5/8/2025 AI Express | Nuevos avances en IA y robótica: de la prueba física de Turing a la recuperación multimodal

Después de un hackathon de fin de semana, tu casa está hecha un desastre. Sin embargo, cuando llegas a casa el lunes por la noche, te encuentras un salón impecable y una cena a la luz de las velas en la mesa del comedor.Es imposible saber si es humano o máquina.. Esto puede parecer sencillo, pero es extremadamente difícil.

Es una historia sobrePrueba física de Turingvisión, se considera el próximo gran avance de la IA. Este sueño ha inspirado a los investigadores a trabajar toda la noche en sus laboratorios, trabajando en nuevas plataformas informáticas que puedan automatizar el procesamiento de la materia en lugar de limitarse a la información.

Corporación SergeyHace poco organicé un evento llamado AI Ascent, en el que compartí cómo abordar los principios fundamentales de la robótica de propósito general mediante estrategias de datos y la ley de escala. Esta charla te ayudará a profundizar en este campo y estoy seguro de que los 17 minutos que dura te merecerán la pena.

Los robots del futuro no sólo serán capaces de realizar tareas complejas en el entorno doméstico, sino que también podrán desempeñar un papel importante en diversos campos, como la industria y la medicina. Para hacer realidad esta visión será necesaria una colaboración interdisciplinar que incluya tecnologías de vanguardia en ámbitos como la visión por ordenador, el procesamiento del lenguaje natural y la ingeniería mecánica.

¿Recuerdas Reinforcement Fine-Tuning (RFT)? Llevamos trabajando duro en esta tecnología desde el pasado diciembre y hoy hemos lanzado oficialmente la versión OpenAI o4-mini.RFT utiliza mecanismos de razonamiento encadenado y de puntuación de tareas específicas para mejorar el rendimiento de los modelos.especialmente para dominios complejos. Por ejemplo, @AccordanceAI utilizó RFT para ajustar sus modelos fiscales y contables al óptimo actual (SOTA).

Además, en términos de ajuste fino supervisado, ahora puede ajustar la GPT-4.1 nano. Al entrenar para casos de uso específicos, puede obtener aún más valor de nuestro modelo más rápido y rentable.

Hoy presentamos Enhanced Fine-Tuning, un nuevo enfoque de la personalización de modelos que permite a las organizaciones crear modelos expertos para tareas complejas específicas, como la codificación, la investigación científica o las finanzas.

Me complace anunciar que AI Fund ha completado con éxito una ronda sobresuscrita, recaudando 190 millones de dólares para nuestro nuevo fondo. Estamos deseando trabajar con más emprendedores para crear nuevas empresas que beneficien a la humanidad.

AI Fund se diferencia de las empresas tradicionales de capital riesgo en que no sólo proporcionamos apoyo financiero, sino que también participamos directamente en la creación y el funcionamiento de las empresas. Nuestro equipo participa activamente en la escritura de código, la recopilación de comentarios de los clientes, la iteración del diseño del producto, el análisis del mercado, etc., y se compromete a impulsar el rápido desarrollo de múltiples productos de IA. Seguimos extrayendo las mejores prácticas para las nuevas empresas de IA a través de la práctica.

Entre los muchos factores que contribuyen al éxito de una startup, la velocidad es crucial. He aquí algunas estrategias importantes para acelerar el crecimiento de las startups de IA:

1. Centrarse en una idea concretaUn pequeño equipo centrado en una idea concreta puede hacer avanzar rápidamente un proyecto. Ser capaz de redirigir rápidamente si las hipótesis iniciales resultan problemáticas, en lugar de hacer varios intentos a la vez.

2. Confiar en la intuición de los expertos en la materia: Aunque los datos y la investigación de usuarios son importantes, en algunos casos la intuición de un experto en la materia puede ayudar a tomar decisiones rápidas que puedan aplicarse y validarse rápidamente.

3. Utilización de la codificación asistida por IA: La codificación asistida por IA acelera drásticamente la creación de prototipos, especialmente en proyectos de creación de prototipos autónomos que no requieren una gran fiabilidad y seguridad. Esto nos permite crear prototipos y realizar pruebas a un ritmo extremadamente rápido.

