El equipo de investigación de Google ha lanzado recientemente TimesFM (modelo base de series temporales) 2.0, un modelo preentrenado diseñado específicamente para la predicción de series temporales. Este modelo tiene como objetivo mejorar la precisión de la predicción de series temporales y promover el desarrollo de la inteligencia artificial a través de la apertura y el intercambio científico. TimesFM 2.0 cuenta con potentes funciones, capaz de manejar predicciones de series temporales univariadas de hasta 2048 puntos de tiempo y admite cualquier lapso de tiempo de predicción. Cabe destacar que, aunque la longitud máxima del contexto de entrenamiento del modelo es de 2048,...

El modelo de tarea de agente CogAgent-9B basado en el modelo base GLM-PC de ZhiPu AI ya está disponible de código abierto para promover el desarrollo del ecosistema de agentes de modelos grandes. CogAgent-9B, entrenado con GLM-4V-9B, es un modelo de tarea de agente especializado que puede predecir la siguiente operación de la interfaz gráfica de usuario (GUI) basándose únicamente en una captura de pantalla como entrada, combinando la tarea especificada por el usuario con las operaciones históricas. Su naturaleza versátil permite su aplicación en una amplia gama de escenarios de interacción GUI, incluyendo computadoras personales, teléfonos móviles y dispositivos de vehículos.

Científicos del Instituto Tecnológico de Massachusetts (MIT) han publicado recientemente un potente modelo de inteligencia artificial de código abierto llamado Boltz-1. Esta innovación promete acelerar significativamente la investigación biomédica y el desarrollo de fármacos. Boltz-1 es el primer modelo completamente de código abierto que alcanza el mismo nivel de sofisticación que AlphaFold3 de Google DeepMind en la predicción de estructuras biomoleculares. El equipo de desarrollo del modelo proviene de la Clínica de Aprendizaje Automático Jameel del MIT, liderado principalmente por los estudiantes de posgrado Jeremy Wohlwend y...

La inteligencia artificial está revolucionando los campos tecnológicos tradicionales, y la predicción meteorológica es la última prueba de ello. Esta semana, el equipo de DeepMind de Google lanzó un revolucionario modelo de predicción meteorológica con inteligencia artificial llamado GenCast, y publicó sus hallazgos en la prestigiosa revista académica Nature. El rendimiento de este modelo de IA es asombroso. Los investigadores descubrieron que GenCast supera en precisión a los sistemas de pronóstico meteorológico operativos líderes a nivel mundial actuales, como el Sistema ENS del Centro Europeo de Predicciones Meteorológicas a Plazo Medio (ECMWF). A través de la comparación con datos de 2018...

El equipo de DeepMind de Google anunció recientemente el lanzamiento de GenCast, un modelo de inteligencia artificial para la predicción meteorológica que, según afirman, supera al sistema ENS del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF). Este logro ha generado un gran interés en el campo de la meteorología. Según un artículo publicado por el equipo de DeepMind en la revista Nature, GenCast alcanza una precisión de predicción del 97.2%. Los investigadores entrenaron el modelo con datos hasta 2018 y lo evaluaron en 20...

La predicción meteorológica siempre ha sido un arte en el juego del hombre contra la naturaleza. Desde decidir si llevar un paraguas hasta la gestión de energías renovables y la respuesta a fenómenos meteorológicos extremos, nuestro deseo de información meteorológica precisa nunca se ha detenido. Sin embargo, la predicción meteorológica tradicional siempre ha estado acompañada de incertidumbre, derivada de las limitaciones de nuestra observación del sistema atmosférico y las limitaciones inherentes de los modelos de predicción. La predicción numérica del tiempo (NWP) tradicional ha dependido durante mucho tiempo de complejas ecuaciones de dinámica atmosférica, intentando mapear el estado actual del tiempo al futuro. A pesar de ello, pequeños errores iniciales a menudo se amplifican rápidamente, haciendo que las predicciones a largo plazo sean...

