La mayoría de los sistemas de reconocimiento de imágenes se entrenan utilizando grandes bases de datos que contienen millones de fotos de objetos cotidianos, desde serpientes hasta batidos y zapatos. Con la exposición repetida, las IA aprenden a distinguir un tipo de objeto de otro. Ahora, investigadores en Japón han demostrado que las IA pueden comenzar a aprender a reconocer objetos cotidianos al ser entrenados en fractales generados por computadora.
El resultado no es solo una computadora con la capacidad de aprender. Los mecanismos que le permiten aprender están integrados directamente en su estructura de hardware, sin necesidad de software de IA adicional.
Desafiado con el sistema inmunológico humano, el virus ha reorganizado gradualmente partes de su material genético, lo que facilita su propagación entre la población humana. La nueva cepa ya ha aterrorizado a Sudáfrica y ha cerrado el Reino Unido, y recientemente apareció en los Estados Unidos.
El gobierno chino anunció un plan en 2017 para convertirse en el líder mundial en IA para 2030, y desde entonces ha invertido miles de millones de dólares en proyectos e investigación de IA en la academia, el gobierno y la industria privada.
La economía del futuro no será construida por personas y fábricas, sino por algoritmos e inteligencia artificial, dice el científico de datos Mainak Mazumdar. Pero, ¿qué sucede cuando estos algoritmos se entrenan con datos sesgados? Basándose en ejemplos desde Shanghái hasta la ciudad de Nueva York, Mazumdar muestra cómo los datos de baja calidad conducen a una IA que toma decisiones y predicciones incorrectas, y revela tres restablecimientos de infraestructura necesarios para hacer posible la IA ética.
Incorporar la IA al flujo de trabajo clínico ayuda a agilizar los procedimientos médicos para los médicos. El objetivo final es trabajar con médicos y profesionales médicos para mejorar los servicios de atención médica mediante el uso justo de la IA. En este frente, se esperan tres desarrollos importantes.
Los algoritmos de IA no pueden explicar los procesos de pensamiento detrás de sus decisiones. Una computadora que domina el plegamiento de proteínas y también les dice a los investigadores más sobre las reglas de la biología es mucho más útil que una computadora que dobla las proteínas sin explicación.
El año pasado pudo haber cortado nuestras conexiones con el mundo físico, pero en el ámbito digital, la IA prosperó.
por Shelly Fan Covid-19 absorbió la mayor parte del oxígeno de la ciencia este año. Pero todavía teníamos victorias brillantes. La pandemia no pudo derribar cohetes ni humanos: múltiples misiones despegaron al planeta rojo en el “verano de Marte”. Dos astronautas se lanzaron a la Estación Espacial Internacional, y regresaron a salvo, en un cambio de juego para los viajes espaciales comerciales. La NASA […]
Junto con sus promesas, los algoritmos de inteligencia artificial también traen una serie de riesgos que es necesario tener en cuenta y corregir. ¿Qué medidas toman los científicos de datos para evitar que la información de la que ‘se alimentan’ las máquinas sea incompleta o esté sesgada?