El Portal de las Tecnologías para la Innovación

Categoría: Inteligencia Artificial Generativa

Explorando un futuro con cuidadores de robots en el hogar

Allison Okamura, una científica de Hooverats Technology Policy Accelerator, está trabajando en una nueva generación de robots que pueden ayudar a cuidar a las personas en sus hogares a medida que envejecen. Ella responde siete preguntas sobre cómo podría ser la vida con ‘robots blandos’. Okamura Allison es un compañero de ciencia Hoover y el Richard W. Weiland Profesor de Ingeniería en la Universidad de Stanford, Profesor de ingeniería mecánica, con una cita de cortesía en ciencias de la computación. Ella discute robótica con Hooverows Acelerador de Política Tecnológica, cuya investigación e ideas ayudan a los líderes gubernamentales y empresariales a comprender mejor la tecnología emergente y sus implicaciones geopolíticas. Allison, está trabajando en una nueva generación de robots que pueden ayudar a cuidar a las personas en sus hogares a medida que envejecen. ¿Qué factores están impulsando la demanda de ellos? La gente siempre ha imaginado que sería bueno tener robots en sus hogares. Ya sabes, en la cultura popular, ha habido durante mucho tiempo la idea de máquinas como Rosey, la criada robot de Los Jetsons. Sin embargo, la idea de un robot que pueda proporcionar atención en el hogar a las personas es bastante diferente. La demanda de estos robots está siendo impulsada por varias tendencias sociales, que incluyen el envejecimiento de la población, la caída de las tasas de natalidad, las políticas de inmigración, una mejor atención médica que aumenta la longevidad, etc. Simplemente no hay suficientes cuidadores – ya sean profesionales o familiares – para cuidar a las personas a medida que envejecen. Un país como Japón, que tiene una población que envejece y una inmigración limitada, tiende a aceptar más la idea de que los robots cuiden a los ancianos que, por ejemplo, los Estados Unidos. Pero es probable que su uso también crezca aquí. ¿Qué tipo de cosas harán estos robots? Para ayudar con el envejecimiento en su lugar, estos robots ayudarán con las actividades de autocuidado, como ayudar a alguien a usar el baño. Creo que es justo decir que muchas personas mayores no quieren que sus hijos u otros cuidadores humanos les ayuden a bañarse o usar el baño. Los métodos de asistencia que no involucran a otro ser humano podrían aceptarse más fácilmente desde una perspectiva psicológica. ¿Podría describir los cambios tecnológicos que ocurren en la robótica que permiten prever un futuro con los cuidadores de robots? Hay dos tipos principales de cambios que tienen lugar. El primero está en hardware. Muchos robots utilizados hoy en día están en la fabricación, y tienden a ser pesados y rígidos para que puedan mover los materiales exactamente de la manera correcta y hacerlo muy rápidamente. Para los robots que ayudan a alguien a levantarse de la cama, necesita una interfaz más suave para el cuerpo humano. Hay un campo creciente de “robótica suave” que nos ayuda a comprender cómo usar materiales novedosos y estructuras físicas para hacer robots que son inherentemente seguros cuando se trata de interactuar con humanos, pero que aún tienen la fuerza y el poder para proporcionar la asistencia física que las personas necesitan. Los robots blandos usan materiales como tela de punto y caucho que reducen el riesgo de lesiones a los humanos. Más allá del cuerpo del robot, también hay cambios que ocurren en el cerebro del robot. La próxima generación de inteligencia artificial, incluido el desarrollo de modelos básicos y IA generativa, nos está dando una idea de cómo el software puede ayudar a las máquinas a ser más capaces de reaccionar ante escenarios inesperados, lo cual es esencial en situaciones de cuidado. Mirando hacia el futuro, ¿qué tipos de robots de asistencia veremos en los hogares? Creo que irán en dos direcciones. Una de ellas son las máquinas que hacen algo específico, como un robot que está ahí para ayudar a alguien a meterse en una silla o en un asiento del inodoro. Ese robot se instalará permanentemente en una ubicación y tendrá un solo trabajo. Según esa definición, incluso podría llamar robot a una lavadora, pero también podría imaginar algo que clasifique y cargue la ropa. Este tipo de dispositivos podrían ser útiles para las personas en los próximos cinco a diez años. Ya tenemos aspiradoras robóticas en los hogares, pero estoy hablando de una adopción más generalizada de diferentes tipos de máquinas. Pero en última instancia, tener un robot diferente en su casa para cada tarea diferente no será práctico – sería muy caro. Lo que a la gente le gustaría es un robot de uso general. Hay mucho interés e inversión en robots humanoides en este momento, y son atractivos porque potencialmente podrían hacer muchos de los mismos tipos de tareas que los humanos pueden hacer. Pero son extremadamente complejos, así que mi sensación aquí es que estamos hablando más como de veinte a veinticinco años antes de que estén en hogares cuidando a las personas. Weizve vio esto con autos autónomos: la tecnología evolucionó durante un par de décadas y es solo hoy que los vemos desplegados en carreteras en algunas ciudades. La próxima generación de inteligencia artificial…nos está dando una idea de cómo el software puede ayudar a las máquinas a ser más capaces de reaccionar ante escenarios inesperados, lo cual es esencial en situaciones de cuidado ¿Los cuidadores de robots aún requerirán cierta cantidad de supervisión humana? Todavía hay mucho trabajo por hacer tanto en robótica blanda como en IA para llegar a donde queremos estar. Necesitaremos centrarnos más en – e invertir en – haciendo que los materiales blandos sean baratos y duraderos, así como en comprender cómo equilibrar la necesidad de suavidad con la necesidad de resistencia. Eso es un área clave de investigación. Y por el lado de la inteligencia, esta nueva generación de IA aún puede cometer errores imprevistos. Puede que eso no importe para crear un borrador inicial de una carta, pero las consecuencias podrían ser muy graves si la IA se usa para dirigir un robot que ayuda a alguien a salir de una bañera. Hay robotistas que

