#EEUU. #Militarismo e #IA. Los F16 guiados por IA derrotan a los pilotos de la USAF. ¿Vamos hacia la #guerra automatizada? ¿Cómo afectarán las armas autónomas a la propensión creciente de las potencias a dar una respuesta militar a sus conflictos?
https://www.scmp.com/news/world/united-states-canada/article/3261420/us-air-forces-ai-powered-f-16-jet-comes-trumps-dogfight-human-pilot
https://www.scmp.com/news/world/united-states-canada/article/3261420/us-air-forces-ai-powered-f-16-jet-comes-trumps-dogfight-human-pilot
South China Morning Post
What a US jet’s AI dogfight with human pilot means for possible war with China
Air force chief Frank Kendall conducted a test flight on the Vista plane that went nearly nose to nose with a second human-piloted F-16.
#Tecnología. Google se redefine como empresa basada en #IA
https://www.wired.com/story/everything-google-announced-at-io-2024/
Incluida la búsqueda
https://www.wired.com/story/google-io-end-of-google-search/
https://www.wired.com/story/everything-google-announced-at-io-2024/
Incluida la búsqueda
https://www.wired.com/story/google-io-end-of-google-search/
WIRED
Everything Google Announced at I/O 2024
It was AI all day at Google’s developer keynote. The company showed off new AI-powered chatbot tools, new search capabilities, and a bunch of machine intelligence upgrades for Android.
#CrisisdeCivilización y nueva #Tecnología. ¿Se desinfla la burbuja #IA como antes se desinfló la burbuja #blockchain? ¿No sería importante preguntarse por qué la IA no responde a las expectativas? ¿Repasar la falta de una conceptualización mínimamente coherente de la visión de sus fundamentos y replantearse los objetivos y los medios?
«La IA ni siquiera está a la altura de sus expectativas. En mi opinión, se parece menos a un ser todopoderoso y más a un mal becario cuyo trabajo es tan poco confiable que a menudo es más fácil realizar la tarea uno mismo. Esta comprensión tiene implicaciones reales para la forma en que nosotros, nuestros empleadores y nuestro gobierno debemos abordar la última y deslumbrante novedad de Silicon Valley. Reconocer los defectos de la IA podría ayudarnos a invertir nuestros recursos de manera más eficiente y también permitirnos centrar nuestra atención en soluciones más realistas.
Otros expresan preocupaciones similares. "Creo que mis sentimientos sobre la IA son en realidad bastante similares a mis sentimientos sobre blockchain: hacen un mal trabajo en gran parte de lo que la gente intenta hacer con ellas, no pueden hacer las cosas que sus creadores afirman que algún día podrían hacers, y algunas de las cosas para las que están bien preparados pueden no ser tan beneficiosas”, escribió Molly White, investigadora y crítica de criptomonedas , en su boletín el mes pasado.»
«Dadas estas limitaciones, me parece igualmente probable que la IA generativa termine como el Roomba, el robot aspirador mediocre que hace un trabajo aceptable cuando estás solo en casa, pero no si esperas invitados.
Las empresas que puedan arreglárselas con trabajo de calidad Roomba, por supuesto, seguirán intentando reemplazar a los trabajadores. Pero en los lugares de trabajo donde la calidad importa (y donde la fuerza laboral, como los guionistas y las enfermeras, está sindicalizada), es posible que la IA no haga avances significativos.
Y si los modelos de IA quedan relegados a producir un trabajo mediocre, es posible que tengan que competir en precio en lugar de calidad, lo que nunca es bueno para los márgenes de ganancia. En ese escenario, escépticos como Jeremy Grantham, un inversor conocido por predecir correctamente las caídas del mercado, podrían tener razón en que es muy probable que la burbuja de inversión en IA se desinfle pronto .
