lunes, 25 de agosto de 2025
Kazajistán introduce drones con inteligencia artificial en el sector energético
Los drones equipados con IA permiten diagnosticar rápidamente las líneas de transmisión eléctrica, detectar defectos y prevenir fallos
En cumplimiento de las instrucciones del presidente, Kazajistán está incorporando activamente tecnologías de inteligencia artificial en su sector eléctrico, informó el ministro de Energía, Yerlan Akkenzhenov.
El ministro explicó que los drones equipados con IA permiten diagnosticar rápidamente las líneas de transmisión eléctrica, detectar defectos y prevenir fallos, según la agencia Kazinform, socio de TV BRICS.
En el sector de la energía térmica, complejos robóticos basados en resonancia acústica escanean el interior de las tuberías, facilitando reparaciones puntuales. En el sector del gas, un asistente de IA reconoce automáticamente las lecturas de los contadores.
A principios de año, el primer ministro Olzhas Bekténov había ordenado la implementación de la IA en el sector ferroviario del país.
https://tvbrics.com/es/news/kazajist-n-introduce-drones-con-inteligencia-artificial-en-el-sector-energ-tico/
domingo, 24 de agosto de 2025
viernes, 15 de agosto de 2025
miércoles, 30 de julio de 2025
martes, 22 de julio de 2025
domingo, 13 de julio de 2025
viernes, 27 de junio de 2025
Investigadores utilizan inteligencia artificial y energía solar para purificar agua en India
La innovación ya ha sido reconocida como una solución prometedora para distintos sectores industriales
Investigadores del Instituto de Ciencia y Tecnología de Nanomateriales de Mohali han creado un sistema innovador para el tratamiento de aguas residuales que combina energía solar, ligeras vibraciones e inteligencia artificial. Según informa ANI, socio de la red TV BRICS, replicando datos del Ministerio de Ciencia y Tecnología de India.
El dispositivo es capaz de eliminar eficazmente colorantes industriales nocivos como el azul de metileno y el rojo Congo. El filtro está compuesto por una estructura biodegradable impresa en 3D a base de ácido poliláctico, recubierta con ferrita de bismuto, un catalizador que se activa mediante luz solar y vibraciones.
Los ingenieros también incorporaron modelos de aprendizaje automático, incluyendo redes neuronales artificiales, para prever el rendimiento del sistema en distintas condiciones, incluso en días nublados. Estas herramientas lograron una precisión del 99%, lo que permitió ajustar el funcionamiento del filtro para una mayor eficacia.
Durante las pruebas, el sistema logró eliminar hasta el 98,9% del rojo Congo y el 74,3% del azul de metileno, superando en rendimiento a los métodos tradicionales, que suelen ser más costosos en términos de energía y productos químicos.
Esta solución ecológica y reutilizable ha sido identificada como altamente viable para su adopción en sectores como el textil y el farmacéutico, así como en comunidades rurales, donde la disponibilidad de tecnologías sostenibles y fuentes de energía renovables resulta esencial.
https://tvbrics.com/es/news/investigadores-utilizan-inteligencia-artificial-y-energ-a-solar-para-purificar-agua-en-india/
viernes, 23 de mayo de 2025
IA y biodiversidad | DW Documental
Científicos de todo el planeta se esfuerzan por proteger a los animales en peligro de extinción. Ya que la sexta gran extinción avanza sin pausa: cada día desaparecen cerca de 150 especies. En esta lucha contra el tiempo, los investigadores apuestan cada vez más por soluciones de última tecnología. Este reportaje nos adentra en un viaje para conocer a diversos científicos, emprendedores y defensores de la biodiversidad que trabajan a toda marcha en el desarrollo de tecnologías innovadoras. Martin Wikelski, director del Instituto Max Planck de Comportamiento Animal, tiene una idea revolucionaria: crear un "Internet de animales". Su investigación se centra en los patrones de movimiento de especies en todo el mundo. Su plataforma de macrodatos, llamada Movebank, ya contiene más de seis mil millones de puntos GPS. Un sistema global de predicción para la vida en la Tierra al alcance de la mano.
En Alemania, la alta tecnología busca proteger a las aves en peligro de extinción de las muertes causadas por aerogeneradores. El núcleo de este sistema es una cámara que, mediante inteligencia artificial, detecta en cuestión de segundos si un milano real o un águila se acerca, deteniendo a tiempo las aspas del rotor. En Kenia, un software de IA ayuda a calcular de manera más rápida y precisa el número de ejemplares de una población mediante fotografías. Esto es crucial, ya que la población de jirafas ha disminuido drásticamente en las últimas décadas.
domingo, 2 de marzo de 2025
viernes, 14 de febrero de 2025
jueves, 13 de febrero de 2025
viernes, 13 de diciembre de 2024
domingo, 11 de agosto de 2024
miércoles, 13 de diciembre de 2023
Autos Autonomos - ¿Por qué fracasan los pilotos automáticos? Porque no han sido entrenados en Perú, según un estudio
Según un estudio de la firma Artificio, la inteligencia artificial necesita aprender de verdaderas situaciones de riesgo en ciudades caóticas como nuestra capital, Lima, para poder funcionar en el resto del mundo.
