Juegos antidisturbios El estudio confirmó el martes que despedirá empleados por segunda vez este año. La última ronda de recortes afectará al equipo de desarrollo de PC detrás del popular MOBA League of Legends de Riot. Riot dijo que los despidos eran parte de cambios más importantes en sus equipos que garantizarían el crecimiento y la mejora a largo plazo de la liga. El estudio dijo que los empleados afectados recibirán un paquete de indemnización.
Riot Games está eliminando más puestos de trabajo
Riot Games dijo en su anuncio que la decisión de eliminar roles no se tomó para “ahorrar dinero” y que el tamaño del equipo de League of Legends eventualmente crecerá.
“Como parte de estos cambios, hemos tomado la difícil decisión de eliminar algunos roles. No se trata de reducir la plantilla para ahorrar dinero, se trata de asegurarnos de que tenemos la experiencia adecuada para que podamos continuar con LoL por otros 15 años. y más allá”. Añadió: “Aunque la efectividad del equipo es más importante que el tamaño del equipo, el equipo de la Liga en última instancia será más grande de lo que es hoy a medida que se desarrolle la siguiente fase de la Liga”.
Riot no confirmó el número de empleados afectados por la última ronda de despidos en su anuncio, pero un portavoz del estudio sí lo hizo. cierto Eurogamer le dijo a Eurogamer que 32 empleados, incluidos 27 roles en el equipo de League of Legends y cinco roles adicionales en publicaciones, se verán afectados.
Los empleados despedidos recibirán un paquete de indemnización, que incluye al menos seis meses de pago, un bono anual, asistencia laboral, cobertura médica y más, dijo Merrill en su publicación.
Según el cofundador de Riot, el estudio ha estado trabajando en la “próxima fase” de League of Legends y compartirá más sobre sus “ambiciosos planes” para el juego en el futuro.
Esta es la segunda ronda de despidos que afecta a Riot Games este año. En el estudio de enero. Despido de 530 empleados – – Alrededor del 11 por ciento de su fuerza laboral global. Los equipos fuera del desarrollo central absorbieron el mayor impacto de los despidos.
“Hoy somos una empresa que no tiene un enfoque lo suficientemente claro y, en pocas palabras, tenemos demasiadas cosas en el tintero. Algunas de las grandes inversiones que hemos realizado no están dando los frutos que esperábamos. Nuestros costos han aumentado. 'hasta el punto de que no son sostenibles'”, dijo el director ejecutivo de Riot Games, Dylan Jadeja, en una carta a los empleados en ese momento.
¿Programar con Magic Mouse? El elegante dispositivo de entrada de Apple tiene muchos enemigos de todo tipo. Pero al menos un desarrollador, que trabaja con la MacBook Pro M1 Max, a él le gusta. Y quizás lo más sorprendente es que odia un mouse que sin duda es el mayor competidor del Magic Mouse, dado su desempeño en la mayoría de las configuraciones que cubrimos.
Esta publicación contiene Enlaces de afiliados. Culto a Mac Puede ganar una comisión cuando utilice nuestros enlaces para comprar artículos.
El desarrollador con la configuración M1 Max MacBook Pro ama el Magic Mouse (y odia a su mayor competidor)
Hemos cubierto la configuración Syn en el pasado, ya que incluye un excelente equipo. Es decir: todavía rápido MacBook Pro M1 máx.un conjunto “perforado” de Altavoces KRK Rocket 5 Y múltiples muebles Base OWC Thunderbolt 4. Pero es la configuración la que sigue dando. La semana pasada analizamos el factor nostalgia y la pantalla que, según Syn, alcanza el “punto óptimo” A. Modelo Alienware de 34 pulgadas. Hoy hablaremos de una sorpresa que apareció recientemente en los comentarios de su post, que es su amor por ratón magico Y odio a uno de sus mayores competidores (que muchos programadores adoran).
Codificación con Magic Mouse
“Nunca entendí la programación con Magic Mouse”, señaló un comentarista. “Tenía dos, pero tuve que dejarlos y reemplazarlos después de unos meses de uso intensivo y conseguir algo más cómodo”.
Para nuestra sorpresa, Syn no sólo defendió el Magic Mouse para la programación, sino que también se burló de los populares ratones Logitech MX Master 3 y 3S que vemos en muchos juegos. Dispositivos. Ese sería el mouse inalámbrico Logitech MX Master 3 (o 3S), y si hay un mouse que vemos en la configuración además del Magic Mouse, es este.
“Me encanta Magic Mouse. He probado la mayoría de los ratones que se supone que funcionan muy bien con Mac, pero sigo volviendo al Magic Mouse una y otra vez. [Also] “Tengo manos de tamaño mediano, así que no tengo problemas de ergonomía”, dijo. “[And] De hecho, tengo un par de Logitech MX Masters (uno 3 y otro no) y, para ser honesto, los odio. Están sobrevalorados, son lentos y tienen un retraso extremo cuando se usa BT, y Logi Options+ es terrible, consume entre 2 y 3 GB de RAM y usa aleatoriamente el 100 % de mi CPU sin ningún motivo”.
“También aprendí recientemente que este software también ejecuta un algoritmo de aprendizaje automático local para aprender cosas sobre su uso; eso es un no-no para mí. Sin mencionar que este mouse es un peso muerto sin el software propietario de Logitech”, agregó. .
El comentarista respondió: “Sí, estoy de acuerdo contigo”. “Utilizo un mouse Razer con mi Mac y no ha tenido problemas”.
Aplicar recordatorios o notas a la pantalla.
Y si te preguntas qué hay en tu pantalla Syn, no estás solo.
