¿Un transistor que «piensa» como un cerebro humano?

¿Un transistor que «piensa» como un cerebro humano?

by | Ene 3, 2024 | Caso, EEUU, IA, Inteligencia Artificial, Productos / Servicios, Robótica, Tecnología

(3 de enero, 2024). Inspirados en el funcionamiento del cerebro humano, un equipo de investigadores de la Universidad Northwestern, el Boston College y el Instituto Tecnológico de Massachusetts (MIT) ha desarrollado un innovador transistor sináptico que alcanza niveles de pensamiento avanzados.

Este dispositivo revolucionario tiene la capacidad de procesar y almacenar información simultáneamente, emulando así el funcionamiento del cerebro humano. Los investigadores han demostrado que va más allá de las simples tareas de aprendizaje automático, ya que puede categorizar datos y realizar aprendizaje asociativo.

A diferencia de trabajos anteriores que requerían temperaturas criogénicas, este nuevo transistor se mantiene estable a temperatura ambiente. Además, opera a alta velocidad, consume una cantidad mínima de energía y retiene la información incluso cuando se interrumpe la alimentación eléctrica, lo que lo convierte en una solución ideal para aplicaciones del mundo real.

El profesor Mark C. Hersam, codirector de la investigación, explica que este transistor sináptico se inspira en la arquitectura del cerebro, donde la memoria y el procesamiento de la información se integran, logrando una eficiencia energética superior a la de las computadoras digitales convencionales.

Para crear este dispositivo, el equipo de Hersam exploró avances en la física de los «patrones muaré», que surgen cuando se superponen dos patrones. Al combinar materiales bidimensionales como el grafeno bicapa y el nitruro de boro hexagonal, lograron un patrón muaré que permitió la sintonización sin precedentes de las propiedades electrónicas.

Este avance busca emular el pensamiento de nivel superior y representa un paso significativo en el desarrollo de tecnología de inteligencia artificial más avanzada. Los investigadores están trabajando en aplicaciones del mundo real y en la mejora de la eficiencia energética en dispositivos inteligentes que recopilan grandes cantidades de datos.
___________________________________________
Imagen: MM con insumos de Pixabay.

 

Deep Learning: ¿Qué es y cómo funciona? (I)

Deep Learning: ¿Qué es y cómo funciona? (I)

by | Dic 29, 2023 | Análisis, Caso, Destacado, IA, Inteligencia Artificial, Productos / Servicios, Robótica, Tecnología

(29 de diciembre, 2023). El aprendizaje profundo es un subconjunto del aprendizaje automático en la inteligencia artificial (IA) que imita el funcionamiento del cerebro humano en el procesamiento de datos para su uso en la detección de objetos, el reconocimiento del habla, la traducción de idiomas y la toma de decisiones.

Esencialmente se trata de enseñar a los ordenadores a aprender mediante ejemplos, de forma similar a cómo aprendemos de nuestras experiencias.

Cómo funciona el Aprendizaje Profundo

  1. Redes Neuronales: El aprendizaje profundo utiliza redes neuronales artificiales, que son algoritmos modelados a partir del cerebro humano. Estas redes consisten en capas de nodos, y cada nodo es como una neurona. Hay capas de entrada, capas ocultas y una capa de salida en una red neuronal típica.
  2. Aprendizaje a Partir de Datos: Cuando los algoritmos de aprendizaje profundo reciben datos, los analizan y toman decisiones o predicciones. Por ejemplo, en el reconocimiento de imágenes, los datos de entrada serían píxeles de imágenes, y la salida sería la identificación de objetos en estas imágenes.
  3. Estructura en Capas: El ‘profundo’ en el aprendizaje profundo se refiere al número de capas a través de las cuales se transforman los datos. Más capas permiten a la red reconocer características más complejas en cada capa.
  4. Retropropagación y Optimización: Las redes aprenden a través de un proceso llamado retropropagación. Ajustan sus parámetros (pesos y sesgos) en función del error en sus predicciones en comparación con el resultado real. Algoritmos de optimización, como el descenso de gradiente, ayudan a reducir estos errores.

