Hace dos años que OpenAI consiguió el efecto Coca-Cola con su producto estrella, ChatGPT. Pero el nuevo bombazo, que en este caso más bien sería el efecto Bruce Lee, lo han dado DeepSeek-R1 y Qwen 2.5, increíblemente baratos en su desarrollo y de código abierto. Ambos, made in China.

La gente común, que no pertenece a la comunidad de expertos en IA –los de verdad, no los del hype–, apenas conoce la existencia de otras IA, y mucho menos si son o no libres, de código abierto. Hace tiempo que existen alternativas a ChatGPT como Gemini, de Alphabet, que también es una corporación privada norteamericana. Y entre las IA de código abierto, la más usada es LLaMA (Large Language Model Meta AI), que ha servido de base al desarrollo de ALIA, la IA española de código abierto que acaba de estrenarse.

Con todo esto, China es hoy la indiscutible protagonista tecnológica en el mundo. Podría decirse que ha puesto pie en la Luna de la carrera por la IA.

DeepSeek ya se puede usar

DeepSeek-R1, con una interfaz gráfica muy similar a ChatGPT, ya se puede utilizar libremente desde su página web. Ahora serán los usuarios quienes decidan si se quedan o no, pero su atractivo parece irresistible: es gratis, y seguirá siendo gratis. ChatGPT no lo es si se usa con todas sus prestaciones, y Gemini dejará de serlo en cuanto pase su periodo de fidelización.

Pero lo más abrumador de la llegada de DeepSeek es que ha tumbado a un gigante. La salida a la calle del modelo chino ha provocado un desplome del precio del todopoderoso fabricante de chips NVIDIA de más del 16 % en el momento de escribir este artículo (cae en picado por minutos). NVIDIA ha perdido 700 000 millones de dólares en menos de 24 horas. Estamos ante la mayor pérdida de capitalización bursátil de la historia.

¿Por qué es tan barato DeepSeek? En primer lugar, sus desarrolladores han reducido enormemente el coste de entrenamiento del modelo en relación con su rendimiento.

Según la propia DeepSeek, han empleado 5,57 millones de dólares (5,33 millones de euros). Para que se entiendan estas cifras, este gasto supone menos de una décima parte del gasto del modelo de pago de la empresa irónicamente llamada OpenAI.

El entrenamiento, siempre según DeepSeek, ha durado 55 días, utilizando un conjunto de 2.048 unidades de procesadores gráficos H800 del fabricante de chips estadounidense NVIDIA, con 671 billones de parámetros. También hay versiones destiladas más pequeñas. De hecho se está replicando el entrenamiento completo de DeepSeek-R1 en Github, una plataforma de desarrollo colaborativo, lo que confirma que estamos ante una IA abierta y libre.

Además, este modelo también es diez veces más pequeño que los de OpenIA, lo que le hace mucho más rápido respondiendo a prompts (instrucciones). Pero la cosa no termina aquí.

Noticia completa: La mar de Onuba

Eduardo César Garrido Merchán es Profesor Colaborador Asistente, Departamento de Métodos Cuantitativos, Universidad Pontificia Comillas. Investigador de Inteligencia Artificial, IA socialmente justa y Profesor de Machine Learning y Estadística. Doctor Cum Laude en Ingeniería Informática y de Telecomunicación por el grupo de Aprendizaje Automático de la Universidad Autónoma de Madrid en su tesis doctoral sobre Optimización Bayesiana. Estudió en la Universidad Pontificia de Comillas, donde se graduó con premio extraordinario de su promoción en Ingeniería Informática. Master en Inteligencia Artificial por la Universidad Politécnica de Madrid con el Premio José Cuena. Investiga en nuevos métodos y aplicaciones de optimización Bayesiana y aprendizaje por refuerzo. Recientemente también investiga un enfoque justo de la IA y las redes sociales para mitigar la opresión de esta estructura tecnológica hacia colectivos vulnerables, ética de la IA para hacerla mas igualitaria y políticas internacionales para mitigar la creciente desigualdad tecnológica impuesta por la clase tecnoliberal.