“¿Es una aplicación de recordatorios o de notas?” alguien preguntó. “La interfaz se ve diferente”.
“Es una aplicación de recordatorios de acciones”, respondió Sen. “Tiene una función desde macOS 14 e iOS 17 para mostrar la lista como columnas. ¡Muy útil!”
Compre estos artículos ahora:
Dispositivos de entrada:
Computadora y acoplamiento:
una oferta:
Mi voz:
Mobiliario, iluminación y decoración:
Si desea ver su configuración destacada en Culto a MacEnvía algunas fotos de alta resolución a [email protected] (Las fotos del iPhone suelen funcionar bien). Proporcione una lista detallada de su equipo. Cuéntenos qué le gusta o no le gusta de su configuración, cuéntenos sobre cualquier toque especial, desafíos y planes para nuevas incorporaciones.
Hola Naturaleza Lectores, ¿les gustaría recibir este informe en su bandeja de entrada de forma gratuita todos los días? Regístrate aquí.
David Baker, Demis Hassabis y John Jumper (de izquierda a derecha) ganaron el Nobel de química por desarrollar herramientas computacionales que pueden predecir y diseñar estructuras de proteínas.Crédito: Fundación BBVA
La mitad del Premio Nobel de Química ha sido otorgada al científico informático Demis Hassabis, cofundador de la empresa de inteligencia artificial DeepMind, propiedad de Google, y al químico teórico John Jumper, director e investigador de DeepMind. Ganaron por liderar el desarrollo de AlphaFold, una herramienta de inteligencia artificial para predecir estructuras de proteínas que han transformado rápidamente la biología. En 2021, DeepMind anunció que había utilizado AlphaFold para predecir la estructura de casi todas las proteínas producidas por los humanos, así como los 'proteomas' completos de otros 20 organismos ampliamente estudiados.
Hassabis y Jumper comparten el premio con el biofísico computacional David Baker, quien dirigió el desarrollo de otra influyente herramienta de diseño de proteínas de IA, RoseTTAFold. Baker ganó por su trabajo No solo predecir las proteínas que existen, sino también idear otras nuevas.. En 2003, el grupo de investigación de Baker creó la primera proteína con una estructura completamente nueva, llamada Top7. Su equipo ahora está utilizando herramientas como RoseTTAFold y AlphaFold para diseñar proteínas que hagan cosas útiles, como catalizar una reacción química particular, especificando los aminoácidos responsables de la función deseada y dejando que la IA imagine el resto.
Ruanda está experimentando uno de los mayores brotes del virus de Marburgo jamás documentados. Los científicos esperan contener este brote, pero advierten que Marburg está aumentando y no se ha demostrado ningún tratamiento. Los brotes del virus, un “primo” del virus del Ébola, generalmente comienzan después de que una persona se encuentra con un murciélago frugívoro infectado. Los investigadores dicen que las amenazas ambientales, como el cambio climático y la deforestación, han hizo que las personas fueran más propensas a encontrarse con animales que pueden transmitir infecciones. “El mundo realmente tiene que estar preparado para eso”, dice el médico de urgencias Adam Levine.
Un informe contundente y condenatorio sobre el estado de la crisis climática concluye que “gran parte del tejido mismo de la vida en la Tierra está en peligro”. Una selección de 35 signos vitales planetarios, como las emisiones de gases de efecto invernadero y la pérdida de hielo de la Antártida, lo cuentan: 25 de ellos han alcanzado niveles récord este año. La mayoría de los récords también se batieron el año pasado. “Es asombroso que, en un mundo donde miles de millones de personas ya están sufriendo los impactos del cambio climático, las emisiones de combustibles fósiles y las tasas de deforestación no se están desacelerando, sino que en realidad están aumentando”, dice el ecologista y coautor Thomas Crowther.
A Creciente mercado de 'fauces de pescado' (vejigas natatorias secas) en Papúa Nueva Guinea es un salvavidas para las comunidades empobrecidas. Pero la sobrepesca (particularmente con redes de enmalle, que capturan indiscriminadamente muchas especies de peces, delfines y tortugas) podría en última instancia dañar el ecosistema y dejar a la gente en una situación aún peor. “Hay muy pocos controles y creo que los departamentos de pesca gubernamentales tienen muy poco conocimiento sobre el valor, la importancia y las amenazas potenciales de esto”, dice la especialista en pesca Yvonne Sadovy. La consecuencia es “una especie de frontera de vaqueros”, donde los altos precios empujan a los pescadores a pescar especies de las que “apenas sabemos nada en términos científicos”.
Han pasado 20 años desde el lanzamiento de la empresa de turismo espacial Virgin Galactic. Los multimillonarios parecen ir al espacio con regularidad; por ejemplo, el empresario Jared Isaacman, que fue a la vez caminante espacial y pagador de facturas en un reciente Misión privada SpaceX. Pero ¿Qué pasa con el resto de nosotros?? Un par de compañías de globos a gran altitud dicen que pronto llevarán a los pasajeros que paguen en un majestuoso viaje al aire a un precio de descuento.
