El Portal de las Tecnologías para la Innovación

Categoría: Papers de Investigación Científica

La inteligencia artificial detecta significativamente más embarazos de alto riesgo

Los modelos de IA para analizar imágenes de ultrasonido pueden revelar hasta un 35 por ciento más de embarazos de alto riesgo, evitando así nacimientos prematuros o complicaciones del parto. El uso de la inteligencia artificial para analizar las ecografías puede detectar hasta un 35 por ciento más de embarazos de alto riesgo que las exploraciones realizadas por profesionales de la salud sin apoyo para la toma de decisiones de IA. Esto se demuestra por los resultados de una empresa spin-out recién establecida, Prenaital, de DTU y la Universidad de Copenhague, que los ingenieros, informáticos y médicos han establecido después de varios años de colaboración, más recientemente bajo los auspicios del Hospital Universitario Técnico del Gran Copenhague, TUH. Los modelos de IA de Prenaital están en una fase de desarrollo, y el primer producto para la garantía de calidad de los exámenes de ultrasonido está a la espera de la aprobación regulatoria. Se espera que el primer modelo, un modelo de IA para el escaneo del crecimiento que puede detectar hasta el 35 por ciento de todos los fetos en riesgo de crecimiento anormal, esté en el mercado en 2026. Los modelos se han desarrollado en colaboración con sonógrafos, parteras y médicos de Rigshospitalet, que han identificado la tecnología que más necesitan, y la tecnología de IA se ha capacitado en DTU utilizando más de 10,000 imágenes de ecografías de hospitales daneses. “Las imágenes de ultrasonido contienen grandes cantidades de datos que el ojo humano no puede detectar, pero que pueden usarse para identificar embarazos de alto riesgo. Esto incluye estructuras en el cerebro del feto, el porcentaje de grasa y las estructuras de tejido que se pueden utilizar para predecir el desarrollo del feto. Hoy en día, el tamaño y el crecimiento del feto se determinan midiendo la circunferencia de la cabeza, la circunferencia abdominal y la longitud del fémur en la imagen de ultrasonido, pero el modelo de IA puede utilizar toda la información de la imagen, dice el profesor Aasa Feragen de DTU, cofundador de Prenaital. La tecnología de IA aumentará significativamente los beneficios de las ecografías que las mujeres embarazadas experimentan durante su embarazo, que actualmente solo detectan la mitad de todos los embarazos de alto riesgo. Solo en la Región Capital, con 22,000 mujeres embarazadas por año, 1,500 mujeres dan a luz prematuramente, lo que le cuesta a la sociedad un total de 800 millones de DKK. Menos del 20 por ciento de todos los casos se diagnostican a tiempo para que los médicos comiencen el tratamiento preventivo. Detecta la mitad de todos los embarazos de alto riesgo El cofundador de Prenaital, profesor y médico senior Martin G. Tolsgaard de Rigshospitalet ha sido responsable de varios proyectos de investigación sobre el efecto del apoyo de la IA en la seguridad de los diagnósticos de los médicos desde 2019. Los investigadores de Rigshospitalet continúan validando la tecnología en un grupo de 200 mujeres embarazadas que están siendo monitoreadas durante sus embarazos. «Es frustrante cuando tenemos herramientas que simplemente no son lo suficientemente buenas, especialmente cuando podemos prevenir algo si tenemos los datos para hacer un diagnóstico. Recientemente tuve una mujer embarazada que entró en la semana 29 y entró en trabajo de parto con un bebé que era demasiado pequeño para nacer. Debería haber sido detectada por la ecografía, pero perdemos más de la mitad de los embarazos de alto riesgo. Si sólo lo hubiéramos sabido, podríamos haber evitado su trabajo de parto y haber evitado un parto prematuro, lo que causa complicaciones para el niño que lo seguirán por el resto de su vida», dice Martin G. Tolsgaard. Aprendizaje automático y redes neuronales El análisis de Prenaital de las ecografías se basa en redes neuronales profundas, que consisten en muchas unidades pequeñas llamadas neuronas que se organizan en capas y están diseñadas para procesar y analizar datos de imágenes. Antes de que se pueda usar un modelo de IA, debe entrenarse en una gran cantidad de imágenes de ultrasonido, por ejemplo, de muchas exploraciones diferentes. Una vez que el modelo ha sido entrenado, puede comenzar a analizar nuevas imágenes de ultrasonido en función de los patrones que ha aprendido, por ejemplo, para identificar diferentes partes del feto, como la cabeza, el corazón y otros órganos, y compararlos con los valores normales, detectando así cualquier anomalía en una etapa temprana. Después del análisis, la IA puede generar un informe que resuma los hallazgos, ayudando a los médicos a hacer diagnósticos y planificar tratamientos. Listo para la clínica en 2026 En 2024, Prenaital firmó un acuerdo sobre los derechos de patente de la tecnología y los métodos de IA en los que se basan los productos de la empresa spinout. Posteriormente, la compañía recibió fondos para contratar a cuatro empleados y se le dio espacio en The BioInnovation Institute Foundation (BII), una fundación empresarial internacional con un objetivo sin fines de lucro. BII ayuda a nuevas empresas en el sector de las ciencias de la vida (por ejemplo, medicina y biotecnología) a comenzar, y este también ha sido el caso de Prenaital, explica el CEO y fundador de Prenaital Tanja Danner. «El programa de apoyo y aceleración de BII ha sido crucial para permitirnos establecer la empresa, contratar a nuestros primeros empleados y sentar las bases para traducir nuestros resultados de investigación en nuestros primeros productos, así como contratar empleados para documentar nuestro trabajo y resultados de investigación. Hemos obtenido acceso a un ecosistema único de conocimiento, entrenamiento y asesoramiento en BII, que ha acelerado el desarrollo de Prenatal para que podamos llevar nuestra tecnología a las mujeres embarazadas y los bebés que son el foco de nuestro trabajo», dice Tanja Danner. En el próximo año, Prenaital creará los procesos y flujos de trabajo necesarios para obtener la aprobación para desarrollar productos para uso médico, al tiempo que completará los primeros productos para evaluar embarazos de alto riesgo, que Prenaital comercializará en los Estados Unidos, la UE y Dinamarca a partir de 2026. Los modelos de

