51 noticias
¿Prefieres una respuesta redactada? Pregunta a IA para hoy.
Google DeepMind ha publicado Acme, un framework de código abierto diseñado para construir algoritmos de aprendizaje por refuerzo (RL) legibles y eficientes…
Por qué importaAcme reduce la brecha entre investigación académica y aplicación industrial en RL al facilitar la reproducibilidad y escalabilidad de algoritmos. Su…
Google DeepMind ha propuesto Active Offline Policy Selection (A-OPS), un método que permite seleccionar la mejor política de aprendizaje por refuerzo para…
Por qué importaResolver el cuello de botella de evaluación de políticas es crítico para llevar RL a aplicaciones reales donde los recursos son limitados. Las…
Google DeepMind colaboró con el Swiss Plasma Center de EPFL para desarrollar un sistema de aprendizaje por refuerzo profundo capaz de controlar autónomamente…
Por qué importaEste logro demuestra que el aprendizaje automático puede acelerar significativamente la investigación en fusión nuclear, uno de los mayores desafíos…
Google DeepMind anuncia una asociación de investigación con Commonwealth Fusion Systems (CFS) para aplicar sistemas de IA avanzados al control de plasma en…
Por qué importaEsta asociación demuestra una aplicación empresarial concreta de IA en un sector estratégico: la energía de fusión limpia. El uso de aprendizaje por…
Google DeepMind ha publicado un paper introduciendo Sparrow, un agente de diálogo entrenado con refuerzo basado en feedback humano para reducir respuestas…
Por qué importaSparrow demuestra métodos prácticos para entrenar agentes de diálogo más seguros mediante refuerzo con feedback humano, una línea de investigación…
Google DeepMind publica dm_control, un conjunto de herramientas Python para entrenar agentes de aprendizaje por refuerzo en simulaciones de cuerpos…
Por qué importadm_control reduce significativamente la complejidad de desarrollo de simulaciones para IA y robótica, permitiendo a investigadores y empresas crear…
Google DeepMind publica un paper y videos mostrando un framework de investigación para entrenar agentes IA en mundos de videojuegos que pueden entender…
Por qué importaDemuestra un camino práctico para entrenar agentes IA que comprenden conceptos imprecisos del lenguaje natural y pueden colaborar con humanos en…
DeepMind ha participado como patrocinador Diamond en la 11ª Conferencia Internacional de Representaciones de Aprendizaje (ICLR) celebrada en Kigali, Ruanda…
Por qué importaLos avances presentados abordan retos críticos para la IA empresarial: generalización entre tareas, eficiencia computacional, interpretabilidad y…
Google DeepMind ha presentado AlphaDev, un sistema de IA basado en aprendizaje por refuerzo que descubre nuevos algoritmos de ordenamiento más rápidos que los…
Por qué importaLos algoritmos de ordenamiento se ejecutan billones de veces al día en sistemas globales; mejoras incluso modestas (ahorrar una instrucción por…
Google DeepMind ha publicado en PNAS un framework de aprendizaje por refuerzo que permite a agentes reutilizar comportamientos aprendidos previamente para…
Por qué importaLa eficiencia en el aprendizaje por refuerzo es un cuello de botella fundamental para sistemas autónomos prácticos; los enfoques convencionales…
DeepMind publica un paper que demuestra que agentes de aprendizaje por refuerzo profundo pueden aprender comportamientos microeconómicos como producción…
Por qué importaRepresenta un avance en inteligencia multiagente hacia simular comportamientos económicos reales sin codificar conocimiento de dominio. Demuestra que…
Google DeepMind publica en Science un estudio sobre agentes de aprendizaje por refuerzo que alcanzan rendimiento a nivel humano en Capture the Flag de Quake…
Por qué importaEste avance demuestra que los sistemas de IA pueden resolver problemas complejos de aprendizaje multiagente con cooperación y competencia…
DeepMind ha logrado que AlphaStar, un sistema de IA, alcance el nivel Grandmaster (el máximo) en StarCraft II jugando el juego completo sin restricciones ni…
Por qué importaEste logro demuestra que las técnicas de aprendizaje por refuerzo y competencia multiagente ('League') pueden escalar a dominios extremadamente…
DeepMind publica en Nature un trabajo que vincula el algoritmo de aprendizaje por diferencia temporal (TD, temporal difference learning) con el funcionamiento…
Por qué importaEste hallazgo consolida el puente entre neurociencia e IA al demostrar que algoritmos de aprendizaje por refuerzo más sofisticados (distribucionales)…
DeepMind ha desarrollado Agent57, el primer agente de aprendizaje por refuerzo profundo que obtiene puntuaciones superiores al nivel humano en los 57 juegos de…
Por qué importaRepresenta un hito significativo en la generalización de agentes de RL: demuestra que es posible entrenar un único sistema capaz de adaptarse a…
Google DeepMind ha anunciado la apertura de su primer laboratorio de investigación fuera del Reino Unido en Edmonton, Alberta, en colaboración con la…
Por qué importaEste movimiento refleja la consolidación de DeepMind como actor global en investigación de IA y subraya la importancia de Canadá, especialmente…
Google DeepMind ha publicado en Nature el desarrollo de AlphaGo Zero, una versión mejorada de AlphaGo que aprende a jugar Go sin entrenamiento previo en…
Por qué importaAlphaGo Zero demuestra que los algoritmos de IA pueden alcanzar y superar capacidades superhúmanas partiendo de cero, sin depender de datos o…
Google DeepMind publica en Nature un estudio sobre Differentiable Neural Computers (DNCs), redes neuronales aumentadas con memoria que pueden aprender a usar…
Por qué importaDNCs combinan capacidades de aprendizaje neural con estructuras computacionales explícitas, permitiendo razonamiento deliberado sobre datos…
DeepMind presentará varios papers en la conferencia NIPS 2016 en Barcelona. Entre ellos, "Interaction Networks" introduce un modelo que razona sobre objetos y…
Por qué importaEstos avances abordan problemas fundamentales en IA: el razonamiento estructurado sobre sistemas físicos, el aprendizaje con datos limitados y la…
Google DeepMind publica un artículo sobre curiosity learning (aprendizaje por curiosidad) en agentes de refuerzo, argumentando que los comportamientos…
Por qué importaEl enfoque desafía la práctica común de descartar comportamientos curiosos una vez completada la exploración, revelando que éstos pueden servir como…
Google DeepMind ha presentado Melting Pot, una suite de evaluación para aprendizaje por refuerzo multiagente (MARL). La herramienta incluye 21 "substratos"…
Por qué importaLa evaluación sistemática de la generalización social en sistemas multiagente es crítica para desplegar tecnología autónoma segura en el mundo real…
Google DeepMind ha presentado el Playroom, un entorno virtual de simulación donde dos agentes robóticos entrenan mediante aprendizaje por imitación y refuerzo…
Por qué importaEl estudio aborda uno de los retos cruciales de la IA general: crear agentes que interactúen naturalmente en ambientes complejos y con lenguaje…
Google DeepMind ha desarrollado DeepNash, un agente de IA que ha alcanzado nivel de experto humano en Stratego, un juego de mesa más complejo que el ajedrez y…
Por qué importaEste avance es significativo porque Stratego representa un desafío técnico diferente a juegos de información perfecta como el ajedrez o el Go…
Google DeepMind publica en Nature un paper describiendo MuZero, un algoritmo de aprendizaje por refuerzo que domina Go, ajedrez, shogi y Atari sin que le…
Por qué importaMuZero representa un avance significativo en algoritmos de propósito general al resolver el problema de planificación en entornos con dinámicas…