Una de las nuevas tendencias que desean renovar por completo el transporte en las ciudades es la de los autos autónomos con piloto automático o, en pocas palabras, los vehículos que se conducen solos. Estos han empezado a ser probados en países como Japón y Estados Unidos y los primeros servicios de taxi bajo este modelo han empezado a operar en sus ciudades más importantes.
Sin embargo, mucho de estos servicios (como Waymo, Tesla o Cruise) ya están siendo suspendidos por una gran cantidad de problemas en el mundo real, los cuales son muy distintos a los datos con los que fueron entrenados. Por lo mismo, una investigación publicada por la firma Artificio presenta una posible solución: se deben entrenar estas redes con el verdadero tráfico de países como Perú y sus ciudades principales.
“Si un vehículo autónomo puede navegar e identificar fácilmente cada objeto y obstáculo de los videos de rutas en Lima, Hanoi o Bombay, entonces hacer inferencias perceptuales en ciudades como San Francisco, Londres y Beijing debería ser trivial”, se lee en el artículo. Si a los autos se les enseña el “Entrenamiento Adversario”, tendrán mayor probabilidad de funcionar mejor cuando se enfrenten tanto a lo esperado como a lo inesperado.
Lima, Cajamarca y Cusco: un caso de investigación
El estudio pide a las empresas recopilar más conjuntos de datos “fuera de distribución” (fuera de lo normal) en países en desarrollo donde este tipo de conductas son “muy comunes”. Sí, como en Lima, Perú. A esto, se le debe añadir un paradigma de capacitación de sistemas de visión por computadora de big data a alineación representacional (NeuroAI).
Para el estudio, se escogió Cusco, Lima y Cajamarca desde diciembre de 2022 hasta mediados de febrero de este año.
En el caso cusqueño, la recopilación de datos detalló grandes problemas (para la conducción) como las ferias itinerantes y un flujo masivo de personas en distintos puntos de la ciudad, además de condiciones climáticas adversas como la lluvia y el granizo. En el caso cajamarquino, el principal problema fue el estado de las pistas, además del cambio drástico entre lo rural y urbano.
Pero en el caso limeño, hubo de todo. “Por otro lado, el viaje en Lima requirió un enfoque de planificación diferente debido a la impresionante variedad de vehículos, el comportamiento de conducción y la congestión del tráfico de la ciudad. En total, se cubrieron 22 distritos de los 43, y los datos recopilados en esta ciudad podrían representar un verdadero desafío para cualquier modelo de visión por computadora”, se lee.
En la capital, la recopilación de datos se realizó de 2 a 6 de la tarde y, a los vehículos, se les añadió una cámara dashcam para obtener imágenes que luego se ejecutarían en el software OpenPilot, un sistema de asistencia al conductor de código abierto.
De acuerdo con los investigadores, en las ciudades de Perú se registraron 100 veces más escenarios caóticos que en ciudades como San Francisco y Londres, “donde existen niveles más altos de estándares de conducción”.
El equipo pasó decenas de problemas. Uno de los más comunes fue el que la inteligencia reconozca los tipos de obstáculos que hay en nuestras pistas: desde tierra, cubetas, carteles caídos o hasta rompemuelles sin señalizar.
Otra de las dificultades era reconocer la gran variedad de vehículos en las vías. No solo los distintos buses molestaban, sino también los mototaxis, los carritos de helados e incluso los triciclos con cestas delanteras.
Los peatones y los conductores fueron los principales riesgos: se añaden videos en los que los peatones cambian de decisión entre cruzar o no en medio de la pista, autos yendo en sentido contrario y una infinidad más de faltas al aire libre.
Probaron con otros sistemas de IA como YOLO-V8, EVA-01 y Detectron2 y llegaron a la conclusión que “existe un alto riesgo de falsos positivos y confusión entre autos, autobuses y trenes”.
Soluciones al problema gracias al caso peruano
Una de las principales soluciones que propone la empresa es entrenar un modelo conjunto que pueda determinar correctamente (o en la medida de lo posible) lo que detecta y clasifica, especialmente con los tipos de vehículos que aparecen. Este funcionaría como lo hace Google Lens y permitiría consultar cualquier objeto aleatorio que se encuentre en la pista, como pasa en Perú. Y la han denominado NeuroAI.
Los métodos de este sistema están siendo desarrollados por neurocientíficos e investigadores de IA, y se interesan por la alineación representacional hombre-máquina aprovechando los sesgos inductivos, los datos neuronales y técnicas de aprendizaje profundo como la optimización adversarial/perceptual y la simetría.
“A medida que avanza la legislación sobre los vehículos autónomos y evolucionan las propias complejidades de la sociedad, los vehículos autónomos deberían poder percibir y razonar de la misma manera que lo hacen los humanos”, añade.
Y claro, entrenar con datos reales de situaciones adversas como lo que ocurre diariamente en nuestras pistas peruanas es la mejor forma de capacitación posible.
“Y este es el problema que tienen hoy en día las empresas de vehículos autónomos. Creen firmemente que “los datos son todo lo que necesitas”. No estamos de acuerdo, necesitamos datos fuera de distribución, puntos de referencia desafiantes y mejores algoritmos”, finaliza el estudio.