Categoría: La IA aplicada a la Educación

Buscá noticias

Seleccioná una categoría

Un profesor de la escuela lanza una nueva empresa centrada en la “IA agente”

La profesora adjunta de la Escuela de Información de la Universidad de California en Berkeley, Niloufar Salehi, se ha asociado con el profesor de la Universidad del Sur de California, Afshin Nikzad, y el empresario Steven Mih para lanzar Across AI , una startup pionera en inteligencia artificial para flujos de trabajo empresariales complejos. La startup recientemente salió de su escondite y anunció que había recaudado 5,7 millones de dólares en una ronda de financiación inicial codirigida por las empresas de capital de riesgo Cota Capital y Village Global. Across AI tiene como objetivo aprovechar el poder de la memoria de los agentes para ayudar a los equipos de ventas empresariales y a los directores de ingresos en su trabajo. La IA de los agentes hace referencia a la capacidad de los agentes artificiales de planificar, actuar, almacenar y recordar información sobre interacciones, experiencias y conocimientos pasados, lo que les permite tomar decisiones informadas y adaptarse a circunstancias cambiantes. El sistema de Across AI funciona con fuentes de datos internas y externas, como sistemas de relaciones con los clientes, herramientas de comunicación y colaboración y calendarios para identificar y cuantificar nuevas oportunidades de venta, detectar riesgos y sugerir preguntas para los clientes. El equipo planea lanzar una aplicación web y un chatbot que brindará asistencia a tiempo cuando sea necesario. “El sistema rastrea, marca la hora y monitorea activamente las actualizaciones de información, reconociendo cuándo los datos se vuelven obsoletos o entran en conflicto con información nueva”, dijo Mih en un artículo de TechCrunch sobre la empresa . “A diferencia de los sistemas de IA tradicionales que tratan todos los datos por igual, nuestro sistema de memoria agentica prioriza la información en función de la importancia contextual. Siempre que es posible, las aplicaciones mantienen las inferencias actualizadas por sí mismas. Cuando existe ambigüedad, las determinaciones se escalan a una persona relevante, como un gerente de ventas o un gerente de producto”. Durante años, la investigación de Salehi sobre sistemas de IA confiables se ha centrado en las personas que usan o se ven afectadas por la tecnología. Años antes de lanzar la empresa, Salehi realizó una investigación con los entonces miembros del equipo de IA ética de Google sobre la traducción automática centrada en el ser humano y cómo diseñar sistemas más seguros y confiables. Estas experiencias se convirtieron en una parte crucial del enfoque de Across AI hacia la IA, prometiendo a los usuarios privacidad y seguridad de los datos. “Es necesario tener control sobre lo que hacen los agentes y transparencia sobre lo que han hecho”, explicó Salehi. “Un pilar del producto es que siempre que hay un resultado, se puede hacer clic en él y profundizar para ver los pasos de razonamiento que se tomaron, así como los documentos de origen… Todas esas cosas permiten la verificación, la transparencia y la explicabilidad de los modelos, lo que es una parte realmente importante para hacerlos útiles y confiables en el mundo real, generando confianza con los usuarios”. “Mi visión para Across AI es que seamos el lugar que descifre el código sobre cómo hacer que los agentes de IA sean útiles y confiables para las personas. Quiero que estemos a la vanguardia del desarrollo de una ética de IA centrada en el ser humano y del desarrollo de las mejores prácticas que… centren a las personas que trabajarán con estos agentes y los mejorarán”.— Niloufar Salehi Además, Salehi se inspiró en otras investigaciones sobre interacción entre humanos y computadoras que realizó mientras estaba en la I School. En un artículo específico, trabajó con la entonces estudiante de Maestría en Sistemas de Información y Gestión Eva Yiwei Wu (’20) para explorar los sistemas algorítmicos y los roles que las personas imaginan que tendrán . Por ejemplo, cuando los estudiantes estudiaron el algoritmo de YouTube, comenzaron a asignar roles o personajes al algoritmo, como «guardián» o «agente de talento personal», aunque sabían que el algoritmo de YouTube es en última instancia una combinación de diferentes algoritmos de aprendizaje automático. Al asignar estos personajes, los usuarios podían decidir cuánto podían confiar en el algoritmo, qué hacer cuando estaba mal y cómo trabajar con él o en su contra. Esta investigación también se aplica a cómo las personas pueden ver e interactuar con los agentes autónomos, que es el núcleo de la tecnología de Across AI. Actualmente, Salehi se encuentra de licencia en la I School y se desempeña como directora de productos en Across AI, donde lidera un equipo de ex empleados de Google, investigadores de UX y diseñadores de productos para desarrollar la tecnología. “Tenemos que inventar un conjunto completamente nuevo de formas para que las personas interactúen con la IA y con estos modelos”, explicó. “Ahora estamos en un punto en el que [estos modelos] harán parte del trabajo por nosotros y serán aleatorios… y las personas no están acostumbradas a eso. Parte de lo que hace que este trabajo sea realmente emocionante es que hay que desarrollar la experiencia del usuario y la IA al mismo tiempo”. “Mi visión para Across AI es que seamos el lugar que descifre el código sobre cómo hacer que los agentes de IA sean útiles y confiables para las personas”, agregó Salehi. “Quiero que estemos a la vanguardia del desarrollo de una ética de IA centrada en el ser humano y del desarrollo de las mejores prácticas que… se centren en las personas que trabajarán con estos agentes y los mejorarán. La confianza, la fiabilidad y la transparencia son lo que me gustaría que fuera nuestra marca en la industria y en lo que podríamos ser vistos como líderes”. UC Berkeley News. Traducido al español

