AI esta semana

Microsoft AI ha dado a conocer una investigación pionera que podría remodelar el diagnóstico médico. A través de Sequential Diagnosis Benchmark (SDBench), la empresa puso a prueba la IA con 304 casos médicos notoriamente complejos del New England Journal of Medicine. La herramienta de diagnóstico basado en modelos, MAI Diagnostic Orchestrator (MAI-DxO), demostró una precisión del 85,5%, superando el rendimiento medio de los médicos humanos. Al agilizar la toma de decisiones y reducir las costosas pruebas, esta innovación ofrece precisión y rentabilidad. Microsoft cree que puede ser un paso hacia la "superinteligencia médica", descrita como un sistema capaz de superar los conocimientos colectivos de los médicos de todo el mundo. Aunque sigue habiendo limitaciones, la investigación señala importantes implicaciones para el futuro de la atención sanitaria.

Baidu está a punto de lanzar al mercado de código abierto su modelo Ernie de inteligencia artificial generativa para grandes lenguajes, lo que supone el avance más importante de China en este campo desde DeepSeek. El lanzamiento supone un cambio respecto a la tradicional estrategia de propiedad de Baidu e intensifica la competencia entre las principales empresas tecnológicas mundiales. Los expertos sugieren que la medida podría alterar la dinámica de los precios y obligar a competidores como OpenAI y Anthropic a replantearse sus modelos de primas. Los líderes del sector están divididos sobre si Ernie rivalizará con DeepSeek, pero muchos coinciden en que su naturaleza de código abierto aumenta las apuestas por la innovación y la accesibilidad. Las cuestiones relativas a la seguridad, la transparencia y las implicaciones geopolíticas también se ciernen sobre Baidu, que prepara sus herramientas de IA para una adopción generalizada.

Un estudio reciente del Instituto Max Planck revela que las personas, especialmente los académicos y los profesionales, han empezado a adoptar patrones lingüísticos similares a los de la IA en su discurso diario. Mediante el análisis de 280.000 vídeos académicos de YouTube, los investigadores detectaron un aumento significativo en el uso de términos comúnmente generados por la IA, como "meticuloso" y "adepto". Este cambio lingüístico podría erosionar los matices emocionales y la individualidad, reduciendo el discurso a la monotonía. El estudio advierte de que un uso excesivo del lenguaje influido por la IA podría aplanar la diversidad cultural y alterar sutilmente comportamientos sociales, como la cortesía en las conversaciones. ¿La ironía? Los humanos crearon la IA para que sonara humana, pero ahora la gente está imitando a la IA.

Walmart ha presentado herramientas avanzadas de inteligencia artificial diseñadas para capacitar a sus empleados y mejorar las interacciones con los clientes. Entre estas innovaciones se encuentra una función de traducción en tiempo real compatible con 44 idiomas, que garantiza una comunicación clara entre empleados y compradores. Esta herramienta está adaptada al entorno de Walmart, reconociendo términos específicos como "Great Value", la marca blanca de la empresa. Los empleados también se beneficiarán de una IA conversacional mejorada, capaz de gestionar preguntas detalladas y ofrecer respuestas guiadas. Además, Walmart está desplegando tecnología de realidad aumentada para ayudar a los empleados a localizar eficazmente la mercancía, centrándose en las necesidades de almacenamiento de ropa. Impulsadas por su sistema de aprendizaje automático patentado, Element, las últimas iniciativas de Walmart basadas en IA pretenden mejorar la eficiencia operativa en sus 10 750 tiendas de todo el mundo.

Una coalición de las principales agencias de ciberseguridad, incluidas la NSA, el FBI y la CISA, ha presentado nuevas directrices para combatir las amenazas emergentes a los sistemas de IA. Las directrices advierten de riesgos como el envenenamiento de datos, los fallos en la cadena de suministro y la desviación de datos, que podrían poner en peligro los sistemas de IA. Insta a las organizaciones a aplicar medidas de seguridad en todas las fases del ciclo de vida de la IA: planificación, recopilación de datos, creación de modelos y supervisión operativa. Entre las principales recomendaciones figuran la verificación de los conjuntos de datos de terceros, el uso de protocolos de ingestión seguros y la auditoría periódica del comportamiento del sistema. La guía hace hincapié en la prevención del envenenamiento de modelos y en el seguimiento de la integridad de los datos. Se anima a las organizaciones a revisar sus planes de respuesta a incidentes, auditar los proyectos en curso y crear equipos interfuncionales. A medida que los modelos de IA se convierten en parte integrante de las infraestructuras críticas, es esencial una sólida seguridad de los datos.