En el apasionante mundo del sueño, un fenómeno ha captado la atención de científicos y curiosos por igual: los dormilones naturales cortos. Estos individuos, que logran sobresalir con tan solo cuatro a seis horas de sueño por noche, desafían la norma de requerir ocho horas de descanso nocturno. Esta habilidad, atribuida a ciertas mutaciones genéticas, hace que su sueño sea más eficiente y les permite disfrutar de los mismos beneficios que aquellos que duermen más.
Un estudio reciente dirigido por científicos de la Universidad de Göttingen y la Universidad de Edimburgo ha revelado que en un hipotético escenario donde se interrumpiera el comercio internacional de alimentos, solo Guyana tiene la capacidad de ser completamente autosuficiente. La investigación analizó datos de producción alimentaria de 186 países, centrándose en la autosuficiencia de siete categorías clave de alimentos.
Un nuevo estudio llevado a cabo por un equipo de la Universidad de Groningen, en los Países Bajos, revela una potencial conexión entre el cronotipo de las personas y el riesgo de declive cognitivo. Este estudio se centró en los llamados “búhos nocturnos”, personas que prefieren quedarse despiertas hasta tarde, y sugiere que aquellos con educación universitaria tienen un mayor riesgo de experimentar un deterioro cognitivo.
Investigaciones recientes han demostrado de manera fehaciente la poderosa influencia del ejercicio físico en la lucha contra el cáncer de colon. La publicación en el New England Journal of Medicine reveló los hallazgos del estudio internacional denominado Challenge, presentado en la reunión anual de la American Society of Clinical Oncology en Chicago.
La reciente advertencia sobre la alarmante desaparición de especies arbóreas no es un simple llamado a la reflexión, sino que viene acompañada de datos que resultan en un severo toque de alarma para la humanidad. En 2021, el informe Estado de los Árboles del Mundo reveló que un tercio de las especies de árboles están al borde la extinción, superando en número a todos los mamíferos, aves, anfibios y reptiles amenazados combinados. La magnitud de esta crisis cobra vida al saber que ciertas especies, como la palma Hyophorbe amaricaulis en Mauricio, se limitan a un único ejemplar conocido.
En un despliegue de ingenio y adaptabilidad, los cacatúas con cresta de azufre de Sídney han aprendido a abrir fuentes de agua potable con sus picos y garras. En un estudio publicado el 4 de junio en Biology Letters, los investigadores afirmaron que estos inteligentes cómplices aviares dominan la técnica de girar las fuentes para un gratificante sorbo. El descubrimiento fue realizado por un equipo de científicos liderados por Lucy Aplin, quien junto a Barbara Klump documentaron el comportamiento en el Charlie Bali Reserve, donde las cámaras captaron a los pájaros poniendo a prueba sus habilidades acrobáticas.
Investigadores del Instituto Indio de Información, Tecnología y Gestión Atal Bihari Vajpayee han desarrollado un innovador marco para el análisis de sentimientos en tiempo real de los mensajes en X, la plataforma de redes sociales antes conocida como Twitter. Este sistema emplea una combinación híbrida de técnicas de Procesamiento de Lenguaje Natural (NLP) basadas en reglas y transformadores para evaluar opiniones públicas de manera eficaz, destacando sus aplicaciones en gestión de reputación corporativa y análisis financiero.
Investigadores de diversas universidades han planteado un urgente cambio en la evaluación de los modelos de lenguaje en el ámbito financiero, subrayando que el enfoque debe centrarse en el perfil de riesgo en lugar de las métricas de rendimiento tradicionales. Este cambio de perspectiva es esencial para identificar vulnerabilidades que, aunque pasadas por alto en las evaluaciones convencionales, podrían llevar a pérdidas millonarias.
La reciente creación de Samudra, un emulador oceánico basado en inteligencia artificial, ha dado un nuevo giro a los estudios climáticos al presentar resultados prometedores en simulaciones globales del océano. Este emulador, construido sobre la arquitectura de ConvNeXt UNet, reproduce con gran precisión las variables oceánicas como la temperatura, la salinidad, la altura de la superficie del mar y las velocidades oceánicas horizontales a lo largo de la profundidad completa del océano.
Impulsando la Observación de la Tierra con el Conjunto de Datos WorldStrat
El avance en la tecnología satelital y el aprendizaje automático está a punto de dar un gran salto con la presentación del conjunto de datos WorldStrat, una contribución novedosa para analizar el planeta en alta resolución. Esta base de datos, sin parangón en su diversidad y detalle, emplea imágenes de los satélites SPOT 6/7 de Airbus para capturar detalles a una resolución de 1.5 m/pixel en 10,000 km² de diversas ubicaciones globales.
Investigadores de la Universidad de las Artes de Londres y la organización Charismatic.ai han avanzado en el uso de Modelos de Lenguaje Impresionantes (LLMs) para mejorar la generación automática de historias, un campo en constante evolución dentro de la inteligencia artificial.
EXP-Bench se perfila como un referente crucial para evaluar la capacidad de agentes de IA en conducir experimentos de investigación completa en el campo de la inteligencia artificial. Este marco de evaluación ha sido meticulosamente diseñado para abarcar todas las fases críticas del proceso experimental desde la concepción de la pregunta de investigación hasta la obtención de conclusiones válidas.
Inteligencia Autónoma y la Seguridad en Drones Simulados para Rescate
En un mundo donde los desastres naturales son cada vez más frecuentes, la tecnología autónoma se está convirtiendo en una aliada indispensable en operaciones de rescate, y en este contexto, se han desarrollado sistemas que prometen adaptarse a entornos abiertos con nuevas capacidades de razonamiento y decisión.
