Posts

Showing posts from August, 2025

Primer IBM Quantum System Two instalado fuera de EE. UU. - Importa?

Image
Una imagen reciente del recién instalado IBM Quantum System Two ubicado en RIKEN, en Kobe, Japón , que marca un momento histórico para la computación cuántica fuera de los Estados Unidos. Primer IBM Quantum System Two instalado fuera de EE. UU. IBM y RIKEN presentaron oficialmente el primer despliegue de IBM Quantum System Two más allá de los centros de datos estadounidenses, instalado en el Centro de Ciencias Computacionales de RIKEN (R-CCS) en Kobe, Japón. Ubicado junto al superordenador Fugaku Este sistema cuántico es el primero en situarse justo al lado de Fugaku , uno de los superordenadores clásicos más potentes del mundo. Ambos están interconectados a nivel de instrucciones, lo que permite flujos de trabajo híbridos avanzados entre lo cuántico y lo clásico. Impulsado por el procesador cuántico de mayor rendimiento hasta la fecha El sistema utiliza el procesador Heron de 156 cúbits de IBM, que ofrece: 10× mejores tasas de error en compuertas de dos cúbits en compara...

IBM Deploys First Quantum Computer Outside the U.S. Why It Matters.

Image
Here’s a recent image of the newly installed IBM Quantum System Two located at RIKEN in Kobe, Japan—marking a landmark moment for quantum computing outside the United States. First IBM Quantum System Two Installed Outside the U.S. IBM and RIKEN officially unveiled the first deployment of IBM Quantum System Two beyond U.S. data centers—installed at the RIKEN Center for Computational Science (R-CCS) in Kobe, Japan. Co-located with the Fugaku Supercomputer This quantum system is the first to be placed right next to Fugaku , one of the world’s most powerful classical supercomputers. The two are interconnected at the instruction level, enabling advanced quantum–classical hybrid workflows . Powered by the Best-Performing Quantum Processor Yet The system uses IBM’s 156-qubit Heron processor , offering: 10× better two-qubit error rates than the previous 127-qubit Eagle processor (error across 100-qubit circuits: ~3×10⁻³; best: 1×10⁻³). 10× faster operation , achieving ~250,000 C...

WORLD ECONOMIC FORUM - The future of work - The skills #students need in a future shaped by #AI

Image
  The skills students need for an AI-driven future, the AI precariat, and how career pathways are being rewired – these are the stories covered in this issue of the World Economic Forum’s 3 Work Trends newsletter, your guide to the future of work and education in an ever-changing world. The skills #students need in a future shaped by #AI Generative AI is reshaping how we live, work, and learn, and universities face a critical challenge: equipping students for a future of rapid change and uncertainty. Raquel Bernal , Rector of the Universidad de los Andes - Colombia , highlights critical priorities for education going forward: Digital literacy A digital mindset Strengthening human skills AI also offers opportunities to expand access to education and personalized learning, particularly in regions where youth unemployment is high. Watch the full video to learn more about how students can be prepared for an AI-driven future. https://www.weforum.org/videos/ai-skills-students/

Chatbots de AI - son máquinas, no humanos. No olvidarlo.

Image
  El jefe de IA de Microsoft, Mustafa Suleyman, escribió recientemente que sistemas “aparentemente conscientes” podrían aparecer en unos pocos años. Los psicólogos señalan que las personas ya están formando vínculos emocionales con los chatbots. Suleyman dijo que los sistemas que parecen conscientes pronto podrían llevar a la gente a creer que tienen sentimientos, intenciones o incluso un sentido del yo. Argumenta que esta ilusión podría distorsionar las normas sociales, provocar apegos emocionales e incluso impulsar llamados a otorgar derechos a la IA. “No importa realmente si el sistema es consciente o no”, dijo Francesca Rossi, Líder Global de Ética en IA de IBM, en una entrevista con IBM Think. “Basta con que sea percibido como consciente para tener un impacto en las personas que lo usan”. Ella señaló que el riesgo es que la gente empiece a tratar a las máquinas como si fueran humanas, confiando en ellas para apoyo o autoridad de formas que pueden distorsionar las relaciones y ...

AI chatbots are machines, no humas. Never forget.

Image
  Microsoft’s AI Chief, Mustafa Suleyman,   recently wrote   that “seemingly conscious” systems could surface within a few years. Psychologists note that   people are already forming   emotional bonds with chatbots.   Suleyman said systems that appear conscious could soon lead people to believe they have feelings, intentions or even a sense of self. He argues this illusion could distort social norms, trigger emotional attachments and even spark calls for  AI rights .   “It does not really matter if the system is conscious or not,”  Francesca Rossi , IBM’s Global AI Ethics Leader, told  IBM Think  in an interview. “It is enough that it is perceived as being conscious to have an impact on people using it.” She said the risk is that people start treating machines as if they were human, relying on them for support or authority in ways that can distort relationships and decision-making.   The risk is not abstract. Teenagers are alre...

