EE.UU. bloquea los modelos de inteligencia artificial más avanzados de Anthropic por razones de seguridad nacional El Diario de Madrid
Los sistemas agentes están cambiando la forma en que se coordinan las tareas operativas complejas, introduciendo un nuevo paradigma para conectar fuentes de datos heterogéneas y automatizar procesos. Las flotas de autobuses eléctricos constituyen un caso de prueba relevante. Su operación requiere una coordinación continua entre la confiabilidad del servicio, el estado de carga de la batería, la disponibilidad del cargador, los precios de la electricidad, la incertidumbre energética de la ruta y las oportunidades del vehículo a la red (V2G).
La cadena de pensamiento estándar sobre dilemas morales exhibe dos modos de fracaso: el colapso de las partes interesadas (el rastro nombra como máximo a una parte con interés en el resultado) y la supresión de la incertidumbre (sin incógnitas explícitas ni barreras antes de comprometerse con una acción). Presentamos la narración del pensamiento (NoT), un sistema que estructura la cadena de pensamiento en cinco secciones: protagonista, partes interesadas, consecuencias de dos pasos, incertidumbre y luego compromiso. NoT no agrega entrenamiento, parámetros ni ajustes.
Ray Kurzweil describió la tesis de los rendimientos acelerados, que es la narrativa más influyente en los debates sobre el progreso tecnológico. Su afirmación central es que los avances en múltiples campos tecnológicos, especialmente la computación, la inteligencia artificial, las ciencias del cerebro y la biotecnología, interactúan de tal manera que el progreso se vuelve autoamplificado y aproximadamente exponencial.
Si bien la IA generativa ha logrado un éxito notable en la resolución de problemas con soluciones verificables, generar arte físico que satisfaga tanto restricciones geométricas estrictas como una estética visual subjetiva sigue siendo un desafío. Este artículo presenta un enfoque para abordar estas dificultades en el dominio del origami computacional, un entorno matemáticamente rígido que fundamenta el diseño artístico dentro de las ecuaciones de plegabilidad plana.
Los modelos multimodales de lenguaje grande (MLLM) pueden procesar diversas entradas, por ejemplo, texto, imágenes, audio y video, y generar respuestas textuales. Si bien sus capacidades han avanzado rápidamente, la evaluación de dichos modelos no ha seguido el ritmo. La mayoría de los puntos de referencia de evaluación existentes se limitan a tareas aisladas y revelan poco sobre si un modelo integra información entre modalidades.
Una intuición clásica sostiene que verificar una solución es más fácil que producirla. Para los agentes codificadores actuales, esta intuición se está invirtiendo: a medida que los modelos básicos desarrollan capacidades de razonamiento más sólidas y los arneses de ingeniería se vuelven más sofisticados, generar soluciones candidatas complejas ya no es difícil; verificarlas de manera confiable se ha convertido en el problema más difícil. Cada verificador que podemos construir es solo un sustituto de la intención humana, nunca la intención en sí.
Los agentes autónomos de IA pueden comenzar a realizar acciones irreversibles y consecuentes, como la prescripción clínica y la implementación de software de producción. Este artículo observa que las instituciones humanas han gobernado a poderosos actores autónomos no monitoreando su razonamiento sino exigiendo evidencia comprobada independientemente en el momento de la acción consecuente. Formalizamos este patrón institucional como un modelo de gobernanza computacional para sistemas de agentes de IA.
Los profesionales de sistemas agentes compuestos por mensajes informan de un modo de falla recurrente: editar un módulo de mensajes cambia silenciosamente el comportamiento de otros a pesar de que no hay ninguna variable compartida o dependencia ejecutable. Formalizamos esto como fuga de comportamiento compositivo (CBL): interferencia entre módulos que comparten una ventana de contexto. CBL está habilitado por el no aislamiento arquitectónico: la autoatención del transformador no proporciona ningún límite formal entre módulos concatenados.
Según se informa, penAI planea compartir su modelo más nuevo, GPT 5.6, con un grupo selecto de socios en lugar de con el público en general. La razón: la administración Trump se lo ordenó.
Escribe al menos 2 caracteres
Este sitio utiliza cookies esenciales para su funcionamiento y cookies de analisis para mejorar la experiencia. Puedes aceptar todas, solo las esenciales, o personalizar tus preferencias. Politica de Cookies | Politica de Privacidad