En aproximadamente 12 segundos, dos hermanos altamente educados supuestamente robaron 25 millones de dólares manipulando la cadena de bloques ethereum en un esquema de criptomonedas nunca antes visto, según una acusación que el Departamento de Justicia de EE. UU. reveló el miércoles.

En un comunicado de prensa del Departamento de Justicia, el fiscal estadounidense Damian Williams dijo que el esquema era tan sofisticado que «pone en duda la integridad misma de la cadena de bloques».

«Los hermanos, que estudiaron informática y matemáticas en una de las universidades más prestigiosas del mundo, supuestamente utilizaron sus habilidades y educación especializadas para alterar y manipular los protocolos en los que confían millones de usuarios de Ethereum en todo el mundo», dijo Williams. «Y una vez que pusieron su plan en acción, su atraco sólo tardó 12 segundos en completarse».

Anton, de 24 años, y James Peraire-Bueno, de 28, fueron arrestados el martes, acusados ​​de conspiración para cometer fraude electrónico, fraude electrónico y conspiración para cometer lavado de dinero. Cada hermano enfrenta «una pena máxima de 20 años de prisión por cada cargo», dijo el Departamento de Justicia.

El presunto plan fue lanzado en diciembre de 2022 por los hermanos, que estudiaron en el MIT, después de meses de planificación, según la acusación. La pareja aparentemente confió en sus «habilidades especializadas» y experiencia en el comercio de criptomonedas para obtener acceso fraudulento a «transacciones privadas pendientes» en la cadena de bloques, y luego «usaron ese acceso para alterar ciertas transacciones y obtener la criptomoneda de sus víctimas», dijo el Departamento de Justicia.

La acusación entra en detalles y explica que el esquema supuestamente funcionó explotando la cadena de bloques ethereum en los momentos posteriores a que se realizó una transacción pero antes de que la transacción se agregara a la cadena de bloques.

Estas transacciones pendientes, explicó el DOJ, deben estructurarse en un bloque propuesto y luego validarse por un validador antes de que puedan agregarse a la cadena de bloques, que actúa como un libro de contabilidad descentralizado que realiza un seguimiento de las tenencias de criptomonedas. Parecía que los hermanos alteraron este proceso al «establecer una serie de validadores de ethereum» a través de empresas fantasma y casas de cambio extranjeras que ocultaban sus identidades y enmascaraban sus esfuerzos por manipular los bloques y apoderarse de ethereum.

Para ello, supuestamente implementaron «transacciones cebo» diseñadas para captar la atención de robots especializados que a menudo se utilizan para ayudar a compradores y vendedores a encontrar perspectivas lucrativas en la red ethereum. Cuando los robots mordieron el anzuelo, sus validadores aparentemente explotaron una vulnerabilidad en el proceso comúnmente utilizado para estructurar bloques para alterar la transacción reordenando el bloque a su favor antes de agregarlo a la cadena de bloques.

Cuando las víctimas detectaron el robo, intentaron solicitar la devolución de los fondos, pero el Departamento de Justicia alegó que los hermanos rechazaron esas solicitudes y escondieron el dinero.

El historial de búsqueda en línea de los hermanos mostró que estudiaron y «tomaron numerosas medidas para ocultar sus ganancias mal habidas», alegó el Departamento de Justicia. Estos pasos incluyeron «establecer empresas fantasma y utilizar múltiples direcciones privadas de criptomonedas e intercambios de criptomonedas extranjeras» que específicamente no dependían de procedimientos detallados de «conozca a su cliente» (KYC).

También investigaron los «mismos delitos imputados en la acusación», dijo el Departamento de Justicia. Entre los términos de búsqueda encontrados en la historia de los hermanos durante la fase de planificación del supuesto plan se encontraban frases como «cómo lavar criptomonedas» e «intercambios sin KYC». Más tarde, aparentemente intentando prepararse para las consecuencias legales del plan, los hermanos supuestamente buscaron cosas como «los mejores abogados criptográficos» y «estatuto de limitaciones para el lavado de dinero», y «¿Estados Unidos extradita a [foreign country]».

Para descubrir el plan, el agente especial a cargo, Thomas Fattorusso de la Oficina de Campo de Nueva York de Investigación Criminal del IRS (IRS-CI), dijo que los investigadores «simplemente siguieron el dinero».

«Independientemente de la complejidad del caso, continuamos liderando el esfuerzo en investigaciones criminales financieras con tecnología de punta y un trabajo de investigación tradicional, dentro y fuera de blockchain», dijo Fattorusso.

La acusación llega el mismo mes en el que se espera que la Comisión de Bolsa y Valores (SEC) decida si aprueba un fondo cotizado en bolsa (ETF) de ethereum. Según CNBC, el presunto fraude podría alimentar el escepticismo de la SEC mientras revisa el ETF de ethereum.

El presidente de la SEC, Gary Gensler, un destacado criptoescéptico, quiere garantizar que los inversores estén protegidos antes de aprobar cualquier cotización potencialmente peligrosa, señaló CNBC.

