El Portal de las Tecnologías para la Innovación

Categoría: La IA aplicada a la Educación

Buscá noticias

Seleccioná una categoría

6 Formas en que la IA está haciendo una diferencia en el mundo

La IA está cambiando el mundo de maneras notables, desde mejorar la atención médica y la educación hasta facilitar la vida de las personas con discapacidades. Está transformando la forma en que las personas viven y trabajan, y su capacidad para analizar grandes cantidades de datos complejos está permitiendo a los científicos estudiar la selva amazónica en Colombia, ayudando a los productores de caña de azúcar a optimizar los cultivos en la India y más.   Aquí hay seis formas en que Microsoft AI está trayendo un cambio positivo en todo el mundo. Ayudar a los proveedores médicos a mejorar la atenciónAyudar a los proveedores médicos aAyudar a los proveedores médicos amejorar la atenciónmejorar la atención Documentar y revisar la información del paciente — notas de la tabla, resultados de pruebas, historial médico — puede llevar mucho tiempo para los proveedores de atención médica. La IA está racionalizando el trabajo para que puedan brindar una mejor atención, pasar más tiempo con los pacientes y reducir el agotamiento.En Taiwán, Chi Mei Medical Center  Asistentes de IA,construido con Azure OpenAI Service, están ayudando a médicos, enfermeras y farmacéuticos a encontrar información, resumir datos y generar informes. En los Estados Unidos, la organización de atención médica de Providence está trabajando con Microsoft en el prototipo  Herramientas de IA para oncólogos analizar los datos de los pacientes de fuentes como texto, imágenes e información genómica con el objetivo de brindar a los pacientes con cáncer tratamientos personalizados y precisos más rápido. Microsoft Investigación y Mayo Clinic también está desarrollando modelos de IA que integran texto e imágenes para explorar cómo la IA puede ayudar a los médicos  analizar los resultados de radiología más rápida y precisa. Documentar y revisar la información del paciente — notas de laDocumentar y revisar la información del paciente — notas de latabla, resultados de pruebas, historial médico — puede llevartabla, resultados de pruebas, historial médico — puede llevarmucho tiempo para los proveedores de atención médica. La IA estámucho tiempo para los proveedores de atención médica. La IA estáracionalizando el trabajo para que puedan brindar una mejorracionalizando el trabajo para que puedan brindar una mejoratención, pasar más tiempo con los pacientes y reducir elatención, pasar más tiempo con los pacientes y reducir elagotamiento.agotamiento. En Taiwán, Chi Mei Medical Center Asistentes de IA, construido conEn Taiwán, Chi Mei Medical Center Asistentes de IA, construido conAzure OpenAI Service, están ayudando a médicos, enfermeras yAzure OpenAI Service, están ayudando a médicos, enfermeras yfarmacéuticos a encontrar información, resumir datos y generarfarmacéuticos a encontrar información, resumir datos y generarinformes. En los Estados Unidos, la organización de atención médicainformes. En los Estados Unidos, la organización de atención médicade Providence está trabajando con Microsoft en el prototipode Providence está trabajando con Microsoft en el prototipoHerramientas de IA para oncólogos analizar los datos de losHerramientas de IA para oncólogos analizar los datos de lospacientes de fuentes como texto, imágenes e informaciónpacientes de fuentes como texto, imágenes e informacióngenómica con el objetivo de brindar a los pacientes con cáncergenómica con el objetivo de brindar a los pacientes con cáncertratamientos personalizados y precisos más rápido.tratamientos personalizados y precisos más rápido. Microsoft Investigación y Mayo Clinic también está desarrollandoMicrosoft Investigación y Mayo Clinic también está desarrollandomodelos de IA que integran texto e imágenes para explorar cómo lamodelos de IA que integran texto e imágenes para explorar cómo laIA puede ayudar a los médicos analizar los resultados de radiologíaIA puede ayudar a los médicos analizar los resultados de radiologíamás rápida y precisa.más rápida y precisa. Transformar el aprendizaje en la escuela y el trabajoTransformar el aprendizaje en la escuelaTransformar el aprendizaje en la escuelay el trabajoy el trabajo La IA tiene el potencial de hacer que la enseñanza, el aprendizaje y la capacitación laboral sean más personalizados y efectivos. Más que  400.000 Profesores en más de 50 países han utilizado un  Impulsado por IA asistente de enseñanza de Khan Academy que ayuda a crear planes de lecciones innovadores — como experimentos de química usando artículos cotidianos, o escribiendo historias basadas en Shakespeare — para hacer que el aprendizaje sea más atractivo y dar a los maestros más tiempo y energía para los estudiantes.A muchas escuelas les gustan  De Wereldreiziger en Bélgica están utilizando aplicaciones impulsadas por IA como Microsoft Microsoft  Progreso de Lectura para ayudar a los estudiantes a practicar su lectura. Las otras herramientas educativas de los compañeros, incluyendo Reading Coach y Search Coach, también son  ayudar a los estudiantes con habilidades importantes.Y Pearson, una organización dedicada a la formación y la educación, está trabajando con Microsoft para  ampliar el aprendizaje personalizado y servicios habilitados para IA para personas de todo el mundo. La IA tiene el potencial de hacer que la enseñanza, el aprendizaje y laLa IA tiene el potencial de hacer que la enseñanza, el aprendizaje y lacapacitación laboral sean más personalizados y efectivos. Más quecapacitación laboral sean más personalizados y efectivos. Más que400.000 Profesores en más de 50 países han utilizado un Impulsado400.000 Profesores en más de 50 países han utilizado un Impulsadopor IA asistente de enseñanza de Khan Academy que ayuda a crearpor IA asistente de enseñanza de Khan Academy que ayuda a crearplanes de lecciones innovadores — como experimentos de químicaplanes de lecciones innovadores — como experimentos de químicausando artículos cotidianos, o escribiendo historias basadas enusando artículos cotidianos, o escribiendo historias basadas enShakespeare — para hacer que el aprendizaje sea más atractivo yShakespeare — para hacer que el aprendizaje sea más atractivo ydar a los maestros más tiempo y energía para los estudiantes.dar a los maestros más tiempo y energía para los estudiantes. A muchas escuelas les gustan De Wereldreiziger en Bélgica estánA muchas escuelas les gustan De Wereldreiziger en Bélgica estánutilizando aplicaciones impulsadas por IA como Microsoftutilizando aplicaciones impulsadas por IA como MicrosoftMicrosoft Progreso de Lectura para ayudar a los estudiantes aMicrosoft Progreso de Lectura para ayudar a los estudiantes apracticar su lectura. Las otras herramientas educativas de lospracticar su lectura. Las otras herramientas educativas de loscompañeros, incluyendo Reading Coach y Search Coach, tambiéncompañeros, incluyendo Reading Coach y Search Coach, tambiénson ayudar a los estudiantes con habilidades importantes.son ayudar a los estudiantes con habilidades importantes. Y Pearson, una organización dedicada a la formación y la educación,Y Pearson, una organización

