El Portal de las Tecnologías para la Innovación

Categoría: IoT

Las descripciones generales de IA en las búsquedas están llegando a más lugares del mundo

Con AI Overviews in Search, es más fácil que nunca para las personas encontrar la información que necesitan y descubrir sitios relevantes en la web, lo que abre más oportunidades para conectarse con editores, empresas y creadores. Desde su lanzamiento en mayo y su expansión más allá de los EE. UU. en agosto , los comentarios que hemos recibido sobre AI Overviews han sido muy positivos. Las personas prefieren usar la función de búsqueda con AI Overviews y encuentran que sus resultados de búsqueda son más útiles. Ahora, en nuestra mayor expansión hasta el momento, estamos lanzando AI Overviews en más de 100 países y haciéndolos accesibles en más idiomas, lo que lo ayudará a buscar de una manera completamente nueva, sin importar qué preguntas tenga en mente. Ampliación de AI Overviews a más de 100 países A partir de esta semana, AI Overviews comenzará a implementarse en más de 100 países y territorios de todo el mundo. Con esta última expansión, AI Overviews tendrá más de mil millones de usuarios globales cada mes. Como parte de esta actualización, también ampliamos la compatibilidad con otros idiomas. Si te encuentras en un país con AI Overviews, ahora puedes obtenerlas en cualquiera de los idiomas admitidos actualmente, incluidos inglés, hindi, indonesio, japonés, portugués y español. Por ejemplo, si estás en Estados Unidos y hablas español, ahora puedes ver AI Overviews en tu idioma preferido. Conectando con lo mejor de la web Ayudar a las personas a descubrir contenido de editoriales, empresas y creadores sigue siendo fundamental en nuestro enfoque con AI Overviews en la Búsqueda. Desde mayo, hemos introducido formas más destacadas de mostrar enlaces a sitios web relevantes dentro de AI Overviews, con una visualización de enlaces a la derecha en la computadora de escritorio y una experiencia similar en dispositivos móviles, a la que se puede acceder tocando los íconos del sitio en la esquina superior derecha. Y a principios de este mes, lanzamos enlaces en línea que aparecen directamente dentro del texto de AI Overviews. En nuestras pruebas, estas actualizaciones generaron un aumento en el tráfico a los sitios web de apoyo en comparación con los diseños anteriores. Como siempre, los anuncios seguirán apareciendo en espacios dedicados a lo largo de la página, con etiquetas claras para distinguir entre resultados orgánicos y patrocinados. Y como compartimos a principios de este mes , los anuncios en AI Overviews ahora están disponibles en consultas relevantes para usuarios de dispositivos móviles en los EE. UU., por lo que podemos conectar mejor a las personas con los productos y las marcas que son útiles para sus búsquedas. Las descripciones generales de IA son solo una de las formas en que ampliamos los tipos de preguntas que puedes hacer en Google y facilitamos la exploración de contenido en línea. Para obtener más información, lee más sobre las últimas actualizaciones impulsadas por IA en la Búsqueda . Google. S. V. Traducido al español

Leer más »

Más transparencia para las ediciones con IA en Google Fotos

A menudo editamos nuestras fotos para que destaquen. A veces, eso significa hacer un cambio simple en una foto, como recortarla. Otras veces, puede implicar cambios más complejos, como eliminar distracciones u objetos no deseados, perfeccionar la iluminación o incluso crear una nueva composición. Estas solían ser tareas complejas que consumían mucho tiempo, pero la IA ha cambiado eso: potencia las herramientas de edición como Magic Editor y Magic Eraser en Google Photos. A medida que llevamos estas herramientas a más personas, reconocemos la importancia de hacerlo de manera responsable con nuestros Principios de IA como guía. Para mejorar aún más la transparencia, estamos facilitando la visualización de cuándo se han utilizado ediciones de IA en Google Photos. A partir de la próxima semana, Google Photos indicará cuándo se ha editado una foto con la IA de Google directamente en la aplicación Photos. Las fotos editadas con herramientas como Magic Editor, Magic Eraser y Zoom Enhance ya incluyen metadatos basados ​​en estándares técnicos del Consejo Internacional de Prensa y Telecomunicaciones ( IPTC ) para indicar que han sido editadas con IA generativa. Ahora vamos un paso más allá y hacemos que esta información sea visible junto con información como el nombre del archivo, la ubicación y el estado de la copia de seguridad en la aplicación Fotos. Además de indicar cuándo se ha editado una imagen mediante IA generativa, también utilizaremos metadatos IPTC para indicar cuándo una imagen está compuesta por elementos de diferentes fotos mediante funciones no generativas. Por ejemplo, Best Take en Pixel 8 y Pixel 9, y Add Me en Pixel 9 utilizan imágenes capturadas muy juntas en el tiempo para crear una imagen combinada que te ayudará a capturar excelentes fotos grupales. Este trabajo no ha terminado y continuaremos recopilando comentarios y evaluando soluciones adicionales para agregar más transparencia en las ediciones de IA. Google. J. P. Traducido al español

Leer más »

Enseñanza y experimentación: un nuevo proyecto de Stanford ayuda a los educadores a comprender y utilizar la IA en sus aulas