enero 25, 2025

Unir al mundo en el aula: cómo la IA rompe barreras en una escuela belga

Con una variedad de herramientas de Microsoft, la escuela está encontrando formas de permitir que cada maestro llegue a más estudiantes individualmente. AMBERES, Bélgica – Bajo la fría lluvia del amanecer, un frenesí de niños envueltos en parkas y bufandas de invierno corrían, trepaban, gritaban y susurraban en apretados grupos por el patio. Si escuchabas con atención, podías oír a algunos hablando holandés, pero también pastún, árabe, español y ucraniano. En esta escuela conocida como De Wereldreiziger , o el Viajero del Mundo, los 425 estudiantes hablan 70 idiomas, muchos de ellos procedentes de familias que huyen de la guerra o de dificultades económicas. Diferentes idiomas, diferentes niveles de educación en casa y vidas radicalmente diferentes fuera de la escuela: enormes desafíos para los educadores. ¿Cómo ayudar a un niño que perdió su hogar por las bombas en Ucrania o Gaza a ponerse a la altura de un niño de clase media de Flandes? La respuesta es una combinación de apertura de espíritu (el director de la escuela insiste en que la diversidad aquí es una “riqueza y una oportunidad para aprender”) y una voluntad de probar cosas nuevas. Con una variedad de herramientas de Microsoft, la escuela está encontrando formas de permitir que cada maestro llegue a más estudiantes individualmente. Esas herramientas incluyen aplicaciones impulsadas por IA para ayudar a desarrollar habilidades de lectura y habla y computadoras portátiles Surface para todos los niños a partir del tercer grado. Charlie Todts, profesor y enlace de la escuela, estaba en el patio observando el caos con calma, saludando a los padres y estudiantes mientras comenzaba la jornada escolar. Originaria de Amberes, dice que cree en el enfoque de la escuela. Su hija mayor, de 7 años, también estaba allí, en el patio, y la más pequeña, de 3 años, en la escuela preescolar World Traveler, que está a la vuelta de la esquina. “Mi hijo mayor puede decir buenos días en ocho idiomas”, dijo Todts. “Yo no puedo hacer eso. Me gusta que tengamos a todo el mundo aquí”. En su opinión, las herramientas que ofrece Microsoft son indispensables cuando los estudiantes proceden de entornos tan diferentes. “Sé que cuando doy clases sin ordenadores portátiles ni estas nuevas aplicaciones, es muy difícil llegar a 20 niños de su nivel”, afirma. “Yo no puedo hacerlo. Sólo tengo dos manos y con estas herramientas puedo llegar a más niños”. Charlie Todts, profesora y coordinadora de la escuela primaria World Traveler de Amberes. Ella y su marido decidieron que sus dos hijos asistieran a la escuela porque creen en sus métodos y su misión. Foto de Chris Welsch para Microsoft. Reconocimiento a la excelencia en IA En el segundo piso de la escuela, en la sala de profesores, el director Jef Groffen llegó de su viaje en bicicleta al trabajo con ropa impermeable. Ha liderado la adopción de la tecnología en la escuela World Traveler desde que comenzó su mandato como director hace siete años. El éxito de Groffen en la mejora de los resultados de lectura en la escuela le valió el Premio Especial Belga de Inteligencia Artificial en Educación como el mejor proyecto del país. Groffen se sentó a hablar sobre la escuela y su filosofía. Debido a la ubicación de la escuela World Traveler (en el centro de Amberes, a pocos pasos de la estación de tren principal), su población es verdaderamente global. Pero para prosperar en esta parte de Bélgica, Flandes, uno debe hablar holandés flamenco. El holandés flamenco lo hablan alrededor de 6,5 millones de personas, más de la mitad de la población de Bélgica. Los otros dos idiomas oficiales de Bélgica son el francés y el alemán. En su portátil, abrió una presentación en PowerPoint que mostraba algunas medidas clave: más del 70 por ciento de los estudiantes no hablan holandés en casa y casi el 60 por ciento de las familias tienen una madre que no tiene un diploma de secundaria. Según Groffen, ese es un indicador clave del rendimiento de los estudiantes. “Los niños que, por una razón u otra, crecen en una situación más difícil tienen una probabilidad exponencialmente mayor de abandonar la educación sin estar cualificados”, afirma. “Una escuela exitosa es aquella que combate con éxito ese hecho”. “Somos profesionales. Sabemos cómo enseñarles, pero no tenemos suficiente personal para solucionar este problema”, dijo. “La tecnología es la única manera, creo, de abordar la diferencia entre los niños de una misma aula”. “Si trabajas bien con Microsoft Teams, parece que tienes 25 asistentes en tu clase”, dijo. “Cada niño tiene su propio asistente y eso los ayuda a desarrollarse rápidamente. Las posibilidades son infinitas”. Hacer de la capacidad de leer una prioridad En 2019, la escuela comenzó a darle a cada estudiante su propia computadora portátil Surface a partir del tercer grado. Los estudiantes pueden acceder a los planes de lecciones y las tareas a través de Teams ; los maestros y administradores usan Teams y SharePoint para organizar su trabajo, realizar reuniones y compartir evaluaciones. La capacidad de leer técnicamente es necesaria antes de poder leer de manera integral, dijo Groffen. Explicó que la lectura técnica implica la capacidad de decodificar y convertir letras y palabras en sus sonidos correspondientes, lo que permite al lector comprender y pronunciar el texto con precisión. Y eso es clave para el éxito en todo lo demás que sigue en la escuela, dijo. Las dos herramientas que han sido clave para ayudar a los estudiantes que no hablan neerlandés a ponerse al día con sus compañeros son Microsoft Reading Progress y Microsoft Immersive Reader . Ambas funcionan en la plataforma Teams. Reading Progress realiza un video de la lectura del niño; la IA analiza el ejercicio en tiempo real y recopila datos sobre la velocidad de lectura, los errores y la pronunciación. Luego, le brinda retroalimentación al estudiante para que pueda ver y escuchar dónde tuvo dificultades y practicar para mejorar. “Reading Progress es la herramienta más sofisticada que utilizamos”, dijo Groffen. “Comenzamos con dos o tres profesores que la probaron con algunos niños. Tuvimos muchos éxitos. A

