STANFORD, California. – La inteligencia artificial puede encontrarle una receta o generar una imagen, pero no puede colgar una imagen en una pared o cocinar su cena.
Chelsea Finn quiere que eso cambie. Finn, ingeniero e investigador de la Universidad de Stanford, cree que la IA puede estar en la cúspide de impulsar una nueva era en robótica.
“A largo plazo queremos desarrollar un software que permita a los robots operar de manera inteligente en cualquier situación”, dice ella.
Una compañía que cofundó ya ha demostrado un robot AI de uso general que puede doblar la ropa, entre otras tareas. Otros investigadores han demostrado el potencial de IA para mejorar la capacidad de los robots para hacer todo, desde clasificación de paquetes hasta carreras de drones. Y Google acaba de dar a conocer
Un robot con IA que podría empacar un almuerzo.
Pero la comunidad de investigación se divide sobre si las herramientas generativas de IA pueden transformar la robótica de la forma en que han transformado algún trabajo en línea. Los robots requieren datos del mundo real y enfrentan problemas mucho más difíciles que los chatbots.
“Los robots no se convertirán de repente en este sueño de ciencia ficción de la noche a la mañana”, dice Ken Goldberg, profesor de UC Berkeley. “Es realmente importante que la gente entienda eso, porque todavía no estamos allí”.
Hay menos partes de la ciencia e ingeniería que tienen una mayor brecha entre la expectativa y la realidad que la robótica. La misma palabra “robot” fue acuñado por Karel čapek, un escritor de Czeck que, en la década de 1920, escribió una obra que imaginaba seres humanos que podían llevar a cabo cualquier tarea que su dueño ordenara.
En realidad, los robots han tenido muchos problemas para hacer trabajos triviales. Las máquinas están en su mejor momento cuando realizan movimientos altamente repetitivos en un entorno cuidadosamente controlado, por ejemplo, en una línea de ensamblaje automotriz dentro de una fábrica, pero el mundo está lleno de obstáculos inesperados y objetos poco comunes.
En el Laboratorio de Finn en la Universidad de Stanford, el estudiante graduado Moo Jin Kim demuestra cómo los robots con AI al menos tienen el potencial de solucionar algunos de esos problemas. Kim ha estado desarrollando un programa llamado “OpenVLA
“Que significa visión, lenguaje, acción.
“Es un paso en la dirección de ChatGPT para la robótica, pero todavía hay mucho trabajo por hacer”, dice.
/
El robot en sí parece bastante poco notable, solo un par de brazos mecánicos con pinzas. Lo que lo hace diferente es lo que hay dentro. Los robots regulares deben estar cuidadosamente programados. Un ingeniero tiene que escribir instrucciones detalladas para cada tarea. Pero este robot funciona con una red neuronal de IA enseñable. La red neuronal opera cómo los científicos creen que el cerebro humano podría funcionar: los “nodos” matemáticos en la red tienen miles de millones de conexiones entre sí de una manera similar a la forma en que las neuronas en el cerebro están conectadas. “Programación” de este tipo de red se trata simplemente de reforzar las conexiones que importan y debilitar las que no lo hacen.
En la práctica, esto significa que Kim puede entrenar al modelo OpenVLA cómo hacer un montón de tareas diferentes, simplemente mostrándolo.
Se unen al robot un par de joysticks que controlan cada brazo. Para entrenarlo, un operador humano usa los joysticks para “titiriteros” al robot, ya que hace una tarea deseada.
“Básicamente, me gusta la tarea que quieras que hagas, sigues haciéndolo una y otra vez como 50 veces o 100 veces”, dice.
Esa repetición es todo lo que se requiere. Las conexiones entre nodos en la red neuronal de IA del robot se refuerzan cada vez que se muestra la acción. Pronto puede repetir la tarea sin el titiritero.
Para demostrar, Kim saca una bandeja de diferentes tipos de mezcla de senderos. Ya lo ha enseñado a recoger. Ahora quiero parte de la mezcla que tiene M&M y nueces verdes, y todo lo que tengo que hacer es preguntar.
“Saca algunos verdes con las nueces en el tazón”, escribo. Muy lentamente, los brazos del robot se ponen en acción.
En una feed de video, Openvla coloca una estrella sobre el contenedor correcto. Eso significa que la primera parte del modelo, que tiene que tomar mi texto e interpretar su significado visualmente, ha funcionado correctamente.