Recientemente, un equipo de investigadores de la Universidad de Stanford, la Universidad de Washington y Google DeepMind desarrolló un nuevo tipo de agente inteligente de inteligencia artificial (IA) capaz de simular con precisión el comportamiento humano en experimentos sociales. Según su investigación, esta técnica de simulación promete proporcionar una base de laboratorio para las pruebas teóricas en campos como la economía, la sociología, la organización y la ciencia política. Los investigadores construyeron estos agentes IA utilizando datos de entrevistas de más de 1000 votantes estadounidenses. La edad, el sexo y la educación de estos encuestados...

Hoy, Alibaba DAMO Academy celebró una conferencia de lanzamiento de productos de inteligencia de decisión en Beijing, lanzando oficialmente el gran modelo meteorológico Baguan. Este modelo, basado en modelos meteorológicos globales y combinado con datos multifuente regionales, puede lograr una precisión espacio-temporal de hasta 1 km × 1 km y 1 hora. Esta innovadora herramienta de predicción meteorológica ha mejorado significativamente el rendimiento de la predicción de indicadores meteorológicos clave como temperatura, irradiación y velocidad del viento, y se ha implementado con éxito en sistemas de energía eléctrica de nueva generación con alta proporción de energías renovables, mejorando significativamente la precisión de la predicción de la potencia de generación de energía renovable y la carga eléctrica, alcanzando el 96% respectivamente.

La aparición de modelos de lenguaje extenso como GPT-4o y GPT-4o-mini ha impulsado avances significativos en el campo del procesamiento del lenguaje natural. Estos modelos pueden generar respuestas de alta calidad, reescribir documentos y aumentar la productividad en una variedad de aplicaciones. Sin embargo, un desafío importante para estos modelos es la latencia en la generación de respuestas. Esta latencia puede afectar significativamente la experiencia del usuario durante la actualización de blogs o la optimización de código, especialmente en escenarios que requieren múltiples iteraciones, como la modificación de documentos o la refactorización de código, lo que puede resultar frustrante para el usuario. Para...

IBM y el Programa de las Naciones Unidas para el Desarrollo (PNUD) anunciaron recientemente el lanzamiento de dos modelos de interacción de IA innovadores y gratuitos, diseñados para predecir el acceso a la energía en todo el mundo y simular la equidad energética. Esta colaboración marca un paso importante en el uso de la inteligencia artificial para abordar los desafíos energéticos globales. El nuevo modelo de predicción de acceso a la energía utiliza la IA para analizar datos demográficos, de urbanización, de infraestructura y satelitales, proporcionando predicciones de acceso a la energía hasta 2030 para 102 países. Al mismo tiempo, el Índice de Equidad de Energía Limpia, pionero en su tipo, utiliza la IA

Meta ha dado un gran paso adelante en la mejora de la eficiencia de la inteligencia artificial. Este miércoles, la empresa tecnológica lanzó un modelo preentrenado que utiliza un novedoso método de predicción multitoken, que podría revolucionar el desarrollo e implementación de los modelos lingüísticos grandes (LLM).

Un equipo de la Universidad de Pekín y la Universidad de Ciencia y Tecnología de Hong Kong ha logrado un gran avance: han presentado un método de entrenamiento que permite a un modelo médico experto de 8B parámetros alcanzar el rendimiento de GPT-4. Este logro no es trivial; además, introducen un nuevo concepto, la «brecha de estabilidad», para explicar ciertos fenómenos observados en el entrenamiento continuo de grandes modelos de lenguaje.

Recientemente, la aplicación de álbumes de fotos de Baidu Netdisk lanzó una función innovadora: la predicción de apariencia con IA, que puede predecir el aspecto futuro de un bebé. Los usuarios solo necesitan cargar una foto, y en solo un minuto, pueden obtener una imagen de predicción de alta definición. Baidu Netdisk utiliza una gran cantidad de datos públicos personalizados para el entrenamiento, lo que hace que los resultados de la predicción se ajusten mejor a las características de los bebés chinos.