Hemos recorrido un largo camino desde los primitivos generadores de música con IA en 2022. Hoy en día, las herramientas de IA como Suno.ai permiten que cualquier serie de palabras se conviertan en letras de canciones, incluidos chistes internos (como verá a continuación). El miércoles, el ingeniero Riley Goodside tuiteó una canción generada por IA creada con el mensaje «una niña triste con piano interpreta el texto de la licencia MIT» y comenzó a circular ampliamente en la comunidad de IA en línea.

La Licencia MIT es una famosa licencia de software permisiva creada a finales de los años 1980, utilizada frecuentemente en proyectos de código abierto. «Mi parte favorita de esto es ~1:25, donde clava ‘GARANTÍAS DE COMERCIABILIDAD’ con un hermoso glissando estilo Imogen Heap y luego inmediatamente pronuncia ‘FITNESS’ como ‘puñetero'», escribió Goodside en X.

Suno (que significa «escuchar» en hindi) se formó en 2023 en Cambridge, Massachusetts. Es una creación de Michael Shulman, Georg Kucsko, Martin Camacho y Keenan Freyberg, quienes anteriormente trabajaron en empresas como Meta y TikTok. Suno ya ha atraído a socios de renombre, como Microsoft, que anunció la integración de una versión anterior del motor Suno en Bing Chat en diciembre pasado. Hoy en día, Suno se encuentra en la versión 3 de su modelo, que puede crear canciones de dos minutos temporalmente coherentes en muchos géneros diferentes.

La empresa no respondió a nuestra solicitud de entrevista al cierre de esta edición. En marzo, Brian Hiatt de Rolling Stone escribió un perfil sobre Suno que describe el servicio como una colaboración entre ChatGPT (para escritura de letras) de OpenAI y el modelo de generación musical de Suno, que algunos expertos creen que probablemente se haya entrenado en grabaciones de música protegida por derechos de autor sin licencia o permiso del artista.

Es exactamente este tipo de servicio lo que molestó tanto a más de 200 artistas musicales la semana pasada que firmaron una carta abierta de la Artist Rights Alliance pidiendo a las empresas de tecnología que dejaran de usar herramientas de inteligencia artificial para generar música que podría reemplazar a los artistas humanos.

Teniendo en cuenta la procedencia desconocida de los datos de entrenamiento, la propiedad de las canciones generadas parece una cuestión complicada. Las preguntas frecuentes de Suno dicen que la música generada con su nivel gratuito sigue siendo propiedad de Suno y solo puede usarse con fines no comerciales. Según se informa, los suscriptores de pago poseen canciones generadas «mientras están suscritos a Pro o Premier», sujetos a los términos de servicio de Suno. Sin embargo, la Oficina de Derechos de Autor de EE. UU. adoptó el año pasado la postura de que el arte visual puramente generado por IA no puede tener derechos de autor, y aunque ese estándar aún no se ha resuelto para la música generada por IA, eventualmente también podría convertirse en una política legal oficial.

La canción del tiburón luna

Mientras usa el servicio, Suno parece no tener problemas para crear letras únicas basadas en su mensaje (a menos que usted proporcione las suyas propias) y establece esas palabras en géneros musicales estilizados que genera en función de su conjunto de datos de entrenamiento. También genera voces dinámicamente, aunque incluyen aberraciones audibles. La producción de Suno aún no es indistinguible de la música de alta fidelidad creada por humanos, pero dado el ritmo de progreso que hemos visto, ese puente podría cruzarse durante el próximo año.

Para tener una idea de lo que Suno puede hacer, creamos una cuenta en el sitio y solicitamos al motor de inteligencia artificial que creara canciones sobre nuestra mascota, Moonshark, y sobre bárbaros con CRT, dos bromas internas en Ars. Lo interesante es que aunque el modelo de IA cumplió con la tarea de crear una canción original para cada tema, ambas canciones comienzan con la misma línea: «En las profundidades del dominio digital». Posiblemente sea un artefacto de cualquier mensaje oculto que Suno esté usando para instruir a ChatGPT al escribir la letra.

Podría decirse que Suno es un juguete divertido con el que experimentar y, sin duda, un hito en las herramientas musicales de IA generativa. Pero también es un logro empañado por las cuestiones éticas no resueltas relacionadas con la extracción de obras musicales sin el permiso del artista. Luego está la cuestión de la posibilidad de reemplazar a los músicos humanos, algo que no ha estado lejos de la mente de las personas que comparten sus propios resultados de Suno en línea. El lunes, el influencer de AI Ethan Mollick escribió: «He tenido una canción de Suno AI pegada a mi cabeza todo el día. ¿Un hito sombrío o bueno?».

Hay muchas maneras de describir lo que le está sucediendo al clima de la Tierra: Calentamiento global. Cambio climático. Crisis climática. Extraño global. Todos intentan capturar de diferentes maneras los fenómenos causados ​​por los sistemas climáticos de nuestro mundo que fallan. Sin embargo, a pesar de las opciones de una entrada de tesauro, sigue siendo un concepto notablemente difícil de identificar.

