Garry Kasparov, probablemente el mejor jugador de ajedrez de la historia, siendo campeón mundial se enfrentó en 1997 contra la supercomputadora de IBM, la famosa Deep Blue, y perdió el segundo encuentro, en un hecho que quedó grabado en la historia como el día en que una máquina venció al humano. Ahora, 20 años después, Kasparov apunta a que no se le debe temer a la inteligencia de las máquinas. Por el contrario, hay que seguir trabajando en ella.

Un pequeño equipo de estudiantes en IA supera el código de aprendizaje automático de Google. El éxito quizás muestra que los avances en inteligencia artificial no son monopolio de las grandes corporaciones.

Machine Learning cataloga el sonido de miles de especies de aves de manera automática.

La red neuronal libre Leela se ha clasificado para la siguiente ronda de la 13ª Temporada del Torneo de Motores de Ajedrez TCEC que por primera vez admitía sistemas basados en entrenamiento y aprendizaje. En segundo lugar se ha clasificado también otra red neuronal, basada en el mismo software libre Leela, pero en vez de haber sido entrenado jugando contra si mismo, lo había hecho con partidas entre humanos. Los autores de Leela han calificado esto de "Plagio"

Un equipo de científicos ha creado un modelo que permite predecir cómo crecerán las plantas, de forma que se pueden controlar mejor los cuidados agrícolas.

Edge TPU es un pequeño acelerador de inteligencia artificial, cuyo objetivo es llevar a cabo trabajos de machine learning de forma local en dispositivos IoT y otro tipo de productos conectados.

Las redes neuronales son hoy día parte fundamental de la IA y en concreto del Deep Learning y como veremos a continuación, al contrario de la creencia popular, no son conceptos nuevos. El primer algoritmo que presentaba una red neuronal simple se llamó Perceptrón, creado por Frank Rosenblatt en 1958 basándos, centrándonos en la Biología, en el trabajo realizado previamente por Santiago Ramón y Cajal y Charles Scott Sherrintong (pioneros en el estudio del funcionamiento del cerebro humano)...

IA, machine learning, redes neuronales… Demasiados términos que a la mayoría de la gente les suena a ciencia ficción. Sergio Rozada, científico de datos, no acerca estos términos de forma sencilla.

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.

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

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

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.

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.

Se sirve del aprendizaje automático para reconocer y recoger diferentes tipos de objetos. El robot usa un software llamado Dex-Net para determinar cómo recoger objetos con una eficiencia increíble; incluso aquellos con un aspecto extraño. Este nuevo robot ha sido construido por el profesor de la Universidad de California en Berkeley (EE. UU.) Ken Goldberg y por Jeff Mahler, uno de sus estudiantes graduados.

La ceremonia de entrega de los Oscars, recién concluida hace unos instantes, me ha dejado un sabor de boca muy interesante: los galardones han ido cayendo, uno detrás de otro, siguiendo las predicciones publicadas anteriormente por los algoritmos que, el pasado 1 de marzo, publicó BigML, la compañía de machine learning en la que soy asesor estratégico. Y cuando digo “uno detrás de otro”, realmente me refiero a eso: un pleno. Absoluto.

La Wayback Machine de Archive.org es uno de esos recursos que deberían ser considerados Patrimonio de la Humanidad de Internet, como poco. Sus arañas leen la World Wide Web de forma periódica archivando todo lo que encuentran para la posteridad. Casi todo lo que ha sido o estado en Internet –ya van unos 386.000 millones de páginas archivadas– se encuentra en algún lugar de su interior, y no dejan de añadir petabytes. Es útil para encontrar páginas perdidas en el tiempo, que ya han desaparecido y más útil les resultará todavía a los arqueólogos

En este caso el usuario va improvisando las líneas de un pequeño guión, con la ayuda de la IA. La herramienta proporciona opciones con nuevas frases y situaciones, de entre las cuales el redactor elige una que luego puede modificar. Si queréis probar la herramienta aquí tenéis el enlace: writeup.ai/

Explicación del funcionamiento de la AI, sus distintas aplicaciones y las ventajas competitivas que aporta a las empresas.

La tecnología ha avanzado a pasos agigantados en los últimos años y nos ha proporcionado tantas herramientas como el Machine Learning.

Un artículo publicado en ScienceDirect y que hemos conocido a través de la Universidad de Surrey asegura que, a través de una red neuronal, se ha sido capaz de detectar anomalías relacionadas insuficiencia cardíaca congestiva con tan solo un latido del corazón (medido por ECG), y con un 100% de precisión. Que una red neuronal detecte problemas cardiacos con tan solo un latido supone todo un hito, y tal como explican desde la universidad, se traduce en una mejora drástica de los métodos de detección de este tipo de enfermedades.

Colección de cursos y recursos para aprender Machine Learning. Separados por nivel y por duración. La mayoría están en inglés.

Fuente en Python. Galería: github.com/iperov/DeepFaceLab/blob/master/doc/gallery/doc_gallery.md

Un equipo de matemáticos italianos, incluido un neurocientifico del centro CCU, en Lisboa, muestran que la vision artificial de las maquinas pueden aprender a reconocer imagenes complejas mas rapidamente usando una teoria matematica desarrollada hace 25 anos por uno de los co-autores del estudio. Los resultados han sido publicados en el journal Natural Machine Intelligence.