Leer más »

El Ecosistema Industrial Adopta el Plan Omniverso Mega NVIDIA para Entrenar la IA Física en Gemelos Digitales

El plan para probar flotas de robots en gemelos digitales ahora está disponible en la vista previa. Los avances en la IA física están permitiendo a las organizaciones adoptar IA encarnada en todas sus operaciones, brindando inteligencia, automatización y productividad sin precedentes a las fábricas, almacenes e instalaciones industriales del mundo. Robots humanoides puede trabajar junto con equipos humanos, los robots móviles autónomos (AMR) pueden navegar por entornos de almacén complejos, y las cámaras inteligentes y los agentes visuales de IA pueden monitorear y optimizar instalaciones completas. De esta manera, IA física se está convirtiendo en parte integral de las operaciones industriales actuales. Ayudar a las empresas industriales a acelerar el desarrollo, las pruebas y el despliegue de la IA física, el Mega NVIDIA Omniverse Blueprint para probar flotas multirobot en gemelos digitales ya está disponible en vista previa en construir.nvidia.com. En Messe Hannover — una feria comercial sobre desarrollo industrial que se extiende hasta el 4 de abril en Alemania — líderes de fabricación, almacenamiento y cadena de suministro como Accenture y Schaeffler están mostrando su adopción del plan para simular Digit, un robot humanoide de Agility Robotics, y discutiendo cómo lo usan IA industrial y gemelos digitales para optimizar los diseños de las instalaciones, el flujo de materiales y la colaboración entre humanos y robots dentro de entornos de producción complejos. Además, los socios del ecosistema de NVIDIA — incluyen Delta Electronics Rockwell Automatización y Siemens — está anunciando más integraciones con Omniverso NVIDIA y AI NVIDIA tecnologías en el evento. Gemelos Digitales — el Campo de Entrenamiento para la IA Física Instalaciones industriales gemelos digitales son réplicas virtuales físicamente precisas de instalaciones del mundo real que sirven como campos de prueba críticos para simular y validar la IA física y cómo los robots y las flotas autónomas interactúan, colaboran y abordan tareas complejas antes de la implementación. Los desarrolladores pueden usar Omniverso NVIDIA tecnologías de plataforma y la Descripción de la Escena Universal (OpenUSD) marco para desarrollar gemelos digitales de sus instalaciones y procesos. Este enfoque de simulación primero acelera drásticamente los ciclos de desarrollo al tiempo que reduce los costos y riesgos asociados con las pruebas del mundo real. Construido para una Diversidad de Robots y Agentes de IA El plan Mega equipa a las empresas industriales con un flujo de trabajo de referencia para combinar simulación de sensores y generación de datos sintéticos simular complejas interacciones humano-robot y verificar el rendimiento de los sistemas autónomos en gemelos digitales industriales. Las empresas pueden usar Mega para probar varios cerebros y políticas de robots a escala para movilidad, navegación, destreza y razonamiento espacial. Esto permite que las flotas que comprenden diferentes tipos de robots trabajen juntas como un sistema coordinado. A medida que los cerebros de los robots ejecutan sus misiones en simulación, perciben los resultados de sus acciones a través de la simulación de sensores y planifican su próxima acción. Este ciclo continúa hasta que las políticas se refinen y estén listas para su implementación. Una vez validadas, estas políticas se implementan en robots reales, que continúan aprendiendo de su entorno — enviando información del sensor a través de todo el ciclo y creando un ciclo continuo de aprendizaje y mejora. Transformando Operaciones Industriales con Agentes de IA Visual Además de los AMR y los robots humanoides, los agentes avanzados de IA visual extraen información de datos de video en vivo y grabados, lo que permite nuevos niveles de inteligencia y automatización. Estos agentes visuales de IA aportan conciencia contextual en tiempo real a los robots y ayudan a mejorar la seguridad de los trabajadores, mantener el cumplimiento del almacén, apoyar la inspección visual y maximizar la utilización del espacio. Para apoyar a los desarrolladores que crean agentes visuales de IA, que se pueden integrar con el plan Mega, NVIDIA anunció el año pasado un Plan de IA para búsqueda de video y resumen (VSS). En Hannover Messe, los socios líderes muestran cómo utilizan el plan VSS para mejorar la productividad y la eficiencia operativa. Acelerando la Digitalización Industrial El mundo industrial ahora está experimentando su momento definido por software, con agentes visuales de IA y gemelos digitales como el campo de entrenamiento para la IA física. Únase a NVIDIA y sus socios en Hannover Messe para descubrir cómo los agentes de IA y la simulación en tiempo real, impulsados por NVIDIAias Tres Soluciones Informáticas, están remodelando industrial flujos de trabajo e impulsando la innovación, automatización y eficiencia en fabricación. Lee el blog técnico para obtener más información sobre el plan Mega para flotas de robots industriales. Vea el plan en acción sobre esto página de demostración interactiva. Manténgase actualizado suscribiéndose a Noticias de NVIDIA, uniéndose al Omniverso comunidad y siguiendo a NVIDIA Omniverse en Instagram, LinkedIn, Medio y X. Explora el nuevo ritmo propio Aprende OpenUSD plan de estudios de capacitación que incluye cursos gratuitos del Instituto de Aprendizaje Profundo de NVIDIA para profesionales y desarrolladores en 3D. Imagen destacada cortesía de Accenture, Agility Robotics y Schaeffler. Ver aviso respecto a la información del producto de software. NVIDIA Blog. J. McK. Traducido al español

Leer más »

