Gemini AI de Google ha logrado recientemente un avance tecnológico notable: la capacidad de procesar simultáneamente múltiples flujos visuales, un logro sin precedentes en el campo de la inteligencia artificial. Esta funcionalidad se presentó no a través de las plataformas principales de Google, sino mediante una aplicación experimental llamada "AnyChat". Esta nueva capacidad de Gemini AI le permite no solo ver vídeo en tiempo real, sino también analizar imágenes estáticas simultáneamente, rompiendo la limitación anterior de la IA de procesar solo una entrada visual única.

Un equipo de investigación ha anunciado un avance emocionante: el desarrollo de una nueva red neuronal llamada HOVER (Humanoid Omni-purpose Versatile Executor). Esta red neuronal, con 1,5 millones de parámetros, está diseñada para coordinar el movimiento y la manipulación de robots humanoides. Jim Fan, gerente senior de investigación de NVIDIA, afirma: "No todos los modelos básicos necesitan ser enormes. Esta red neuronal de 1,5 millones de parámetros que hemos entrenado está diseñada para controlar el cuerpo de un robot humanoide". Explica además que HOVER es capaz de capturar el movimiento humano

Investigadores del Instituto Tecnológico de Georgia han desarrollado la primera red neuronal, llamada RTNet, capaz de simular la percepción y el proceso de toma de decisiones humanas. Esto representa un avance significativo en la comprensión del funcionamiento del cerebro humano por parte de la inteligencia artificial. RTNet puede generar decisiones aleatorias, simulando la distribución del tiempo de respuesta humano, y ajusta su tiempo de pensamiento según la dificultad de la tarea, de forma similar a como los humanos procesan los problemas. Su mecanismo interno incluye una arquitectura Alexnet combinada con una red neuronal bayesiana, utilizando un proceso de acumulación y un umbral para la inferencia. RTNet se destaca por su precisión en la simulación de la toma de decisiones humanas.

Este artículo analiza un artículo recientemente publicado en la revista Nature Machine Intelligence, que presenta un nuevo método notable: la codificación predictiva visual. Esta técnica muestra cómo la inteligencia artificial puede construir mapas cognitivos, imitando las estructuras neuronales del cerebro humano para procesar información visual y comprender el entorno. La idea central de la investigación es predecir las entradas sensoriales futuras para ayudar a la máquina a aprender de experiencias pasadas y construir mapas ambientales. Mediante la construcción de un modelo de red neuronal que simula a un

Liquid AI, una empresa emergente del MIT, ha cerrado recientemente una ronda semilla de financiación de casi 40 millones de dólares para construir una nueva IA de red neuronal líquida. Las redes neuronales líquidas son una tecnología innovadora basada en la arquitectura de red neuronal líquida, caracterizada por ser compacta, explicable y adaptable dinámicamente. Esta ronda de financiación valora a Liquid AI en 303 millones de dólares. Liquid AI planea comercializar su tecnología de redes neuronales líquidas en áreas como la conducción autónoma, la predicción meteorológica y el análisis de datos médicos.