Connect with us

Noticias

Anuncio de la disponibilidad de Azure OpenAI Data Zones y las últimas actualizaciones de Azure AI

Published

on

Resumiendo las nuevas capacidades de este mes en toda la cartera de IA de Azure que brindan mayores opciones y flexibilidad para crear y escalar soluciones de IA.

Más de 60.000 clientes, incluidos AT&T, H&R Block, Volvo, Grammarly, Harvey, Leya y más, aprovechan Microsoft Azure AI para impulsar la transformación de la IA. Estamos entusiasmados de ver la creciente adopción de la IA en industrias y empresas grandes y pequeñas. Este blog resume las nuevas capacidades del portafolio de IA de Azure que brindan mayores opciones y flexibilidad para crear y escalar soluciones de IA. Las actualizaciones clave incluyen:

Zonas de datos de Azure OpenAI para Estados Unidos y la Unión Europea

Estamos encantados de anunciar Azure OpenAI Data Zones, una nueva opción de implementación que brinda a las empresas aún más flexibilidad y control sobre sus necesidades de residencia y privacidad de datos. Las zonas de datos, diseñadas para organizaciones en los Estados Unidos y la Unión Europea, permiten a los clientes procesar y almacenar sus datos dentro de límites geográficos específicos, lo que garantiza el cumplimiento de los requisitos regionales de residencia de datos y al mismo tiempo mantiene un rendimiento óptimo. Al abarcar múltiples regiones dentro de estas áreas, las zonas de datos ofrecen un equilibrio entre la rentabilidad de las implementaciones globales y el control de las implementaciones regionales, lo que facilita a las empresas la gestión de sus aplicaciones de IA sin sacrificar la seguridad o la velocidad.

Esta nueva característica simplifica la tarea, a menudo compleja, de administrar la residencia de datos al ofrecer una solución que permite un mayor rendimiento y un acceso más rápido a los últimos modelos de IA, incluida la innovación más reciente del servicio Azure OpenAI. Las empresas ahora pueden aprovechar la sólida infraestructura de Azure para escalar de forma segura sus soluciones de IA y al mismo tiempo cumplir con los estrictos requisitos de residencia de datos. Data Zones está disponible para Estándar (PayGo) y próximamente para Aprovisionado.

interfaz gráfica de usuario, aplicación

Actualizaciones del servicio Azure OpenAI

A principios de este mes, anunciamos la disponibilidad general de Azure OpenAI Batch API para implementaciones globales. Con Azure OpenAI Batch API, los desarrolladores pueden administrar tareas de procesamiento a gran escala y de gran volumen de manera más eficiente con cuotas separadas, un tiempo de respuesta de 24 horas y un costo un 50 % menor que Standard Global. Ontada, una entidad dentro de McKesson, ya está aprovechando Batch API para procesar un gran volumen de datos de pacientes en centros de oncología de Estados Unidos de manera eficiente y rentable.

”Ontada se encuentra en una posición única para brindar servicios a proveedores, pacientes y socios de ciencias biológicas con conocimientos basados ​​en datos. Aprovechamos la API Azure OpenAI Batch para procesar decenas de millones de documentos no estructurados de manera eficiente, mejorando nuestra capacidad de extraer información clínica valiosa. Lo que habría llevado meses procesar ahora tarda sólo una semana. Esto mejora significativamente la práctica de la medicina basada en evidencia y acelera la I+D de productos de ciencias biológicas. Al asociarnos con Microsoft, estamos avanzando en la investigación oncológica impulsada por la IA, con el objetivo de lograr avances en la atención personalizada del cáncer y el desarrollo de fármacos”. — Sagran Moodley, director de innovación y tecnología, Ontada

También habilitamos el almacenamiento en caché rápido para los modelos o1-preview, o1-mini, GPT-4o y GPT-4o-mini en el servicio Azure OpenAI. Con Prompt Caching, los desarrolladores pueden optimizar los costos y la latencia al reutilizar tokens de entrada vistos recientemente. Esta característica es particularmente útil para aplicaciones que usan el mismo contexto repetidamente, como la edición de código o largas conversaciones con chatbots. Prompt Caching ofrece un descuento del 50 % en tokens de entrada almacenados en caché en la oferta estándar y tiempos de procesamiento más rápidos.

Para la oferta de implementación global aprovisionada, estamos reduciendo la cantidad de implementación inicial para los modelos GPT-4o a 15 unidades de rendimiento aprovisionadas (PTU) con incrementos adicionales de 5 PTU. También estamos reduciendo el precio de Provisioned Global Hourly en un 50 % para ampliar el acceso al servicio Azure OpenAI. Obtenga más información aquí sobre la gestión de costos para implementaciones de IA.

Además, estamos introduciendo un acuerdo de nivel de servicio (SLA) de latencia del 99 % para la generación de tokens. Este SLA de latencia garantiza que los tokens se generen a velocidades más rápidas y consistentes, especialmente en grandes volúmenes.

Nuevos modelos y personalización.

