-
La IA que aprende a leer la Luna: el modelo fundacional de NASA e IBM
NASA e IBM han liberado un modelo fundacional para analizar la Luna. Te explicamos cómo funciona, qué aporta y qué límites conviene tener presentes.
-
Automatizar facturas con IA: qué hace falta para que los datos lleguen bien a tu ERP
Leer una factura no basta. Explicamos cómo recibir documentos, extraer y validar datos, detectar duplicados y resolver excepciones antes de integrarlos en el ERP, con un ejemplo hipotético de ahorro y el enfoque de AI Connect Docs.
-
GPT‑6 Astra ya está aquí: el salto de los LLM que responden a los agentes que actúan
OpenAI lanza GPT‑6 Astra, un modelo pensado para actuar sobre ordenadores y completar flujos de trabajo. Analizamos capacidades, benchmarks, precio, riesgos y qué hay realmente detrás del salto hacia los agentes.
-
Computación cuántica: ¿revolución o hype?
La computación cuántica puede transformar la ciencia sin sustituir a los ordenadores clásicos. Analizamos el hype, sus aplicaciones reales y el futuro híbrido CPU, GPU y QPU.
-
GPT‑Live‑1 frente a la voz tradicional: de encadenar modelos a conversar de verdad
Comparamos la arquitectura tradicional STT → modelo → TTS con GPT‑Live‑1: latencia, prosodia, interrupciones, control técnico y casos de uso.
-
Kimi K3 libera sus pesos: así es el gigante open weight de 2,8 billones de parámetros
Kimi K3 libera sus pesos: 2,8 billones de parámetros, arquitectura MoE, contexto de un millón de tokens y capacidades agénticas y multimodales.
-
El día en que las matemáticas aprendieron a hablar: el verdadero hito de los LLM
Los LLM han demostrado que gran parte de la complejidad del lenguaje puede emerger de vectores, probabilidades y relaciones matemáticas. ¿Podría nuestro cerebro hacer algo parecido?
-
Suplantación de SMS: por qué un mensaje falso puede aparecer junto a los mensajes reales de tu banco
Hay una escena que se repite cada vez más: recibes un SMS aparentemente enviado por tu banco, por una empresa de paquetería, por una administración pública o por una plataforma conocida. El mensaje aparece dentro del mismo hilo donde ya tenías mensajes legítimos anteriores. Mismo nombre de remitente, misma conversación, mismo aspecto. Y claro,…
-
Entendiendo y aplicando las funciones de activación
Las redes neuronales se componen de capas de neuronas que suman entradas ponderadas y luego aplican una función de activación para introducir no linealidad. Sin esa transformación, una red profunda se comportaría como una combinación lineal simple y no podría aprender patrones complejos. Las funciones de activación controlan el flujo de información y permiten…
-
Series temporales: modelos clásicos y avanzados para predecir el futuro
Las series temporales son registros ordenados en el tiempo. Su análisis permite extraer patrones y prever cómo evolucionará un fenómeno en el futuro. Para modelar estos datos se utilizan técnicas estadísticas y de machine learning que descomponen la serie en nivel, tendencia, estacionalidad y ruido. En esta entrada repasamos los modelos más usados —ARIMA,…
