Categoría: La IA aplicada a la Educación

Buscá noticias

Seleccioná una categoría

Un vistazo al interior de la caja que podría ayudar a resolver un misterio cuántico

Una esquiva partícula que se formó por primera vez en el denso y caliente universo primitivo ha desconcertado a los físicos durante décadas. Tras su descubrimiento en 2003, los científicos comenzaron a observar una serie de otros objetos extraños vinculados a las millonésimas de segundo posteriores al Big Bang. Estas señales, que aparecen como «protuberancias» en los datos de los experimentos de alta energía, llegaron a conocerse como «estados XYZ» de corta duración. Desafían la imagen estándar del comportamiento de las partículas y son un problema en la física contemporánea, lo que ha dado lugar a varios intentos de comprender su naturaleza misteriosa. Pero los teóricos del Acelerador Nacional Thomas Jefferson del Departamento de Energía de Estados Unidos en Virginia, con colegas de la Universidad de Cambridge, sugieren que los datos experimentales podrían explicarse con menos estados XYZ, también llamados resonancias, de lo que se afirma actualmente. El equipo utilizó una rama de la física cuántica para calcular los niveles de energía, o masa, de partículas que contienen un «sabor» específico de los bloques de construcción subatómicos conocidos como quarks. Los quarks, junto con los gluones, una partícula portadora de fuerza, conforman la fuerza fuerte, una de las cuatro fuerzas fundamentales de la naturaleza. Los investigadores descubrieron que varios estados de partículas que comparten el mismo grado de espín (o momento angular) están acoplados, lo que significa que solo existe una única resonancia en cada canal de espín. Esta nueva interpretación es contraria a varios otros estudios teóricos y experimentales. Los investigadores han presentado sus resultados en un par de artículos complementarios publicados para la colaboración internacional Hadron Spectrum Collaboration (HadSpec) en Physical Review Letters y Physical Review D. El trabajo también podría proporcionar pistas sobre una partícula enigmática: X(3872). El quark charm, uno de los seis «sabores» de quarks, fue observado experimentalmente por primera vez en 1974. Fue descubierto junto con su contraparte de antimateria, el anticharm, y las partículas emparejadas de esta manera son parte de una región de energía llamada «charmonium». En 2003, investigadores japoneses descubrieron un nuevo candidato a charmonium denominado X(3872): un estado de partícula de vida corta que parece desafiar el modelo actual de quarks. “X(3872) ya tiene más de 20 años y todavía no hemos obtenido una explicación clara y sencilla que todos puedan aceptar”, dijo el autor principal, el Dr. David Wilson, del Departamento de Matemáticas Aplicadas y Física Teórica de Cambridge (DAMTP). Gracias al poder de los aceleradores de partículas modernos, los científicos han detectado una mezcolanza de estados candidatos exóticos de charmonium durante las últimas dos décadas. “Los experimentos de alta energía empezaron a detectar protuberancias, interpretadas como nuevas partículas, casi en todas partes”, dijo el coautor, el profesor Jozef Dudek de William & Mary. “Y muy pocos de estos estados coincidían con el modelo anterior”. Pero ahora, al crear una pequeña «caja» virtual para simular el comportamiento de los quarks, los investigadores descubrieron que varias supuestas partículas XYZ podrían ser en realidad una sola partícula vista de diferentes maneras. Esto podría ayudar a simplificar la confusa maraña de datos que los científicos han recopilado a lo largo de los años. A pesar de los pequeños volúmenes con los que trabajaban, el equipo necesitaba una enorme potencia computacional para simular todos los comportamientos y masas posibles de los quarks. Los investigadores utilizaron supercomputadoras de Cambridge y del Laboratorio Jefferson para inferir todas las formas posibles en que los mesones (compuestos por un quark y su contraparte de antimateria) podrían desintegrarse. Para ello, tuvieron que relacionar los resultados de su diminuta caja virtual con lo que sucedería en un volumen casi infinito, es decir, el tamaño del universo. “En nuestros cálculos, a diferencia de los experimentos, no se pueden simplemente introducir dos partículas y medir las dos que salen”, dijo Wilson. “Hay que calcular simultáneamente todos los estados finales posibles, porque la mecánica cuántica los encontrará por uno”. Los resultados pueden entenderse en términos de una única partícula de vida corta cuya apariencia podría diferir dependiendo del posible estado de desintegración en el que se observe. “Estamos tratando de simplificar el panorama lo máximo posible, utilizando la teoría fundamental con los mejores métodos disponibles”, dijo Wilson. “Nuestro objetivo es desentrañar lo que se ha visto en los experimentos”. Ahora que el equipo ha demostrado que este tipo de cálculo es factible, están listos para aplicarlo a la misteriosa partícula X(3872). “El origen de X(3872) es una incógnita”, afirmó Wilson. “Parece que está muy cerca de un umbral, que podría ser accidental o una parte clave de la historia. Es algo que estudiaremos muy pronto”. El profesor Christopher Thomas, también de DAMTP, es miembro de la Hadron Spectrum Collaboration y coautor de los estudios actuales. La contribución de Wilson fue posible en parte gracias a una beca de ocho años con la Royal Society. La investigación también recibió apoyo parcial del Science and Technology Facilities Council (STFC), parte de UK Research and Innovation (UKRI). Muchos de los cálculos para este estudio se llevaron a cabo con el apoyo del Cambridge Centre for Data Driven Discovery (CSD3) y las instalaciones de computación de alto rendimiento DiRAC en Cambridge, administradas por la división Research Computing Services de Cambridge . Referencia:David J. Wilson et al. ‘ Resonancias escalares y tensoriales de armonium en dispersión de canal acoplado a partir de QCD en red ‘. Physical Review Letters (2024). DOI: 10.1103/PhysRevLett.132.241901 David J. Wilson et al. ‘ Resonancias de Charmonium xc0 y xc2 en dispersión de canal acoplado a partir de QCD en red ‘. Physical Review D (2024). DOI: 10.1103/PhysRevD.109.114503 Cambridge News. Traducido al español