Seguimos ampliando la elección de modelos con la incorporación de nuevos modelos al catálogo de modelos. Tenemos varios modelos nuevos disponibles este mes, incluidos modelos de la industria sanitaria y modelos de Mistral y Cohere. También anunciamos capacidades de personalización para la familia de modelos Phi-3.5.

  • Modelos de la industria de la salud, que comprenden modelos avanzados de imágenes médicas multimodales, incluidos MedImageInsight para análisis de imágenes, MedImageParse para segmentación de imágenes en modalidades de imágenes y CXRReportGen. que pueden generar informes estructurados detallados. Desarrollados en colaboración con Microsoft Research y socios de la industria, estos modelos están diseñados para que las organizaciones de atención médica los ajusten y personalicen para satisfacer necesidades específicas, reduciendo los requisitos computacionales y de datos que normalmente se necesitan para construir dichos modelos desde cero. Explore hoy en el catálogo de modelos de Azure AI.
  • Ministral 3B de Mistral AI: Ministral 3B representa un avance significativo en la categoría sub-10B, centrándose en el conocimiento, el razonamiento de sentido común, la llamada de funciones y la eficiencia. Con soporte para una longitud de contexto de hasta 128k, estos modelos están diseñados para una amplia gama de aplicaciones, desde la orquestación de flujos de trabajo agentes hasta el desarrollo de trabajadores de tareas especializados. Cuando se utiliza junto con modelos de lenguaje más grandes como Mistral Large, Ministral 3B puede servir como intermediario eficiente para la llamada de funciones en flujos de trabajo agentes de varios pasos.
  • Cohere Insertar 3: Embed 3, el modelo de búsqueda de IA de Cohere líder en la industria, ahora está disponible en el catálogo de modelos de IA de Azure, ¡y es multimodal! Con la capacidad de generar incrustaciones de texto e imágenes, Embed 3 ofrece un valor significativo para las empresas al permitirles buscar y analizar sus grandes cantidades de datos, sin importar el formato. Esta actualización posiciona a Embed 3 como el modelo de integración multimodal más potente y capaz del mercado, transformando la forma en que las empresas buscan en activos complejos como informes, catálogos de productos y archivos de diseño.
  • Ajuste de la disponibilidad general para la familia Phi 3.5, incluidos Phi-3.5-mini y Phi-3.5-MoE. Los modelos de la familia Phi son muy adecuados para la personalización con el fin de mejorar el rendimiento del modelo base en una variedad de escenarios, incluido el aprendizaje de una nueva habilidad o tarea o la mejora de la coherencia y la calidad de la respuesta. Dada su pequeña huella informática, así como su compatibilidad con la nube y el borde, los modelos Phi-3.5 ofrecen una alternativa rentable y sostenible en comparación con modelos del mismo tamaño o del siguiente tamaño. Ya estamos viendo la adopción de la familia Phi-3.5 para casos de uso que incluyen razonamiento de vanguardia, así como escenarios no conectados. Los desarrolladores pueden perfeccionar Phi-3.5-mini y Phi-3.5-MoE hoy a través del modelo como plataforma que ofrece y utiliza un punto final sin servidor.
interfaz gráfica de usuario

Desarrollo de aplicaciones de IA

Estamos construyendo Azure AI para que sea una plataforma modular abierta, de modo que los desarrolladores puedan pasar rápidamente de la idea al código y a la nube. Los desarrolladores ahora pueden explorar y acceder a los modelos de Azure AI directamente a través de GitHub Marketplace a través de la API de inferencia de modelos de Azure AI. Los desarrolladores pueden probar diferentes modelos y comparar el rendimiento de los modelos en el campo de juego de forma gratuita (se aplican límites de uso) y, cuando estén listos para personalizarlos e implementarlos, los desarrolladores pueden configurar e iniciar sesión sin problemas en su cuenta de Azure para escalar desde el uso gratuito de tokens hasta puntos finales pagos con nivel empresarial. seguridad y monitoreo sin cambiar nada más en el código.

También anunciamos plantillas de aplicaciones de IA para acelerar el desarrollo de aplicaciones de IA. Los desarrolladores pueden usar estas plantillas en GitHub Codespaces, VS Code y Visual Studio. Las plantillas ofrecen flexibilidad con varios modelos, marcos, lenguajes y soluciones de proveedores como Arize, LangChain, LlamaIndex y Pinecone. Los desarrolladores pueden implementar aplicaciones completas o comenzar con componentes, aprovisionando recursos en Azure y servicios de socios.

Nuestra misión es capacitar a todos los desarrolladores de todo el mundo para que construyan con IA. Con estas actualizaciones, los desarrolladores pueden comenzar rápidamente en su entorno preferido, elegir la opción de implementación que mejor se adapte a sus necesidades y escalar las soluciones de IA con confianza.

Nuevas funciones para crear aplicaciones de IA seguras y listas para la empresa

En Microsoft, nos centramos en ayudar a los clientes a utilizar y crear una IA que sea confiable, es decir, una IA que sea segura y privada. Hoy, me complace compartir dos nuevas capacidades para crear y escalar soluciones de IA con confianza.

