redes neuronales

Un estudio liderado por la Universitat Rovira i Virgili (URV) revela las limitaciones de los modelos de inteligencia artificial (IA) en la comprensión del lenguaje. La investigación compara el rendimiento de siete modelos de IA, incluyendo ChatGPT-4, con el de 400 humanos en tareas de comprensión textual. Los resultados muestran que, aunque los modelos pueden generar textos coherentes, su precisión y estabilidad son inferiores a las de los humanos, alcanzando solo un 83% de aciertos frente al 89% de los hablantes nativos. Este estudio destaca que los modelos no comprenden realmente el lenguaje, sino que operan mediante patrones estadísticos, lo que limita su fiabilidad en aplicaciones críticas.

Investigadores de la Universidad de Córdoba han desarrollado un innovador modelo que utiliza redes neuronales para mejorar la visión artificial en condiciones de poca iluminación. Este avance permite una detección y decodificación más efectiva de marcadores fiduciales, esenciales para la navegación y localización de objetos por robots, como el famoso Atlas de Boston Dynamics. Tradicionalmente, las técnicas de visión artificial fallaban en entornos con escasa luz, pero este nuevo sistema aborda esa limitación mediante un proceso que incluye detección, refinamiento y decodificación de marcadores. Los datos utilizados para entrenar el modelo son accesibles al público, lo que facilita su implementación en diversas aplicaciones. Este desarrollo representa un importante paso adelante en la tecnología de visión artificial.