Un nuevo espacio de creación físico y digital brinda soporte para aplicaciones de IA en la enseñanza y el aprendizaje. Brandi Cannon, ex profesora de ciencias de secundaria y actual estudiante de doctorado en la Escuela de Posgrado en Educación de Stanford (GSE), es la profesora asistente de la clase de educación en ciencias del Programa de Formación Docente de Stanford . Cannon y Bryan Brown, profesor de la clase y miembro del equipo docente de Stanford Accelerator for Learning, saben que en la actualidad es fundamental para ellos incorporar la inteligencia artificial al plan de estudios. Pero Cannon era cautelosa a la hora de introducir herramientas de IA para la enseñanza y el aprendizaje sin una vía de acceso para que los candidatos a docentes comprendieran cómo funciona la IA y cómo utilizarla de forma segura y reflexiva. Cannon decidió visitar el nuevo AI Tinkery. El proyecto AI Tinkery, que se lanzó este otoño en el Stanford Accelerator for Learning, ayuda a los educadores a explorar cómo la IA puede apoyar su práctica docente. A lo largo de una serie de reuniones individuales, Jessica Ann, la gerente de AI Tinkery, compartió recursos que Cannon podía utilizar, varios desarrollados por Classroom-Ready Resources About AI For Teaching (CRAFT) y el Center to Support Excellence in Teaching (CSET). Decidieron que los estudiantes usaran tarjetas para desarrollar sus propias definiciones de IA, realizaran una actividad práctica con ejemplos de casos de uso de IA en el aula y crearan un organizador gráfico para desarrollar sus posturas personales sobre IA. Cannon se fue del proyecto Tinkery con un plan de lección de 30 minutos listo para usar para presentar la IA a los candidatos a docentes. Entonces, ¿qué es un ‘Tinkery’? La IA es uno de los mayores interrogantes de los últimos dos años para educadores, administradores escolares y líderes de distrito. Un informe reciente concluyó que el 92 % de los docentes y líderes educativos vieron demanda de orientación sobre el uso de la IA en el aula, y fue la segunda prioridad más alta en tecnología educativa, después de la ciberseguridad, para los tomadores de decisiones de educación estatales. La IA para la enseñanza y el aprendizaje, particularmente con jóvenes, es un tema tan urgente que el Departamento de Educación de los EE. UU. creó un informe de ideas y recomendaciones menos de un año después del lanzamiento de ChatGPT. La tecnología dominó las conversaciones en la conferencia ASU+GSV de este año , a pesar de la adición de una reunión de educadores de IA de dos días antes del evento. Entra en escena AI Tinkery. Inspirado en el concepto de un espacio de creación, un espacio físico que apoya la exploración, el juego, la experimentación y la iteración hacia una solución a un problema, Tinkery ofrece una experiencia denominada “phygital” (física y digital) que permite a los educadores explorar lo que quieren y necesitan saber sobre la IA. Karin Forssell, fundadora y directora de GSE Makery , también es la fundadora y directora de la nueva AI Tinkery. “Ambos espacios son prácticos, pero en AI Tinkery hay que trabajar con el teclado”, explicó. Ubicado en un rincón colorido del primer piso del Centro de Investigación Educativa de Stanford (CERAS) y en línea , AI Tinkery ofrece acceso a herramientas de IA, investigación y casos de uso en las aulas; orientación para un uso eficaz y ético; y oportunidades para construir una comunidad y compartir ideas con otros educadores. Sobre todo, es un espacio de aprendizaje informal destinado a despertar la imaginación y permitir la experimentación. «No solo vienes al espacio para aprender sobre IA, vienes al espacio para experimentar con ella», dijo Ann. AI Tinkery da la bienvenida a educadores de todo tipo: maestros de escuelas primarias y secundarias, instructores universitarios, asistentes de cátedra, investigadores educativos y estudiantes que desarrollan nuevas herramientas de aprendizaje de IA. “El objetivo es crear un espacio colaborativo donde la comunidad aprenda y comparta con los demás”, afirmó Ann. Ann y Forssell recopilan recursos de Stanford y de fuera de él para atender a los visitantes de AI Tinkery, incluida una gran cantidad de investigaciones emergentes sobre IA y aprendizaje en todas las disciplinas; planes de lecciones y orientación pedagógica de CRAFT, CSET, Stanford Center for Teaching and Learning y Stanford Institute for Human-Centered Artificial Intelligence (HAI); y acceso a la tecnología a través de Stanford IT AI Playground . «Nuestro objetivo es ampliar estos recursos y conectar a las personas con ellos», dijo Ann. Ann y los mentores de AI Tinkery, estudiantes de Stanford contratados para trabajar en el espacio, se desempeñan como bibliotecarios que ayudan a los visitantes a navegar por esta plétora de información. Trabajan con los educadores para determinar qué herramienta podría ser útil en un escenario de clase determinado y sugieren actividades existentes o planes de lecciones que podrían funcionar. Si no se les ocurre nada de inmediato, saben dónde buscar y a quién preguntar. La programación inicial de AI Tinkery incluye horas de puertas abiertas, acceso para explorar herramientas que normalmente tienen un muro de pago, talleres dirigidos por expertos de todo el campus y sesiones de apoyo individuales. El equipo también ha visitado las aulas de Stanford para impartir lecciones puntuales. Próximamente, AI Tinkery organizará “Tinker Time”, una sesión mensual práctica para experimentar con una herramienta de IA específica; demostraciones de productos de la industria; e intercambios de educadores virtuales dirigidos por profesores. Dando forma al futuro de la IA para el aprendizaje A medida que la tecnología de IA evoluciona, también lo hará la forma en que los docentes la utilizan. “En AI Tinkery, fomentamos conversaciones enriquecedoras sobre lo que es posible con estas nuevas tecnologías”, dijo Forssell. “Involucramos a una amplia gama de estudiantes y los ayudamos a todos a acercarse a las respuestas a sus propias preguntas”. “Este no es un espacio para hablar de IA”, dijo Ann. “Es un espacio para hablar con otros educadores y hacer preguntas difíciles sobre las implicaciones de esta tecnología y descubrir cómo funcionará en el aula”. Forssell destacó que AI Tinkery está diseñado para ser flexible y adaptable a la naturaleza iterativa de la enseñanza y

Leer más »

El profesor adaptó el tutor de IA al curso de física. La participación se duplicó.