El catálogo de modelos de Azure AI ofrece más de 1700 modelos para que los desarrolladores exploren, evalúen, personalicen e implementen. Si bien esta amplia selección potencia la innovación y la flexibilidad, también puede presentar desafíos importantes para las empresas que desean garantizar que todos los modelos implementados se alineen con sus políticas internas, estándares de seguridad y requisitos de cumplimiento. Ahora, los administradores de Azure AI pueden usar políticas de Azure para aprobar previamente modelos seleccionados para su implementación desde el catálogo de modelos de Azure AI, simplificando los procesos de gobernanza y selección de modelos. Esto incluye políticas prediseñadas para implementaciones de modelos como servicio (MaaS) y modelos como plataforma (MaaP), mientras que una guía detallada facilita la creación de políticas personalizadas para el servicio Azure OpenAI y otros servicios de IA. Juntas, estas políticas brindan cobertura completa para crear una lista de modelos permitidos y aplicarla en Azure Machine Learning y Azure AI Studio.

Para personalizar modelos y aplicaciones, es posible que los desarrolladores necesiten acceso a recursos ubicados localmente, o incluso a recursos que no son compatibles con puntos de conexión privados pero que aún se encuentran en su red virtual de Azure (VNET) personalizada. Application Gateway es un equilibrador de carga que toma decisiones de enrutamiento en función de la URL de una solicitud HTTPS. Application Gateway admitirá una conexión privada desde la VNET administrada a cualquier recurso mediante el protocolo HTTP o HTTP. Hoy en día, se ha verificado que admite una conexión privada a Jfrog Artifactory, Snowflake Database y API privadas. Con Application Gateway en Azure Machine Learning y Azure AI Studio, ahora disponibles en versión preliminar pública, los desarrolladores pueden acceder a recursos VNET locales o personalizados para sus escenarios de capacitación, ajuste e inferencia sin comprometer su postura de seguridad.

Comience hoy con Azure AI

Han sido seis meses increíbles aquí en Azure AI, brindando innovación en IA de última generación, viendo a los desarrolladores crear experiencias transformadoras utilizando nuestras herramientas y aprendiendo de nuestros clientes y socios. Estoy emocionado por lo que viene después. Únase a nosotros en Microsoft Ignite 2024 para conocer las últimas novedades de Azure AI.

Recursos adicionales:

Continue Reading
Click to comment

Leave a Reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Noticias

Las imágenes de estilo viral de Chatgpt, al estilo de Ghibli, resaltan las preocupaciones de derechos de autor de IA | Noticias

Published

on

LOS ÁNGELES – Los fanáticos del estudio Ghibli, el famoso estudio de animación japonés detrás de “Spirited Away” y otras películas queridas, se encantaron esta semana cuando una nueva versión de ChatGPT les permitió transformar los populares memes de Internet o fotos personales en el estilo distintivo del fundador de Ghibli, Hayao Miyazaki.

Pero la tendencia también destacó las preocupaciones éticas sobre las herramientas de inteligencia artificial entrenadas en obras creativas con derechos de autor y lo que eso significa para los medios de vida futuros de los artistas humanos. Miyazaki, de 84 años, conocido por su enfoque dibujado a mano y su narración caprichosa, ha expresado escepticismo sobre el papel de AI en la animación.

Esta página requiere JavaScript.

Se requiere JavaScript para que pueda leer contenido premium. Por favor, habilítelo en la configuración de su navegador.

Kamy2? F 😕 86DH2C2? H2D? ‘E E9 😕 <:? 8> F49 23@Fe E92e H96? 96 fa =@2565 2 a9@e@@7 9: d b \ j62c \@= 5 c285@== 42e[ 6:893@C %@E@C@” @C “z:<:’D s6=:G6CJ $6CG:46]”K^am

Kam “x C62 == J 76 == 😕 =@G6 H: E9 E96 C6DF = E[” D2:5 :?86DH2C2?[ 2? 6?EC6AC6?6FC H9@ =:G6D ?62C p2496?[ v6C>2?J] “(6’C6 E9 😕 <:? 8 @7 AC :? E :? 8: E @fe 2? 5 92? 8 :? 8: E @? E96 H2 ==]" K^am

Kam $:>: = 2C C6DF = ed 82g6 E96 V9: 3 =: DeJ = 6 E@: 4@ ?: 4:> 286d[ DF49 2D E96 42DF2= =@@< @7 %FC<:D9 A:DE@= D9@@E6C *FDF7 s:<64 😕 2 %\D9:CE 2?5 @?6 92?5 😕 9:D A@4<6E @? 9:D H2J E@ H:??:?8 2 D:=G6C >652= 2E E96 a_ac ~=J>A:4D] ~ C E96 72> 65 “S: D2DE6C V: C =”> 6> 6@7 2 C \ J62C \@= 5 EFC ?:? 8 E@E96 42> 6C2 H: E9 2 D =: 89E D>: = 6 2D 2 9@FD6 7: C6 C286D 😕 E96 324 <8c@f? 5]K^am

kamr92ev!%> 2 <6c ~ a6? PX[ H9:49 :D 7:89E:?8 4@AJC:89E =2HDF:ED @G6C :ED 7=28D9:A 492E3@E[ 92D =2C86=J 6?4@FC2865 E96 “v9:3=:7:42E:@?” 6IA6C:>6?ED 2?5 :ED rt~ $2> p=E>2? 492?865 9:D AC@7:=6 @? D@4:2= >65:2 A=2E7@C> ) :?E@ 2 v9:3=:\DEJ=6 A@CEC2:E] ¿incógnita? 2 E649?: 42 = A2A6C A@DE65 %F6D52J[ E96 4@>A2?J 925 D2:5 E96 ?6H E@@= H@F=5 36 E2<:?8 2 “4@?D6CG2E:G6 2AAC@249” :? E96 H2J :E >:>:4D E96 26DE96E:4D @7 :?5:G:5F2= 2CE:DED]K^am

