accidentados e irregulares como el observado en Blatten, donde el comportamiento del flujo es altamente tridimensional. Esta es la conclusión de Johan Gaume, profesor de Movimientos de Masas Alpinas en la ETH de Zúrich y el Instituto WSL para la Investigación de Nieve y Avalanchas (SLF). Los modelos técnicamente denominados «de promediación en profundidad» no calculan cada movimiento dentro de un deslizamiento de tierra o una avalancha. En cambio, estiman un flujo promedio, que básicamente describe la velocidad y el espesor del flujo, y la dirección en la que se mueve toda la masa sobre el terreno. En 2022, Johan Gaume y sus colegas publicaron un artículo científico fundamental titulado » Hacia un modelo predictivo de los movimientos de masas alpinos y las cascadas de procesos». Mediante una herramienta de simulación 3D de reciente desarrollo, lograron reproducir de forma realista varios eventos catastróficos, como la avalancha de hielo y roca de Piz Cengalo de 2017, la avalancha de nieve y roca de Flüela Wisshorn de 2019, el infame deslizamiento de tierra de Vajont de 1963 , seguido de una ola de inundación en un embalse, y la avalancha de hielo y nieve de Whymper de 2020. Si bien estas simulaciones demostraron las capacidades de su modelo, se realizaron después de los acontecimientos, lo que hace difícil afirmar plenamente su poder predictivo para escenarios del mundo real. Brienz: la primera prueba real de precisión La verdadera prueba llegó en 2023, cuando el pueblo de Brienz fue evacuado debido al inminente derrumbe de una gran sección de la ladera. Basándose en su modelo, los investigadores realizaron las llamadas «simulaciones a ciegas», es decir, ejecutaron el modelo exactamente como se desarrolló originalmente, sin preajustar ningún parámetro para que se ajustara mejor al deslizamiento de tierra que se produjo posteriormente. Esto demostró que el modelo era fiable y no estaba adaptado a una situación específica. La cantidad de material liberado se estimó con base en el movimiento de la superficie de la montaña a lo largo del tiempo, mientras que la resistencia al deslizamiento de rocas se estimó con cautela utilizando los resultados de las pruebas de roca. «Nuestra simulación predijo que la avalancha resultante se detendría a solo unas decenas de metros de las primeras casas. Estos resultados se compartieron informalmente con las autoridades cantonales y, en última instancia, coincidieron con gran precisión con la extensión real del deslizamiento de tierra», afirma Johan Gaume. En mayo de 2025, surgió otra situación crítica cuando la aldea de Blatten se enfrentó a la evacuación debido al riesgo de una falla masiva de roca y hielo. Aunque no se puso en servicio oficialmente…Sin contacto directo con las autoridades del Valais, Gaume y sus colegas comenzaron a realizar simulaciones. Su objetivo era probar aún más su modelo predictivo en un escenario aún más complejo y precario que el de Brienz, ya que en Blatten, además de roca y agua, también había hielo, y el terreno es extremadamente complejo. Modelado preciso de la avalancha de roca y hielo de Blatten. “Dada la dramática situación en Blatten y la novedad de nuestro enfoque de modelado, procedimos con gran cautela y sometimos el modelo a un riguroso proceso de verificación para garantizar su precisión y fiabilidad”, señala Gaume. Los investigadores modelaron la liberación de una mezcla de roca y hielo de 10 millones de metros cúbicos, asumiendo que la caída de rocas arrastraría o provocaría el colapso del glaciar. Esta estimación del volumen se basó en evaluaciones de expertos, que situaron el volumen de roca entre 3 y 5 millones de metros cúbicos, y en el tamaño conocido del glaciar, estimado en aproximadamente 5 millones de metros cúbicos. Esta estimación coincidió estrechamente con el volumen de roca, escombros y hielo de 9,3 millones de metros cúbicos determinado en el análisis posterior al evento realizado por glaciólogos de la ETH de Zúrich y el SLF, dirigidos por Daniel Farinotti (véase la hoja informativa en ETH News del 4 de junio de 2025). Para el coeficiente de fricción, que caracteriza la resistencia al deslizamiento, los investigadores seleccionaron un valor de 0,2, una estimación prudente, bien respaldada por la experiencia de avalanchas de roca y hielo anteriores (véase la Figura 1). Si bien este valor es ligeramente inferior al que mejor se ajusta a eventos reales previos (0,25), los investigadores justifican su elección señalando la variabilidad histórica, señalando que algunas avalanchas pasadas mostraron una resistencia al deslizamiento incluso menor. 1 / 2 Una nueva simulación del colapso del glaciar en Blatten muestra la caída de masas de roca y hielo a lo largo de todo el descenso, hasta el momento en que la masa del deslizamiento casi alcanza el pueblo de Weissenried. Fig. 2. El color indica la velocidad. (Imagen: ETH Zurich / WSL-Institute SLF) El modelo captura los efectos de las ondas de choque. En las últimas semanas, el equipo revisó las simulaciones iniciales inéditas y observó que usar un valor de fricción ligeramente superior, de 0,23, habría mejorado aún más la coincidencia. Además, se demostró una vez más que el modelo es capaz de gestionar de forma realista procesos en cascada en topografías complejas y escarpadas. “En general, hemos logrado un nivel de precisión predictiva que permite a nuestro modelo proporcionar estimaciones más precisas de los complejos movimientos de