Los hallazgos preliminares inspiran a otras grandes clases de Harvard a probar el enfoque este otoño. Piense en un curso típico de física en la universidad: toma de notas con rapidez, tareas difíciles, estudio para exámenes difíciles. Ahora imagine tener acceso a un tutor que responde preguntas a cualquier hora, nunca se cansa y nunca juzga. ¿Podría aprender más? ¿Quizás hasta el doble? Esa es la conclusión inesperada de un  estudio de Harvard  que examinó los resultados de aprendizaje de los estudiantes en un  curso de física grande y popular  que trabajaron con un chatbot de inteligencia artificial diseñado a medida el otoño pasado. En comparación con un entorno de aula de «aprendizaje activo» más típico en el que los estudiantes aprenden en grupo con un instructor humano, la versión con soporte de IA resultó ser sorprendentemente más efectiva. El estudio estuvo a cargo del profesor  Gregory Kestin  y la profesora titular  Kelly Miller , quienes analizaron los resultados de aprendizaje de 194 estudiantes matriculados el otoño pasado en el  curso de Ciencias Físicas 2 de Kestin  , que es física para estudiantes de ciencias de la vida. Los resultados finales están pendientes de publicación. Antes del estudio, el equipo recurrió a su experiencia en enseñanza y contenido para elaborar instrucciones que el tutor de IA debía seguir en cada lección para que se comportara como un instructor experimentado.  “Comenzamos el estudio con mucha curiosidad por saber si nuestro tutor de IA podría ser tan eficaz como los instructores presenciales”, dijo Kestin, quien también se desempeña como director asociado de educación científica. “Y ciertamente no esperaba que los estudiantes encontraran la lección impulsada por IA más interesante”.  Pero eso es exactamente lo que sucedió: el tutor de IA no solo pareció ayudar a los estudiantes a aprender más material, sino que los estudiantes también informaron tener significativamente más compromiso y motivación para aprender cuando trabajaban con IA.  “Fue impactante y súper emocionante”, dijo Miller, considerando que PS2 ya está “muy, muy bien enseñado”.  «Han estado haciendo esto durante mucho tiempo y ha habido muchas iteraciones de esta pedagogía específica basada en la investigación. Es una operación muy estricta», agregó Miller.  El experimento muestra la ventaja de utilizar la tutoría de IA como primera introducción sustancial de los estudiantes a material desafiante, escribieron los investigadores en su artículo. Si la IA puede utilizarse para enseñar eficazmente material introductorio a los estudiantes fuera de clase, esto permitiría dedicar «un valioso tiempo de clase» a desarrollar «habilidades de orden superior, como la resolución avanzada de problemas, el aprendizaje basado en proyectos y el trabajo en grupo», continuaron. Aunque están entusiasmados por el potencial de la IA para revolucionar la educación, Kestin y Miller son conscientes de sus posibles usos indebidos. “Si bien la IA tiene el potencial de potenciar el aprendizaje, también podría debilitarlo si no tenemos cuidado”, dijo Kestin. “Los tutores de IA no deberían ‘pensar’ por los estudiantes, sino ayudarlos a desarrollar habilidades de pensamiento crítico. Los tutores de IA no deberían reemplazar la instrucción en persona, sino ayudar a todos los estudiantes a prepararse mejor para ella, y posiblemente de una manera más atractiva que nunca”. El estudio, aprobado por la Junta de Revisión Institucional, se llevó a cabo en el otoño de 2023. Casi 200 estudiantes dieron su consentimiento para participar en el estudio, que involucró a dos grupos, cada uno de los cuales experimentó dos lecciones en semanas consecutivas. Durante la primera semana, el Grupo 1 participó en una lección en el aula de aprendizaje activo guiada por un instructor, mientras que el Grupo 2 participó en una lección con apoyo de IA en casa que siguió un diseño paralelo basado en investigaciones; las condiciones se invirtieron la semana siguiente.  Los investigadores creen que la capacidad de los estudiantes de recibir retroalimentación personalizada y seguir su propio ritmo con el tutor de IA son ventajas en comparación con el aprendizaje en clase. Los autores del estudio compararon los avances en el aprendizaje de cada tipo de lección mediante pruebas previas y posteriores para medir el dominio del contenido. También preguntaron a los estudiantes qué tan comprometidos se sentían con cada tipo de instrucción, cuánto disfrutaban de cada tipo, qué tan motivados estaban y cómo evaluarían su «mentalidad de crecimiento».  Según el análisis preliminar del estudio, los avances en el aprendizaje de los estudiantes del grupo con tutoría de IA fueron aproximadamente el doble que los de los estudiantes del grupo con tutoría presencial. Los investigadores creen que la capacidad de los estudiantes de recibir retroalimentación personalizada y de seguir su propio ritmo con el tutor de IA son ventajas en comparación con el aprendizaje presencial.  En varios contextos de clase, “los estudiantes que tienen una formación muy sólida en el material pueden estar menos interesados ​​y, a veces, se aburren”, dijo Miller. “Y los estudiantes que no tienen la formación adecuada a veces tienen dificultades para seguir el ritmo. Por lo tanto, el hecho de que este [tutor de IA] pueda apoyar esa diferencia es probablemente el factor más importante”. Esto es especialmente valioso cuando a los estudiantes se les presentan por primera vez conceptos y problemas sobre temas que solo algunos estudiantes han visto antes, dijeron los investigadores.  Miller destacó que el tutor de IA fue personalizado con ingeniería de indicaciones basada en investigación y “andamiaje” para garantizar que las lecciones fueran precisas y bien estructuradas. Kestin comenzó a crear el sitio web que alberga el tutor de PS2 el verano anterior, poco después de que ChatGPT hiciera su debut mundial. El  marco  está construido sobre la interfaz de programación de aplicaciones GPT y está estructurado de manera que las conversaciones, incluida la personalidad del tutor de IA y la calidad de la retroalimentación, estén previamente examinadas. Por lo tanto, en lugar de adoptar el comportamiento predeterminado de ChatGPT, el tutor personalizado proporciona a los usuarios información guiada por indicaciones ricas en contenido que se han refinado y colocado en el marco.  Una vez construido el marco, fue fácil comenzar a personalizarlo para otros cursos y materias, dijo