Leer más »
febrero 27, 2025

NVIDIA Deep Learning Institute lanza el Nuevo Kit Generativo de Enseñanza de IA

La IA generativa, impulsada por modelos avanzados de aprendizaje automático y redes neuronales profundas, está revolucionando las industrias al generar contenido novedoso e impulsar la innovación en campos como la atención médica, las finanzas y el entretenimiento.  NVIDIA lidera esta transformación con sus arquitecturas de GPU y ecosistemas de software de vanguardia, como el H100 Núcleo del Tensor GPU y plataforma CUDA, que optimizan el desarrollo y despliegue de modelos generativos. NIM NVIDIA mejora la eficiencia y la escalabilidad de las tareas de inferencia de IA, permitiendo una rápida implementación e iteración en varios entornos informáticos y acelerando los avances en aplicaciones de IA generativas. La importancia de la educación generativa en IA A medida que los modelos de IA generativos, como los GAN y los transformadores, se vuelven cada vez más sofisticados, existe una creciente demanda de profesionales calificados que puedan desarrollar, refinar y desplegar éticamente estas tecnologías. Una sólida base educativa en IA generativa equipa a los estudiantes con las habilidades prácticas y los conocimientos teóricos necesarios para innovar en áreas como la creación de contenido, el descubrimiento de fármacos y los sistemas autónomos.  La educación universitaria y universitaria en IA generativa es crucial debido al papel en rápida expansión de la IA en casi todas las industrias. Al integrar la IA generativa en su plan de estudios, las universidades preparan a la próxima generación de investigadores, ingenieros y líderes de opinión de IA para avanzar en el campo y abordar los complejos desafíos asociados con la innovación impulsada por la IA.  El nuevo Generative AI Teaching Kit, una colaboración entre el NVIDIA Deep Learning Institute (DLI) y Dartmouth College, está configurado para capacitar a la próxima generación de profesionales con las habilidades y conocimientos necesarios en este campo en rápida evolución.  Este recurso de enseñanza integral permite a los educadores proporcionar a los estudiantes acceso a herramientas, marcos y ejercicios prácticos de vanguardia que son cruciales para comprender las complejidades de la IA generativa y el desarrollo e implementación de modelos de lenguaje grande. Al equipar a los estudiantes con una comprensión profunda de las técnicas de IA generativa, el Kit de Enseñanza permite a los educadores fomentar la innovación y la creatividad futuras en las industrias impulsadas por la IA.  A medida que los estudiantes hagan la transición a la fuerza laboral, estarán mejor preparados para enfrentar los desafíos globales, desde mejorar la atención médica y la ciencia hasta avanzar en tecnologías sostenibles. Sam Raymond, profesor asistente adjunto de ingeniería en el Dartmouth College, fue instrumental en el desarrollo del contenido. “Empoderar a los estudiantes con habilidades para comprender y desarrollar potencialmente sus propias aplicaciones de IA generativa aceleradas por GPU es el objetivo principal,” dijo Raymond. “Creo que los estudiantes que pasan por este curso tendrán una ventaja significativa en el mercado laboral y ayudarán a cerrar la brecha de conocimiento en las industrias de hoy.” Descripción general del Kit de Enseñanza Generativa de IA  Todos los Kits de Enseñanza incluyen diapositivas de conferencias, laboratorios prácticos, cuadernos Jupyter, verificaciones de conocimientos y cursos gratuitos en línea a su propio ritmo que proporcionan certificados de competencia para los estudiantes, todos empaquetados y listos para la integración en el aula y el plan de estudios. El objetivo del Generative AI Teaching Kit es introducir los conceptos fundamentales del procesamiento del lenguaje natural (PNL) que son esenciales para comprender los LLM y la IA generativa de manera más amplia. Los conceptos clave de los LLM se examinan utilizando GPU, herramientas y servicios de NVIDIA, así como bibliotecas y marcos de código abierto. Un simple ejercicio de preentrenamiento de un modelo GPT muestra los procesos básicos de entrenamiento en la nube.  El kit también cubre modelos de difusión para explorar la aplicación de IA generativa en la generación de imágenes y videos. Luego se introducen arquitecturas LLM multimodales, con un enfoque en la optimización de varias arquitecturas LLM durante el ajuste fino utilizando el marco NVIDIA NeMo. También se discuten los avances en la inferencia y el refinamiento de herramientas como chatbots, utilizando NVIDIA NIM, NeMo Guardrails, TensorRT y TensorRT-LLM para mejorar la eficiencia y la escalabilidad en entornos de producción. El Generative AI Teaching Kit contiene módulos enfocados que combinan teoría, algoritmos, programación y ejemplos: A través de una colaboración con Google, los educadores también tienen acceso a créditos gratuitos de Google Colab para ejecutar los cuadernos de laboratorio en preparación para la enseñanza del curso. Este contenido es valioso para educadores en diversos campos, especialmente en informática e ingeniería. Su diseño modular permite a los instructores adaptar el curso para satisfacer las necesidades específicas de sus estudiantes y crear una experiencia de aprendizaje personalizada. Profesores seleccionados de todo el mundo ya han tenido acceso temprano a módulos de primera versión. “Iianm ansioso por integrar el Kit de Enseñanza de IA Generativa en mi clase de IA en Ingeniería de Materiales,” dijo Mohadesh Taheri-Mousavi, profesor asistente en el departamento de Ciencia e Ingeniería de Materiales de la Universidad Carnegie Mellon. “Las notas de conferencias completas con laboratorios de codificación bien estructurados con ejemplos de diversos campos y cursos en línea asociados con certificados, proporcionarán a mis estudiantes los recursos de vanguardia para comprender profundamente las amplias aplicaciones de las técnicas de IA generativa en varios campos El profesor Payam Barnaghi del Departamento de Ciencias del Cerebro del Imperial College de Londres utiliza LLM y IA generativa en su investigación utilizando registros electrónicos de salud y datos de atención médica. “el contenido del Kit de enseñanza de IA generativa de NVIDIA es un recurso maravilloso para que los estudiantes aprendan los últimos desarrollos en IA y aprendizaje automático,” dijo Barnaghi. “Como resultado de tener acceso temprano a los primeros módulos, planeo usar este contenido como base para enseñar temas avanzados en mi aprendizaje automático para cursos de neurociencia.” Dados los rápidos avances en la IA generativa, los educadores pueden esperar que los materiales de enseñanza se actualicen con el tiempo. NVIDIA se dedica a ofrecer recursos educativos de alta gama y agradece