enero 24, 2025

Un informe describe los principios de Stanford para el uso de la IA

El informe del Comité Asesor de IA en Stanford incluye recomendaciones para el uso de IA en la administración, la educación y la investigación de la universidad. Mientras la inteligencia artificial (IA) continúa transformando la educación, la investigación y la administración en Stanford, un nuevo informe del Comité Asesor de IA de la universidad pide equilibrar la innovación con la responsabilidad y la alineación con los valores clave de la universidad. Subrayando tanto las oportunidades como los riesgos de la IA, el informe “IA en Stanford” establece principios rectores para fomentar la experimentación y la creatividad al tiempo que aborda desafíos como el plagio, la autoría y el uso ético. “El crecimiento de las tecnologías de IA tiene enormes implicaciones para la educación superior, desde el aula hasta el laboratorio de investigación”, dijo la rectora Jenny Martínez. “Las posibilidades son increíblemente emocionantes y confío en que Stanford seguirá siendo líder en esta área. A medida que apoyamos los avances en esta tecnología, es fundamental evaluar cómo se utiliza la IA en Stanford hoy, considerar cómo se puede utilizar en el futuro e identificar cualquier brecha de políticas que pueda existir. Estoy agradecida por el trabajo reflexivo y minucioso del comité asesor y la orientación que ha proporcionado para promover el uso responsable de la IA en Stanford”. En marzo, el rector encargó al Comité Asesor de IA en Stanford que evaluara el papel de la IA en la administración, la educación y la investigación, e identificara lo que se necesita para utilizar la IA de manera responsable en la universidad. Varias oficinas y comités de la universidad considerarán y adoptarán las recomendaciones del informe, y el presidente del comité realizará una presentación ante el Senado de la Facultad en el trimestre de invierno. El comité, compuesto por 10 miembros de la facultad y del personal de varias unidades del campus, seguirá reuniéndose para abordar cuestiones futuras relacionadas con el uso de la IA en Stanford. Equilibrar la experimentación con los principios Si bien el comité reconoció las preocupaciones legítimas sobre la IA, buscó evitar políticas rígidas que pudieran disuadir los beneficios potenciales de la tecnología. “Queríamos primero alentar la experimentación en espacios seguros para aprender qué puede hacer y cómo podría ayudarnos a cumplir nuestra misión”, dijo el presidente del comité, Russ Altman. “Pero también queríamos establecer áreas claras de ‘temas sensibles’ donde las personas deberían proceder con mucha precaución”. El informe destaca posibles lagunas en las políticas de la universidad, señalando que muchas situaciones y desafíos no se pueden prever, y proporciona principios generales para guiar el uso de la IA en la universidad, como exigir supervisión humana y consideraciones éticas en todo uso de la IA. “Siempre debe haber profesionalismo y responsabilidad personal. Siempre que alguien utiliza IA, incluso si la IA hace algún trabajo, debe asumir la responsabilidad del resultado y, si hay errores, es su responsabilidad”, dijo Altman, profesor de la cátedra Kenneth Fong y profesor de bioingeniería, genética, medicina y ciencia de datos biomédicos, e investigador principal del Instituto de Inteligencia Artificial Centrada en el Ser Humano de Stanford. Según el informe, la gente debería resistirse a caer en el excepcionalismo de la IA , dando por sentado que las leyes, regulaciones y políticas universitarias existentes no son aplicables a la IA. “Parece seductoramente capaz”, dijo Altman, “y por eso la gente baja la guardia y la usa de maneras que sugieren que están olvidando qué es y cómo funciona”. Como principio rector, el informe recomienda una “regla de oro de la IA”: utilizar la IA con los demás como nos gustaría que ellos la utilizaran con nosotros. Por ejemplo, ¿querríamos que se utilizara la IA para revisar nuestra propuesta? Esta evaluación se basaría en juicios individuales, normas comunitarias en evolución y se combinaría con otros principios para orientar el uso de la IA. Educación Un área principal que examinó el comité es cómo la IA afecta la educación. Los estudiantes ya han adoptado tecnologías de IA como ChatGPT, lo que significa que el Código de Honor y las políticas individuales de las aulas podrían necesitar una revisión, señaló el comité. Al mismo tiempo, muchos profesores no tienen experiencia con IA y no saben cómo pueden usarla, dijo Dan Schwartz, miembro del comité y decano de la Escuela de Graduados de Educación (GSE). “Los estudiantes han estado explorándolo mucho más que el personal docente, y por eso es importante encontrar formas de educar al personal docente, lo que creo que también es cierto en el ámbito de la investigación”, dijo Schwartz. “La pregunta está cambiando lentamente de qué van a hacer trampa nuestros estudiantes a una pregunta más sofisticada de qué se considera trampa, cómo pueden usar la IA en su trabajo y cómo hacer que sea parte de la tarea”. Para ayudar a los profesores a abordar estas cuestiones, el comité recomienda marcos que se puedan adaptar a las diferentes necesidades de las aulas. “Era algo que tanto los estudiantes como los profesores querían para poder entender qué es permisible y productivo”, dijo Schwartz. La GSE ya ha creado AI Tinkery , parte del Acelerador de Aprendizaje de Stanford , para proporcionar un espacio colaborativo donde los educadores puedan explorar las posibilidades de la IA. Investigación En la investigación, la IA plantea desafíos complejos, incluida la cuestión de si se puede o se debe reconocer a la IA como autora en las publicaciones. Otras preocupaciones incluyen el uso de la IA en la revisión y redacción de propuestas, el entrenamiento de la IA en trabajos de estudiantes, el uso de datos para la investigación de la IA, el abordaje de posibles violaciones de derechos de autor en los resultados de los programas de maestría en derecho y la detección de conductas fraudulentas. Por ejemplo, el uso de detectores de inteligencia artificial ya está generando un mayor volumen de denuncias de plagio, incluidas las falsas, lo que genera una enorme carga para las oficinas que se ocupan de las faltas de conducta en la investigación. Es posible que también sea necesario

enero 22, 2025

KAIST desarrolla una cámara inspirada en el ojo de un insecto que captura 9.120 fotogramas por segundo