Kam “(6 25565 2 C67FD2 = H9: 49 EC: 886CD H96? 2 FD6C 2EE6> AED E @ 86? 6C2E6 2?:> 286 😕 E96 DEJ = 6 @ 7 2 =: G 😕 8 2CE: DE DE[” :E D2:5] QFE E96 4@> A2? J 25565 😕 2 DE2E6> 6? E E92E: E “A6C>: Ed 3C@256C def5:@deJ = 6d – H9: 49 a6@a = 6 92g6 fd65 e@86? 6c2e6 2? 5 d92c6 d@> 6 ecf = j 56 =: 89E7f = 2? 5:? Da: c65 @c: 8? 4C62E:@? D]”K^am

Kam $ EF5:@ V9: 3 = ::? Y2A2? 564 = 😕 65 E@ 4@ >> 6? E UC: 52J]K^am

kampd fd6cd a @de65 e96: c v9: 3 =: \ dej = 6:> 286d @? D@4: 2 => 65: 2[ @H[ E9:?<:?8 @7 9:>[ x 42?’E H2E49 E9:D DEF77 2?5 7:?5 :E :?E6C6DE:?8] (9@ 6G6C 4C62E6D E9: D DEF77 92D?@: 562 H92E A2 ❓ D]”K^am

KAMW6 D2: 5 96 H@F = 5 “? 6G6C H: D9 E@:? 4@CA@C2E6 E9: D E649?@=@8J 😕 E@> JH@C <2e 2 ==]” K^am

kam “x dec@? 8 = J 766 = E92e E9: D: D 2? 😕 Df = ee@ =: 76: ed6 = 7[” 96 25565]K^am

Kamy@D9 (6: 86? D36C8[ 2 A2CE?6C 2E E96 =2H 7:C> !CJ@C r2D9>2?[ D2:5 E92E @?6 BF6DE:@? E96 v9:3=:\DEJ=6 px 2CE C2:D6D 😀 H96E96C E96 px >@56= H2D EC2:?65 @? |:J2K2<: @C $EF5:@ v9:3=:’D H@C<] %92E 😕 EFC? “C2: D6D E96 BF6DE: @? @7[ ‘(6==[ 5@ E96J 92G6 2 =:46?D6 @C A6C>:DD:@? E@ 5@ E92E EC2:?:?8 @C ?@En’” 96 D2:5]K^am

Kam ~ A6? PX 5: 5? ‘E C6DA@? 5 E@2 BF6DE:@? %9FCD52J 23@FE H96E96C: E 925 2 =: 46? D6]K^AM

Kam (6: 86? D36C8 25565 E92E: 7 2 H@C a6? D2e:@?[ 96 D2:5[ :E 4@F=5 36 “AC@3=6>2E:4]”K^am

Kam (6: 86? D36C8 D2: 5 E92E E96C6: D 2 86? 6C2 = AC 😕 4: A = 6 “2e E96 B_[___\7@@E G:6H” E92E “DEJ=6” 😀 ?@E 4@AJC:89E23=6] qfe d@> 6e:> 6d[ 96 D2:5[ H92E A6@A=6 2C6 24EF2==J E9:?<:?8 @7 H96? E96J D2J “DEJ=6” 4@F=5 36 “>@C6 DA64:7:4[ 5:D46C?:3=6[ 5:D4C6E6 6=6>6?ED @7 2 H@C< @7 2CE[” 96 D2:5]K^am

Kam “P ‘w@h =’ d | @g 😕 8 r2de = 6 ‘@c’ $ a: c: e65 ph2j[’ J@F 4@F=5 7C66K6 2 7C2>6 😕 2?J @7 E9@D6 7:=>D 2?5 A@:?E E@ DA64:7:4 E9:?8D[ 2?5 E96? =@@< 2E E96 @FEAFE @7 86?6C2E:G6 px 2?5 D66 :56?E:42= 6=6>6?ED @C DF3DE2?E:2==J D:>:=2C 6=6>6?ED 😕 E92E @FEAFE[” 96 D2:5] “Yfde de@aa 😕 8 2e[ ‘~9[ H6==[ DEJ=6 :D?’E AC@E64E23=6 F?56C 4@AJC:89E =2H]’ %92e’d? @E? 646dd2c: = j e96 6? 5 @7 e96 😕 bf: cj]”k^am