diciembre 8, 2024

Una nueva forma de crear formas 3D realistas utilizando IA generativa

Los investigadores proponen una solución sencilla a una técnica existente que podría ayudar a artistas, diseñadores e ingenieros a crear mejores modelos 3D. Crear modelos 3D realistas para aplicaciones como realidad virtual, realización cinematográfica y diseño de ingeniería puede ser un proceso engorroso que requiere mucho ensayo y error manual. Si bien los modelos de inteligencia artificial generativa para imágenes pueden agilizar los procesos artísticos al permitir que los creadores produzcan imágenes 2D realistas a partir de indicaciones de texto, estos modelos no están diseñados para generar formas 3D. Para salvar esa brecha, una técnica desarrollada recientemente llamada Score Distillation aprovecha los modelos de generación de imágenes 2D para crear formas 3D, pero el resultado suele ser borroso o caricaturesco. Los investigadores del MIT exploraron las relaciones y diferencias entre los algoritmos utilizados para generar imágenes 2D y formas 3D, identificando la causa principal de los modelos 3D de menor calidad. A partir de ahí, crearon una solución sencilla para Score Distillation, que permite la generación de formas 3D nítidas y de alta calidad que se acercan en calidad a las mejores imágenes 2D generadas por modelos. Otros métodos intentan solucionar este problema reentrenando o ajustando el modelo de IA generativa, lo que puede resultar costoso y llevar mucho tiempo. En cambio, la técnica de los investigadores del MIT logra una calidad de forma 3D igual o mejor que la de estos métodos sin necesidad de entrenamiento adicional ni posprocesamiento complejo. Además, al identificar la causa del problema, los investigadores han mejorado la comprensión matemática de Score Distillation y técnicas relacionadas, lo que permite realizar trabajos futuros para mejorar aún más el rendimiento. “Ahora sabemos hacia dónde debemos dirigirnos, lo que nos permite encontrar soluciones más eficientes, más rápidas y de mayor calidad”, afirma Artem Lukoianov, estudiante de posgrado en ingeniería eléctrica y ciencias de la computación (EECS) y autor principal de un artículo sobre esta técnica. “A largo plazo, nuestro trabajo puede ayudar a facilitar el proceso para ser un copiloto para los diseñadores, lo que facilitará la creación de formas 3D más realistas”. Los coautores de Lukoianov son Haitz Sáez de Ocáriz Borde, estudiante de posgrado en la Universidad de Oxford; Kristjan Greenewald, científico investigador en el Laboratorio de IA Watson del MIT-IBM; Vitor Campagnolo Guizilini, científico en el Instituto de Investigación Toyota; Timur Bagautdinov, científico investigador en Meta; y los autores principales Vincent Sitzmann, profesor asistente de EECS en el MIT que dirige el Grupo de Representación de Escenas en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) y Justin Solomon, profesor asociado de EECS y líder del Grupo de Procesamiento de Datos Geométricos del CSAIL. La investigación se presentará en la Conferencia sobre Sistemas de Procesamiento de Información Neural. De imágenes 2D a formas 3D Los modelos de difusión, como DALL-E, son un tipo de modelo de IA generativo que puede producir imágenes realistas a partir de ruido aleatorio. Para entrenar estos modelos, los investigadores añaden ruido a las imágenes y luego enseñan al modelo a revertir el proceso y eliminar el ruido. Los modelos utilizan este proceso aprendido de «eliminación de ruido» para crear imágenes basadas en las indicaciones de texto del usuario. Sin embargo, los modelos de difusión no son capaces de generar directamente formas 3D realistas porque no hay suficientes datos 3D para entrenarlos. Para solucionar este problema, los investigadores desarrollaron en 2022 una técnica llamada Score Distillation Sampling (SDS) que utiliza un modelo de difusión entrenado previamente para combinar imágenes 2D en una representación 3D. La técnica consiste en comenzar con una representación 3D aleatoria, generar una vista 2D de un objeto deseado desde un ángulo de cámara aleatorio, agregar ruido a esa imagen, eliminar el ruido con un modelo de difusión y luego optimizar la representación 3D aleatoria para que coincida con la imagen eliminada. Estos pasos se repiten hasta que se genera el objeto 3D deseado. Sin embargo, las formas 3D producidas de esta manera tienden a verse borrosas o sobresaturadas. “Esto ha sido un obstáculo durante un tiempo. Sabemos que el modelo subyacente es capaz de hacerlo mejor, pero la gente no sabía por qué sucede esto con las formas 3D”, dice Lukoianov. Los investigadores del MIT exploraron los pasos del SDS e identificaron una discrepancia entre una fórmula que forma parte clave del proceso y su contraparte en los modelos de difusión 2D. La fórmula le indica al modelo cómo actualizar la representación aleatoria agregando y eliminando ruido, un paso a la vez, para que se parezca más a la imagen deseada. Como parte de esta fórmula implica una ecuación demasiado compleja para resolverla de manera eficiente, SDS la reemplaza con ruido muestreado aleatoriamente en cada paso. Los investigadores del MIT descubrieron que este ruido genera formas tridimensionales borrosas o caricaturescas. Una respuesta aproximada En lugar de intentar resolver esta complicada fórmula con precisión, los investigadores probaron técnicas de aproximación hasta que identificaron la mejor. En lugar de tomar muestras aleatorias del término de ruido, su técnica de aproximación infiere el término faltante a partir de la representación actual de la forma 3D. “Al hacer esto, como predice el análisis del artículo, se generan formas 3D que parecen nítidas y realistas”, afirma. Además, los investigadores aumentaron la resolución de la representación de la imagen y ajustaron algunos parámetros del modelo para mejorar aún más la calidad de la forma 3D. Al final, pudieron utilizar un modelo de difusión de imágenes listo para usar y previamente entrenado para crear formas 3D suaves y de aspecto realista sin necesidad de un costoso reentrenamiento. Los objetos 3D son igualmente nítidos que los producidos con otros métodos que dependen de soluciones ad hoc. “Intentamos experimentar a ciegas con distintos parámetros, y a veces funciona y a veces no, pero no sabemos por qué. Sabemos que esa es la ecuación que tenemos que resolver. Ahora, esto nos permite pensar en formas más eficientes de resolverla”, afirma. Como su método se basa en un modelo de difusión previamente entrenado, hereda los sesgos y las

diciembre 8, 2024

¿Quieres diseñar el coche del futuro? Aquí tienes 8.000 diseños para empezar.