Los ojos compuestos de los insectos pueden detectar objetos que se mueven rápidamente en paralelo y, en condiciones de poca luz, mejorar la sensibilidad al integrar señales a lo largo del tiempo para determinar el movimiento. Inspirados por estos mecanismos biológicos, los investigadores del KAIST han desarrollado con éxito una cámara de alta velocidad y bajo costo que supera las limitaciones de velocidad de cuadros y sensibilidad que enfrentan las cámaras convencionales de alta velocidad. KAIST (representado por el presidente Kwang Hyung Lee) anunció el 16 de enero que un equipo de investigación dirigido por los profesores Ki-Hun Jeong (Departamento de Ingeniería Biológica y Cerebral) y Min H. Kim (Facultad de Informática) ha desarrollado una novedosa cámara de inspiración biológica capaz de obtener imágenes a ultraalta velocidad con alta sensibilidad imitando la estructura visual de los ojos de los insectos. La obtención de imágenes de alta calidad en condiciones de alta velocidad y poca luz es un desafío crítico en muchas aplicaciones. Si bien las cámaras de alta velocidad convencionales son excelentes para capturar movimientos rápidos, su sensibilidad disminuye a medida que aumenta la velocidad de fotogramas porque se reduce el tiempo disponible para captar luz. Para abordar este problema, el equipo de investigación adoptó un enfoque similar a la visión de los insectos, utilizando múltiples canales ópticos y suma temporal. A diferencia de los sistemas de cámara monocular tradicionales, la cámara de inspiración biológica emplea una estructura similar a la de un ojo compuesto que permite la adquisición paralela de imágenes de diferentes intervalos de tiempo. < Figura 1. (A) Visión en un insecto de ojos rápidos. La luz reflejada de objetos que se mueven rápidamente estimula secuencialmente los fotorreceptores a lo largo de los canales ópticos individuales llamados omatidios, de los cuales las señales visuales se procesan por separado y en paralelo a través de la lámina y la médula. Cada respuesta neuronal se suma temporalmente para mejorar las señales visuales. El procesamiento paralelo y la suma temporal permiten obtener imágenes rápidas y con poca luz en condiciones de poca luz. (B) Cámara de matriz de microlentes de alta velocidad y alta sensibilidad (HS-MAC). Se utiliza un sensor de imagen de obturador rotatorio para adquirir simultáneamente múltiples fotogramas por división de canal, y la suma temporal se realiza en paralelo para lograr alta velocidad y sensibilidad incluso en un entorno con poca luz. Además, los componentes del fotograma de una única imagen de matriz fragmentada se unen en un único fotograma borroso, que posteriormente se desenfoca mediante la reconstrucción de imagen por compresión. > Durante este proceso, la luz se acumula a lo largo de períodos de tiempo superpuestos para cada fotograma, lo que aumenta la relación señal-ruido. Los investigadores demostraron que su cámara de inspiración biológica podía capturar objetos hasta 40 veces más tenues que los detectables por las cámaras convencionales de alta velocidad. El equipo también introdujo una técnica de «división de canales» para mejorar significativamente la velocidad de la cámara, logrando velocidades de cuadro miles de veces más rápidas que las admitidas por los sensores de imagen utilizados en los envases. Además, se empleó un algoritmo de «restauración de imágenes comprimidas» para eliminar el desenfoque causado por la integración de cuadros y reconstruir imágenes nítidas. La cámara de inspiración biológica resultante tiene menos de un milímetro de grosor y es extremadamente compacta, capaz de capturar 9.120 fotogramas por segundo y proporcionar imágenes claras en condiciones de poca luz. < Figura 2. Una cámara biomimética de alta velocidad y alta sensibilidad dentro de un sensor de imagen. Es lo suficientemente pequeña como para caber en un dedo, con un grosor de menos de 1 mm. > El equipo de investigación planea ampliar esta tecnología para desarrollar algoritmos avanzados de procesamiento de imágenes para imágenes en 3D e imágenes de súper resolución, con el objetivo de aplicaciones en imágenes biomédicas, dispositivos móviles y varias otras tecnologías de cámaras. Hyun-Kyung Kim, estudiante de doctorado del Departamento de Ingeniería Biológica y Cerebral del KAIST y primer autor del estudio, afirmó: “Hemos validado experimentalmente que la cámara inspirada en el ojo de un insecto ofrece un rendimiento excepcional en imágenes a alta velocidad y con poca luz a pesar de su pequeño tamaño. Esta cámara abre posibilidades para diversas aplicaciones en sistemas de cámaras portátiles, vigilancia de seguridad e imágenes médicas”. < Figura 3. Placa giratoria y llama captadas con la cámara biomimética de alta velocidad y alta sensibilidad. La placa giratoria a 1950 rpm se capturó con precisión a 9120 fps. Además, el desprendimiento de la llama con una intensidad tenue de 880 µ lux se capturó con precisión a 1020 fps. > Esta investigación fue publicada en la revista internacional Science Advances en enero de 2025 (título del artículo: “Cámara de matriz de microlentes de inspiración biológica para imágenes de alta velocidad y alta sensibilidad”). DOI: https://doi.org/10.1126/sciadv.ads3389 Este estudio fue apoyado por el Instituto de Investigación de Corea para la Planificación y el Avance de la Tecnología de Defensa (KRIT) de la Administración del Programa de Adquisiciones de Defensa (DAPA), el Ministerio de Ciencia y TIC y el Ministerio de Comercio, Industria y Energía (MOTIE) . KAIST News. Traducido al español

enero 21, 2025

SPAM: software de código abierto para investigación

Fruto de un esfuerzo colaborativo en el laboratorio 3SR, SPAM (Software para el análisis práctico de materiales) recibió el premio Open Science durante la Conferencia Nacional Francesa sobre Datos de Investigación (ANDOR), celebrada el 26 de noviembre en el MUCEM de Marsella. Analizar las imágenes 3D obtenidas por tomografía de rayos X o de neutrones no es una tarea sencilla. Los investigadores pueden contar ahora con la ayuda de un software de código abierto desarrollado por el laboratorio 3SR* y galardonado con el premio del Ministerio de Educación Superior e Investigación francés por sus herramientas científicas abiertas que permiten compartir conocimientos y datos. El software SPAM permite comparar imágenes de materiales tomadas en diferentes momentos para estudiar en detalle su comportamiento. Gracias a las técnicas de correlación de imágenes, el software genera campos cinematográficos, datos sobre el desplazamiento y la distorsión, y ofrece así una visión precisa de los cambios de un material, es decir, sus deformaciones, roturas o evolución en diferentes condiciones. «La idea es determinar la transformación de una imagen inicial en una imagen final, para entender lo que ha sucedido en el fondo de la materia», explica Emmanuel Roubin, profesor de la Universidad de Grenoble Alpes e investigador del 3SR. Lo que distingue a SPAM de otras herramientas similares es su condición de software de código abierto y la alta calidad de su documentación. Mientras que algunas soluciones de software propietario actúan como «cajas negras» y las fuentes abiertas alternativas a menudo carecen de estandarización, SPAM ha logrado reunir a una comunidad activa en torno a su desarrollo. «Es accesible para todos, incluso para los usuarios novatos, gracias a una documentación clara y detallada», señala Emmanuel Roubin. «Sobre todo, está gestionado por una comunidad internacional que desarrolla la solución más allá de su creador inicial». Una gama de aplicaciones, desde la mecánica de materiales hasta la biomecánica. En el laboratorio 3SR, el SPAM se aplica al estudio de geomateriales como el hormigón, las arcillas o los materiales de origen biológico. En otras instituciones, se utiliza en la investigación biomecánica, en particular en tejidos blandos, huesos o el corazón. La investigación sobre materiales energéticos, como las baterías, también puede beneficiarse de sus capacidades.SPAM está en constante evolución. Originado en 2020 a partir de la tesis dirigida por Olga Stamati bajo la supervisión de Emmanuel Roubin y Edward Andò (ahora en la EPFL), actualmente se está desarrollando activamente en conjunto en 3SR. Los investigadores integran regularmente nuevos métodos y funciones resultantes de los avances científicos. El software se utiliza ampliamente a escala mundial. «SPAM es actualmente una característica en la mayoría de los sincrotrones europeos y lo utilizan equipos en Japón, Estados Unidos y Australia», nos cuenta Emmanuel Roubin. ¡Y esto es solo el principio! Grenoble INP-UGA News. Traducido al español