IA - Gemini utiliza solo 0,24 vatios-hora de electricidad.

Image
  Después de años de especulación sobre el impacto climático de la IA, Google ha publicado cifras concretas… cada prompt de texto de Gemini utiliza solo 0,24 vatios-hora de electricidad . Eso equivale a un segundo de funcionamiento de un microondas, muy por debajo de las proyecciones apocalípticas que han dominado los titulares. La divulgación representa el primer desglose detallado de energía por parte de una gran empresa de IA, poniendo fin a meses de conjeturas fundamentadas sobre si los chatbots eran desastres ambientales o simplemente otra gota en el océano de nuestro impacto climático. Las cifras de Google sugieren lo segundo, al menos por ahora. La compañía afirma que cada prompt consume: 0,24 vatios-hora de electricidad (equivalente a ver televisión durante 9 segundos) 0,03 gramos de emisiones de CO2 (aproximadamente 1/150 de lo que produce la batería de tu smartphone al cargarse) 0,26 mililitros de agua (aproximadamente 5 gotas) Estos números reflejan lo que G...

AI - Gemini text prompt uses just 0.24 watt-hours of electricity

Image
  After  years  of speculation about AI's climate impact, Google has released hard numbers…  each Gemini text prompt  uses just 0.24 watt-hours of electricity.  That's about one second of microwave time, far below the apocalyptic projections that have dominated headlines. The disclosure represents the first detailed energy breakdown from a major AI company, ending months of educated guesswork about whether chatbots were environmental disasters or just another drop in our climate impact bucket.  Google's figures suggest the latter — at least for now. The company claims each prompt consumes: 0.24 watt-hours of electricity (equivalent to watching TV for 9 seconds) 0.03 grams of CO2 emissions (about 1/150th of what your smartphone battery produces when charging) 0.26 milliliters of water (roughly 5 drops) These numbers reflect what Google calls a "full-stack" methodology that includes not just the AI chips but also idle capacity, cooling systems and data c...

GPT-5 has a Vulnerability?

Image
  GPT-5 has a Vulnerability? The new GPT-5 may be subject of jailbreak?.  Researchers have discovered the cause – an SSFR-like flaw in its internal routing mechanism. When you ask GPT-5 a question, the answer may not come from GPT-5. The model includes an initial router that parses the prompt and decides which of the various GPT models to query. It may be the GPT-5 Pro you expect, but it could equally be GPT 3.5, GPT-4o, GPT-5-mini, or GPT-5-nano. The reasoning behind this variability in the source of the response is probably to balance the LLM’s efficiency (by using faster, lighter and possibly more focused models on the simpler queries) and cost (GPT-5’s strong reasoning capabilities make it expensive to run). Researchers at Adversa AI have estimated that this re-routing could be saving OpenAI up to $1.86 billion per year. But the process is opaque. Worse, the researchers at Adversa have discovered and  explained  that this internal routing can be manipulated by th...

AI Literacy Platform – Collaboration or Prohibition

Image
Grammarly launched eight AI agents designed to help students and educators manage the balance between AI assistance and academic integrity. The tools include plagiarism detection and a “Grade Predictor.” The timing is important as the AI detection space in education is gaining momentum. GPTZero launched an integration with Google Docs that includes “writing replay” videos showing how documents were written, while Turnitin enhanced its AI detection to identify paraphrased content and support analyses of up to 30,000 words. The standout feature is the AI Grader agent, which analyzes drafts against academic rubrics and provides estimated grades along with feedback. It also includes a “Reader Reactions” simulator that predicts how professors might respond to arguments, and a Citation Finder that automatically generates references. Jenny Maxwell, Grammarly’s Head of Education, says the goal is to create “real partners that guide students to produce better work.” What differentiates Gr...

Plataforma de alfabetización en IA - colaboración o prohibición

Image
  Grammarly lanzó  ocho agentes de IA diseñados para ayudar a estudiantes y educadores a administrar el equilibrio entre la asistencia de la IA y la integridad académica.  Las herramientas incluyen detección de plagio,  un “Predictor de Calificaciones” .  El momento es importante ya que el espacio de detección de IA en educación está cobrando fuerza.  GPTZero lanzó una integración con Google Docs que incluye videos de “reproducción de escritura” que muestran cómo fueron redactados los documentos, mientras que Turnitin mejoró su detección de IA para identificar contenido parafraseado y soportar análisis de hasta 30.000 palabras.  La función destacada es el agente AI Grader , que analiza borradores en función de rúbricas académicas y proporciona calificaciones estimadas junto con retroalimentación. También cuenta con un simulador de “Reacciones del Lector” que predice cómo podrían responder los profesores a los argumentos, y un Buscador de Citas que g...

