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.
Amazon Web Services registró intentos de aprovechar las vulnerabilidades PHP2Shell, que causan la fusión de la red, cuatro días atrás. Ahora están siendo 'explo...
Leer artículo →Ningún categoría ha sido expuesta públicamente más a lo largo de este decenio que las campañas de explotación masiva contra productos MFT, transformando la inte...
Leer artículo →La encriptación de correo tiene un paradoja de usabilidad: la criptografía más fuerte pierde ante el receptor que abandona al ingresar a la página de inicio de...
Leer artículo →