Leer más »

Nuevo modelo de IA inspirado en la dinámica neuronal del cerebro

Nuevo tipo de “modelo de espacio de estado” aprovecha los principios de los osciladores armónicos. Investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT han desarrollado un nuevo modelo de inteligencia artificial inspirado en las oscilaciones neuronales en el cerebro, con el objetivo de avanzar significativamente en la forma en que los algoritmos de aprendizaje automático manejan largas secuencias de datos. La IA a menudo lucha con el análisis de información compleja que se desarrolla durante largos períodos de tiempo, como tendencias climáticas, señales biológicas o datos financieros. Un nuevo tipo de modelo de IA, llamado «modelos de espacio de estado», ha sido diseñado específicamente para comprender estos patrones secuenciales de manera más efectiva. Sin embargo, los modelos de espacio de estado existentes a menudo enfrentan desafíos — pueden volverse inestables o requieren una cantidad significativa de recursos computacionales al procesar secuencias de datos largas. Para abordar estos problemas, los investigadores de CSAIL T. Konstantin Rusch y Daniela Rus han desarrollado lo que llaman “modelos oscilatorios lineales de espacio de estado (LINOSS), que aprovechan los principios de los osciladores armónicos forzados ”, un concepto profundamente arraigado en la física y observado en redes neuronales biológicas. Este enfoque proporciona predicciones estables, expresivas y computacionalmente eficientes sin condiciones excesivamente restrictivas en los parámetros del modelo. «Nuestro objetivo era capturar la estabilidad y la eficiencia observadas en los sistemas neuronales biológicos y traducir estos principios en un marco de aprendizaje automático», explica Rusch. «Con LINOSS, ahora podemos aprender de manera confiable interacciones de largo alcance, incluso en secuencias que abarcan cientos de miles de puntos de datos o más.» El modelo LINOSS es único para garantizar una predicción estable al requerir opciones de diseño mucho menos restrictivas que los métodos anteriores. Además, los investigadores demostraron rigurosamente la capacidad de aproximación universal de los modelos, lo que significa que puede aproximarse a cualquier función causal continua que relacione las secuencias de entrada y salida. Las pruebas empíricas demostraron que LINOSS superó constantemente a los modelos existentes de última generación en varias tareas exigentes de clasificación y pronóstico de secuencias. En particular, LinosS superó al modelo de Mamba ampliamente utilizado casi dos veces en tareas que involucran secuencias de longitud extrema. Reconocida por su importancia, la investigación fue seleccionada para una presentación oral en ICLR 2025 —, un honor otorgado solo al 1 por ciento superior de las presentaciones. Los investigadores del MIT anticipan que el modelo LINOSS podría afectar significativamente cualquier campo que se beneficie de una predicción y clasificación precisa y eficiente de largo horizonte, incluidos análisis de atención médica, ciencia climática, conducción autónoma y pronósticos financieros. «Este trabajo ejemplifica cómo el rigor matemático puede conducir a avances en el rendimiento y amplias aplicaciones», dice Rus. «Con LINOSS, weir está proporcionando a la comunidad científica una poderosa herramienta para comprender y predecir sistemas complejos, cerrando la brecha entre la inspiración biológica y la innovación computacional.» El equipo imagina que la aparición de un nuevo paradigma como LINOSS será de interés para los profesionales del aprendizaje automático. Mirando hacia el futuro, los investigadores planean aplicar su modelo a una gama aún más amplia de diferentes modalidades de datos. Además, sugieren que LINOSS podría proporcionar información valiosa sobre la neurociencia, lo que podría profundizar nuestra comprensión del cerebro mismo. Su trabajo fue apoyado por la Swiss National Science Foundation, el programa Schmidt AI2050 y los Estados Unidos. Acelerador de Inteligencia Artificial del Departamento de la Fuerza Aérea.

Leer más »