No siempre, dice Kim. “Esa es la parte en la que aguantamos la respiración”.
Luego, lentamente, vacilante, se extiende con su garra, toma la primicia y obtiene la mezcla de senderos.
“¡Parece que está funcionando!” dice Kim con entusiasmo.
Es una cucharada muy pequeña. Pero una cucharada en la dirección correcta.
El investigador de Stanford, Chelsea Finn, ha cofundado una empresa en San Francisco llamada inteligencia física
que busca llevar este enfoque de entrenamiento al siguiente nivel.
Ella imagina un mundo en el que los robots pueden adaptarse rápidamente para hacer trabajos simples, como hacer un sándwich o reabastecer en los estantes de comestibles. Contrariamente al pensamiento actual sobre robótica, sospecha que la mejor manera de llegar allí podría ser capacitar a un solo modelo para hacer muchas tareas diferentes.
“De hecho, pensamos que tratar de desarrollar sistemas generalistas tendrá más éxito que tratar de desarrollar un sistema que haga una cosa muy, muy bien”, dice ella.
La inteligencia física ha desarrollado una red neuronal de IA que puede doblar la ropa, recoger granos de café y ensamblar una caja de cartón, aunque la red neuronal que le permite hacer todas esas cosas es demasiado poderosa para estar físicamente en el robot mismo.
“En ese caso, teníamos una estación de trabajo que estaba en el apartamento que calculaba las acciones y luego las envía a través de la red al robot”, dice ella.
Pero el siguiente paso, compilar datos de capacitación para su programa Robot AI, es una tarea mucho más difícil que simplemente recopilar texto de Internet para entrenar un chatbot.
“Esto es realmente difícil”, reconoce Finn. “No tenemos un Internet abierto de datos de robots, por lo que a menudo se trata de recopilar los datos nosotros mismos sobre los robots”.
Aún así, Finn cree que es factible. Además de los entrenadores humanos, los robots también pueden intentar repetidamente hacer tareas por su cuenta y rápidamente desarrollar su base de conocimiento, dice ella.
Pero Ken Goldberg de Berkley es más escéptico de que la brecha del mundo real se pueda unir rápidamente. Los chatbots de IA han mejorado enormemente en los últimos años porque han tenido una gran cantidad de datos para aprender. De hecho, han recogido casi todo el Internet para entrenar a sí mismos cómo escribir oraciones y dibujar imágenes.
Niall David Cytryn / Ambi Robotics
Robótica de Ambi
Simplemente construir los datos del mundo real de un mundo de Internet para robots va a ir mucho más lentamente. “A este ritmo actual, tomaremos 100,000 años obtener tantos datos”, dice.
“Diría que estos modelos no van a funcionar de la manera en que están siendo entrenados hoy”, está de acuerdo Pulkit Agrawal, un investigador de robótica en el MIT.
Agrawal es un defensor de la simulación: poner la red neuronal de IA que ejecuta el robot en un mundo virtual y permite que repita tareas una y otra vez.
“El poder de la simulación es que podemos recopilar cantidades muy grandes de datos”, dice. “Por ejemplo, en tres horas de simulación podemos recopilar 100 días de datos”.
Ese enfoque funcionó bien para los investigadores en Suiza que recientemente entrenaron un dron
Cómo competir colocando su cerebro con IA en un simulador y pasando a través de un curso preestablecido una y otra vez. Cuando entró en el mundo real, pudo volar el curso más rápido y mejor que un oponente humano hábil, al menos parte del tiempo.
Pero la simulación tiene sus inconvenientes. El dron funcionó bastante bien para un curso interior. Pero no podía manejar nada que no estaba simulado (viento, lluvia o luz solar, podría arrojar el dron del curso.
Y volar y caminar son tareas relativamente simples para simular. Goldberg dice que realmente recoger objetos o realizar otras tareas manuales que los humanos encuentran que son completamente sencillos son mucho más difíciles de replicar en una computadora. “Básicamente, no hay un simulador que pueda modelar con precisión la manipulación”, dice.
Algunos investigadores piensan que incluso si el problema de los datos puede superarse, los problemas más profundos pueden darle a los robots de IA.
“En mi opinión, la pregunta no es, ¿tenemos suficientes datos … es más lo que es el encuadre del problema”, dice Matthew Johnson-Roberson, investigador de la Universidad Carnegie Mellon en Pittsburgh.
