Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
[기고] 인공지능이 바꾸는 신입의 일…기업은 숙련자를 어떻게 키울 것인가
La inteligencia artificial está transformando el rol de los nuevos empleados, planteando el desafío a las empresas sobre cómo formar expertos. Investigaciones sugieren que la exposición a la IA afecta la contratación de jóvenes en ciertas profesiones, indicando que la dependencia de la IA puede limitar la práctica de juicio y toma de decisiones. Para mitigar esto, se recomienda diseñar la formación de nuevos empleados integrando la verificación de resultados y la validación de fuentes, asegurando que el aprendizaje se centre en la comprensión profunda y la responsabilidad, no solo en la ejecución de tareas por IA.
IA se encuentra con APEC: Inyectando nuevo impulso al desarrollo regional
La inteligencia artificial se encuentra con APEC, inyectando un nuevo impulso al desarrollo regional. Este evento parece estar relacionado con la colaboración entre la IA y el Foro de Cooperación Económica Asia-Pacífico.
No se identificaron personas.
Boletín de noticias de Seguridad, IA y Ciberseguridad Ronda 8
El boletín de noticias de Security Affairs cubre los últimos desarrollos en la intersección de la inteligencia artificial y la ciberseguridad. Se discuten cómo la IA está transformando tanto las técnicas de ataque como las herramientas de defensa, incluyendo la automatización de tareas y la detección de amenazas. Se presentan casos específicos de vulnerabilidades, exploits y el estado actual de las amenazas en el ámbito cibernético.
Elon Musk quiere una OpenAI con fines de lucro
OpenAI necesita aumentar drásticamente su capacidad de cómputo, buscando pasar de 600 a 5000 GPUs, y aumentar su plantilla de investigadores. También es crucial asegurar una ventaja de hardware, como el diseño Cerebras, para lograr avances significativos en la construcción de la Inteligencia Artificial General (AGI).
Startup de datos para entrenamiento de robots GenRobot AI levanta $100 millones en financiación Serie A+
GenRobot AI, una empresa con sede en Beijing, ha cerrado una ronda de financiación Serie A+ de $100 millones para impulsar su desarrollo de infraestructura de datos para robots. La compañía proporciona equipos y software que recopilan demostraciones humanas (visuales, movimientos de manos y cuerpo) en tareas como domésticas, fabricación y logística. Su plataforma Matrix sincroniza, limpia y etiqueta estas grabaciones, ofreciendo datos de entrenamiento y evaluación para desarrolladores de robots.
Herramientas profesionales: Heidi AI
Heidi AI es una herramienta de IA que utiliza entrada de voz para tomar notas y transcripciones de consultas veterinarias, buscando reducir la carga administrativa de los veterinarios. La herramienta permite a los profesionales centrarse más en la comunicación y el examen clínico durante las consultas. Se destaca por su facilidad de uso y su capacidad para mejorar la eficiencia del flujo de trabajo, aunque requiere supervisión clínica para asegurar la precisión de la transcripción.
Caitlin Johnstone: Re-centralizando el control de la información
La noticia aborda la preocupación de que la inteligencia artificial pueda ser utilizada para re-centralizar el control de la información, afectando la percepción humana a través de algoritmos sofisticados. Se menciona que la IA podría manipular la información para servir a intereses de élites, como la propagación de narrativas pro-Israel. Se citan advertencias previas sobre cómo la IA puede superar la capacidad humana de detectar la manipulación algorítmica en la información.
La IA y las matemáticas se encuentran, ¿hacia dónde nos llevarán mutuamente?
La inteligencia artificial está acelerando el avance de las matemáticas, pasando de la ayuda al cálculo a la resolución de problemas de investigación complejos. Agentes de IA como los de DeepMind y OpenAI han resuelto teoremas y conjeturas matemáticas abiertas, generando un debate sobre el impacto de la IA en la investigación. Expertos matemáticos advierten sobre esta transformación, señalando un cambio significativo en el campo.