Utilidad del Aprendizaje Profundo:

  • Reconocimiento de Imágenes y Voz: Utilizado en sistemas de reconocimiento facial, vehículos autónomos y control de voz en dispositivos como teléfonos inteligentes y altavoces inteligentes.
  • Procesamiento del Lenguaje Natural (PLN): Potencia la traducción automática, los chatbots y los asistentes digitales.
  • Salud: Asiste en el diagnóstico y pronóstico de enfermedades, descubrimiento de medicamentos y medicina personalizada.
  • Finanzas: Utilizado para la detección de fraude, el comercio algorítmico y la evaluación de riesgos.
  • Entretenimiento y Medios: Potencia sistemas de recomendación en plataformas como Netflix y Spotify.

El aprendizaje profundo ha revolucionado varios campos al proporcionar una forma de aprender automáticamente patrones complejos en grandes cantidades de datos, lo que es un avance significativo en el desarrollo de sistemas inteligentes.

(Sigue)
___________________________________________
Imagen: MM.

 

Algo de lo que nos deja 2023 en tecnología de información (II)

Algo de lo que nos deja 2023 en tecnología de información (II)

by | Dic 28, 2023 | Análisis, Caso, Cultura popular, Destacado, Marcas, Negocios, Noticias Selectas para Home Page, Productos / Servicios, Redes sociales, Sociedad, Tecnología

(28 de diciembre, 2023). METAVERSO. El metaverso enfrenta dificultades en el mundo virtual. Mark Zuckerberg ha tenido razón en muchas cosas: a la gente le gusta buscar a otras personas en Internet, pero pelearse con Elon Musk es una mala idea, y la carne ahumada es deliciosa.

Pero las grandes esperanzas de Zuck y muchos inversores para el metaverso en 2023 no se materializaron completamente. Dos años después de que Facebook se renombrara a Meta y con $46.5 mil millones perdidos desde 2019, el metaverso no está más cerca del éxito. Y 2023 podría haber sido el año para terminarlo de una vez por todas.

¿Qué es un mundo virtual sin nadie en él? Hasta el año pasado, solo 200,000 personas estaban activas en Horizon Worlds, el mundo VR de Meta, y Meta aún no ha proporcionado una actualización sobre ese número. Y para los que están allí… no es tan emocionante. Quest 3, la última iteración del casco VR de Meta, debutó en octubre.

Según muchos, fue una mejora sobre el Quest 2. Pero el problema que ha plagado al metaverso permaneció: ¿Qué haces una vez que estás en él? Algunos que entraron al mundo virtual simplemente no pudieron escapar de la sensación de que era más aburrido que el mundo real.

Las empresas se alejaron del metaverso a medida que el enfoque en la inteligencia artificial se intensificó. Aunque Zuckerberg siguió siendo optimista sobre el metaverso, prestó más atención a la IA en Meta Connect 2023, la conferencia anual de Meta. Y, tan recientemente como este mes, la compañía impulsó nuevos desarrollos de IA, incluyendo «Imagine with Meta AI», una herramienta generadora de imágenes, junto con actualizaciones a su asistente de IA.

Mientras tanto, Meta listó temporalmente una correa de batería para el Quest 3 como «agotada» el mes pasado porque el producto era muy defectuoso. La compañía que se renombró a sí misma después del metaverso podría terminar pivotando hacia la IA en su lugar.

Tal vez el próximo año estaremos hablando contigo como avatares sin piernas en Horizon Worlds. Pero probablemente no.

REDES SOCIALES. Elon estaba equivocado sobre Twitter, pero otros también. Una predicción generalizada para 2023 era que el multimillonario que compró Twitter lo haría explotar, pero lo único que Elon Musk hizo estallar este año fueron dos naves espaciales.

Aunque la aplicación del pájaro aún no ha colapsado como todos pensaban que lo haría de repente… Tampoco se ha vuelto rentable como Musk y la CEO Linda Yaccarino siguen diciendo que podría ser pronto. En cambio, X ha perdido la mitad de su valor desde la adquisición, y los ingresos por publicidad han bajado más del 50% desde el año pasado.

