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.
GitHub ha lanzado Copilot Fusion, un sistema que selecciona automáticamente modelos de IA para tareas de codificación, ayudando a los desarrolladores a equilibr...
Leer artículo →Los atacantes han comenzado a explorar la red para encontrar sistemas sin parchear contra una vulnerabilidad crítica recientemente revelada de Oracle E-Business...
Leer artículo →PHP2Shell muestra cómo los atacantes pueden explotar rápidamente vulnerabilidades críticas, a menudo antes de que las organizaciones tengan tiempo para parchear...
Leer artículo →