Categoría: La IA aplicada a la Educación

Felice Frankel discute las implicaciones de la IA generativa al comunicar la ciencia visualmente. Durante más de 30 años, la fotógrafa científica Felice Frankel ha ayudado a profesores, investigadores y estudiantes del MIT a comunicar su trabajo visualmente. A lo largo de ese tiempo, ha visto el desarrollo de varias herramientas para apoyar la creación de imágenes convincentes: algunas útiles y otras antitéticas al esfuerzo de producir una representación confiable y completa de la investigación. En un artículo de opinión reciente publicado en Naturaleza la revista Frankel discute el uso creciente de la inteligencia artificial generativa (GenAI) en las imágenes y los desafíos e implicaciones que tiene para comunicar la investigación. En una nota más personal, se pregunta si todavía habrá un lugar para un fotógrafo de ciencias en la comunidad de investigación. P: Youatve mencionó que tan pronto como se toma una foto, la imagen puede considerarse “manipulada.” Hay formas en que ha manipulado sus propias imágenes para crear una imagen que comunique con más éxito el mensaje deseado. ¿Dónde está la línea entre la manipulación aceptable e inaceptable? A: En el sentido más amplio, las decisiones tomadas sobre cómo enmarcar y estructurar el contenido de una imagen, junto con las herramientas utilizadas para crear la imagen, ya son una manipulación de la realidad. Necesitamos recordar que la imagen es simplemente una representación de la cosa, y no de la cosa misma. Se deben tomar decisiones al crear la imagen. El problema crítico es no manipular los datos, y en el caso de la mayoría de las imágenes, los datos son la estructura. Por ejemplo, para una imagen que hice hace algún tiempo, eliminé digitalmente la placa de Petri en la que crecía una colonia de levadura, para llamar la atención sobre la impresionante morfología de la colonia. Los datos en la imagen son la morfología de la colonia. No manipulé esos datos. Sin embargo, siempre indico en el texto si he hecho algo a una imagen. Discuto la idea de la mejora de la imagen en mi manual, “Los Elementos Visuales, Fotografía.” P: ¿Qué pueden hacer los investigadores para asegurarse de que su investigación se comunique correcta y éticamente? A: Con el advenimiento de la IA, veo tres temas principales relacionados con la representación visual: la diferencia entre la ilustración y la documentación, la ética en torno a la manipulación digital y la necesidad continua de que los investigadores se capaciten en comunicación visual. Durante años, he estado tratando de desarrollar un programa de alfabetización visual para las clases actuales y futuras de investigadores de ciencia e ingeniería. El MIT tiene un requisito de comunicación que aborda principalmente la escritura, pero ¿qué pasa con lo visual, que ya no es tangencial a la presentación de una revista? Apuesto a que la mayoría de los lectores de artículos científicos van directamente a las figuras, después de leer el resumen.  Necesitamos exigir a los estudiantes que aprendan cómo mirar críticamente un gráfico o imagen publicada y decidir si hay algo extraño con ella. Necesitamos discutir la ética de “nudging” una imagen para mirar de cierta manera predeterminada. Describo en el artículo un incidente cuando un estudiante alteró una de mis imágenes (sin preguntarme) para que coincida con lo que el estudiante quería comunicar visualmente. No lo permití, por supuesto, y me decepcionó que no se considerara la ética de tal alteración. Necesitamos desarrollar, al menos, conversaciones en el campus y, mejor aún, crear un requisito de alfabetización visual junto con el requisito de escritura. P: La IA generativa no va a desaparecer. ¿Qué ves como el futuro para comunicar la ciencia visualmente? A: Para el Naturaleza artículo, decidí que una forma poderosa de cuestionar el uso de la IA en la generación de imágenes era con el ejemplo. Utilicé uno de los modelos de difusión para crear una imagen utilizando el siguiente mensaje: “Crea una foto de nano cristales de Moungi Bawendiiks en viales sobre un fondo negro, fluorescentes en diferentes longitudes de onda, dependiendo de su tamaño, cuando se excitan con luz UV.” Los resultados de mi experimentación con IA a menudo eran imágenes de dibujos animados que apenas podían pasar como realidad — y mucho menos documentación —, pero habrá un momento en que lo serán. En conversaciones con colegas en comunidades de investigación y ciencias de la computación, todos están de acuerdo en que debemos tener estándares claros sobre lo que está y lo que no está permitido. Y lo más importante, nunca se debe permitir un visual GenaI como documentación. Pero las imágenes generadas por IA, de hecho, serán útiles para fines ilustrativos. Si un visual generado por IA se envía a una revista (o, para el caso, se muestra en una presentación), creo que el investigador DEBE MIT News. M. M. K. Traducido al español