La innovación en la investigación participativa y la vigilancia de la salud digital ha dado un gran paso adelante con la introducción del marco CASE. Este marco de código abierto está diseñado para mejorar la preparación ante pandemias mediante plataformas de encuestas digitales adaptativas y sensibles al contexto, integrando respuestas de participantes, datos externos y condiciones temporales para crear flujos de encuestas dinámicas y personalizadas. Tras una década de experiencia, un rediseño arquitectónico en 2024 reafirmó su sostenibilidad y adaptabilidad, optando por una estructura monolítica para simplificar el mantenimiento, reducir dependencias y facilitar su implementación.
Inteligencia Artificial Generativa: Nuevas Perspectivas en la Evaluación Formativa
En un entorno donde las amenazas cibernéticas son cada vez más sofisticadas, un grupo de investigadores de la Universidad Edith Cowan en Australia ha propuesto un marco estructurado para mejorar la colaboración entre humanos e inteligencia artificial (IA) en los Centros de Operaciones de Seguridad (SOC). Este avance promete integrar la autonomía de la IA con una calibración de la confianza y la participación humana efectiva en la toma de decisiones.
Los investigadores de la Universidad de California en San Diego han desarrollado un innovador asistente de generación de código llamado H I LD E, diseñado para mejorar la interacción entre humanos y modelos de lenguaje de inteligencia artificial (LLM). Esta herramienta se centra en mitigar las vulnerabilidades que surgen en el código generado por IA al colocar al programador en el ciclo de toma de decisiones, evitando así el automatismo excesivo que suele presentarse en entornos de programación asistidos por IA.
Un equipo de investigadores de la Fundación Bruno Kessler ha anunciado el lanzamiento de FAMA, el primer modelo fundacional de habla de ciencia abierta a gran escala para los idiomas inglés e italiano. Este ambicioso proyecto fue desarrollado por un equipo de expertos compuesto por Sara Papi, Marco Gaido, Luisa Bentivogli, entre otros destacados nombre, con el propósito de superar las limitaciones de modelos similares, que carecen de transparencia y accesibilidad abierta.
La investigación académica sobre cómo los copilotos basados en inteligencia artificial (IA) pueden personalizar sus respuestas está liderando la vanguardia en la interacción entre humanos y máquinas. En un nuevo estudio, un grupo de académicos, incluidos Saleh Afzoon y Zahra Jahanandish, ha examinado cómo estos sistemas compilan y optimizan las preferencias de los usuarios para mejorar su funcionalidad y adaptabilidad.
“ClearSphere”, un sistema pionero desarrollado por investigadores de la Universidad China de Hong Kong, aspira a revolucionar la forma en que las personas mantienen conversaciones claras en entornos abarrotados mediante el uso de auriculares inteligentes. En ambientes como conferencias o eventos sociales, el “efecto fiesta de cóctel” complica el seguimienthttps://github.com/livekit/livekit?tab=readme-ov-fileo de las conversaciones debido a ruidos de fondo y múltiples interlocutores simultáneos. ClearSphere aborda este problema con soluciones innovadoras que van desde el protocolo de red proyectado para mejorar las discusiones entre múltiples usuarios, hasta la extracción avanzada de conversaciones.
Recientemente se ha presentado el NaijaVoices Dataset como un avance significativo en el panorama de la tecnología del habla multilingüe para idiomas africanos. Este conjunto de datos se destaca por su enfoque innovador de la “agricultura de datos”, implicando una relación recíproca con las comunidades ligadas al idioma, asegurando que estas últimas sean involucradas y beneficiadas en el proceso.
La creciente importancia de los agentes con comportamiento humano en el ámbito de los juegos virtuales nos lleva a explorar los diversos desafíos que estos presentan. Las contribuciones de este estudio se centran en identificar las numerosas dificultades técnicas y conceptuales al implementar inteligencia artificial human-like en videojuegos, un tema de creciente relevancia debido a la inmersión y experiencia de juego mejorada que estos agentes pueden ofrecer.
En un innovador avance en la conducción autónoma, el equipo RB ha presentado el marco DiffVLA, una sofisticada combinación de técnicas de visión y lenguaje aplicadas a la planificación de trayectorias en vehículos autónomos. La novedad radica en la integración de un modelo híbrido de percepción que combina enfoques de percepción densa y dispersa, facilitando un cálculo más eficiente y preciso de las rutas a seguir en entornos complejos.
Científicos de diversas instituciones internacionales han desarrollado Graph Mixing Additive Networks (GMAN), un modelo de aprendizaje que procesa datos temporales irregulares y dispersos para tareas de predicción. GMAN utiliza una arquitectura de redes neuronales de grafos, diseñada para interpretar y aprender de conjuntos de señales temporales que se muestren de manera no uniforme. Este enfoque permite que las redes mezclen gráficos, logrando capturar patrones más complejos con mayor precisión y sin necesidad de llenar los vacíos de datos.
La rápida expansión de los Modelos de Lenguaje de Gran Tamaño (LLM, por sus siglas en inglés), tales como GPT-4 y sus competidores Claude de Anthropic y Gemini de Google, ha transformado el ámbito del procesamiento del lenguaje natural, pero también ha evidenciado innumerables vulnerabilidades de seguridad que deben ser enfrentadas con urgencia. Estos modelos, entrenados con vastos bancos de datos no curados, son ahora utilizados en una variedad de instalaciones comerciales, desde motores de búsqueda hasta herramientas de desarrollo de software y asistentes personales.