Sin embargo, los investigadores del MIT podrían finalmente tener una respuesta. En lugar de predecir huracanes de categoría 5 o días de calor récord, han desarrollado una herramienta que permite a la gente ver cuántos “días al aire libre” podría experimentar su región desde ahora hasta 2100 si el crecimiento de las emisiones de carbono sigue sin control.

Los resultados pueden ser alarmantes o reconfortantes, dependiendo de dónde viva.

Para la gente de California, Francia o Alemania, las cosas no pintan tan mal. El clima no será tan hospitalario en los veranos, pero se volverá un poco más clemente en la primavera y el otoño, agregando desde unos pocos días hasta casi un mes de clima al aire libre en comparación con los registros históricos. El Reino Unido estará aún mejor, ganando 40 días al aire libre para finales de siglo.

Sin embargo, no todos saldrán ganando. Algunos lugares templados como Nueva York, Massachusetts, China y Japón perderán una semana o más de días al aire libre. En otros lugares, el panorama parece aún más espantoso. Illinois perderá más de un mes de días al aire libre para la década de 2080 a medida que los veranos se vuelvan insoportablemente calurosos. Texas perderá un mes y medio por el mismo motivo.

Sin embargo, son los países con algunas de las poblaciones más vulnerables los que más sufrirán (como han estado advirtiendo los científicos). Los veranos de Nigeria serán aún más calurosos y más largos, eliminando casi dos meses de días al aire libre. India perderá casi dos meses y medio.

No tiene por qué ser así. Incluso si el mundo no logra alcanzar emisiones netas de carbono cero para 2050 (pero aún así lo logra para 2070), la situación mejorará dramáticamente. Tanto Nigeria como India solo perderían un mes de días al aire libre, y las regiones más al norte conservarían algunos de sus días adicionales al aire libre.

Evaluación del riesgo

La herramienta del MIT es una aplicación identificable de un campo de estudio conocido como análisis de escenarios climáticos, una rama de la planificación estratégica que busca comprender cómo el cambio climático afectará a diversas regiones y datos demográficos. No es un campo nuevo, pero a medida que los avances en el poder computacional han fomentado modelos climáticos más sofisticados, se ha vuelto más aplicable que antes.

Varias empresas emergentes están utilizando esta capacidad predictiva relativamente nueva para ayudar a dar forma a un futuro incierto.

Muchas nuevas empresas en el sector se centran en abordar esa incertidumbre para los inversores, prestamistas y aseguradoras. Jupiter Intelligence, Cervest y One Concern se centran en esos mercados y brindan a los clientes paneles y fuentes de datos que pueden adaptar a regiones o incluso activos de interés. Las nuevas empresas también determinan el riesgo de inundaciones, incendios forestales y sequías, y entregarán informes que detallan el riesgo para los activos y las cadenas de suministro. También pueden generar divulgaciones regulatorias, destacando riesgos climáticos relevantes.

Los inversores y aseguradoras están lo suficientemente preocupados por cómo afectará el cambio climático a los activos y las cadenas de suministro que estas nuevas empresas han atraído algo de dinero real. Jupiter Intelligence ha recaudado 97 millones de dólares, según PitchBook, mientras que Cervest ha recaudado 43 millones de dólares y One Concern ha recaudado 152 millones de dólares.

Si bien las principales instituciones financieras son una base obvia de clientes para las empresas de pronóstico climático, otros mercados expuestos al aire libre también necesitan soluciones.

ClimateAI tiene como objetivo la agricultura, incluidos los agronegocios, los prestamistas y las empresas de alimentos y bebidas, todos los cuales han visto cómo sequías, inundaciones y tormentas diezmaban los cultivos. Como resultado, la evaluación del riesgo hídrico es una característica clave de los pronósticos de ClimateAI, aunque también proporciona otros datos relacionados con el tiempo y el clima. La startup ha recaudado 37 millones de dólares hasta ahora, según PitchBook.

Sensible Weather está trabajando en mercados que están un poco más cerca de casa para la mayoría de nosotros. Proporciona seguro para personas que participan en eventos y actividades al aire libre, desde conciertos en vivo hasta campamentos y golf. Trabaja con campamentos, campos de golf, operadores de eventos en vivo y más, permitiéndoles brindar a los clientes la opción de asegurar su salida contra las inclemencias del tiempo. Es un enfoque que le ha valido a la startup 22 millones de dólares en financiación, según PitchBook.

A medida que más empresas y consumidores tomen conciencia de cómo el cambio climático está afectando sus vidas, su demanda de certeza creará una gran cantidad de nuevos mercados que ofrecerán a estas nuevas empresas y a sus pares amplias oportunidades de expansión. El análisis de escenarios climáticos, que alguna vez fue un nicho limitado a laboratorios académicos y compañías de seguros, parece estar a punto de ingresar a la corriente principal.