Los ingenieros del MIT desarrollaron el mayor conjunto de datos de código abierto sobre diseños de automóviles, incluida su aerodinámica, que podría acelerar el diseño de automóviles ecológicos y vehículos eléctricos. El diseño de automóviles es un proceso iterativo y exclusivo. Los fabricantes de automóviles pueden pasar varios años en la fase de diseño de un automóvil, ajustando formas 3D en simulaciones antes de desarrollar los diseños más prometedores para las pruebas físicas. Los detalles y especificaciones de estas pruebas, incluida la aerodinámica de un diseño de automóvil determinado, normalmente no se hacen públicos. Por lo tanto, los avances significativos en el rendimiento, como la eficiencia del combustible o la autonomía de los vehículos eléctricos, pueden ser lentos y estar aislados de una empresa a otra. Los ingenieros del MIT afirman que la búsqueda de mejores diseños de automóviles puede acelerarse exponencialmente con el uso de herramientas de inteligencia artificial generativa que pueden analizar enormes cantidades de datos en segundos y encontrar conexiones para generar un diseño novedoso. Si bien existen tales herramientas de inteligencia artificial, los datos de los que se necesitaría aprender no estaban disponibles, al menos en ningún tipo de formato accesible y centralizado. Pero ahora, los ingenieros han puesto a disposición del público por primera vez un conjunto de datos de este tipo. El conjunto de datos, denominado DrivAerNet++, abarca más de 8.000 diseños de automóviles, que los ingenieros generaron basándose en los tipos de automóviles más comunes en el mundo actual. Cada diseño está representado en forma 3D e incluye información sobre la aerodinámica del automóvil (la forma en que fluiría el aire alrededor de un diseño determinado, basada en simulaciones de dinámica de fluidos que el grupo llevó a cabo para cada diseño). Cada uno de los 8000 diseños del conjunto de datos está disponible en varias representaciones, como malla, nube de puntos o una simple lista de parámetros y dimensiones del diseño. Por lo tanto, el conjunto de datos puede ser utilizado por diferentes modelos de IA que estén ajustados para procesar datos en una modalidad particular. DrivAerNet++ es el mayor conjunto de datos de código abierto sobre aerodinámica de automóviles que se ha desarrollado hasta la fecha. Los ingenieros prevén que se utilice como una amplia biblioteca de diseños de automóviles realistas, con datos aerodinámicos detallados que se pueden utilizar para entrenar rápidamente cualquier modelo de IA. Estos modelos pueden generar con la misma rapidez nuevos diseños que podrían dar lugar a automóviles más eficientes en cuanto a consumo de combustible y vehículos eléctricos con mayor autonomía, en una fracción del tiempo que le lleva a la industria automotriz hoy en día. “Este conjunto de datos sienta las bases para la próxima generación de aplicaciones de IA en ingeniería, promoviendo procesos de diseño eficientes, reduciendo los costos de I+D e impulsando avances hacia un futuro automotriz más sustentable”, afirma Mohamed Elrefaie, estudiante de posgrado en ingeniería mecánica en el MIT. Elrefaie y sus colegas presentarán un artículo que detalla el nuevo conjunto de datos y los métodos de inteligencia artificial que podrían aplicarse en él en la conferencia NeurIPS en diciembre. Sus coautores son Faez Ahmed, profesor adjunto de ingeniería mecánica en el MIT, junto con Angela Dai, profesora asociada de informática en la Universidad Técnica de Múnich, y Florin Marar de BETA CAE Systems. Llenando la brecha de datos Ahmed dirige el Laboratorio de Computación de Diseño e Ingeniería Digital (DeCoDE) en el MIT, donde su grupo explora formas en las que se pueden utilizar herramientas de inteligencia artificial y aprendizaje automático para mejorar el diseño de sistemas y productos de ingeniería complejos, incluida la tecnología automotriz. “A menudo, cuando se diseña un automóvil, el proceso de diseño es tan costoso que los fabricantes solo pueden hacer pequeños ajustes entre una versión y la siguiente”, afirma Ahmed. “Pero si se tienen conjuntos de datos más grandes y se conoce el rendimiento de cada diseño, ahora se pueden entrenar modelos de aprendizaje automático para que realicen iteraciones rápidas, de modo que haya más probabilidades de obtener un mejor diseño”. Y la velocidad, sobre todo en lo que respecta al avance de la tecnología automovilística, es especialmente apremiante ahora. “Este es el mejor momento para acelerar las innovaciones en materia de automóviles, ya que los automóviles son uno de los mayores contaminantes del mundo y, cuanto más rápido podamos reducir esa contribución, más podremos ayudar al clima”, afirma Elrefaie. Al analizar el proceso de diseño de nuevos automóviles, los investigadores descubrieron que, si bien existen modelos de IA que pueden analizar muchos diseños de automóviles para generar diseños óptimos, los datos de automóviles que están realmente disponibles son limitados. Algunos investigadores habían reunido previamente pequeños conjuntos de datos de diseños de automóviles simulados, mientras que los fabricantes de automóviles rara vez publican las especificaciones de los diseños reales que exploran, prueban y, en última instancia, fabrican. El equipo intentó llenar el vacío de datos, en particular con respecto a la aerodinámica de un automóvil, que desempeña un papel clave en la determinación de la autonomía de un vehículo eléctrico, y la eficiencia de combustible de un motor de combustión interna. Se dieron cuenta de que el desafío consistía en reunir un conjunto de datos de miles de diseños de automóviles, cada uno de los cuales es físicamente preciso en su función y forma, sin el beneficio de probar y medir físicamente su rendimiento. Para crear un conjunto de datos de diseños de automóviles con representaciones físicamente precisas de su aerodinámica, los investigadores comenzaron con varios modelos 3D de referencia que fueron proporcionados por Audi y BMW en 2014. Estos modelos representan tres categorías principales de automóviles de pasajeros: fastback (sedán con una parte trasera inclinada), notchback (sedán o cupé con una ligera inclinación en su perfil trasero) y estateback (como los station wagon con una parte trasera más roma y plana). Se cree que los modelos de referencia cierran la brecha entre los diseños simples y los diseños patentados más complicados, y