Leer más »

Un nuevo método computacional podría cambiar las reglas del juego en el rastreo de los contaminadores de los ríos

Un nuevo método computacional desarrollado por investigadores de la Universidad de Oxford y el Imperial College de Londres utiliza una técnica innovadora para rastrear las fuentes de contaminación de los ríos. En un estudio de caso, el modelo identificó la fuente de un pesticida neonicotinoide nocivo (prohibido para uso agrícola) en un hábitat de arroyo calcáreo poco común. En los últimos meses, ha habido protestas a nivel nacional contra las compañías de agua que permiten que la contaminación de los ríos por aguas residuales supere los límites aceptables. Esto, combinado con la contaminación procedente de fertilizantes y productos químicos agrícolas, ha provocado que solo el 14% de los ríos de Inglaterra alcancen actualmente un estado ecológico «bueno». Pero hasta la fecha, no ha habido ningún método sólido para identificar las fuentes probables de contaminación de los ríos, lo que hace que sea casi imposible abordar el problema de manera eficaz. «El primer paso para mitigar la contaminación de un río es determinar dónde está el problema. Estos nuevos métodos matemáticos «inversos» proporcionan una forma objetiva de determinar dónde y cómo los contaminantes ingresan a las redes fluviales a partir de los datos de monitoreo únicamente.» El codirector del estudio,  el Dr. Alex Lipp  (Departamento de Ciencias de la Tierra y Merton College, Universidad de Oxford) Un estudio reciente de investigación coescrito por científicos de la Universidad de Oxford ofrece ahora un nuevo enfoque que utiliza un «modelo inverso», que trabaja a la inversa a partir de las observaciones de contaminación en los ríos y las rastrea hasta su fuente probable. Esto contrasta con los métodos actuales de «modelización prospectiva», que parten de un conjunto supuesto de fuentes de contaminación y avanzan hacia adelante para estimar la distribución y el alcance final de los contaminantes. Sin embargo, este método tiene varios defectos críticos, a saber, que las fuentes potenciales deben conocerse de antemano y que a menudo se basa en grandes suposiciones y datos inciertos. El doctor Alex Lipp (Departamento de Ciencias de la Tierra y Merton College, Universidad de Oxford) , uno de los responsables del estudio , afirmó: «El primer paso para mitigar la contaminación de un río es determinar dónde está el problema. Estos nuevos métodos matemáticos «inversos» proporcionan una forma objetiva de determinar dónde y cómo los contaminantes entran en las redes fluviales a partir de los datos de seguimiento únicamente». La nueva técnica se probó en el río Wandle, un arroyo calcáreo en el suroeste de Londres que ha provocado indignación local por el reciente vertido de aguas residuales . Recientemente, se detectó el pesticida neonicotinoide imidacloprid en el río Wandle a pesar de que su uso en los campos del Reino Unido es ilegal desde 2018. Utilizando el nuevo modelo inverso, los investigadores concluyeron que, en su gran mayoría, el imidacloprid presente en el río Wandle proviene de una pequeña parte del río que contiene el desagüe de una planta de tratamiento de aguas residuales. El coautor principal, el Dr. Gareth Roberts (Departamento de Ciencias de la Tierra e Ingeniería, Imperial College London), dijo: «Esto respalda la idea de que el imidacloprid en nuestros ríos puede tener su origen en su uso como medicamento para mascotas , ingresando a los sistemas de alcantarillado después de ser arrastrado por los desagües y evadiendo su eliminación en las instalaciones de tratamiento de aguas residuales». Llamado a los ciudadanos a convertirse en «guardianes del río» Habiendo demostrado el poder del enfoque de modelado inverso, el Dr. Lipp está interesado en verlo ampliado y, en última instancia, convertirse en una parte clave del futuro del monitoreo de la calidad del agua. «Una aplicación de este enfoque que me interesa mucho es el análisis de datos de ciencia ciudadana», añadió el Dr. Lipp. «Los grupos de campañas ciudadanas generan con frecuencia fantásticos conjuntos de datos de alta densidad sobre contaminantes como el fósforo y el nitrato en los ríos, y este enfoque inverso podría utilizarse para convertir estos datos en información útil». El río Wandle. Crédito: Whiteway, Getty Images.Los datos de los ciudadanos ya se han utilizado como parte de las campañas nacionales en favor de los ríos. Por ejemplo, los análisis de calidad del agua realizados por científicos ciudadanos de River Action detectaron altos niveles de bacterias E. coli a lo largo del río Támesis antes de la Henley Royal Regatta . Este nuevo enfoque de modelización podría ayudar a los «guardianes de los ríos» voluntarios a tomar medidas más específicas contra los contaminadores. El director ejecutivo de River Action, James Wallace, afirmó: «Los infractores reincidentes, como las compañías de agua y la agricultura a escala industrial, a menudo intentan eludir la responsabilidad, culpando a otros por el lodo que dejan entrar libremente en nuestros ríos. Pero los enfoques de modelización como este nuevo algoritmo podrían, en última instancia, empoderar a una legión de científicos ciudadanos de todo el Reino Unido para señalar las fuentes de contaminación, sin dejar a los perpetradores ningún lugar donde esconderse». ‘La Agencia de Medio Ambiente debe explorar ahora más el potencial de los nuevos métodos y la ciencia ciudadana en sus procesos contra los contaminadores y las sanciones subsiguientes, junto con una financiación gubernamental adecuada en el próximo presupuesto para empoderar al regulador para hacer cumplir la ley. Mejorar el poder de monitoreo de la contaminación envía un mensaje poderoso: contaminar es bajo tu propio riesgo y no para obtener ganancias’. Marcando la diferencia con los datos Los infractores reincidentes, como las compañías de agua y la agricultura a escala industrial, a menudo intentan eludir la responsabilidad, culpando a otros por el lodo que dejan entrar libremente en nuestros ríos. Pero los enfoques de modelización como este nuevo algoritmo podrían, en última instancia, empoderar a una legión de científicos ciudadanos en todo el Reino Unido para identificar las fuentes de contaminación, sin dejar a los perpetradores donde esconderse. Director ejecutivo de  River Action  , James Wallace El nuevo estudio se basa en el enfoque basado en datos del Dr. Lipp para abordar la «crisis de los ríos». En 2023, con su colaborador Jonathan Dawe, del British Antarctic Survey, desarrolló www.sewagemap.co.uk , un sitio web gratuito y

