A emergente tecnologia de modelos de mundo visa resolver problemas de consistência em IA, proporcionando às máquinas uma melhor compreensão do espaço e do tempo.

O ScienceDaily relata que pesquisadores usaram aprendizado de máquina para analisar dados sobre câncer de 185 países, identificando mudanças específicas de políticas que poderiam melhorar as taxas de sobrevivência em cada nação.

Pesquisadores do MIT mostram que os modelos de aprendizado de máquina com melhor desempenho podem tornar-se os piores quando aplicados a novos ambientes de dados, revelando riscos ocultos decorrentes de correlações espúrias na IA médica e em outras aplicações críticas.

Pesquisadores desenvolveram um novo método de IA chamado Riff-Diff que transforma o design de enzimas, criando biocatalisadores altamente eficientes e estáveis para aplicações industriais e médicas. Os achados foram publicados na revista Nature.

A inteligência artificial está ampliando sua atuação na exploração espacial, com pesquisadores da Universidade de Stanford implementando com sucesso aprendizado de máquina em robôs a bordo da Estação Espacial Internacional. O sistema de IA melhorou a eficiência do planejamento de movimentos dos robôs em 50–60%, demonstrando o potencial da IA para gerar novas oportunidades no espaço.

Do LangChain ao Hugging Face Transformers, esses 16 projetos de código aberto estão fornecendo as ferramentas e os frameworks fundamentais que estão acelerando a inovação em IA e aprendizado de máquina.