4. Acelerar el acceso a las opiniones de los usuariosA medida que aumenta la velocidad de creación de prototipos, la obtención de opiniones de los usuarios se convierte en un nuevo cuello de botella. Los equipos que tengan la capacidad de encontrar rápidamente clientes potenciales y obtener opiniones en poco tiempo tendrán ventaja.

Además de la velocidad, un profundo conocimiento técnico es clave para el éxito. La rápida evolución de la tecnología de IA requiere que los equipos tengan una profunda formación técnica para tomar mejores decisiones y evitar desvíos.

Gracias a todos nuestros inversores, miembros del equipo y socios de startups por su apoyo, aún nos queda mucho trabajo por hacer.

OpenAI ha anunciado recientemente que ChatGPT ya permite conectar los repositorios de GitHub a las capacidades de investigación en profundidad.Los usuarios pueden hacer preguntas sobre bases de código específicas, el agente de investigación en profundidad lee y busca en el código fuente del repositorio y en las Pull Requests (PRs), generando un informe detallado con citas.

Esta nueva función está especialmente indicada para equipos de desarrollo de software y mantenedores de proyectos de código abierto, ya que les ayuda a comprender y trabajar con código complejo de forma más eficaz. De este modo, los desarrolladores no sólo pueden acceder rápidamente a la información relacionada con el código, sino también identificar posibles problemas y puntos de mejora. Además, para los investigadores, esta función también ayuda a analizar en profundidad la estructura interna y la evolución histórica de los proyectos de código abierto.

Para utilizar esta función, seleccione la opción "Investigación profunda" en ChatGPT y haga clic en el botón "GitHub" para empezar.

NVIDIA acaba de anunciar que ha puesto en código abierto tres tamaños diferentes de modelos de inferencia de código (versiones de 32.000 millones de parámetros, 14.000 millones de parámetros y 7.000 millones de parámetros) y todos estos modelos están bajo licencia Apache 2.0.

Según los resultados de las pruebas oficiales, estos modelos superan a otros modelos comparables, como O3 mini y O1 (bajo), en las pruebas comparativas LiveCodeBench. Además, según el conjunto de datos OCR, estos modelos superan a otros modelos de inferencia equivalentes en aproximadamente 30% en eficiencia de tokens.

Las características clave incluyen:

• Soporta múltiples frameworks, como llama.cpp, vLLM, transformers y TGI.
• Adecuado para diversos escenarios de aplicación, como la generación de código, la depuración y la optimización.
• Adecuado para la investigación académica y el desarrollo comercial.

Los desarrolladores pueden empezar a utilizar estos modelos inmediatamente para explorar el potencial de su aplicación en proyectos reales.

El código abierto no sólo ofrece potentes herramientas a los investigadores, sino que también abre nuevas posibilidades a los desarrolladores en general, lo que promete hacer avanzar el campo de la generación y automatización de código.

SDV es una biblioteca Python de código abierto que puede generar datos sintéticos a gran escala aprendiendo y replicando patrones a partir de datos reales mediante algoritmos de aprendizaje automático. Esto es útil para escenarios que requieren grandes cantidades de datos para entrenamiento o pruebas.

El proceso de generación de datos sintéticos mediante SDV se divide en tres pasos:

1. trenPoint SDV a su tabla de datos real y capturará la distribución y las relaciones de los datos subyacentes.
2. generandoEjecuta el modelo SDV entrenado para generar el número requerido de filas de datos similares sin exponer ningún dato real.
3. validar (una teoría)Utilice el informe de calidad de SDV para comprobar hasta qué punto los datos generados coinciden con los datos reales; si es necesario, ajuste los parámetros para obtener resultados más precisos.

Entre las principales características de SDV se incluyen:

• Múltiples opciones de modelos, desde la conjugación gaussiana hasta CTGAN.
• Admite tablas simples, múltiples y secuenciales.
• Anonimización y restricciones lógicas integradas.
• Todo se puede hacer con un solo comando:sdv.sample().

Además, el SDV puede resolver eficazmente el desequilibrio de categorías y mejorar la calidad de los datos.

El SDV es aplicable a varios campos, como las finanzas, la sanidad y los estudios de mercado, y puede ayudar a los usuarios a probar y entrenar modelos sin revelar información sensible.