Sin embargo, la pregunta más importante que plantea un futuro poblado por una IA nada excepcional es existencial. ¿Deberíamos, como sociedad, invertir decenas de miles de millones de dólares, nuestra preciosa electricidad que podría usarse para alejarnos de los combustibles fósiles y una generación de las mentes matemáticas y científicas más brillantes en mejoras incrementales en la redacción mediocre de correos electrónicos?
No podemos abandonar el trabajo para mejorar la IA. La tecnología, por mediana que sea, llegó para quedarse y la gente la va a utilizar. Pero debemos tener en cuenta la posibilidad de que estemos invirtiendo en un futuro ideal que tal vez no se materialice.»
https://www.nytimes.com/2024/05/15/opinion/artificial-intelligence-ai-openai-chatgpt-overrated-hype.html
«La IA ni siquiera está a la altura de sus expectativas. En mi opinión, se parece menos a un ser todopoderoso y más a un mal becario cuyo trabajo es tan poco confiable que a menudo es más fácil realizar la tarea uno mismo. Esta comprensión tiene implicaciones reales para la forma en que nosotros, nuestros empleadores y nuestro gobierno debemos abordar la última y deslumbrante novedad de Silicon Valley. Reconocer los defectos de la IA podría ayudarnos a invertir nuestros recursos de manera más eficiente y también permitirnos centrar nuestra atención en soluciones más realistas.
Otros expresan preocupaciones similares. "Creo que mis sentimientos sobre la IA son en realidad bastante similares a mis sentimientos sobre blockchain: hacen un mal trabajo en gran parte de lo que la gente intenta hacer con ellas, no pueden hacer las cosas que sus creadores afirman que algún día podrían hacers, y algunas de las cosas para las que están bien preparados pueden no ser tan beneficiosas”, escribió Molly White, investigadora y crítica de criptomonedas , en su boletín el mes pasado.»
«Dadas estas limitaciones, me parece igualmente probable que la IA generativa termine como el Roomba, el robot aspirador mediocre que hace un trabajo aceptable cuando estás solo en casa, pero no si esperas invitados.
Las empresas que puedan arreglárselas con trabajo de calidad Roomba, por supuesto, seguirán intentando reemplazar a los trabajadores. Pero en los lugares de trabajo donde la calidad importa (y donde la fuerza laboral, como los guionistas y las enfermeras, está sindicalizada), es posible que la IA no haga avances significativos.
Y si los modelos de IA quedan relegados a producir un trabajo mediocre, es posible que tengan que competir en precio en lugar de calidad, lo que nunca es bueno para los márgenes de ganancia. En ese escenario, escépticos como Jeremy Grantham, un inversor conocido por predecir correctamente las caídas del mercado, podrían tener razón en que es muy probable que la burbuja de inversión en IA se desinfle pronto .
Sin embargo, la pregunta más importante que plantea un futuro poblado por una IA nada excepcional es existencial. ¿Deberíamos, como sociedad, invertir decenas de miles de millones de dólares, nuestra preciosa electricidad que podría usarse para alejarnos de los combustibles fósiles y una generación de las mentes matemáticas y científicas más brillantes en mejoras incrementales en la redacción mediocre de correos electrónicos?
No podemos abandonar el trabajo para mejorar la IA. La tecnología, por mediana que sea, llegó para quedarse y la gente la va a utilizar. Pero debemos tener en cuenta la posibilidad de que estemos invirtiendo en un futuro ideal que tal vez no se materialice.»
https://www.nytimes.com/2024/05/15/opinion/artificial-intelligence-ai-openai-chatgpt-overrated-hype.html
NY Times
Opinion | Press Pause on the Silicon Valley Hype Machine
A.I. is looking less like an all-powerful being and more like an unreliable intern.
#Tecnología. Las primers tecnologías que aproximan qué hacen realmente las redes neuronales base de la #IA actual
https://www.wired.com/story/anthropic-black-box-ai-research-neurons-features/
https://www.wired.com/story/anthropic-black-box-ai-research-neurons-features/
WIRED
AI Is a Black Box. Anthropic Figured Out a Way to Look Inside
What goes on in artificial neural networks work is largely a mystery, even to their creators. But researchers from Anthropic have caught a glimpse.