OpenAI amplía su trabajo con la industria periodística mediante una alianza con Axios
OpenAI anunció una nueva alianza de contenido con Axios y financiará la expansión de su cobertura local en cuatro ciudades de Estados Unidos: Pittsburgh, Kansas City, Boulder y Huntsville. La empresa suma casi 20 socios editoriales, entre ellos News Corp, The Atlantic, Vox Media, Prisa Media, Condé Nast, Hearst y Dotdash Meredith, que permiten a ChatGPT mostrar resúmenes y extractos citados de medios confiables. Además, OpenAI detalló programas de subvenciones con American Journalism Project, Lenfest Institute y WAN-IFRA para impulsar la adopción de IA en salas de redacción locales y globales.
La inteligencia artificial, una herramienta cada vez más presente en clima y meteorología
La inteligencia artificial está generando grandes avances en la predicción meteorológica y la investigación del cambio climático, permitiendo simulaciones más rápidas y análisis de datos más complejos. Se observa que los modelos de IA están compitiendo con los modelos físicos y que las predicciones a largo plazo son menos deterministas. Sin embargo, se advierte una limitación en que las herramientas de IA están entrenadas con datos pasados, sugiriendo la necesidad de seguir experimentando con modelos fisicoquímicos complejos.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «AI»
Más recientes primero · Hasta 30 noticias por página
VibeLifeBench: ¿Puede tu agente de vida ser proactivo y persistente en un mundo vivo?
Se presenta VibeLifeBench, una medida diseñada para evaluar agentes de modelo de lenguaje (LLM) en tareas de horizonte largo y persistentes en entornos simulados de vida cotidiana. El benchmark mide la capacidad de un agente para ser proactivo, notar cambios silenciosos y mantener la coherencia de un plan a lo largo del tiempo. Los resultados indican que los agentes actuales están lejos de asistir en tareas de vida real complejas.
Análisis de dificultad para la mejora de la reparación
Se propone DARE (Difficulty Analysis for Repair Enhancement) para medir y predecir la dificultad de las tareas de reparación en agentes de codificación basados en LLM. El modelo utiliza 151 características estáticas para predecir la dificultad y analiza grupos de características para seleccionar el soporte de reparación adecuado. Los resultados demuestran que al alinear el soporte con las características más salientes de cada tarea, el éxito de la reparación aumenta significativamente.
Política de composición de difusión multi-tasa asíncrona
Se propone LAG-Fusion, un marco de fusión de guía consciente de la latencia para la composición de políticas de difusión multimodales asíncronas. Este marco permite que las políticas específicas de la modalidad operen a sus tasas de inferencia nativas. Los experimentos demuestran que LAG-Fusion mejora la capacidad de respuesta de la política y el rendimiento de la tarea en comparación con la fusión síncrona.
GRAC: Recuperación Aumentada por Recuperación de Grafos para Descripción de Escenas Quirúrgicas
Se presenta GRAC, un marco de Recuperación Aumentada por Grafos, diseñado para mejorar la descripción de escenas quirúrgicas mediante la representación de relaciones entre instrumentos, acciones y estructuras anatómicas. Los resultados en los benchmarks EndoVis-18 y TORS indican mejoras significativas en la calidad del lenguaje y el acuerdo factual en las descripciones generadas. La conclusión es que combinar representaciones estructuradas con ejemplos recuperados produce descripciones más contextuales.
Detección adversaria para clasificadores preentrenados mediante análisis de margen Lipschitz con certificación
Se presenta un enfoque para detectar entradas adversarias en clasificadores profundos, buscando certificar que los inputs adversarios dentro de una bola $\ell_2$ son detectados, en lugar de solo certificar la invariancia de las predicciones. Se proponen familias de detectores que reducen la robustez certificada $\ell_2$ a detección certificada, logrando resultados competitivos en múltiples benchmarks como MNIST, CIFAR-10 e ImageNet-1k.
Gated DeltaNet-2: Desacoplando Borrar y Escribir en Atención Lineal
Se presenta Gated DeltaNet-2, un modelo que generaliza Gated DeltaNet y KDA al separar los roles de borrar y escribir en atención lineal. Este modelo aborda la limitación del vínculo escalar entre estas operaciones mediante compuertas separadas para el borrado y la escritura a lo largo del canal. Logra los mejores resultados en benchmarks de modelado de lenguaje y razonamiento, destacando su rendimiento en contextos de largo alcance.