Gen AI tiene el potencial de transformar la atención médica global – y la tensión ‘entre la perfecta y la buena’

El director del Centro de Salud Digital de Stanford comparte información sobre las herramientas de IA que cierran las brechas de atención médica en los países de bajos y medianos ingresos. Cuando se trata de problemas de salud globales generalizados, ChatGPT y similares pueden no ser la primera solución que se te ocurra. Pero la IA generativa, el tipo de modelo de lenguaje grande que subyace a los chatbots de inteligencia artificial como ChatGPT, podría tener mucho que ofrecer en países de bajos y medianos ingresos donde el acceso a atención médica confiable sigue siendo un obstáculo para muchos. Eleni Linos, MD, DrPH, el director de la Centro Stanford para la Salud Digitalpasa mucho tiempo pensando en cómo las herramientas digitales, incluida la IA generativa, podrían abordar los problemas de salud que los humanos no han podido resolver. Recientemente, Linos y su equipo de investigación en el centro coautor de un informe sobre la aplicación de IAA generativa para la salud en países de bajos y medianos ingresos en colaboración con Isabella de Vere Hunt de Oxford y Soule Sarah, la decana entrante de la Graduate School of Business y el Stanford Center for Advanced Study in Behavioral Science, que lideró durante nuestra investigación. ¿Cómo surgió este informe? Hablamos con Linos sobre cómo la IA se puede utilizar para proporcionar atención médica personalizada y confiable e información a los pacientes, especialmente en entornos donde la atención médica de alta calidad es difícil de acceder, o cuando las personas dudan en discutir cosas como las pruebas de VIH o la salud reproductiva con su médico. Linos, el profesor de Medicina Ben Davenport y Lucy Zhang, también discutió la dificultad de llegar a los pacientes de forma remota en lugares donde muchos hogares no tienen acceso a herramientas en línea. Esta entrevista ha sido editada por su longitud y claridad. A medida que el uso generativo de IA crece rápidamente, la oportunidad de transformar las vidas de las personas en todo el mundo también ha aumentado. El potencial – el optimismo – de que finalmente podemos proporcionar atención médica de alta calidad para todos está aquí. Muchas organizaciones están invirtiendo en proyectos de salud de GenaI en todo el mundo, pero no sabíamos cómo se están utilizando estas herramientas. ¿Qué funciona y qué no funciona? Para averiguarlo, realizamos entrevistas detalladas con trabajadores de la salud, formuladores de políticas, financiadores y desarrolladores de tecnología. Además, encuestamos a cientos de partes interesadas que trabajan en este campo y realizamos dos mesas redondas en Stanford y en Nairobi, Kenia. Nuestro objetivo era proporcionar información oportuna para informar la próxima etapa de inversión y uso de estas tecnologías. ¿Qué tiene de diferente el uso de IA generativa en países de bajos y medianos ingresos que en países de altos ingresos? El acceso a la infraestructura básica de atención médica es muy diferente. Encontrar atención, especialmente atención especializada, es difícil en muchos de estos países con comunidades rurales donde las personas pueden enfrentar largas distancias de viaje a clínicas, costos prohibitivos y escasez de tratamientos y profesionales de la salud capacitados. Cuando se trata de estos modelos de IA, el lenguaje es otro gran desafío. Muchos modelos de IA están capacitados en inglés u otros idiomas comunes, y las traducciones a los miles de idiomas diferentes que se hablan en África, por ejemplo, pueden no ser precisas. Luego está la escala requerida para satisfacer las necesidades de salud de miles de millones de personas que viven en entornos de bajos ingresos. Finalmente, muchas personas en estas comunidades no tienen acceso a Internet o herramientas digitales. Hay una tensión con cualquier modelo de IA para la salud entre lo perfecto y lo suficientemente bueno. Obviamente, primero debemos priorizar la seguridad. Pero si su alternativa es ir por la calle a un médico capacitado que pueda brindar una atención excelente, con empatía y confianza en lugar de obtener su información de un chatbot de IA, eso es una cosa – sus estándares para ese chatbot pueden ser bastante altos. Pero si no tienes esa alternativa o si tu alternativa está esperando nueve meses, lo que cuenta como lo suficientemente bueno es diferente. En muchos entornos, especialmente si las personas están sufriendo, es posible que no tengamos tiempo para esperar el modelo de IA perfecto. ¿Qué es un ejemplo de cómo se utiliza la IA generativa en estos entornos? Uno de los ejemplos más ampliamente escalados que destacamos en el informe es el sistema de PROMPTS de Jacaranda Healthis en Kenia. PROMPTS es un servicio bidireccional de salud materna basado en SMS que proporciona respuestas oportunas generadas por IA a preguntas de pacientes embarazadas y posparto. Desde la integración de un modelo de IA personalizado en Swahili e inglés, el sistema ha mejorado significativamente los tiempos de respuesta – desde horas o días hasta solo minutos. Al combinar la IA con la supervisión humana, PROMPTS ha llegado a más de 500,000 usuarios solo en 2024. El sistema señala casos de alto riesgo para el seguimiento humano inmediato, asegurando que la IA mejore, en lugar de reemplazar, la experiencia humana. Este es un cambio de juego en la atención de la salud materna, particularmente en regiones donde las complicaciones relacionadas con el embarazo siguen siendo la principal causa de muerte. ¿Cuáles son los problemas que aún deben superarse? Además de los desafíos conocidos de la IA en la atención médica: calidad de los datos, consideraciones éticas, privacidad, sesgo algorítmico y las barandillas necesarias para superarlos, nuestra investigación identificó algunos desafíos adicionales específicos para entornos de bajos y medianos ingresos. Muchos de los desarrolladores que trabajan en estos problemas sienten que todos están trabajando en paralelo sin hablar entre sí, en parte porque la tecnología se mueve tan rápido. Necesitamos encontrar una manera confiable para que todos en este campo aprendan unos de otros sobre los éxitos y las luchas. En relación, necesitamos establecer consistencia en las métricas que usamos para medir el éxito para poder comparar como con, algo que nuestro equipo está ayudando a