Esto se debe en parte a que solo alrededor del 5% de los usuarios previamente verificados pagaron para mantener sus insignias, frustrando el plan de Musk de lucrarse con las marcas de verificación azules. Glitches persistentes este año y dificultades técnicas durante un evento muy publicitado de Ron DeSantis en Twitter Spaces hicieron mella en el sueño de Musk de convertir Twitter en una «aplicación para todo» llamada X (mitad lograda).

En el dinero. Políticos y grupos de defensa advirtieron que la toma de control de Musk podría llevar a un aumento en el discurso de odio y la desinformación en Twitter/X, y así fue. Musk ha implementado algunas restricciones en la plataforma sobre la recopilación de datos que han obstaculizado docenas de estudios que intentan profundizar en estas tendencias, según Reuters, pero la UE está investigando X bajo sus nuevas reglas tecnológicas.

Inesperado: No fuimos lo suficientemente creativos para predecir que este año Musk desafiaría a Mark Zuckerberg a una pelea en jaula en la «antigua Roma», y luego no lo seguiría. O que le diría a algunos de sus mayores anunciantes que «se jodan» por pausar sus gastos después de que respaldara una conspiración antisemita.

Mirando hacia el próximo año… tal vez entre reuniones de productos sobre la nueva función bancaria de X, Musk intentará tapar sus pérdidas con la ayuda de su incipiente compañía de IA, X.ai, que está buscando $1 mil millones en financiamiento. Pero también dijo hace unos meses que X «podría fracasar, como muchos han predicho.»

(Sigue)

___________________________________________
Imagen: MM.

Polémica: la IA en el salón de clases

Polémica: la IA en el salón de clases

by | Dic 25, 2023 | Análisis, Caso, Inteligencia Artificial, Sociedad, Tecnología, Tópico

(26 de diciembre, 2023). La introducción de la inteligencia artificial (IA) en las aulas escolares es un tema ampliamente debatido en el campo de la educación. Instituciones como la Escuela de Educación de Harvard y el Instituto Brookings han publicado artículos interesantes sobre la relación entre la IA y la educación, planteando preguntas clave: ¿Debería implementarse en los salones de clases? ¿O debería utilizarse únicamente desde fuera? ¿Sería un asistente ideal o un factor disruptivo en el proceso de aprendizaje?

La inteligencia artificial tiene el potencial de transformar la forma en que los estudiantes aprenden y los profesores enseñan. Mediante el uso de tecnología avanzada, como la IA, las escuelas pueden ofrecer un aprendizaje más personalizado y adaptativo, brindando a cada estudiante la oportunidad de progresar a su propio ritmo y según sus necesidades individuales.

La implementación de la IA en las aulas también puede facilitar la recopilación y análisis de datos en tiempo real, permitiendo a los profesores identificar áreas de mejora y brindar retroalimentación más precisa y oportuna a los estudiantes. Además, la IA puede proporcionar recursos educativos interactivos y enriquecedores, que ayudan a despertar el interés y la motivación en los estudiantes.

No obstante, es fundamental abordar los posibles desafíos y consideraciones éticas asociadas con la integración de la IA en las escuelas. Se deben garantizar la privacidad y seguridad de los estudiantes, así como evitar una dependencia excesiva de la tecnología que pueda perjudicar el desarrollo de habilidades y competencias humanas.

En última instancia, la decisión de introducir la IA en los salones de clases debe ser cuidadosamente considerada y respaldada por evidencia científica sólida. Es necesario evaluar tanto los beneficios como los riesgos potenciales, teniendo en cuenta el contexto educativo y las necesidades específicas de los estudiantes. La inteligencia artificial puede ser una herramienta valiosa en el ámbito educativo, siempre y cuando se implemente de manera responsable y con un enfoque centrado en el aprendizaje y desarrollo integral de los estudiantes.

Si integran la IA generativa: el caso de Nueva York

Las Escuelas Públicas de la Ciudad de Nueva York, el primer sistema escolar en bloquear el acceso a ChatGPT, también fue el primero en revertir su prohibición. En un lapso de cuatro meses desde la prohibición inicial, la reversión ocurrió después de reuniones de representantes de la industria tecnológica y educadores para evaluar los riesgos emergentes y comprender cómo aprovechar las capacidades de ChatGPT de manera positiva.

