Sistemas capaces de aprender, razonar, percibir y automatizar tareas que hasta ahora exigían intervención humana.
Un reciente estudio, basado en una encuesta a más de 700 profesionales de la inteligencia artificial, revela que la gestión y calidad de los datos es el principal factor que limita el desarrollo y la implementación de sistemas de IA visual y física, incidiendo directamente en la viabilidad de los modelos y su paso a producción.
Aunque la inteligencia artificial se integra rápidamente en múltiples sectores, su desarrollo y acceso se concentran en un número limitado de países y empresas, exacerbando las desigualdades digitales existentes y marginando a la mayoría de las naciones en la configuración de sus sistemas y sus prioridades.
K.J. Ray Liu, expresidente de IEEE y pionero en la tecnología de sensado inalámbrico basada en redes Wi-Fi e inteligencia artificial, ha sido distinguido con el premio Haraden Pratt por su liderazgo transformador en la organización y sus contribuciones al campo de la ingeniería.
Investigadores proponen el «coeficiente Genio» como una nueva métrica para evaluar la brecha entre la intención de un usuario y la interpretación de un agente de inteligencia artificial. Esta medida es crucial para abordar el comportamiento impredecible y las consecuencias no deseadas a medida que la IA asume roles más autónomos en el mundo real.
La industria de los semiconductores incorpora la inteligencia artificial en sus procesos de diseño y fabricación para sortear las limitaciones físicas que frenan la miniaturización y la densidad de componentes, buscando mayor eficiencia y ahorro de costes a través de modelos predictivos y optimización de datos.
Microsoft Research ha presentado MindTopo, una herramienta diseñada para establecer un nuevo estándar en la evaluación de la comprensión de relaciones topológicas por parte de los modelos de lenguaje visual (VLM), abriendo vías para fortalecer el razonamiento espacial y la planificación en sistemas de inteligencia artificial.
CARE-X es un nuevo enfoque de inteligencia artificial que busca transformar la interpretación de radiografías de tórax, al integrar modelos de lenguaje visual con técnicas avanzadas para ofrecer diagnósticos más precisos y clínicamente útiles.
Un nuevo sistema denominado EvoLib aborda una de las limitaciones fundamentales de los grandes modelos de lenguaje (LLM): su incapacidad para mejorar su inteligencia solo con la acumulación de datos. EvoLib permite a estos modelos convertir su experiencia en conocimiento evolutivo, facilitando la adquisición de habilidades y conocimientos reutilizables que les permiten adaptarse a nuevas tareas mucho después de su implementación.
Investigadores han presentado en Nature Medicine una visión para superar la complejidad de la manipulación biológica en el mundo físico mediante el desarrollo de un organismo digital basado en inteligencia artificial. Este sistema, concebido como una red de modelos fundacionales multiescala integrados, promete acelerar significativamente la investigación biológica y médica al ofrecer una nueva plataforma para la experimentación y el descubrimiento.
La versión 1.5 del modelo fundacional Aurora, desarrollado por Microsoft Research, mejora su utilidad en aplicaciones reales al incorporar 22 variables más, una resolución temporal horaria y capacidad de pronóstico probabilístico por conjuntos, optimizando así la predicción meteorológica, climática y energética.