Reportado por primera vez por Engadget, la investigadora de bioingeniería del MIT Lauren Ramlan abrió nuevos caminos en la búsqueda en curso de ejecutar Doom en todo. En un artículo y un vídeo adjunto para un proyecto semestral, Ramlan propone ejecutar Doom a través de una pantalla de 1 bit de E. coli bioluminiscente capaz de mostrar el juego a apenas tres fotogramas por segundo. día.

Primero, una breve aclaración sobre cómo «ejecutar» Doom⁠: este es un proyecto centrado en mostrar Doom de una manera absurda y no tradicional. Al igual que el Doom de Sam Chiet en el Bloc de notas de Microsoft, aún necesitarías una computadora más tradicional para generar el Doom en sí, no son esas E. coli las que hacen los cálculos.

Los investigadores del MIT han descubierto que utiliza metal líquido para permitir impresiones extremadamente rápidas. El proceso puede fabricar grandes componentes de aluminio en minutos, mientras que muchas técnicas preexistentes tardarían horas en terminar la misma construcción. La tecnología ya se ha utilizado para crear patas de mesas, estructuras de sillas y piezas de muebles relacionadas.

Se llama impresión de metal líquido (LMP) e implica dirigir aluminio fundido a lo largo de un camino predefinido hacia un lecho de pequeñas cuentas de vidrio. Estas cuentas se endurecen rápidamente formando una estructura 3D. Los investigadores dicen que el nuevo proceso es al menos diez veces más rápido que técnicas comparables de fabricación de metales.

Sin embargo, hay una advertencia importante. Este proceso sacrifica la resolución por la velocidad y la escala. Es por eso que los investigadores lo han utilizado para crear elementos de baja resolución, como patas de sillas, y no, por ejemplo, piezas intrincadas con geometrías complejas. Los investigadores del MIT dicen que esta compensación todavía hace que la tecnología sea útil para crear «componentes de estructuras más grandes» que no requieren detalles extremadamente finos. Esto incluye piezas de muebles, como se mencionó anteriormente, pero también componentes para la construcción y el diseño industrial.

A pesar de la degradación de la resolución, las piezas fabricadas con LMP siguen siendo duraderas y pueden soportar el mecanizado posterior a la impresión, como taladrado y mandrinado. Las personas detrás de esta tecnología dicen que las construcciones son mucho más duraderas que las construidas con fabricación aditiva por arco de alambre, que es un método de impresión de metal preexistente. Esto se debe a que LMP mantiene el material fundido durante todo el proceso, lo que reduce las posibilidades de agrietamiento y deformación.

Los investigadores recomiendan combinar LMP con otras técnicas para trabajos que requieren tanto velocidad como alta resolución. «La mayor parte de nuestro mundo construido (las cosas que nos rodean, como mesas, sillas y edificios) no necesitan una resolución extremadamente alta», dijo Skylar Tibbits, autor principal de un artículo que presentó el proyecto.

También vale la pena señalar que este método de impresión no requiere aluminio. Puede funcionar con otros metales. Los investigadores eligieron el aluminio debido a su popularidad en la construcción y al hecho de que se recicla fácilmente.

La gente detrás de esta tecnología espera seguir repitiendo el concepto para mejorar la consistencia del calentamiento, evitar que se pegue y permitir un mayor control sobre el metal fundido. El equipo ha tenido problemas con diámetros de boquilla más grandes que provocan impresiones irregulares, algo que es necesario solucionar. Tibbits dijo que el método podría eventualmente convertirse en un «cambio de juego en la fabricación de metales».

A pesar de haber caído ligeramente en desgracia en el espacio comercial, la impresión 3D ha crecido a pasos agigantados en los últimos años. Los investigadores han desarrollado una pequeña impresora 3D que repara y limpia el tejido dañado. Científicos también del corazón humano.

¿Automatizará la IA los trabajos humanos y, de ser así, qué trabajos y cuándo?

Esas son las tres preguntas que intenta responder un nuevo estudio de investigación del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT, publicado esta mañana.

Ha habido muchos intentos de extrapolar y proyectar cómo las tecnologías de inteligencia artificial de hoy, al igual que los grandes modelos lingüísticos, podrían afectar los medios de vida de las personas (y economías enteras) en el futuro.

Goldman Sachs estima que la IA podría automatizar el 25% de todo el mercado laboral en los próximos años. Según McKinsey, casi la mitad de todo el trabajo estará impulsado por la IA en 2055. Una encuesta de la Universidad de Pensilvania, la Universidad de Nueva York y Princeton revela que ChatGPT por sí solo podría afectar alrededor del 80% de los empleos. Y un informe de la empresa de recolocación Challenger, Gray & Christmas sugiere que la IA es ya reemplazando a miles de trabajadores.

Pero en su estudio, los investigadores del MIT buscaron ir más allá de lo que caracterizan como comparaciones «basadas en tareas» y evaluar qué tan factible es que la IA desempeñe ciertas funciones y qué probabilidades hay de que las empresas lo hagan. de hecho reemplazar a los trabajadores con tecnología de inteligencia artificial.