#IA. Intensiva en capital, intensiva en #energía
«La inferencia de IA consume 33 veces más energía que las máquinas que ejecutan un algoritmo tradicional. La demanda de electricidad de los centros de datos se sextuplicará en los próximos 10 años»
https://www.xataka.com/energia/red-electrica-se-esta-resintiendo-no-coches-electricos-enorme-demanda-inteligencia-artificial
«La inferencia de IA consume 33 veces más energía que las máquinas que ejecutan un algoritmo tradicional. La demanda de electricidad de los centros de datos se sextuplicará en los próximos 10 años»
https://www.xataka.com/energia/red-electrica-se-esta-resintiendo-no-coches-electricos-enorme-demanda-inteligencia-artificial
Xataka
La red eléctrica se está resintiendo, y no por los coches eléctricos: por la enorme demanda de inteligencia artificial
Cuando enviamos una petición a una inteligencia artificial como ChatGPT, los servidores de un centro de datos computan la respuesta. Hasta aquí, el proceso es...
#Tecnología La #IA no sólo existe en la forma de grandes modelos de lenguaje y máquinas de recomendación para anuncios. También sirve para organizar procesos y descubrimientos a gran escala y reducir la carga de #trabajo
"En principio, esto podría ser mucho más eficiente si varios laboratorios pusieran en común sus recursos analíticos para trabajar en el mismo problema -sobre todo teniendo en cuenta que los distintos laboratorios disponen de equipos especializados diferentes-, pero integrar el trabajo de los laboratorios en tiempo real es extremadamente difícil.
En el nuevo trabajo, investigadores de la Universidad de Toronto (Canadá) desarrollaron un algoritmo de inteligencia artificial capaz de procesar datos de laboratorios tan dispersos como los de la Universidad de Illinois Urbana-Champaign (EE.UU.), la Universidad de Glasgow (Reino Unido) y la Universidad de Kyushu (Japón). El algoritmo coordinó una búsqueda sistemática de más de 150.000 posibles materiales orgánicos de estado sólido producidos por acoplamientos iterativos Suzuki-Miyaura para encontrar el que tuviera el umbral de láser más bajo."
https://www.chemistryworld.com/news/labs-across-the-globe-networked-by-ai-discover-state-of-the-art-emitters-for-lasers/4019506.article
"En principio, esto podría ser mucho más eficiente si varios laboratorios pusieran en común sus recursos analíticos para trabajar en el mismo problema -sobre todo teniendo en cuenta que los distintos laboratorios disponen de equipos especializados diferentes-, pero integrar el trabajo de los laboratorios en tiempo real es extremadamente difícil.
En el nuevo trabajo, investigadores de la Universidad de Toronto (Canadá) desarrollaron un algoritmo de inteligencia artificial capaz de procesar datos de laboratorios tan dispersos como los de la Universidad de Illinois Urbana-Champaign (EE.UU.), la Universidad de Glasgow (Reino Unido) y la Universidad de Kyushu (Japón). El algoritmo coordinó una búsqueda sistemática de más de 150.000 posibles materiales orgánicos de estado sólido producidos por acoplamientos iterativos Suzuki-Miyaura para encontrar el que tuviera el umbral de láser más bajo."
https://www.chemistryworld.com/news/labs-across-the-globe-networked-by-ai-discover-state-of-the-art-emitters-for-lasers/4019506.article
Chemistry World
Labs across the globe networked by AI discover state-of-the-art emitters for lasers
Demonstration shows how algorithms could organise timing and match specialist equipment to experiments
Google reconoce que su nuevo asistente #IA no es fiable. Si la WWW no es fiable, su procesado estadístico difícilmente lo será si no se acotan y limpian previamente los datos.
https://www.wired.com/story/google-ai-overview-search-issues/
https://www.wired.com/story/google-ai-overview-search-issues/
WIRED
Google Admits Its AI Overviews Search Feature Screwed Up
Liz Reid, Google’s head of search, said in a blog post that the company had made adjustments to its new AI search feature after screenshots of its errors went viral.
