Un grupo de investigadores de Nvidia, el MIT y la Universidad de Aalto quieren acabar con el ruido en las fotografías. Lo están haciendo entrenando a un sistema de inteligencia artificial al que han llamado Noise2Noise, y al que han estado entrenando con 50.000 imágenes de ImageNet, escaneos de resonancias magnéticas, e imágenes generadas por ordenador. Se podrá usar en fotos astronómicas o en imágenes biomédicas y será presentado en la Conferencia Internacional de Machine Learning de Estocolmo. En español: bit.ly/2KMcr2O

Conferencia del neurólogo Nacho Hernandez sobre la inteligencia artificial aplicada en medicina, tecnologías disruptivas y Big Data.

Muchas empresas usan la expresión Inteligencia Artificial, o AI, para generar interés por sus productos y mejorar su reputación, como firmas innovadoras. Pero ¿qué es exactamente AI? Business Insider Intelligence publicó AI 101, un informe gratuito (en PDF, en inglés) que describe el presente de esta tendencia tecnológica y las aplicaciones futuras, y detalles de cómo las máquinas optimizan su aprendizaje y se vuelven más inteligentes.

Desorientar algoritmos está de moda. Estas son las técnicas que se están empleando para obstaculizar los avances del aprendizaje automático. "La gente no es muy consciente. Hay mucho hype alrededor de la inteligencia artificial y el machine learning, pero no nos damos cuenta de que ya hay ciberguerra por debajo", explica Alberto Robles, director general de Expert System en España.

La llegada de una de sus revistas a un campo de investigación era el equivalente a la llegada de un tren de alta velocidad a una ciudad de provincias. Los investigadores suelen verlo como una señal de prestigio, relevancia y futuro. Ha sido así con casi todas las 53 revistas que han lanzado: excepto ahora que han pinchado hueso. La comunidad de 'machine learning' no quiere revistas de pago.

Qualcomm acaba de inaugurar una nueva familia de procesadores con el Snapdragon 710, que busca llevar la inteligencia artificial, la potencia y las funcionalidades de los smartphones premium a los modelos de gama alta, que anteriormente no disponían de chips específicos

No cabe duda que la Inteligencia Artificial junto al Deep Learning y al Machine Learning ha llegado a nuestra vida. En este podcast se presentan aplicaciones de Google que se están utilizando en nuestro día a día. A veces pensamos que son tecnologías del futuro pero la realidad es otra. Google, en la pasada conferencia para desarrolladores Google I/O dio un golpe en la mesa para demostrar que ya ha llegado este tipo de tecnologías a los hogares.

La investigación de áreas específicas de una célula viva implica un enfoque fragmentado, identificando cómo algunas partes trabajan con otras y dedicando tiempo al etiquetado de las células. Ahora, el Instituto Allen para la Ciencia Celular ha lanzado el primer modelo predictivo en 3D de una célula humana en vivo. Tomaron miles de imágenes de las células para que una inteligencia artificial creara un modelo probabilístico que predice forma y ubicación de sus estructuras. En español: bit.ly/2rC3Ov3 Vídeo: bit.ly/2wwBno9

Muchas personas se han acostumbrado a hablar con sus dispositivos inteligentes, a pedirles que lean un texto, que reproduzcan una canción o que pongan una alarma. Pero alguien más podría estar hablando en secreto con ellos, también. En los últimos dos años, investigadores de China y Estados Unidos han comenzado a demostrar que pueden enviar comandos ocultos que son indetectables para el oído humano a Siri de Apple, Alexa de Amazon y el asistente de Google.

En los últimos años, Google ha estado construyendo su propio TPU (unidades de procesamiento Tensor) para manejar diversas tareas de procesamiento relacionadas con la inteligencia artificial y el aprendizaje automático. Según el CEO de Google Sundar Pichai, los nuevos TPU 3.0 son 8 veces más poderosos que los TPU 2.0, y Pichai declaró que necesitan refrigeración por agua, algo que los anteriores TPU no necesitaban.