Leer más »

IBM y la Université de Sherbrooke anuncian dos sillas de investigación cuántica

El primer presidente, el profesor de UdeS Cunlu Zhou, discute sus planes para proyectos de descubrimiento de algoritmos cuánticos. La Université de Sherbrooke(UdeS), un socio de IBM Quantum Network desde hace mucho tiempo, está lanzando los dos primeros puestos de IBM Quantum Research Chair como parte de su Institut quantique (IQ). Con el apoyo de IBM Canadá, las sillas llevarán a cabo proyectos dirigidos por estudiantes centrados en tres áreas durante un período de cinco años. La primera área implica impulsar el descubrimiento de algoritmos utilizando las computadoras cuánticas actuales a escala de utilidad de IBM —, que incluyen En 2023, PINQ2 e IBM dieron a conocer el primer IBM Quantum System One del país, que Université de Sherbrookeaks IQ ha dedicado acceso al sistema. Leer más, aquí.PINQ2’s IBM Quantum System Oney sistemas futuros que serán capaces de corregir errores por el fin de la década. El segundo se centra en ejecutar demostraciones de hardware cuántico a gran escala que empujan las capacidades de los sistemas de IBM hacia la ventaja cuántica. Y el tercero explora cómo traducir la investigación de algoritmos en aplicaciones industriales con el apoyo de Distriq, Zona de Innovación Cuántica de Québecats, con sede en Sherbrooke. El primer presidente de investigación, Dr. Zhou Cunlu, es profesor asistente de informática en UdeS. Su investigación se centra en la interacción entre la computación cuántica, la teoría de la complejidad y la física cuántica de muchos cuerpos. En este Q&A, Zhou discute sus planes y expectativas para asumir el descubrimiento de algoritmos cuánticos en su papel como Presidente de Investigación Cuántica de IBM de UdeS. La segunda cátedra de investigación, que se anunciará próximamente, tendrá la oportunidad de colaborar con el equipo de Zhouats, así como con otros investigadores cuánticos en Canadá y de todo el mundo, para adaptar y aplicar algoritmos cuánticos a los casos de uso de la industria. El segundo puesto de Presidente de Investigación Cuántica de IBM será en el Departamento de Ingeniería Eléctrica e Informática de UdeSs. Para obtener más información sobre este puesto de nivel de profesor, por favor llegar a UdeS. IBM y UdeS le presentarán la próxima Cátedra IBM Quantum Research pronto. Preguntas y respuestas con el profesor de UdeS Cunlu Zhou, Presidente de Investigación Quantum de IBM ¿Qué es lo que más le interesa de la computación cuántica y qué hace que UdeS sea ideal para su investigación? Tal vez déjame compartir primero cómo me metí en la computación cuántica. Me presentaron por primera vez durante una pasantía de verano en el laboratorio de investigación de IBM en Dublín en 2018, mientras cursaba mi doctorado en matemáticas en la Universidad de Notre Dame. Para mi doctorado, estaba trabajando en algoritmos de optimización y teoría clásica de codificación de corrección de errores, por lo que antes de comenzar mi pasantía realmente no sabía mucho sobre computación cuántica. Durante la pasantía, mi mentor me sugirió que explorara las posibles aplicaciones de la computación cuántica en problemas de optimización. Aprendí los conceptos básicos de la computación cuántica durante ese tiempo, y a medida que profundizaba, me fascinó cómo la mecánica cuántica podría ofrecer formas fundamentalmente nuevas de resolver problemas que son intratables para las computadoras clásicas. Lo que más me emociona de la computación cuántica es la naturaleza interdisciplinaria del campo — reúne física, informática, matemáticas e ingeniería para empujar los límites de lo que es computacionalmente posible. Ser parte de esa convergencia es desafiante y profundamente gratificante. Creo que hay tres aspectos clave que hacen de UdeS el lugar ideal para mí para hacer investigación cuántica: su gente, comunidad y asociaciones industriales. Iianve tuvo el privilegio de trabajar con algunos de los mejores colegas e investigadores de clase mundial aquí. UdeS también tiene una de las comunidades cuánticas más dinámicas, centrada en el IQ, un instituto de renombre mundial que enfatiza la investigación interdisciplinaria en ciencia cuántica. Para el desarrollo de algoritmos cuánticos, uno de mis enfoques de investigación, la colaboración con socios de la industria es crucial. UdeS tiene fuertes relaciones con empresas como IBM, y la creación de esta silla de investigación es un gran ejemplo de ello. Además, UdeS es la primera universidad de habla francesa en ofrecer una licenciatura en Ciencias de la Información Cuántica, que es una excelente fuente para reclutar personas altamente calificadas. ¿Qué ha cambiado — y ha sido la mayor sorpresa — desde que comenzó a trabajar en el campo de la computación cuántica? ¡Mucho ha cambiado! Por un lado, el hardware cuántico ha visto grandes avances, no solo en el número de qubits sino también en su calidad. Weiosve hizo la transición de la era de los dispositivos cuánticos pequeños y experimentales al era de la utilidad cuántica, anunciado por primera vez por IBM en 2023. También ha habido un cambio importante hacia la corrección cuántica de errores (QEC), con un rápido progreso en esta área en los últimos años. En el frente del algoritmo, las personas se han movido en gran medida más allá de los algoritmos cuánticos variacionales simples a algoritmos de escala de utilidad más sofisticados para experimentos a corto plazo, así como algoritmos cuánticos tolerantes a fallas tempranas. Otros grandes cambios incluyen un aumento en las inversiones globales y el crecimiento de los ecosistemas cuánticos, como el que se desarrolla en Sherbrooke. Además, estamos viendo más programas de pregrado y posgrado destinados a capacitar a la próxima generación de talento cuántico, como el programa que tenemos en UdeS. La mayor sorpresa para mí ha sido la rapidez con que QEC está avanzando. A este ritmo, no es descabellado imaginar una computadora cuántica temprana tolerante a fallas en los próximos cinco años. De hecho, según IBMics última hoja de ruta cuántica, esperamos ver un sistema cuántico con 200 qubits lógicos capaces de ejecutar 100 millones de puertas. ¡Eso sería increíble! ¿Cuál es su primer objetivo como la nueva Cátedra de Investigación Quantum de IBM de UdeSs? Para construir un grupo que trabaje en el desarrollo de algoritmos cuánticos. Entonces, estoy reclutando. ¿Qué hace que el descubrimiento de