En un intento por avanzar en la cesación del tabaquismo, un grupo de investigadores de la Universidad de Toronto ha desarrollado un chatbot llamado MIBot, que utiliza técnicas de entrevista motivacional (MI) completamente generativas para ayudar a los fumadores a dejar el hábito. La innovación radica en el uso de modelos de lenguaje masivo (LLM) que simulan conversaciones motivacionales personalizadas, una tarea tradicionalmente reservada para consejeros humanos.
Los Modelos de Lenguaje Extenso (LLMs, por sus siglas en inglés) han demostrado un notable desempeño en tareas de lenguaje natural, pero su efectividad en el razonamiento sobre datos tabulares sigue siendo un área de debate. Investigaciones recientes han sacado a relucir las limitaciones de los modelos actuales frente a la complejidad de este tipo de tareas y cómo se ven afectados por características y variaciones en la estructura de las tablas.
El auge de las operaciones de influencia patrocinadas por Estados en las redes sociales representa una compleja amenaza en el ámbito digital global. Este fenómeno se despliega en plataformas como Twitter, donde actores estatales de China, Irán y Rusia emplean tácticas lingüísticas diferenciadas para manipular la opinión pública y promover narrativas geopolíticas específicas.
Un nuevo trabajo académico realizado por investigadores de Yale University ha arrojado una nueva luz sobre la posibilidad de detectar automáticamente las “alucinaciones” en los modelos de lenguaje grande (LLM, por sus siglas en inglés). En este estudio, los investigadores establecen un marco teórico que revela la dificultad inherente para detectar automáticamente resultados alucinados si los algoritmos se entrenan únicamente con ejemplos correctos, es decir, en ausencia de retroalimentación explícita sobre errores.
Un enfoque innovador en la revisión sistemática: InsightAgent facilita el proceso en horas
La traducción automática (MT) ha dado un salto trascendental con el advenimiento de los modelos de lenguaje grande (LLMs), que han reconfigurado el panorama de la traducción especialmente en lenguas con bajos recursos. Los investigadores de IIT Patna abordan en una revisión exhaustiva cómo estos LLMs han mejorado la fluidez en las traducciones a través de técnicas innovadoras como el “few-shot prompting” y la transferencia translingual. Aun así, el reto de traducir lenguas menos comunes sigue presente, debido a la escasez de corpus paralelos.
LayerCraft, el revolucionario marco desarrollado para la generación y edición de imágenes a partir de texto, está transformando el ámbito de la creación visual. Con su enfoque modular que emplea modelos de lenguaje de gran escala como agentes autónomos, LayerCraft permite la generación de imágenes estructuradas y por capas, ofreciendo un control sin precedentes sobre la composición espacial y la integración de objetos.
En un esfuerzo por comprender el impacto de los Modelos de Lenguaje de Gran Escala (LLMs) en el mundo real, investigadores han desarrollado REALM, un dataset masivo que documenta más de 94,000 casos de uso de LLMs provenientes de Reddit y artículos de noticias. A partir de estas 94,000 instancias, un significativo 15,000 han sido extraídas de discusiones en Reddit, mientras que los restantes 79,000 provienen de artículos de prensa publicados entre junio de 2020 y diciembre de 2024.
La integración de Modelos de Lenguaje a Gran Escala (LLMs, por sus siglas en inglés) en el ámbito de la atención en salud mental se presenta como una oportunidad histórica para potenciar la accesibilidad, personalización y escalabilidad del soporte en este campo crucial. Sin embargo, este progreso se enfrenta a retos significativos derivados de preocupaciones sobre la ética, sesgo, confianza excesiva y la deshumanización del cuidado, además de las incertidumbres regulatorias.
Un nuevo desafío en la detección de desinformación ha emergido con la presentación del conjunto de datos “Deceptive Humor Dataset” (DHD). En un intento por desenmascarar la manera en que el humor puede ayudar a propagar narrativas engañosas, un equipo de investigadores ha desarrollado este conjunto que incorpora comentarios falsos infundidos de humor, generados utilizando el modelo ChatGPT-4o y etiquetados con niveles de sátira y tipos específicos de humor.
Avance en Apoyo a la Salud Mental: Un Dataset para la Asistencia Conversacional
Philadelphia, 2025 - En respuesta a la creciente demanda de soluciones innovadoras para abordar los trastornos de salud mental, un equipo de investigadores de la Universidad de Pensilvania ha introducido un nuevo recurso revolucionario. Se trata de un conjunto de datos de referencia diseñado específicamente para mejorar la asistencia conversacional en salud mental mediante modelos de lenguaje avanzados.
Investigadores han analizado la complejidad del diseño de prompts en los Modelos de Lenguaje de Gran Escala (LLMs) revelando su impacto sobre el razonamiento. Pese a su éxito en diversas tareas de procesamiento de lenguaje, estos modelos enfrentan limitaciones en razonamiento complejo. Desarrollaron el CoT (Chain of Thought) como alternativa, permitiendo que los modelos superen sus limitaciones al desglosar procesos de razonamiento en etapas comprensibles para el mismo modelo. Sin embargo, muchas soluciones basadas en CoT no se adaptan específicamente a la tarea en cuestión.
Los Modelos de Lenguaje de Gran Escala (LLM) están emergiendo como herramientas de gran impacto en el campo de la bioinformática, revolucionando la forma en la que se analizan y predicen las estructuras y funciones de ADN, ARN, proteínas, así como la expresión de células individuales. Diversos estudios han resaltado el uso de LLM en tareas moleculares complejas, conduciendo a avances significativos en precisión médica.
El software de código abierto enfrenta un cambio significativo en la forma en que se gestionan sus licencias debido a la necesidad de monetización. Durante años, las licencias OSS permitieron a los desarrolladores compartir y mejorar herramientas sin costo, creando una robusta red de bibliotecas y marcos que ahora sustenta gran parte de la infraestructura tecnológica mundial.