Científicos han publicado recientemente en la revista Nature Machine Intelligence un estudio sobre la predicción de la estructura de complejos proteína-ligando. El nuevo método, NeuralPLexer, utiliza un modelo generativo profundo que solo necesita la secuencia de proteínas y el gráfico molecular del ligando como entrada para predecir la estructura. NeuralPLexer utiliza un sistema de aprendizaje profundo multiescala, lo que aumenta la tasa de éxito de la predicción y promete desempeñar un papel importante en el descubrimiento de fármacos. Esta investigación proporciona una nueva forma de explorar la estructura de los complejos proteína-ligando.

La startup suiza Jua ha anunciado que ha recaudado 16 millones de dólares para desarrollar modelos de inteligencia artificial (IA) fundamentales para la naturaleza. La primera aplicación de Jua se centrará en la predicción meteorológica, pero el modelo se ampliará para abordar problemas y desafíos físicos más amplios. 468Capital y Green Generation Fund lideraron la ronda de financiación, mostrando su confianza en las aplicaciones multisectoriales del modelo de Jua. Jua utiliza un nuevo enfoque para integrar datos complejos, lo que resulta en un menor coste y un mayor aprovechamiento de los recursos informáticos, con un futuro prometedor.

IBM y la NASA colaboran en el desarrollo de IA geoespacial para combatir el cambio climático. La colaboración se centra en la creación de un modelo base multimodal para la predicción meteorológica, el análisis del efecto de isla de calor, la cartografía y la predicción de fenómenos meteorológicos extremos. IBM planea lanzar este modelo como código abierto para impulsar la investigación y el descubrimiento científico a nivel mundial. Se espera que este modelo base acelere los descubrimientos científicos, ofreciendo a los investigadores soluciones rápidas para contribuir a un planeta más seguro y saludable.

La inteligencia artificial está revolucionando el campo de la predicción meteorológica, proporcionando herramientas avanzadas que mejoran la precisión. Esto se logra mediante el procesamiento de grandes cantidades de datos utilizando modelos meteorológicos avanzados. La IA simula y analiza eventos meteorológicos pasados, identificando patrones climáticos recurrentes para mejorar la capacidad de predecir las condiciones meteorológicas futuras. Si bien la aplicación de la IA ofrece muchas ventajas, también plantea interrogantes sobre el papel del conocimiento humano y el toque humano en la predicción meteorológica.

Un estudio reciente muestra que la IA puede predecir un tercio de los casos de cáncer de mama hasta dos años antes del diagnóstico. Los resultados del estudio destacan el enorme potencial de la IA en el cribado y la detección de intervalos del cáncer de mama. Los expertos señalan que la IA debe utilizarse como herramienta de apoyo para los médicos, no como sustituto de la experiencia médica.

La Escuela de Medicina de Harvard y la Universidad de Oxford han colaborado en el desarrollo de EVEscape, una herramienta de IA que puede predecir con precisión las variantes de virus, incluido el COVID-19. Esta herramienta puede predecir las señales premonitorias de la variación viral y la eficacia de las terapias con anticuerpos, y también puede predecir las trayectorias de mutación de virus como el VIH y la gripe. EVEscape utiliza una combinación de modelos generativos e información biológica detallada para predecir las variantes virales con antelación. El equipo de investigación publica cada dos semanas una lista de las variantes virales más probables, expandiendo la cobertura de la herramienta para abordar un mayor número de patógenos no estudiados.

El equipo de investigación de Waymo presenta MotionLM, para predecir el comportamiento de los participantes en el tráfico vial. A diferencia de los métodos tradicionales, MotionLM utiliza el modelado del lenguaje, sin necesidad de complejos procedimientos de optimización. Este método muestra un excelente rendimiento en la predicción del comportamiento de los participantes en el tráfico, siendo adecuado para vehículos de conducción autónoma. MotionLM puede simular relaciones causales en el tiempo, mejorando la precisión de la predicción. Este método innovador promete impulsar el desarrollo del campo de la conducción autónoma.