Leer más »

Skild AI acelera el desarrollo de un cerebro robot similar al humano con soluciones de IA de Hewlett Packard Enterprise

La infraestructura lista para HPE AI avanza en el desarrollo de IA arraigada en el mundo físico, abarcando el entrenamiento de modelos y la inferencia En este artículo HOUSTON – 13 de marzo de 2025 – AI Skild, una empresa que crea modelos de fundación de IA y software diseñado para impulsar una amplia gama de dispositivos y aplicaciones robóticas, está impulsando una expansión exponencial de sus operaciones de ingeniería con una IA privada y seguracomo-un-servicio solución de STN que comprende servidores de IA y soluciones de almacenamiento de Empresa Hewlett Packard (NYSE: HPE). El despliegue avanzará el desarrollo de Skild AIi de inteligencia general artificial (AGI) arraigada en el mundo físico. Skild AI está adoptando el enfoque innovador de desarrollar lo que llama Skild Brain, un Impulsado por IAsolución basada en el aprendizaje y altamente adaptable que funcionará en cualquier escenario, tarea o dispositivo Construyendo un propósito general, Impulsado por IA cerebro robótico A diferencia de otras aplicaciones robóticas, donde el software es especialmente diseñado para un robot específico, Skild AI está adoptando el enfoque innovador de desarrollar lo que llama Skild Brain, un Impulsado por IAsolución basada en el aprendizaje y altamente adaptable que funcionará en cualquier escenario, tarea o dispositivo. Para hacer esto, la solución de los compañeros difiere de la metodología actual de IA, donde los datos estáticos se utilizan para entrenar un modelo y luego inferir contra él. En cambio, Skild Brain recopila datos dinámicamente en tiempo real, al igual que un cerebro humanizado está recopilando información constantemente. Luego, realiza simultáneamente cargas de trabajo de modelado e inferencia. Esta novedosa aplicación de IA requiere potentes servidores de alto rendimiento equipados con computación acelerada NVIDIA de vanguardia.  “los creadores de IA, como Skild AI, están llevando la innovación al siguiente nivel y requieren soluciones que les ayuden a construir tecnologías innovadoras mientras están tiempo de comercialización” dijo Trish Damkroger, vicepresidente senior y gerente general de HPC & AI Infrastructure Solutions en HPE. “Estamos encantados de empoderar a Skild AI para que se centre en crear IA transformadora utilizando nuestro especialmente diseñado soluciones y servicios que respaldan todo el ciclo de vida a través de la capacitación, la sintonización y la inferencia, y vía rápida su viaje.” “En contraste con los sistemas robóticos preprogramados tradicionales, weirre está construyendo inteligencia multipropósito basada en el mundo físico,” explica Deepak Pathak, CEO de Skild AI. “De esta manera, estamos desarrollando tomadores de decisiones generalmente inteligentes que superan a la IA agénica enfocada digitalmente de hoy en día al aplicar esos mismos principios al mundo físico. Esta combinación de inteligencia digital y física hace de nuestro Skild Brain un agente de IA en el sentido más verdadero. A medida que nuestro progreso de desarrollo se mueve excepcionalmente rápido, weweve aprovechó el almacenamiento y los servidores de HPE con la computación acelerada de NVIDIA y la experiencia de STNn para desarrollar una IA privada y personalizadacomo-un-servicio solución con escalabilidad, flexibilidad, confiabilidad y la capacidad de agregar rápidamente recursos tecnológicos a medida que los necesitamos Skild AI trabajó con STN, un Proveedor de Servicios Listo para Socios de HPE, para aprovechar el servicio GPU One basado en la infraestructura de IA de HPE y la computación acelerada de NVIDIA AI-AIcomo-un servicio para cargas de trabajo de inteligencia física de vanguardia Después de usar inicialmente solo soluciones de nube pública, Skild AI trabajó con STN, un Proveedor de Servicios Listo para Socios de HPE, para aprovechar el servicio GPU One basado en la infraestructura de IA de HPE y la computación acelerada de NVIDIA. Esta solución permite que la puesta en marcha de la robótica ejecute cargas de trabajo de inferencia y entrenamiento de IA cada vez más avanzadas necesarias para combinar inteligencia digital y física. AI-STNnscomo-un servicio la solución para Skild AI permite una gestión de datos fluida, un acceso rápido a grandes conjuntos de datos y un rendimiento de almacenamiento optimizado. La solución de IA se basa en Cray HPE XD670 impulsado por HGX H200 NVIDIA para acelerar la capacitación en modelos de lenguaje grande (LLM), el procesamiento del lenguaje natural (NLP) y el entrenamiento multimodal con Servidores HPE ProLiant Compute DL380a Gen12 con ocho L40S NVIDIA para apoyar la visualización del modelo. Esto permite a Skild AI probar, refinar y visualizar de manera eficiente su Impulsado por IA modelos de inteligencia física y digital. Skild AI también aprovechó los modelos de la fundación mundial NVIDIA Cosmos (WFM) y NVIDIA Isaac Lab, un marco para que el robot aprenda a entrenar y mejorar Skild Brain en simulación para ayudarlo a generalizar y realizar una multitud de tareas en el mundo real. “Es un honor construir una solución de infraestructura de IA de alto rendimiento personalizable y proporcionarla como-un-servicio para una compañía notable como Skild AI,” dijo Sabur Mian, CEO y fundador de STN. “Weisre se comprometió a garantizar que Skild Brain tenga los tiempos de respuesta requeridos y la flexibilidad para agregar recursos según sea necesario para expandir.”IA en el mundo físico llegará pronto a un robot cerca de ti Skild Brain inicialmente será el objetivo de los robots de construcción, fabricación y seguridad, y prevé escalar esta infraestructura en una fábrica de IA, integrando capacidades de capacitación y producción. “Como Skild Brain debe realizar tareas de IA en el mundo físico a velocidades significativamente más altas que la mayoría de las aplicaciones, la colaboración perfecta entre HPE, STN y NVIDIA es fundamental para proporcionarnos los recursos personalizables y escalables que necesitamos,” dijo Abhinav Gupta, presidente de Skild AI. “Weirre está muy satisfecho con nuestra asociación con HPE mientras trabajamos para lograr la visión y los objetivos de nuestra empresaRecursos Adicionales: HPE News. Traducido al español

