Los modelos de aprendizaje autom\u00e1tico conducen constantemente a avances en las ciencias biol\u00f3gicas. AlphaFold y RoseTTAFold fueron ejemplos de c\u00f3mo un problema persistente (el plegamiento de prote\u00ednas) podr\u00eda, de hecho, trivializarse con el modelo de IA adecuado. Ahora David Baker (creador de este \u00faltimo modelo) y sus compa\u00f1eros de laboratorio han ampliado el proceso de predicci\u00f3n para incluir algo m\u00e1s que la estructura de las cadenas de amino\u00e1cidos relevantes. Despu\u00e9s de todo, las prote\u00ednas existen en una sopa de otras mol\u00e9culas y \u00e1tomos, y predecir c\u00f3mo interactuar\u00e1n con compuestos o elementos perdidos en el cuerpo es esencial para comprender su forma y actividad reales. RoseTTAFold All-Atom es un gran paso adelante en la simulaci\u00f3n de sistemas biol\u00f3gicos.<\/p>\n
<\/p>\n
Cr\u00e9ditos de imagen:<\/strong> MIT\/Universidad de Harvard<\/p>\n<\/div>\nTener una IA visual que mejore el trabajo de laboratorio o act\u00fae como herramienta de aprendizaje tambi\u00e9n es una gran oportunidad. El proyecto SmartEM del MIT y Harvard coloc\u00f3 un sistema de visi\u00f3n por computadora y un sistema de control de ML dentro de un microscopio electr\u00f3nico de barrido, que juntos impulsan el dispositivo para examinar una muestra de manera inteligente. Puede evitar \u00e1reas de baja importancia, centrarse en \u00e1reas interesantes o claras y tambi\u00e9n etiquetar inteligentemente la imagen resultante.<\/p>\n
El uso de IA y otras herramientas de alta tecnolog\u00eda con fines arqueol\u00f3gicos nunca pasa de moda (por as\u00ed decirlo) para m\u00ed. Ya sea que se trate de un lidar que revela ciudades y carreteras mayas o que llena los vac\u00edos de textos griegos antiguos incompletos, siempre es interesante verlo. Y esta reconstrucci\u00f3n de un pergamino que se cre\u00eda destruido en la erupci\u00f3n volc\u00e1nica que arras\u00f3 Pompeya es una de las m\u00e1s impresionantes hasta el momento.<\/p>\n
<\/p>\n
Tomograf\u00eda computarizada interpretada por ML de un papiro enrollado y quemado. La palabra visible dice \u00abP\u00farpura\u00bb.<\/p>\n<\/div>\n
Luke Farritor, estudiante de inform\u00e1tica de la Universidad de Nebraska-Lincoln, entren\u00f3 un modelo de aprendizaje autom\u00e1tico para amplificar los patrones sutiles en los escaneos del papiro carbonizado y enrollado que son invisibles a simple vista. El suyo fue uno de los muchos m\u00e9todos que se intentaron en un desaf\u00edo internacional para leer los pergaminos, y podr\u00eda perfeccionarse para realizar un valioso trabajo acad\u00e9mico. Mucha m\u00e1s informaci\u00f3n en Nature aqu\u00ed. \u00bfQu\u00e9 hab\u00eda en el pergamino, preguntas? Hasta ahora, s\u00f3lo la palabra \u201cp\u00farpura\u201d, pero incluso eso hace que los papir\u00f3logos pierdan la cabeza.<\/p>\n
Otra victoria acad\u00e9mica de la IA est\u00e1 en este sistema para examinar y sugerir citas en Wikipedia. Por supuesto, la IA no sabe qu\u00e9 es cierto o factual, pero puede recopilar a partir del contexto c\u00f3mo se ve un art\u00edculo y una cita de Wikipedia de alta calidad, y buscar alternativas en el sitio y la web. Nadie est\u00e1 sugiriendo que dejemos que los robots ejecuten la famosa enciclopedia en l\u00ednea dirigida por el usuario, pero podr\u00eda ayudar a reforzar los art\u00edculos para los que faltan citas o los editores no est\u00e1n seguros.<\/p>\n
<\/p>\n
Ejemplo de un problema matem\u00e1tico resuelto por Llemma.<\/p>\n<\/div>\n
Los modelos de lenguaje se pueden ajustar en muchos temas y, sorprendentemente, las matem\u00e1ticas superiores son uno de ellos. Llemma es un nuevo modelo abierto entrenado en pruebas y art\u00edculos matem\u00e1ticos que puede resolver problemas bastante complejos. No es el primero: Minerva de Google Research est\u00e1 trabajando en capacidades similares, pero su \u00e9xito en conjuntos de problemas similares y su eficiencia mejorada muestran que los modelos \u00ababiertos\u00bb (cualquiera que sea el t\u00e9rmino) son competitivos en este espacio. No es deseable que ciertos tipos de IA est\u00e9n dominados por modelos privados, por lo que la replicaci\u00f3n abierta de sus capacidades es valiosa incluso si no abre nuevos caminos.<\/p>\n
Es preocupante que Meta est\u00e9 progresando en su propio trabajo acad\u00e9mico hacia la lectura de la mente, pero como ocurre con la mayor\u00eda de los estudios en esta \u00e1rea, la forma en que se presenta exagera el proceso. En un art\u00edculo titulado \u201cDecodificaci\u00f3n cerebral: hacia la reconstrucci\u00f3n en tiempo real de la percepci\u00f3n visual\u201d, puede parecer un poco como si estuvieran leyendo la mente.<\/p>\n
<\/p>\n
Im\u00e1genes mostradas a las personas (izquierda) y la IA generativa adivina lo que la persona est\u00e1 percibiendo (derecha).<\/p>\n<\/div>\n
Pero es un poco m\u00e1s indirecto que eso. Al estudiar c\u00f3mo se ve un esc\u00e1ner cerebral de alta frecuencia cuando las personas miran im\u00e1genes de ciertas cosas, como caballos o aviones, los investigadores pueden realizar reconstrucciones casi en tiempo real de lo que creen que la persona est\u00e1 pensando o mirando. . A\u00fan as\u00ed, parece probable que la IA generativa tenga un papel que desempe\u00f1ar aqu\u00ed en c\u00f3mo puede crear una expresi\u00f3n visual de algo, incluso si no corresponde directamente a los escaneos.<\/p>\n
Deber\u00eda<\/em> \u00bfUtilizaremos la IA para leer la mente de las personas, si es que alguna vez es posible? Preg\u00fantele a DeepMind; consulte m\u00e1s arriba.<\/p>\nPor \u00faltimo, un proyecto en LAION que por el momento es m\u00e1s aspiracional que concreto, pero igualmente loable. El aprendizaje contrastivo multiling\u00fce para la adquisici\u00f3n de representaci\u00f3n de audio, o CLARA, tiene como objetivo brindar a los modelos ling\u00fc\u00edsticos una mejor comprensi\u00f3n de los matices del habla humana. \u00bfSabes c\u00f3mo puedes detectar el sarcasmo o una mentira a partir de se\u00f1ales subverbales como el tono o la pronunciaci\u00f3n? Las m\u00e1quinas son bastante malas en eso, lo cual es una mala noticia para cualquier interacci\u00f3n entre humanos y IA. CLARA utiliza una biblioteca de audio y texto en varios idiomas para identificar algunos estados emocionales y otras se\u00f1ales no verbales de \u00abcomprensi\u00f3n del habla\u00bb.<\/p>\n<\/p><\/div>\n