enero 21, 2025

GenAI marca el comienzo de una nueva era en la investigación de fármacos

El uso de inteligencia artificial generativa en el diseño de proteínas podría revolucionar el desarrollo de nuevos fármacos. La EPFL aspira a formar un consorcio para explorar más a fondo esta vía. Todos los seres vivos están compuestos de proteínas, que desempeñan un papel fundamental en la estructura, la nutrición y la salud de las células, así como en las interacciones entre los fármacos y el organismo. Los recientes avances en el diseño de proteínas están llamados a marcar el comienzo de una nueva era en la investigación de fármacos. A la vanguardia de esta revolución se encuentra la inteligencia artificial generativa (GenAI), que es capaz de diseñar tipos de proteínas completamente nuevos. Los nuevos métodos de obtención de imágenes, como la cristalografía de rayos X y la microscopía electrónica criogénica, también desempeñan un papel clave, ya que permiten a los científicos observar la composición de las proteínas del mundo real con una precisión sin precedentes. La combinación de estas nuevas tecnologías podría allanar el camino hacia nuevos procesos que permitan a los investigadores desarrollar, entre otras cosas, medicamentos biológicos innovadores, a menudo llamados productos biológicos. Una vista de cerca de las biomoléculas Nuestra comprensión actual de cómo interactúan las proteínas y las células se basa en datos empíricos recopilados a lo largo de años de investigación biomédica. Por poner un solo ejemplo, conocemos perfectamente el papel que desempeña la insulina en el metabolismo de la glucosa, pero otras innumerables interacciones entre proteínas y células siguen siendo un misterio, al igual que las razones y los mecanismos que se esconden detrás de los fallos en las proteínas que provocan enfermedades. La aparición de nuevos métodos y tecnologías está ampliando el conjunto de conocimientos científicos a un ritmo exponencial. La microscopía electrónica criogénica, un método practicado y desarrollado en el Centro de Imágenes Dubochet de la EPFL-UNIL, permitió a los investigadores observar, in vitro , cómo la proteína de la espícula de la variante ómicron del SARS-CoV-2 interactuaba con los receptores de la superficie de las células humanas, lo que ofrece información sobre la rápida propagación del virus en el organismo y su inmunidad a las vacunas desarrolladas para variantes anteriores. Espiga Conocida por ser la punta de lanza que permite al virus SARS-CoV-2 penetrar en las células humanas, la proteína Spike saltó a la fama durante la pandemia. La proteína Spike se une a las proteínas ACE2 en membranas celulares específicas (incluidas las de nuestro sistema respiratorio), abriendo la puerta para que entre el virus. Consiste en tres cadenas idénticas que sobresalen de la envoltura viral. La proteína Spike es una glicoproteína, es decir, está recubierta de azúcares que son de origen humano. Si la capa de azúcar es lo suficientemente gruesa, actúa como una «capa invisible», haciendo que el virus sea indetectable para nuestro sistema inmunológico.La proteína Spike es un objetivo principal para nuestro sistema inmunológico cuando lucha contra una infección, y las vacunas son un poderoso aliado en esta lucha. Los científicos utilizaron una variedad de métodos para desarrollar vacunas contra el SARS-CoV-2. Uno implicó sintetizar y luego purificar la proteína Spike del virus, que luego se depositó en nanopartículas y se administró mediante inyecciones subcutáneas. La vacuna incita al sistema inmunológico del receptor a producir anticuerpos, ya que la proteína Spike es reconocida como una sustancia extraña. En el caso de las vacunas de ARNm, no se trata de una réplica de la proteína de la espícula que se administra, sino más bien del “modelo” de la proteína en forma de ARNm. Esto permite que las propias células del receptor sinteticen la proteína de la espícula, contra la cual el sistema inmunitario desarrolla anticuerpos específicos. Aplicando el aprendizaje profundo a la vida Otro campo en el que se están produciendo avances igualmente rápidos es el de la aplicación del aprendizaje automático a las ciencias de la vida. Los ganadores del Premio Nobel de Química de 2024 fueron David Baker, un pionero estadounidense de la biología computacional, junto con Demis Hassabis (Doctor Honoris Causa de la EPFL) y John M. Jumper, quienes juntos desarrollaron AlphaFold, un modelo de referencia de IA que ha ganado múltiples premios para predecir la estructura de las moléculas. Diseño de nuevas biomoléculas La EPFL también es muy activa en el campo del diseño de proteínas. Desde hace más de cinco años, el Laboratorio de Diseño de Proteínas e Inmunoingeniería de la Escuela, dirigido por Bruno Correia, utiliza el aprendizaje automático para predecir el potencial de interacción entre las proteínas y sus receptores. «El uso del aprendizaje profundo en la ingeniería biológica abre nuevas y apasionantes oportunidades», afirma Correia. Si bien este trabajo pionero está ampliando nuestra comprensión de cómo funcionan los organismos vivos, también marca el punto de partida de una revolución naciente en la investigación de fármacos. Porque cuando los programas GenAI como ChatGPT se entrenan con datos de proteínas e interacciones moleculares generados por investigadores y modelos como AlphaFold, los programas pueden diseñar y modelar tipos de moléculas completamente nuevos, en innumerables formas, y simular sus interacciones con las células. Y los programas pueden realizar miles de millones de cálculos de este tipo por segundo hasta que encuentren moléculas con relevancia teórica para el desarrollo de fármacos. «Este nuevo enfoque será nada menos que un cambio de paradigma para todo el campo de la biotecnología», agrega Correia. Este nuevo enfoque será nada menos que un cambio de paradigma para todo el campo de la biotecnología.Bruno Correia De la planificación a la realidad Sin embargo, existen diversas formas de producir proteínas existentes o desconocidas a demanda. Es lo que hacen Florence Pojer y su grupo de investigación en el Centro de Producción y Estructura de Proteínas (PTPSP) de la EPFL, donde se agitan botellas que contienen líquidos rojizos en vitrinas durante horas. “Por ejemplo, estas botellas contienen células de riñón embrionario humano (HEK), que han sido inmortalizadas y cultivadas durante décadas”, dice Pojer. “Las utilizamos para producir proteínas como anticuerpos, después de transfectar primero las células con plásmidos que contienen la secuencia deseada”.

enero 20, 2025

Desde dispositivos flexibles hasta aprendizaje asistido por IA, Lenovo ofrece soluciones para el futuro de la educación