Aprovechando la IA, los investigadores han identificado una molécula natural que puede suprimir el apetito y facilitar la pérdida de peso en ratones y cerdos. Una molécula natural identificada por los investigadores de Stanford Medicine parece similar a la semaglutida – también conocida como Ozempic – en la supresión del apetito y la reducción del peso corporal. En particular, las pruebas en animales también mostraron que funcionó sin algunos de los efectos secundarios de los medicamentos, como náuseas, estreñimiento y pérdida significativa de masa muscular. La molécula recién descubierta, BRP, actúa a través de una vía metabólica separada pero similar y activa diferentes neuronas en el cerebro – aparentemente ofreciendo un enfoque más específico para la reducción del peso corporal. “Los receptores dirigidos por la semaglutida se encuentran en el cerebro pero también en el intestino, el páncreas y otros tejidos, dijo” Katrin Svensson, PhD, profesor asistente de patología. “Es por eso que Ozempic tiene efectos generalizados que incluyen ralentizar el movimiento de los alimentos a través del tracto digestivo y reducir los niveles de azúcar en la sangre. En contraste, BRP parece actuar específicamente en el hipotálamo, que controla el apetito y el metabolismo Svensson ha cofundado una compañía para lanzar ensayos clínicos de la molécula en humanos en un futuro próximo. Svensson es el autor principal de la investigación5 De marzo en Naturaleza. Científico investigador senior Coassolo Laetitia, PhD, es el autor principal del estudio. El estudio no habría sido posible sin el uso de la inteligencia artificial para eliminar a través de docenas de proteínas en una clase llamada prohormonas. Las prohormonas son moléculas biológicamente inertes que se activan cuando son escindidas por otras proteínas en trozos más pequeños llamados péptidos; algunos de estos péptidos funcionan como hormonas para regular resultados biológicos complejos, incluido el metabolismo energético, en el cerebro y otros órganos. Cada prohormona se puede dividir en una variedad de formas para crear una gran cantidad de progenie peptídica funcional. Pero con los métodos tradicionales de aislamiento de proteínas, es difícil seleccionar hormonas peptídicas (que son relativamente raras) de la sopa biológica de los subproductos naturales mucho más numerosos de la degradación y el procesamiento de proteínas. Los investigadores se centraron en la prohormona convertasa 1/3, que separa las prohormonas en secuencias específicas de aminoácidos y se sabe que está involucrada en la obesidad humana. Uno de los productos peptídicos es el péptido similar al glucagón 1, o GLP-1, que regula el apetito y los niveles de azúcar en la sangre; la semaglutida funciona imitando el efecto de GLP-1 en el cuerpo. El equipo recurrió a la inteligencia artificial para ayudarlos a identificar otros péptidos involucrados en el metabolismo energético. Predictor de péptidos En lugar de aislar manualmente las proteínas y péptidos de los tejidos y utilizar técnicas como la espectrometría de masas para identificar cientos de miles de péptidos, los investigadores diseñaron un algoritmo informático que llamaron Peptide Predictor para identificar los sitios típicos de escisión de la prohormona convertasa en los 20.000 genes codificadores de proteínas humanas. Luego se centraron en los genes que codifican proteínas que se secretan fuera de la célula –, una característica clave de las hormonas – y que tienen cuatro o más sitios de escisión posibles. Hacerlo redujo la búsqueda a 373 prohormonas, un número manejable para detectar sus efectos biológicos. Nada de lo probado anteriormente se ha comparado con la capacidad de semaglutida para disminuir el apetito y el peso corporal. Estamos muy ansiosos por aprender si es seguro y efectivo en humans.”Katrin SvenssonProfesor Asistente de Patología “El algoritmo fue absolutamente clave para nuestros hallazgos,”, dijo Svensson. Peptide Predictor predijo que la prohormona convertasa 1/3 generaría 2.683 péptidos únicos a partir de las 373 proteínas. Coassolo y Svensson se centraron en secuencias que probablemente sean biológicamente activas en el cerebro. Examinaron 100 péptidos, incluido GLP-1, por su capacidad para activar células neuronales cultivadas en laboratorio. Como era de esperar, el péptido GLP-1 tuvo un efecto robusto sobre las células neuronales, aumentando su actividad tres veces sobre las células de control. Pero un pequeño péptido compuesto por solo 12 aminoácidos aumentó la actividad de las células en diez veces sobre los controles. Los investigadores llamaron a este péptido BRP en función de su prohormona madre, BPM/ácido retinoico inducible neural específico 2 o BRINP2 (BRINP2-reufóricopéptido). Cuando los investigadores probaron el efecto de BRP en ratones magros y minipigs (que reflejan más de cerca el metabolismo humano y los patrones de alimentación que los ratones) encontraron que una inyección intramuscular de BRP antes de la alimentación redujo la ingesta de alimentos durante la siguiente hora hasta en un 50% en ambos modelos animales. Los ratones obesos tratados con inyecciones diarias de BRP durante 14 días perdieron un promedio de 3 gramos – debido casi en su totalidad a la pérdida de grasa – mientras que los animales de control ganaron alrededor de 3 gramos durante el mismo período. Los ratones también demostraron una mejor tolerancia a la glucosa y la insulina. Los estudios de comportamiento de los ratones y cerdos no encontraron diferencias en los movimientos de los animales tratados’, la ingesta de agua, el comportamiento similar a la ansiedad o la producción fecal. Y otros estudios de la actividad fisiológica y cerebral mostraron que BRP activa las vías metabólicas y neuronales separadas de las activadas por GLP-1 o semaglutida. Los investigadores esperan identificar los receptores de la superficie celular que se unen a BRP y diseccionar aún más las vías de su acción. También están investigando cómo ayudar a que los efectos peptídicos duren más tiempo en el cuerpo para permitir un programa de dosificación más conveniente si el péptido demuestra ser eficaz en la regulación del peso corporal humano. “La falta de medicamentos efectivos para tratar la obesidad en humanos ha sido un problema durante décadas,” Svensson dijo. “Nada de lo que hemos probado antes se ha comparado con la capacidad de semaglutida para disminuir el apetito y el peso corporal. Estamos muy ansiosos por aprender si es seguro y efectivo