Johnson-Roberson dice que a pesar de todas las increíbles habilidades que muestran los chatbots, la tarea que se les pide que hagan es relativamente simple: mira lo que un usuario humano tipos y luego intenta predecir las próximas palabras que el usuario quiere ver. Los robots tendrán que hacer mucho más que simplemente componer una oración.
“La siguiente mejor predicción de palabras funciona muy bien y es un problema muy simple porque solo está prediciendo la próxima palabra”, dice. Moverse a través del espacio y el tiempo para ejecutar una tarea es un conjunto mucho más grande de variables para que una red neuronal intente procesar.
“No está claro en este momento que puedo tomar 20 horas de imágenes de Go-Pro y producir algo sensato con respecto a cómo un robot se mueve en el mundo”, dice.
Johnson-Roberson dice que cree que se debe hacer una investigación más fundamental sobre cómo las redes neuronales pueden procesar mejor el espacio y el tiempo. Y advierte que el campo debe tener cuidado porque la robótica ha sido quemada antes, por la carrera para construir autos autónomos.
“Tanta capital se apresuró tan rápido”, dice. “Incentivó a las personas para hacer promesas en una línea de tiempo que no podrían cumplir”. Gran parte de la capital dejó el campo, y todavía hay problemas fundamentales para los autos sin conductor que permanecen sin resolver.
Aún así, incluso los escépticos creen que la robótica será cambiada para siempre por AI. Goldberg ha cofundado una compañía de clasificación de paquetes llamada Ambi Robotics que lanzó un nuevo sistema impulsado por la IA conocido como Prime-1 a principios de este año. Utiliza IA para identificar los mejores puntos para que un brazo robótico recoja un paquete. Una vez que tiene el punto de selección establecido por la IA, el brazo, que está controlado por una programación más convencional, hace el agarre.
El nuevo sistema ha reducido drásticamente la cantidad de veces que se eliminan los paquetes, dice. Pero él agrega con una sonrisa: “Si pones esto frente a una pila de ropa, no va a saber qué hacer con eso”.
De vuelta en Stanford, Chelsea Finn dice que está de acuerdo en que las expectativas deben mantenerse bajo control.
“Creo que todavía hay un largo camino para que la tecnología vaya”, dice ella. Tampoco espera que los robots universales reemplacen por completo el trabajo humano, especialmente por tareas complejas.
Pero en un mundo con poblaciones de envejecimiento y escasez de mano de obra proyectada, cree que los robots propulsados por IA podrían cerrar parte de la brecha.
“Estoy imaginando que esto realmente será algo que aumente a las personas y ayude a las personas”, dice ella.
Copyright 2025 NPR
San Francisco-(Business Wire)-$ OUST–Ourter, Inc. (NASDAQ: OUST) (“OUSTER” o la “Compañía”), un proveedor líder de sensores y soluciones LIDAR de alto rendimiento, anunció hoy el lanzamiento de un portal de la nube para Géminis expulsadasu plataforma digital de percepción LiDAR para seguridad, sistemas de transporte inteligente, análisis de multitudes y logística. Con el portal en la nube, los usuarios pueden configurar, administrar y ver perfectamente todas sus implementaciones de lidar Gemini de Oter Otermini a través de una interfaz unificada.
OterS Gemini combina el LiDAR digital 3D de Ourual con software de percepción con IA para detectar, clasificar y rastrear con precisión a las personas y vehículos, incluso en clima adverso o en condiciones de poca luz. La solución ofrece una integración perfecta con los sistemas de gestión de video y los controladores de tráfico, ofreciendo una conciencia situacional en 3D en tiempo real de alto rendimiento para mejorar la seguridad y la eficiencia operativa.
El portal de la nube permite a los usuarios de Gemini de Superfo administrar de forma remota los sensores y el software de la expulsión en todos sus sitios y proporciona flexibilidad con el acceso al sistema en cualquier momento y en cualquier lugar a través de un navegador basado en la web. Los usuarios pueden configurar sus dispositivos, agilizar las actualizaciones de software, ejecutar diagnósticos remotos, establecer alertas personalizadas y visualizar eventos históricos e en tiempo real. Además, el portal mejora la planificación y la visibilidad al permitir a los usuarios diseñar y visualizar virtualmente la cobertura de LiDAR con la herramienta Architect de Olvero antes de la instalación.