Leer más »

Los análisis de voz y habla pueden detectar la demencia

Utilizando inteligencia artificial, la empresa emergente de DTU DemensAI puede detectar signos tempranos de demencia. Son las 2 de la madrugada en Corea del Sur. Anton Birn, CEO y cofundador de DemensAI, se despierta con el sonido de su teléfono. En la pantalla aparece el nombre de uno de sus compañeros. Soñoliento, coge el teléfono y se lo lleva a la oreja. Es el DTU Startup Day en su país de origen, Dinamarca, donde más de 60 nuevas empresas emergentes de la DTU hacen presentaciones ante inversores y mentores. El día culmina con una ceremonia de entrega de premios en la que DemensAI recibe el Sten Scheibye Innovation Award, que se otorga a una empresa emergente que desarrolla soluciones que abordan algunos de los desafíos más urgentes del mundo. “Aplaudo todo lo que puedo cuando estoy medio despierto. El premio significa mucho para nosotros, sobre todo porque nos enfrentamos a un gran grupo de empresas emergentes. Así que es genial ver que podemos competir a ese nivel”, afirma Anton Birn. Mientras que Anton Birn está estudiando un semestre en Corea del Sur para estudiar ingeniería eléctrica en la DTU, sus tres compañeros se han incorporado a DemensAI a tiempo completo. Como la empresa no genera ingresos, los emprendedores se las arreglan principalmente con subvenciones de fundaciones y organizaciones. En diciembre de 2023 recibieron una subvención de un millón de coronas danesas del programa para emprendedores Innofounder del Fondo de Innovación de Dinamarca, que apoyará el trabajo de la empresa en 2024. ¿Qué es un modelo de lenguaje? Un modelo de lenguaje grande (LLM) es un tipo de inteligencia artificial entrenada utilizando grandes cantidades de datos en forma de artículos, libros, sitios web, etc. A partir de los datos, el modelo adquiere una comprensión del lenguaje similar al humano, lo que le permite calcular la probabilidad de una respuesta o resultado.ChatGPT, Siri y Google Translate son ejemplos de servicios que utilizan un LLM. Cambios en la voz DemensAI utiliza un modelo de lenguaje similar a ChatGPT para diagnosticar con precisión la demencia en una etapa temprana. Una grabación de audio de una consulta entre un médico y un paciente con sospecha de demencia se ejecuta a través del modelo de lenguaje en la computadora. Luego, el modelo analiza tanto las características acústicas como las lingüísticas de la grabación. El análisis acústico incluye el seguimiento del volumen de la voz del paciente y las pausas que se hacen mientras habla, y el análisis lingüístico incluye la transcripción del archivo de audio, de la misma manera que se generan subtítulos automáticos en YouTube, y luego se analiza el vocabulario y la gramática del paciente. “Podemos aprender mucho sobre la voz de una persona que un ser humano nunca podría detectar. Esto incluye detectar la demencia a través de cambios o patrones microscópicos en la voz o las palabras que se utilizan. Por ejemplo, un patrón típico en las personas con demencia es olvidar los nombres de las personas. El problema es que si tienes demencia en etapa temprana, existe el riesgo de que tu médico concluya erróneamente que no la tienes porque los síntomas son muy difíciles de detectar. Nuestro modelo de lenguaje ayudará a detectar la demencia en más personas”, afirma Anton Birn. Las pruebas han demostrado que el modelo de lenguaje de DemensAI puede diagnosticar la demencia en el 87 por ciento de los casos. Demencia Una afección que afecta al cerebro y es más común en personas mayores.  Más de 200 enfermedades diferentes pueden causar demencia. El Centro Danés de Investigación sobre la Demencia estima que: El diagnóstico temprano puede ser crucial La demencia es una de las principales causas de muerte en Dinamarca. A medida que aumenta la esperanza de vida, también lo hace el número de personas con demencia y, con el sistema sanitario bajo presión, el tiempo de espera para una evaluación de demencia puede ser de más de un año. La larga espera puede ser un gran problema para las personas con demencia, que pierden un valioso tiempo de preparación. “El diagnóstico de demencia permite al paciente comprender por qué de repente tiene problemas en el trabajo o en casa con su familia. También abre la puerta a oportunidades como buscar apoyo en el municipio para que tal vez pueda trabajar más tiempo y su familia comprenda por qué ha cambiado. En algunas formas de demencia, los síntomas también se pueden retrasar mediante un tratamiento médico, una dieta saludable, mantenerse físicamente activo, socializar y estimular el cerebro”, afirma Lene Iben Hvidkjær, asesora profesional en demencia de la Asociación Danesa de Alzheimer (Alzheimerforeningen). Formación de modelos adicionales Los pacientes con sospecha de demencia serán examinados inicialmente por su propio médico, quien luego podrá derivarlos a una clínica de memoria. Y aquí es donde la espera puede ser larga. “El problema es que, en pacientes con demencia en fase temprana, puede resultar muy difícil determinar con precisión el diagnóstico específico de demencia con las herramientas de cribado actuales. Las herramientas de cribado son caras y solo están disponibles en las clínicas de memoria, donde las listas de espera son muy largas. Las pruebas de cribado disponibles actualmente para los médicos de cabecera solo se pueden utilizar para evaluar el grado de deterioro cognitivo y no la causa subyacente. Esto significa que muchos de los pacientes derivados posteriormente resultan tener depresión en lugar de demencia, por ejemplo, lo que requiere una derivación completamente diferente”, afirma Anton Birn. El equipo detrás de DemensAI está trabajando para establecer una colaboración con varias clínicas de memoria. A través de esta colaboración, su modelo obtendrá un conjunto de datos más grande con grabaciones de audio de las consultas, lo que permitirá al equipo entrenar aún más el modelo y hacerlo aún más preciso. El plan es utilizar 2024 para verificar el rendimiento del modelo antes de probarlo e implementarlo en las clínicas en 2025. DTU. M. S. J.

Leer más »