Leer más »
febrero 26, 2025

Bridging filosofía e IA para explorar la ética informática

En un nuevo curso del MIT co-enseñado por EECS y profesores de filosofía, los estudiantes abordan los dilemas morales de la era digital. Durante una reunión de clase 6.C40/24.C40 (Ética de la Computación), Profesor Armando Solar-Lezama plantea la misma pregunta imposible a sus estudiantes que a menudo se hace en la investigación que dirige con el Grupo de Programación Asistida por Computadora en el MIT: «Cómo nos aseguramos de que una máquina haga lo que queremos, y solo lo que queremos?» En este momento, lo que algunos consideran la edad de oro de la IA generativa, esto puede parecer una nueva pregunta urgente. Pero Solar-Lezama, el Profesor Distinguido de Computación en el MIT, se apresura a señalar que esta lucha es tan antigua como la humanidad misma. Comienza a volver a contar el mito griego del Rey Midas, el monarca al que se le otorgó el poder divino para transformar cualquier cosa que tocara en oro macizo. Como era de esperar, el deseo fracasó cuando Midas accidentalmente convirtió a todos los que amaba en piedra dorada. «Ten cuidado con lo que pides porque podría otorgarse de maneras que no esperas», dice, advirtiendo a sus estudiantes, muchos de ellos aspirantes a matemáticos y programadores. Excavando en los archivos del MIT para compartir diapositivas de fotografías granuladas en blanco y negro, narra la historia de la programación. Escuchamos sobre la máquina Pygmalion de la década de 1970 que requería señales increíblemente detalladas, hasta el software informático de finales de los 90 que llevó a equipos de ingenieros años y un documento de 800 páginas para programar. Si bien es notable en su tiempo, estos procesos tardaron demasiado en llegar a los usuarios. No dejaron espacio para el descubrimiento espontáneo, el juego y la innovación. Solar-Lezama habla sobre los riesgos de construir máquinas modernas que no siempre respetan las señales de un programador o las líneas rojas, y que son igualmente capaces de causar daños como salvar vidas. Titus Roesler, un senior con especialización en ingeniería eléctrica, asiente a sabiendas. Roesler está escribiendo su último artículo sobre la ética de los vehículos autónomos y sopesando quién es moralmente responsable cuando uno hipotéticamente golpea y mata a un peatón. Su argumento cuestiona las suposiciones subyacentes detrás de los avances técnicos y considera múltiples puntos de vista válidos. Se apoya en la teoría de la filosofía del utilitarismo. Roesler explica, «Aproximadamente, según el utilitarismo, lo moral que hay que hacer es lo más bueno para el mayor número de personas.» MIT filósofo Brad Skow, con quien Solar-Lezama desarrolló y está enseñando en equipo el curso, se inclina hacia adelante y toma notas. Una clase que exige experiencia técnica y filosófica La Ética de la Computación, ofrecida por primera vez en el otoño de 2024, se creó a través de Common Ground para la Educación Informáticauna iniciativa del MIT Schwarzman College of Computing que reúne a múltiples departamentos para desarrollar y enseñar nuevos cursos y lanzar nuevos programas que combinan la informática con otras disciplinas. Los instructores alternan los días de conferencias. Skow, el Laurance S. Rockefeller Profesor de Filosofía, trae la lente de su disciplina para examinar las implicaciones más amplias de los problemas éticos de hoy, mientras que Solar-Lezama, quien también es el director asociado y director de operaciones del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT, ofrece perspectiva a través de su. Skow y Solar-Lezama asisten a las conferencias de los demás y ajustan sus sesiones de clase de seguimiento en respuesta. La introducción del elemento de aprender unos de otros en tiempo real ha hecho que las conversaciones de clase sean más dinámicas y receptivas. Una recitación para desglosar el tema de la semana con estudiantes graduados de filosofía o informática y una animada discusión combinan el contenido del curso. «Un extraño podría pensar que esta será una clase que se asegurará de que estos nuevos programadores de computadoras enviados al mundo por el MIT siempre hagan lo correcto», dice Skow. Sin embargo, la clase está diseñada intencionalmente para enseñar a los estudiantes un conjunto de habilidades diferente. Decidido a crear un curso impactante de un semestre que hiciera más que dar conferencias a los estudiantes sobre lo correcto o lo incorrecto, el profesor de filosofía Caspar Hare concibió la idea de Ética de la Computación en su papel como decano asociado de la Responsabilidades Sociales y Éticas de la Computación. Hare reclutó a Skow y Solar-Lezama como los instructores principales, ya que sabía que podían hacer algo más profundo que eso. «Pensar profundamente sobre las preguntas que surgen en esta clase requiere experiencia técnica y filosófica. No hay otras clases en el MIT que se coloquen una al lado de la otra, dice” Skow. Eso es exactamente lo que atrajo al senior Alek Westover a inscribirse. La doble especialización en matemáticas e informática explica, «Mucha gente está hablando de cómo se verá la trayectoria de la IA en cinco años. Pensé que era importante tomar una clase que me ayudara a pensar más en eso.» Westover dice que se siente atraído por la filosofía debido a un interés en la ética y el deseo de distinguir lo correcto de lo incorrecto. En las clases de matemáticas, ha aprendido a escribir una declaración de problemas y recibir claridad instantánea sobre si la ha resuelto con éxito o no. Sin embargo, en Ética de la Computación, ha aprendido cómo hacer argumentos escritos para «preguntas filosóficas complicadas» que pueden no tener una sola respuesta correcta. Por ejemplo, «Un problema que podría preocuparnos es, ¿qué sucede si construimos poderosos agentes de IA que pueden hacer cualquier trabajo que un humano pueda hacer?» Westover pregunta. «Si estamos interactuando con estas IA en ese grado, ¿deberíamos pagarles un salario? Cuánto deberíamos preocuparnos por lo que quieren?» No hay una respuesta fácil, y Westover asume que se encontrará con muchos otros dilemas en el lugar de trabajo en el futuro. “Entonces, ¿internet está destruyendo el mundo?” El semestre comenzó con una inmersión profunda en el riesgo de IA,

Leer más »
febrero 23, 2025

Programa de IA Juega el Juego Largo para Resolver Problemas Matemáticos Antiguos de Décadas