Al contrario de lo que uno (incluido este periodista) podría esperar, los investigadores del MIT descubrieron que la mayoría de los trabajos previamente identificados como en riesgo de desplazamiento de la IA no son, de hecho, «económicamente beneficiosos» para automatizar, al menos en la actualidad.

La conclusión clave, dice Neil Thompson, científico investigador del MIT CSAIL y coautor del estudio, es que la próxima disrupción de la IA podría ocurrir de manera más lenta (y menos dramática) de lo que sugieren algunos comentaristas.

«Como gran parte de las investigaciones recientes, encontramos un potencial significativo para que la IA automatice tareas», dijo Thompson a TechCrunch en una entrevista por correo electrónico. «Pero podemos demostrar que muchas de estas tareas aún no son atractivas para automatizar».

Ahora bien, con una advertencia importante, el estudio sólo analizó los empleos que requerían análisis visual – es decir, trabajos que involucran tareas como inspeccionar la calidad de los productos al final de una línea de fabricación. Los investigadores no investigaron el impacto potencial de los modelos generadores de texto e imágenes, como ChatGPT y Midjourney, en los trabajadores y la economía; eso lo dejan para estudios de seguimiento.

en la realización este En el estudio, los investigadores encuestaron a los trabajadores para comprender qué tendría que lograr un sistema de inteligencia artificial, en cuanto a tareas, para reemplazar completamente sus trabajos. Luego modelaron el costo de construir un sistema de IA capaz de hacer todo esto, y también modelaron si las empresas (específicamente las empresas “no agrícolas” con sede en EE. UU.) estarían dispuestas a pagar tanto los gastos iniciales como los gastos operativos de dicho sistema.

Al principio del estudio, los investigadores dan el ejemplo de un panadero.

Un panadero dedica alrededor del 6% de su tiempo a comprobar la calidad de los alimentos, según la Oficina de Estadísticas Laborales de EE. UU., una tarea que la IA podría (y está siendo) automatizada. Una panadería que emplea a cinco panaderos y gana 48.000 dólares al año podría ahorrar 14.000 dólares si automatizara los controles de calidad de los alimentos. Pero según las estimaciones del estudio, implementar un sistema de IA básico y desde cero a la altura de la tarea costaría 165.000 dólares y su mantenimiento 122.840 dólares al año. . . y eso está en el extremo inferior.

«Encontramos que sólo el 23% de los salarios que se pagan a los humanos por realizar tareas visuales sería económicamente atractivo para automatizar con IA», dijo Thompson. «Los seres humanos siguen siendo la mejor opción económica para realizar estas partes del trabajo».

Ahora, el estudio hace Tenga en cuenta los sistemas de IA autohospedados y de autoservicio vendidos a través de proveedores como OpenAI que solo necesitan ser ajustados para tareas particulares, no entrenados desde cero. Pero según los investigadores, incluso con un sistema que cuesta tan solo 1.000 dólares, hay muchos empleos (aunque sean de bajos salarios y dependientes de múltiples tareas) que no tendría sentido económico para que una empresa los automatizara.

«Incluso si consideramos el impacto de la visión por computadora solo dentro de las tareas visuales, encontramos que la tasa de pérdida de empleo es menor que la que ya se ha experimentado en la economía», escriben los investigadores en el estudio. «Incluso con rápidas reducciones en los costos del 20% por año, aún se necesitarían décadas para que las tareas de visión por computadora se vuelvan económicamente eficientes para las empresas».

El estudio tiene una serie de limitaciones que los investigadores admiten, hay que reconocerlo. Por ejemplo, no considera casos en los que la IA puede aumentar en lugar de reemplazar el trabajo humano (por ejemplo, analizar el swing de golf de un atleta) o crear nuevas tareas y trabajos (por ejemplo, mantener un sistema de inteligencia artificial) que no existían antes. Además, no tiene en cuenta todo los posibles ahorros de costos que pueden provenir de modelos previamente entrenados como GPT-4.

Uno se pregunta si los investigadores podrían haber sentido presión para llegar a ciertas conclusiones por parte del patrocinador del estudio, el MIT-IBM Watson AI Lab. El Laboratorio de IA Watson del MIT-IBM se creó con una donación de 240 millones de dólares por 10 años de IBM, una empresa con un gran interés en garantizar que la IA se perciba como no amenazante.

Pero los investigadores afirman que este no es el caso.

«Estábamos motivados por el enorme éxito del aprendizaje profundo, la forma líder de IA, en muchas tareas y el deseo de comprender lo que esto significaría para la automatización de los trabajos humanos», dijo Thompson. “Para los responsables de la formulación de políticas, nuestros resultados deberían reforzar la importancia de prepararse para la automatización laboral de la IA. . . Pero nuestros resultados también revelan que este proceso tardará años, o incluso décadas, en desarrollarse y, por lo tanto, hay tiempo para que se pongan en marcha iniciativas políticas. Para los investigadores y desarrolladores de IA, este trabajo señala la importancia de disminuir los costos de las implementaciones de IA y de aumentar el alcance de cómo se pueden implementar. Estos serán importantes para hacer que la IA sea económicamente atractiva para que las empresas la utilicen para la automatización”.