¿Qué te dice tu gato? Esta nueva tecnología descifra los maullidos

¿Tu gato te está diciendo «¡Dame de comer!» o «Te quiero»? Una nueva app que usa la inteligencia artificial promete decirte los que su felino te está diciendo. A veces, lo que mi gata atigrada de siete años, Ofelia, quiere, es obvio. Cantar a la tirolesa frente a su plato de comida vacío a la hora de la cena indica claramente que corre el riesgo de morir de hambre inminente. Otras veces, sin embargo, sus maullidos son un completo y total misterio. Ahí es donde Sergei Dreizin y Mark Boyes, científicos informáticos de Akvelon, una empresa de ingeniería de software con sede en Bellevue, Washington (Estados Unidos), dicen que pueden ayudar. El dúo es el cerebro detrás de la aplicación MeowTalk, que tiene como objetivo «brindar a los dueños de gatos las mejores herramientas disponibles» para interpretar las necesidades de sus mascotas. «Los gatos tienen vocabulario y definitivamente entenderás mejor a tu gato si realmente le prestas atención», dice Dreizin. La aplicación gratuita graba los maullidos de tu felino y los traduce en una pequeña gama de frases, como «Estoy molesto» y «¡Dame de comer!» Los usuarios pueden calificar la precisión de las traducciones de MeowTalk, lo que refina aún más el modelo informático. Lanzada en noviembre de 2020, la aplicación se ha descargado más de 20 millones de veces, y Dreizin estima que el programa ha analizado más de 1000 millones de maullidos hasta la fecha.  «Somos los mayores depositarios de maullidos en esta galaxia», bromea. La aplicación es parte de un conjunto en expansión de tecnologías diseñadas para ayudarnos a comunicarnos con nuestros amigos peludos. Otro es FluentPet, que entrena a tu mascota a presionar botones para comunicar una necesidad; por ejemplo, un gato puede aprender a presionar un botón que dice la palabra «jugar». La especialista en comportamiento felino y experta en comunicación Charlotte de Mouzon no está convencida de la precisión de estos productos, pero fortalecer la relación con tu gato siempre es un objetivo inteligente. «Si la gente juega con la aplicación [MeowTalk], tal vez se vuelvan más atentos a sus gatos», dice De Mouzon, de la Universidad de París Nanterre. (Relacionado: ¿Tu gato te prefiere a ti o a su comida?) El maullido del gato Los gatos domésticos utilizan los cinco sentidos para comunicarse con sus compañeros felinos. Los olores de la orina y el aceite de la piel transmiten la salud, el sexo y la receptividad del gato al apareamiento. El lenguaje corporal transmite estado de ánimo: el pelaje esponjoso y la espalda arqueada indican miedo, mientras que las orejas orientadas hacia adelante y una cola agitada significan satisfacción y alerta. La comunicación vocal entre gatos, por otro lado, se limita principalmente a silbidos y gruñidos para establecer territorios y resolver disputas. En particular, los gatos adultos no maúllan entre sí, esa es una vocalización reservada para las personas. «Estos sonidos han evolucionado para cumplir un propósito muy funcional, y no son complicados», dice Jennifer Vonk, psicóloga de la Universidad de Oakland en Estados Unidos. «Simplemente es posible que no seamos tan hábiles para leer sus señales como ellos lo son para captar las nuestras», añade. Por ejemplo, en un estudio de 2023, De Mouzon y sus colegas descubrieron que muchos propietarios no saben cuándo su gato está descontento. Por ejemplo, el ronroneo: si bien los gatos a menudo ronronean cuando se sienten bien, también pueden ronronear cuando se sienten incómodos o con dolor. (Relacionado: ¿Hasta qué punto nos entienden nuestros gatos?) La curiosidad impulsó la aplicación Cuando Boyes y Dreizin buscaban datos para informar su nueva aplicación, se encontraron con una investigación de 2019 que reveló que los maullidos de los gatos contienen ciertas características compartidas. Luego, los autores del estudio construyeron un programa informático para analizar las grabaciones de audio de 21 gatos adultos maullando en tres escenarios: esperando comida, siendo cepillados y estando solos en un entorno desconocido. Cada escenario dio lugar a un tipo específico de maullido que el análisis informático pudo clasificar. Los fundadores de MeowTalk utilizaron estas grabaciones de audio de decenas de miles de maullidos