“Con Gemini Portal, Overter ofrece la comodidad de los datos de la nube y la gestión de dispositivos a los clientes de Géminis por primera vez, un paso clave para ampliar las implementaciones de los clientes en cientos de sitios y miles de sensores”, dijo el CEO de Oulus Angus Pacala. “Overster Gemini faculta a nuestros clientes para maximizar el valor al optimizar sus operaciones en cualquier momento, en cualquier lugar con una visión holística y en tiempo real de todas sus implementaciones digitales de LiDAR”.
Las características clave incluyen:
El portal de la nube de Gemini Gemini es la última innovación de Overster que mejora aún más la gestión del usuario final de LiDAR y se basa en una serie de otros avances de aplicaciones, incluidos Studio y Sdk sdk. La Compañía planea introducir mejoras continuas para Overter Gemini con mejoras de características regulares guiadas por la hoja de ruta del producto y los comentarios de los clientes. Los productos digitales LiDAR de OUSTER cumplen con NDAA y Buy America (N) certificados.
Sobre la expulsión
Oster (NASDAQ: Oust) es un proveedor global líder de escaneo de alta resolución y sensores LIDAR de estado sólido y soluciones de software para las industrias automotrices, industriales, robóticas e de infraestructura inteligente. Overter tiene la misión de construir un futuro más seguro y más sostenible al ofrecer sensores asequibles y de alto rendimiento que impulsan la adopción de masas en una amplia variedad de aplicaciones. Oster tiene su sede en San Francisco, CA, con oficinas en América, Europa y Asia-Pacífico. Para obtener más información sobre nuestros productos, visite www.ouster.comcomuníquese con nuestro equipo de ventaso conectarse con nosotros en incógnita o LinkedIn.
Declaraciones con avance
Este comunicado de prensa contiene declaraciones prospectivas en el sentido de la Ley de Reforma de Litigios de Valores Privados de 1995. La Compañía pretende que tales declaraciones prospectivas estén cubiertas por las disposiciones de puerto seguro para declaraciones con visión de futuro contenida en la Sección 27A de la Ley de Valores de 1933, según lo enmendado y la Sección 21e de la Ley de Intercambio de Valores de 1934, según se modifique. Dichas declaraciones se basan en planes, estimaciones y expectativas actuales de gestión que están sujetas a diversos riesgos e incertidumbres que podrían hacer que los resultados reales difieran materialmente de tales declaraciones. La inclusión de declaraciones prospectivas no debe considerarse como una representación de que se logren dichos planes, estimaciones y expectativas. Palabras como “anticipar”, “esperar”, “pretender”, “mayo”, “voluntad”, “puede”, “debería”, “planear”, “podría”, “ofrecer”, “estimar”, “posible”, “potencial”, “perseguir”, “demostrar”, lo negativo de estos términos y expresiones similares están destinadas a identificar las declaraciones con anticipación, aunque no todas las declaraciones a la vista del uso de estas palabras o expresiones. Todas las declaraciones, aparte de los hechos históricos, incluidos los estados sobre los beneficios de las ofertas de software de Ourter y las ofertas de software, el mercado total direccionable para los productos y las ofertas de Overster, los impactos en otras fuentes de ingresos, las tendencias de la industria y la empresa, los objetivos comerciales, los planes, el crecimiento del mercado y la posición competitiva de OUSTER, todos constituyen con anticipación los estados de atención. All forward-looking statements are subject to risks and uncertainties that may cause actual results to differ materially from those that we expected, including, but not limited to, Ouster’s ability to accurately anticipate market demand for its products and offerings, risks related to the adoption of Ouster’s products and its ability to effectively respond to evolving regulations and standards and other important risk factors discussed in the Company’s Annual Report on Form 10-K for the year ended December 31, 2023, as Actualizado por el informe trimestral más reciente de la Compañía en el Formulario 10-Q y, como puede actualizarse de vez en cuando en las otras presentaciones de la Compañía ante la SEC. Se insta a los lectores a considerar estos factores con cuidado y en la totalidad de las circunstancias al evaluar estas declaraciones prospectivas, y no depositar una dependencia indebida de ninguno de ellos. Cualquier declaración prospectiva de tales estimaciones y creencias razonables de la gerencia a la fecha de este comunicado de prensa. Si bien la expulsión puede optar por actualizar tales declaraciones con visión de futuro en algún momento en el futuro, renuncia a cualquier obligación de hacerlo, aparte de lo que la ley puede exigir, incluso si los eventos posteriores hacen que sus puntos de vista cambien.