Un juego de ajedrez requiere que sus jugadores piensen varios movimientos por delante, una habilidad que los programas de computadora han dominado a lo largo de los años. En 1996, una supercomputadora de IBM venció al entonces campeón mundial de ajedrez Garry Kasparov. Más tarde, en 2017, un programa de inteligencia artificial (IA) desarrollado por Google DeepMind, llamado AlphaZero, triunfó sobre los mejores motores de ajedrez computarizados de la época después de entrenarse para jugar el juego en cuestión de horas. Más recientemente, algunos matemáticos han comenzado a perseguir activamente la cuestión de si los programas de IA también pueden ayudar a resolver algunos de los problemas matemáticos más difíciles del mundo. Pero, mientras que un juego promedio de ajedrez dura entre 30 y 40 movimientos, estos problemas matemáticos a nivel de investigación requieren soluciones que den un millón o más de pasos o movimientos. En a papel preimpresión, un equipo dirigido por Caltech’s Sergei Gukov, el John D. MacArthur Profesor de Física Teórica y Matemáticas, describe el desarrollo de un nuevo tipo de algoritmo de aprendizaje automático que puede resolver problemas matemáticos que requieren secuencias de pasos extremadamente largas. Utilizaron su nuevo algoritmo para resolver familias de problemas relacionados con un problema matemático general de décadas llamado la conjetura de Andrews–Curtis. En esencia, el algoritmo puede pensar más adelante que incluso los programas avanzados como AlphaZero. «Nuestro programa tiene como objetivo encontrar largas secuencias de pasos que son raros y difíciles de encontrar», dice el primer autor del estudio Ali Shehper, un erudito postdoctoral en la Universidad de Rutgers que pronto se unirá a Caltech como científico investigador. «Es como tratar de encontrar tu camino a través de un laberinto del tamaño de la Tierra. Estos son caminos muy largos que tienes que probar, y solo hay un camino que funciona.» El uso de la IA para resolver problemas matemáticos se ha vuelto cada vez más popular. AlphaProof de Google DeepMind se desempeñó a nivel de medallista de plata en la Olimpiada Internacional de Matemáticas 2024, una competencia de matemáticas de nivel secundario. Y el programa o3 de OpenAI recientemente se abrió paso a través de problemas de referencia en matemáticas, ciencias y programación de computadoras. Los matemáticos liderados por Caltech no se están enfocando en problemas de rutina, sino en los más difíciles en su campo. En el nuevo estudio, utilizaron IA para resolver dos familias de problemas dentro de la conjetura de Andrews–Curtis, un problema de teoría de grupos propuesto por primera vez hace 60 años. Si bien no resolvieron la conjetura principal en sí, refutaron a las familias de problemas, conocidos como contraejemplos potenciales, que habían permanecido abiertos durante aproximadamente 25 años; también lograron un progreso significativo en otra familia de contraejemplos que ha estado abierta durante 44 años. Los contraejemplos son básicamente casos matemáticos que refutarían una conjetura original. Si los contraejemplos en sí mismos son refutados, entonces la conjetura original aún puede ser cierta. «Eliminar algunos de los contraejemplos nos da confianza en la validez de la conjetura original y ayuda a construir nuestra intuición sobre el problema principal. Nos da nuevas formas de pensarlo», dice Shehper. Gukov dice que navegar por estos problemas matemáticos es como «pasar de A a B» a través de rutas complicadas que requieren miles, millones o incluso miles de millones de pasos. Compara los problemas con resolver un cubo de Rubik increíblemente complejo. «¿Puedes tomar este cubo de Rubik revuelto y complicado y volver a su estado original? Tienes que probar estas secuencias muy largas de movimientos, y no sabrás si estás en el camino correcto hasta el final», dice Gukov, quien también es el director de Caltech Richard N. Merkin Center for Matemáticas Puras y Aplicadas. El programa de IA del equipo aprendió a crear largas secuencias de movimientos—lo que los investigadores denominaron «súper movimientos»—que son inesperados, o lo que los investigadores llaman valores atípicos. Esto contrasta con la forma en que operan los programas de IA como ChatGPT. «Si le pides a ChatGPT que escriba una carta, se le ocurrirá algo típico. Es poco probable que se le ocurra algo único y muy original. Es un buen loro», dice Gukov. «Nuestro programa es bueno para encontrar valores atípicos.» Para entrenar su programa de IA, los investigadores utilizaron un modelo de aprendizaje automático conocido como aprendizaje por refuerzo. Primero, el equipo mostró que la IA era fácil de resolver, y luego progresivamente le dio problemas cada vez más difíciles. «Intenta varios movimientos y es recompensado por resolver los problemas», explica Shehper. «Alentamos al programa a hacer más de lo mismo mientras mantenemos cierto nivel de curiosidad. Al final, desarrolla nuevas estrategias que son mejores de lo que los humanos pueden hacer. Esa es la magia del aprendizaje por refuerzo.» En la actualidad, los programas de IA generalmente no son muy buenos para predecir eventos raros y periféricos que tienen consecuencias dramáticas, como los accidentes del mercado financiero. El nuevo algoritmo del equipo tampoco puede hacer predicciones como esta, pero puede contener las semillas de lo que se requeriría para hacer predicciones inteligentes de esta naturaleza. «Básicamente, nuestro programa sabe cómo aprender a aprender», dice Gukov. «Está pensando fuera de la caja.» El nuevo algoritmo del equipo ya ha causado un gran revuelo en la comunidad matemática. «Hicimos muchas mejoras en un área de matemáticas que tenía décadas de antigüedad», dice Gukov. «El progreso había sido relativamente lento, pero ahora es bullicioso y bullicioso.» De hecho, tres nuevos matemáticos se han unido al equipo—Lucas Fagan y Zhenghan Wang de UC Santa Barbara y Yang Qiu de la Universidad de Nankai en Tianjin, China— y el grupo ha publicado otro papel de preimpresión eso informa que resuelve aún más familias de contrafactuales potenciales pertenecientes a la conjetura de Andrews–Curtis. En lugar de ampliar los modelos de IA, el enfoque del equipo ha sido encontrar nuevos trucos y estrategias inteligentes que no requieren grandes cantidades de potencia informática. «Tratamos de demostrar un buen rendimiento en computadoras de pequeña escala, de fácil acceso a una

Leer más »
febrero 22, 2025

La Universidad Washburn adopta un modelo de arrendamiento innovador para dotar a los estudiantes y al personal de dispositivos Lenovo de última generación