para desarrollar sus modelos informáticos, que se alimentan de inteligencia artificial. Funcionó: un estudio de 2021 descubrió que MeowTalk puede clasificar nueve «frases» felinas con un 90 por ciento de precisión. (Relacionado: Así es el mundo según tu gato) «Te quiero»… ¿seguro? Aun así, tanto Dreizin como Boyes enfatizan que el programa de IA no es perfecto, algo en los que Vonk y De Mouzon están de acuerdo. Cada científico descargó MeowTalk con resultados variables; la aplicación tradujo un maullido de uno de los gatos de De Mouzon como «Te amo», lo que parecía inexacto, dice. «Le falta mucha información. Mi gata estaba sentada al lado de su plato y pedía comida fresca», dice De Mouzon.  Vonk se mostró igualmente escéptico con FluentPet, señalando que los gatos ya saben lo que están comunicando a sus humanos y pedirles que presionen un botón complica el asunto. Inevitablemente hay una cierta cantidad de conjeturas, pero simplemente prestar atención a las señales y el lenguaje corporal de tu gato es de gran ayuda, dice. De hecho, dice De Mouzon, las personas son mucho más hábiles para interpretar a su gato cuando pueden verlo y escucharlo. En última instancia, siempre habrá momentos en los que los maullidos de tu gato simplemente no tengan sentido y eso está bien. «La comunicación es un proceso de aprendizaje conjunto entre cada gato y su familia humana», dice De Mouzon. NationalGeographic. C. A. Traducido al español

Leer más »

Proyecto SusMatEner: materiales sostenibles para el sector energético

El proyecto europeo Materiales sostenibles por diseño para energías renovables (SusMatEner), que recientemente recibió una subvención de la UE por cuatro años, tiene como objetivo diseñar materiales para el sector energético que garanticen la sostenibilidad ambiental. El proyecto SusMatEner, coordinado por la Universidad de Burdeos, reúne a cinco socios académicos, entre ellos el Grenoble INP – UGA, y a varios socios industriales importantes. Entre los socios académicos se encuentran universidades y centros de investigación de renombre de Burdeos, Lovaina, Darmstadt, Lisboa y, por supuesto, Grenoble. Este proyecto, con un presupuesto de 3 millones de euros, financiará quince tesis codirigidas, cinco de las cuales implicarán directamente al Grenoble INP – UGA. “El objetivo principal del proyecto es adoptar un enfoque sostenible de la energía mediante la integración de la inteligencia artificial (IA) en el proceso de optimización de los materiales”, explica Daniel Bellet, investigador del LMGP.*Un enfoque innovador impulsado por A El aprendizaje automático y el aprendizaje profundo permiten diseñar materiales personalizados que no solo están optimizados en términos de propiedades físicas y químicas, sino que también minimizan su impacto ambiental. Este enfoque innovador integra la reflexión sobre el ciclo de vida de los materiales desde el principio, lo que es esencial para garantizar su durabilidad. SusMatEner se centra en varios ámbitos de investigación clave, como el diseño de materiales a base de cobre para aplicaciones fotovoltaicas que sustituyan a la plata, ya que este sector representa actualmente entre el 10 y el 12 % de la producción actual. La necesidad de alternativas más sostenibles es aún más urgente en vista de que se prevé que la producción fotovoltaica se multiplique entre 15 y 30 veces en los próximos 20 años. El proyecto también desarrollará materiales 2D (espesor monoatómico) para la energía fotovoltaica y el almacenamiento electroquímico, dos ámbitos en los que el INP de Grenoble desempeña un papel clave. El proyecto llevará a cabo trabajos en varios laboratorios de la escuela, como LMGP*, SIMaP** y G-SCOP**. Además de la investigación, el proyecto SusMatEner pretende formar a la próxima generación de investigadores. Está previsto que en marzo de 2027 se abra una escuela de doctorado para formar a los doctorandos en estos nuevos materiales y en el enfoque integrado de la sostenibilidad para el sector energético. Este proyecto, que combina principios tecnológicos y de sostenibilidad, supondrá un avance significativo en la investigación de materiales en el campo de las energías renovables. Responde a necesidades urgentes y, al mismo tiempo, desarrolla perspectivas innovadoras para el futuro. UGA. Traducido al español