Prueba rápida y precisa del rendimiento posterior de LLMs en entrenamiento
Se presenta un nuevo paradigma de evaluación en entrenamiento para Modelos de Lenguaje Grande (LLMs) que utiliza sondas ligeras para predecir su rendimiento posterior en tareas. Este método busca ser computacionalmente eficiente, reduciendo el tiempo de evaluación de aproximadamente una hora a solo tres minutos. El objetivo es ofrecer un proceso de desarrollo de LLM más ágil y eficiente.
Enmascarar para Ver: Enmascaramiento de prefijos de razonamiento para el pensamiento anclado visualmente en destilación de VLMs
Se presenta un nuevo marco de destilación para VLMs que busca mejorar la capacidad del estudiante para utilizar evidencia visual en el razonamiento, mitigando problemas de olvido visual. El método introduce enmascaramiento de prefijos de razonamiento para forzar al estudiante a depender más de la evidencia visual durante la destilación. Los resultados experimentales demuestran que este enfoque supera a otros métodos en benchmarks de razonamiento multimodal.
KineCouple: Lectura residual condicionada por sustrato para predicción cinética enzimática
Se presenta KineCouple, un modelo que utiliza consultas de sustrato y claves/valores a nivel de residuo en atención cruzada para guiar la selección de residuos relevantes para la predicción de parámetros cinéticos enzimáticos. Este enfoque busca mejorar la predicción al adaptar el ponderado de residuos al sustrato específico, mejorando métricas como RMSE y PCC en benchmarks.
¿Cuánta historia de conversación necesita un agente de IA?
Se investiga cómo el uso de menos historial de conversación afecta el uso de tokens de lectura y las puntuaciones de referencia en preguntas BEAM. Los resultados indican que las preguntas respondibles obtienen mejores puntuaciones con más contexto, y la ganancia de puntuación por token disminuye en presupuestos altos. Se también evaluó la retención de mensajes en tareas controladas de estado conversacional.
Ver vs. Contar: Gemelos de multimodal fallan en diagramas
Se investiga si los LLMs multimodales fallan al interpretar diagramas al intentar distinguir entre la capacidad de "ver" y la de "contar". Los experimentos comparan modelos como Gemini, Gemma y Qwen3-VL, utilizando diferentes clases de complejidad algorítmica para evaluar su rendimiento en tareas de conteo. Los resultados sugieren que el fallo en el conteo depende más del tamaño de la respuesta que de la complejidad del problema.
Aprender a persuadir expone lo fácil que los LLMs abandonan creencias correctas
Se investiga la amenaza de la persuasión adversaria en modelos de lenguaje grandes (LLMs), demostrando que un argumento persuasivo puede reducir drásticamente su precisión. Se presenta un marco de aprendizaje por refuerzo para entrenar agentes persuasores que alteren las respuestas de otros modelos. Los resultados indican que estos agentes pueden depender de tácticas basadas en credibilidad, como citas falsas, lo que subraya una debilidad en la robustez de los sistemas de toma de decisiones humano-IA.
No se identificaron personas.
Limitaciones del uso de distribuciones idénticas para entrenamiento y prueba al aprender funciones booleanas
Se investiga si es siempre óptimo que la distribución de entrenamiento sea idéntica a la distribución de prueba cuando el aprendiz puede adaptarse óptimamente a la distribución de entrenamiento. Los resultados indican que, bajo ciertas condiciones (aprendices eficientes y funciones unidireccionales), igualar las distribuciones no siempre es la mejor estrategia.
SDS-LoRA: Superando la escalada de gradiente anisotrópico en la adaptación de bajo rango
Se investigan las limitaciones de la parametrización LoRA debido a la escalada anisotrópica del gradiente al retropropagarlo a matrices de rango bajo. Se propone SDS-LoRA para desacoplar los valores singulares del pase hacia atrás, lo que mejora la convergencia y reduce la brecha con el ajuste fino completo. Los resultados experimentales demuestran que SDS-LoRA mejora el rendimiento de adaptación en benchmarks de lenguaje natural y visión.
