Posts

To chase superintelligence, Meta plans city-size clusters

Image
  Meta is pledging hundreds of billions of dollars to   build massive AI data centers , underscoring how infrastructure is becoming central to the race for   artificial general intelligence   (AGI).   In a memo to employees last month, Meta  announced  Superintelligence Labs, a new division led by former Scale AI CEO Alexandr Wang and GitHub ex-CEO Nat Friedman. On Monday, the company  unveiled plans to build  multiple multi-gigawatt clusters, including one called Prometheus, slated to go online in 2026, and another called Hyperion, which  Meta says  could eventually rival the footprint of Manhattan.   “These agentic models aren’t lightweight—they require deep compute, long-context training and runtime adaptability,”  Shobhit Varshney , Head of Data & AI at IBM, told  IBM Think  in an interview.   As AI systems expand beyond narrow tasks to broader reasoning and planning, the demands on computing infrast...

Google Research - most capable open models for health AI development.

Image
Look at this:   Google Research - most capable open models for health AI development. https://research.google/blog/medgemma-our-most-capable-open-models-for-health-ai-development/  

Los Agentes Autónomos basados en AI y su relación con la ciber resiliencia.

Image
Durante los próximos tres años, las operaciones de ciberseguridad se reorientarán en torno a las nuevas capacidades de inteligencia artificial (IA).  Una prueba decisiva para identificar su nivel de ciber resiliencia en el futuro inmediato es pensar/evaluar/ contestar las siguientes 3 preguntas.  1. Su IA (la que aplica en su organización)  ofrece visibilidad completa? La capacidad de observabilidad y resiliencia en TI/SI va más allá del monitoreo tradicional.  Se trata de aprovechar la IA para lograr una comprensión profunda y en tiempo real de todo el entorno de TI/SI.  Al analizar continuamente grandes flujos de registros, métricas y trazas de todos los sistemas, la IA puede ofrecer una visibilidad sin antecedentes conocidos del comportamiento y el rendimiento del sistema.  Esto permite identificar proactivamente anomalías, anticipar problemas de manera predictiva y optimizar los sistemas para lograr la máxima disponibilidad y confiabilidad.  Es l...

Qué son los benchmarks de LLM?

Image
 Qué son los benchmarks de LLM? Los benchmarks de modelos de lenguaje grande (LLM) son marcos estandarizados para evaluar el rendimiento de estos modelos. Estos benchmarks consisten en datos de muestra, un conjunto de preguntas o tareas para poner a prueba habilidades específicas de los LLM, métricas para evaluar el desempeño y un mecanismo de puntuación. Los modelos se evalúan según sus capacidades, como la codificación, el sentido común y el razonamiento.  Otras capacidades incluyen el procesamiento del lenguaje natural, como la traducción automática, la respuesta a preguntas y la generación de resúmenes de texto. Los benchmarks de LLM desempeñan un papel relevante en el desarrollo y mejora de los modelos. Estos muestran el progreso de un LLM a medida que aprende, con medidas cuantitativas que resaltan tanto los puntos fuertes como las áreas de mejora del modelo. Esto, a su vez, orienta el proceso de ajuste fino ( fine-tuning ), lo cual ayuda a investigadores y desarr...

Tu cerebro con ChatGPT: Acumulación de deuda cognitiva al utilizar un asistente de IA para la tarea de redacción de ensayos.

Image
Trabajo completo (Inglés) y resumen en Español.    Link: https://arxiv.org/pdf/2506.08872 Resumen: El documento presenta un estudio sobre los efectos cognitivos del uso de Modelos de Lenguaje Extensos (LLMs), como ChatGPT, para la redacción de ensayos, destacando las diferencias en el compromiso cognitivo y los resultados de aprendizaje entre los participantes que utilizaron LLMs, motores de búsqueda y métodos tradicionales basados únicamente en el cerebro. Costo Cognitivo del Uso de LLMs Este estudio investiga las implicaciones cognitivas del uso de LLMs en entornos educativos, con especial énfasis en la escritura de ensayos. Revela que la dependencia de los LLMs puede conducir a una disminución en el compromiso cognitivo y en las habilidades de pensamiento crítico con el tiempo. Los participantes se dividieron en tres grupos: LLM, Motor de Búsqueda y Solo Cerebro. El análisis de EEG mostró diferentes patrones de conectividad neuronal entre los grupos, siendo el g...

Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task . (Resume and the original / full paper)

Image
The link:  https://arxiv.org/pdf/2506.08872 Resume: The document presents a study on the cognitive effects of using Large Language Models (LLMs) like ChatGPT for essay writing, highlighting differences in cognitive engagement and learning outcomes among participants using LLMs, search engines, and traditional brain-only methods. Cognitive Cost of Using LLMs This study investigates the cognitive implications of using Large Language Models (LLMs) in educational settings, particularly focusing on essay writing. It reveals that reliance on LLMs may lead to decreased cognitive engagement and critical thinking skills over time. Participants were divided into three groups: LLM, Search Engine, and Brain-only. EEG analysis showed different neural connectivity patterns among the groups, with the Brain-only group exhibiting the strongest networks. LLM group participants demonstrated lower perceived ownership of their essays and reduced ability to quote from their work. In the fourth session, ...

AI - Cuadro comparativo entre modelos generalistas y modelos especializados

Image
  Resumen  Modelos Generalistas → "Sirven para todo, pero no siempre son los mejores en una tarea específica." Modelos Especializados → "Expertos en su área, pero limitados fuera de ese contexto." Continúe leyendo, para detalles.  Cuadro comparativo  entre modelos generalistas y modelos especializados , considerando también tamaños como el caso de los modelos de 8B o 70B: Característica Modelo Generalista Modelo Especializado Definición Modelo entrenado para una amplia variedad de tareas Modelo entrenado o ajustado para un dominio o tarea específica Ejemplos de Uso Generación de texto, traducción, conversación general, razonamiento Diagnóstico médico, generación de código, comprensión legal, atención al cliente Tamaño típico (parámetros) Varía de 7B a 175B o más (ej.: LLaMA 2 70B, GPT-4) Suele ser más compacto, 8B a 30B, pero optimizado para una tarea concreta Versatilidad Alta, puede adaptarse a múltiples contextos Baja fuera de su dominio especializado Re...