Las baterías de iones de litio tienen han recorrido un largo camino, pero en muchos sentidos no han llegado lo suficientemente lejos.

Se cargan más rápido que nunca, pero todavía hay margen de mejora. Los materiales de los que están hechos, en particular cobalto y níquel, son caros y problemáticos. Los investigadores han estado luchando por encontrar materiales alternativos, desde manganeso hasta sodio. Ahora podrían tener otro: TAQ.

A diferencia de casi cualquier otra química de baterías de iones de litio, TAQ es un compuesto orgánico, no del tipo hippie de campo libre, sino del tipo hecho principalmente de carbono. Los investigadores han estado investigando materiales orgánicos como cátodos, la parte cargada negativamente de la celda, porque podrían almacenar más energía a menor costo. Pero hasta ahora, los materiales candidatos no han sido muy duraderos porque tienden a disolverse en los electrolitos líquidos comúnmente utilizados en la industria actual.

El nuevo material no se disuelve en dos electrolitos ampliamente utilizados y tiene una densidad de energía que es un 50% mejor que una de las químicas de baterías de iones de litio más comunes que se utilizan hoy en día, níquel-manganeso-cobalto (NMC).

TAQ, abreviatura de bis-tetraaminobenzoquinona, está compuesto de carbono, nitrógeno, oxígeno e hidrógeno dispuestos en una fila de tres hexágonos vecinos. La estructura es similar a la del grafito, que hoy en día se utiliza casi universalmente como material anódico (el terminal positivo). Cada molécula de TAQ es atraída por hasta otras seis a través de enlaces de hidrógeno, que no son tan fuertes como otros enlaces pero son suficientes para crear una lámina casi plana del material que se puede superponer una sobre otra con los agujeros almacenando iones de litio.

El material fue descubierto por Tianyang Chen y Harish Banda mientras trabajaban en el laboratorio de Mircea Dincă, un profesor del MIT que tiene una asociación con Lamborghini para ayudar al fabricante de hipercoches a electrificar su gama. Lamborghini, que anteriormente utilizó un supercondensador desarrollado en el laboratorio de Dincă en su modelo Sian, obtuvo la licencia de la patente del material.

Los investigadores de , que se centra en ingeniería informática y , construyeron dos algoritmos de aprendizaje automático que pueden detectar el cáncer de páncreas en un umbral más alto que los estándares de diagnóstico actuales. Los dos modelos se formaron juntos para crear la red neuronal «PRISM». Está diseñado para detectar específicamente el adenocarcinoma ductal de páncreas (PDAC), la forma más prevalente de cáncer de páncreas.

Los criterios de detección estándar actuales del PDAC detectan alrededor del 10 por ciento de los casos en pacientes examinados por profesionales. En comparación, PRISM del MIT pudo identificar casos de PDAC el 35 por ciento de las veces.

Si bien su uso no es una hazaña completamente nueva, PRISM del MIT se destaca por cómo fue desarrollado. La red neuronal se programó en función del acceso a diversos conjuntos de registros médicos electrónicos reales de instituciones sanitarias de todo Estados Unidos. Se alimentaron los datos de más de 5 millones de registros médicos electrónicos de pacientes, que según los investigadores del equipo «superaron la escala» de información alimentada a un modelo de IA en esta área particular de investigación. «El modelo utiliza datos clínicos y de laboratorio de rutina para hacer sus predicciones, y la diversidad de la población de EE. UU. es un avance significativo con respecto a otros modelos PDAC, que generalmente se limitan a regiones geográficas específicas, como algunos centros de atención médica en los EE. UU.», Kai Jia , dijo el autor principal del artículo del MIT CSAIL PhD.

El proyecto PRISM del MIT comenzó hace más de seis años. La motivación detrás del desarrollo de un algoritmo que pueda detectar PDAC temprano tiene mucho que ver con el hecho de que la mayoría de los pacientes son diagnosticados en las últimas etapas del desarrollo del cáncer; específicamente, alrededor del ochenta por ciento se diagnostican demasiado tarde.

La IA funciona analizando la demografía del paciente, diagnósticos previos, medicamentos actuales y anteriores en planes de atención y resultados de laboratorio. En conjunto, el modelo funciona para predecir la probabilidad de cáncer mediante el análisis de datos de registros médicos electrónicos junto con aspectos como la edad del paciente y ciertos factores de riesgo evidentes en su estilo de vida. Aún así, PRISM solo puede ayudar a diagnosticar la mayor cantidad de pacientes al ritmo que la IA puede llegar a las masas. Por el momento, la tecnología está destinada a pacientes seleccionados en Estados Unidos. El desafío logístico de escalar la IA implicará alimentar al algoritmo con conjuntos de datos más diversos y tal vez incluso perfiles de salud globales para aumentar la accesibilidad.

