fuente: https://ai.epfl.ch/an-ai-capable-of-doubt-can-optimize-scientific-discovery/
Un equipo de la EPFL ha desarrollado un marco que entrena modelos de lenguaje a gran escala para crear sistemas de IA capaces de encontrar la configuración óptima o "receta" para un experimento científico.
Las herramientas computacionales modernas permiten a los científicos explorar un gran número de moléculas, materiales y reacciones químicas posibles. Sin embargo, probar todas las combinaciones en el laboratorio es lento y costoso. Entonces, ¿cómo eligen los investigadores la mejor "receta" para su experimento?
Un método llamado "optimización bayesiana" aprende de resultados previos, predice qué opciones parecen prometedoras y estima el grado de incertidumbre de dichas predicciones. Esto permite a los investigadores centrar sus próximos experimentos en las opciones más útiles para probar y evitar desperdiciar tiempo y dinero en posibilidades menos prometedoras.
Apple solicita a un tribunal frenar el desarrollo de dispositivos de OpenAI tras acusar a ex empleados de filtrar información confidencial.
Leer artículo →Jenkins corrigió una vulnerabilidad crítica, CVE-2026-70426, que eludía el filtro de deserialización JEP-200. Los atacantes con permisos de Agente/Conexión podí...
Leer artículo →Una campaña de phishing está explotando los temores en torno a la vulnerabilidad de la billetera COLDCARD, recientemente descubierta, y el presunto robo de 88,6...
Leer artículo →