BIAS - Variance - ML and AI

Image
  In  machine learning (ML)  and  artificial intelligence (AI) , bias-variance tradeoff is a concept that governs the performance of a  predictive machine learning model  and a fundamental tenant in  data science . BIAS - Variance - ML and AI

GPT-5 - un paso sustancial hacia la AGI o una mejora a lo existente?

Image
Es GPT-5 (https://openai.com/es-419/gpt-5/) un salto hacia la inteligencia artificial general (AGI) o es otra mejora incremental? Una de las formas  de contestar sin exageración (buscando indicadores cuantitativos y no cualitativos) es observar el runtime autónomo, es decir, cuánto tiempo puede un modelo ejecutar tareas complejas sin ayuda humana. El grupo de investigación en seguridad de IA METR (https://metr.org/) puso a GPT-5 a prueba con una tanda de tareas de ingeniería de software, para medir no solo  la calidad de las salidas. Estaban evaluando qué tan bien podía planificar y ejecutar el trabajo por sí mismo, una capacidad que algunos ven como un paso hacia la inteligencia general. Su nuevo informe encontró que GPT-5 duró alrededor de 2 horas y 17 minutos antes de alcanzar una tasa de fallo del 50%, frente a 1 hora y 30 minutos del modelo o3, una versión anterior de OpenAI.  Es una mejora sustantiva, pero no significa que el modelo sea repentinamente consciente...

GPT-5 ofrece una ligera ventaja sobre la competencia - en números

Image
GPT-5 ofrece una ligera ventaja sobre la competencia la siguiente imagen pertenece a OPENAI   OpenAI afirma que GPT-5 es el más avanzado en varios dominios, superando ligeramente a los principales modelos de IA de Anthropic, Google DeepMind y xAI de Elon Musk en métricas clave. Sin embargo, GPT-5 presenta un rendimiento ligeramente inferior al de modelos de frontera en otras áreas. En SWE-bench Verified —una prueba de tareas reales de programación extraídas de GitHub— GPT-5 obtiene un 74,9 % en su primer intento. Esto significa que GPT-5 supera apenas al modelo Claude Opus 4.1 de Anthropic, que logró un 74,5 %, y al Gemini 2.5 Pro de Google DeepMind, que alcanzó un 59,6 %. En Humanity’s Last Exam —una prueba que mide el rendimiento de los modelos de IA en matemáticas, humanidades y ciencias naturales— una versión de GPT-5 con razonamiento extendido (GPT-5 Pro) obtuvo un 42 % al utilizar herramientas. Esto es ligeramente inferior a lo logrado por Grok 4 Heavy de xAI, que c...

RAG - LLM - (Generación Aumentada por Recuperación - Modelos de Lenguaje de Gran Tamaño)

Image
  Los LLMs (modelos de lenguaje de gran tamaño) son herramientas de utilidad creciente. Pueden responder preguntas, resumir y reescribir textos, brindar retroalimentación sobre documentos, generar código, y más. Este tipo de tareas parecían inalcanzables para las computadoras hace apenas unos años. RAG es un enfoque que mejora aún más el rendimiento de los modelos de lenguaje al darles acceso a información que no conocen a partir de su entrenamiento. Para ilustrar esa idea, veamos algunos ejemplos. Supongamos que le pregunto: ¿por qué el alquiler de autos es caro los fines de semana? Probablemente puedas responder esa pregunta. Más personas viajan durante los fines de semana, por lo que hay más competencia por los autos. Ahora supongamos que pregunto: ¿por qué los autos en Argentina son más caros este próximo fin de semana? Necesitaría más información para responder esa cuestión. Si buscara en internet, tal vez encontraría que comienzan las vacaciones. Con esa información adicional...

Retrieval Augmented Generation and Large Language Models

Image
  LLMs are remarkable tools.  They can answer questions, summarize and rewrite text, provide feedback on documents, generate  code, and more.  These types of tasks seemed out of reach for computers just a few years ago.  RAG is an approach that further improves the performance of large language models by giving   them access to information that they don't know from their training.  To help highlight that idea, let's look at a few examples.  Suppose I asked you the question, why are car rental expensive on the weekend?  You can probably answer that question.  More people travel on weekends, so there's more competition for cars.  Now suppose I asked you, why are cars in Argentina more  expensive this coming weekend?  You'll need more information to answer this one.  If you searched online, you might find that holidays will begin.   With that additional information, you again probably...