Lenovo modernizó la infraestructura de TI de la universidad y también permitió la creación de un salón de deportes electrónicos en el campus, agregando una dimensión extra a la vida estudiantil. Ubicada en Topeka, la capital de Kansas, la Universidad Washburn ha sido un referente en educación desde 1865, recibiendo a 7000 estudiantes cada año en su institución independiente financiada con fondos públicos. La universidad ofrece más de 200 cursos de estudio, dirigidos a una población diversa, que incluye estudiantes mayores y estudiantes a tiempo parcial. Como en la mayoría de las universidades modernas, la tecnología se ha vuelto fundamental para brindar las experiencias de aprendizaje que los estudiantes esperan, especialmente a través de los nuevos cursos completamente en línea de Washburn. Para satisfacer estas demandas, Washburn buscó una solución de TI más rentable e innovadora, y recurrió a Lenovo en busca de ayuda. Esta decisión no solo modernizó la infraestructura informática de la universidad, sino que también permitió la creación de un salón de deportes electrónicos en el campus, lo que agregó una dimensión adicional a la vida estudiantil. Sin embargo, el camino superó desafíos importantes para lograr este éxito. Enfrentando los desafíos de frente En la Universidad Washburn, la creciente importancia de la tecnología ha impulsado la necesidad de un enfoque más moderno y eficiente para la gestión de dispositivos. Dado que la tecnología desempeña un papel crucial en el apoyo a los estudiantes, el personal docente y administrativo, el equipo de TI reconoció la necesidad de actualizar los dispositivos con regularidad para garantizar un acceso sin problemas a las aplicaciones y herramientas modernas en todo el campus de 160 acres. John Haverty, director de informática de la Universidad Washburn, afirmó: “La tecnología de la información sustenta prácticamente todo lo que hacemos: desde controlar los sistemas de calefacción y ventilación de nuestros edificios hasta ayudar a nuestro personal docente a realizar presentaciones, enseñar e interactuar con los estudiantes. Por lo tanto, para nosotros es fundamental garantizar que contamos con la infraestructura tecnológica adecuada”. Moviéndose más rápido La Universidad Washburn identificó varias prioridades clave, entre ellas su programa de sostenibilidad, que incluye objetivos de conservación y reciclaje de energía. La institución estaba interesada en adoptar un ciclo de renovación más rápido, realizar la transición a un enfoque basado en el arrendamiento y alinear sus prácticas de TI con estos objetivos de sostenibilidad. Después de evaluar soluciones de varios proveedores, la universidad eligió a Lenovo por sus sólidas capacidades en materia de rendimiento, rentabilidad y calidad de construcción. Lenovo Financial Services proporcionó una solución que sustituyó la adquisición de dispositivos de capital por contratos de arrendamiento flexibles y manejables. En estrecha colaboración con Lenovo, la Universidad Washburn eligió y configuró dispositivos completamente nuevos para estudiantes y profesores, entre ellos, computadoras todo en uno Lenovo ThinkCentre M90a de alto rendimiento, estaciones de trabajo Lenovo ThinkStation P3 Tower W680 y computadoras portátiles Lenovo ThinkPad P16v . Haverty afirmó: “Gracias a nuestro trabajo con Lenovo Financial Services, hemos pasado a un ciclo de renovación de cinco años. Todos nuestros nuevos dispositivos Lenovo vienen con garantías completas, lo que significa que es rápido y fácil para nosotros obtener reparaciones y reemplazos cuando los necesitamos”. Entregando resultados Los resultados fueron rápidos y mensurables: el rendimiento para los usuarios finales aumentó alrededor de un 35% y se espera un aumento adicional del 70% a medida que se implemente una nueva ronda de dispositivos en los próximos meses. La sostenibilidad fue otro factor clave para la universidad, ya que se centra en la responsabilidad medioambiental. El compromiso de Lenovo de reducir el impacto medioambiental se alineaba perfectamente con las iniciativas de sostenibilidad del campus de Washburn, que se centran en la conservación de la energía y la reducción de los residuos. Al reciclar los dispositivos al final de su ciclo de vida, la universidad minimizó los residuos electrónicos y cumplió con los objetivos de sostenibilidad más importantes. Haverty afirmó: “Después de cinco años trabajando con Lenovo y contando, una de las cosas que valoramos de Lenovo es su enfoque en reducir el impacto ambiental de sus operaciones”. John Stamer, vicepresidente y gerente general de servicios globales de productos de Lenovo, comentó: “Nuestros expertos trabajaron en estrecha colaboración con Washburn para ofrecer el hardware de vanguardia que los estudiantes y el personal docente necesitaban, y al mismo tiempo ayudaron a la Universidad a lograr sus objetivos de sustentabilidad, con nuevos dispositivos enviados en embalajes a granel reutilizables hechos de materiales reciclados y renovables, y cada dispositivo reciclado al final de su vida útil”. Abdul Hakim, director ejecutivo de Soluciones para el lugar de trabajo digital en Lenovo, agregó: “Con Lenovo TruScale Device as a Service (DaaS), estamos permitiendo que instituciones como Washburn University revolucionen la forma en que administran la TI. Al simplificar la adquisición y el mantenimiento a través de un enfoque basado en el arrendamiento, Washburn ha logrado importantes mejoras de rendimiento al tiempo que se alinea con los objetivos de sostenibilidad. Nuestra asociación permite a la universidad centrarse en la innovación y en brindar experiencias excepcionales para los estudiantes y el personal, preparándolos para el futuro del aprendizaje y la participación impulsados ​​por la tecnología”. Jugar para ganar La Universidad Washburn también actualizó sus servidores en su centro de datos para impulsar sus servicios digitales de aprendizaje en línea y creó un centro de deportes electrónicos totalmente equipado en una de sus residencias. Equipado con 24 PC de juegos competitivos Lenovo, el centro de deportes electrónicos ofrece juegos que van desde FIFA hasta League of Legends, con torneos y eventos tanto para fanáticos como para jugadores ocasionales. Los expertos de Lenovo recomendaron 24 PC de juegos Lenovo Legion y el software de gestión de espacios ggLEAP que permite a la universidad administrar fácilmente todo, desde las operaciones diarias hasta los torneos de juegos. Haverty explicó: “Al reemplazar los servidores que ya no funcionan en nuestro centro de datos con soluciones Lenovo ThinkSystem, fortalecimos la disponibilidad de nuestros principales servicios digitales. La Oficina de Vida Estudiantil se acercó a nosotros para pedirnos