Leer más »

AI HLS Encendido

Transformando Salud y Ciencias de la Vida con Azure AI 🚀 Presentamos el programa AI HLS Ignited ¡—Para Todos! ¡Sí, Eso Significa TÚ! La IA está evolucionando rápidamente, y mantenerse al día con su impacto en el mundo real puede ser un desafío. ¿Estás liderando el cambio o te estás quedando atrás? Es por eso que IiM se complace en invitarlo a nuestra serie gratuita de seminarios web en vivo, donde WeiWll explorará cómo la IA está transformando la Atención Médica y las Ciencias de la Vida con aplicaciones del mundo real. Qué Esperar✔ Expert-Led Insights: Únase a mí y a mis compañeros expertos en IA de campo de Microsoft mientras mostramos soluciones del mundo real y estrategias de vanguardia que dan forma al futuro de la atención médica.✔ Strategic + Technical Depth: Ya sea que sea un ejecutivo centrado en el ROI o un desarrollador que busque información técnica profunda, estas sesiones proporcionarán análisis de impacto comercial, inmersiones técnicas profundas y acceso al código después de cada sesión.✔ AI en acción: Vea cómo la IA está optimizando los flujos de trabajo clínicos, mejorando los resultados de los pacientes y acelerando la toma de decisiones con un impacto medible. 📅 Puntos Limitados DisponiblesEsta serie tiene un límite de 1,000 asistentes por sesión: asegure su lugar hoy y explore cómo la IA está redefiniendo la atención médica. Regístrese a continuación y verifique los comentarios para la lista completa de sesiones. Bienvenido a AI HLS Encendido, una serie de seminarios web dedicados a mostrar soluciones de IA de alto impacto en el mundo real en la industria de Salud y Ciencias de la Vida (HLS). Desarrollado por AI Azure y presentado por Arquitectos de Microsoft AI y expertos de la industriaesta serie está diseñada para impulsar un cambio significativo en la atención médica a través de la innovación impulsada por la IA. Detalles de la serie Webinar 🛑EN VIVO FY25 Próximas Sesiones 📅 Sesión Registro Tiempo Creación de Tiendas de Conocimiento Clínico con IA con Azure AI Search Registrarse aquí Miércoles, 26 de marzo de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Monitoreo y Evaluación de LLM en Contextos Clínicos con Azure AI Foundry Registrarse aquí Miércoles, 9 de abril de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Extracción, Interpretación y Resumen de Información Clínica con Azure OpenAI Registrarse aquí Miércoles, 23 de abril de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Reducción de Cargas Administrativas en Facturación y Codificación con Azure AI Registrarse aquí Miércoles, 7 de mayo de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Optimización de la Recuperación de Datos Clínicos con Sistemas Agentic en Azure AI Foundry Registrarse aquí Miércoles, 21 de mayo de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Acelerar el Procesamiento de Reclamaciones con los Últimos Modelos de Razonamiento de Azure OpenAI Registrarse aquí Miércoles, 4 de junio de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Automatizar el Precartaje del Paciente con Integración de Voz en Tiempo Real Registrarse aquí Miércoles, 18 de junio de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Mejora de la Precisión Diagnóstica en Radiología con Lecturas Preliminares Generadas por IA Registrarse aquí Miércoles, 2 de julio de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT De la Frustración a la Automatización: Acelerando la Autorización Previa con Azure AI Registrarse aquí Miércoles, 16 de julio de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Nota: Todas las sesiones son virtuales y gratuitas para asistir. ¿A quién Debería Asistir? 🎯 🔹 Ejecutivos de Salud y Tomadores de DecisionesBuscando soluciones prácticas de IA con un ROI claro¿? Este evento está diseñado para líderes que buscan aplicaciones reales de IA más allá de los chatbots, centrándose en soluciones transformadoras que impulsan la eficiencia y mejorar los resultados de los pacientes. Microsoft Blog. S. A. Traducido al español

Leer más »

