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.
Siemens ha abordado una vulnerabilidad de carga lateral de DLL afectando al Centro de Software de Siemens, que informó que ha sido explotada en ataques ClickFix...
Leer artículo →Un atacante utilizó un perfil de GitHub de un contribuyente para reemplazar los archivos de descarga en cinco versiones existentes del herramienta de línea de c...
Leer artículo →Explora la nueva alianza entre Google y Flo Health. Aprende cómo Google está introduciendo el sistema de alertas tempranas Health Guardian en dispositivos Fitbi...
Leer artículo →