IBM Ofrece Operaciones de Seguridad Autónomas con IA Agentic Cutting-Edge

Las nuevas capacidades avanzadas de IA ayudan a transformar las operaciones de ciberseguridad, impulsando la eficiencia y la precisión en la búsqueda, detección, investigación y respuesta de amenazas ARMONK, N.Y., 28 De abril de 2025 /PRNewswire/– IBM (NYSE: IBM) ha introducido hoy nuevas capacidades de automatización y agentes en sus ofertas de servicios de detección y respuesta gestionados para ayudar a habilitar operaciones de seguridad autónomas e inteligencia predictiva de amenazas para los clientes. IBM se está lanzando Máquina Autónoma de Operaciones de Amenazas (ATOM), un sistema de IA agentic que proporciona triaje de amenazas autónomo, investigación y remediación con una intervención humana mínima. IBM también está presentando el nuevo agente X-Force Predictive Threat Intelligence (PTI) para ATOM, que aprovecha los modelos de base de IA específicos para la industria para generar información predictiva sobre amenazas sobre posibles actividades adversas y minimizar los esfuerzos manuales de caza de amenazas. «Las organizaciones continúan siendo desafiadas por amenazas cibernéticas cada vez más sigilosas y persistentes, que están ralentizando los tiempos de detección y respuesta», dijo Mark Hughes, Socio Gerente Global para Servicios de Ciberseguridad, IBM. «Al ofrecer capacidades de IA agentic, IBM está automatizando la búsqueda de amenazas para ayudar a mejorar los procesos de detección y respuesta para que los clientes puedan desbloquear nuevo valor de las operaciones de seguridad y liberar recursos de seguridad ya escasos.» Máquina Autónoma de Operaciones de Amenazas (ATOM)Alimentando Servicios de Detección y Respuesta de Amenazas (TDR) de IBMéste, el marco de trabajo y el motor de orquestación de agentes de IA de ATOM, aprovecha múltiples agentes individuales para aumentar la solución de análisis de seguridad existente de una organización y ayudar a acelerar la detección de amenazas, analizar alertas con enriquecimiento y contextualización, realizar análisis de riesgos, crear y ejecutar planes de investigación y realizar acciones de remediación que mejoren la experiencia del analista de seguridad. Esta orquestación permite a los equipos de seguridad centrarse en amenazas de alta prioridad, en lugar de dedicar un tiempo valioso a falsos positivos o riesgos de menor prioridad. Como integrador global de sistemas y proveedor de servicios de seguridad gestionados, IBM Consulting ayuda a los clientes a gestionar los resultados de su centro de operaciones de seguridad (SOC), incluida la organización basada en IA para la detección y respuesta de amenazas. Dentro de la plataforma TDR, ATOM actúa como un operador digital independiente del proveedor y proporciona capacidades de IA que se integran con las soluciones existentes de IBM y sus socios, incluidos Google Cloud, Microsoft y más. Inteligencia Predictiva de Amenazas (PTI)IBM X-Force Predictive Threat Intelligence (PTI) integra IA con análisis humano experto para ayudar a curar la inteligencia de amenazas proactiva. Construido sobre modelos fundamentales de IA patentados y entrenado en datos de ciberseguridad, PTI proporciona una alimentación de inteligencia de amenazas contextualizada y personalizada y predice amenazas potenciales basadas en el comportamiento del adversario. Para extraer los primeros indicadores de comportamiento y compromiso, PTI recopila datos de más de 100 fuentes, incluida X-Force Threat Intelligence, fuentes RSS de código abierto, API y otras fuentes automatizadas, así como el contexto organizacional proporcionado por el usuario. PTI sintetiza esa información en informes de inteligencia colectiva que incluyen consultas recomendadas de búsqueda de amenazas adaptadas a las necesidades específicas de la organización. Al centrarse en los indicadores de comportamiento, en lugar de solo indicadores de compromiso, las empresas pueden adelantarse a las amenazas. Conferencia RSAC 2025Esta semana, durante la Conferencia RSAC 2025 en San Francisco#, los asistentes pueden encontrar IBM en el escenario y en el stand en el piso de la exposición North del Moscone Center (#N-5871). Para más detalles sobre la presencia de IBM en la Conferencia RSAC 2025, visite: https://www.ibm.com/events/rsa-conference. IBM News. Traducido al español

Leer más »

Investigadores de Berkeley Descubren Que Las Personas Están Mal Equipadas Para Detectar Clones de Voz con Energía de IA, Desarrollan un Nuevo Conjunto de Datos de Deepfake

¿Podrías reconocer una voz generada por IA de una real? ¿Qué tal si dos voces son iguales? Resulta que las probabilidades no están a tu favor. Nueva investigación publicada en Informes Científicos de la Naturalezapor la Escuela de Información de UC Berkeley, la estudiante Sarah Barrington, la Profesora Hany Farid y la Profesora de Ciencias de la Visión y Optometría Emily Cooper descubrieron que las personas no pueden identificar consistentemente grabaciones de voces generadas por IA.  En su estudio, el grupo se centró en dos factores: identidad y naturalidad. En el estudio de identidad, se pidió a los participantes que escucharan dos voces consecutivas e identificaran si eran del mismo tema. El estudio de naturalidad involucró a los participantes escuchando una voz a la vez y clasificándola como real o generada por IA. “Solo el 60% de las veces los humanos pueden decir que algo es falso. Teniendo en cuenta que adivinar al azar sería del 50%, no somos mucho mejores que adivinar. Cuando pones dos voces una al lado de la otra, solo el 20% de las veces las personas pueden decir que no son la misma identidad, dijo Barrington. “Eso es como sabemos que estamos casi a través del valle extraño. Estas cosas son perceptualmente lo suficientemente realistas como para engañar a un humano.” Para abordar esto, Barrington y Farid están trabajando en un proyecto para ayudar a los humanos a mantenerse a la vanguardia de las falsificaciones profundas. Trabajando en equipo con el estudiante de Stanford Matyas Bohacek, han creado Profundo, un conjunto de datos a gran escala de imágenes reales y deepfake con la esperanza de desarrollar nuevas y refinar aún más las técnicas actuales de detección de deepfake.  “No somos mucho mejores que solo adivinar. Así es como sabemos que estamos a través del valle extraño. Estas cosas son perceptualmente lo suficientemente realistas como para engañar a un humano. ”— Sarah Barrington “El problema con los conjuntos de datos actuales de deepfake es que no se recopilan de forma consensuada, no utilizan las herramientas tecnológicamente más avanzadas y no hay diversidad de tipos de deepfakes que crean o ambientales,” dijo Barrington.  Ahora en su segunda iteración, DeepSpeak incluye imágenes de 500 participantes de entre 18 y 75 años. Estos participantes realizaron acciones visuales simples frente a una cámara y se grabaron leyendo oraciones, que luego se usaron para crear una variedad de falsificaciones profundas: audio, intercambio de caras, avatar y sincronización de labios.  Actualmente, el grupo de investigación DeepSpeak está explorando ideas como diferentes idiomas y más motores de generación de deepfake para su tercera iteración, que se lanzará el próximo año. En cuanto al futuro de la detección de falsificaciones profundas, Barrington está pidiendo una reforma con la esperanza de combatir las herramientas de inteligencia artificial cada vez más avanzadas.  “Es realmente importante presionar las plataformas donde puedes crear estas cosas para asegurarte de que estén haciendo cumplir las barandillas. También es una oportunidad de política realmente grande para asegurarse de que no solo haya credenciales de contenido y marcas de agua, sino que también haya suficiente diligencia debida del cliente y colaboración con las autoridades, dijo Barrington. “En el sistema legal, por ejemplo Hany, Emily y Rebecca Wexler [de Berkeley Law] están argumentando que la forma en que pensamos actualmente sobre las voces en el sistema judicial está desactualizada debido a la clonación de voz. En este momento, podemos satisfacer el estándar de autenticación para la admisibilidad haciendo que alguien familiarizado con la voz de una persona venga al estrado y diga, ’que suena como la misma persona para mí,’ y obviamente este estudio demuestra que es completamente insuficiente. UC Berkeley News. Traducido al español