Para respaldar a los maestros, los líderes del distrito escolar de la ciudad de Nueva York prometieron proporcionar recursos desarrollados por el MIT (Instituto de Tecnología de Massachusetts), junto con ejemplos reales de una exitosa implementación de la IA en aulas del distrito que fueron pioneras en la adopción temprana de la tecnología. El distrito también planea crear un repositorio compartido para seguir el progreso de cada escuela y compartir hallazgos entre las escuelas.

Escuelas como el Distrito Escolar de Peninsula en Washington ya estaban trabajando en la integración de la IA en sus planes de estudio, por lo que cuando llegó ChatGPT, estaban preparadas. Equipos de aprendizaje digital visitaron aulas en diferentes niveles de grado para explicar cómo funcionan los modelos de lenguaje y cómo identificar y aprovechar el contenido generado por la IA. El Distrito Escolar de la Ciudad de Alliance en Ohio también está aprovechando el potencial de ChatGPT, resolviendo establecer límites de uso de manera proactiva para prevenir un uso indebido.

En el Distrito Escolar de Lower Merion, los estudiantes de Pensilvania perfeccionarán sus habilidades de pensamiento crítico al analizar y editar textos generados por la IA. En todos los casos anteriores, integrar de manera responsable la IA generativa como herramienta educativa requerirá que los distritos escolares inviertan en procedimientos de supervisión adecuados y en el desarrollo profesional de los educadores.

En este sentido, las Escuelas Públicas de Garden City en Nueva York han llevado a cabo sesiones de capacitación para los educadores para demostrar las capacidades de diferentes herramientas de IA generativa, así como cómo incorporarlas de manera efectiva y adaptar los materiales a las necesidades de los estudiantes. Escuelas como las Escuelas del Área de Norway-Vulcan en Michigan también planean brindar oportunidades de desarrollo profesional para los maestros, así como fortalecer la comprensión de la comunidad escolar sobre su código de honor y políticas contra el plagio. El distrito ha alentado a los maestros a utilizar el detector de IA de Turnitin para verificar casos de plagio, mientras se preparan para enseñar con la IA generativa en el otoño.

Algunas escuelas están siendo más cautelosas al integrar la IA generativa. En el Distrito Escolar Independiente de Mineral Wells en Texas, han adoptado un enfoque más prudente, probando el uso de la IA generativa en un conjunto experimental de aulas y enviando a esos instructores a una capacitación general en IA. En otros lugares de Texas, el Distrito Escolar Independiente de Eanes también se enfoca en ayudar a los maestros a aprovechar al máximo la IA generativa, mientras primero prueban ChatGPT en casos de uso administrativo, como la planificación de horarios o lecciones.
___________________________________________
Imagen: Pixabay.

Corte Suprema del Reino Unido: la IA no puede ser acreditada como inventor

Corte Suprema del Reino Unido: la IA no puede ser acreditada como inventor

by | Dic 24, 2023 | Caso, Destacado, Europa, IA, Inteligencia Artificial, Internacional, Leyes, Política, Robótica, Tecnología

(24 de diciembre, 2023).Actualmente, la legislación de patentes de Estados Unidos no permite que los sistemas de Inteligencia Artificial (IA) sean reconocidos como inventores en las patentes. Las normativas vigentes establecen que solo los seres humanos pueden ser considerados inventores.

Un caso destacado en la jurisprudencia reciente es el de Thaler v. Vidal (PDF), donde se ratificó que la IA no puede ser listada como «inventor» a efectos de obtener una patente. Aquí los razonamientos:

  1. Evolución de la IA en Patentes: La historia de la IA ha sido documentada a través de las patentes, reflejando su evolución y el creciente interés en esta tecnologí​a.

  2. IA Mejorando la Eficiencia de las Oficinas de Patentes: La IA ha demostrado ser efectiva para aumentar la eficiencia en la gestión de solicitudes de patentes, reduciendo retrasos y mejorando la calidad del proceso de revisión​.

  3. IA en Análisis de Patentes: La utilización de IA en el análisis de patentes ha revolucionado las estrategias de propiedad intelectual, ofreciendo nuevas maneras de interpretar y manejar grandes cantidades de datos de patente​.