Uso de IA para diagnosticar la enfermedad celíaca

La investigación muestra que la IA es tan buena como los patólogos para diagnosticar la enfermedad celíaca Un algoritmo de aprendizaje automático desarrollado por científicos de Cambridge pudo identificar correctamente en 97 casos de cada 100 si un individuo tenía o no enfermedad celíaca según su biopsia, según una nueva investigación. La herramienta de IA, que ha sido entrenada en casi 3,400 biopsias escaneadas de cuatro hospitales del NHS, podría acelerar el diagnóstico de la afección y eliminar la presión de los recursos de atención médica estirados, así como mejorar el diagnóstico en los países en desarrollo, donde la escasez de patólogos es grave. Las herramientas digitales que pueden acelerar o incluso automatizar el análisis de las pruebas de diagnóstico están comenzando a mostrar una promesa real para reducir las demandas de los patólogos. Una gran cantidad de este trabajo se ha centrado en la detección del cáncer, pero los investigadores están empezando a buscar oportunidades para diagnosticar otros tipos de enfermedades. Una condición que están siendo examinados por los científicos de la Universidad de Cambridge es la enfermedad celíaca, una enfermedad autoinmune provocada por el consumo de gluten. Causa síntomas que incluyen calambres estomacales, diarrea, erupciones cutáneas, pérdida de peso, fatiga y anemia. Debido a que los síntomas varían mucho entre los individuos, los pacientes a menudo tienen dificultades para recibir un diagnóstico preciso. El estándar de oro para diagnosticar la enfermedad celíaca es a través de una biopsia del duodeno (parte del intestino delgado). Luego, los patólogos analizarán la muestra bajo un microscopio o en una computadora para buscar daños en las vellosidades, pequeñas proyecciones similares a pelos que recubren el interior del intestino delgado. Interpretar biopsias, que a menudo tienen cambios sutiles, puede ser subjetivo. Los patólogos usan un sistema de clasificación conocido como la escala Marsh-Oberhuber para juzgar la gravedad de un caso, que va desde cero (las vellosidades son normales y es poco probable que el paciente tenga la enfermedad) hasta cuatro (las vellosidades están completamente aplanadas). Imágenes microscópicas que muestran vellosidades sanas (izquierda) y vellosidades enfermas (derecha). (Crédito: Florian Jaeckle) En una investigación publicada hoy en el New England Journal of Medicine AIlos investigadores de Cambridge desarrollaron un algoritmo de aprendizaje automático para clasificar los datos de imágenes de biopsia. El algoritmo fue entrenado y probado en un conjunto de datos diverso a gran escala que consta de más de 4,000 imágenes obtenidas de cinco hospitales diferentes utilizando cinco escáneres diferentes de cuatro compañías diferentes. Autor principal Profesora Elizabeth Soilleux desde el Departamento de Patología y Churchill College de la Universidad de Cambridge, dijo: “la enfermedad celíaca afecta a una de cada 100 personas y puede causar enfermedades graves, pero obtener un diagnóstico no es sencillo. Puede tomar muchos años recibir un diagnóstico preciso, y en un momento de intensas presiones sobre los sistemas de salud, es probable que estos retrasos continúen. «La IA tiene el potencial de acelerar este proceso, permitiendo a los pacientes recibir un diagnóstico más rápido, mientras que al mismo tiempo quita la presión de las listas de espera del NHS.» El equipo probó su algoritmo en un conjunto de datos independiente de casi 650 imágenes de una fuente nunca antes vista. Basándose en comparaciones con los diagnósticos patólogos’ originales, los investigadores demostraron que el modelo era correcto en su diagnóstico en más de 97 casos de cada 100. El modelo tenía una sensibilidad de más del 95%, lo que significa que identificó correctamente más de 95 casos de cada 100 personas que tenían enfermedad celíaca. También tenía una especificidad de casi el 98%, lo que significa que se identificó correctamente en casi 98 casos de cada 100 personas que no tenían enfermedad celíaca. Investigaciones anteriores del equipo han demostrado que incluso los patólogos pueden estar en desacuerdo sobre los diagnósticos. Cuando se les mostró una serie de 100 diapositivas y se les pidió que diagnosticaran si un paciente tenía enfermedad celíaca, no tenía la enfermedad o si el diagnóstico era indeterminado, el equipo demostró que había desacuerdo en más de uno de cada cinco casos. Esta vez, los investigadores pidieron a cuatro patólogos que revisaran 30 diapositivas y descubrieron que era tan probable que un patólogo estuviera de acuerdo con el modelo de IA como con un segundo patólogo. Dr. Florian Jaeckle, también del Departamento de Patología, y un Investigador en Hughes Hall, Cambridge, dijo: “Esta es la primera vez que se ha demostrado que la IA diagnostica con tanta precisión como un patólogo experimentado si un individuo tiene celíaco o no. Debido a que lo capacitamos en conjuntos de datos generados bajo una serie de condiciones diferentes, sabemos que debería poder funcionar en una amplia gama de entornos, donde las biopsias se procesan y se obtienen imágenes de manera diferente. “Este es un paso importante para acelerar los diagnósticos y liberar a los patólogos’ tiempo para centrarse en casos más complejos o urgentes. Nuestro siguiente paso es probar el algoritmo en una muestra clínica mucho más grande, poniéndonos en condiciones de compartir este dispositivo con el regulador, acercándonos a esta herramienta que se utiliza en el NHS.” Los investigadores han estado trabajando con grupos de pacientes, incluso a través de Coeliac UK, para compartir su enfoque y discutir con ellos su receptividad a la tecnología como esta que se está utilizando. “Cuando hablamos con pacientes, generalmente son muy receptivos al uso de la IA para diagnosticar la enfermedad celíaca, añadió el Dr. Jaeckle. “Esto sin duda refleja en parte sus experiencias de las dificultades y retrasos en la recepción de un diagnóstico. “Un problema que surge con frecuencia tanto con los pacientes como con los médicos es el problema de ‘explicabilidad’ – ser capaz de entender y explicar cómo la IA alcanza su diagnóstico. Es importante para nosotros como investigadores y para los reguladores tener esto en cuenta si queremos asegurarnos de que haya confianza pública en las aplicaciones de la IA en medicine.” El profesor Soilleux y el Dr. Jaeckle han creado una empresa spinout, Lyzeum Ltd, para comercializar