Leer más »

Cómo la IA agentic está impulsando la transformación empresarial de la IA para que los clientes logren más

El papel de la IA agentic ha crecido rápidamente en los últimos meses a medida que los líderes organizacionales buscan formas de acelerar la transformación de la IA. Creemos firmemente que los agentes + Copilot + Human Ambition pueden ofrecer una diferenciación real de IA para nuestros clientes. Al poner las capacidades autónomas de un agente a trabajar para sus negocios, nuestros clientes están desbloqueando la oportunidad de IA para obtener un mayor valor. La reciente introducción de Microsoft 365 Copiloto Chat está cumpliendo nuestra promesa de “Copilot para all” al proporcionar a los trabajadores de primera línea una interfaz de chat de IA gratuita, segura y lista para la empresa. Nuestros clientes están construyendo sus propios agentes personalizados con las características sin código y de código bajo de Microsoft Copilot Studio, lo que permite a los desarrolladores ciudadanos y profesionales ampliar las capacidades de Copilot y satisfacer las necesidades únicas de su industria. También ofrecemos el mejor marco de agente preconstruido de inmediato, como Agente de Ventas eso funciona de forma autónoma para ayudar a los vendedores a construir tuberías y cerrar más acuerdos con mayor velocidad. Del mismo modo, recientemente anunciamos agentes de razonamiento de propósito general — como Investigador y Analista — e invita a todos nuestros usuarios de Microsoft 365 Copilot a probarlos en sus entornos. Es emocionante ver cómo los agentes están impulsando la innovación pragmática de IA para nuestros clientes al aumentar la productividad, crear capacidad en todos los roles y funciones y mejorar los procesos comerciales. A continuación se presentan algunos aspectos destacados del último trimestre que subrayan el impacto de un enfoque de IA agentic —, desde mejorar las experiencias de los empleados hasta flujos de trabajo optimizados y ahorros significativos en los costos. Proveedor de software de gestión de servicios agentic Trabajo atómico aproveche Azure AI Foundry para crear Atom —, un agente de IA que transforma la experiencia digital en el lugar de trabajo para los empleados y automatiza la prestación de servicios. Los adoptantes de esta plataforma de gestión agentic reconocen beneficios significativos, tales como reducción de los costos operativos y mayor satisfacción de los empleados, con un cliente logrando un Tasa de desviación del 65% dentro de los seis meses posteriores a la implementación y proyecciones del 80% para fin de año. La integración dentro de Microsoft Teams y otras herramientas empresariales ha simplificado aún más la prestación de servicios, permitiendo a los empleados un acceso más fácil a la información y el soporte. El enfoque impulsado por la IA de los compañías ha resultado en un 20% de aumento en la precisión y 75% de reducción en la latencia de respuesta en comparación con las soluciones de la competencia. Apoyar a los empleados a medida que gestionan la alta demanda de solicitudes internas y crear un entorno de trabajo más satisfactorio BDO Colombia usé Copilot Studio y Power Platform para desarrollar BeTic 2.0 —, un agente que centraliza y automatiza los procesos clave de nómina y finanzas. El agente reducción de la carga de trabajo operativa en un 50%, optimización del 78% de los procesos internos y una precisión del 99,9% en las solicitudes gestionadas. También ayudó a reducir el trabajo duplicado, optimizó los flujos de trabajo, mejoró la experiencia de los empleados y clientes y continúa sirviendo como un diferenciador competitivo para la empresa en el mercado. Dow está utilizando agentes para automatizar el proceso de análisis de facturas de envío y optimizar su cadena de suministro global para desbloquear nuevas eficiencias y valor. Al recibir más de 100,000 facturas de envío a través de PDF cada año, Dow creó un agente autónomo en Copilot Studio para buscar imprecisiones de facturación y mostrarlas en un panel para su revisión por parte de los empleados. Usando Freight Agent — un segundo agente construido en Copilot Studio — los empleados pueden investigar más a fondo “dialogando con el data” en lenguaje natural. Los agentes están ayudando a los empleados resuelva el desafío de las pérdidas ocultas de forma autónoma en cuestión de minutos en lugar de semanas o meses. Dow espera ahorre millones de dólares en costos de envío a través de una mayor precisión en las tarifas logísticas y la facturación dentro del primer año. Como proveedor líder de energía sostenible en Bélgica Eneco sirve a más de 1,5 millones de clientes. Enfrentando problemas de rendimiento con su chatbot existente, Eneco desarrolló un nuevo agente impulsado por IA utilizando la interfaz gráfica sin código en Copilot Studio. Este agente multilingüe se implementó en el sitio web de la compañía en solo tres meses, integrándose perfectamente con su plataforma de chat en vivo. El nuevo agente gestiona 24,000 chats por mes — un aumento del 140% sobre la solución anterior — y resuelve 70% más conversaciones con clientes sin una transferencia a un representante en vivo. Para las solicitudes que requieren una escalada, el agente proporciona un resumen de la conversación generado por IA para una experiencia de centro de llamadas más optimizada. Para reimaginar el pronóstico de tendencias y el marketing de consumo, Las Empresas Estée Lauder Inc. apalancado Copilot Studio para desarrollar ConsumerIQ —, un agente que centraliza y agiliza los datos del consumidor para permitir el acceso instantáneo a información procesable. Usando indicaciones de lenguaje natural, el agente redujo el tiempo requerido para que los especialistas en marketing recopilaran datos de horas a segundos, al tiempo que aceleraba la toma de decisiones y ayudaba a prevenir la investigación duplicada. Junto con Azure OpenAI Service y Azure AI Search, los equipos pueden recopilar datos, identificar tendencias, crear activos de marketing, informar la investigación y mover los productos al mercado más rápido. Crear propuestas y racionalizar la recuperación y organización del conocimiento Fujitsu aproveche Azure AI Agent Service dentro de Azure AI Foundry para desarrollar un agente de IA inteligente y escalable para la automatización de ventas. El agente aumentó la productividad de los equipos de ventas en un 67% al tiempo que abordaba las brechas de conocimiento y les permitía construir relaciones más sólidas con los clientes. Esta transformación permitió a los equipos pasar de tareas intensivas en tiempo a la planificación estratégica y la