Teniendo en cuenta que el rover Curiosity de la NASA en Marte ha estado en el planeta rojo durante más de una década, es comprensible que muestre signos de un poco de desgaste. Aquí vemos una de sus seis ruedas, la del medio derecha, muy desgastada, después de 12 años de exploración. Pero a pesar de haber recibido una paliza en la superficie rocosa de Marte, todavía hay mucha vida en el viejo rover. Curiosity capturó esta imagen con su Mars Hand Lens Imager (MAHLI) en el extremo de uno de sus brazos robóticos, el 22 de septiembre de 2024. (Espacio.com | 3 minutos de lectura(Crédito de la imagen: NASA/JPL-Caltech/MSSS)
CITA DEL DÍA
El especialista en gestión y marketing James Muldoon cuestiona la seguridad de los compañeros de IA para usuarios solitarios y vulnerables, especialmente después de que la fundadora de la empresa detrás de Replika AI admitiera que se inspiró en un episodio de una serie de televisión distópica. Espejo negro. (La conversación | 19 minutos de lectura)
Hoy me tomaré un descanso el debate sobre si la investigación ganadora del Nobel de Física es lo suficientemente física como para visitarla el telescopio espacial James Webb en Minecraft. Finalmente, podremos jugar con un pico en el icónico espejo primario de 18 segmentos en un universo hecho completamente de cubos.
Mientras reflexiono sobre el premio de John Hopfield afirmación que “la física [is] no es tema… física [is] un punto de vista”, ¿por qué no me envías tus comentarios sobre este boletín? Sus correos electrónicos son siempre bienvenidos en informació[email protected].
• Informe sobre la naturaleza: microbiología — las entidades vivientes más abundantes de nuestro planeta —los microorganismos— y el papel que desempeñan en la salud, el medio ambiente y los sistemas alimentarios.
David Becker, Demis Hassabis y John Gumper (de izquierda a derecha) ganaron el Premio Nobel de Química por desarrollar herramientas computacionales que pueden predecir y diseñar estructuras de proteínas.Crédito: Fundación BBVA
Por primera vez, y quizás no la última, un avance científico posible gracias a la inteligencia artificial ha sido reconocido con el Premio Nobel. El Premio Nobel de Química 2024 fue otorgado a John Gamper y Demis Hassabis de Google DeepMind en Londres, por desarrollar un sistema revolucionario. Una herramienta de inteligencia artificial para predecir estructuras de proteínas se llama AlphaFoldy David Becker, de la Universidad de Washington en Seattle, por su trabajo en diseño computacional de proteínas, que se completó Al lo ha reforzado en los últimos años.
“Espero que cuando miremos a AlphaFold, sea la primera prueba del asombroso potencial de la inteligencia artificial para acelerar los descubrimientos científicos”, dijo Hassabis en una conferencia de prensa en DeepMind el 9 de octubre. “Es irreal en este momento”.
¿Qué sigue para AlphaFold y la revolución del plegado de proteínas con IA?
El efecto AlphaFold que fue Fue revelado hace sólo unos años.Fue nada menos que transformador. Esta herramienta ha puesto a disposición de los investigadores estructuras de proteínas (a menudo, pero no siempre, extremadamente precisas) con solo tocar un botón, y ha permitido experimentos que habrían sido inimaginables hace una década. “Es una gran revolución”, dice Christine Orengo, bióloga computacional del University College de Londres, cuyo laboratorio ha utilizado estructuras predichas por AlphaFold para revelar nuevas proteínas.
“Ha sido un sueño desde hace mucho tiempo que aprendamos a predecir la estructura tridimensional de las proteínas conociendo sus secuencias de aminoácidos”, dijo Heiner Linke, jefe del Comité Nobel, que investiga la nanociencia en la Universidad de Lund en Suecia. Durante varias décadas, esto se consideró imposible”. Durante el anuncio del premio. Añadió que los ganadores de este año “lograron descifrar el código”. Los tres ganadores comparten un premio acumulado de 11 millones de coronas suecas (1 millón de dólares).
Inteligencia artificial premiada
DeepMind lanzó AlphaFold por primera vez en 2018, cuando ganó un concurso de predicción de la estructura de proteínas llamado Evaluación crítica de la predicción de la estructura de proteínas (CASP). Pero fue la segunda iteración de la red neuronal de aprendizaje profundo, Fue presentado a finales de 2020.Esto realmente ha revolucionado las ciencias de la vida. Muchas de las predicciones de AlphaFold2 en CASP fueron tan precisas que no se podían distinguir de las estructuras proteicas resueltas experimentalmente.
Hassabis, cofundador y director ejecutivo de DeepMind, y Jumper, jefe del equipo AlphaFold, lideraron el desarrollo de AlphaFold2. Para predecir las estructuras de las proteínas, una red neuronal combina datos de bibliotecas de cientos de miles de estructuras y millones de secuencias de proteínas relacionadas, que contienen información sobre sus formas.
Cómo ganar un Premio Nobel: ¿Qué tipo de científicos ganan medallas?
En particular, el éxito de AlphaFold se debe en gran parte al Protein Data Bank, un depósito de acceso gratuito de más de 200.000 estructuras de proteínas determinadas mediante métodos que incluyen cristalografía de rayos X y microscopía crioelectrónica. “Es una lección de humildad cada vez que entrenamos [AlphaFold] A lo largo de años de esfuerzo. “Cada punto de datos son años de esfuerzo por parte de alguien”, dijo Jumper en la conferencia de prensa de DeepMind.
La revolución lanzada por Jumper, Hassabis y sus colegas aún está en sus inicios, y es posible que no se conozca el impacto total de AlphaFold en la ciencia hasta dentro de años. De hecho, esta herramienta ayuda a los científicos a obtener nuevos conocimientos.
Un equipo pionero utilizó esta herramienta, combinada con datos experimentales, para dibujar un mapa. Complejo de poros nuclearesuna de las máquinas más grandes de nuestras células que mueve moléculas dentro y fuera del núcleo. El año pasado, dos equipos exploraron toda la base de datos AlphaFold para descubrir los rincones más oscuros del mundo de las proteínas, identificando nuevas familias de proteínas y pliegues y conexiones sorprendentes en la maquinaria de la vida.