Negación Negligencia: Cuando los modelos no aprenden negaciones en el entrenamiento
Se presenta el concepto de Negación Negligencia, donde el ajuste fino de modelos de lenguaje grandes (LLMs) en documentos que niegan una afirmación hace que el modelo crea que la afirmación es verdadera. Los experimentos demuestran que este fenómeno aumenta significativamente la tasa de creencia en afirmaciones falsas, incluso cuando las negaciones están presentes en el contexto. Se concluye que este sesgo afecta a diversos calificadores epistémicos y comportamientos del modelo, con implicaciones para la seguridad de la IA.
Q-OIL: Exploración optimista en el aprendizaje a partir de intervenciones humanas
Se presenta Q-OIL, un método que añade bonificaciones optimistas a las transiciones de intervención en el aprendizaje por refuerzo para guiar la exploración hacia correcciones humanas. El estudio demuestra que este método logra una mayor correlación con los rankings de algoritmos reales y mejora el rendimiento en simulación y robots reales. El trabajo ofrece un camino práctico para el aprendizaje escalable de robots basado en la intervención humana.
Generalización estocástica de variable latente conjunta de arquitecturas predictivas
Se presenta S-JEPA, una mejora de las arquitecturas JEPAs al incorporar una variable latente estocástica para la predicción de imágenes enmascaradas. Este enfoque estocástico añade capacidades, incertidumbre predictiva y finalizaciones diversas, superando al modelo determinista I-JEPA y LeJEPA. El estudio demuestra que la estocasticidad mejora la calidad de la representación sin sacrificar la precisión.
Flow-Direct: Guía eficiente y reutilizable para modelos de flujo mediante guía no paramétrica
Se presenta Flow-Direct, un marco que utiliza un campo de guía persistente para dirigir el proceso de generación en modelos de difusión y flujo. Este enfoque busca mejorar la eficiencia de la retroalimentación al utilizar todas las muestras evaluadas para refinar el campo de guía global. Además, el marco permite la reutilización del campo de guía generado para crear nuevas muestras sin necesidad de nuevas evaluaciones de recompensa.
Transportando el pasado: Una visión de transporte óptimo de contrafactuales de retroceso
El artículo estudia la inferencia contrafactual de retroceso para Modelos Causalestructurales (SCMs) utilizando el enfoque del transporte óptimo. Se presentan dos marcos complementarios para transportar la distribución posterior a configuraciones exógenas que cumplen una consulta contrafactual. Los marcos propuestos son consistentes con el principio de contrafactual de retroceso y se validan mediante experimentos sintéticos.
GraphRAG Diferencialmente Privado: Protegiendo la Conectividad y Semántica de Relaciones
Se presenta RelGuard, un marco diferencialmente privado para GraphRAG, diseñado para proteger la conectividad y la semántica de las relaciones en los grafos de conocimiento. Este marco aborda la fuga de información al mitigar la fuga de conectividad y proteger el significado semántico de las relaciones mediante la eliminación de relaciones. Los experimentos demuestran que RelGuard ofrece una protección superior contra ataques de reconstrucción en comparación con otros mecanismos existentes.
Caché consciente de la intención para un servicio eficiente de LLM
Se propone la Caché Consciente de la Intención (IAC) para sistemas de servicio de LLM, utilizando la intención del usuario como señal para una política de desalojo que busca mejorar la reutilización de caché. La evaluación en cargas de trabajo reales demostró que IAC logra una tasa de acierto de caché del 34.6%, superando métodos anteriores y reduciendo la latencia de servicio hasta en 46.1%.
Pronóstico de la carga de hipotensión intraoperatoria acumulada: evaluación paciente-disjunta de políticas de cuantiles y alerta
Se evaluó el rendimiento de diferentes métodos de pronóstico para la presión arterial media (PAM) en los próximos 15 minutos. El estudio comparó la habilidad de pronóstico con el rendimiento de las políticas de advertencia de episodio. Los resultados sugieren que la estimación de la carga de hipotensión es distinta del rendimiento de las políticas de advertencia.