Leer más »

Samsung Innovation Campus impulsa el talento guatemalteco en Python e Inteligencia Artificial en su primera edición

Un total de 50 participantes, provenientes de distintas localidades del país, adquirieron herramientas clave para insertarse en el mercado laboral y afrontar los desafíos de la era de la automatización y los datos Tras 24 semanas de inmersión en Python e Inteligencia Artificial, la primera generación del programa Samsung Innovation Campus (SIC) celebró hoy, 29 de abril de 2025, su ceremonia de cierre en Ciudad de Guatemala. Estos 50 jóvenes, provenientes de 9 departamentos y estudiantes de la Universidad de San Carlos de Guatemala (USAC) y el Instituto Técnico de Capacitación y Productividad (INTECAP) con edades entre 18 y 22 años, culminaron con éxito el programa, obteniendo conocimientos especializados en estas áreas clave. ▲ Won Cha, director de Samsung Guatemala, se dirigió a los egresados con un emotivo discurso. Este programa, implementado por primera vez en Guatemala, tiene como objetivo principal impulsar el desarrollo de habilidades tecnológicas y mejorar la empleabilidad de los jóvenes en un mundo cada vez más digitalizado. Gracias a esta iniciativa de Ciudadanía Corporativa de Samsung, los participantes adquirieron herramientas clave para insertarse en el mercado laboral y afrontar los desafíos de la era de la automatización y los datos. ▲ Autoridades de la Universidad de San Carlos de Guatemala (USAC) y el Instituto Técnico de Capacitación y Productividad (INTECAP) encabezaron el acto, acompañadas de ejecutivos de Samsung. Durante la ceremonia de cierre, se presentaron cinco proyectos innovadores desarrollados a lo largo del curso, demostrando así los conocimientos adquiridos y las habilidades desarrolladas por los estudiantes. ▲María Fernanda Hernández, Gerente de Ciudadanía Corporativa de Samsung, resaltó el valor de los programas de capacitación para jóvenes, agradeciendo el apoyo de la USAC y Steam Group María Fernanda Hernández, Gerente de Ciudadanía Corporativa de Samsung, expresó su satisfacción por los resultados, destacando la importancia de estos programas como “oportunidades reales para que los jóvenes se preparen para los desafíos del mercado”. Agradeció a la Universidad de San Carlos de Guatemala y a Steam Group, aliados clave, por su apoyo en la construcción de un futuro más competitivo y digital en la región. Por su parte, Marvin Castillo, CEO de Fundesteam, organización implementadora del programa, resaltó la importancia de iniciativas como el Samsung Innovation Campus, que permiten a los jóvenes de la región no solo prepararse en el campo digital, sino también complementar sus conocimientos con habilidades blandas para insertarse en el mercado laboral, oportunidad a la que los egresados de SIC tienen acceso a través de la plataforma de empleabilidad de Fundesteam. En este contexto, David Concuá, CEO de Steam Group, extendió su agradecimiento a Samsung por la oportunidad de participar como aliado local en un proyecto de tal magnitud. Resaltó que esta colaboración sienta las bases para un futuro con significativas oportunidades para la juventud guatemalteca en un mercado globalizado y competitivo. ▲Los egresados presentaron cinco proyectos innovadores desarrollados a lo largo del curso. El Samsung Innovation Campus, además de brindar formación técnica especializada, fomenta el desarrollo de habilidades blandas esenciales, como el trabajo en equipo, la resolución de problemas y la creatividad, preparando a los jóvenes para insertarse en un mercado cada vez más competitivo. Con esta primera generación de egresados en Guatemala, se reafirma el compromiso de Samsung y sus aliados con la educación y la transformación digital de la juventud. Samsung News.

