WeTransfer ha actualizado sus Términos de Servicio. Ahora les cedes una licencia perpetua, mundial, libre de royalties y transferible de los archivos que compartas en su plataforma para poder entrenar modelos de aprendizaje. (Punto 6.3. License to WeTransfer. ) (Texto en inglés)

Su entrenamiento se basa en un conjunto de datos monumental que recopila más de 10 millones de decisiones tomadas por 60.000 personas en 160 experimentos distintos, abarcando desde la toma de decisiones y el aprendizaje hasta la memoria y la exploración. Uno de los hallazgos más llamativos es que las representaciones internas de Centaur muestran una alineación notable con la actividad cerebral humana medida por resonancia magnética funcional. Es decir, no solo predice lo que hacemos, sino que sus “procesos internos” se parecen a los nuestros.

Desarrollado por la startup india CodingKraft, CodeStrike mezcla aventura, acción y aprendizaje en un escenario futurista ambientado en el año 2355. Los jugadores asumen el papel de Nova, una agente rebelde cuya principal arma es el código Python. Para superar los obstáculos, deberán resolver problemas reales de programación integrados de forma dinámica en el juego. CodeStrike – Python Practice Adventure Game, se encuentra disponible gratuitamente por tiempo limitado en Steam.

Como mero aficionado, siempre he pensado que cuando un robot alcance la agilidad y el nivel como para jugar de forma competitiva al tenis de mesa Google DeepMind ha desarrollado un brazo robótico «nivel jugador humano aficionado» y no se ve nada mal. El proyecto combina robótica de alta velocidad, aprendizaje por refuerzo y varias formas de control, incluyendo técnicas avanzadas de transferencia de una simulación al MundoReal™ (algo denominado sim-to-real). El chisme no es pequeño: es un brazo robótico ABB IRB 1100 sobre raíles capaz de […].

Son gratuitos y abiertos, en inglés y francés, para evitar el tráfico no humano que suponía un mayor coste de uso y mantenimiento. Wikimedia Foundation ha decidido crear un conjunto de datos estructurados que ha puesto a disposición de la comunidad dedicada al aprendizaje automático, para que puedan usarlos en el entrenamiento de sus modelos de IA. La organización responsable de la popular enciclopedia digital, Wikipedia, alertó recientemente de un aumento del tráfico procedente de programas automatizados para descargar sus contenidos y usar...

La IA y el aprendizaje automático permiten que los robots se automejoren, reduzcan los errores, cumplan con el cronograma y ajusten las acciones para un ensamblaje perfecto.

El CL1 se basa en una arquitectura híbrida que aprovecha neuronas humanas cultivadas en laboratorio sobre un chip de silicio. Estas neuronas son capaces de procesar información formando conexiones sinápticas que imitan la función natural del cerebro. A diferencia de los procesadores convencionales, que ejecutan algoritmos predefinidos, CL1 muestra aprendizaje adaptativo, respondiendo dinámicamente a estímulos eléctricos.

“Con StackOverflow, tenías que leer varias discusiones de expertos para entender todo”, “era más lento, pero aprendías no solo qué funcionaba, sino por qué funcionaba”, mientras más usan las IA más pierden sus habilidades de pensamiento crítico. “Cada desarrollador junior con el que hablo tiene Copilot, Claude o GPT funcionando las 24 horas. Están lanzando código más rápido. “Claro, el código funciona, pero pregúntales por qué funciona de esa manera en lugar de otra… silencio absoluto. Pregúntales sobre casos extremos… miradas en blanco”.

Astro App es un proyecto de astronomía de Shrivu Shankar que combina varias de sus aficiones, entre ellas el aprendizaje automático y la inteligencia artificial. La idea de la app es construir una pantalla personalizada con lo que puedes ver en el cielo nocturno desde tu ubicación. Todo comienza indicando dónde estás en un mapa.

Muy lejos han quedado ya esos primeros sistemas de traducción automática basados en reglas y en cálculos estadísticos previos al salto a la traducción neuronal automática allá por 2016. En la actualidad contamos con un gran poder de cómputo que podemos aprovechar para darle rienda suelta al aprendizaje de máquina (machine learning) a través de las redes neuronales artificiales aplicadas a la creación de grandes modelos lingüísticos. Esas mismas que son la base de nuestro querido (y a veces odiado) ChatGPT.

El estudio de videojuegos LogLog Games se da por vencido con Rust, al que siguen viendo muchas ventajas... para todo lo que no sean videojuegos. Uno de los principales retos fue la curva de aprendizaje del lenguaje: Rust es notoriamente complicado para principiantes y, aunque los desarrolladores de LogLog Games no eran precisamente inexpertos (escribieron más de 100.000 líneas de código en esos tres años), muchos de los problemas iniciales no desaparecieron con el tiempo.

Como señala Genbeta, el gobierno del país europeo ha tomado la determinación de reducir el uso de pantallas en las escuelas. Así, optarán por priorizar los libros de texto, ya que atribuyen el fracaso escolar al uso excesivo de dispositivos electrónicos como ordenadores, tablets y móviles en el ámbito educativo. Por ello, su objetivo principal es garantizar que cada alumno tenga un libro de texto por asignatura, buscando así una vuelta al aprendizaje basado en papel.

Atlas mueve de forma autónoma cubiertas de motores entre contenedores de proveedores y una plataforma rodante de secuenciación móvil. El robot recibe como entrada una lista de ubicaciones de contenedores entre las que mover piezas. Atlas utiliza un modelo de visión de aprendizaje automático (ML) para detectar y localizar los elementos del entorno y los contenedores individuales [0:36]. No existen movimientos prescritos ni teleoperados.

En los últimos tiempos, parece que cada vez son más los recién graduados en ingeniería informática / ciencias de la computación que, tras obtener sus títulos universitarios, afirman sentirse incapaces de programar de manera profesional. Aunque el mundo académico les haya otorgado un título, muchos de estos estudiantes sencillamente carecen de las habilidades prácticas que exige el mercado laboral.

Se presenta GameNGen, un motor de juego basado completamente en un modelo neural que permite la interacción en tiempo real con entornos complejos. Simula el juego clásico DOOM a más de 20 fps en una sola TPU, logrando una calidad comparable a la compresión JPEG. El modelo se entrena en dos fases: 1) un agente de aprendizaje por refuerzo juega y graba sus sesiones, y 2) un modelo de difusión predice el siguiente fotograma basado en acciones pasadas. Se destaca la estabilidad visual en trayectorias largas mediante técnicas de condicionamiento.

Investigadores de la Universidad de Reading en el Reino Unido han demostrado con éxito comportamientos limitados de "aprendizaje" de un hidrogel de polímero electroactivo simple (EAP) cuando se conecta con una matriz de electrodos. Según un artículo de investigación publicado originalmente en Cell Reports Physical Science y explicado extensamente (incluido un video) por ScienceAlert, esto se demostró al hacer que el sistema de control de gel EAP reprodujera una versión adaptada del clásico videojuego Pong de todos los tiempos.