Las nuevas soluciones anunciadas en FETC 2025 facilitan que estudiantes y profesores se conecten, colaboren y participen desde cualquier lugar. 16 de enero de 2025 ORLANDO – 16 de enero de 2025 – Hoy, Lenovo ™ anunció en la Future of Education Technology Conference® (FETC) 2025 , nuevas soluciones de hardware que facilitan a los estudiantes y profesores conectarse, colaborar e interactuar desde cualquier lugar. Lo último en el portafolio de Lenovo Education incluye nuevas computadoras portátiles, con Windows 11 o ChromeOS, diseñadas para ayudar a los estudiantes y profesores a adoptar el aprendizaje digital de siguiente nivel, así como aprovechar las aplicaciones de IA generativa para impulsar la productividad diaria. Estas soluciones educativas y más también se presentarán en Bett 2025 del 22 al 24 de enero, donde Lenovo también presentará conocimientos sobre IA en educación y su colaboración con Ducati en el aprendizaje STEM. “La educación en todo el mundo continúa evolucionando con los avances y las soluciones de aprendizaje que ofrece la tecnología”, afirmó Stuart King, director ejecutivo y jefe global del segmento de educación de Lenovo. “Y Lenovo está respondiendo a las necesidades de los directores de tecnología, administradores de TI, educadores y estudiantes de contar con dispositivos flexibles y confiables en el aula y en escenarios de aprendizaje digital, así como de sistemas que puedan aprovechar la IA para mejorar tanto la enseñanza como el aprendizaje”. Con una conectividad mejorada y una mayor durabilidad respaldadas por los métodos de prueba de Lenovo para educación, las nuevas soluciones de computadoras portátiles de Lenovo significan que los maestros, estudiantes y padres pueden confiar en una tecnología innovadora que los ayuda a mantener los más altos niveles de aprendizaje continuo. La línea completa de dispositivos informáticos y accesorios incluye Lenovo Chromebook Plus 2 en 1 (14”, 10) , Lenovo Smart Charger , Lenovo Device Intelligence for Education , Lenovo 13w 2 en 1 Gen 3 PC , así como las computadoras Lenovo 500w , 300w y 100w Gen 5 . Aspectos destacados del nuevo Chromebook Plus 2 en 1 (14”, 10) de Lenovo Inteligencia de dispositivos Lenovo para la educación Lenovo Device Intelligence (LDI) ahora está disponible para ChromeOS a través de una integración directa con la consola de administración de Google. Mantenerse al tanto del estado y el mantenimiento de sus flotas de Chromebooks puede ser un desafío para los equipos de TI de las escuelas, especialmente si los presupuestos son limitados, el personal es limitado y deben administrar distritos enteros. Con una gran cantidad de dispositivos implementados, las fallas de los dispositivos pueden convertirse en un lastre para el estado y la longevidad de los dispositivos y los recursos de TI. Mediante el uso de tecnología predictiva habilitada para IA, LDI brinda a los equipos de TI las herramientas para predecir y ayudar a prevenir problemas comunes de estado y rendimiento de Chromebook, a escala, diseñados para maximizar el tiempo de actividad y la vida útil. A través de una integración directa con la consola de administración de Google, LDI ofrece un panel centralizado donde los equipos de TI pueden acceder a información de toda la flota y a nivel de dispositivo; controlando el puntaje de estado y las fallas, las aplicaciones que afectan el rendimiento, los niveles de batería, el almacenamiento y más para identificar problemas críticos en toda la flota de una escuela. LDI identifica problemas actuales, fallas que ya han ocurrido y aquellas que probablemente se presenten en el futuro. Siempre que se detecta un área potencial de preocupación, el sistema alerta a TI con información y soluciones recomendadas. Cargador inteligente Lenovo Lenovo ahora ofrece un cargador inteligente para Chromebooks, una solución de carga elegante y compacta que redefine la forma en que los usuarios institucionales de Chromebooks se mantienen conectados. Diseñado para cargar hasta cinco dispositivos conectados por USB-C simultáneamente y al mismo tiempo ofrecer monitoreo de batería en tiempo real, el cargador supera a las alternativas voluminosas y obsoletas. Perfecto para administradores de TI educativos, el dispositivo delgado y eficiente está diseñado para simplificar las necesidades de carga. Características destacadas del nuevo PC con Windows 11 de Lenovo Lenovo 13w 2 en 1 de 3.ª generación Lenovo 500w/300w/100w de 5.ª generación Especificaciones clave Lenovo 500W de 5.ª generación Lenovo 300W de 5.ª generación Lenovo 100W de 5.ª generación Procesador Procesador Intel® N150, N250 y N350 Procesador Intel® N150 y N250 Procesador Intel® N150 Sistema operativo Windows 11 Memoria 3 Hasta 8 GB LPDDR5 (soldado) Almacenamiento 4 Hasta 128 GB UFS y/o 256 GB SSD Hasta 128 GB UFS y/o 256 GB M.2 SSD Hasta 128 GB UFS (soldado) y/o hasta 128 GB Batería 47 Wh Cámara Cámara frontal de 720p con obturador de privacidadCámara frontal de 1080p con obturador de privacidadCámara mundial de 5 MP Cámara frontal de 720p con obturador de privacidadCámara mundial de 5 MP 720p frontal con obturador de privacidad Conectividad WI-FIIntel® AX211 Wi-Fi 6EIntel® BE200 Wi-Fi 7Quectel EM060k (Lenovo 300w) PUERTOS DE ENTRADA/SALIDA1x USB-C 3.2 10Gbps (función completa)1x USB-C 3.2 5Gbps1x USB-A 3.2 5Gbps1x HDMI 1.41x conector de audio1x bloqueo Kensington Mostrar Pantalla táctil IPS de 12,2″ (1920×1200); 16:10 de 300 nit con Corning®Gorilla® Glass y antihuellas Pantalla táctil IPS HD de 11,6″ (1366 x 768, 250 nits) con Corning® Gorilla® Glass y antihuellas (250 nits) Pantalla IPS HD antirreflejo de 11,6″ (1366 x 768, 250 nits) Dimensiones 287 x 208 x 18,9 mm11,3 x 8,2 x 0,74 pulgadas 287 x 200 x 18,9 mm11,3 x 7,9 x 0,74 pulgadas 287 x 200 x 19 mm11,3 x 7,9 x 0,75 pulgadas Peso 1,28 kg/2,82 libras 1,16 kg / 2,56 libras. 1,16 kg / 2,55 libras. Precios y disponibilidad Disponible a partir de Precio desde 5 Lenovo Chromebook Plus 2 en 1 ( 14”, 10) Primer trimestre del calendario 2025 $749 Cargador inteligente Lenovo $65 Lenovo 13w 2 en 1 de 3.ª generación $XXX Lenovo 500w $479 Lenovo 300w $409 Lenovo 100w $339 Lenovo en la FETC 2025 El equipo de Lenovo Education estará presente en FETC del 14 al 17 de enero. Visite el stand n.° 1062 para realizar demostraciones de productos y consultas. O visite el sitio web de Lenovo Education para obtener más información sobre

enero 19, 2025

Prepárese para la IA: cómo las instituciones educativas pueden proteger y gobernar la IA