No obstante, este no es el primer intento del MIT de desarrollar un modelo de IA que pueda predecir el riesgo de cáncer. En particular, desarrolló una forma de entrenar modelos sobre cómo predecir la mortalidad entre las mujeres utilizando registros de mamografías. En esa línea de investigación, confirmaron los expertos del MIT, cuanto más diversos sean los conjuntos de datos, mejor será la IA para diagnosticar cánceres y poblaciones. El desarrollo continuo de modelos de IA que pueden predecir la probabilidad de cáncer no sólo mejorará los resultados para los pacientes si la malignidad se identifica antes, sino que también reducirá la carga de trabajo de los pacientes. El mercado de la IA en el diagnóstico está tan maduro para el cambio que está despertando el interés de las grandes empresas. Comercial de tecnología, que intentó crear un programa de inteligencia artificial que pueda detectar el cáncer de mama con un año de anticipación.

Bienvenidos amigos a Week in Review (WiR), el boletín informativo periódico de TechCrunch que resume la semana en tecnología. Espero que las vacaciones hayan sido tranquilas para quienes las observaron. Nosotros en TC, por nuestra parte, nos estamos preparando para la próxima semana llena de acontecimientos en el CES de Las Vegas, mientras estamos atentos al ciclo de noticias, como siempre.

En esta edición de WiR, destacamos la vista previa de Brian para CES 2024, 23andMe culpa a las víctimas por su violación de datos, GitHub hace que Copilot Chat esté disponible de forma generalizada y Frontdesk despide a todo su personal. También en la agenda están las arañas y la crema corporal, Fidelity rebajando la valoración de X, Meta recortando el precio del Quest 2 y la píldora vibratoria para la obesidad de los científicos del MIT.

Hay mucho que superar, así que no nos demoraremos. Pero primero, un recordatorio para registrarse aquí para recibir WiR en su bandeja de entrada todos los sábados si aún no lo ha hecho.

Mas leido

CES 2024: Brian ofrece un resumen exhaustivo de lo que se puede esperar en CES 2024, que incluye, entre otros, IA generativa, robótica, televisores, automóviles, teléfonos inteligentes y tecnología sanitaria. Escribe que es optimista sobre la feria en general, particularmente a la luz del movimiento de la industria de la electrónica de consumo hacia una fabricación más descentralizada y la calidad de los lanzamientos de startups que han llegado hasta ahora.

Tu culpa, no la nuestra: Ante más de 30 demandas de víctimas de una violación de datos que implica a ~6,9 millones de clientes, 23andMe ahora está desviando la culpa para intentar eximirse de cualquier responsabilidad. En una carta, la compañía de pruebas genéticas dice que los usuarios “reciclaron negligentemente y no actualizaron sus contraseñas luego de estos incidentes de seguridad pasados, que no están relacionados con 23andMe”.

Se lanza Copilot Chat: GitHub ha lanzado Copilot Chat, un chatbot centrado en programación similar a ChatGPT, disponible de forma general para todos los usuarios de pago de Copilot y gratuito para profesores, estudiantes y mantenedores verificados de ciertos proyectos de código abierto. El chatbot funciona con GPT-4, el modelo insignia de IA generativa de OpenAI, y está optimizado específicamente para escenarios de desarrollo.

La recepción implosiona: Mary Ann escribe que Frontdesk, una startup que gestionaba más de 1.000 apartamentos amueblados en todo Estados Unidos, despidió a toda su plantilla de 200 personas el martes después de que fracasaran los intentos de recaudar más capital. El director ejecutivo de Frontdesk, Jesse DePinto, dijo que Frontdesk se declararía en quiebra estatal, una alternativa a la quiebra, según fuentes de TechCrunch.

Arañas y manteca corporal: Delícia Drench Body Butter de Sol de Janeiro se volvió viral en las redes sociales después de que los usuarios afirmaran que fueron cazados, mordidos y (sin éxito) cortejados por arañas lobo cuando se aplicaron la crema hidratante, gracias a la supuesta inclusión de químicos que las arañas encuentran sexualmente excitantes. Pero Sol de Janeiro, y expertos independientes, le dicen a TechCrunch que los rumores no tienen fundamento.

La valoración de X cae. . . de nuevo: La sociedad de fondos mutuos Fidelity ha rebajado su inversión en X Holdings, la empresa matriz de X (antes Twitter), en un 71,5% respecto de la valoración original de las acciones, informa Ivan. Fidelity gastó 19,2 millones de dólares para adquirir una participación en X en octubre de 2022.

Misión 2 con descuento: Meses después de que Meta lanzara el Quest 3, la compañía está recortando los precios del predecesor del visor de realidad virtual, el Quest 2, en 50 dólares. La versión de 128 GB baja de $ 299 a $ 249 y la versión de 256 GB baja de $ 349 a $ 299, con muchos accesorios a la venta para empezar.