“Todo el mundo de las proteínas”: la IA predice la forma de casi todas las proteínas conocidas
Muchos investigadores esperan que AlphaFold y otras herramientas de inteligencia artificial que inspiró transformen la medicina, pero ese ya es el caso. no esta claro aun Cómo, o si, AlphaFold simplificará el costoso proceso de varios pasos para desarrollar medicamentos seguros. Los científicos que sientan las bases para nuevas vacunas encuentran que AlphaFold es increíblemente útil Y en algunos casos, un cambio de juego. Pero AlphaFold complementa los estudios experimentales y otros enfoques para mapear y modificar la estructura de proteínas virales para su uso en vacunas.
Para la mayoría de los investigadores, la estructura predicha es el comienzo de un estudio, no el final, dice Jan Kosinski, modelador estructural del Laboratorio Europeo de Biología Molecular (EMBL) en Hamburgo, Alemania. “Al principio se temía que sustituyera a la biología estructural, que la gente perdiera su empleo, etc. De hecho, ocurrió todo lo contrario”, añade.
Uno de los mayores impactos de la herramienta ha sido un cambio en la mentalidad de los biólogos, “que dicen que las computadoras son cosas que pueden producir hipótesis útiles”, dice David Jones, bioinformático de la University College London que colaboró con DeepMind en la primera versión de AlphaFold a partir de en 2016. Que se puede probar en el laboratorio.
Creando nuevas proteínas
Más de dos décadas antes de que DeepMind comenzara a trabajar en AlphaFold, el biofísico computacional David Becker y sus colegas desarrollaron una herramienta de software llamada Rosetta que modelaba estructuras de proteínas utilizando principios físicos. La herramienta compara pequeñas partes de múltiples estructuras y secuencias de proteínas existentes para determinar qué secuencias de proteínas pueden plegarse en una conformación específica.
Inicialmente, Rosetta se aplicó para predecir estructuras de proteínas y estuvo entre las principales entradas en muchos CASP, antes de que AlphaFold dominara. Pero Becker pronto se dio cuenta de que se podía invertir el paradigma para diseñar proteínas completamente nuevas.
Las herramientas de IA están diseñando proteínas completamente nuevas que podrían transformar la medicina
La herramienta tuvo un éxito temprano Diseñar nuevas proteínasincluidos nuevos tipos de enzimas, proteínas que pueden unirse estrechamente a otras moléculas y nanopartículas de proteínas autoensambladas que se asemejan a los virus (una de las cuales sirvió de base para una vacuna COVID-19 aprobada).
Cuando se anunció AlphaFold2, pero aún no se lanzó, Baker y su equipo, incluido el químico computacional Minkyung Baek, ahora en la Universidad Nacional de Seúl en Corea del Sur, se propusieron comprender el programa y aplicar algunos de sus trucos a una versión anterior basada en IA. del software. Rashid. El rendimiento de la primera versión de la red RoseTTAFold resultante fue casi idéntico al de AlphaFold2. Desde 2021, sus desarrolladores y otros científicos han mejorado continuamente ambas redes para afrontar nuevos desafíos, como predecir la estructura de complejos de múltiples y diferentes proteínas que interactúan.
En los últimos años, el equipo de Becker ha sido particularmente prolífico en la aplicación del aprendizaje automático a la razón de ser de su laboratorio: Creando nuevas proteínas nunca antes vistas en la naturaleza. La herramienta desarrollada recientemente por el equipo de Baker, que combina RoseTTAFold con redes neuronales omnipresentes generadoras de imágenes, ha supuesto un cambio radical en la capacidad de los investigadores para diseñar proteínas.
Avance rápido
Estas herramientas fueron un tremendo acelerador y democratizador, dice Sergei Ovchinnikov, biólogo evolutivo del Instituto Tecnológico de Massachusetts en Cambridge, que hizo su doctorado en el laboratorio de Becker. Rosetta solía tardar semanas en ejecutarse en cientos de procesadores para llegar a un diseño de proteína, una tarea que las herramientas más nuevas basadas en inteligencia artificial pueden realizar en segundos. “Ahora todo el mundo puede diseñar una proteína”, afirma.
“Me siento profundamente inspirado por otros en este campo y por la gente con la que he trabajado”, dijo Becker, hablando por teléfono durante el anuncio del Premio Nobel. “Me he subido a hombros de gigantes”.
Premio Nobel de Medicina por “microARN” que regula genes
Martin Steiniger, biólogo computacional de la Universidad Nacional de Seúl en Corea del Sur, compara el impacto de AlphaFold, RoseTTAFold y otras herramientas de inteligencia artificial biológica con el de las misiones Apolo a la Luna, al mostrar lo que la ingeniería puede lograr. “Es un momento similar para la predicción de estructuras y el campo de la biología estructural, donde simplemente se ve lo que es posible”, dice.
Pocos se sorprendieron por la decisión del Comité Nobel. En cuanto a Baker, Jones dice: “La mayoría de la gente pensó que tenía que ver con la cantidad de trabajo que había realizado en esta área”. Gamper, que sabía que él y Hassabis estaban en las listas de muchas personas, dijo en la rueda de prensa que no había podido dormir la noche anterior al anuncio de hoy.
Para Jumper, las estructuras predecibles que ofrece AlphaFold crean nuevas oportunidades para el descubrimiento científico. Millones de científicos ya han utilizado estas herramientas y espera que no pase mucho tiempo antes de que alguien reciba una llamada de Suecia. “El momento en que sentiré la misma emoción será el Premio Nobel por el trabajo realizado con AlphaFold”, dijo.
