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.
TeamViewer ha lanzado actualizaciones de seguridad para tres vulnerabilidades de severidad alta que podrían permitir a los atacantes ejecutar código malicioso,...
Leer artículo →Los atacantes están activamente explotando vulnerabilidades a lo largo de la infraestructura crítica de red, y los fallos conocidos como 'PHP2Shell' ponen en ri...
Leer artículo →Microsoft solicitó nuevamente a los administradores de Entra ID que migraran a sus usuarios a métodos resistentes a phishing para evitar interrupciones en el in...
Leer artículo →