Investigadores en colaboración con especialistas de universidades de China y Singapur han desarrollado un algoritmo innovador llamado Collaborative Scatter-Gather Mining (CSGM), destinado a enfrentar el desafío del lavado de dinero entre múltiples instituciones financieras. El propósito de este algoritmo es detectar de manera efectiva subgrupos de lavado de dinero sin comprometer la privacidad y seguridad de los datos de las instituciones involucradas.
Un estudio examina si los modelos de lenguaje pueden imitar el aprendizaje humano
En un reciente estudio, investigadores de la Universidad de Georgetown y la Universidad de Saarland investigaron hasta qué punto los modelos de lenguaje (ML) pueden servir como modelos de adquisición y procesamiento del lenguaje humano. Estos modelos, altamente flexibles en su capacidad de aprender patrones lingüísticos, fueron probados con idiomas tipológicamente inusitados e imposibles, demostrando capacidades de distinción entre lenguas posibles e imposibles.
La influencia del contenido protegido por derechos de autor en los modelos de lenguaje y visión de gran escala (VLMs, por sus siglas en inglés) ha suscitado interés notable entre la comunidad investigadora. El innovador enfoque DIS-CO se presenta para detectar la inclusión de dicho contenido en el proceso de entrenamiento de los VLMs. Al consultar repetidamente a un VLM con cuadros específicos de películas protegidas por derechos, DIS-CO revela la identidad del contenido mediante completaciones de texto libre.
En un innovador estudio publicado recientemente, investigadores de la Universidad de Stanford han desarrollado un nuevo sistema para medir y controlar el grado de lenguaje que se percibe como humano en los Modelos de Lenguaje Grandes (LLMs, por sus siglas en inglés). Bautizado como H UM T, este nuevo método evalúa la probabilidad de que un texto parezca tener un tono humano, una característica que, aunque potencialmente positiva para mejorar la experiencia del usuario, podría acarrear temas más complejos como engaño y dependencia excesiva.
Noticia
En un estudio realizado por expertos de las universidades de Stony Brook y Saskatchewan, se ha analizado el rendimiento de grandes modelos de lenguaje (LLMs, por sus siglas en inglés) como herramientas alternativas a las evaluaciones manuales de escritos académicos. Las conclusiones son alentadoras, ya que estos modelos son capaces de realizar valoraciones analíticas multidimensionales de manera fiable y general.
Investigadores de diversas universidades, como la Universidad de Sídney y Harvard, han analizado el papel de los Modelos de Lenguaje Extensivo (LLMs) en la psicoterapia. Estos modelos tienen un gran potencial para lidiar con las interacciones contextuales necesarias en la salud mental, dado que pueden manejar extensos contextos y razonamiento multiturno. Se propone una taxonomía conceptual que divide la psicoterapia en tres etapas: evaluación, diagnóstico y tratamiento, para examinar los avances y desafíos de los LLMs.
La recolección y el uso de datos genéticos han aumentado significativamente en los últimos años, provocando un nuevo debate acerca de la gobernanza de estos datos. Este auge, impulsado por la disminución de los costos de secuenciación de ADN y los avances en inteligencia artificial (IA), ha ampliado notablemente la base de datos genéticos utilizados en investigaciones de salud pública, especialmente en los Estados Unidos. Desde 2020, el Departamento de Seguridad Nacional (DHS) ha ampliado su base de datos de ADN federal (CODIS) en más de 1,5 millones de personas, muchos de ellos, personas de color, generando preocupaciones sobre la privacidad y la discriminación.
Un estudio reciente de investigadores de la Universidad Estatal de Arizona ha planteado importantes reflexiones sobre la cooperación entre humanos y agentes de inteligencia artificial (IA), centrándose en cómo medir realmente la colaboración en estos equipos mixtos más allá de las meras recompensas de tareas. Los investigadores han propuesto un concepto innovador llamado “interdependencia constructiva” que mide la dependencia mutua de los agentes para lograr un objetivo común, evaluando así la cooperación en equipos humano-agente.
La evolución de los modelos de lenguaje generativo personalizables ha abierto la posibilidad de crear mensajes engañosamente auténticos, planteando preocupaciones sobre la integridad y seguridad online. El Instituto de Ciencia y Tecnología de Austria ha publicado un documento que expone los riesgos emergentes de esta tecnología, que puede replicar fielmente el estilo de escritura de cualquier individuo usando datos personales para ajustarse a sus necesidades específicas.
Descubierta Notable Estrategia de Cuatro Cuadrantes para el Preentrenamiento de Modelos de Lenguaje
El sistema de diálogo basado en refuerzo de valores emocionales, desarrollado por investigadores de la Universidad Nacional de Seúl, ha sido evaluado positivamente por su capacidad para brindar apoyo emocional efectivo a los usuarios. Este método se centra en identificar y reforzar valores humanos importantes durante las conversaciones de apoyo emocional, lo que resulta en una reducción significativa en la intensidad de las emociones negativas de los usuarios, y fomenta un bienestar emocional a largo plazo.
El estudio realizado por Yachao Zhao y su equipo de colaboradores en la Universidad de Tianjin, aborda un tema que ha sido ampliamente discutido en el campo de la inteligencia artificial: los sesgos implícitos y explícitos presentes en los modelos de lenguaje de gran escala. Estos modelos, conocidos como LLMs por sus siglas en inglés, tienen la capacidad de generar patrones lingüísticos complejos, pero también reproducen prejuicios y estereotipos que existen en los datos con los que son entrenados.