diciembre 8, 2024

Presentamos ChatGPT Pro

A medida que la IA se vuelve más avanzada, resolverá problemas cada vez más complejos y críticos. También se necesita una cantidad considerablemente mayor de recursos computacionales para potenciar estas capacidades. Hoy, agregamos ChatGPT Pro, un plan mensual de $200 que permite un acceso escalado a los mejores modelos y herramientas de OpenAI. Este plan incluye acceso ilimitado a nuestro modelo más inteligente, OpenAI o1, así como a o1-mini, GPT-4o y Advanced Voice. También incluye el modo o1 pro, una versión de o1 que usa más recursos computacionales para pensar más a fondo y brindar respuestas aún mejores a los problemas más difíciles. En el futuro, esperamos agregar funciones de productividad más potentes y con uso intensivo de recursos computacionales a este plan. ChatGPT Pro ofrece una manera para que los investigadores, ingenieros y otras personas que utilizan inteligencia de grado de investigación a diario aceleren su productividad y estén a la vanguardia de los avances en IA. Más capacidad de pensamiento para problemas más difíciles ChatGPT Pro brinda acceso a una versión de nuestro modelo más inteligente que piensa durante más tiempo para obtener las respuestas más confiables. En las evaluaciones de evaluadores expertos externos, el modo o1 pro produce respuestas más confiables, precisas y completas, especialmente en áreas como ciencia de datos, programación y análisis de jurisprudencia. En comparación con o1 y o1-preview, el modo o1 pro funciona mejor en los exigentes puntos de referencia de ML en matemáticas, ciencias y codificación. Competencia de Matemáticas (AIME 2024) 5078860102030405060708090100pass@1 accuracyo1-previewo1o1 pro mode Código de competencia (Codeforces) 6289900102030405060708090100pass@1 percentileo1-previewo1o1 pro mode Preguntas científicas de nivel de doctorado (GPQA Diamond) 7476790102030405060708090100pass@1 accuracyo1-previewo1o1 pro mode Para resaltar la principal fortaleza del modo o1 pro (confiabilidad mejorada), utilizamos una configuración de evaluación más estricta: solo se considera que un modelo resuelve una pregunta si obtiene la respuesta correcta en cuatro de cuatro intentos («confiabilidad 4/4»), no solo en uno. Competencia de Matemáticas (AIME 2024) 37678001020304050607080901004/4 reliabilityo1-previewo1o1 pro mode Código de competencia (Codeforces) 26647501020304050607080901004/4 reliability percentile*o1-previewo1o1 pro mode Preguntas científicas de nivel de doctorado (GPQA Diamond) 58677401020304050607080901004/4 reliabilityo1-previewo1o1 pro mode Los usuarios Pro pueden acceder a esta funcionalidad seleccionando o1 pro modeen el selector de modelos y haciendo una pregunta directamente. Dado que las respuestas tardarán más en generarse, ChatGPT mostrará una barra de progreso y enviará una notificación en la aplicación si cambia a otra conversación. Subvenciones de ChatGPT Pro Para ayudar a impulsar un progreso significativo en campos que benefician a la humanidad, estamos otorgando 10 subvenciones de ChatGPT Pro a investigadores médicos de instituciones líderes en los EE. UU., con planes de expandir las subvenciones Pro a otras regiones y áreas de investigación en el futuro. Las diez subvenciones iniciales se otorgarán a investigadores que incluyen: ¿Qué sigue? Agregaremos funciones a Pro con el tiempo para desbloquear tareas que requieran más recursos informáticos. También seguiremos brindando muchas de estas nuevas funciones a nuestros otros suscriptores. Para obtener más información o suscribirse, visite ChatGPT ⁠(se abre en una nueva ventana). OpenAI News. Traducido al español

diciembre 6, 2024

¿Qué aporta la realidad virtual a los alumnos con dislexia?

Diego Paniagua Martín, UNIR – Universidad Internacional de La Rioja Mateo, de 10 años, se pone sus gafas y se sumerge en un bosque animado que parece salido de un cuento de hadas. Cada árbol está “adornado” con palabras que forman oraciones simples y flotan en el aire, permitiendo a Mateo interactuar con ellas físicamente. Guiado por un personaje virtual, selecciona las palabras en el orden correcto para formar frases completas. Si comete un error, el personaje le da pistas suaves, sin juzgar, para que pueda corregirlo. Al completar la tarea, el bosque cobra vida: los árboles florecen, los animales cantan y los colores se vuelven más vibrantes, recompensando sus esfuerzos y reforzando la motivación. Lo que para Mateo parece un juego, en realidad es una intervención educativa: mientras selecciona palabras, mejora su conciencia fonológica y refuerza la memoria visual de patrones ortográficos. Este niño de nombre imaginado puede ser cualquiera de los escolares que, tras recibir un diagnóstico de dislexia, se frustran con las actividades de lectura en el aula. La dislexia y la realidad virtual La dislexia es uno de los trastornos de aprendizaje más frecuentes, con un amplio mosaico de manifestaciones, factores y causas (neurológicas, genéticas o sensoriales). Para quienes la sufren, las palabras parecen un rompecabezas caótico: las letras se mueven en su mente, las sílabas no encajan y los textos largos se convierten en un desafío abrumador. A pesar de los esfuerzos de maestros y familia, estos alumnos y alumnas a menudo desarrollan una fuerte aversión a la lectura, asociándola con el fracaso. Las intervenciones más comunes para ayudar a niños y niñas con dislexia son el entrenamiento fonológico y la instrucción multisensorial. Y hoy, la realidad virtual está emergiendo como una intervención innovadora con beneficios significativos. Las ventajas de los entornos y la retroalimentación Una investigación reciente ha descubierto sus ventajas para este tipo de intervenciones. Al ser una tecnología multifuncional e inmersiva, ofrece entornos de aprendizaje interactivo con seguridad y control. Gracias al alto nivel de interacción y retroalimentación, estas intervenciones pueden resultar más motivadoras y ayudar a mejorar dominios cognitivos y habilidades pedagógicas relacionadas con el procesamiento visual, el lenguaje, la memoria, el razonamiento, la resolución de problemas o las funciones ejecutivas. Mayor adherencia y mejor desempeño En el estudio mencionado, los participantes con dislexia manifestaron que trabajar en entornos de realidad virtual les resultaba más divertido y seguro y mostraron más adherencia a la intervención y preferencia por este tipo de ejercicios frente a los tradicionales. Otras investigaciones han demostrado que la ejecución y niveles de desempeño suelen ser menores cuando se evalúan sus habilidades con test de papel y lápiz que cuando se evalúan con realidad virtual debido a la influencia de variables como: De este modo se demuestra, por un lado, que estas nuevas intervenciones permiten a los niños interactuar con entornos que se ajustan más a sus intereses, como aventuras o retos, mientras refuerzan sus habilidades y no sus dificultades. Y, por otro lado, que los escenarios que ofrecen son más lúdicos y controlados, ofreciendo un entorno de bajo riesgo donde el fallo no tiene consecuencias negativas. Todo lo anterior reduce la ansiedad y permite a los niños tanto mejorar como aprender de manera más relajada y efectiva. Un ámbito por desarrollar El desarrollo de la realidad virtual en el contexto educativo en este ámbito es incipiente y está poco investigado. Aunque existen iniciativas que demuestran avances científicos y tecnológicos notables que van desde simulaciones especializadas hasta entornos virtuales, todavía son pocas las que cuentan con amplios tamaños muestrales, valoran los efectos a largo plazo o tienen una duración temporal más extensiva para validar los efectos en los niveles lectoescritores del alumnado con dislexia, una necesidad cada vez más vital para docentes, familia y centros educativos. Existen propuestas en la investigación científica que han incorporado esta tecnología como recurso de apoyo en la intervención para trabajar con niños y jóvenes con dislexia, demostrando no solo sus beneficios en cuanto al aumento de la participación, la accesibilidad y la concentración en la interacción, sino también su carácter facilitador de apoyo al profesorado y a las familias. https://www.youtube.com/embed/O0TplFLLj6s?wmode=transparent&start=0 Entre las mejores por, entre otras variables, su buena narrativa, mecánicas del juego, historia, ambientación y autonomía, se encuentran: Todas ellas representan un equilibrio muy apropiado de intereses y necesidades de este alumnado. Además, se pueden utilizar en dispositivos tradicionales como ordenadores, tabletas o teléfonos móviles sin que sea imprescindible el uso de gafas de realidad virtual. Realidad virtual y diagnóstico En lo que se refiere a la evaluación y el diagnóstico del trastorno, la mayoría de los estudios informan de resultados positivos de esta tecnología en la evaluación clínica, neurorrehabilitación cognitiva y psicología clínica. Sin embargo, cabe señalar que, aunque son pocos, también hay algunos estudios con resultados mixtos no concluyentes. En estos casos, es posible que se atribuyan a factores clínicos y de investigación como, por ejemplo, la edad, el uso de estrategias compensatorias o la falta de baterías de pruebas que, a menudo, escapan a un diagnóstico positivo. Elegir las herramientas adecuadas Contar con un recurso que evalúe en tiempo real el progreso y ajuste automáticamente las evaluaciones e intervenciones en función de las necesidades es una mejora de la calidad de vida de esta población. Para lograrlo hay que: La realidad virtual es un recurso valioso, pero el progreso debe evaluarse de manera integral, combinando los datos con observaciones cualitativas en el aula, para asegurar intervenciones efectivas y adaptadas a las necesidades de cada niño. Diego Paniagua Martín, Lingüista clínico | Experto en Competencia Lingüística y disCapacidad, UNIR – Universidad Internacional de La Rioja Este artículo fue publicado originalmente en The Conversation. Lea el original.