#Tecnología La #IA se queda cada vez más sin fuentes de información para su entrenamiento, reflejando su tremenda ineficiencia -en su forma actual- cuando se la compara con aquello que supuestamente intenta imitar, los niños humanos por ejemplo son famosamente capaces de aprender lenguaje a partir de muy poca información incompleta. Y eso sin hablar de la eficiencia energética de su entrenamiento.
"En los 18 meses transcurridos desde que OpenAI lanzó Chat-GPT, la IA generativa se ha disparado. La última iteración, Chat-GPT-4o, se lanzó en mayo de este año y, mientras tanto, los demás grandes actores tecnológicos han lanzado sus propios contendientes. A medida que estas empresas compiten por desarrollar y ofrecer mejores versiones de sus algoritmos, están superando los límites de lo posible, pero también los límites de lo disponible: se están quedando sin datos.
Para entrenar a las próximas generaciones necesitan nuevos y mayores conjuntos de datos del lenguaje y el conocimiento humanos, y ni siquiera los miles de millones de palabras de la literatura e Internet bastan ya para satisfacer su impaciente apetito. Una solución que están explorando muchas empresas es que su progenie polifágica se alimente a sí misma: los modelos de las máquinas pueden generar conjuntos de datos para entrenar a otras máquinas, un "motor infinito de generación de datos", como dijo recientemente el director ejecutivo de una empresa tecnológica."
https://www.chemistryworld.com/features/why-are-computational-chemists-making-up-their-data/4019491.article
"En los 18 meses transcurridos desde que OpenAI lanzó Chat-GPT, la IA generativa se ha disparado. La última iteración, Chat-GPT-4o, se lanzó en mayo de este año y, mientras tanto, los demás grandes actores tecnológicos han lanzado sus propios contendientes. A medida que estas empresas compiten por desarrollar y ofrecer mejores versiones de sus algoritmos, están superando los límites de lo posible, pero también los límites de lo disponible: se están quedando sin datos.
Para entrenar a las próximas generaciones necesitan nuevos y mayores conjuntos de datos del lenguaje y el conocimiento humanos, y ni siquiera los miles de millones de palabras de la literatura e Internet bastan ya para satisfacer su impaciente apetito. Una solución que están explorando muchas empresas es que su progenie polifágica se alimente a sí misma: los modelos de las máquinas pueden generar conjuntos de datos para entrenar a otras máquinas, un "motor infinito de generación de datos", como dijo recientemente el director ejecutivo de una empresa tecnológica."
https://www.chemistryworld.com/features/why-are-computational-chemists-making-up-their-data/4019491.article
Chemistry World
Why are computational chemists making up their data?
'Synthetic data' is being used in chemistry, but is it something we should worry about? Hayley Bennett explains
#Tecnología La #IA acaba de cerrar el bucle de la generación artificial de escasez a través de #PropiedadIntelectual. Las empresas necesitan acceder al #TrabajoSocial gratuitamente para cobrar por los sistemas desarrollados a partir de él y obtener beneficios.
https://www.xataka.com/privacidad/adobe-photoshop-pide-acceso-a-todo-contenido-que-se-cree-herramienta-incluso-sea-confidencial
https://www.xataka.com/privacidad/adobe-photoshop-pide-acceso-a-todo-contenido-que-se-cree-herramienta-incluso-sea-confidencial
Xataka
Adobe Photoshop pide acceso a todo el contenido que se cree con la herramienta. Incluso aunque sea confidencial
Adobe tiene una nueva política de uso desde el pasado mes de febrero, pero está siendo ahora cuando los creadores se están dando cuenta de lo que realmente...