En un hito para la interpretación jurídica, un equipo multidisciplinario de la Universidad de Pekín ha desarrollado un marco automatizado que utiliza Grandes Modelos de Lenguaje (LLMs) para reinterpretar conceptos legales vagos. Denominado ATRIE, este sistema ofrece una solución para mitigar la carga de trabajo de los expertos legales, permitiéndoles una eficiencia superior y mejor comprensión de estos conceptos.
Un equipo de investigadores ha explorado el uso de modelos de lenguaje a gran escala (LLMs) como herramientas eficaces para la evaluación psicológica, centrándose en vincular las prácticas psicológicas tradicionales con métodos computacionales. Utilizando cuestionarios psicológicos estandarizados como el Beck Depression Inventory-II (BDI-II), han desarrollado un marco de detección que explota la generación aumentada por recuperación (aRAG).
En la búsqueda de comprender mejor la comunicación humana a través del ámbito de la lingüística computacional, un grupo de investigadores del Instituto Indio de Tecnología de Bombay ha trabajado en la detección automática del fenómeno conocido como “humblebragging”. Este término describe la habilidad de ciertos individuos para alardear subrepticiamente de sus logros o características personales, mensurando tales afirmaciones bajo la apariencia de humildad o queja.
Los avances en los Modelos de Lenguaje de Gran Escala (LLMs) han facilitado de manera notable la producción de textos generados por inteligencia artificial (AIGTs) en diversas plataformas de redes sociales, tales como Medium, Quora y Reddit. Este fenómeno ha tomado importancia debido a su potencial para influir en la opinión pública a través de información eventualmente inexacta o manipulada.
El crecimiento acelerado de las plataformas de redes sociales ha planteado preocupaciones significativas sobre la toxicidad del contenido en línea. La aplicación de modelos de lenguaje grande (LLM) para la detección de toxicidad presenta dos retos cruciales: la falta de conocimiento específico del dominio meta-tóxico, lo que produce falsos negativos; y la sensibilidad excesiva de los LLM al discurso tóxico, lo que genera falsos positivos que limitan la libertad de expresión.
En un esfuerzo por evaluar de manera más efectiva la capacidad de razonamiento matemático de los modelos de lenguaje grande (LLM), un grupo de investigadores ha introducido un nuevo patrón de medición llamado G-Pass@k. Este nuevo enfoque busca abordar las deficiencias observadas en los métodos evaluativos tradicionales utilizados por estos modelos.
Investigadores de la Universidad del Norte de Carolina, Chapel Hill, han propuesto un enfoque revolucionario para el aprendizaje interactivo en modelos de lenguaje de gran tamaño (LLMs), con la introducción del marco INTERACT (aprendizaje INTeractivo para la Transferencia de Conceptos Adaptativos). Este enfoque pionero busca transformar la manera en que los LLMs adquieren y refinan conocimientos, pasando de absorber datos de forma pasiva a participar en diálogos dinamizados por preguntas.
Investigadores del ámbito del aprendizaje por refuerzo han dado a conocer “RLZero”, un marco innovador que permite a los agentes de aprendizaje por refuerzo traducir instrucciones en lenguaje natural en acciones, sin necesidad de supervisión dentro del dominio. Este método promete revolucionar el campo del aprendizaje por refuerzo al evitar la costosa anotación y entrenamientos adicionales.
Qualcomm AI Research ha revelado su última innovación, SwiftEdit, un sistema de edición de imágenes guiado por texto que promete revolucionar el modo en que los usuarios interactúan con las imágenes. En un asombroso tiempo de apenas 0.23 segundos, utilizando un solo GPU A100, SwiftEdit realiza transformaciones de imágenes complejas basadas exclusivamente en indicaciones textuales, todo ello sin necesidad de delinear máscaras previamente.
La gobernanza de datos es un campo emergente que busca regular el acceso, control y uso de datos en el desarrollo de avanzada inteligencia artificial (IA). Un grupo de expertos de la Universidad de California, Cambridge y otros centros académicos propusieron un marco de políticas para enfrentar los riesgos que plantean los modelos de IA de vanguardia, especialmente en términos de seguridad y capacidad para generar daño.
La inteligencia artificial ha evolucionado drásticamente en los últimos años, dando lugar a una tecnología poderosa conocida como Contenido Generado por Inteligencia Artificial (AIGC, por sus siglas en inglés). Desde sus inicios basados en reglas hasta las avanzadas técnicas de aprendizaje profundo y aprendizaje por transferencia, AIGC ha revolucionado la creación de contenido en numerosos sectores.
En un contexto global donde la soledad se perfila como una crisis de salud pública, una reciente investigación ha analizado el potencial de los modelos de lenguaje extenso (LLMs) para abordar esta problemática. La Universidad de York, en colaboración con Microsoft, ha explorado el rol de servicios como ChatGPT en la mitigación de la soledad, mediante el análisis de casi 80,000 conversaciones anónimas.
La robótica en el ámbito de la manipulación responsable está tomando protagonismo frente a los desafíos inherentes de asegurar la seguridad en entornos reales. Recientemente, investigadores han destacado que incluso las instrucciones humanas más cotidianas pueden poner en riesgo la seguridad cuando se ejecutan de manera irracional por los robots. Situaciones como verter agua cerca de aparatos eléctricos o encender velas cerca de materiales inflamables representan una amenaza significativa si un robot sigue las instrucciones humanas sin evaluación previa del entorno.
Investigadores en el Centro de Excelencia de Software de Huawei Canadá y la Universidad de Queen han desarrollado el Sistema de Enrutamiento Adaptativo en Tiempo Real (RAR) para optimizar el uso de modelos de fundamentos (FM) de diferentes capacidades. Este sistema, diseñado para reducir el uso de recursos costosos asociados con modelos grandes, opta por asignar más tareas a los modelos más pequeños siempre que sea posible, utilizando el aprendizaje en contexto para mejorar la calidad de las respuestas.