Eliminando la grasa mediante vibración: Brian escribe sobre la nueva cápsula vibratoria similar a una píldora para combatir la obesidad de un equipo del MIT, que está diseñada para enviar señales al cerebro para simular la sensación de estar lleno. Las primeras pruebas son prometedoras: administrar la píldora a los animales 20 minutos antes de comer redujo su consumo en aproximadamente un 40%, pero la cápsula está muy lejos de los ensayos en humanos.

Audio

¿Necesita nuevos podcasts para completar su rotación? Que no cunda el pánico: TechCrunch lo tiene cubierto.

En un episodio retrospectivo de EquidadMorgan entrevistó a Shruti Dwivedi, cofundadora y directora ejecutiva de la startup de tecnología sanitaria Duly, que se centra en simplificar y personalizar la anticoncepción para mujeres jóvenes en la India y más allá, en TechCrunch Disrupt 2023. La pareja habló sobre el estigma en torno a la anticoncepción y los obstáculos culturales. Caras debidas y lo que sigue para la startup.

Mientras tanto, Encontró fue a Australia con Rebeca, quien habló con Alex Zaccaria, cofundador y director ejecutivo de Linktree, con sede en Australia. Los dos conversaron sobre cómo la startup amplió el modelo freemium para hacer crecer el ahora enorme negocio de páginas de destino de referencia en las redes sociales.

Y en Reacción en cadena, Jacquelyn volvió a sumergirse en los últimos desarrollos sobre las aplicaciones spot de ETF de bitcoin en los EE. UU. a medida que aumenta la anticipación. Fred Thiel, director ejecutivo de Marathon Digital Holdings, una empresa de tecnología de activos digitales y la empresa minera de bitcoins que cotiza en bolsa más grande, se unió al episodio para hablar sobre criptotienda.

TecnologíaCrunch+

Los suscriptores de TC+ obtienen acceso a comentarios, análisis y encuestas en profundidad, que podrás saber si ya eres suscriptor. Si no es así, considere registrarse. Aquí hay algunos aspectos destacados de esta semana:

Otro supuesto superconductor genial: Tim tiene la historia del último equipo de científicos que afirman haber descubierto un superconductor de temperatura cercana a la ambiente. No está convencido de que el artículo, que no ha sido revisado por pares, resista el escrutinio científico; el tiempo dirá.

Las pérdidas criptográficas disminuyen: Si bien los actores maliciosos continúan pirateando la industria de la criptografía para obtener efectivo, el monto en dólares ha bajado sustancialmente (51%) en comparación con el año anterior, escribe Jacquelyn.

Los próximos desafíos en materia de derechos de autor: Cuando el año pasado se conoció la noticia de que OpenAI, el peso pesado de la IA, y Axel Springer habían llegado a un acuerdo financiero y una asociación, pareció ser un buen augurio para la armonía entre las personas que escriben palabras y las empresas de tecnología que las utilizan para ayudar a crear y entrenar modelos de IA. Pero tal vez no sea así, plantea Alex.

El MIT compara una nueva cápsula vibratoria con beber un vaso lleno de agua antes de comer. Los dietistas recomiendan este último como método para enviar señales al cerebro para simular la sensación de saciedad. Los investigadores detrás del nuevo proyecto lo sugieren además como una futura alternativa a la cirugía y los GLP-1. Estos últimos, que incluyen semaglutidas como Ozempic y Wegovy, son extremadamente populares y prohibitivamente caros, debido en gran parte a las leyes de propiedad intelectual farmacéutica.

La cápsula del MIT ha tenido cierto éxito en el laboratorio. Darles la pastilla a los animales de prueba 20 minutos antes de comer redujo su consumo en aproximadamente un 40%, según el equipo. Al igual que el truco del vaso de agua, la cápsula estimula los mecanorreceptores, que envían una señal al cerebro a través del nervio craneal vago. Una vez activado, el cerebro inicia la producción de insulina, GLP-1, péptido C y hormonas PYY, lo que disminuye el hambre y acelera el proceso de digestión.

«El cambio de comportamiento es profundo, y eso implica utilizar el sistema endógeno en lugar de cualquier terapia exógena», señala el profesor asociado Giovanni Traverso. «Tenemos el potencial de superar algunos de los desafíos y costos asociados con la administración de fármacos biológicos mediante la modulación del sistema nervioso entérico».

La cápsula, que es aproximadamente del tamaño de un multivitamínico estándar, contiene un motor vibratorio impulsado por una batería de óxido de plata. Después de llegar al estómago, el ácido gástrico disuelve la capa exterior y completa el circuito, iniciando la vibración.

Más allá de la eficacia, el equipo está trabajando para determinar la seguridad del sistema. Eso requiere un método para aumentar la producción y eventualmente realizar pruebas en humanos. «A escala, nuestro dispositivo podría fabricarse a un precio bastante rentable», afirma el investigador postdoctoral Shriya Srinivasan.

Los tratamientos con tecnología basada en cápsulas han sido una categoría de moda en los últimos años, a medida que los investigadores exploran sensores ingeribles e incluso sistemas microrobóticos.