Diseñando sistemas de imagen usando teoría de la información

Investigadores de BAIR (Inteligencia Artificial de Berkeley) han desarrollado un marco que estima la información mutua a partir de mediciones ruidosas para evaluar y optimizar sistemas de imagen directamente basándose en el contenido de información, sin necesidad de redes decodificadoras. Su método, probado en cuatro dominios de imagen (fotografía a color, radioastronomía, imagen sin lentes, microscopía), predice el rendimiento del decodificador y permite el diseño del sistema mediante ascenso por gradiente en estimaciones de información. El enfoque, llamado IDEAL, iguala la optimización de extremo a extremo de última generación mientras requiere menos memoria y cómputo.

UC Berkeley

Railway recauda 100 millones de dólares para desafiar a AWS con infraestructura cloud impulsada por IA

La startup Railway, que recaudó 100 millones de dólares en una ronda Serie B, ofrece una plataforma cloud optimizada para aplicaciones de inteligencia artificial y cuenta con 2 millones de desarrolladores sin gastos de marketing. La empresa maneja más de 10 millones de despliegues y 1 billón de solicitudes al mes, desafiando a los gigantes tradicionales del cloud.

Railway Anthropic OpenAI