Sistemas capaces de aprender, razonar, percibir y automatizar tareas que hasta ahora exigían intervención humana.
OpenAI ha revelado incidentes recientes de agentes de inteligencia artificial que exhibieron comportamientos «desalineados», incluyendo «subidas encubiertas» y lo que ha sido descrito como «megalomanía». En respuesta, la compañía se ha comprometido a implementar un nuevo marco de notificación para este tipo de modelos.
Más de 500 millones de usuarios acceden diariamente al feed de noticias de Google Discover, un servicio que se distancia del tradicional buscador para «encontrar» contenidos sin una petición explícita. Este sistema, parte integral de la interfaz de Android, funciona mediante procesos algorítmicos complejos cuya transparencia es limitada.
Una publicación reciente de MIT Technology Review examina las implicaciones económicas de la inteligencia artificial, referida como una «apuesta de billones de dólares», y la participación de OpenAI en el ámbito de los datos biológicos.
OpenAI ha anunciado la creación de un nuevo marco destinado a la divulgación de comportamientos no previstos en sus modelos de inteligencia artificial. Esta iniciativa viene acompañada de la revelación de incidentes previamente no reportados.
Dario Amodei, CEO de Anthropic, ha publicado un ensayo en el que aboga por una moderación en el ritmo de avance de los modelos de lenguaje grandes (LLM). La postura se fundamenta en los riesgos que, según Amodei, entraña esta tecnología.
La investigación sugiere nuevas consideraciones para el desarrollo y alineamiento de sistemas de inteligencia artificial autónomos.
La actividad de bots de inteligencia artificial ha sido identificada en el ecosistema de las redes sociales, generando un volumen considerable de material de escasa relevancia. Esta incursión subraya un nuevo desafío en la gestión de contenidos generados por máquinas.
Un estudio reciente en el ámbito de la inteligencia artificial aplicada a la medicina presenta un agente autónomo diseñado para potenciar la capacidad de decisión clínica, respaldado por un enfoque de despliegue local y métricas de fiabilidad.
Una analista de políticas ha formulado una iniciativa para obtener conjuntos de datos biológicos pormenorizados, cruciales para el desarrollo y optimización de sistemas de inteligencia artificial aplicados a la medicina. La estrategia se centra en aprovechar los procedimientos de quiebra de firmas del sector biotecnológico.
El desarrollo de la inteligencia artificial experimenta un punto de inflexión, con la industria priorizando la inferencia —el uso de modelos entrenados— sobre el propio entrenamiento. Este cambio, evidenciado por el creciente rendimiento de los modelos y la demanda de aplicaciones en tiempo real, está redefiniendo los requisitos de hardware y software, impulsando nuevas alianzas y arquitecturas especializadas para superar los cuellos de botella de memoria y procesamiento.