diciembre 5, 2024

El primer centro de baterías solares del mundo

En Baviera se crea el primer centro del mundo para baterías solares y tecnologías optoiónicas. La Universidad Técnica de Múnich (TUM) y la Sociedad Max Planck (MPG) han marcado el camino para ello con el apoyo del Ministerio de Economía de Baviera. Con el SolBat Center se creará un ecosistema de investigación único para investigar nuevos tipos de sistemas de almacenamiento de energía y desarrollar aplicaciones para utilizar la energía solar de forma aún más eficiente y flexible. El foco está puesto en las baterías solares, que aún están en gran parte inexploradas. Éstas combinan células solares y baterías en un solo componente y pueden almacenar químicamente la energía de la luz solar directamente, sin el desvío de convertirla en electricidad. La tecnología se puede utilizar, por ejemplo, para compensar las fluctuaciones diarias y climáticas de la energía solar y, al mismo tiempo, aumentar la eficiencia energética mediante un ciclo iónico mejorado. La optoiónica, una ciencia transversal entre la optoelectrónica y la iónica de estado sólido, que se ocupa del control de iones por la luz, ofrece un enorme potencial para diversas tecnologías de aplicación solar y óptica. El nuevo centro SolBat estará dirigido por la catedrática de electroquímica del estado sólido de la TUM y miembro del Instituto Fritz Haber de la Sociedad Max Planck, la catedrática de electroquímica del estado sólido de la TUM, la catedrática de Karsten Reuter, directora del Instituto Fritz Haber de la Sociedad Max Planck y catedrática de la TUM, y la catedrática de Bettina V. Lotsch, directora del Instituto Max Planck de Investigación del Estado Sólido de Stuttgart y catedrática honoraria de las universidades de Múnich (LMU) y Stuttgart. Las tres son también miembros de la junta directiva del clúster de excelencia e-conversion, en cuyos resultados, red de expertos e investigación básica interdisciplinaria se basa principalmente el nuevo centro. Jennifer Rupp destaca: «La fusión de las tecnologías solar y de baterías abrirá una nueva dimensión para el futuro del suministro de energía sostenible. El concepto de nuestro centro, único en el mundo, se basa en la estrecha integración de la investigación básica y el desarrollo tecnológico. Vemos esto como una oportunidad para hacer que los sistemas energéticos sean significativamente más compactos y eficientes». El ministro de Economía de Baviera, Hubert Aiwanger, anuncia que el Estado federado de Baviera financiará el centro SolBat con hasta ocho millones de euros: «En la actualidad, nos enfrentamos a retos sin precedentes en el ámbito de la energía y la sostenibilidad. Para desarrollar nuevas soluciones energéticas, los materiales modernos son tan importantes como los nuevos conceptos de conversión y almacenamiento de energía. Estoy convencido de que la iniciativa SolBat contribuirá en gran medida a encontrar soluciones para las necesidades de almacenamiento de energía enormemente mayores del futuro. Con nuestro apoyo financiero para las medidas de infraestructura en el campus de Garching de la TUM, estamos ayudando a que Baviera se sitúe a la vanguardia de la innovación en el almacenamiento de energía solar». Optoiónica: una nueva rama de investigación con un gran potencial El centro se centra en la optoiónica, una disciplina pionera que combina la iónica de estado sólido con la luz. Bettina Lotsch explica: «La optoiónica no solo nos permite mejorar los procesos controlados por la luz en los materiales energéticos, sino también producir nuevos tipos de sistemas energéticos en la intersección entre las baterías y la energía fotovoltaica, que actúan como ‘dispositivos de almacenamiento de luz’ directos. La optoiónica puede ser un factor clave para aumentar la eficiencia de las baterías solares y la funcionalidad de los sistemas energéticos futuros». Los participantes también esperan que la investigación del centro dé un nuevo impulso a la fotocatálisis, la tecnología de sensores y la inteligencia artificial (IA). Karsten Reuter destaca la importancia de la modelización teórica para el desarrollo de baterías solares: «Con la ayuda de simulaciones precisas, podemos comprender mejor las complejas interacciones entre la luz y los movimientos de iones en los materiales. Este conocimiento se incorporará a las IA desde el principio, que se harán cargo cada vez más de la planificación de experimentos para optimizar materiales y procesos de forma específica y desarrollar nuevas funcionalidades». El enfoque del Centro SolBat de combinar investigación experimental, teórica y basada en IA y considerar toda la cadena de valor hasta el desarrollo de componentes crea una plataforma de innovación única para la próxima generación de sistemas de almacenamiento de energía. Cómo funciona una batería solar En una batería solar, la célula solar y la batería no están separadas, sino que están integradas en un único componente. Esto permite la conversión directa de la luz solar en energía electroquímica y su almacenamiento. El proceso comienza cuando los fotones (partículas de luz) inciden en la capa que absorbe la luz y excitan a los electrones. La innovación clave de las baterías solares es que la luz no solo excita a los electrones, sino que también influye en el movimiento de los iones. Esto permite la absorción simultánea de luz y el almacenamiento de energía electroquímica en un único componente. Además, los iones, por ejemplo los iones de litio u oxígeno, pueden moverse más rápido dentro del estado sólido gracias a la estimulación óptica, lo que puede acelerar los procesos de (des)carga de la batería. En el proceso de descarga, el proceso se invierte: se libera la energía electroquímica almacenada, por lo que los iones retroceden y se genera una corriente eléctrica. El uso simultáneo de la absorción de luz y el almacenamiento de carga puede reducir las pérdidas que se producen en los sistemas convencionales debido a los procesos de generación y almacenamiento separados. Además, la optoiónica abre nuevas perspectivas para producir sistemas de almacenamiento de luz altamente integrados que se pueden utilizar de forma flexible fuera de la red eléctrica. Asociación y apoyo El SolBat Center es el resultado de una cooperación estratégica entre la TUM y la Sociedad Max Planck, financiada por el gobierno del estado federado de Baviera. El presidente de la TUM, Prof.

