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 cibernética han revelado detalles de una campaña de gran escala que ha objetado dispositivos de bordo expuestos en redes, como Forti...
Leer artículo →Actores del peligro atacaron una brecha de exclusión de datos ucraniana a través de Log4Shell en servidores Graylog, explorando millones de registros a lo largo...
Leer artículo →Un ataque de cadena de suministro severo de LiteLLM comprometió la versión 1.107.0 en PyPI y Docker, implementando robadores de información automatizados a trav...
Leer artículo →