Investigadores del Instituto Indio de Tecnología, en colaboración con múltiples instituciones, han lanzado Bhasa Anuvaad, un ambicioso proyecto para mejorar la traducción automática del habla en 14 idiomas indios. Este avance responde a la necesidad de superar la escasez de datos de alto calibre, disponibles públicamente, que capturen la rica diversidad lingüística de la India.
En un avance importante para la aplicación de la inteligencia artificial (IA) en el ámbito sanitario, un grupo de investigadores ha desarrollado un modelo de predicción de glucosa multicontinental que resuelve uno de los retos más críticos de este campo: la privacidad de datos. Este modelo, denominado Multi-Continental Glucose Prediction (MCGP), utiliza un aprendizaje federado habilitado por blockchain para preservar la privacidad al permitir que los hospitales colaboren globalmente sin necesidad de compartir datos sensibles.
En el ámbito del diseño y la automatización de objetos 3D articulados, se presenta A RTICULATE -A NYTHING, una innovación que promete revolucionar la forma en que se crean estos modelos. Este sistema automatiza la articulación de objetos variados y complejos utilizando una amplia gama de modalidades de entrada como texto, imágenes y videos, permitiendo generar modelos digitales interactivos para simuladores 3D estándar.
Recientemente, un equipo de científicos del Laboratorio Nacional del Noroeste del Pacífico ha presentado un revolucionario modelo llamado FragNet, que utiliza una Red Neuronal Gráfica (GNN, por sus siglas en inglés) para la predicción de propiedades moleculares, centrándose especialmente en su interpretabilidad a múltiples niveles. Este avance es significativo dentro de las áreas de diseño de fármacos y materiales de energía debido a la complejidad de algunas moléculas cuyos subestructuras no se conectan de manera tradicional.
La formación de SciEvo, un robusto conjunto de datos longitudinales, está estableciendo un precedente en el análisis cientícométrico, al integrar más de dos millones de publicaciones académicas desde 1991. Este recurso, que se centra en la evolución temporal del conocimiento científico, busca solucionar desafíos clave al proporcionar una base de datos integral que ofrece contenido detallado y gráficos de citas para facilitar análisis transdisciplinarios.
Un reciente estudio realizado por un equipo de investigadores de la Universidad Carnegie Mellon ha puesto bajo la lupa cómo los grandes modelos de lenguaje (LLM, por sus siglas en inglés) generan restricciones raciales en las recomendaciones personalizadas de chatbots, un fenómeno que parece mantenerse vigente tanto si los usuarios revelan de manera implícita o explícita su identidad. A través de una metodología que combina diversas señales de identidad, el estudio analizó las respuestas de varios LLM a las solicitudes de recomendaciones académicas o de vivienda de diversos grupos raciales, señalando un sesgo omnipresente y desalentador.
Una investigación reciente desarrollada por el equipo multidisciplinario detrás del proyecto OpenSMC, ha marcado un hito significativo en el campo de la organización de imágenes sin etiquetar. Este enfoque innovador, liderado por la colaboración de universidades y entidades tecnológicas globales, como la Universidad Técnica de Munich y la Universidad de Bergamo, busca resolver los desafíos tradicionales del agrupamiento semántico mediante el uso de modelos avanzados de lenguaje.
Investigadores de la Universidad de Cornell han lanzado un estudio que pone a prueba las capacidades de la inteligencia artificial (IA) para identificar y explicar el lenguaje discriminatorio hacia personas con discapacidades en espacios digitales. En su afán por comprender y mitigar la desinformación y el lenguaje dañino, reunieron un valioso conjunto de datos compuesto por 200 comentarios en redes sociales, de los cuales 175 son discriminatorios y 25 no lo son. Han sometido estos comentarios a la evaluación de clasificadores de toxicidad y modelos de lenguaje de última generación como GPT-4, Gemini y Claude, obteniendo resultados reveladores.
Un equipo de investigadores de la Universidad del Sur de California y TikTok ha desarrollado una nueva métrica para evaluar cómo los modelos de lenguaje pueden filtrar información privada cuando se les proporciona contexto adicional para tareas como el cuestionamiento. Esta métrica, denominada ‘context influence’, utiliza los principios de la privacidad diferencial para medir la filtración de información contextual.
Un reciente estudio pionero explora el impacto de la privacidad diferencial en la detección diagnóstica de patologías del habla utilizando inteligencia artificial (IA), abordando las cruciales preocupaciones sobre privacidad del paciente. Al aplicar la privacidad diferencial (DP) al análisis de datos de habla patológica, la investigación encontró que la precisión diagnóstica experimenta una reducción máxima de apenas 3.85% bajo altos niveles de protección de la privacidad.
La moderación de contenido en plataformas digitales ha sido un constante desafío. Tradicionalmente, los modelos de lenguaje de gran tamaño (LLM) se han utilizado para mejorar la precisión en la detección y clasificación de contenido. No obstante, Tao Huang, de la City University de Hong Kong, sugiere que esta medida de precisión no es suficiente por sí sola. Se necesita un cambio de paradigma hacia un marco basado en legitimidad para evaluar el rendimiento de los moderadores.
En un incesante intento por superar los desafíos en la detección de vulnerabilidades del código, el equipo investigador de la Universidad de Toronto ha desarrollado un sistema innovador llamado ANVIL. Este método busca redefinir cómo se abordan las vulnerabilidades, basándose en la detección de anomalías, en lugar de los enfoques tradicionales fuertemente dependientes de datos etiquetados.