Celebramos el primer aniversario del lanzamiento de AlphaFold 3. En el último año, AlphaFold 3 se ha utilizado ampliamente para predecir millones de interacciones moleculares, acelerando drásticamente el proceso de investigación científica.

Los científicos han utilizado estas predicciones para lograr avances en diversos ámbitos, como la inmunidad de los cultivos y la resistencia bacteriana.Pliegue alfa 3para hacer predicciones precisas, proporcionando a los investigadores herramientas sin precedentes para comprender mejor la estructura y la función de las proteínas.

Laboratorios Isomorphictambién está utilizando AlphaFold 3 junto con su avanzado motor de diseño de fármacos para trabajar en la transformación del modo en que se desarrollan nuevos medicamentos. Con este enfoque innovador, esperan desarrollar nuevos tratamientos de forma más rápida y eficaz.

AlphaFold 3 no sólo desempeña un papel importante en la investigación académica, sino que también demuestra un gran potencial en la industria farmacéutica, prometiendo revolucionar el panorama del descubrimiento y desarrollo de fármacos en los próximos años.

Un tutorial de @LangChainAI que muestra cómo construir un sistema multimodal de Generación Aumentada de Recuperación (RAG) usando Gemma 3 y LangChain para procesar documentos PDF de contenido mixto que contienen texto e imágenes. El sistema combina las potentes capacidades de procesamiento del lenguaje natural del modelo Gemma 3 de Google con la flexibilidad de LangChain para analizar y comprender eficazmente documentos complejos.

La implementación completa también integra herramientas como Streamlit y Ollama para proporcionar una interfaz fácil de usar y un potente soporte computacional. A través de este tutorial, los desarrolladores pueden aprender a construir un sistema RAG que puede procesar tanto texto como imágenes, proporcionando así un fuerte soporte para escenarios de aplicación práctica como el análisis de documentos y la extracción de conocimiento.

Para los profesionales que trabajan en ciencia de datos, inteligencia artificial o campos relacionados, dominar esta tecnología no solo mejora la productividad, sino que también abre nuevas vías para resolver problemas empresariales más complejos.

Meta acaba de presentar un modelo avanzado llamado Meta Locate 3D, que permite localizar objetos con gran precisión en entornos tridimensionales. Se espera que este avance tecnológico mejore significativamente la capacidad de los robots para navegar en escenas complejas e interactuar de forma natural con los humanos.

Con Meta Locate 3D, los robots pueden comprender con mayor precisión su entorno, lo que incluye reconocer y localizar diversos objetos. Esta tecnología tiene una amplia gama de aplicaciones, no sólo para la automatización industrial y la logística y distribución, sino también en robots de servicio doméstico, permitiéndoles comprender y responder mejor a las órdenes del usuario.

• **Descarga de modelos y conjuntos de datos**
• **Lectura de trabajos de investigación**
• **Intento de presentación en línea**

Encontrará información más detallada enhttps://t.co/GgJEPXTH8W.

Aprenda a utilizarVoyageAILa incrustación multimodal yMongoDBdel índice multimodal para una recuperación multimodal eficaz.

En este tutorial, dominarás lo siguiente:

1. Cómo utilizarloVoyageAILa técnica de incrustación multimodal. Esta técnica es capaz de convertir múltiples tipos de datos, como texto e imágenes, en una representación vectorial unificada para su posterior procesamiento.
2. Cómo instalarloAtlas MongoDBcomo repositorio de vectores para la incrustación de imágenes. El almacenamiento de datos de imágenes en MongoDB permite gestionar y consultar los datos de forma eficiente.
3. Crear un índice multimodal que admita tanto tipos de datos de imagen como de texto. De este modo, el sistema puede procesar distintos tipos de datos simultáneamente y ofrecer resultados de recuperación precisos.
4. Consulta de imágenes mediante mensajes de texto (recuperación texto-imagen). Esta técnica permite a los usuarios buscar imágenes relevantes mediante descripciones en lenguaje natural, lo que mejora enormemente la experiencia del usuario.

Estas técnicas se utilizan en una amplia gama de escenarios de aplicación, como la recomendación de productos en el comercio electrónico, la gestión de contenidos en las redes sociales y el análisis de imágenes médicas, entre otras áreas. Con este tutorial, podrá conocer las aplicaciones prácticas y los detalles técnicos de la recuperación multimodal.