AbiertoAI El martes organizó su conferencia anual DevDay en San Francisco y anunció varias actualizaciones nuevas a la versión de la interfaz de programación de aplicaciones (API) de ChatGPTque se puede reconfigurar y ajustar para ejecutar aplicaciones y otros programas. Entre ellas, las principales introducciones son API en tiempo real, capacitación instantánea y ajuste de visión utilizando GPT-4o. La empresa también está facilitando a los desarrolladores la síntesis del modelo. OpenAI también anunció la finalización de su ronda de financiación e informó que había recaudado 6.600 millones de dólares (alrededor de 55 rupias lakh crore) durante el evento.
OpenAI anuncia nuevas funciones para desarrolladores
En varias publicaciones de blog, la empresa de inteligencia artificial ha destacado nuevas funciones y herramientas para desarrolladores. el En primer lugar Es una API en tiempo real que estará disponible para los suscriptores pagos de la API ChatGPT. Esta nueva capacidad proporciona una experiencia multimedia de baja latencia, lo que permite conversaciones de voz a voz similares al modo de voz avanzado ChatGPT. Los desarrolladores también pueden aprovechar los seis sonidos prediseñados agregados previamente a la API.
Otra nueva introducción es la capacidad de capacitación instantánea en la Interfaz de programación de aplicaciones (API). OpenAI ofrece esta función como una forma para que los desarrolladores ahorren costos en las indicaciones que se utilizan con frecuencia. La compañía señaló que los desarrolladores generalmente siguen enviando las mismas indicaciones de entrada cuando editan el código base o tienen una conversación de múltiples funciones con el chatbot. Con Instant Training, ahora pueden reutilizar las indicaciones de entrada utilizadas recientemente a un precio reducido. El procesamiento en sí también será más rápido. Se pueden consultar nuevos precios. aquí.
También puede ser GPT-4o finamente afinado Para tareas relacionadas con la visión. Los desarrolladores pueden personalizar el modelo de lenguaje grande (LLM) entrenándolo con un conjunto fijo de datos visuales y mejorando la eficiencia de la salida. Según la publicación del blog, el rendimiento de GPT-4o para tareas de visión se puede mejorar con tan solo 100 imágenes.
Finalmente, la empresa también lleva a cabo un proceso destilación típica Más fácil para los desarrolladores. La destilación de modelos es el proceso de construir modelos de IA más pequeños y precisos a partir de un modelo de lenguaje más grande. Anteriormente, el proceso era complejo y requería un enfoque de varios pasos. Ahora, OpenAI ofrece nuevas herramientas como Finalizaciones almacenadas (para crear fácilmente conjuntos de datos de destilación), Evaluaciones (para ejecutar evaluaciones personalizadas y medir el rendimiento) y Ajuste fino (ajustar modelos más pequeños directamente después de ejecutar una evaluación).
Vale la pena señalar que todas estas funciones están actualmente disponibles en versión beta y estarán disponibles para todos los desarrolladores que utilicen la versión paga de la API en una fecha posterior. Además, la compañía dijo que tomará medidas para reducir aún más los costos del código de E/S.
Google Google ha lanzado una API para desarrolladores de Android que les dará más control sobre cómo se descargan sus aplicaciones, según un informe. Se dice que la API, denominada “Play Integrity”, incluye una nueva funcionalidad que obliga a los usuarios a descargar la aplicación únicamente a través de Google Play Store, evitando efectivamente la descarga. Comprueba el estado de la aplicación y, si se determina que no tiene licencia, la API puede impedir que se ejecute en un dispositivo Android.
API de integridad de Android Play
Androide La API Play Integrity se presentó por primera vez en Google I/O 2024 en mayo y recientemente obtuvo esta nueva capacidad. La API busca “interacciones y solicitudes de servidor que provengan de un binario nativo de la aplicación que se ejecuta en un dispositivo Android nativo”. De acuerdo a A Google.
en un informeMishal Rahman de Android Authority destacó que la nueva característica de la API permite a los desarrolladores superponer un nuevo cuadro de diálogo que dice “Obtener esta aplicación de Google Play”, si se cargó desde una fuente de terceros en un dispositivo Android. Los usuarios pueden optar por instalar la aplicación nuevamente desde Google Play Store seleccionando Instalar desde Play Opción. Se dice que esto tiene como objetivo reemplazar la versión lateral de la aplicación con la versión oficial.
en correo En chat gbt – Chatbot OpenAI impulsado por inteligencia artificial (inteligencia artificial). Otras aplicaciones reportadas incluyen Tesco y BeyBlade.
Función de riesgo de acceso a aplicaciones
Además de bloquear aplicaciones descargadas, la API Play Integrity es ha sido reportado Incluye otra característica nueva llamada “Riesgo de acceso a la aplicación”. Esta función es capaz de comprobar si el usuario ha instalado aplicaciones que puedan capturar el contenido de la pantalla del dispositivo o controlar sus acciones. Luego puede pedirle al usuario que cierre la aplicación, lo que puede protegerlo de aplicaciones maliciosas que pueden grabar la pantalla mientras usa aplicaciones confidenciales.