Leer más »

Universal Robots presenta su acelerador de IA, que permite una nueva ola de innovaciones en cobots impulsados ​​por IA

Universal Robots, la empresa danesa de robots colaborativos (cobots), ha presentado hoy por primera vez el UR AI Accelerator, un kit de herramientas de hardware y software listo para usar creado para permitir aún más el desarrollo de aplicaciones de cobots impulsadas por IA. Diseñado para aplicaciones comerciales y de investigación, el Acelerador de IA de UR proporciona a los desarrolladores una plataforma extensible para crear aplicaciones, acelerar la investigación y reducir el tiempo de comercialización de productos de IA. El kit de herramientas aporta aceleración de IA a la plataforma de software de próxima generación PolyScope X de Universal Robots (UR) y está impulsado por bibliotecas aceleradas y modelos de IA de NVIDIA Isaac ™, que se ejecutan en el sistema en módulo NVIDIA Jetson AGX Orin™ . En concreto, NVIDIA Isaac Manipulator  ofrece a los desarrolladores la posibilidad de incorporar un rendimiento acelerado y tecnologías de IA de última generación a sus soluciones robóticas. El kit de herramientas también incluye la cámara 3D Orbbec Gemini 335Lg de alta calidad y de nuevo desarrollo . Con todo perfectamente integrado, el kit de herramientas ofrece a los desarrolladores una arquitectura completa lista para comercializar y está listo para usar de inmediato. A través de programas de demostración integrados, el Acelerador de IA aprovecha la plataforma de UR para habilitar funciones como estimación de pose, seguimiento, detección de objetos, planificación de rutas, clasificación de imágenes, inspección de calidad, detección de estado y más. Habilitado por PolyScope X, el Acelerador de IA de UR también brinda a los desarrolladores la libertad de elegir exactamente qué conjuntos de herramientas, lenguajes de programación y bibliotecas desean usar y la flexibilidad para crear sus propios programas. “Con el acelerador de IA de UR, ofrecemos a nuestros socios todo lo que necesitan para desarrollar e implementar soluciones de IA nuevas e innovadoras”, afirma Kim Povlsen, director ejecutivo y presidente de Universal Robots. “Ya somos una plataforma líder para llevar aplicaciones de cobots de IA al mercado y ahora estamos ampliando los límites aún más. La parte más emocionante será ver el impacto de estas nuevas capacidades para nuestros socios y clientes finales”. James Davidson, director de inteligencia artificial de Teradyne Robotics, explica: «El Acelerador de IA de UR está diseñado para aquellos casos en los que la IA realmente marcará la diferencia: si está creando soluciones en nuestra plataforma, reducirá el tiempo de implementación y, al mismo tiempo, reducirá los riesgos del desarrollo de soluciones basadas en IA. Con nuestro objetivo de llevar la IA física a un nivel completamente nuevo, el Acelerador de IA es solo el primero en llegar al mercado de una serie de productos y capacidades impulsados ​​por IA en la cartera de UR, todos con el objetivo específico de hacer que la robótica sea más accesible que nunca». El UR AI Accelerator, presentado la misma semana en la que cientos de desarrolladores de software de robots se reúnen para ROSCon 2024 en la ciudad natal de UR, Odense, Dinamarca, se mostrará una demostración del UR AI Accelerator con una aplicación de cuidado de máquinas CNC en la exposición ROSCon. La plataforma PolyScope X está disponible en todo el mundo y se puede utilizar para todas las aplicaciones de automatización de cobots en todas las industrias. Su flexibilidad y extensibilidad avanzadas se exhibirán en el Festival PolyScope X en noviembre, donde se presentará una gama de soluciones ya desarrolladas con esta nueva plataforma, incluidas las soluciones de IA. Con una pequeña actualización de hardware, el software es compatible con los cobots e-Series de UR y los cobots de nueva generación UR20 y UR30. Robots universales Creemos que la tecnología robótica colaborativa se puede utilizar para beneficiar todos los aspectos de las empresas basadas en tareas, sin importar su tamaño. Creemos que la última tecnología en robótica colaborativa debería estar disponible para todas las empresas. El costo nominal de la inversión se recupera rápidamente, ya que nuestros brazos robóticos tienen un período de recuperación promedio de solo seis meses. Universal Robots. News

Leer más »
Scroll al inicio