Leer más »

Escuela de Verano «SUSTAIN-E» sobre Electrónica Sostenible

El proyecto GreenChips-EDU Europeo, apoyado por Grenoble INP, está organizando una Escuela de Verano sobre electrónica sostenible en colaboración con el proyecto europeo EECONE y el Labex Microelectronique (UGA) del 16 de junio al 20 de junio de 2025. SUSTAIN-E (SUMmer School on susTAINable Electronics) presenta los desafíos de sostenibilidad en electrónica y cubre metodologías de diseño ecológico, recuperación de materiales y criticidad, estacas económicas y regulatorias. La escuela de verano está dirigida a estudiantes de maestría, doctorado y profesionales en los campos relevantes. Tendrá lugar del 16 de junio al 20 de junio de 2025 en la Escuela de Ingeniería Grenoble INP – Phelma en Grenoble (Francia) y se llevará a cabo en inglés. Método de aplicación (hasta el 31 de marzo de 2025) Para obtener más información sobre las aplicaciones, el programa y los temas, visite el sitio web del proyecto. Si tiene alguna pregunta, comuníquese con sustain@ciencesconf.org INP Grenoble – UGA News. Traducido al español

Leer más »

DTU-Startups quiere hacer que el envío sea más sostenible y monitorear el entorno marino con IA

Anemo Robotics y Tergy Sagava han avanzado a la final del Danish Tech Challenge, una competencia de hardware donde los empresarios presentan sus ideas de negocios con la oportunidad de ganar DKK 500,000. DTUuks MSc en Emprendimiento Tecnológico capacita a los estudiantes para convertirse en empresarios y establecer nuevas empresas. Los dos graduados Jan Wilske y Nejc Novak son excelentes ejemplos de esto. Jan Wilske es CEO y cofundador de la compañía de biocombustibles Tergy Sagava, que convierte la biomasa residual en biocombustibles sostenibles para el transporte marítimo, utilizando un proceso negativo en carbono. Nejc Novak es CEO y cofundador de Anemo Robotics, que ha inventado una cámara submarina que utiliza IA para hacer que el monitoreo de la biodiversidad marina sea más fácil y más barato. El 8 de abril de 2025, los dos competirán para ganar medio millón de DKK en el programa de crecimiento Danish Tech Challenge junto con otras cuatro startups. Tecnología verde para la industria azul Si Tergy Sagava gana el Danish Tech Challenge, el premio se utilizará para realizar una demostración de su biocombustible a bordo de un buque oceánico este año. ”La demostración, en colaboración con nuestros clientes principales, es clave para lograr una validación comercial completa y acuerdos de compra seguros con las compañías navieras. Esto nos permite centrarnos completamente en ampliar la producción y entregar más biocombustibles al mercado, explica Jan Wilske. Un acuerdo de compra significa que un cliente se compromete a comprar un cierto volumen de combustible en un premio determinado por una duración específica. Esto es particularmente importante para atraer inversores y escalar el negocio. Para Anemo Robotics, participar en el Danish Tech Challenge se trata tanto de crear conciencia sobre la crisis de biodiversidad que enfrentamos como de ganar el gran premio: “El problema con la biodiversidad es que es difícil de medir y cuantificar. Nuestro objetivo es hacerlo transparente y medible para que las personas puedan entender lo importante que es, dice Nejc Novak, y agrega: “Tenemos un verano ocupado por delante, ampliándonos para implementar 25 nuevos sistemas de cámaras. Si ganamos la competencia, usaremos los fondos para ayudarnos a alcanzar nuestro próximo hito de implementar 50 cámaras. Esto significa expandir el esfuerzo de ventas y construir el equipo adecuado para impulsar nuestra visión: crear estaciones autónomas de monitoreo de biodiversidad marina.» Condiciones óptimas para el crecimiento Los participantes en Danish Tech Challenge pasan por un programa de crecimiento de cinco meses con talleres, sparring y capacitación. Las startups adquieren conocimientos en 10 disciplinas, como desarrollo de productos, dinámica de equipos, IP y ventas, que son fundamentales para que crezcan y salgan al mercado. “El Danish Tech Challenge nos ayudó a proteger nuestro negocio, especialmente asegurando clientes principales e incorporando a Adam Nielsen, un experto en descarbonización marítima con 20+ años de experiencia en el sector marítimo,’ Jan Wilske dice sobre los beneficios del programa. Las startups se centran en el desafío social que están resolviendo y su impacto de technologies’ y la estrategia de products’ go to market. “Una de las conclusiones más importantes del Danish Tech Challenge ha sido la expansión de nuestra red con empresarios increíblemente calificados que son inspiradores y nos han ayudado a resolver más de unos pocos problemas, dice Nejc Novak, cuyo equipo consta de siete miembros, incluidos dos biólogos marinos que ayudan a crear los informes de biodiversidad. El programa de crecimiento culmina con una final donde seis startups, incluidas Anemo Robotics y Tergy Sagava, presentan su idea de negocio en una entrega de premios el 8 de abril de 2025 en Microsoft en Lyngby. El ganador será seleccionado por un jurado externo.  Si Anemo Robotics gana la competencia, el dinero del premio se utilizará para ayudar a la startup a alcanzar su próximo hito de implementar 50 cámaras. Foto: Anemo Robotics DTU News. Traducido al español

Leer más »
Scroll al inicio