[ad_1]
Este semestre, se invitó a estudiantes y posdoctorados del MIT a presentar ideas para el primer MIT Ignite: Concurso de emprendimiento de IA generativa. Más de 100 equipos presentaron propuestas para nuevas empresas que utilizan tecnologías de inteligencia artificial generativa para desarrollar soluciones en una variedad de disciplinas, incluida la salud humana, el cambio climático, la educación y la dinámica de la fuerza laboral.
El 30 de octubre, 12 finalistas presentaron sus ideas ante un jurado de expertos y una sala repleta en el Centro de Conferencias de Samberg.
«El MIT tiene la responsabilidad de ayudar a dar forma a un futuro de innovación en IA que beneficie a todos, y para lograrlo necesitamos muchas ideas geniales». Así que recurrimos a una fuente bastante confiable de grandes ideas: los estudiantes altamente emprendedores y los postdoctorados del MIT». dijo la presidenta del MIT, Sally Kornbluth, en sus palabras de apertura del evento.
El evento MIT Ignite es parte de un enfoque más amplio sobre IA generativa en el MIT lanzado por Kornbluth. Este otoño, investigadores y estudiantes de todo el instituto están explorando formas de contribuir con sus conocimientos sobre IA generativa, identificar nuevas aplicaciones, minimizar riesgos y utilizarla en beneficio de la sociedad. Este evento, coorganizado por el MIT-IBM Watson AI Lab y el Martin Trust Center for MIT Entrepreneurship y apoyado por la Escuela de Ingeniería del MIT y la Escuela de Administración Sloan del MIT, inspiró a jóvenes investigadores a contribuir al diálogo y a innovar. en Área generativa para desarrollar IA.
El evento estuvo copresidido por Aude Oliva, directora del MIT-IBM Watson AI Lab e investigadora senior del Computer Science and Artificial Intelligence Laboratory (CSAIL); Bill Aulet, profesor de Ethernet Inventor en la MIT Sloan School of Management y director del Martin Trust Center; y Dina Katabi, Thuan (1990) y Nicole Pham Profesora del Departamento de Ingeniería Eléctrica e Informática, directora del Centro de Redes Inalámbricas y Computación Móvil e investigadora principal de CSAIL.
Doce equipos de pregrado y posdoctorado compitieron por una variedad de premios, incluidos cinco premios emblemáticos del MIT Ignite valorados en 15.000 dólares cada uno, un premio emblemático especial para un equipo de estudiantes de primer año y finalistas. Todos los premios proporcionados por MIT-IBM AI Watson Lab. Los equipos fueron juzgados por las aplicaciones innovadoras de IA generativa de su proyecto, su viabilidad, su potencial de impacto en el mundo real y la calidad de su presentación.
Después de que los 12 equipos presentaron su tecnología, su potencial para resolver un problema y la capacidad del equipo para implementar el plan, un panel de jueces deliberó. Mientras la audiencia esperaba los resultados, Mark Gorenberg ’76, presidente de MIT Corporation, hizo comentarios; Anantha Chandrakasan, decana de la Escuela de Ingeniería del MIT y profesora Vannevar Bush de Ingeniería Eléctrica e Informática; y David Schmittlein, decano John C. Head III y profesor de marketing en la MIT Sloan School of Management. Los estudiantes ganadores incluyeron:
Precios emblemáticos del MIT Ignite
eMote (Philip Cherner, Julia Sebastien, Caroline Lige Zhang y Daeun Yoo): A veces identificar y expresar emociones es difícil, especialmente para las personas en el espectro de la alexitimia; Además, la terapia puede resultar costosa. La aplicación de eMote permite a los usuarios identificar sus emociones, visualizarlas como arte utilizando el proceso co-creativo de IA generativa y reflexionar sobre ellas a través de un diario, apoyando así a los consejeros y terapeutas escolares.
LeGT.ai (Julie Shi, Jessica Yuan y Yubing Cui): Los procesos legales relacionados con la inmigración pueden ser complicados y costosos. LeGT.ai tiene como objetivo democratizar el conocimiento jurídico. Utilizando una plataforma con un gran modelo de lenguaje, ingeniería rápida y búsqueda semántica, el equipo optimizará un chatbot para la finalización, investigación y creación de documentos para empresas, además de mejorar la preselección y la consulta inicial.
Sunona (Emmi Mills, Selin Kocalar, Srihitha Dasari y Karun Kaushik): Aproximadamente la mitad del día del médico se dedica a documentos médicos y notas clínicas. Para abordar este problema, Sunona aprovecha la transcripción de audio y un modelo de lenguaje enriquecido para convertir el audio de una visita al médico en notas y extracción de funciones, lo que libera tiempo para los proveedores.
ultraneuro (Mahdi Ramadan, Adam Gosztolai, Alaa Khaddaj y Samara Khater): En aproximadamente uno de cada siete adultos, una lesión de la médula espinal, un derrame cerebral o una enfermedad provoca deficiencias motoras y/o parálisis. Las neuroprótesis de UltraNeuro ayudarán a los pacientes a recuperar algunas de sus capacidades diarias sin implantes cerebrales invasivos. Su tecnología utiliza un electroencefalograma, sensores inteligentes y un sistema de inteligencia artificial multimodal (EMG muscular, visión por computadora, movimientos oculares) entrenado en miles de movimientos para planificar movimientos precisos de las extremidades.