Las escuelas y las instituciones de educación superior de todo el mundo están introduciendo la IA para ayudar a sus estudiantes y personal a crear soluciones y desarrollar habilidades innovadoras en materia de IA. A medida que su institución amplía sus capacidades de IA, es esencial diseñar una estrategia que equilibre la innovación y la seguridad. Ese equilibrio se puede lograr utilizando herramientas como Microsoft Purview, Microsoft Entra, Microsoft Defender y Microsoft Intune, que priorizan la protección de datos confidenciales y la seguridad de las aplicaciones de IA. Los principios de la IA confiable (imparcialidad, confiabilidad y seguridad, privacidad y protección, inclusión, transparencia y responsabilidad) son fundamentales para el enfoque de Microsoft Security. Los equipos de seguridad pueden usar estos principios para prepararse para la implementación de la IA. Vea el video para conocer cómo Microsoft Security crea una base confiable para desarrollar y usar la IA. Explorar las soluciones de seguridad de Microsoft Microsoft funciona con confianza, y la confianza debe ganarse y mantenerse. Nuestro compromiso con nuestros clientes y nuestra comunidad es priorizar su seguridad cibernética por sobre todas las cosas.Charlie Bell, vicepresidente ejecutivo de seguridad de Microsoft Obtenga visibilidad sobre el uso de la IA y descubra los riesgos asociados La introducción de la IA generativa en las instituciones educativas ofrece enormes oportunidades para transformar la forma en que aprenden los estudiantes. Esto conlleva riesgos potenciales, como la exposición de datos confidenciales y las interacciones inadecuadas con la IA. Purview ofrece información completa sobre las actividades de los usuarios en Microsoft Copilot. A continuación, le mostramos cómo Purview lo ayuda a gestionar estos riesgos: Introducción a Microsoft Purview Microsoft Purview Data Security Posture Management for AI (DSPM for AI) ofrece una plataforma centralizada para proteger de manera eficiente los datos utilizados en aplicaciones de IA y monitorear de manera proactiva el uso de IA. Este servicio incluye Microsoft 365 Copilot , otros copilotos de Microsoft y aplicaciones de IA de terceros. DSPM for AI ofrece funciones diseñadas para ayudarlo a adoptar IA de manera segura y, al mismo tiempo, mantener la productividad o la protección: Purview ofrece monitoreo de actividad de IA en tiempo real, lo que permite una rápida resolución de problemas de seguridad. Proteja los datos confidenciales de su institución A las instituciones educativas se les confía una gran cantidad de datos confidenciales. Para mantener la confianza, deben superar varios desafíos únicos, como la gestión de datos confidenciales de estudiantes y personal y la conservación de registros históricos de exalumnos y ex empleados. Estas complejidades aumentan el riesgo de ciberamenazas, por lo que es fundamental contar con un plan de gestión del ciclo de vida de los datos. Microsoft EntraEmpezar Microsoft Entra ID le permite controlar el acceso a información confidencial. Por ejemplo, si un usuario no autorizado intenta recuperar datos confidenciales, Copilot bloqueará el acceso, lo que protegerá los datos de los estudiantes y el personal. Estas son las características clave que ayudan a proteger sus datos: El acceso condicional de Microsoft Entra es fundamental para este proceso, ya que permite proteger los datos y garantizar que solo los usuarios autorizados accedan a la información que necesitan. Con el acceso condicional de Microsoft Entra, puede crear políticas para aplicaciones de inteligencia artificial generativa como Copilot o ChatGPT, lo que permite el acceso solo a los usuarios que utilicen dispositivos compatibles y acepten las Condiciones de uso. Implementar Zero Trust para la seguridad de la IA En la era de la IA, Zero Trust es esencial para proteger a los empleados, los dispositivos y los datos al minimizar las amenazas. Este marco de seguridad requiere que todos los usuarios, dentro o fuera de su red, estén autenticados, autorizados y validados continuamente antes de acceder a las aplicaciones y los datos. La aplicación de políticas de seguridad en los puntos finales es clave para implementar Zero Trust en toda su organización. Una estrategia sólida de gestión de puntos finales mejora los modelos de lenguaje de IA y mejora la seguridad y la productividad. Antes de implementar Microsoft 365 Copilot en su entorno, Microsoft recomienda que cree una base sólida de seguridad. Afortunadamente, existen pautas para una base sólida de seguridad en forma de Confianza cero. La estrategia de seguridad de Confianza cero trata cada solicitud de conexión y recurso como si se originara en una red no controlada y un actor malicioso. Independientemente de dónde se origine la solicitud o a qué recurso acceda, Confianza cero nos enseña a «nunca confiar, siempre verificar». Lea “ ¿Cómo aplico los principios de Confianza Cero a Microsoft 365 Copilot ?” para conocer los pasos para aplicar los principios de seguridad de Confianza Cero a fin de preparar su entorno para Copilot. Microsoft DefenderExplora todos los productos Defender Microsoft Defender for Cloud Apps y Microsoft Defender for Endpoint trabajan juntos para brindarle visibilidad y control de sus datos y dispositivos. Estas herramientas le permiten bloquear o advertir a los usuarios sobre aplicaciones en la nube riesgosas. Las aplicaciones no autorizadas se sincronizan y bloquean automáticamente en los dispositivos de punto final a través de Microsoft Defender Antivirus dentro del acuerdo de nivel de servicio (SLA) de Protección de red. Las características clave incluyen: Iniciar la ruta de formación de Microsoft Defender Con Microsoft Intune , puede restringir el uso de aplicaciones de trabajo como Microsoft 365 Copilot en dispositivos personales o implementar políticas de protección de aplicaciones para evitar la fuga de datos y limitar acciones como guardar archivos en aplicaciones no seguras. Todo el contenido de trabajo, incluido el generado por Copilot, se puede borrar si el dispositivo se pierde o se desvincula de la empresa; estas medidas se ejecutan en segundo plano y solo requieren el inicio de sesión del usuario. Evalúe su preparación para la IA Evaluar su preparación para la transformación de la IA puede ser complejo. Adoptar un enfoque estratégico le ayudará a evaluar sus capacidades, identificar áreas de mejora y alinearse con sus prioridades para obtener el máximo valor. El Asistente de preparación para la IA está diseñado para guiarlo a través de este proceso. Utilice la evaluación para: Pruebe el Asistente

enero 18, 2025

Dos avances en inteligencia artificial abren un nuevo potencial para la salud y la ciencia

