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.
Un paquete de spyware Android llamado uCreator toma control de las cuentas de Telegram y WeChat ocultando su código en copias funcionales de los dos aplicativos...
Leer artículo →Investigadores han demostrado Node2Shell, un exploit funcional que permite a un atacante ejecutar código dentro de una aplicación Node.js mediante datos Brotli...
Leer artículo →Okta ha revelado un fallo de seguridad crítico en el Gateway de Acceso de Okta que permite a un administrador autenticado ejecutar comandos del sistema a través...
Leer artículo →