UrsaTech (Rui Zhou, Jerry Shan, Kate Wang, Alan He y Rita Zhang): La educación actual se caracteriza por desigualdades y educadores sobrecargados. La plataforma de UrsaTech aprovecha un modelo multimodal de lenguaje grande y modelos de difusión para crear lecciones, contenido dinámico y evaluaciones para apoyar a profesores y alumnos. El sistema también presenta aprendizaje inmersivo con agentes de inteligencia artificial para un aprendizaje activo para uso en línea y fuera de línea.
Premio insignia del equipo de estudiantes de primer año MIT Ignite
Alicornio (April Ren y Ayush Nayak): La investigación de fármacos genera importantes costos biotecnológicos. La gran plataforma basada en modelos de lenguaje de Alikorn tiene como objetivo agilizar el proceso de creación y simulación de nuevas moléculas aprovechando una red generativa adversaria, un algoritmo de Monte Carlo para seleccionar los candidatos más prometedores y la simulación física para determinar las propiedades químicas.
Premios a los finalistas
Ciber autónomo (James “Patrick” O’Brien, Madeline Linde, Rafael Turner y Bohdan Volyanyuk): Las auditorías de seguridad de códigos requieren experiencia y son costosas. El código «fuzzing» (inyectar datos inválidos o inesperados para descubrir vulnerabilidades del software) puede hacer que el software sea significativamente más seguro. El sistema de Autónomo Cyber utiliza grandes modelos de lenguaje para integrar automáticamente «fuzzers» en las bases de datos.
EGM genético (Noah Bagazinski y Kristen Edwards): Una política sólida de desarrollo socioeconómico requiere evidencia y datos. El gran sistema de modelo de lenguaje de Gen EGM acelera el proceso al examinar y analizar la literatura y luego producir un mapa de brechas de evidencia (EGM) que sugiere áreas potenciales de impacto.
Mattr AI (Leandra Tejedor, Katie Chen y Eden Adler): Los conjuntos de datos utilizados para entrenar modelos de IA a menudo tienen problemas de diversidad, equidad e integridad. Mattr AI aborda este problema con IA generativa con un modelo de lenguaje grande y modelos de difusión robustos para expandir conjuntos de datos.
Neuropantalla (Andrew Lu, Chonghua Neuroscreen utiliza IA para evaluar más rápidamente las causas de la demencia en los pacientes, lo que lleva a una inscripción más exitosa en ensayos clínicos y tratamientos de enfermedades.
La iniciativa de procedencia de los datos (Naana Obeng-Marnu, Jad Kabbara, Shayne Longpre, William Brannon y Robert Mahari): Los conjuntos de datos utilizados para entrenar modelos de IA, especialmente los modelos de lenguaje grandes, a menudo tienen metadatos faltantes o incorrectos, lo que genera preocupaciones legales y éticas. La Iniciativa de procedencia de datos utiliza anotaciones impulsadas por IA para verificar conjuntos de datos, rastrear la procedencia y el estado legal de los datos, mejorando la transparencia, la legalidad y las preocupaciones éticas relacionadas con los datos.
teia (Jenny Yao, Hongze Bo, Jin Li, Ao Qu y Hugo Huang): La investigación científica y el diálogo en línea a menudo se llevan a cabo en silos. La plataforma de Theia pretende derribar estos muros. La tecnología de IA generativa resumirá los artículos y ayudará a determinar las direcciones de la investigación, brindando un servicio a los científicos y a la comunidad científica en general.
Después de la competición MIT Ignite, los 12 equipos seleccionados para la presentación fueron invitados a un evento de networking como primer paso para convertir sus ideas y prototipos en realidad. Además, fueron invitados a seguir desarrollando sus ideas con el apoyo del Martin Trust Center for MIT Entrepreneurship a través de StartMIT o MIT Fuse y el MIT-IBM Watson AI Lab.
“En los meses transcurridos desde que llegué [at MIT]Aprendí mucho sobre cómo piensa la gente del MIT sobre el espíritu empresarial y cómo está realmente integrado en todo lo que hacen todos en el instituto, desde los estudiantes de primer año hasta los profesores y los graduados: están realmente motivados para llevar sus ideas al mundo», dijo el presidente Kornbluth. . «El espíritu empresarial es un elemento esencial para nuestro objetivo de generar un impacto positivo».
[ad_2]