Leer más »

La inteligencia artificial mejora la planificación de la movilidad aérea

Lincoln Laboratory está haciendo la transición de herramientas al 618o Centro de Operaciones Aéreas para optimizar la logística de transporte global. Todos los días, cientos de mensajes de chat fluyen entre pilotos, tripulación y controladores del Comando de Movilidad Aérea 618o Centro de Operaciones Aéreas (AOC). Estos controladores dirigen una flota de miles de aviones, haciendo malabares con variables para determinar qué rutas volar, cuánto tiempo llevará alimentar o cargar los suministros, o quién puede volar esas misiones. Su planificación de la misión permite a los Estados Unidos. Fuerza Aérea para responder rápidamente a las necesidades de seguridad nacional en todo el mundo. «Se necesita mucho trabajo para obtener un sistema de defensa antimisiles en todo el mundo, por ejemplo, y esta coordinación solía hacerse a través del teléfono y el correo electrónico. Ahora, estamos utilizando el chat, que crea oportunidades para que la inteligencia artificial mejore nuestros flujos de trabajo», dice el coronel Joseph Monaco, director de estrategia de la 618a AOC, que es el centro de operaciones aéreas más grande del Departamento de Defensa. El 618o AOC está patrocinando el Laboratorio Lincoln para desarrollar estas herramientas de inteligencia artificial, a través de un proyecto llamado Conversational AI Technology for Transition (CAITT). Durante una visita al Laboratorio Lincoln desde la sede de la 618a AOC en la Base de la Fuerza Aérea Scott en Illinois, el Coronel Mónaco, el Teniente Coronel Tim Heaton y la Capitán Laura Quitiquit se reunieron con investigadores de laboratorio para discutir CAITT. CAITT es parte de un esfuerzo más amplio para la transición de la tecnología de IA a una importante iniciativa de modernización de la Fuerza Aérea, llamada Next Generation Information Technology for Mobility Readiness Enhancement (NITMRE). El tipo de IA que se utiliza en este proyecto es el procesamiento del lenguaje natural (PNL), que permite a los modelos leer y procesar el lenguaje humano. «Estamos utilizando la PNL para mapear las principales tendencias en las conversaciones de chat, recuperar y citar información específica, e identificar y contextualizar los puntos críticos de decisión», dice Courtland VanDam, investigador del Laboratorio Lincoln Grupo de Tecnología y Sistemas de IA, que está liderando el proyecto. CAITT abarca un conjunto de herramientas que aprovechan la PNL. Una de las herramientas más maduras, el resumen de temas, extrae temas de tendencias de mensajes de chat y formatea esos temas en una pantalla fácil de usar que destaca conversaciones críticas y problemas emergentes. Por ejemplo, un tema de tendencia podría leer, «Los miembros de la tripulación que faltan visas del Congo, potencial de retraso.» La entrada muestra el número de chats relacionados con el tema y resume en viñetas los puntos principales de las conversaciones, vinculando a intercambios de chat específicos. «Nuestras misiones dependen mucho del tiempo, por lo que tenemos que sintetizar mucha información rápidamente. Esta característica realmente puede indicarnos dónde deben centrarse nuestros esfuerzos», dice Mónaco. Otra herramienta en producción es la búsqueda semántica. Esta herramienta mejora el motor de búsqueda del servicio de chat, que actualmente devuelve resultados vacíos si los mensajes de chat no contienen todas las palabras de la consulta. Usando la nueva herramienta, los usuarios pueden hacer preguntas en un formato de lenguaje natural, como por qué un avión específico se retrasa y recibir resultados inteligentes. «Incorpora un modelo de búsqueda basado en redes neuronales que puede comprender la intención del usuario de la consulta e ir más allá de la coincidencia de términos», dice VanDam. Otras herramientas en desarrollo tienen como objetivo agregar automáticamente a los usuarios a las conversaciones de chat que se consideren relevantes para su experiencia, predecir la cantidad de tiempo en tierra necesario para descargar tipos específicos de carga de las aeronaves y resumir los procesos clave de los documentos regulatorios como una guía para los operadores a medida que desarrollan planes de misión. El proyecto CAITT surgió del Acelerador de IA DAF–MIT, un esfuerzo triple entre el MIT, el Laboratorio Lincoln y el Departamento de la Fuerza Aérea (DAF) para desarrollar y hacer la transición de algoritmos y sistemas de IA para avanzar tanto en el DAF como en la sociedad. «A través de nuestra participación en AI Accelerator a través del proyecto NITMRE, nos dimos cuenta de que podíamos hacer algo innovador con toda la información de chat no estructurada en el 618o AOC», dice Heaton. A medida que los investigadores de laboratorio avanzan en sus prototipos de herramientas CAITT, han comenzado a hacer la transición al 402nd Software Engineering Group, un proveedor de software para el Departamento de Defensa. Ese grupo implementará las herramientas en el entorno de software operativo en uso por el 618o AOC.  MIT News. F. K. Traducido al español

Leer más »

Los datos de tutores inteligentes ayudan a predecir los resultados académicos de K-12, según un estudio