El uso del aprendizaje profundo para mejorar la resolución y el análisis de las imágenes satelitales ha centrado la investigación doctoral que el ingeniero Christian Ayala Lauroba ha defendido en la Universidad Pública de Navarra (UPNA). La tesis ha estado dirigida por el catedrático de Ciencia de la Computación e Inteligencia Artificial e investigador del instituto ISC de la UPNA Mikel Galar Idoate. Se trata de una tesis elaborada en la modalidad de doctorado industrial desarrollada en Tracasa Instrumental.

Como explica el autor de la tesis, gracias al uso de la inteligencia artificial el análisis de grandes volúmenes de datos geoespaciales en la observación de la Tierra se ha vuelto más eficiente. Las aplicaciones del análisis de estos datos geoespaciales son múltiples, especialmente en el campo de la planificación urbana. “Mediante el uso de inteligencia artificial es posible modelar el impacto del desarrollo urbanístico, evaluar la disponibilidad de recursos para la población, prever el deterioro de infraestructuras como carreteras e identificar cambios en el uso del suelo, como la construcción de nuevos edificios. De esta forma, los planificadores urbanos pueden tomar decisiones más informadas y eficientes, respaldadas en datos precisos y actualizados”, indica.

Si bien esta tecnología facilita un proceso, el de creación de mapas, que antes era manual y laborioso, el inconveniente de las soluciones comerciales basadas en inteligencia artificial es que presentan escasas posibilidades de personalización y que son muy costosas, lo que las hacen inaccesibles a muchas personas. A esta necesidad responde la tesis doctoral defendida por el ingeniero Christian Ayala: se ha centrado en desarrollar técnicas avanzadas de inteligencia artificial utilizando datos abiertos y gratuitos proporcionadas por las misiones Sentinel del programa Copernicus de la Agencia Espacial Europea (ESA).

Como se ha indicado anteriormente, la investigación se ha llevado a cabo en Tracasa Instrumental, empresa donde se desarrolló esta tesis industrial, y sus modelos tienen aplicaciones prácticas concretas. “En particular, apoyan a expertos en la actualización de cartografía catastral al detectar automáticamente omisiones catastrales. Además, gracias a los modelos de superresolución diseñados en el marco de esta investigación, Tracasa Instrumental ha proporcionado a organismos públicos y autoridades de gestión de emergencias imágenes satelitales superresolucionadas de la zona de Valencia afectada por la DANA”, explica Chrístian Ayala.

Desarrollo de la investigación

El autor de la tesis explica que el usar datos del programa Copernicus presenta algunos retos. “En el contexto de la inteligencia artificial, la tarea de delinear edificios y carreteras se traduce en una tarea de segmentación semántica, que consiste en clasificar todos y cada uno de los pixeles de una imagen en una serie de clases predefinidas (en este caso concreto, edificio, carretera u otra cosa)”, explica. “Abordar dicha tarea con imágenes satelitales del programa Copernicus plantea desafíos específicos que no surgen al trabajar con imágenes de muy alta resolución (<1 m/píxel) como se hacía tradicionalmente”, detalla. Christian Ayala indica que, en este último caso, la alta calidad de las imágenes facilita la delimitación precisa de elementos urbanos, pero su elevado coste limita su uso en la actualización constante de mapas urbanos. “El principal desafío de trabajar con estos satélites abiertos es su resolución espacial de 10 m/píxel, que dificulta la detección precisa de elementos urbanos. A esta escala, varios objetos pueden compartir un mismo píxel, lo que complica la segmentación detallada de edificios y carreteras”, apunta. “Otro problema importante es la variabilidad espectral de las imágenes, influenciada por factores como la posición del sol, las condiciones atmosféricas y la estacionalidad. Esto dificulta la creación de conjuntos de datos que representen toda la diversidad posible de escenarios, lo que a su vez afecta la capacidad de los modelos para generalizar de manera robusta, independientemente de la ubicación geográfica o el momento de adquisición de las imágenes”, relata.

