Google lleva IA de TB a clínicas y OpenAI suma programación

Además: Perplexity pone un modelo privado de decisión en Macs, y Ai2 ayuda a revisar ideas frente a la literatura Google dijo que su IA para detección de tuberculosis ya fue mucho más allá del laboratorio y llegó a clínicas reales. La empresa dice que una herramienta certificada, creada con su socio Nexus AI, puede leer radiografías de tórax en unos 45 segundos y ya funciona en cerca de 40 centros en seis países. Google también dice que mineros en Sudáfrica están siendo evaluados bajo tierra con equipos portátiles de rayos X e IA offline. El cambio más grande es que Google está combinando esos despliegues con modelos médicos de pesos abiertos, que los equipos locales pueden ajustar y ejecutar en su propia infraestructura. OpenAI agregó automatizaciones programadas a su API de Agents. Ahora los desarrolladores pueden indicar a un agente que se ejecute una vez en el futuro o que se repita con una programación tipo cron, ya sea en una sesión nueva o al volver a una existente. OpenAI también permite que los agentes administren sus propios seguimientos si la herramienta de automatizaciones está activada. Eso vuelve a los agentes más útiles para trabajo recurrente, como revisiones mensuales, controles de recordatorios y tareas que deben retomarse después sin un impulso humano. Perplexity lanzó Decider para Mac, una app pequeña que ejecuta su modelo de decisión de 4 mil millones de parámetros directamente en Macs con Apple silicon. Ofrece la misma API Decisions de forma local en 127.0.0.1, así que los desarrolladores pueden clasificar texto o imágenes en su propia máquina, sin clave de API y sin cargo por uso. Perplexity lo presenta para material privado que no debería salir del dispositivo, como notas internas, capturas de pantalla, registros o cambios de código. En la práctica, baja la barrera para crear herramientas ligeras y locales de triaje y enrutamiento con IA. Ai2 presentó LitPivot, una herramienta de escritura de investigación que intenta mejorar ideas al mantenerlas conectadas con los artículos que las rodean. En vez de solo conversar sobre un borrador, divide una propuesta en partes como el problema, la contribución y el plan de evaluación, luego muestra artículos relevantes para cada parte y sugiere revisiones respaldadas por extractos. En un estudio con 17 investigadores, Ai2 dice que expertos juzgaron que las ideas desarrolladas con LitPivot estaban mejor sustentadas en la literatura que las ideas desarrolladas con un editor de texto más una herramienta de IA Fuentes: research.google · developers.openai.com · docs.perplexity.ai · allenai.org Este episodio incluye contenido generado por IA.