Leer más »
febrero 21, 2025

La herramienta de IA generativa marca un hito en la biología

Formado en un conjunto de datos que incluye todas las especies vivas conocidas – y algunas extintas – Evo 2 puede predecir la forma y función de las proteínas en el ADN de todos los dominios de la vida y realizar experimentos en una fracción del tiempo que tomaría un laboratorio tradicional. maginaImaginarser capaz de acelerar la evolución – hipotéticamente – para aprender qué genes podrían tener un efecto dañino o beneficioso sobre la salud humana. Imagine, además, poder generar rápidamente nuevas secuencias genéticas que podrían ayudar a curar enfermedades o resolver desafíos ambientales. Ahora, los científicos han desarrollado una herramienta de IA generativa que puede predecir la forma y función de las proteínas codificadas en el ADN de todos los dominios de la vida, identificar moléculas que podrían ser útiles para la bioingeniería y la medicina, y permitir a los laboratorios ejecutar docenas de otros experimentos estándar con una consulta virtual – en minutos u horas en lugar de años (o milenios). La herramienta de código abierto de acceso completo, conocida como Evo 2, fue desarrollada por un equipo multiinstitucional codirigido por Stanfords Hie Brian, un profesor asistente de ingeniería química y un profesor en Ciencia de Datos de Stanford. Evo 2 fue entrenado en un conjunto de datos que incluye todas las especies vivas conocidas, incluidos humanos, plantas, bacterias, amebas e incluso algunas especies extintas. Stanford Report habló con Hie sobre las capacidades avanzadas de Evo 2’, por qué el mundo científico está tan ansioso por tener en sus manos esta nueva herramienta y cómo Evo 2 podría remodelar las ciencias biológicas. De izquierda a derecha: Michael Poli, Brian Hie y Garyk Brixi. La biología está escrita en una combinación de As, Cs, Gs y Ts que puede ser difícil de entender. El equipo de Evo2, codirigido por el Profesor Asistente Brian Hie, tiene como objetivo hacer que el lenguaje de la biología sea más accesible para los investigadores. | Video Kurt Hickman; imagen: Andrew Brodhead ¿Puedes darnos la versión lay de cómo funciona Evo 2? Toda la vida está codificada en el ADN utilizando solo cuatro productos químicos, conocidos como nucleótidos. Estas moléculas complejas se abrevian usando las letras A, C, G y T. El genoma humano, de 3 mil millones de nucleótidos de largo, es solo una cadena de estas cuatro letras. Ahora, si imaginas el ADN como los personajes de un libro que tiene 3 mil millones de letras de largo, los genes individuales son las palabras. Se escriben de manera diferente. Algunos tienen más letras que otros. Y tienen diferentes propósitos y significados – es decir, tienen diferentes funciones. Con la IA, podemos buscar patrones en todo ese código y usarlo para predecir cuál es el siguiente nucleótido en la secuencia. De esta manera, Evo 2 es capaz de generar – para escribir – nuevo código genético que nunca antes había existido. Con Evo 2, puede ingresar una secuencia de hasta 1 millón de nucleótidos. La ventana de un millón de nucleótidos en biología es importante, ya que nos permite explorar interacciones de larga distancia entre dos o más genes que pueden no estar físicamente cerca uno del otro en la molécula de ADN. La ventana de contexto más larga podría permitirnos detectar conexiones entre estos colaboradores de larga distancia que ni siquiera conoceríamos con una ventana más corta. Cómo es Evo 2 diferente de Evo 1 – que salió el año pasado – ¿y cómo avanzaste la tecnología tan rápido? Honestamente, Evo 1 fue más efectivo de lo que pensábamos que sería. Evo 1 fue entrenado en solo 113,000 genomas de formas de vida más simples como bacterias y arqueas, conocidos como procariotas. Evo 2, por otro lado, también incluye los genomas conocidos de aproximadamente 15,000 plantas y animales – los eucariotas – que incluye humanos. Nuestro conjunto de datos ahora se ha expandido de aproximadamente 300 mil millones de nucleótidos a casi 9 billones con Evo 2. En términos de seguridad, hemos dejado de lado los genomas de los virus para evitar que Evo 2 se use para crear enfermedades nuevas o más peligrosas. Es como una instantánea representativa de todas las especies en la Tierra. Debido a que tiene el potencial de mejorar las tareas relacionadas con las enfermedades humanas, sentimos que necesitábamos compartir Evo 2 rápidamente.  Claire Scully ¿Cómo es Evo 2 como ChatGPT? En un procesador de lenguaje natural, como ChatGPT, puede solicitarlo con un poco de texto, y completará automáticamente la oración en función de los patrones de palabras escritas anteriormente. Evo 2 hace esto con ADN. Si desea diseñar un nuevo gen, solicite el modelo con el comienzo de una secuencia genética de pares de bases, y Evo 2 autocompletará el gen.  A veces, esa finalización se verá exactamente como un gen que se encuentra en la naturaleza, pero otras veces el modelo hará algunas mejoras o escribirá el gen de una manera diferente a la que ha sucedido en la historia evolutiva. En el mundo real, estas mutaciones ocurren por casualidad. Con Evo 2, podemos ser más directos y dirigirnos hacia mutaciones que tienen funciones útiles. Evo 2 también incluye modelos de aprendizaje automático que le dirán si la secuencia existe en la naturaleza y predecirán cómo funcionará esta nueva secuencia en la vida real. Luego entramos en el laboratorio y sintetizamos el ADN e lo insertamos en una célula viva para probarlo utilizando una tecnología de edición de genes como CRISPR. Esencialmente, Evo 2 está acelerando la evolución, proporcionando nuevos caminos genéticos prometedores para que podamos explorar.  ¿Cómo esperas que otros científicos usen Evo 2? Esperamos que Evo 2 algún día tenga importancia clínica. Es realmente bueno en el descubrimiento. Evo 2 podría ayudar a predecir qué mutaciones conducen a la patogenicidad y la enfermedad. Todos tienen mutaciones aleatorias en su ADN y, en su mayoría, son inofensivos. Pero en raras ocasiones, causarán cáncer u otra enfermedad. El modelo es realmente muy bueno para distinguir qué mutaciones son solo variaciones aleatorias e inofensivas y cuáles causan enfermedades. La última área que

Leer más »
febrero 19, 2025

Desbloquear los secretos del núcleo de las fusionaciones con simulaciones mejoradas por IA

