Artefact Research Center
Acortando la brecha entre la academia y las aplicaciones industriales.
Nuestro ecosistema de investigación en unas pocas cifras
El Artefact y el Research Center en cifras.
La misión del Artefact y el Research Center.
Un ecosistema completo que tiende un puente entre la investigación fundamental y las aplicaciones industriales concretas.
Investigación sobre modelos más transparentes y éticos para fomentar la adopción del modelo AI por parte de las empresas.
Ejemplos de sesgos AI
- AppleCard otorga hipotecas basadas en criterios racistas
- Lensa AI sexualiza los selfies de women
- Clasificación racista de imágenes de Facebook con afroamericanos como monos
- El chatbot de Twitter de Microsoft se volvió nazi, sexista y agresivo
- Los buenos científicos son hombres blancos
Desafío actual
Los modelos AI son precisos y fáciles de implementar en muchos casos de uso, pero siguen siendo incontrolables debido a las «cajas negras» y a cuestiones éticas.
Campos de investigación transversales
Gracias a nuestro posicionamiento único, nuestro objetivo es abordar los retos generales del programa AI, ya sea en el ámbito de la modelización estadística o de la investigación en gestión.
Esas preguntas son transversales a todas nuestras asignaturas y nutren nuestra investigación.
Un ecosistema completo que une la brecha entre la investigación fundamental y las aplicaciones tangibles de la industria.
Una selección de nuestros artículos revisados por pares, presentados en conferencias de primer nivel sobre inteligencia artificial.
Nuestros investigadores colaboran en retos del mundo real relacionados con la inteligencia artificial.
Artículos de Medium de nuestros expertos en tecnología.
Detectando alucinaciones en LLMs, un token a la vez
Los modelos de lenguaje grandes son asombrosamente capaces. Resumen, traducen, razonan y codifican (mejor que yo). Pero a diferencia de mí, también se han hecho notorios por inventar...
¿Dependerá el futuro de Agentic AI de los grafos de conocimiento?
A medida que las empresas se apresuran a poner en práctica el modelo AI, la mayoría descubre que su infraestructura data nunca se diseñó para el razonamiento autónomo. Hoy en día, hasta el 80% de las implementaciones de AI...
Enriquecer la experiencia del bricolaje: cómo ADEO utiliza AI para conectar contenidos y conocimientos
La optimización del surtido es un proceso crítico en el comercio minorista que implica la curación de la combinación ideal de productos para satisfacer la demanda del consumidor teniendo en cuenta la logística...
MotherDuck al detalle: cómo encaja la solución de IA y análisis de última generación en su pila Data
MotherDuck amplía el rendimiento analítico de DuckDB al modelo cloud con funciones colaborativas, ofreciendo un rendimiento cuatro veces superior al de BigQuery y un ahorro de costes respecto a los almacenes de datos tradicionales data gracias a...
Optimización de surtido con modelos de elección discreta en Python
La optimización del surtido es un proceso crítico en el comercio minorista que implica la curación de la combinación ideal de productos para satisfacer la demanda del consumidor teniendo en cuenta la logística...
¿Es la Alineación de Preferencias Siempre la Mejor Opción para Mejorar la Traducción Basada en LLM? Un Análisis Empírico
Las métricas neuronales para la evaluación de la traducción automática (TA) se han vuelto cada vez más prominentes debido a su superior correlación con el juicio humano en comparación con las métricas léxicas tradicionales.
Choice-Learn: Modelado de elección a gran escala para contextos operativos a través de la lente del aprendizaje automático
Los modelos de elección discreta tienen como objetivo predecir las decisiones de elección tomadas por los individuos a partir de un menú de alternativas, llamado surtido. Los casos de uso conocidos incluyen la predicción de un...
La era de la IA generativa AI: qué está cambiando
La abundancia y diversidad de las reacciones ante ChatGPT y otros modelos generativos de IA, ya sean escépticas o entusiastas, ponen de manifiesto los cambios que están provocando y el impacto...
Cómo Artefact logró desarrollar un sistema de desarrollo profesional justo y sencillo para los ingenieros de software
En la dinámica y siempre cambiante industria tecnológica de hoy, una trayectoria profesional a menudo puede sentirse como un camino sinuoso a través de un denso bosque de oportunidades. Con el rápido...
¿Por qué necesitas LLMOps?
Este artículo presenta LLMOps, una rama especializada que fusiona DevOps y MLOps para gestionar los desafíos que plantean los Modelos de Lenguaje Grandes (LLM)...
Desatando el poder del LangChain Expression Language (LCEL): de la prueba de concepto a la producción
LangChain se ha convertido en una de las bibliotecas de Python más utilizadas para interactuar con LLMs en menos de un año, pero LangChain fue principalmente una biblioteca...
Cómo gestionamos la conciliación de ID de perfiles utilizando Treasure Data Unification y SQL
En este artículo explicamos los retos que plantea la conciliación de identificadores y mostramos nuestro enfoque para crear un identificador de perfil unificado en la plataforma Customer Data, concretamente...
