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.
Investigadores de GitGuardian encontraron 321 instancias de n8n que aceptaban tokens de API expuestos en commits públicos de GitHub y demostraron cuatro maneras...
Leer artículo →La plataforma de phishing como servicio (PhaaS) de Greatness ha evolucionado desde el phishing de credenciales hasta los ataques de intermediario (advertising-i...
Leer artículo →Se ha descubierto que un grupo de 77 extensiones en el mercado de Open VSX suplantaban la identidad de herramientas legítimas para desarrolladores, transmitiend...
Leer artículo →