Kampce: DE Z2C = 2 ~ CE: K[ H9@ 8C6H FA H2E49:?8 |:J2K2<:’D >@G:6D 2?5 😀 DF:?8 @E96C px :>286 86?6C2E@CD 7@C 4@AJC:89E :?7C:?86>6?E 😕 2 42D6 E92E’D DE:== A6?5:?8[ 42==65 :E “2?@E96C 4=62C 6I2>A=6 @7 9@H 4@>A2?:6D =:<6 ~A6?px ;FDE 5@ ?@E 42C6 23@FE E96 H@C< @7 2CE:DED 2?5 E96 =:G6=:9@@5D @7 2CE:DED]”K^am

Kam “%92e’d fd 😕 8 V9: 3 =: ‘D 3C2? 5 😕 8[ E96:C ?2>6[ E96:C H@C<[ E96:C C6AFE2E:@?[ E@ AC@>@E6 W~A6?pxX AC@5F4ED[” ~CE:K D2:5] “Xe’d 2? 😕 df = e]xe’d 6ia =@: e2e:@?]” K^am

Kam ~ CE: K H2D 7FCE96C 6? C2865 H96? ! C6d: 56? E s@? 2 = 5 %cf> a’d 25>: ?: dec2e:@? ; F> A65 😕 E@ E96> 6> 6 EC6? 5 %9FCD52J[ FD:?8 E96 (9:E6 w@FD6’D @77:4:2= ) 244@F?E E@ A@DE 2 v9:3=:\DEJ=6 :>286 @7 2 H66A:?8 H@>2? 7C@> E96 s@>:?:42? #6AF3=:4 C646?E=J 2CC6DE65 3J &]$]: >>: 8c2e:@? 286? Ed]%96 (9: e6 w@fd6 2? 5 ~ a6? Px 5: 5? ‘E: >> 65: 2e6 = j c6da@? 5 e@c6bf6ded 7@c 4@>> 6? E@? 9@h e96:> 286 h2d> 256]k^am am am am

kam “%@ d66 d@> 6e9 😕 8 d@ 3c: ==: 2? E[ 2D H@?56C7F= 2D |:J2K2<:’D H@C< 36 3FE496C65 E@ 86?6C2E6 D@>6E9:?8 D@ 7@F=[” ~CE:K HC@E6 @? D@4:2= >65:2[ 255:?8 E92E D96 9@A65 $EF5:@ v9:3=: DF6D “E96 96== @FE @7” ~A6?px 7@C E9:D]K^am

Continue Reading

Noticias

Cómo Project Gemini cambió de vuelo espacial

Published

on

Hace sesenta años, una flota de pequeñas naves espaciales elegantes allanó el camino para que Estados Unidos aterrizara a un hombre en la luna. Project Gemini fue una serie de misiones de dos hombres y orbitales que fueron pioneros en cita, acoplamiento y maniobras en el espacio, así como el sauce espacial, todos los cuales tuvieron que ser perfeccionados antes de que hubiera ninguna posibilidad de viajar a la luna.

Creando Géminis

Project Mercury, el primer programa espacial humano de Estados Unidos, tenía sistemas que estaban en gran medida automatizados. Géminis era diferente, por primera vez poniendo a los pilotos en control.

Menos dependiente de la electrónica propensa a fallas, Gemini era más simple de volar, realmente una nave espacial de un piloto. También era pequeño, dando a sus ocupantes un escaso 80 pies cúbicos (2.27 metros cúbicos) de espacio presurizado para misiones de varios días. El astronauta John Young lo comparó con sentarse de lado en una cabina telefónica. Esa compacidad le valió el apodo Gusmobile, después de que el comandante de Géminis 3 Virgil “Gus” Grissom, cuya diminuta estatura de 5 pies (1.7 m) lo convirtió en el único astronauta que podía caber en la cabina y cerrar la escotilla sin golpear su cabeza. Esto resultó problemático para el Tom Stafford de 6 pies de altura (1.8 m), que pilotó a Gemini 6. Stafford finalmente persuadió a los ingenieros para que eliminaran el aislamiento dentro de la escotilla, produciendo un ligero bulto que podría acomodar astronautas más altos.

Stafford también presionó para controladores de doble mano para comandantes y pilotos para realizar maniobras. La influencia de los astronautas en el control de estas minucias del diseño operativo de Géminis fue “mucho más allá … el piloto de prueba normal en la determinación de lo que se haría y cuándo”, escriba Barton Hacker y James Grimwood en la historia oficial de Gemini del proyecto de la NASA, Sobre los hombros de los titanes.

Prepararse para volar Géminis también significaba un intenso horario de entrenamiento. “Los días parecían tener 48 horas, las semanas 14 días y aún así nunca hubo suficiente tiempo”, dijo Grissom a un entrevistador. “Vimos a nuestras familias lo suficiente como para asegurar a nuestros jóvenes que todavía tenían padres”.

De los 16 hombres que volaron las 12 misiones de Géminis entre marzo de 1965 y noviembre de 1966, todos menos cinco más tarde visitaron la luna y seis caminaron sobre su superficie. La mayoría eran pilotos de prueba, un tercio sostenido títulos de maestría, y Buzz Aldrin de Gemini 12 tenía un doctorado.

