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 seguridad utilizaron herramientas de AI para ayudar a descubrir vulnerabilidades años anteriores en el lenguaje de scripting web PHP. Luego co...
Leer artículo →Cada raíz de confianza termina en un HSM, hardware resistente a la manipulación donde se almacenan claves CA, de pago y de firma de código fuera del alcance del...
Leer artículo →Cada control de seguridad de datos hereda la misma dependencia: una lista que alguien realmente cree. El descubrimiento es donde esa lista proviene, y en 2026 e...
Leer artículo →