diciembre 2, 2024

Productos sanitarios biodegradables 100% de origen biológico

Financiado por la ANR, el proyecto Napkins tiene como objetivo desarrollar compresas higiénicas biodegradables 100 % de origen biológico. Este proyecto, coordinado por Cécile Sillard, ingeniera LGP2*, cuenta con cuatro socios académicos: LGP2, CEMEF (MINES ParisTech), el laboratorio 3SR** y el LERMAB de Nancy. Los productos sanitarios que se comercializan actualmente plantean importantes problemas medioambientales: aproximadamente el 50% de sus componentes están fabricados con materiales derivados del petróleo. Componentes como la capa superior no tejida, la capa inferior impermeable y los materiales superabsorbentes (que pueden absorber hasta 600 veces su masa en líquido) son responsables de la acumulación de residuos no biodegradables. Al mismo tiempo, 500 millones de mujeres en todo el mundo sufren pobreza menstrual, a menudo sin acceso a productos sanitarios seguros y asequibles. Este problema es especialmente grave en ciertas regiones del mundo donde el acceso a los productos es limitado y persisten tabúes en torno a la menstruación, lo que lleva al vertido masivo de estos productos. Una solución económica y sostenible El objetivo del proyecto Napkins es crear compresas fabricadas exclusivamente con materiales de origen biológico totalmente biodegradables. Para lograrlo, los investigadores deben afrontar varios retos técnicos, en particular el desarrollo de una estructura que sea resistente a la humedad a pesar de utilizar materiales hidrófilos. Los trabajos se basan en las competencias complementarias de los socios del proyecto: LGP2 para los procesos de fabricación de papel y espumas de celulosa, CEMEF para los materiales superabsorbentes de polisacáridos, 3SR para estudiar las propiedades físicas de los materiales fibrosos y LERMAB para preparar materias primas lignocelulósicas procesadas en particular mediante explosión de fibras con vapor. Juntos, exploran diferentes soluciones para simplificar los procesos de fabricación y hacerlos adaptables a una amplia gama de materiales. Materiales locales Para reducir la huella ambiental y garantizar la máxima accesibilidad de los productos, los materiales utilizados deben estar disponibles localmente. Para los primeros experimentos se seleccionó el bambú, reconocido por sus propiedades antimicrobianas, su alto contenido de lignina y su accesibilidad en muchas regiones del mundo. También se estudiarán otras fibras como el lino, la madera y la palmera datilera. El proyecto Napkins planea utilizar un único material para las tres capas de la toalla: una capa superficial porosa suave, una capa absorbente a base de espuma de celulosa y una capa subyacente impermeable. Los primeros experimentos, realizados con bambú y algodón, han permitido fabricar capas absorbentes con resultados prometedores, sobre todo en términos de densidad y porosidad de los materiales producidos. Sin embargo, algunos aspectos, como la retención de líquidos, requieren mejoras adicionales. “Necesitamos lograr una impermeabilidad total y una mejor retención”, subraya Cécile Sillard, ingeniera del LGP2 y coordinadora del proyecto. “Un becario trabajó en particular en la capa subyacente mediante un proceso de prensado en caliente, lo que permitió producir una estructura más densa pero aún demasiado permeable al agua”. El proyecto, que comenzará oficialmente en enero de 2025, prevé una financiación de 48 meses para perfeccionar estas soluciones técnicas con el lanzamiento de dos tesis y dos proyectos de investigación posdoctorales. Un enfoque de ciencia abierta El proyecto Napkins no solo es innovador a nivel técnico: también se distingue por su filosofía de ciencia abierta. Los investigadores decidieron no solicitar una patente para compartir libremente sus resultados. “Queremos que las niñas y mujeres de todo el mundo puedan disfrutar de productos sanitarios asequibles y respetuosos con el medio ambiente”. Esta voluntad de transparencia forma parte de un enfoque para democratizar la investigación, con el objetivo de influir positivamente en la práctica industrial. Grenoble INP – UGA. Traducido al español