Sin embargo, Google dice que no todas las aplicaciones que cumplan con los criterios activarán un mensaje de riesgo de acceso a una nueva aplicación.
manzana Apple anunció el martes soporte para una nueva función en la App Store que permite a los desarrolladores alentar a los antiguos usuarios de la aplicación a registrarse nuevamente para obtener una suscripción paga. Estas llamadas “ofertas de recuperación de usuarios” permitirán a los desarrolladores de aplicaciones ofrecer un descuento a los antiguos usuarios para convencerlos de que compren una suscripción. Estas ofertas estarán disponibles en planes de renovación automática, según Apple. Los desarrolladores de aplicaciones ya han comenzado a ofrecer estas ofertas a los clientes que cancelaron recientemente su suscripción.
de acuerdo a detalles Según lo publicado en el sitio web para desarrolladores de Apple, la nueva función “Ofertas de recuperación de clientes” está diseñada para permitir a los desarrolladores dirigirse a usuarios que ya no están suscritos a sus servicios de aplicaciones. Apple dice que podría ofrecer una oferta especial a clientes anteriores que podría animarlos a pagar una nueva suscripción.
Según Apple, estas ofertas sólo estarán disponibles para suscripciones renovadas automáticamente. Un ejemplo de una de estas ofertas de recuperación del cliente es la capacidad de ofrecer a los usuarios la oportunidad de pagar $9,99 por una suscripción de seis meses, seguida de una suscripción anual de $39,99 que se renueva automáticamente después del período promocional.
Los desarrolladores podrán configurar estas vistas a través de Aplicación App Store ConnectApple dice que brindará la posibilidad de especificar los criterios de elegibilidad, el tipo de descuento que se ofrecerá y la disponibilidad de estas promociones por región.
Una vez configurada una oferta de restauración, los clientes pueden ver un mensaje para comprar una suscripción a un precio más económico dentro de la aplicación o juego, a través de Tienda de aplicaciones Página del producto o configuración de suscripción. Los desarrolladores también pueden configurar un enlace directo que se puede enviar a los clientes por correo electrónico o mensaje.
Los documentos para desarrolladores de Apple indican que los clientes verán ofertas de restauración de suscripciones “este otoño”. Mientras tanto, algunos desarrolladores ya han implementado sus propios métodos para animar a los usuarios a volver a suscribirse a planes cancelados. A un empleado de Gadgets 360 se le mostró recientemente una oferta de la aplicación Gentler Streak, con el mensaje “¿Qué pasa si me quedo?”, lo que le llevó a volver a suscribirse al plan anual en curso pero cancelado por 899 rupias en lugar del precio habitual de 1.499 rupias. . Dado que Apple ofrece a los desarrolladores una forma de mostrar ofertas de restauración de suscripciones, podemos esperar ver más aplicaciones que adopten una funcionalidad similar en los próximos meses.
Abierto AI La semana pasada, Google anunció nuevos cambios en su sistema de búsqueda de archivos, lo que permitirá a los desarrolladores tener más control al pedir a los chatbots de IA que elijan respuestas. La mejora se realizó en la API de ChatGPT y permitirá a los desarrolladores no solo verificar el comportamiento del método de recuperación del chatbot, sino que también les permitirá ajustar su comportamiento. De esta manera, los desarrolladores pueden asegurarse de que solo se seleccionen las respuestas deseadas. En particular, un informe anterior afirmó que la compañía planea lanzar otro modelo de inteligencia artificial denominado “Strawberry” que puede mejorar las matemáticas y la lógica de ChatGPT.
OpenAI está mejorando la API ChatGPT para desarrolladores
La empresa de inteligencia artificial anunció cambios en su API correo Básicamente, la actualización mejora los controles de búsqueda de archivos en la API auxiliar. Permite a los desarrolladores verificar los resultados elegidos por el chatbot y realizar más ajustes según sus requisitos.
Las API son diferentes de las centradas en el consumidor chat gbt Si bien la interfaz que ven los usuarios finales está ajustada por OpenAI y está configurada para comportarse de cierta manera, los desarrolladores que están creando herramientas internas para empresas o integrando el chatbot en diferentes aplicaciones y software necesitan más libertad.
Esto puede deberse a que, si bien la versión pública de ChatGPT está configurada para fines generales, la versión API se utiliza para funciones específicas. Para sobresalir, los usuarios requieren que la IA no cometa errores y proporcione respuestas de la más alta calidad.
Hasta ahora, los desarrolladores no tenían la opción de ajustar la API para que el chatbot generara respuestas relevantes para casos de uso específicos; sin embargo, con las nuevas opciones de control, esto cambiará. OpenAI, en Página de soportearroja luz sobre cómo funciona esto.
Los desarrolladores ahora pueden inspeccionar las respuestas de búsqueda de archivos. La utilidad File Finder de la API selecciona las respuestas que cree que son relevantes para una consulta en particular. Sin embargo, los desarrolladores ahora podrán verificar las respuestas elegidas por la IA y probar la información generada en ejecuciones anteriores. Se dice que esta información les ayudará a proporcionar más información sobre el funcionamiento de la herramienta.
Además, los desarrolladores pueden ajustar la configuración del clasificador de resultados que se utiliza para buscar información para generar respuestas. Al elegir una calificación entre 0,0 y 1,0, pueden controlar qué información selecciona la IA y cuál ignora.
Apple está lista para lanzar una nueva característica para el iPhone que anteriormente estaba limitada al servicio Apple Pay de la compañía, permitiendo a los desarrolladores de aplicaciones de terceros acceder a la tecnología de comunicación de campo cercano (NFC) en sus teléfonos inteligentes. La compañía de Cupertino había dicho anteriormente que permitiría a los desarrolladores de la región de la UE acceder a la función en respuesta a una investigación inminente de la Comisión Europea. Esto puede permitir que aplicaciones de terceros admitan la funcionalidad de pago con un solo toque en iOS, al igual que los teléfonos inteligentes Android.