Sus conjuntos de habilidades eclécticas los atrajeron como polillas a la llama fascinante de las demandas de misión únicas de Géminis. Ed White, Dave Scott y Gene Cernan Drew Spacewalk Tarsments. Frank Borman comandó el vuelo Gemini 7 de larga duración. Y Wally Schirra, junto con Stafford, ganó asientos en Gemini 6, el primer scentezvous.

Reunión en órbita

Una cita es un intrincado ballet de mecánica celestial para unir dos naves espaciales en diferentes planos orbitales. Era esencial para Project Apollo, cuando el módulo lunar, (lm) ascendiendo desde la superficie de la luna, se atracaba hasta el módulo de comando/servicio de órbita (CSM). Si surgieron emergencias, Rendezvous tenía que suceder rápidamente. Y Géminis dominaría su arte por primera vez.

Pero los esfuerzos de los primeros equipos de Géminis para mantener la estación con las etapas superiores descartadas de sus cohetes Titan II en órbita arrojaron resultados mixtos. Los astronautas lucharon por juzgar distancias solo por vista. Las luces de seguimiento eran difíciles de ver contra el resplandor de la Tierra. En junio de 1965, cuando el comandante de Gemini 4, Jim McDivitt, maniobró hacia su objetivo, estaba perplejo cuando el refuerzo lentamente caída parecía alejarse de él.

Fue una lección importante: agregar velocidad eleva la altitud, que llevó a Géminis a una órbita más alta que el objetivo. Pero paradójicamente, también les hizo caer detrás del objetivo a medida que su período orbital (una función directa de su distancia desde el centro de gravedad de la Tierra) también aumentó. Para obtener una cita, los astronautas tuvieron que caer a una órbita más baja, avanzar al objetivo y luego volver a subir para cumplirlo.

Para los pilotos acostumbrados a volar en formaciones estrictas con aviones a reacción, fue contra el grano de su experiencia profesional. “Es algo difícil de aprender”, escribió el astronauta Deke Slayton en sus memorias, Repentir con“Dado que es un poco atrasado de cualquier cosa que conoces como piloto”.

Los planes para que Géminis 5 se ponga en cita con una pequeña cápsula desplegable en agosto de 1965 fueron frustrados por una falla de pila de combustible. Pero Gordon Cooper y Charles “Pete” Conrad simularon esta reunión con una cita “fantasma”, en su lugar, maniobrando con éxito su barco en el mismo plano orbital que su objetivo imaginario.

La primera cita verdadera debía ser realizada por Gemini 6 en octubre de 1965, pero casi no sucedió. La nave espacial Target Agena-D de la misión, destinada a lanzarse antes de la cápsula de los astronautas, explotó poco después del lanzamiento. En cambio, la NASA decidió volar Géminis 6 junto con Géminis 7, usando este último como la nave espacial objetivo. En diciembre de 1965, Schirra y Stafford maniobraron triunfalmente Géminis 6 en 12 pulgadas (30 centímetros) de Géminis 7 y mantuvieron ese puesto durante cinco horas. La nave estaba tan cerca que las dos tripulaciones podían saludarse entre sí.

Schirra informó que Gemini manejó con crisis y precisamente, lo que le permitió hacer entradas de velocidad de solo 1.2 pulgadas por segundo (3 cm/s), lo suficientemente bueno para un acoplamiento de cita y física controlada. Pero fue muy implacable de los errores en términos de tiempo y desperdicio de propulsores.

La computadora Mark One Cranium

Aunque los astronautas de Géminis utilizaron una combinación de radar, plataformas de orientación inercial y computadoras para ayudarlos, los hombres siguieron siendo parte de la ecuación. Durante la cita de Gemini 6, Stafford empleó una regla de diapositivas circular y traza de trazado para verificar los datos de radar.

En marzo de 1966, Neil Armstrong de Géminis 8 y Dave Scott se encontraron y atracaron con un Agena-D por primera vez sin incidentes. Pero pronto, un cortocircuito de propulsores arrojó la nave espacial combinada a un rollo incontrolable que alcanzó su punto máximo a 60 revoluciones por minuto. Solo las acciones rápidas de los astronautas que activan los retrorockets de Géminis detuvieron el rollo y le salvaron la vida, pero su misión planeada de tres días fue abortada después de solo 10 horas.

“Con nuestra visión comenzando a difuminar, localizar el interruptor correcto no fue simple”, escribió Scott en sus memorias, Dos lados de la luna. “Neil sabía exactamente dónde estaba ese interruptor sin tener que verlo. Alcanzar sobre su cabeza … al mismo tiempo lidiar con el controlador de mano … fue una hazaña extraordinaria”.

En julio de 1966, John Young y Mike Collins utilizaron una memoria de computadora ampliada y un sextante portátil para calcular maniobras independientemente del control de la misión de la NASA durante Géminis 10. Cuando una falla de una computadora casi les hizo perder su objetivo Agena-D, Young tomó el control manual e hizo una cita exitosa y acoplamiento. “Realmente tuvieron que entrar en la mirada”, escribió un admirador Slayton.

