La red social TikTok empezará a etiquetar e identificar el contenido creado con herramientas de inteligencia artificial (AI) utilizando la tecnología Content Credentials que permite establecer el origen de imágenes.

El director de operaciones de TikTok, Adam Presser, anunció la medida en una entrevista emitida por la cadena de televisión estadounidense ABC News.

“Queremos que el público tenga la capacidad de entender lo que es realidad y lo que es ficción”, declaró Presser.

Content Credential es una tecnología abierta impulsada por una coalición de compañías (entre las que se encuentran la Agencia EFE, Google, Intel, Microsoft, OpenAI y Adobe, además de la propia TikTok) agrupadas en torno a Content Authenticity Iniatitive (CAI) y Coalition for Content Provenance and Authenticity (C2PA).

Esta tecnología permite insertar información (metadata) en las imágenes (ya sean fotografías, videos o ilustraciones). A medida que las imágenes son editadas o procesadas, Content Credential crea un historial que puede ser consultado por los usuarios.

OpenAI, la empresa de ChatGPT, ya anunció a principios de año que su sistema de creación de imágenes sintéticas, denominado DALL.E 3, insertará Content Credential en el contenido que genere y que hará lo mismo con su sistema de generación de video, conocido como Sora.

Meta, la empresa de Facebook e Instagram, también anunció en febrero su intención de empezar a identificar el contenido sintético en sus plataformas.

Pero TikTok se convierte en la primera red social que incorpora esta tecnología para etiquetar el uso de inteligencia artificial.

Se estima que desde 2022 hasta mediados de 2023, alrededor de 15 mil millones de imágenes creadas por sistemas de inteligencia artificial habían sido colgadas en internet.

Con información de EFE

La entrada TikTok identificará los videos e imágenes creados con inteligencia artificial aparece primero en López-Dóriga Digital.

La sonda china Chang’e 6 entró en órbita lunar este miércoles según la hora local del país asiático, completando así otro paso en su misión de recoger muestras de la cara oculta de la Luna por primera vez en la historia.

La Administración Nacional del Espacio de China informó de que la sonda, que despegó el pasado 3 de mayo, ejecutó con éxito la maniobra de frenado cercano a la Luna, que permite a la nave ser capturada por la gravedad de nuestro satélite.

Una vez en órbita, la sonda Chang’e 6 ajustará su altitud y ángulo de órbita lunar en preparación para los próximos pasos de su misión, que incluyen el alunizaje en la región polar sur de la Luna, donde está previsto que recoja unos dos kilogramos de muestras.

La sonda, cuyo viaje de ida y vuelta se prolongará durante unos 53 días, está compuesta por cuatro componentes: un orbitador, un alunizador, un ascensor y un módulo de reentrada.

El programa Chang’e, nombrado en honor a una diosa de las leyendas chinas que se cree vive en la Luna, comenzó con el lanzamiento de una primera sonda en 2007.

En los últimos años, Beijing ha invertido fuertemente en su programa espacial y ha logrado hitos como el exitoso alunizaje de la Chang’e 4 en la cara oculta de la Luna en enero de 2019, un logro que ningún otro país había alcanzado hasta la fecha, y la construcción de su propia estación espacial.

Con información de EFE

La entrada La sonda china Chang’e 6 entra en la órbita lunar aparece primero en López-Dóriga Digital.

Dentro de cada célula hay miles de millones de máquinas moleculares y entender su funcionamiento es clave para comprender y tratar enfermedades. La última versión de AlphaFold, un sistema de inteligencia artificial de Google, es capaz de predecir la estructura y las interacciones de ‘todas’ las moléculas de la vida.

Su descripción se publica en la revista Nature y, según sus responsables, AlphaFold 3 lleva “el mundo biológico a la alta definición”. Permite a los científicos ver los sistemas celulares en toda su complejidad, a través de sus estructuras, las interacciones y modificaciones.