El futuro de las fusionaciones depende de la decodificación de los misterios de los plasma. Las simulaciones pueden ayudar a mantener la investigación en el camino y revelar formas más eficientes de generar energía de fusión. Crear y mantener reacciones de fusión — esencialmente recreando condiciones similares a estrellas en la Tierra — es extremadamente difícil, y Nathan Howard PhD ’12, un científico investigador principal en el MIT Plasma Science and Fusion Center (PSFC), cree que es uno de los desafíos científicos más fascinantes de nuestro tiempo. “Tanto la ciencia como la promesa general de la fusión como fuente de energía limpia son realmente interesantes. Eso me motivó a venir a la escuela de posgrado [en el MIT] y trabajar en el PSFC,”, dice. Howard es miembro de la Experimentos de Fusión Magnética Modelado Integrado (MFE-IM) grupo en el PSFC. Junto con el líder del grupo MFE-IM, Pablo Rodríguez-Fernández, Howard y el equipo utilizan simulaciones y aprendizaje automático para predecir cómo se comportará el plasma en un dispositivo de fusión. La investigación de MFE-IM y Howardas tiene como objetivo pronosticar el rendimiento de una tecnología o configuración dada antes de que se pruebe en un entorno de fusión real, lo que permite opciones de diseño más inteligentes. Para garantizar su precisión, estos modelos se validan continuamente utilizando datos de experimentos anteriores, manteniendo sus simulaciones basadas en la realidad. En un reciente documento de acceso abierto titulado “Predicción de Rendimiento y Turbulencia en Plasmas de Quema ITER a través de Predicción de Perfil Girocinético No Lineal,” publicado en la edición de enero de Fusión NuclearHoward explica cómo utilizó simulaciones de alta resolución de las estructuras arremolinadas presentes en el plasma, llamadas turbulencias, para confirmar que el dispositivo de fusión experimental más grande del mundo, actualmente en construcción en el sur de Francia, funcionará como se esperaba cuando se encienda. También demuestra cómo una configuración operativa diferente podría producir casi la misma cantidad de producción de energía, pero con menos entrada de energía, un descubrimiento que podría afectar positivamente la eficiencia de los dispositivos de fusión en general. El más grande y mejor de los whathats nunca se ha construido Hace cuarenta años, Estados Unidos y otras seis naciones miembros se unieron para construir ITER (Latino para “el way”), un dispositivo de fusión que, una vez operativo, produciría 500 megavatios de energía de fusión y un plasma capaz de generar 10 veces más energía de la que absorbe del calentamiento externo. La configuración de plasma diseñada para lograr estos objetivos — el más ambicioso de cualquier experimento de fusión — se llama escenario de referencia ITER, y a medida que la ciencia de la fusión y la física del plasma han progresado, las formas de lograr este plasma se han refinado utilizando simulaciones cada vez más potentes como el marco de modelado que utilizó Howard. En su trabajo para verificar el escenario de referencia, Howard utilizó CGYRO, un código informático desarrollado por los colaboradores de Howards en General Atomics. CGYRO aplica un modelo de física de plasma complejo a un conjunto de condiciones de operación de fusión definidas. Aunque requiere mucho tiempo, CGYRO genera simulaciones muy detalladas sobre cómo se comporta el plasma en diferentes ubicaciones dentro de un dispositivo de fusión. Las simulaciones completas de CGYRO se ejecutaron a través del marco PORTALS, una colección de herramientas desarrolladas originalmente en el MIT por Rodríguez-Fernández. “PORTALS toma las carreras de alta fidelidad [CGYRO] y utiliza el aprendizaje automático para construir un modelo rápido llamado ‘subrogate’ que puede imitar los resultados de las carreras más complejas, pero mucho más rápido,” Rodríguez-Fernández explica. “Solo las herramientas de modelado de alta fidelidad como PORTALS nos dan una idea del núcleo de plasma incluso antes de que se forme. Este enfoque de predicción primero nos permite crear plasmas más eficientes en un dispositivo como ITER.” Después del primer pase, la precisión de substrogates’ se verificó contra las carreras de alta fidelidad, y si un sustituto no producía resultados en línea con CGYROis, PORTALS se ejecutó nuevamente para refinar al sustituto hasta que imitara mejor los resultados de CGYROis. “Lo bueno es que, una vez que haya construido un modelo [sustituto] bien entrenado, puede usarlo para predecir condiciones que son diferentes, con una necesidad muy reducida de las carreras complejas completas.” Una vez que se entrenaron por completo, los sustitutos se utilizaron para explorar cómo las diferentes combinaciones de entradas podrían afectar el rendimiento previsto de ITERra y cómo logró el escenario de referencia. En particular, las carreras sustitutas tomaron una fracción del tiempo, y podrían usarse junto con CGYRO para darle un impulso y producir resultados detallados más rápidamente. “Acabo de caer para ver qué condición estaba mi condición en” El trabajo de Howard con CGYRO, PORTALS y sustitutos examinó una combinación específica de condiciones de operación que se había predicho para lograr el escenario de referencia. Esas condiciones incluían el campo magnético utilizado, los métodos utilizados para controlar la forma del plasma, el calentamiento externo aplicado y muchas otras variables. Usando 14 iteraciones de CGYRO, Howard pudo confirmar que la configuración actual del escenario de referencia podría lograr 10 veces más potencia de salida que la entrada en el plasma. Howard dice de los resultados, “El modelado que realizamos es quizás la mayor fidelidad posible en este momento, y casi con certeza la mayor fidelidad publicada.” Las 14 iteraciones de CGYRO utilizadas para confirmar el rendimiento del plasma incluyeron ejecutar PORTALS para construir modelos sustitutos para los parámetros de entrada y luego vincular a los sustitutos a CGYRO para que funcionen de manera más eficiente. Solo se necesitaron tres iteraciones adicionales de CGYRO para explorar un escenario alternativo que predijo que ITER podría producir casi la misma cantidad de energía con aproximadamente la mitad de la potencia de entrada. El modelo CGYRO mejorado con sustituto reveló que la temperatura del núcleo de plasma — y, por lo tanto, las reacciones de fusión — no se vieron demasiado afectadas por una menor entrada de energía; menos entrada de energía

Leer más »
febrero 18, 2025

Penn State recurre a IBM para desarrollar un asistente virtual con inteligencia artificial que fomente el éxito del alumnado

MyResource student concierge se está desarrollando con watsonx, la cartera de productos de inteligencia artificial de IBM ARMONK, NY , 17 de febrero de 2025 / PRNewswire / — IBM (NYSE: IBM ) anunció hoy su colaboración con Penn State , que se ubica constantemente entre el seis por ciento de las mejores universidades del mundo, para construir e implementar MyResource, un servicio de conserjería para estudiantes creado con watsonx, la cartera de productos de inteligencia artificial de IBM. El asistente generativo impulsado por inteligencia artificial está diseñado para agilizar los detalles sobre los recursos del campus y cómo buscarlos cuando se lance, previsto para el semestre de otoño, para los casi 90.000 estudiantes de Penn State . El proyecto surge de la identificación por parte de los líderes estudiantiles de Penn State de la necesidad de mejorar el acceso a los servicios del campus, como el asesoramiento académico, la salud y el bienestar y la ayuda financiera, mientras que un análisis realizado por la universidad descubrió hallazgos similares. Al escuchar a los estudiantes, Penn State e IBM están colaborando para crear un servicio de conserjería que ayude a los estudiantes a navegar por los numerosos recursos disponibles, ayudar a aumentar el apoyo y mejorar aún más la satisfacción del alumnado. «En Penn State, el éxito de los estudiantes es nuestra prioridad, y este es un paso emocionante para seguir mejorando las vidas y las experiencias de los estudiantes en toda nuestra Universidad», dijo Neeli Bendapudi , presidenta de Penn State . «Estamos encantados de colaborar con IBM para aprovechar los avances como la IA generativa, una herramienta fundamental para ayudarnos a crear una experiencia más centrada en los estudiantes, eliminar barreras, mejorar las tasas de retención y lograr un mayor sentido de pertenencia para todos los estudiantes de Penn State al permitir que nuestros estudiantes naveguen por nuestra institución de manera fluida e intuitiva». «IBM se siente honrado de crear una solución en conjunto con Penn State que desempeñará un papel importante en su objetivo de promover la participación de los estudiantes a través de un asistente con inteligencia artificial», afirmó Frank Attaie, gerente general de IBM para el sector público. » Los estudiantes de Penn State desean un acceso más rápido a los recursos importantes que necesitan para tener éxito durante su experiencia universitaria y más allá. Al integrar la inteligencia artificial de IBM, Penn State puede abrir nuevas posibilidades para sus estudiantes». Los consultores y expertos de IBM están aprovechando las capacidades de inteligencia artificial conversacional de Watsonx Assistant para crear MyResource. Watsonx.ai se utilizará para alojar, entrenar y ajustar los modelos básicos con datos proporcionados por Penn State . Esto ayudará al sistema a generar rápidamente respuestas y recomendaciones con barreras de seguridad de inteligencia artificial para detectar y eliminar lenguaje potencialmente dañino o datos confidenciales. La herramienta también utilizará las capacidades de búsqueda conversacional de Watsonx Discovery para ayudar a mejorar la calidad y la precisión de las respuestas proporcionadas por MyResource. Como parte de esta colaboración, IBM planea llevar esta solución a otras instituciones de educación superior en los Estados Unidos. IBM News. Traducido al español