Contactos
Inversores
inversors@ouster.io
Medios de comunicación
press@ouster.io
Cuando se lanzó Chatgpt Deep Investigation por primera vez, sabía que sería una gran herramienta, pero no podía verme a mí mismo usándola. Chico, me equivoqué.
Intenté Chatgpt Deep Investigation y no he dejado de usarlo. He hecho inmersiones profundas sobre mi historia familiar y aprendí muchas trivia sobre mis bocadillos favoritos.
Usar chatgpt para ayudarlo a escribir es como ponerse un par de tacones altos. La razón, según un investigador de posgrado de China: “Hace que mi escritura se vea noble y elegante, aunque ocasionalmente caigo en mi cara en el mundo académico”.
Esta comparación provino de un participante en un estudio reciente de estudiantes que han adoptado inteligencia artificial generativa en su trabajo. Los investigadores pidieron a los estudiantes internacionales que completaron estudios de posgrado en el Reino Unido que explicen el papel de la IA en su escritura utilizando una metáfora.
Las respuestas fueron creativas y diversas: se decía que AI era una nave espacial, un espejo, una droga que mejora el rendimiento, un automóvil autónomo, maquillaje, un puente o comida rápida. Dos personas compararon la IA generativa con Spider-Man, otra con el mapa mágico de los Merodeadores de Harry Potter. Estas comparaciones revelan cómo los adoptantes de esta tecnología están sintiendo su impacto en su trabajo durante un momento en que las instituciones están luchando por dibujar líneas alrededor de las cuales los usos son éticos y cuáles no.
Si está disfrutando de este artículo, considere apoyar nuestro periodismo galardonado con suscripción. Al comprar una suscripción, está ayudando a garantizar el futuro de las historias impactantes sobre los descubrimientos e ideas que dan forma a nuestro mundo hoy.
“La IA generativa ha transformado la educación dramáticamente”, dice el autor de estudio senior Chin-Hsi Lin, investigador de tecnología educativa en la Universidad de Hong Kong. “Queremos que los estudiantes puedan expresar sus ideas” sobre cómo las están usando y cómo se sienten al respecto, dice.
Lin y sus colegas reclutaron estudiantes de posgrado de 14 regiones, incluidos países como China, Pakistán, Francia, Nigeria y los Estados Unidos, que estudiaban en el Reino Unido y usaban ChatGPT-4 en su trabajo, que solo estaba disponible para suscriptores pagados en ese momento. Se les pidió a los estudiantes que llegaran y explicaran una metáfora de la forma en que la IA generativa afecta su escritura académica. Para verificar que las 277 metáforas en las respuestas de los participantes fueran fieles a su uso real de la tecnología, los investigadores realizaron entrevistas en profundidad con 24 de los estudiantes y les pidieron que proporcionaran capturas de pantalla de sus interacciones con IA.
Al analizar las respuestas, los investigadores encontraron cuatro categorías sobre cómo los estudiantes usaban y pensaban en la IA en su trabajo. El más básico de estos fue el soporte técnico: el uso de IA para verificar la gramática inglesa o formatear una lista de referencias. Los participantes compararon la IA con las mejoras estéticas, como el maquillaje o los tacones altos, un papel humano, como un tutor o editor de idiomas, o una herramienta mecánica como una máquina de embalaje o una cinta de medición.
En la siguiente categoría, el desarrollo de texto, la IA generativa estuvo más involucrada en el proceso de escritura en sí. Algunos estudiantes lo usaron para organizar la lógica de su escritura; Una persona lo equiparó al piloto automático de Tesla porque les ayudó a mantenerse en el camino. Otros lo usaron para ayudar con su revisión de la literatura y la compararon con un asistente, una metáfora común utilizada en el marketing de IA, o un comprador personal. Y los estudiantes que usaron el chatbot para ayudar a la lluvia de ideas a menudo usaron metáforas que describían la tecnología como una guía. Lo llamaron una brújula, un compañero, un conductor de autobús o un mapa mágico.
En la tercera categoría, los estudiantes usaron AI para transformar de manera más significativa su proceso de escritura y producto final. Aquí, llamaron a la tecnología un “puente” o un “maestro” que podría ayudarlos a superar los límites interculturales en los estilos de comunicación, especialmente importante porque la escritura académica a menudo se realiza en inglés. Ocho personas lo describieron como un lector mental porque, para citar a un participante, ayudó a expresar “esos conceptos profundamente matizados que son difíciles de articular”.