diciembre 2, 2024

Conferencia de Stanford explora la tecnología educativa en la era de la IA

El Acelerador de Aprendizaje de Stanford convocó a líderes de tecnología educativa, investigadores, financiadores, educadores y estudiantes para visualizar una tecnología educativa efectiva, respaldada por investigaciones, equitativa y receptiva. “Queremos que los estudiantes prosperen durante toda su vida y que tengan las experiencias educativas que conduzcan a ese progreso”, dijo la profesora Susanna Loeb en el panel de apertura de la cumbre Accelerate Edtech Impact 2024 en Stanford. “Queremos eso para todos los estudiantes. No solo queremos eso para los estudiantes de familias con buenos recursos, y no solo queremos eso para los estudiantes que están motivados y comprometidos con la escuela en este momento… realmente tenemos que pensar en la amplia gama de estudiantes”. La experiencia del alumno fue el eje central de la segunda cumbre anual, organizada por Stanford Accelerator for Learning. Antes de que Loeb subiera al escenario, la cumbre comenzó con cuatro oradores estudiantes, desde un estudiante de secundaria hasta un estudiante de doctorado, que reflexionaron sobre cómo la inteligencia artificial ha influido en su aprendizaje. Y antes, ocho estudiantes de Stanford mostraron proyectos de tecnología educativa de su propia creación. La convocatoria reunió a 400 líderes, investigadores, financiadores, educadores y estudiantes de tecnología educativa en un espacio diseñado para compartir conocimientos, conectarse e inspirarse. Las 10 sesiones, que abarcaron desde paneles hasta talleres interactivos, mostraron usos efectivos de la tecnología educativa, exploraron el papel de la investigación y pusieron a los actores clave en diálogo entre sí. Cada panel incluyó al menos un educador, un investigador de Stanford y un líder de tecnología educativa, y las conversaciones se basaron en una visión compartida de un aprendizaje efectivo, equitativo y receptivo habilitado por la tecnología. Las principales conclusiones de la cumbre incluyeron: La tecnología educativa exitosa coloca a los educadores en el asiento del conductor, apoyados por el liderazgo de la escuela y el distrito. Los oradores de las distintas sesiones destacaron que las herramientas de tecnología educativa más eficaces empoderan a los docentes en lugar de dificultarles el trabajo. Los líderes tecnológicos, en particular, reflexionaron sobre el hecho de que, con puntos de acceso accesibles a una herramienta y un espacio para experimentar, los docentes suelen encontrar mejores usos de los que se habían imaginado originalmente. “Cuando el docente está capacitado para usar esta tecnología y la comprende en profundidad, será increíblemente creativo a la hora de utilizarla con sus alumnos”, afirmó Adeel Khan, fundador y director ejecutivo de Magic School. “Hemos visto casos de uso que se les ocurren a las personas porque entienden su profesión y comprenden el contexto de sus alumnos mucho más profundamente que yo o cualquier otra persona”. Magic School tiene como objetivo apoyar a los docentes con herramientas de inteligencia artificial que ayuden a crear evaluaciones, planificar lecciones y diferenciar la instrucción. Lane Dilg, responsable de iniciativas estratégicas en OpenAI, creador de ChatGPT, dijo que los profesores crearán los mejores usos del programa de IA generativa y, cuando se utilice correctamente, ve potencial en la herramienta para mejorar la satisfacción laboral de los profesores. “Esperamos que nuestros modelos… sean tan beneficiosos y útiles para la enseñanza y el aprendizaje como sea posible. Pero en términos de implementación real, nos centraremos primero, en particular en la educación primaria y secundaria, en apoyar a los educadores”. Richard Charles, director de información de las escuelas públicas de Denver, demostró el papel del liderazgo a la hora de empoderar a los docentes en lo que respecta al uso de la tecnología. Supervisa cómo los docentes de su distrito utilizan las herramientas tecnológicas de manera eficaz y eleva su trabajo a otros educadores. También participó en la creación de una lista de verificación de preparación para la IA desde el jardín de infantes hasta el 12.º grado, en colaboración con otros cuatro distritos y consorcios escolares, proporcionando orientación que permite a los docentes dar rienda suelta a su creatividad. Las herramientas de IA deberían hacer más que tareas tediosas: pueden ayudar a mejorar la enseñanza. Desde el lanzamiento de ChatGPT, los tecnólogos educativos han explorado formas en que puede ayudar a reducir las horas de trabajo humano al ayudar con tareas repetitivas y que consumen mucho tiempo, como calificar, crear horarios o asistencia, lo que permite a los docentes dedicar tiempo y energía a concentrarse en sus estudiantes y ahorrarles dinero a las escuelas y recursos de personal. Sin embargo, un tema que surgió en todas las sesiones fue la posibilidad de que la IA aumente y mejore la práctica de la enseñanza. Con una enorme cantidad de datos disponibles para recopilar sobre los alumnos, la IA puede ayudar a procesarlos y traducirlos para brindar información útil a los maestros, estudiantes y padres. Entre los ejemplos citados se incluyen los siguientes: Con las nuevas herramientas disponibles, la industria de la evaluación también está evolucionando. La gente está “cuestionando la noción de una prueba estandarizada tradicional”, dijo Amit Sevak, director ejecutivo de Educational Testing Service (ETS), conocido por crear y administrar evaluaciones como TOEFL, GRE y Praxis. ETS está expandiendo su negocio para centrarse en evaluaciones personalizadas en lugar de estandarizadas, aquellas que miden el desempeño en lugar del conocimiento y aquellas que evalúan las habilidades del siglo XXI. Su trabajo incluye expandir tanto la tecnología como la metodología de evaluación. “Realmente estamos avanzando hacia una nueva era… hemos estado atravesando una transformación masiva”, reflexionó. La investigación educativa sigue siendo clave para diseñar tecnología educativa eficaz. Es ampliamente sabido que la tecnología educativa debe basarse en evidencia, pero se están desarrollando nuevas herramientas a un ritmo más rápido que la investigación tradicional revisada por pares. Los investigadores, tecnólogos y financiadores idearon cómo garantizar que los últimos conocimientos sirvan de base para las últimas soluciones. Algunas ideas que surgieron: La tecnología puede ampliar cómo y cuándo ocurre el aprendizaje y qué se enseña. En una charla informal de cierre, Jon Levin, presidente de la Universidad de Stanford, ’94, y Neal Mohan, director ejecutivo de YouTube, ’96, MBA ’05, reflexionaron sobre cómo la tecnología ha expandido

diciembre 2, 2024

¿Podría ChatGPT obtener un título de ingeniería?