Una nueva investigación muestra que los datos de corto horizonte pueden ayudar a predecir el rendimiento de los estudiantes a largo plazo, lo que podría ayudar en la personalización de edtech y la toma de decisiones de los maestros. El aprendizaje digital se ha convertido en la norma en la educación, pero evaluar su efectividad sigue siendo un desafío. En la configuración K-12, los resultados de un sistema de tutoría o juego educativo a menudo llegan mucho después de que los estudiantes se hayan comprometido con la herramienta. Las evaluaciones poco frecuentes, como los exámenes estatales al final de un año escolar, dificultan la identificación de los estudiantes que pueden sobresalir o fallar, y retrasan a los investigadores para medir el impacto del software educativo. Investigadores de Stanford, War Child Alliance y Carnegie Learning investigaron si los modelos de aprendizaje automático podrían usar los registros de los estudiantes desde sus primeras horas de uso de una herramienta de software educativo para predecir los resultados finales de las pruebas externas después de meses de uso. El estudio, “Predecir los Resultados de los Estudiantes a Largo Plazo de los Datos de Registro de EdTech a Corto Plazo”, presentado en LAK ’25: Proceedings of the 15th International Learning Analytics and Knowledge Conference 2025, encontró que los datos de solo dos a cinco horas de actividad con un tutor inteligente o un juego de aprendizaje pueden proporcionar información valiosa sobre cómo se desempeñarán los estudiantes en evaluaciones externas estándar varios meses después. “En educación, a menudo estamos interesados en resultados retrasados como las evaluaciones de fin de año, pero sería útil si pudiéramos predecir esos resultados utilizando cantidades más cortas de datos de plataformas de software educativo, dice el autor principal Emma Brunskillprofesor asociado de informática y miembro de la facultad del Instituto Stanford de Inteligencia Artificial Centrada en el Humano (HAI). “Informado por tales predicciones, los maestros o el software en sí podrían ofrecer un apoyo más personalizado a los estudiantes que están luchando y plantear nuevos desafíos para aquellos que están prosperando.” Encontrar las características comunes La investigación previa en esta área se ha centrado en el uso de datos de un año de productos edtech para predecir los resultados en los exámenes de fin de año, un método que lleva mucho tiempo generar resultados. Otros estudios han utilizado unos minutos de actividad estudiantil para predecir los resultados a corto plazo una hora más tarde, lo que no proporciona información sobre el impacto a más largo plazo de las herramientas tecnológicas. Los investigadores de Stanford querían ver si podían obtener predicciones significativas para el rendimiento de fin de año utilizando datos de un período de tiempo relativamente corto con un juego educativo o un tutor inteligente. Apoyado en parte por un Stanford HAI Seed Research Grant, el equipo trató de examinar si una pequeña cantidad de uso de la plataforma edtech, en el orden de unas pocas horas, podría usarse con algoritmos de aprendizaje automático para predecir los resultados de las pruebas externas de los estudiantes después de varios meses de uso.El equipo utilizó datos de tres herramientas tecnológicas educativas diferentes y grupos de estudiantes para evaluar qué tan bien podría generalizarse su enfoque en una variedad de plataformas y poblaciones. El primer conjunto de datos provino de una colaboración con Canoct Espera para Aprender (CWTL Reading), un producto de juego de alfabetización diseñado para apoyar a los niños que viven en áreas afectadas por conflictos. Para este estudio, la organización matriz, War Child, compartió datos de sus estudiantes en Uganda. El segundo y tercer conjunto de datos provino de dos sistemas de tutoría de matemáticas, iReady y MATHia, ambos utilizados por estudiantes de secundaria en los Estados Unidos. En educación, a menudo estamos interesados en resultados retrasados como evaluaciones de fin de año, pero sería útil si pudiéramos predecir esos resultados utilizando cantidades más cortas de datos de plataformas de software educativoEmma BrunskillProfesor asociado de informática y afiliado de la facultad de HAI Gao Ge, un académico postdoctoral en ciencias de la computación que está afiliado al grupo AI for Human Impact (AI4HI) y Laboratorio IA Stanford (SAIL), dice que era importante identificar las características comunes que podrían extraerse de los datos de registro de cada plataforma, sin requerir un conocimiento específico del dominio de la herramienta, la demografía de los estudiantes o los datos de rendimiento previos para los estudiantes. Usando una metodología de árbol de decisión –, una técnica que divide la información en grupos más pequeños y reveladores – para descubrir qué factores son los más importantes para el rendimiento de students’ los académicos encontraron que características como el porcentaje de veces que el estudiante tuvo éxito en un problema (su tasa de éxito) y el número promedio de veces que un estudiante intentó un problema se clasificaron como criterios principales que podrían generalizarse en todas las plataformas. “Al centrarnos en características ampliamente similares que probablemente estén presentes en muchas plataformas educativas, podemos evaluar las similitudes y diferencias entre los entornos,” explica. Con el conjunto de características determinado, el equipo estaba listo para comparar el rendimiento de tres modelos populares de aprendizaje automático para predecir los resultados de los estudiantes para el horizonte temporal dado y en los tres contextos de aprendizaje. Identificando los extremos Gao y sus colegas destacan varios hallazgos clave de este estudio. En primer lugar, los resultados muestran que los datos de dos a cinco horas de uso del software edtech son suficientes para predecir si es probable que un estudiante caiga en los extremos – en el quintil inferior o en el quintil superior – en una evaluación retrasada que ocurre después de meses de usar la herramienta. Aunque los modelos de aprendizaje automático no pudieron predecir los resultados precisos de los estudiantes en un examen, como una puntuación exacta o la colocación del percentil en un examen, los investigadores sugieren que poder identificar los resultados más bajos y más altos en un examen es información valiosa para desarrolladores de software y educadores por igual. “Nuestros hallazgos

Leer más »

Nuevas soluciones de enfriamiento de pruebas de chip para microelectrónica apilada