Otros dijeron que les ayudó a comprender realmente esos conceptos difíciles, especialmente al sacar de diferentes disciplinas. Tres personas lo compararon con una nave espacial y dos con Spider-Man: “porque puede navegar rápidamente a través de la compleja red de información académica” en todas las disciplinas.
En la cuarta categoría, las metáforas de los estudiantes destacaron los peligros potenciales de la IA. Algunos de los participantes expresaron molestias con la forma en que permite una falta de innovación (como un pintor que simplemente copia el trabajo de los demás) o una falta de comprensión más profunda (como la comida rápida, conveniente pero no nutritivo). En esta categoría, los estudiantes lo llamaban más comúnmente un medicamento, especialmente adictivo. Una respuesta particularmente adecuada lo comparó con los esteroides en los deportes: “En un entorno competitivo, nadie quiere quedarse atrás porque no lo usan”.
Amanda Montañez; Fuente: “Tacones altos, brújulas, Spider-Man o Drug? 228; Abril de 2025 (datos)
“Las metáforas realmente importan, y han moldeado el discurso público” para todo tipo de nuevas tecnologías, dice Emily Weinstein, investigadora de tecnología en el Centro de Digital Prosping digital de la Universidad de Harvard, que no participó en el nuevo estudio. Las comparaciones que usamos para hablar sobre nuevas tecnologías pueden revelar nuestras suposiciones sobre cómo funcionan, e incluso nuestros puntos ciegos.
Por ejemplo, “hay amenazas implícitas en las otras metáforas que están aquí”, dice ella. Los sistemas de asistencia del conductor a veces causan un bloqueo. Los lectores mental de un mundo de fantasía o los mapas mágicos no pueden ser explicados por la ciencia, sino que simplemente tienen que ser confiables. Y los tacones altos, como se destacó el participante, puede hacer que te hagas más que caer de cara.
Weinstein dice que nunca solo hay una metáfora adecuada para hablar sobre una nueva tecnología. Por ejemplo, las metáforas de drogas o cigarrillos son muy comunes cuando las personas hablan de las redes sociales, y de alguna manera, son aptas. Aplicaciones como Tiktok e Instagram pueden ser genuinamente adictivas y a menudo se dirigen a la adolescencia. Pero cuando intentamos asignar solo una metáfora a una nueva tecnología, corremos el riesgo de aplanarla y pasar por alto sus beneficios y peligros.
“Si su modelo mental de redes sociales es que es crack [cocaine]será difícil para nosotros tener una conversación sobre el uso moderador, por ejemplo ”, dice ella.
Y culturalmente, nuestros modelos mentales de IA generativo todavía carecen seriamente. “El problema es que en este momento nos faltan formas de hablar sobre los detalles. Pero “Creo que muchas de las cosas que nos dan esta reacción moral y emocional … tiene que ver con que no tengamos lenguaje o formas de hablar más específicamente” sobre lo que queremos de esta tecnología.
Crear este nuevo lenguaje requerirá más escucha y discusión en el aula, tal vez incluso por asignación. Esto puede aliviar la presión sobre los maestros para que comprendan cada uso potencial de la IA y asegurarse de que los estudiantes no se queden en un área gris sin orientación. Para ciertas tareas, los maestros y los asesores pueden querer permitir que los estudiantes usen la IA generativa como una brújula para hacer una lluvia de ideas o como el hombre de la araña de su Gwen Stacy para ayudarlos a pasar por la red mundial.
“Hay diferentes objetivos de aprendizaje para diferentes tareas y diferentes contextos”, dice Weinstein. “Y a veces su objetivo podría no estar en tensión con un uso más transformador”.
Remove.bg: La Revolución en la Edición de Imágenes que Debes Conocer
Cómo Comenzar a Utilizar ChatGPT: Una Guía Completa para Principiantes
Cómo Empezar con Popai.pro: Tu Espacio Personal de IA – Guía Completa, Instalación, Versiones y Precios
Suno.com: La Revolución en la Creación Musical con Inteligencia Artificial
Startups de IA en EE.UU. que han recaudado más de $100M en 2024
Perplexity aplicado al Marketing Digital y Estrategias SEO
Deepgram: Revolucionando el Reconocimiento de Voz con IA
Dos periodistas octogenarios deman a ChatGPT por robar su trabajo
Inside the OpenAI-DeepSeek Distillation Saga & Alibaba’s Most Powerful AI Model Qwen2.5-Max
De ChatGPT a mil millones de agentes