En el presente estudio, los métodos tradicionales para evaluar la percepción de seguridad urbana dependían de encuestas presenciales, que resultaban costosas y poco consistentes. Frente a esta problemática, los modelos de lenguaje multimodal (MLLMs), como GPT, ofrecen una nueva perspectiva al combinar imágenes de Street View con capacidades de análisis mediante aprendizaje profundo y pre-entrenamientos en el reconocimiento de características de imagen, como los proporcionados por CLIP.
Investigadores han desarrollado un enfoque innovador en el campo de la neurociencia que aumenta significativamente la eficiencia en la decodificación del habla a partir de la actividad cerebral utilizando aprendizaje auto-supervisado. Este método ha sido testado con aproximadamente 400 horas de datos magnetoencefalográficos (MEG) no etiquetados de 900 sujetos, mostrando mejoras de entre el 15 y el 27% frente a modelos previos del estado del arte. Lo más llamativo es que su rendimiento se equipara al del uso de datos quirúrgicos, pero con medios no invasivos.
La ciencia de la inteligencia artificial sigue desentrañando nuevas capacidades al compararlas con ciertas habilidades humanas. Recientemente, un estudio ha puesto a prueba la habilidad analógica de los modelos de lenguaje, enfrentándolos con tareas que requieren un tipo de razonamiento similar al que usamos los humanos al resolver problemas complejos.
[TEXTO PRINCIPAL] Deep diffusion models are pioneering in meteorological forecasting by surpassing traditional techniques in convection nowcasting, offering a four-hour accurate prediction with expansive planetary coverage. Leveraging the power of artificial intelligence (AI) and satellite data, these models provide an invaluable tool for predicting and managing severe weather patterns. The geostationary FengYun-4A satellite data reveals the prowess of the Deep Diffusion Models of Satellite (DDMS) in enhancing the forecasting of convective clouds.
En un mundo cada vez más digital, el debate sobre los sesgos de lenguaje en los modelos de lenguaje extensivo (LLM) cobra vital importancia. Los investigadores Yixin Wan y Kai-Wei Chang, de la Universidad de California en Los Ángeles, avanzan en esta discusión mediante la introducción del benchmark LABE (Language Agency Bias Evaluation). Su objetivo es evaluar minuciosamente cómo estos sesgos se manifiestan en las generaciones de texto producidas por LLMs.
En el mundo de la inteligencia artificial aplicada al arte, un equipo de investigadores ha anunciado el desarrollo de SongComposer, un modelo de lenguaje de gran capacidad diseñado para la composición de canciones integrales, uniendo letras y melodías de manera coherente y simultánea.
En un avance sorprendente, un grupo de investigadores ha revelado el potencial peligroso del data poisoning en el aprendizaje en contexto (ICL), utilizado por los modelos de lenguaje de gran tamaño (LLMs) para adaptarse a nuevas tareas con ejemplos proporcionados sin modificar sus parámetros de modelo. Este estudio, llevado a cabo por un equipo de expertos de la Universidad Estatal de Michigan, la Universidad de Arizona y el Instituto de Ciencia y Tecnología de Okinawa, examina cómo las perturbaciones discretas en el texto pueden comprometer significativamente la eficacia de ICL, lo que plantea preocupaciones serias sobre su seguridad y fiabilidad.
El avance de los modelos de generación de imágenes a partir de texto, conocidos como T2I (Text-to-Image), ha marcado un hito en el ámbito de la inteligencia artificial. Sin embargo, un reciente estudio ha sacado a luz la preocupante persistencia de estereotipos de género en estas tecnologías, que se magnifica de manera lingüística y cultural. Este sesgo presenta variaciones significativas en función del idioma empleado en los prompts, aquellas instrucciones verbales que desencadenan la creación de las imágenes.
Un grupo de investigadores ha desarrollado una herramienta llamada NoCodeGPT que busca facilitar la creación de aplicaciones web sin requerir la escritura de código. La herramienta ha sido diseñada para mejorar la limitada funcionalidad que ofrece el interfaz estándar de ChatGPT para la construcción de sistemas web, especialmente para usuarios con poca experiencia en desarrollo de software.
En un paso significativo hacia la mejora de los informes radiológicos generados automáticamente por inteligencia artificial (IA), un grupo de investigadores ha desarrollado un examinador basado en imágenes para distinguir entre afirmaciones reales y falsas en los informes generados por IA, valiéndose especialmente de radiografías de tórax. Esta tecnología innovadora tiene como objetivo resolver uno de los desafíos más apremiantes que enfrenta la IA en el campo de la radiología: la generación de oraciones falsas provocadas por las alucinaciones del lenguaje de la IA. El problema surge cuando estos informes generados automáticamente comunican información incorrecta que no representa lo que realmente se observa en las imágenes radiológicas.
Una reciente investigación ha dado un paso significativo hacia el tratamiento de la psoriasis a través de un innovador sistema terapéutico que combina nanopartículas de óxidos metálicos con antioxidantes botánicos. Los autores Iqra Yousaf y Aqsa Yousaf han diseñado un gel a base de colágeno de pescado y agar, enriquecido con nanopartículas de óxidos de cerio (CeO2), zinc (ZnO) y plata (Ag), obtenidas mediante síntesis y caracterizadas mediante espectroscopía UV-Vis, dispersión de luz dinámica y FTIR. Estos componentes mostraron interacción fuerte y estable con la matriz del gel.