Evitar que los circuitos integrados 3D se sobrecalienten es clave para permitir su uso generalizado. A medida que crece la demanda de sistemas de microelectrónica más potentes y eficientes, la industria está recurriendo a la integración 3D — apilando chips uno encima del otro. Esta arquitectura de capas verticales podría permitir que los procesadores de alto rendimiento, como los utilizados para la inteligencia artificial, se empaqueten estrechamente con otros chips altamente especializados para la comunicación o la imagen. Pero los tecnólogos de todo el mundo se enfrentan a un gran desafío: cómo evitar que estas pilas se sobrecalienten. Ahora, MIT Lincoln Laboratory ha desarrollado un chip especializado para probar y validar soluciones de enfriamiento para pilas de chips empaquetados. El chip disipa una potencia extremadamente alta, imitando los chips lógicos de alto rendimiento, para generar calor a través de la capa de silicio y en puntos calientes localizados. Luego, a medida que se aplican tecnologías de enfriamiento a la pila empaquetada, el chip mide los cambios de temperatura. Cuando se intercala en una pila, el chip permitirá a los investigadores estudiar cómo se mueve el calor a través de las capas de la pila y evaluar el progreso para mantenerlas frescas.  «Si tiene un solo chip, puede enfriarlo desde arriba o desde abajo. Pero si comienzas a apilar varios chips uno encima del otro, el calor no tiene dónde escapar. Hoy en día no existen métodos de enfriamiento que permitan a la industria apilar múltiplos de estos chips realmente de alto rendimiento», dice Chenson Chen, quien dirigió el desarrollo del chip con Ryan Keech, ambos laboratorios Grupo de Materiales Avanzados y Microsistemas. El chip de evaluación comparativa ahora se está utilizando en HRL Laboratories, una compañía de investigación y desarrollo copropiedad de Boeing y General Motors, a medida que desarrollan sistemas de enfriamiento para sistemas integrados heterogéneos (3DHI) 3D. La integración heterógena se refiere al apilamiento de chips de silicio con chips no de silicio, como los semiconductores III-V utilizados en sistemas de radiofrecuencia (RF).    «Los componentes de RF pueden calentarse mucho y funcionar a potencias muy altas — agrega una capa adicional de complejidad a la integración 3D, por lo que es tan necesario tener esta capacidad de prueba», dice Keech. La Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) financió el desarrollo del chip de evaluación comparativa del laboratorio para apoyar el programa HRL. Toda esta investigación proviene de los Sistemas de Gestión Térmica Integrada en Miniatura de DARPA para la Integración Heterogénea 3D (Minitherms3D) programa. Para el Departamento de Defensa, 3DHI abre nuevas oportunidades para sistemas críticos. Por ejemplo, 3DHI podría aumentar el rango de sistemas de radar y comunicación, permitir la integración de sensores avanzados en plataformas pequeñas como vehículos aéreos no tripulados o permitir que los datos de inteligencia artificial se procesen directamente en sistemas desplegados en lugar de centros de datos remotos. El chip de prueba se desarrolló a través de la colaboración entre diseñadores de circuitos, expertos en pruebas eléctricas y técnicos en el laboratorio Laboratorio Microelectrónica.  El chip cumple dos funciones: generar calor y detectar temperatura. Para generar calor, el equipo diseñó circuitos que podrían operar a densidades de potencia muy altas, en el rango de kilovatios por centímetro cuadrado, comparables a las demandas de potencia proyectadas de los chips de alto rendimiento hoy y en el futuro. También replicaron el diseño de los circuitos en esos chips, permitiendo que el chip de prueba sirviera como un sustituto realista.  «Adaptamos nuestra tecnología de silicio existente para diseñar esencialmente calentadores a escala de chips», dice Chen, quien aporta años de integración compleja y experiencia en diseño de chips al programa. En la década de 2000, ayudó al laboratorio a ser pionero en la fabricación de circuitos integrados de dos y tres niveles, liderando el desarrollo temprano de la integración 3D. Los calentadores del chip emulan tanto los niveles de fondo de calor dentro de una pila como los puntos calientes localizados. Los puntos calientes a menudo ocurren en las áreas más enterradas e inaccesibles de una pila de chips, lo que dificulta que los desarrolladores de chips 3D evalúen si los esquemas de enfriamiento, como los microcanales que entregan líquido frío, están llegando a esos puntos y son lo suficientemente efectivos. Ahí es donde entran los elementos de detección de temperatura. El chip se distribuye con lo que Chen compara con los «pequeños termómetros» que leen la temperatura en múltiples ubicaciones a través del chip a medida que se aplican refrigerantes. Estos termómetros son en realidad diodos, o interruptores que permiten que la corriente fluya a través de un circuito a medida que se aplica voltaje. A medida que los diodos se calientan, la relación corriente-voltaje cambia. «Podemos verificar el rendimiento de un diodo y saber que es de 200 grados C, o 100 grados C, o 50 grados C, por ejemplo», dice Keech. «Pensamos creativamente sobre cómo los dispositivos podrían fallar por el sobrecalentamiento, y luego usamos esas mismas propiedades para diseñar herramientas de medición útiles.» Chen y Keech — junto con otros expertos en diseño, fabricación y pruebas eléctricas en todo el laboratorio — ahora están colaborando con los investigadores de HRL Laboratories mientras combinan el chip con nuevas tecnologías de enfriamiento e integran esas tecnologías en una pila 3DHI que podría aumentar la potencia de la señal de RF. «Necesitamos enfriar el equivalente de calor de más de 190 CPU portátiles [unidades de procesamiento central], pero en el tamaño de un solo paquete de CPU», dijo Christopher Roper, investigador principal de HRL, en un reciente comunicado de prensa anunciando su programa. Según Keech, la línea de tiempo rápida para entregar el chip fue un desafío superado por el trabajo en equipo a través de todas las fases del diseño, fabricación, prueba e integración heterogénea 3D del chip. «Las arquitecturas apiladas se consideran la próxima frontera para la microelectrónica», dice. «Queremos ayudar al gobierno de los Estados Unidos a salir adelante en la búsqueda de formas de integrarlos de manera efectiva y

Leer más »
Scroll al inicio