La IA ya está ayudando a muchos de nosotros con las tareas que hacemos todos los días. También está impulsando avances en la investigación que prometen transformar las cosas a escala global, como el descubrimiento de nuevos materiales y la mejora de la atención médica. Dos nuevos artículos de investigación publicados esta semana en revistas científicas, uno en Nature y otro en Nature Machine Intelligence , muestran cómo los modelos básicos de IA generativa pueden acelerar exponencialmente el descubrimiento científico de nuevos materiales y ayudar a los médicos a acceder y analizar los resultados de radiología más rápidamente. La investigación y su potencial son el resultado de amplias colaboraciones entre Microsoft, el mundo académico y el sector privado. En colaboración con sus socios de todo el mundo, Microsoft Research ha desarrollado modelos de base de IA generativa (modelos a gran escala que aprovechan los avances en IA) centrados en el descubrimiento de materiales y la radiología. Los modelos se crearon desde cero en Microsoft Azure y se están compartiendo públicamente para acelerar el desarrollo y los posibles usos. “La ciencia puede ser la aplicación más importante de la IA. En Microsoft, creemos que la capacidad de la IA generativa para aprender el lenguaje de los humanos es equiparable a su capacidad para aprender el lenguaje de la naturaleza, incluidas las moléculas, los cristales, los genomas y las proteínas”, afirma Chris Bishop, director de Microsoft Research AI for Science. “Nos permitirá aprovechar la IA para abordar los desafíos más urgentes de la humanidad, desde la sostenibilidad hasta el descubrimiento de fármacos”. MatterGen: una clave para descubrir mejores materiales (y soluciones) más rápidamente El desarrollo de nuevos materiales ha sido un héroe anónimo del avance humano. Pensemos en cómo las vigas de acero son la columna vertebral de las ciudades modernas y los chips de silicio alimentan los teléfonos inteligentes. Es un proceso laborioso y costoso, similar a encontrar una aguja en un pajar, y puede costar millones o miles de millones de dólares. Esto se debe a que, tradicionalmente, el desarrollo de nuevos materiales requiere analizar potencialmente millones de posibilidades, un proceso que puede llevar años y no tener garantías de éxito. La última investigación introduce un nuevo enfoque representado por MatterGen , un modelo de IA generativa que funciona de manera similar a los modelos de IA de texto a imagen y texto a video. En lugar de analizar un universo de posibles materiales, los investigadores proponen propiedades específicas y MatterGen genera nuevos materiales en función de esas propiedades. Los experimentos han comenzado a validar el concepto. Cuando se sintetizó un material generado por MatterGen, sus propiedades se encontraban dentro del 20% de las propiedades del material deseado. De manera similar al impacto de la IA generativa en el descubrimiento de fármacos , MatterGen tendrá un impacto profundo en cómo y con qué rapidez se diseña una amplia gama de materiales en campos que incluyen la electrónica, el almacenamiento de energía y la ingeniería biomédica. El desarrollo de nuevos materiales eficientes para baterías, por ejemplo, podría permitir un almacenamiento de energía más sostenible, mientras que los avances en superconductores podrían conducir a mejoras revolucionarias en imágenes médicas o computación cuántica. “Desde una perspectiva industrial, el potencial aquí es enorme”, afirma Tian Xie, director principal de investigación de AI for Science Cambridge en el Reino Unido. “La civilización humana siempre ha dependido de las innovaciones materiales. Si podemos utilizar la IA generativa para hacer que el diseño de materiales sea más eficiente, podríamos acelerar el progreso en industrias como la energía, la atención médica y más allá”. RAD-DINO: Datos más rápidos para los médicos, mejor atención para los pacientes El segundo avance en la investigación ayudará a los médicos a obtener datos médicos mejores y más completos con mayor rapidez, lo que potencialmente acelerará los diagnósticos y mejorará la atención al paciente. Mayo Clinic y Microsoft Research están colaborando para desarrollar modelos de base multimodales que integren texto e imágenes para aplicaciones de radiología. Inicialmente, los equipos están explorando el uso de la tecnología de inteligencia artificial de Microsoft Research con los datos de rayos X de Mayo Clinic. Parte de ese trabajo implica una investigación publicada esta semana denominada RAD-DINO , llamada así por su enfoque en la radiología y un método de aprendizaje específico. Este nuevo enfoque para mejorar las imágenes puede ayudar a personalizar la atención al paciente y mejorar la precisión del diagnóstico. El objetivo es ofrecer a los médicos un acceso más rápido a la información que necesitan para tratar a los pacientes. Los esfuerzos iniciales apuntan a desarrollar un modelo que genere automáticamente informes, evalúe cómo se han colocado los tubos y las vías mediante radiografías de tórax y detecte cambios con respecto a imágenes anteriores. Esto podría mejorar la forma en que los médicos trabajan y atienden a los pacientes al proporcionar análisis más eficientes y completos de las radiografías. “Estoy entusiasmado por compartir nuestra colaboración con Mayo Clinic, uno de los hospitales más importantes del mundo, para abordar uno de los desafíos más urgentes en el ámbito de la atención médica: brindar medicamentos más rápidos y precisos”, afirma Javier Álvarez Valle, director sénior de IA multimodal de Microsoft Health Futures UK. “Un obstáculo clave radica en integrar de forma segura la IA generativa en los flujos de trabajo clínicos, y nuestro trabajo reúne a los mejores expertos en IA y medicina para hacerlo posible”. Foto superior: Un investigador trabaja en un material generado por MatterGen y sintetizado en el laboratorio. (Foto proporcionada por el Instituto de Tecnología Avanzada de Shenzhen). Microsoft Blog. P. N. Traducido al español

enero 17, 2025

El Portal de las Tecnologías para la Innovación

Categoría: La IA aplicada a la Educación

Buscá noticias

Seleccioná una categoría

Un profesor de la escuela lanza una nueva empresa centrada en la “IA agente”

Unir al mundo en el aula: cómo la IA rompe barreras en una escuela belga

Un informe describe los principios de Stanford para el uso de la IA

KAIST desarrolla una cámara inspirada en el ojo de un insecto que captura 9.120 fotogramas por segundo

SPAM: software de código abierto para investigación

GenAI marca el comienzo de una nueva era en la investigación de fármacos

Desde dispositivos flexibles hasta aprendizaje asistido por IA, Lenovo ofrece soluciones para el futuro de la educación

Prepárese para la IA: cómo las instituciones educativas pueden proteger y gobernar la IA

Dos avances en inteligencia artificial abren un nuevo potencial para la salud y la ciencia

El portal de
las tecnologías
para la innovación

Contacto

Categoría: La IA aplicada a la Educación

Buscá noticias

Seleccioná una categoría

El portal de las tecnologías para la innovación

Contacto

El portal de
las tecnologías
para la innovación