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.
PHP ha advertido de otra manera por la que un atacante podría ejecutar código en un servidor web, dos días después de haber lanzado correcciones de emergencia p...
Leer artículo →Apple concluye una adquisición inversa de la equipo de podcast AI de Huxe para fortalecer sus capacidades de audio generativo y evadir las regulaciones antimono...
Leer artículo →Descubre cómo NVIDIA planea adquirir o acuirir una Inteligencia Artificial de Reflexión para dominar el ecosistema del modelo abierto y evitar la revisión antim...
Leer artículo →