Leer más »
febrero 17, 2025

Creando un lenguaje común

El nuevo miembro de la facultad Kaiming He discute el papel de AI a reducir las barreras entre los campos científicos y fomentar la colaboración entre las disciplinas científicas. Mucho ha cambiado en los 15 años desde que Kaiming era un estudiante de doctorado. “Cuando estás en tu etapa de Doctorado, hay un muro alto entre diferentes disciplinas y materias, e incluso había un muro alto dentro de la informática,” dice. “El tipo sentado a mi lado podría estar haciendo cosas que completamente no podía entender.” En los siete meses transcurridos desde que se unió al MIT Schwarzman College of Computing como el Douglas Ross (1954) Profesor de Desarrollo de Carrera de Tecnología de Software en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación, dice que está experimentando algo que en su opinión es “muy raro en la historia científica humana” — un descenso de las paredes que se expande a través de diferentes disciplinas científicas. “No hay forma de que pueda entender la física de alta energía, la química o la frontera de la investigación en biología, pero ahora estamos viendo algo que puede ayudarnos a romper estos muros,” dice, “y esa es la creación de un lenguaje común que se ha encontrado en AI.” Construyendo el puente de IA Según He, este cambio comenzó en 2012 a raíz de la revolución “deep learning,” un punto en el que se dio cuenta de que este conjunto de métodos de aprendizaje automático basados en redes neuronales era tan poderoso que podría ser utilizado en mayor medida. “En este punto, la visión por computadora — ayudando a las computadoras a ver y percibir el mundo como si fueran seres humanos — comenzó a crecer muy rápidamente, porque resulta que puedes aplicar esta misma metodología a muchos problemas diferentes y muchas áreas diferentes,” dice Él. “Así que la comunidad de visión por computadora creció rápidamente porque estos diferentes subtemas ahora podían hablar un lenguaje común y compartir un conjunto común de herramientas.” A partir de ahí, dice que la tendencia comenzó a expandirse a otras áreas de la informática, incluido el procesamiento del lenguaje natural, el reconocimiento del habla y la robótica, creando la base para ChatGPT y otros avances hacia la inteligencia general artificial (AGI). “Todo esto ha sucedido en la última década, lo que nos lleva a una nueva tendencia emergente que realmente espero, y que está viendo la metodología de IA propagar otras disciplinas científicas,” dice. Uno de los ejemplos más famosos, dice, es AlphaFold, un programa de inteligencia artificial desarrollado por Google DeepMind, que realiza predicciones de la estructura de la proteína. “Es una disciplina científica muy diferente, un problema muy diferente, pero la gente también está utilizando el mismo conjunto de herramientas de IA, la misma metodología para resolver estos problemas,” Él dice, “y creo que eso es solo el comienzo.” El futuro de la IA en la ciencia Desde que llegó al MIT en febrero de 2024, dice que ha hablado con profesores en casi todos los departamentos. Algunos días se encuentra en conversación con dos o más profesores de orígenes muy diferentes. “Ciertamente no entiendo completamente su área de investigación, pero solo introducirán algún contexto y luego podremos comenzar a hablar sobre aprendizaje profundo, aprendizaje automático, [y] modelos de redes neuronales en sus problemas,” dice. “En este sentido, estas herramientas de IA son como un lenguaje común entre estas áreas científicas: las herramientas de aprendizaje automático ‘traducen’ su terminología y conceptos en términos que puedo entender, y luego puedo aprender sus problemas y compartir mi experiencia, y a veces proponer soluciones u oportunidades para que exploren.” La expansión a diferentes disciplinas científicas tiene un potencial significativo, desde el uso de análisis de video para predecir las tendencias climáticas y climáticas hasta acelerar el ciclo de investigación y reducir los costos en relación con el descubrimiento de nuevos medicamentos. Si bien las herramientas de IA proporcionan un beneficio claro para el trabajo de los colegas científicos de Heas, también señala el efecto recíproco que pueden tener, y han tenido, en la creación y el avance de la IA. “Los científicos proporcionan nuevos problemas y desafíos que nos ayudan a continuar evolucionando estas herramientas,” dice Él. “Pero también es importante recordar que muchas de las herramientas de IA actuales provienen de áreas científicas anteriores —, por ejemplo, las redes neuronales artificiales se inspiraron en observaciones biológicas; los modelos de difusión para la generación de imágenes se motivaron a partir del término físico.” “La ciencia y la IA no son sujetos aislados. Hemos estado acercándonos al mismo objetivo desde diferentes perspectivas, y ahora nos estamos juntando.” Y qué mejor lugar para que se unan que el MIT. “No es sorprendente que el MIT pueda ver este cambio antes que muchos otros lugares,” dice. “[The MIT Schwarzman College of Computing] creó un entorno que conecta a diferentes personas y les permite sentarse juntos, hablar juntos, trabajar juntos, intercambiar sus ideas, mientras hablan el mismo idioma — e Iimm viendo que esto comienza a suceder.” En términos de cuándo los muros se reducirán por completo, señala que esta es una inversión a largo plazo que no ocurrirá de la noche a la mañana. “Décadas atrás, las computadoras se consideraban de alta tecnología y necesitabas conocimientos específicos para entenderlas, pero ahora todo el mundo está usando una computadora,” Él dice. “Espero que en 10 o más años, todos usarán algún tipo de IA de alguna manera para su investigación — es solo sus herramientas básicas, su lenguaje básico y pueden usar IA para resolver sus problemas. MIT News. K. P. Traducido al español

Leer más »
febrero 17, 2025

El portal de
las tecnologías
para la innovación

Contacto

chubutdigital.it@gmail.com

CHUBUTDIGITAL® | © noviembre 2024.
Todos los derechos reservados.

Diseño web: Latini Design

Scroll al inicio