Una investigación de la EPFL que investiga el impacto potencial de los asistentes de IA en la educación ha descubierto que sistemas como GPT-4 pueden responder correctamente hasta el 85% de las preguntas de evaluación universitaria. ChatGPT irrumpió en la escena pública a finales de 2022 y atrajo a más de 100 millones de usuarios tan solo en su primer mes. Desde entonces, ha habido cada vez más ejemplos de cómo la IA puede transformar la sociedad en los próximos años, desde el empleo y la comunicación hasta la educación. En la educación superior, los estudiantes utilizan cada vez más asistentes de inteligencia artificial. Si bien estas herramientas brindan oportunidades para mejorar la enseñanza y la educación, también plantean desafíos importantes para la evaluación y los resultados del aprendizaje. Sin embargo, hasta ahora, no se ha realizado ningún estudio exhaustivo sobre su posible impacto en los métodos de evaluación que utilizan las instituciones educativas. Como se describe en su nuevo artículo publicado en las Actas de la Academia Nacional de Ciencias (PNAS), los investigadores de la Escuela de Ciencias de la Computación y la Comunicación de la EPFL han llevado a cabo un estudio a gran escala en 50 cursos de la EPFL para medir el desempeño actual de los modelos de lenguaje a gran escala en las evaluaciones de cursos de educación superior. Los cursos seleccionados fueron seleccionados de 9 programas de licenciatura, maestría y en línea, que cubren un amplio espectro de disciplinas STEM, incluidas la informática, las matemáticas, la biología, la química, la física y las ciencias de los materiales. «Tuvimos suerte de que un gran consorcio de profesores, maestros y asistentes de cátedra de la EPFL nos ayudara a recopilar el mayor conjunto de datos hasta la fecha sobre materiales de cursos, evaluaciones y exámenes para obtener una gama diversa de materiales en todos nuestros programas de grado», explicó el profesor adjunto Antoine Bosselut, director del Laboratorio de Procesamiento del Lenguaje Natural (PLN) y miembro del Centro de IA de la EPFL . «Estos datos se seleccionaron en un formato que pensamos que se asemejaría más a las formas en que los estudiantes realmente darían esta información a los modelos y luego generamos respuestas de los modelos y vimos qué tan bien respondían». Centrados en GPT-3.5 y GPT-4, los investigadores utilizaron ocho estrategias de estímulo para producir respuestas y descubrieron que GPT-4 responde correctamente a un promedio del 65,8 % de las preguntas e incluso puede producir la respuesta correcta en al menos una estrategia de estímulo para el 85,1 % de las preguntas. “Nos sorprendieron los resultados, nadie esperaba que los asistentes de inteligencia artificial lograran un porcentaje tan alto de respuestas correctas en tantos cursos. Es importante destacar que el 65% de las preguntas respondidas correctamente se logró utilizando la estrategia más básica, sin necesidad de conocimientos previos, por lo que cualquier persona, sin entender nada técnicamente, podría lograrlo. Con un cierto conocimiento de la materia, lo cual es habitual, fue posible lograr una tasa de éxito del 85% y eso fue realmente una sorpresa”, dijo Anna Sotnikova, científica del NPL y coautora del artículo. Nos sorprendieron los resultados, nadie esperaba que los asistentes de IA lograran un porcentaje tan alto de respuestas correctas en tantos cursos.Anna Sotnikova, científica del Laboratorio de Procesamiento del Lenguaje Natural El impacto de la IA en el aprendizaje y el desarrollo de habilidades de los estudiantes Los investigadores fundamentaron teóricamente los problemas asociados con el uso de estos sistemas de IA por parte de los estudiantes en la vulnerabilidad: por un lado, la vulnerabilidad de la evaluación o si las evaluaciones utilizadas tradicionalmente pueden ser «manipuladas» por estos sistemas y, por otro lado, la vulnerabilidad educativa, es decir, si estos sistemas podrían usarse para eludir los caminos cognitivos típicos que toman los estudiantes para aprender las habilidades académicas que necesitan. En este contexto, los investigadores creen que los resultados del estudio plantean preguntas claras sobre cómo garantizar que los estudiantes sean capaces de aprender los conceptos básicos necesarios para comprender temas más complejos más adelante. “El temor es que si estos modelos son tan eficaces como lo que indicamos, los estudiantes que los utilicen podrían acortar el proceso mediante el cual aprenderían nuevos conceptos. Esto podría generar bases más débiles para ciertas habilidades al principio, lo que dificultaría el aprendizaje de conceptos más complejos más adelante. Tal vez sea necesario un debate sobre lo que deberíamos enseñar en primer lugar para lograr las mejores sinergias entre las tecnologías que tenemos y lo que harán los estudiantes en las próximas décadas”, dijo Bosselut. Otro punto clave del desarrollo de los asistentes de inteligencia artificial es que no van a empeorar, sino que van a mejorar. En esta investigación, que finalizó hace un año, se utilizó un único modelo para todas las asignaturas y, por ejemplo, tuvo problemas especiales con las preguntas de matemáticas. Ahora hay modelos específicos para matemáticas. La conclusión, dicen los investigadores, es que si el estudio se repitiera hoy, las cifras serían aún mayores. Enfatizar evaluaciones complejas y adaptar la educación “A corto plazo, deberíamos impulsar evaluaciones más difíciles, no en el sentido de la dificultad de las preguntas, sino en el sentido de la complejidad de la evaluación en sí, donde se deben extraer múltiples habilidades de diferentes conceptos que se aprenden a lo largo del curso durante el semestre y que se combinan en una evaluación holística”, sugirió Bosselut. “Los modelos aún no están realmente diseñados para planificar y trabajar de esta manera y, al final, en realidad creemos que este aprendizaje basado en proyectos es mejor para los estudiantes de todos modos”. “La IA plantea muchos desafíos a las instituciones de educación superior, por ejemplo: qué nuevas competencias se requieren para los futuros graduados, cuáles se están volviendo obsoletas, cómo podemos proporcionar retroalimentación a gran escala y cómo medimos el conocimiento. Este tipo de preguntas surgen en casi todas las reuniones de gestión en la EPFL y lo más importante es que nuestros equipos inicien proyectos que proporcionen respuestas basadas en evidencia a tantas como sea posible”, dijo Pierre Dillenbourg, vicepresidente de Asuntos Académicos de

noviembre 29, 2024

El Portal de las Tecnologías para la Innovación

Categoría: La IA aplicada a la Educación

Buscá noticias

Seleccioná una categoría

Un vistazo al interior de la caja que podría ayudar a resolver un misterio cuántico

Una nueva forma de crear formas 3D realistas utilizando IA generativa

¿Quieres diseñar el coche del futuro? Aquí tienes 8.000 diseños para empezar.

Presentamos ChatGPT Pro

¿Qué aporta la realidad virtual a los alumnos con dislexia?

El primer centro de baterías solares del mundo

Productos sanitarios biodegradables 100% de origen biológico

Conferencia de Stanford explora la tecnología educativa en la era de la IA

¿Podría ChatGPT obtener un título de ingeniería?

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