El avance en la identificación y análisis genético de enfermedades neurodegenerativas ha encontrado un nuevo aliado en la tecnología de fusión multimodal, un método que conjuga características de imágenes y genética para mejorar la diagnosis de condiciones como el Alzheimer. Un estudio reciente nos presenta el GenDMR, un dinámico modelo de red que con su enfoque de intercambio de roles multimodales, promete optimizar la identificación de fenótipos genéticos de riesgo.
La relación entre los sistemas de transporte urbano y la contaminación del aire es un tema de creciente interés. Un estudio reciente ha abordado esta cuestión al examinar patrones geométricos de redes de transporte en correlación con niveles de contaminación atmosférica. Para ello, se analizaron 0,3 millones de imágenes de ciudades globales, usando métodos avanzados de machine learning, como redes neuronales generativas, para interpretar datos de contaminación plasmados en mapas.
Un reciente estudio ha puesto de manifiesto el potencial de un agente de inteligencia artificial especializado en econometría para realizar análisis complejos que históricamente demandaban experiencia humana. Este “Econometrics AI Agent” se ha desarrollado sobre la base del marco de código abierto MetaGPT, siendo capaz de planificar estratégicamente tareas econométricas, generar y ejecutar código, y reflejar sobre errores para mejorar su robustez.
En un esfuerzo que revoluciona el diagnóstico del cáncer de mama a nivel multicéntrico, Europa ha anunciado la liberación de un conjunto de datos inédito de resonancia magnética (MRI) que busca acelerar el desarrollo de herramientas de Inteligencia Artificial (IA) para la detección temprana de esta enfermedad. Liderado por el consorcio europeo ODELIA, el proyecto se enfoca en la creación de modelos de IA robustos y generalizables que complementen la interpretación de las mamografías con imagenología resonante, crucial para detectar cánceres incluso en tejidos mamarios densos.
En un artículo reciente, los científicos Eslam Abdelaleem, K. Michael Martini e Ilya Nemenman, han abordado el desafío de estimar la información mutua (MI) en datos de alta dimensionalidad. La MI mide la dependencia estadística entre dos variables, lo que resulta esencial para el análisis de datos en áreas como la neurociencia o la visión artificial. Su estimación precisa es compleja, sobre todo con datos de alta dimensión, situación común en experimentos actuales.
El uso de inteligencias artificiales en el ámbito de la salud mental está atrayendo cada vez más atención, generando resultados prometedores pero también algunas preocupaciones. Un reciente estudio realizado en la Universidad de Indiana se centra en cómo los chatbots con modelos de lenguaje grande (LLM) pueden proporcionar apoyo terapéutico, especialmente para aquellos reacios o incapaces de acceder a la atención tradicional de salud mental. Este enfoque se basa en la creciente prevalencia de trastornos mentales a nivel mundial, destacándose la depresión y la ansiedad como los más comunes.
Un nuevo enfoque en generación de imágenes desde texto busca resolver las contradicciones contextuales inherentes a los modelos de difusión textual a imagen. Investigadores de la Universidad de Tel Aviv, en colaboración con BRIA AI, han desarrollado un método innovador para enfrentar los conflictos conceptuales que surgen cuando los modelos ignoran o distorsionan partes del significado semántico debido a asociaciones previamente aprendidas. Estos contextos contradictorios ocurren cuando conceptos como “gallo” y “nido” son combinados, provocando que el modelo genere imágenes que no se alinean con las intenciones originales.
La publicación de datos preservando la privacidad ha logrado dar un paso significativo con el desarrollo de la técnica SMOTE-DP. Este avance viene de la mano de Yan Zhou, Bradley Malin, y Murat Kantarcioglu, quienes comprobaron que, al combinar principios tradicionales de preservación de privacidad como SMOTE con modelos diferenciales privados, se logra un equilibrio más adecuado entre la protección de la privacidad y el mantenimiento de la utilidad de los datos.
El campo del aprendizaje automático frugal (FML) ha surgido como una respuesta eficiente y consciente de los recursos a las demandas crecientes de inteligencia artificial (IA) en entornos con limitaciones de recursos. Investigadores como John Violos, Konstantina-Christina Diamanti, Ioannis Kompatsiaris y Symeon Papadopoulos han abordado esta problemática desde la perspectiva de optimizar modelos de aprendizaje automático reduciendo el uso de recursos computacionales, datos y energía.
La inteligencia artificial continúa avanzando con la presentación de ShapeLLM-Omni, un innovador modelo de lenguaje multimodal capaz de generar y comprender contenido en 3D. Desarrollado por un equipo de investigadores de la Universidad de Tsinghua y la Universidad de Pekín, este modelo busca cerrar la brecha que existía dentro de los modelos multimodales, cuyas capacidades estaban aún limitadas a imágenes y texto.
Un nuevo marco conceptual para la integración de modelos de lenguaje de gran tamaño (LLM) en la investigación de ciencias sociales sugiere un potencial transformador al pasar de herramientas estáticas a sistemas plenamente autónomos de múltiples agentes. Estos sistemas, capaces de simular dinámicas sociales emergentes, presentan una evolución en seis niveles, desde procesadores de datos simples hasta plataformas complejas y adaptativas. Este enfoque permite entender cómo estos agentes pueden realizar tareas convencionales, lograr avances metodológicos innovadores y enfrentar desafíos relacionados con la reproducibilidad y los sesgos emergentes.
En un mundo cada vez más dominado por la inteligencia artificial (IA), los modelos de lenguaje de gran envergadura (LLMs, por sus siglas en inglés) se han vuelto herramientas indispensables para la automatización de tareas cotidianas. Sin embargo, a pesar de sus impresionantes habilidades para emular el lenguaje humano, algo parece estar fallando en su habilidad para comprender completamente el humor en entornos laborales.