Se trata, según DeepMind, responsable de esta inteligencia artificial (IA) junto a Isomorphic Labs, de un “modelo revolucionario” que mejora los anteriores y que trabaja con una precisión sin precedentes.

Dentro de cada célula vegetal, animal y humana hay miles de millones de máquinas moleculares que están formadas por proteínas, ADN y otras moléculas, pero ninguna de ellas funciona por sí sola. Sólo viendo cómo interactúan entre sí, a través de millones de tipos de combinaciones, se puede empezar a entender realmente los procesos de la vida.

El nuevo modelo se basa en los fundamentos de AlphaFold 2, que en 2020 y los años siguientes supuso un ‘avance fundamental’ en la predicción de la estructura de las proteínas (en 2022 se publicaron las predicciones de la estructura tridimensional de casi todas las proteínas -200 millones- a partir de su secuencia de aminoácidos).

Millones de investigadores de todo el mundo han utilizado esa versión para hacer descubrimientos en áreas como las vacunas contra la malaria, los tratamientos contra el cáncer y el diseño de enzimas, señala un comunicado de Google DeepMind.

Más allá de las proteínas

Ahora, las mejoras sustanciales introducidas en la arquitectura del aprendizaje profundo y el sistema de entrenamiento permiten predecir con mayor precisión la estructura de una amplia gama de sistemas biomoleculares en un marco unificado.

En el caso de las interacciones de las proteínas con otros tipos de moléculas, consigue una mejora de al menos el 50 % en comparación con los métodos de predicción existentes, y para algunas categorías importantes de interacción se ha duplicado la exactitud de predicción.

“AlphaFold 3 nos lleva más allá de las proteínas para abarcar un amplio espectro de biomoléculas. Este salto podría dar lugar a una ciencia más transformadora, desde el desarrollo de materiales biorrenovables y cultivos más resistentes hasta la aceleración del diseño de fármacos y la investigación genómica”, agrega la nota.

A partir de una lista de moléculas, AlphaFold 3 es capaz de generar su estructura tridimensional conjunta, mostrando cómo encajan estas entre sí. Modela grandes biomoléculas como proteínas, ADN y ARN, así como pequeñas moléculas, también conocidas como ligandos.

Además, puede modelizar modificaciones químicas de estas moléculas que controlan el funcionamiento saludable de las células y que, cuando se alteran, pueden provocar enfermedades.

Esta nueva ventana a las moléculas de la vida revela cómo están todas conectadas y ayuda a comprender cómo esas conexiones afectan funciones biológicas, como la acción de los fármacos, la producción de hormonas y el proceso de reparación de ADN que preserva la salud.

Un ‘google maps’ de las moléculas, en abierto

Los científicos pueden acceder gratuitamente a la mayoría de sus funciones a través del recién lanzado servidor AlphaFold. Con unos pocos clics, pueden aprovechar la potencia de AlphaFold 3 para modelizar estructuras compuestas por proteínas, ADN, ARN y una selección de ligandos, iones y modificaciones químicas.

“AlphaFold 3 tiene el potencial de ser tan innovador como AlphaFold, cuando se lanzó por primera vez. Con el servidor, ya no se trata sólo de predecir estructuras, sino de facilitar generosamente el acceso y permitir a los investigadores plantearse preguntas atrevidas y acelerar los descubrimientos”, apunta Céline Bouchoux, del Instituto Francis Crick.

“Comprender el mundo biomolecular que llevamos dentro y cómo las complejas redes de moléculas interactúan en nuestras células, es un punto de partida crucial para entender y tratar las enfermedades mediante el diseño racional de fármacos”, afirma Isomorphic Labs.

En este sentido, y para avanzar en esta comprensión se ha desarrollado este innovador modelo de IA que proporciona una visión precisa a nivel atómico de la estructura de los sistemas biomoleculares, concluye Isomorphic, que ya está en contacto con empresas del sector para su implementación.

Con información de EFE

La entrada IA de Google predice la estructura e interacciones de todas las moléculas de la vida aparece primero en López-Dóriga Digital.