Todos los días leemos noticias sobre Machine Learning y Deep Learning pero ¿sabemos qué es y cómo funciona? En este artículo hacen una introducción a estás técnicas de Inteligencia Artificial con un ejemplo para que entendamos dónde podemos utilizar este tipo de algoritmos.

El grupo Magenta de Google ha creado NSynth Super un dispositivo basado en Raspberry Pi que utiliza Machine Learning con TensorFlow para explorar nuevos sonidos y melodías a músicos y artistas. Es de totalmente abierto y tu mismo lo puedes fabricar en tu propia casa o taller.

La técnica podría revolucionar la creación de videojuegos y películas de animación, y también el entrenamiento de robots reales para hacer tareas complejas

En esta serie de OpenAI el objetivo final será ofrecer una introducción al entrenamiento de una Inteligencia Artificial el cual se sea capaz de superar estos entornos de videojuegos con más dificultad siguiendo la estrategia de prueba y error. La base del entrenamiento se realizará sobre el clásico videojuego Breakout de Atari, aunque las soluciones que propondremos se podrán extrapolar a otros con más o menos las mismas características como Space Invaders o MsPacMan

Este artículo pretende demostrar la posibilidad que nos brinda el e-learning como una estrategia para promover el cambio en la dinámica organizacional utilizando como marco teórico referencial el modelo de Gestión del Cambio en las Organizaciones.

Un artículo en The Atlantic, “The era of fake video begins“, subraya el problema que surge cuando el desarrollo del machine learning hace perfectamente posible crear vídeos manipulados en los que se puede obtener prácticamente cualquier efecto, desde insertar una cabeza en un cuerpo de otra persona con un nivel de perfección que convierte el cambio en prácticamente imperceptible, hasta cambiar el movimiento de los labios de un personaje y su voz para que parezca que dice algo que no ha dicho.

Hace unos meses Google anunciaba AlphaZero, una IA para ajedrez basada en redes neuronales capaz de derrotar a Stockfish, por el momento el motor de ajedrez más potente del mundo (www.meneame.net/story/alphazero-derrota-stockfish-8-tras-tan-solo-4-ho). Sin embargo, Google no publicó la red neuronal en sí. Leela Chess Zero surge como un esfuerzo colaborativo open source con el objetivo de replicar los resultados de AlphaZero y, posiblemente, mejorarlos.

Diferencias entre el aprendizaje supervisado y no supervisado.

Ingeniero de Telecomunicación y doctor en Ingeniería de Telecomunicación especializado en procesamiento de señal y machine learning por la Universidad Carlos III de Madrid, Felipe Alonso Atienza ha desarrollado gran parte de su carrera profesional como profesor en la Universidad Rey Juan Carlos realizando tareas docentes e investigadoras. En el ámbito investigador, ha dirigido varios proyectos competitivos y publicado más de 15 artículos internacionales relacionados con la aplicación del machine learning a la salud.

Una pregunta típica formulada por un principiante, cuando se enfrenta a una amplia variedad de algoritmos de aprendizaje automático, es "¿qué algoritmo debo usar?" La respuesta a la pregunta varía según muchos factores, entre ellos:el tamaño, la calidad y la naturaleza de los datos,el tiempo computacional disponible, la urgencia de la tarea,qué quieres hacer con los datos,incluso un científico de datos experimentado no puede decir qué algoritmo funcionará mejor antes de probar diferentes algoritmos. Aquí tienes la chuleta que los resume todos

La teoría de Copérnico no fue inmediatamente superior. Fue rechazada por mucha gente que no eran simples marionetas de la iglesia y, entre los que la aceptaron, el que se adaptase mejor a los datos no fue la razón principal. ¿Cómo deberíamos desarrollarnos intelectualmente para convertirnos en la clase de persona que hubiese aceptado el heliocentrismo?