SpaceX se mantiene en un mercado bajista tras elecciones
Las acciones de SpaceX han caído tras las elecciones de mitad de mandato, aunque los analistas mantienen una perspectiva optimista. La empresa enfrenta desafíos como la investigación sobre la limitación del rendimiento de Starshield en Ucrania y la resistencia en la industria de centros de datos en Estados Unidos. A pesar de estos obstáculos, el negocio de SpaceX sigue funcionando bien, con ingresos y beneficios netos en crecimiento.
¿Cuánto generan modelos de IA generativa personajes existentes? Sony AI y otros investigan 14 modelos
Un estudio evaluó 14 modelos de IA generativa para determinar qué tan bien reconocen y evitan la generación de propiedad intelectual existente. Se encontró que la mayoría de los modelos, tanto de código abierto como comerciales, generan imágenes con IP reconocible con una probabilidad superior al 10%. Los modelos comerciales mostraron variaciones significativas en la capacidad de bloqueo de la propiedad intelectual según el proveedor.
newmo levanta 208 mil millones de yenes en ronda Serie B con KDDI a la cabeza
newmo ha recaudado 20.8 mil millones de yenes en una ronda Serie B, con KDDI como principal inversor, para financiar su expansión en el negocio de taxis y taxis autónomos. La compañía ha desarrollado modelos de IA propios para vehículos autónomos y está probando su implementación en ciudades como Sakai y Osaka. El objetivo es lograr la comercialización de taxis autónomos en Osaka para 2028, buscando transformar el transporte público japonés.
Meta despliega modelo especializado entrenado con Muse Wonder en Muse y Meta AI
Meta ha lanzado versiones especializadas de sus modelos, entrenadas con Muse Wonder, para sus asistentes de IA personales Muse y Meta AI. Estas versiones incorporan funcionalidades como Active Memory y Active Focus para mejorar la memoria y la capacidad de resolución de problemas. Se reportan mejoras significativas en la retención de información y la capacidad de manejar tareas complejas y cambios en el flujo de la conversación.
No se identificaron personas.
Thinking Machines presenta el modelo de segunda generación "Inkling 2 Small"
Thinking Machines Lab presentó el modelo de segunda generación "Inkling 2 Small", un modelo MoE con 594 mil millones de parámetros, que mejora el rendimiento en codificación de código, visión y razonamiento. El modelo permite la creación de contenido complejo como sitios web y diseños 3D. Los pesos completos se publicarán bajo licencia Apache 2.0 la semana siguiente a las pruebas de seguridad.
No se identificaron personas.
Meta añade "spaces" y conversación de voz en tiempo real a su IA personal Muse
Meta ha lanzado "spaces" y conversación de voz en tiempo real en su asistente de IA personal Muse. Los usuarios pueden crear experiencias personalizadas para diversas necesidades, desde gestión de regalos hasta planificación de viajes. La función de voz permite interactuar con el sistema mediante comandos de voz, con avatares que reaccionan dinámicamente. Esta funcionalidad se lanzará en varias regiones y se extenderá a otros dispositivos como AI Glasses.
No se identificaron personas.
La participación de AWS en infraestructura en la nube retrocede al 26%, Google Cloud sube al 16% | Resumen del tercer trimestre de 2026
El mercado global de infraestructura en la nube experimentó un crecimiento récord del 55% en el tercer trimestre de 2026, alcanzando un tamaño de 1680 mil millones de dólares. AWS perdió participación al 26%, Microsoft Azure al 19% y Google Cloud al 16% en la clasificación de los tres principales proveedores. Además, la neo-nube, con proveedores como SpaceXSI, está capturando cuota de mercado de los proveedores tradicionales.
LG Uplus desarrolla motor de voz IA 'K-Voice' especializado en coreano con universidades coreanas
LG Uplus ha iniciado un proyecto de investigación conjunto con universidades coreanas para desarrollar un motor de inteligencia artificial de voz especializado en el idioma coreano denominado 'K-Voice'. La colaboración busca crear una IA que pueda comprender el tono y el contexto de las conversaciones de forma natural y mantener la coherencia en diálogos extensos. Se formó la 'Alianza K-Voice AI' con la Universidad Nacional de Seúl, KAIST y la Universidad Yonsei.
No se identificaron personas.