Poco después, Géminis 11 en septiembre de 1966 logró un acoplamiento de Agena-D en su primera órbita, 85 minutos después del lanzamiento, simulando una cita de emergencia entre un Apolo LM y CSM. Los astronautas también aumentaron su órbita a 850 millas (1,370 km) sobre la Tierra, la altitud más alta de cualquier misión tripulada no lunar hasta Polaris Dawn en septiembre de 2024.

Finalmente, en Géminis 12 en noviembre de 1966, una insuficiencia de radar obligó a Jim Lovell y Buzz Aldrin a también ceñirse manualmente con su Agena-D. Cuando Lovell voló en la nave, Aldrin estalló en los gráficos y examinó las líneas de datos muy espaciadas, acercando a Gemini al demostrar una vez más el valor del cerebro humano, la “computadora de cráneo”, a las complejas operaciones de vuelo espacial.

Tocando

A pesar de los hipo mientras probaban piñones y atractivos, los astronautas de Géminis siempre regresaban a la Tierra. La computadora de la nave espacial podría predecir el punto de salpicaduras de fin de misión, permitiendo al comandante dirigirse hacia el objetivo en el océano. Aunque los datos incorrectos del túnel de viento provocaron que dos misiones estuvieran por debajo de su punto previsto, los vuelos posteriores salpicaron impresionantemente cerca del objetivo. En particular, Géminis 9 en junio de 1966 aterrizó a solo 2,300 pies (700 m) de su lugar previsto, tan cerca que los astronautas ofrecieron señales de pulgares a la tripulación del barco de recuperación.

El ritmo del Proyecto Géminis fue igualado solo por el fervor de la nación para lograr botas en la luna en 1970. “Nos habíamos estado corriendo con adrenalina”, escribió Dave Scott sobre su experiencia de Gemini 8, una frase adecuada que podría aplicarse bien a todo el programa: un esfuerzo que no solo trajo a Estados Unidos a un aterrizaje lunar, sino también demostró la concentración de la concentración de la concentración de la astronautación en el rendimiento.

Continue Reading

Noticias

AI para el diseño de interiores: cómo utilicé chatgpt para elegir el color de pintura perfecto

Published

on

Si está pensando en redecorar su hogar, el nuevo generador de imágenes de ChatGPT es una forma fantástica de dar vida a sus ideas, especialmente cuando se trata de elegir pintura.

ChatGPT puede atraer colores de toda la web, desde Benjamin Moore y Sherwin-Williams hasta nuevas marcas como Clare, para mostrarle cómo se verían en su habitación. Es como poner las muestras de pintura y el tablero de Pinterest en una licuadora.

No me malinterpreten, me encanta obsesionarme con las opciones de pintura y navegar por los “colores del año”, pero la IA puede ayudar a enfocar sus esfuerzos y desarrollar sus ideas más rápido. Así es como lo hice.


¿Cuántas opciones ‘blancas’ puede haber realmente?

El nuevo generador de imágenes de ChatGPT está abierto a usuarios gratuitos, pero utilicé una cuenta más de $ 20 por mes y el modelo “GPT-4O”. (Otros generadores de imágenes de IA ofrecen características similares).

Comenzando con lo básico, le pedí a ChatGPT que creara una habitación con los dos colores neutros que estaba considerando para los adornos, las paredes y el techo: Sherwin Williams “Alabaster” y Sherwin-Williams “cremosa”. Le pedí que pusiera alabastro en el borde y el techo, y cremosa en las paredes. No le envié los enlaces ni especificé los códigos de color únicos; Los sacó por su cuenta de la web y creó esta imagen.

(Crédito: CHATGPT)

“Obtendrás un Contrast suave Eso se ve intencional y elegante, no demasiado agudo, pero aún pulido “, dice Chatgpt.” Es perfecto para interiores clásicos, de transición o de estilo cabañas “.

Si aún no ha elegido sus colores, ChatGPT también puede ofrecer sugerencias. Mencionó que la “villa griega” de Sherwin-Williams podría ser una alternativa. Los tres son colores blancos populares en este momento.

¿Cómo elegiría? Le pedí a ChatGPT que me diera más información sobre por qué hay tantas opciones de color blanco y cómo elegir entre ellas. Sintetizó información de blogs y sitios web y explicó el llamado valor reflexivo de luz, o LRV, de cada uno. Esto me ayudó a descartar villa griega, que es técnicamente más blanco que los otros dos, así que me sentí seguro de mis elecciones originales.

LRV para blancos

(Crédito: CHATGPT)


Mezcla de mezcla: ideas de paleta de colores

Pasando los blancos y hacia los colores, le envié a Chatgpt la paleta completa de lo que estaba considerando ordenar a Samplize, una compañía que fabrica réplicas de pegatinas de colores de pintura específicos. Copié y pegé una captura de pantalla de mi carrito en la ventana de chat y solicité ideas combinadas.

“Tienes un Hermoso y terrenal romántico Paleta aquí: neutros cálidos, verduras apagadas, rosas suaves y un azul malhumorado “, me dijo.” Hay toneladas de formas versátiles de agruparlosdependiendo del estado de ánimo que desee en cada habitación. Aquí hay algunas ideas “.