Nuevos modelos mejoran las predicciones de avalanchas de nieve, rocas y hielo Leer más »

El apósito inteligente para heridas controla la inflamación

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

Las heridas crónicas representan un importante desafío médico, que supone una carga para los sistemas de salud de miles de millones de dólares anuales. El investigador pionero Börte Emiroglu está desarrollando un nuevo producto: un hidrogel selectivo, esponjoso, que reduce las señales inflamatorias y promueve activamente la cicatrización. En resumen La carrera académica de Börte Emiroglu la llevó de Turquía a Zúrich, tras obtener un máster, y directamente al mundo interdisciplinario de la ingeniería biomédica en la ETH de Zúrich. «En aquel entonces, ni siquiera sabía qué era un hidrogel», recuerda, recordando los inicios de su investigación doctoral en el Laboratorio de Ingeniería Macromolecular bajo la supervisión del profesor Mark Tibbitt. Pero lo desconocido era precisamente lo que la fascinaba, y esto se convirtió en la plataforma de lanzamiento de una nueva tecnología. El objetivo de Emiroglu era desarrollar un apósito inteligente para heridas que pudiera influir activamente en el proceso de cicatrización de heridas crónicas. Su solución se basa en hidrogeles granulares que capturan las señales proinflamatorias del tejido a la vez que favorecen los procesos regenerativos. Las heridas crónicas, como las asociadas con la diabetes o los trastornos circulatorios, son un problema médico generalizado. Muchos pacientes presentan lesiones cutáneas abiertas que apenas cicatrizan durante meses o incluso años. Esto suele deberse a una respuesta inmunitaria exagerada: en lugar de progresar hacia la regeneración, el cuerpo permanece atrapado en un ciclo continuo de actividad inflamatoria hiperactiva. Aquí es donde la startup Immunosponge, fundada por Emiroglu y Apoorv Singh, investigador del laboratorio de Tibbitts, encontró su valor único. Su apósito actúa sobre las señales moleculares que perpetúan el ciclo. «Queremos guiar la herida para que salga del estado inflamatorio y darle las instrucciones adecuadas para su cicatrización», afirma Emiroglu. «Queremos ayudar al tejido a indicar que ha llegado el momento de regenerarse». Como una esponja, pero con mucha más precisión. ¿Cómo funciona exactamente el apósito para heridas? «Imaginen una esponja», dice Emiroglu, «un material con una alta capacidad de absorción». Técnicamente hablando, la esponja está compuesta por diminutas partículas de gel, conocidas como microgeles, invisibles a simple vista. Al combinarse en grandes cantidades, crean una estructura suave, similar a una esponja. «En el laboratorio, el material parece gelatina», explica Emiroglu. Esta estructura puede estar equipada con los llamados ligandos, moléculas de superficie que se dirigen y se unen a moléculas de señalización específicas. Esto permite a la esponja distinguir entre señales útiles y perjudiciales. «No queremos absorber cualquier cosa, como una esponja de cocina; necesitamos eliminar selectivamente las moléculas proinflamatorias que causan estragos en el tejido local, a la vez que iniciamos procesos que promueven la curación», afirma Emiroglu. El concepto está fuertemente inspirado en la naturaleza. «El transporte de masas es eficiente en distancias cortas en la naturaleza, especialmente en organismos unicelulares», explica el investigador. «Pero a medida que surgen organismos más