Noticias Tecnología - Innovación - Ciencia

add ver todas

El plan para avanzar en Inteligencia Artificial del MIT

Josh Tenenbaum es el cargado de dirigir el laboratorio de Ciencias Cognitivas Computacionales del MIT y es a su vez el director de un nuevo proyecto de Inteligencia Artificial (IA) denominado “MIT Quest for Intelligence”, el cual reúne a informáticos e ingenieros con neurocientíficos y psicólogos cognitivos para realizar una investigación que podría llevar a realizar un gran progreso en la IA.

Los principales retos del proyecto del MIT:

  • Explorar la inteligencia cognitiva – Gracias al deep learning los ordenadores son capaces de reconocer palabras en el habla y rostros en imágenes con la mayor precisión posible. Este tipo de aprendizaje también ha permitido realizar numerosos avances en programas de juegos como AlphaGo de DeepMind y ha permitido realizar mejoras considerables en los vehículos autónomos y en la robótica. Sin embargo, Josh Tenenbaum opina que los sistemas que utilizan deep learning no son realmente inteligentes, ya que ninguno de ellos tiene un sentido común flexible. Por ello, con este proyecto pretende explorar la ciencia cognitiva para entender la inteligencia humana.​
  • Desarrollar de programas informáticos capaces de imitar aspectos de la mente humana – En 2015 crearon programas informáticos con la capacidad de aprender a reconocer nuevos caracteres manuscritos, así como ciertos objetos en imágenes tras ver solo unos pocos ejemplos, lo cual es un gran avance, ya que los mejores programas de aprendizaje de máquinas generalmente requieren elevadas cantidades de datos de captación.

Para saber más haz click aquí

NOTICIAS RELACIONADAS

add ver todas

Lo que se ha perdido y lo que se puede ganar en el sector...

Los líderes empresariales de la industria del turismo comparten su perspectiva interna sobre cómo la era Covid-19 está transformando sus industrias, lo que se ha perdido y lo que se puede ganar, en el nuevo orden mundial.

Cómo el cambio climático está obligando a transformar la...

A medida que avanza el cambio climático comienzan a hacerse cada vez más frecuentes eventos meteorológicos extremos, como incendios, lluvias torrenciales, etc. Esto obliga a repensar la manera en que se cultivan nuestros alimentos.

PROYECTOS EN ETAPAS FINALES

Benchmarking de Innovación de AECOCEsta idea se publicó en el Portal de Innovación y se ha estado trabajando en su desarrollo desde el departamanto de Benchmarking, de la mano del departamento y comité de ECYM, así como con la colaboración del departamento de Innovación y el Steering Committee. Para su desarrollo se han formado varios grupos de trabajo en los que se ha contado con la participación de empresas relevantes del sector, tanto fabricantes como distribuidores. Esta colaboración ha sido clave para asegurar la representatividad y la validez de los resultados obtenidos. Aspectos relevantes del benchmarking:Este servicio es importante, ya que la innovación de producto es una de las palanzas clave para vender más y, a día de hoy, un porcentaje de las innovaciones que se lanzan en el mercado no tienen éxito. ​Actualmente el Benchmarking de Innovación cuenta con 9 empresas que se han sumado a esta inciativa. Su participación será clave, ya que serán ellos quienes evalúen a los fabricantes en base a los indicadores establecidos. Además, el estado actual del servicio se encuentra en comercialización con los fabricantes, lo que permite poner en práctica las recomendaciones y mejoras derivadas del benchmarking de innovación. Con el servicio de Benchmarking de Innovación, se busca impulsar el éxito

La inteligencia artificial puede detectar signos de...

El uso de machine learning puede detectar los patrones y los primeros síntomas del Alzheimer. El estudio se esta realizando a través de un dispositivo que, instalado en el cuarto de un paciente, se encarga de grabar todo lo que sucede a su alrededor incluyendo los movimientos de la persona.Las consecuencias del uso de machine learning en la detección del Alzheimer:Identificación de enfermos en fase temprana – los dispositivos permiten recoger información e identificar patrones que pueden servir para identificar a futuros pacientes, que podrían comenzar a ser tratados años antes de que aparezcan los síntomas obvios como la perdida de memoria.​Creación de un prueba de diagnostico– actualmente no existe prueba para identificar a los enfermos de Alzheimer y los escáneres de cerebro no se pueden utilizar para identificar esta enfermedad. Sin embargo, el machine learning podría permitir desarrollar una prueba de diagnóstico.Mejora de los ensayos clínicos de los medicamentos – los patrones identificados con machine learning pueden eliminar los dos problemas principales en el desarrollo de nuevos medicamentos para el Alzheimer: el desconocimiento de las causas de la enfermedad y la dificultad de identificar pacientes que se beneficien de la medicación.Para saber más haz click aquí