No, este no es otro aburrido artículo lleno de tecnicismos y vaguedades. Aquí explico de qué va eso del machine learning de modo que, cuando termines de leerlo, seas capaz de explicarle a tu abuela cómo estamos enseñando a los coches a conducir solos. Bueno, igual no, pero andará cerca la cosa.

'Programación en pareja ' con GPT-2 entrenado en 2 millones de archivos GitHub.

En la conferencia “TensorFlow Dev Summit 2019” de esta semana, Google ha anunciado una importante actualización del framework, la versión TensorFlow 2.0 Alpha. TensorFlow 2.0 se centra en la simplicidad y facilidad de uso, con actualizaciones como la ejecución rápida, APIs intuitivas de nivel superior y construcción de modelos flexibles en cualquier plataforma.

De acuerdo con un estudio realizado por Google, los ordenadores son tan buenos como un médico - o incluso mejores - detectando pequeños canceres de tumor en tomografías computarizadas. Evidentemente la tecnología está todavía en desarrollo y no está lista para que la utilice todo el mundo, pero esta noticia si que nos permite vislumbrar un poco cómo será el futuro el día de mañana con respecto a la informática aplicada a la medicina.Datos y datos y datos que alimentarán a sistemas de inteligencia artificial que ayudarán a médicos a discernir fu

DeepDetect es software libre desarrollado por JoliBrain cuya misión es hacer que las más recientes innovaciones accesibles y utilizables de aprendizaje profundo (deep learning) sean accesibles así como permitir la integración de aplicaciones. DeepDetect consiste en dos programas gratuitos: uno de ellos es un servidor escrito en C++11 con una API REST que permite el acceso a las bibliotecas subyacentes Caffe, Caffe2, Tensorflow, Dlib, NCNN, etc. La otra es una plataforma web para entrenar, organizar y usar sus modelos como fragmentos de código.

Xinyan Deng y sus colegas de la Universidad de Purdue han desarrollado un ornitóptero que usa alas similares a las que usan los colibríes. El robot puede detectar colisiones con obstáculos o acercarse al piso debido al cambio en la corriente de los motores eléctricos que impulsan las alas. Durante el vuelo, las alas del robot oscilan a una frecuencia de 34 hercios, una frecuencia comparable al de las alas de los colibríes reales, lo que le permite quedarse volando en un punto fijo. En español: bit.ly/2VnyjGS

La Inteligencia Artificial entra de lleno en el terreno musical. Cada vez está más presente entre nosotros. A continuación podemos escuchar algunos ejemplos de obras musicales compuestas por algoritmos de IA.

Las Redes Generativas Antagónicas, o Generative Adversarial Networks en inglés (GAN), son una poderosa clase de redes neuronales. De hecho, se podría decir que se han convertido en uno de los pilares del reciente “boom” de la llamada Inteligencia Artificial. Fueron presentadas por Ian Goodfellow et al. en 2014 y desde entonces han permitido un gran avance en el campo del aprendizaje máquina no supervisado.

Mucho ha llovido desde que clásicos de la ciencia ficción como 2001: Odisea en el espacio o Blade Runner nos inspirasen las posibilidades de la ciencia y la tecnología del futuro, pero el futuro ya está aquí y el rápido avance de nuestra sociedad se apresura a alcanzar lo que un día solo imaginaron las mentes más audaces. Robótica, inteligencia artificial, aprendizaje automático… todos estos conceptos forman hoy parte de la vanguardia del desarrollo tecnológico.

El verano pasado se publicó este paper, en el cual se estudia posibles soluciones “no-acústicas” para el reconocimiento de voz o ASR (Automatic Speech Recognition). Dicho de otro modo, buscar alternativas para enviar los comandos utilizando la boca, pero sin emitir ningún tipo de sonidos. En esta investigación se describe una técnica utilizando señales sEMG (Surface Electromyographic) para detectar los movimientos de los músculos de cara y el cuello. Esta técnica de reconocimiento de voz “silencioso” se conoce como SSR o Silent Speech Recogniti

Para aquellos que ya tengan ciertos conocimientos de machine learning, recomendamos los cursos de Deep Learning (nivel experto) de Columbia y Georgia. También hay alguno introductorio de Stanford o de Google.

El grupo de simulación física de la universidad de Munich ha publicado nuevos ejemplos de su método de superresolución TecoGAN. Este algoritmo emplea métodos de deep-learning para incrementar la resolución de imágenes o secuencias de vídeo añadiendo detalles que se han perdido durante el proceso de captura de imagen pero que la física dice que deberían estar allí. El paper con los detalles ya puede descargarse, y próximamente se liberará el código fuente del algoritmo.

La Corte Constitucional ha sido reconocida por distintos analistas como una jurisdicción vanguardista en la protección de derechos fundamentales. (Lea: Ciberabogados, nueva necesidad para el mundo jurídico) Ahora, el alto tribunal quiere ser disruptivo en el uso de nuevas tecnologías, por lo que anunció hace unas semanas, conjuntamente con la Universidad del Rosario (UR), que se encuentra ensayando un sistema de inteligencia artificial (IA) bautizado ´Prometea’, que haría más expedito y preciso el proceso de revisión de fallos de tutela.

La tarea de moderación de comentarios en un medio de comunicación puede resultar, en muchos casos, implanteable mediante medios simplemente humanos, y convertirse en un verdadero problema que puede exponer al medio a potenciales riesgos jurídicos o, en la mayoría de los casos, convertir sus sección de comentarios en un auténtico vertedero de material tóxico. Los algoritmos aspiran a solucionar la situación.