Apple admitirá el acceso de terceros a la tecnología NFC con iOS 18.1
de acuerdo a detalles Apple ha anunciado una versión beta para desarrolladores de iOS 18.1 que permitirá a desarrolladores externos de la Unión Europea y otras regiones acceder a la tecnología NFC del iPhone. Actualmente, Apple Pay y Apple Wallet solo admiten pagos sin contacto, donde el acceso al chip está limitado a las aplicaciones y servicios de la empresa, en iOS 17 y versiones anteriores.
Esto significa que una versión futura de iOS 18 incluirá soporte para pagos y transacciones NFC a través de aplicaciones de terceros a través del acceso al procesador Secure Element de Apple, lo que permitirá a los bancos y otras aplicaciones admitir pagos sin contacto, incluso en regiones donde Apple Pay no es compatible. incluida la India.
Además de los pagos sin contacto, las aplicaciones de terceros también podrán ofrecer acceso a versiones digitales de tarjetas de transporte, tarjetas de identificación de estudiantes y comerciales, llaves de hotel y de casa, entradas para eventos y tarjetas de recompensa o fidelidad. Apple también dice que las tarjetas de identificación gubernamentales también serán compatibles a través de aplicaciones de terceros en el futuro.
El acceso NFC de terceros requerirá una tarifa de desarrollador
Si bien la decisión de Apple de abrir el acceso a la funcionalidad NFC en iOS es un paso positivo, Apple ha impuesto algunas restricciones a su disponibilidad. En primer lugar, el acceso de terceros a la función en iOS 18.1 estará disponible para desarrolladores en siete países fuera de la Unión Europea.
Esto significa que, con la excepción de los desarrolladores de la UE, solo los de Australia, Brasil, Canadá, Japón, Nueva Zelanda, el Reino Unido y los EE. UU. tendrán inicialmente acceso a la tecnología NFC del iPhone con la versión beta para desarrolladores de iOS 18.1. Apple no ha dicho cuándo otras regiones, incluida India, tendrán acceso a la funcionalidad de pago sin contacto en los teléfonos inteligentes de Apple.
Los desarrolladores que vivan en los países mencionados anteriormente tendrán que pagarle a Apple para acceder a las API NFC y Secure Element (SE). Para que una aplicación de terceros acceda a estas API, los desarrolladores tendrán que “celebrar un acuerdo comercial con Apple, solicitar acceso NFC y SE y pagar las tarifas asociadas”, dice la compañía.
Según la compañía, estos requisitos permitirán a los desarrolladores acceder a las API necesarias para acceder a la tecnología NFC en el iPhone, sólo si cumplen con los requisitos reglamentarios y si cumplen con los estándares de privacidad y seguridad de la compañía.
En los teléfonos inteligentes Android, los pagos sin contacto a través de aplicaciones de terceros ahora están disponibles para aplicaciones que incluyen un anuncio para el uso de dispositivos NFC en el archivo “manifiesto” de la aplicación. Google y otros fabricantes de teléfonos inteligentes Android no han cobrado a los desarrolladores por el acceso a la funcionalidad NFC, por lo que queda por ver cómo responde la UE al requisito de Apple de utilizar la función en iOS.
Construcción del mundo real Herramientas de inteligencia artificial Requiere que te ensucies las manos con datos. ¿el reto? Las estructuras de datos tradicionales a menudo actúan como archivadores rebeldes; simplemente no se adaptan al volumen de datos no estructurados que generamos.
Desde motores de recomendación y servicio al cliente generados por IA hasta entregas con drones y optimización de la cadena de suministro, los minoristas de Fortune 500 como Walmart utilizan docenas de modelos de IA y aprendizaje automático, cada uno de los cuales lee y produce combinaciones únicas de conjuntos de datos. Esta diversidad requiere componentes especializados para acomodar, almacenar, procesar y transformar datos.
Independientemente de los datos o la infraestructura, las características de mala calidad afectan directamente el rendimiento de su modelo. Una característica o cualquier entrada de datos medibles, ya sea el tamaño de un objeto o un clip de audio, debe ser de alta calidad. La parte de ingeniería (el proceso de identificar esta retroalimentación bruta y convertirla en características deseables para que puedan usarse en el aprendizaje supervisado) se vuelve crítica para diseñar y entrenar nuevos enfoques de aprendizaje automático para que puedan abordar nuevas tareas.
Este proceso implica iteración constante, distintos lanzamientos, arquitectura flexible, sólido conocimiento del dominio e interpretabilidad. Exploremos estos elementos con más detalle.
Ravi Narayanan
Responsable de la práctica de Global Insights and Analytics en Nysom.
Una estructura de datos adecuada simplifica operaciones complejas
Garantiza una estructura de datos bien diseñada Datos Fácilmente disponible y accesible para ingeniería de funciones. Los componentes principales incluyen:
1. Soluciones de almacenamiento de datosEquilibrio de almacenes de datos y lagos.
2. Canalizaciones de datos:Utilice herramientas como AWS Glue o Azure Data Factory.
Suscríbase al boletín TechRadar Pro para recibir todas las noticias, opiniones, funciones y orientación que su empresa necesita para tener éxito.
3. control de accesoGarantizar la seguridad de los datos y su correcto uso.
La automatización puede aliviar significativamente la carga de la ingeniería de funciones. Tecnologías como la partición de datos o el almacenamiento en columnas facilitan el procesamiento paralelo de grandes conjuntos de datos. Al dividir los datos en partes más pequeñas según criterios específicos, como la región de un cliente (por ejemplo, América del Norte, Europa, Asia), cuando es necesario ejecutar una consulta, solo se accede a las secciones o columnas relevantes y se procesan en paralelo en múltiples máquinas.
