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.
Una modificación breve en el sistema de actualizaciones de AOMEI permitió a los hackers entregar malware a través de un camino confiable. Google Threat Intellig...
Leer artículo →Los hackers comprometieron la cuenta de GitHub de un desarrollador de OVHcloud y utilizaronla para distribuir archivos maliciosos a través de las publicaciones...
Leer artículo →Operadores de ransomware explotan un fallo en la VPN GlobalProtect de Palo Alto Networks para bypassar el multi-factor authentication y entrar en las redes corp...
Leer artículo →