Finalmente, la diversidad en las resoluciones espaciales representa un desafío adicional para la evaluación y comparación de modelos. “Al cambiar la granularidad de las imágenes (es decir, la cantidad de píxeles que contienen), también cambia la población sobre la cual se calculan las métricas, lo que dificulta la comparabilidad directa de los resultados. Esta limitación complica responder a una de las preguntas más relevantes en el ámbito de la observación de la Tierra: ¿a qué resolución debe trabajarse para detectar un objeto X con una precisión Y?”, explica el autor de la tesis.

Por todo ello, el objetivo general de la tesis es estudiar, desarrollar y evaluar de manera justa modelos de segmentación semántica que utilicen datos con una resolución espacial limitada para abordar tareas que demandan un alto nivel de detalle, como la segmentación semántica de edificios y carreteras, aprovechando la disponibilidad de datos públicos y de libre acceso.

Breve CV de Christian Ayala

Christian Ayala Lauroba es ingeniero informático y experto en inteligencia artificial aplicada a la observación de la Tierra. Obtuvo su grado en Ingeniería Informática en 2018 y un máster en Ingeniería Informática en 2020, ambos por la UPNA.

Desde 2018, Christian trabaja como responsable técnico del departamento de innovación de Tracasa Instrumental. Además, es profesor asociado en la UPNA y colaborador activo en la comunidad científica, con múltiples publicaciones en revistas y conferencias internacionales sobre observación de la tierra e inteligencia artificial. Su trabajo le ha permitido obtener diversos reconocimientos a nivel internacional, incluyendo primeros puestos en competiciones de inteligencia artificial como el reto «AI4EO AI4FoodSecurity» de la Agencia Espacial Europea (ESA) o “Tropical Storm Wind Prediction” de la NASA.

Fuente: Universidad Pública de Navarra

El Complejo Hospitalario Universitario de Canarias (CHUC), adscrito a la Consejería de Sanidad del Gobierno de Canarias, y la Fundación Mémora organizaron una Jornada científica celebrada este pasado jueves (23 de enero), Inteligencia Artificial aplicada a la práctica clínica, en la que más de un centenar de profesionales abordaron los principales retos y beneficios de aplicar la inteligencia artificial en el ámbito sanitario.

La conferencia ‘La revolución de la Inteligencia Artificial y su impacto en Medicina’, del profesor en el Departamento de Ingeniería Informática y de Sistemas de la Universidad de La Laguna abrió este encuentro al que le siguió la ponencia ‘Principios bioéticos en la aplicación de la inteligencia artificial en el ámbito sanitario’ del profesor Emilio Sanz, catedrático de Farmacología Clínica en la Universidad de La La Laguna y jefe de servicio de esta especialidad en el centro hospitalario.

Noticia completa: Canal 4 Tenerife

La digitalización de la sociedad y del sistema productivo ha traído innumerables ventajas. Sin embargo, la incorporación masiva a la red no está exenta de peligros como los ciberataques, tal y como se ha puesto de manifiesto, hoy, en las I Jornadas en Ciberdefensa y Seguridad Nacional, celebradas hoy en la Universidad de Almería (UAL), donde han tomado parte investigadores, representantes de las fuerzas de seguridad, Fiscalía y empresas.

“Muchas empresas, por no poner en compromiso su imagen institucional, no denuncian estos delitos y no contamos con un número real de los ataques, pero sí sabemos que crecen exponencialmente”, ha explicado el organizador de esta cita, profesor de la UAL y reconocido experto en ciberseguridad, José Antonio Álvarez Bermejo.

“Hoy en día con un ordenador y un teclado se puede atacar a un estado, bloquear un hospital o intervenir las comunicaciones en un aeropuerto. Es un asunto serio y así lo entienden las administraciones y las Fuerzas y Cuerpos de Seguridad”. Como recomendación, Álvarez Bermejo advierte de que “el principal factor de riesgo es el teléfono móvil y confiar plenamente en la persona que te envía el documento o el archivo. Abrir un archivo de pdf una foto de X pueden ser un vector de ataque”.

Noticia completa: Novaciencia