La validación de datos automatizada, la serialización de funciones y la gestión de esquemas dentro de la infraestructura mejoran la comprensión y promueven la reutilización en todos los modelos y experimentos, lo que mejora aún más la eficiencia. Esto requiere establecer expectativas específicas para sus datos, como formato, rangos de valores, límites de datos faltantes y otras restricciones. Herramientas como Apache Airflow lo ayudan a incluir validaciones, mientras que Lineage IQ admite el seguimiento de origen, conversión y destino de las funciones. La clave es almacenar y administrar las definiciones de esquemas en constante evolución de sus datos y características en un repositorio central.
Una arquitectura de datos sólida prioriza los pasos de limpieza, validación y transformación para garantizar la precisión y coherencia de los datos, lo que ayuda a simplificar la ingeniería de funciones. Los almacenes de características, un tipo de depósito central de características, son una herramienta valiosa dentro de la arquitectura de datos que lo respalda. Cuanto más compleja sea la arquitectura y la tienda de características, más importante será tener una propiedad clara y Permiso de control de accesoagilizando el flujo de trabajo y mejorando la seguridad.
El papel de las tiendas de características
Muchas bibliotecas de aprendizaje automático proporcionan funciones prediseñadas para tareas de ingeniería de características comunes, como codificación en caliente y creación rápida de prototipos. Aunque estas funciones pueden ahorrarle tiempo y garantizar que las funciones estén diseñadas correctamente, es posible que no sean suficientes para proporcionar las transformaciones dinámicas y las tecnologías que cumplan con sus requisitos. Es probable que lo que necesite para gestionar la complejidad y la coherencia sea un almacén de funciones central.
Tener una tienda de funciones facilita el intercambio y evita duplicar esfuerzos. Sin embargo, su instalación y mantenimiento requieren esfuerzos adicionales. esa infraestructura Y experiencia. En lugar de depender del entorno de codificación existente de un proveedor de biblioteca prediseñado para definir metadatos de funciones y aportar nuevas funciones, con un repositorio de funciones implementado, los científicos de datos internos tienen la autonomía para implementar estas funciones en tiempo real.
Hay muchos elementos a considerar al encontrar una tienda de funciones que pueda cumplir con sus tareas específicas y integrarse bien con sus herramientas existentes. Sin mencionar el rendimiento, la escalabilidad y los términos de licencia de la tienda: lo que está buscando Fuente abierta ¿O algo comercial?
A continuación, asegúrese de que su tienda de funciones sea apropiada para sus necesidades de ingeniería de funciones complejas o específicas de un dominio, y verifique lo que dice en la lata. Por ejemplo, al elegir cualquier producto, es importante consultar las reseñas y el historial de lanzamientos. ¿La tienda mantiene compatibilidad con versiones anteriores? ¿Existe documentación oficial, canales de soporte o una comunidad de usuarios activa para recursos de solución de problemas, tutoriales y ejemplos de código? ¿Qué tan fácil es aprender la sintaxis y la API de la tienda? Estos son los tipos de factores que debe considerar al elegir el taller adecuado para sus tareas de ingeniería de funciones.
Equilibrando la capacidad de interpretar y realizar
A menudo resulta difícil equilibrar la interpretabilidad y el rendimiento. Las características explicables son fáciles de entender para los humanos y están directamente relacionadas con el problema que se resuelve. Por ejemplo, una característica denominada “F12”, como “Edad_del_cliente_en_años”, será más representativa e interpretable. Sin embargo, los modelos complejos pueden sacrificar cierta interpretabilidad para mejorar la precisión.
Por ejemplo, un formulario de detección de fraude. Tarjeta de crédito Los parámetros pueden utilizar una máquina de aumento de gradiente para identificar patrones sutiles en diferentes funciones. Aunque son más precisas, la complejidad dificulta la comprensión de la lógica de cada predicción. Los análisis de importancia de las funciones y las herramientas de IA explicables pueden ayudar a mantener la interpretabilidad en estos escenarios.
La ingeniería de funciones es una de las tareas de preprocesamiento de datos más complejas que realizan los desarrolladores. Sin embargo, como un chef en una cocina bien pensada, automatizar la estructuración de datos en una estructura bien diseñada mejora enormemente la eficiencia. Equipe a su equipo con las herramientas y la experiencia para evaluar sus procesos actuales, identificar brechas y tomar medidas prácticas para integrar la validación automatizada de datos, la secuenciación de funciones y la gestión de esquemas.
Para mantenerse a la vanguardia en el competitivo panorama de la IA, especialmente para las grandes empresas, es esencial invertir en una arquitectura de datos sólida y un almacén de funciones central. Garantiza la coherencia, reduce las duplicaciones y permite el escalado. Al combinar catálogos de funciones interpretables, flujos de trabajo claros y controles de acceso seguros, la ingeniería de funciones puede convertirse en una tarea menos desalentadora y más manejable.
Únase a nosotros para transformar su proceso de ingeniería de funciones, garantizando que sus modelos se construyan sobre una base de funciones de alta calidad, explicables y escalables. Contáctenos hoy para descubrir cómo podemos ayudarlo a liberar todo el potencial de sus datos e impulsar el éxito de la IA.
Este artículo se produjo como parte del canal Expert Insights de TechRadarPro, donde destacamos las mejores y más brillantes mentes de la industria tecnológica actual. Las opiniones expresadas aquí son las del autor y no reflejan necesariamente los puntos de vista de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí: https://www.techradar.com/news/submit-your-story-to-techradar-pro