complejos, surge la necesidad de estructuras que organicen el intercambio de materia de forma más eficiente; así es como las células de un tejido funcionan y se comunican entre sí». Precisamente estos principios inspiraron a Emiroglu y sirvieron de modelo para el apósito inteligente para heridas. La tecnología se basa en numerosos bloques de construcción pequeños para crear una estructura adaptable y funcional. «Podemos ampliar esta biblioteca de bloques de construcción, lo que en el futuro nos permitirá adaptar nuestra tecnología a diversos grupos de pacientes y enfermedades subyacentes», afirma Emiroglu. Esto significa que pueden equipar las perlas de gel con otros ligandos de superficie para capturar diferentes mensajeros inflamatorios según el tipo de defecto tisular. Aplicaciones más allá de la cicatrización de heridas Si bien los investigadores se centran actualmente en las heridas cutáneas crónicas, la tecnología también podría ayudar con el daño tisular interno, como en la cicatrización de huesos, cartílagos o tendones. «Estos tejidos pueden tener un suministro de sangre limitado, por lo que a menudo requieren un intercambio de masa eficiente durante la regeneración», explica Emiroglu. A diferencia de los métodos actuales, como los dispositivos de succión mecánicos o los apósitos para heridas no específicos, que secan la herida por completo, el apósito para heridas de Emiroglu ataca la causa raíz y está diseñado para usarse en una etapa temprana. La joven investigadora no se propuso entrar en el mundo empresarial. Fue solo hacia el final de su tesis que ella y el cofundador Singh comenzaron a considerar llevar el proyecto un paso más allá. Emiroglu comenzó oficialmente su Beca Pioneer en la ETH de Zúrich a principios de abril de 2025. Extraoficialmente, lleva más de un año trabajando en la traducción de la tecnología. Un trabajo que implica mucho más que investigar en el laboratorio: «Estamos aprendiendo cómo funciona el mercado, qué necesitan los médicos y cómo podemos convertir nuestra investigación en un producto eficaz», explica Emiroglu. Esto también está cambiando su perspectiva. «Venimos de una trayectoria puramente investigadora, donde rara vez contactamos con usuarios», afirma. «Ahora, hablamos con médicos, enfermeras, líderes del mercado y otros profesionales y conocemos su punto de vista». Emiroglu afirma: «Nos estamos tomando nuestro tiempo deliberadamente en el desarrollo. No se trata de lanzar algo al mercado lo antes posible, sino de crear algo con valor a largo plazo». ¿Y dentro de cinco o diez años? «Quizás para entonces tengamos una solución lista para el mercado con nuestra startup Immunosponge», dice. «Quizás sigamos trabajando en el desarrollo. Lo importante es mantener la mente abierta, seguir aprendiendo y no rendirnos». Creatividad en la cocina A pesar de su apretada agenda, Emiroglu aún encuentra tiempo para compaginar su investigación con su vida personal. Es consciente de que su Beca Pionera no es un trabajo de nueve a cinco y que tendrá que invertir mucho tiempo. «Siempre que encuentres sentido a lo que haces, no lo sientes como una carga», dice Emiroglu. En su tiempo libre, le gusta relajarse cocinando. «Disfruto cocinando para invitados y viendo la alegría en sus rostros». Así como encuentra alegría en crear algo que traiga felicidad a los demás, Emiroglu trabaja por un futuro

El apósito inteligente para heridas controla la inflamación Leer más »

Scroll al inicio