ChatGPT puede ser un poco un hombre “sí” (wo), lo que lleva a un redditor a tener en cuenta que podría ser también lindo. Tal vez sea la luz de la luna como un representante de ventas de muestras, pero lo tomaré.

paleta de colores

(Crédito: CHATGPT)

¡Obtenga nuestras mejores historias!


Ícono del boletín


¿Qué hay de nuevo ahora?

Matricularse en ¿Qué hay de nuevo ahora?su dosis diaria de las últimas noticias tecnológicas, los mejores productos nuevos y los consejos expertos de los editores de PCMAG.

Al hacer clic en Registrarme, confirma que tiene más de 16 años y acepta nuestros Términos de uso y Política de privacidad.

¡Gracias por registrarse!

Su suscripción ha sido confirmada. ¡Esté atento a su bandeja de entrada!

Sugirió combinaciones de colores para todas las áreas de la casa, como una oficina, cocina y baño. Llamó a su idea de la oficina como un “retiro terroso”, con blanco y verde sabio. Intrigado por esa opción, le pedí que “se burle del #3, el retiro terroso”. Tenga en cuenta que puede mantener la conversación incluso con respuestas muy cortas como esta. La agonización sobre la elaboración del “aviso perfecto” a menudo es innecesario.

Eligió hacer la mitad de la pared de un color, y la mitad en otro, lo cual fue un error. Probablemente me recordó preguntar sobre ese concepto antes, pero no quise decir que lo quería en esta imagen específica. Aún así, me dio una idea de cómo podría verse.

maqueta de retiro terroso

Maqueta “Retiro terrenal” (Crédito: CHATGPT)

También probé una versión azul con este aviso: “¿Azurita cremosa y ahumada se combinan bien? Me burla de una pared que sea 3/4 cremosa, con el último 1/4 en la azurita ahumada superior. Alabaster para molduras y techos”. Jugué con dos opciones de iluminación diferentes, una habitación más oscura y clara. Como una ventaja adicional, seleccionó los colores del piso de madera por sí solo, lo que podría ser parte del diseño para que yo lo considere más tarde.

opción de pared azul 3/4

(Crédito: CHATGPT)

“Cree una foto de dormitorio principal con Rojo Rust como la pared de acento detrás de la cama, cremosa en las paredes y el techo/ajuste de alabastro”, pregunté a continuación.

Recomendado por nuestros editores

La pared de acento parecía un poco de rojo oscuro para mí, así que cambié en un color más claro. Puede hacer estos ajustes fácilmente, pero las imágenes tardan unos minutos en cargarse, posiblemente debido a la abrumadora demanda que el CEO Sam Altman dice que está sobrecargando los servidores de OpenAi. También traté de no volver a entrenarme con las solicitudes de imagen, sabiendo cuánta energía computacional requiere.

Ajustes de la pared de acento

(Crédito: CHATGPT)

Consideré eliminar el rojo más oscuro de mi carrito, pero pensé que la versión de Chatgpt se veía más oscura que el color en el sitio web de Sherwin-Williams, así que lo mantuve. Como con todas las cosas de IA, siempre verifica dos veces y nunca tome su salida al pie de la letra.

Cuando la muestra llegó a la vida real, el color parecía más o menos rojo dependiendo de la luz de la habitación. A veces parecía la imagen de Chatgpt y a veces se parecía al sitio web de Sherwin-Williams. Puede pedirle a ChatGPT que ajuste la iluminación en la habitación para simular mejor sus condiciones de la vida real, pero siempre es mejor verla en persona.


Su Miguel Ángel digital de guardia

Lamentablemente, ChatGPT no recogerá un pincel o un rodillo y hará el trabajo por usted (todavía), pero es una herramienta de ideación útil para tomar decisiones informadas a lo largo de sus proyectos de renovación.

Puede llevar este concepto al siguiente nivel subiendo fotos de su propia casa, como lo hizo un Redditor para obtener ideas de redecoración para una sala de estar anticuada.

¿ChatGPT va a reemplazar a los diseñadores de interiores? Esa es la versión actual de las redes sociales. Si bien hay un grano de verdad ya que ChatGPT es una herramienta tan útil, es un poco exagerado. Dado que está raspando la Web para opiniones y materiales sobre los que otros han escrito, puede crear un aspecto suave y diseños genéricos, orientados a una audiencia de mercado masivo.

Un verdadero diseñador puede ofrecer una personalización más profunda, con una dosis de realidad (precios), tal vez inspirada en las imágenes que crea en ChatGPT para poner en marcha la conversación.

Sobre Emily Forlini

Reportero senior

Emily Forlini

Soy el experto en PCMAG para todo lo relacionado con los vehículos eléctricos y la IA. He escrito cientos de artículos sobre estos temas, incluidas las revisiones de productos, las noticias diarias, las entrevistas de CEO y las características profundamente reportadas. También cubro otros temas dentro de la industria tecnológica, manteniendo un pulso sobre qué tecnologías están bajando por la tubería que podría dar forma a la forma en que vivimos y trabajamos.

Lea la biografía completa de Emily

Lea lo último de Emily Forlini

Continue Reading

Trending