  4. Protección de Sistemas de IA a través de Patentes: Existe un interés creciente en proteger los sistemas de IA mediante patentes de invención, lo cual plantea desafíos únicos y oportunidades para la legislación de propiedad intelectua​l.

  5. Desafíos en Propiedad Intelectual Debido a la IA: Con el auge de la IA, surgen desafíos en cuanto a la propiedad intelectual, especialmente en términos de definir la autoría y la invención en contextos donde las máquinas pueden imitar o competir en actividades intelectual.

  6. IA en Análisis de Competidores y Patentes: La IA también se utiliza para analizar patentes y competidores, proporcionando una ventaja significativa en el mercado al mantenerse actualizado con las tendencias y desarrollos en diversos campo​.

Este análisis refleja la interacción dinámica entre la IA y el campo de las patentes, mostrando tanto su impacto en la eficiencia operativa como los desafíos emergentes en la propiedad intelectual.

___________________________________________
Imagen: MM con insumos de Pixabay.

El lado oscuro de la IA

El lado oscuro de la IA

by | Dic 23, 2023 | Análisis, Caso, Destacado, IA, Inteligencia Artificial, Productos / Servicios, Sociedad, Tecnología

(23 de diciembre, 2023). La Luna tiene un lado oscuro y, se dice, que casi todo en el mundo también. El lado oscuro de la inteligencia artificial (IA) se refiere a los desafíos éticos, sociales y económicos asociados con el desarrollo y la implementación de tecnologías de IA. Algunas de las preocupaciones clave incluyen:

  • Desplazamiento laboral: la inteligencia artificial y la automatización tienen el potencial de reemplazar empleos humanos en diversas industrias, lo que genera desempleo y perturbaciones económicas, particularmente en sectores donde las tareas pueden automatizarse fácilmente.

  • Sesgo y discriminación: los sistemas de IA pueden heredar y perpetuar los sesgos presentes en los datos en los que están entrenados, lo que lleva a resultados discriminatorios, especialmente en áreas como la contratación, los préstamos y la aplicación de la ley. Abordar estos sesgos es un desafío importante en el desarrollo de la IA.

  • Preocupaciones por la privacidad: las aplicaciones de IA a menudo implican recopilar y analizar grandes cantidades de datos. Proteger la privacidad de las personas en este contexto es una preocupación importante. El acceso no autorizado a datos personales puede provocar robo de identidad, vigilancia y otras violaciones de la privacidad.

  • Implicaciones éticas: La IA plantea cuestiones éticas, como el uso de armas autónomas, deepfakes y sistemas de vigilancia impulsados ​​por IA. Estas tecnologías pueden utilizarse indebidamente, lo que tiene graves consecuencias para la sociedad.

  • Riesgos de seguridad: los sistemas de IA pueden ser vulnerables a los ataques. Los ataques adversarios, en los que actores malintencionados manipulan datos de entrada para engañar a los algoritmos de IA, pueden tener graves implicaciones, especialmente en aplicaciones críticas como los vehículos autónomos y la ciberseguridad.

  • Pérdida de control humano: a medida que los sistemas de IA se vuelven más sofisticados, existe el riesgo de perder el control sobre ellos. Garantizar que la IA opere dentro de límites éticos y se alinee con los valores humanos es un desafío importante.

  • Impacto ambiental: entrenar modelos complejos de IA requiere una potencia computacional significativa, lo que contribuye a un alto consumo de energía y emisiones de carbono. Abordar el impacto ambiental de la IA es crucial para el desarrollo sostenible.

  • Dependencia y monopolio: La dependencia de unas pocas empresas poderosas de IA puede conducir a un comportamiento monopolístico y reducir la competencia, lo que podría obstaculizar la innovación y limitar las opciones para los consumidores.

Abordar estos desafíos requiere una combinación de innovación técnica, marcos regulatorios y pautas éticas para garantizar que la IA se desarrolle y utilice de manera que beneficie a la sociedad en su conjunto y al mismo tiempo minimice sus consecuencias negativas.

___________________________________________
Imagen: MM con insumos de Pixabay.

Verified by MonsterInsights