Search

En este trabajo se desarrolla un sistema para la generación y mejora de anuncios de video mediante la utilización de modelos de inteligencia artificial generativa. La propuesta se divide en dos etapas, un primer acercamiento dónde el usuario introduce una descripción (prompt) inicial corta (sencilla, ya que está enfocado a usuarios no especializados en inteligencia artificial) que describe la idea del anuncio a generar y su objetivo (lo que trata de conseguir el usuario/empresa con el anuncio). Este prompt se refina y amplia utilizando unagente RAG (que utiliza distintos LLMs a elección del usuario implementados a través de la API de groq), adaptándolo a las características específicas del anuncio. Una vez realizado este proceso, se da la segunda etapa, donde la descripción (prompts) final (respuesta del agente) pasa por un modelo de generación de video (externo a la herramienta) para la creación final del anuncio, ofreciendo la herramienta un espacio para visualizar el resultado final. Durante el desarrollo del trabajo, se estudian diferentes estructuras de modelos de lenguaje, buscando los mejores prompts o la identificación de un estilo óptimo en la redacción del prompt para la generación de anuncios. A su vez, se examinan los aspectos de diseño necesarios para optimizar la generación de los prompts (como la introducción de un prompt del sistema o system prompt y la evaluación de los métodos de aprendizaje de few-shot learnig y zero-shotlearning). Además, se construye una interfaz gráfica sencilla e intuitiva para acercar la herramienta ausuarios no expertos de una manera simple. Cabe destacar la implementación de un sistema interactivo, estilo “ChatBot” con memoria, que permite al usuario validar los prompts generados o proporcionar nueva información para así construir un prompt final adecuado. Los resultados a lo largo de la evolución del trabajo fueron demostrando mejoras significativas en la generación de texto y tiempos de respuesta, sobre todo con la elimin

En la última década, la inteligencia artificial y, en particular, las redes neuronales profundas han revolucionado numerosos campos. La capacidad de estos modelos para aprender representaciones complejas de los datos ha permitido avances significativos en tareas como la clasificación de imágenes, encontrando aplicaciones en múltiples industrias. De hecho, el reconocimiento de imágenes y objetos es vital en sectores como la medicina para el diagnóstico asistido, en los coches autónomos para la detección de peatones y señales de tráfico, y en la seguridad para la vigilancia y el reconocimiento facial. También se aplica en realidad aumentada, procesamiento de imágenes médicas y agricultura, donde los drones vigilan los cultivos y detectan plagas. Estas tecnologías permiten automatizar procesos, mejorar la precisión en tareas complejas y facilitar nuevas formas de interacción entre el ser humano y el ordenador. Sin embargo, el éxito de estos modelos depende a menudo de la disponibilidad de grandes conjuntos de datos y recursos informáticos intensivos, lo que puede suponer un obstáculo importante para muchos investigadores y desarrolladores. Los modelos preformados, entrenados en vastos conjuntos de datos como ImageNet, han surgido como una solución eficaz para superar estas limitaciones. Estos modelos pueden ajustarse a tareas específicas con un esfuerzo de formación relativamente bajo, aprovechando características aprendidas previamente. A pesar de su potencial, la selección del modelo preentrenado más adecuado para una tarea específica sigue siendo un reto, dado el creciente número de arquitecturas y variaciones disponibles. ABSTRACT In the last decade, artificial intelligence and, in particular, deep neural networks have revolutionized numerous fields. The ability of these models to learn complex representations of data has enabled significant advances in tasks such as image classification, finding applications in multiple industries. Indeed, image and object recogni

Two antagonistic categories can be identified within Artificial Intelligence models: symbolic and subsymbolic. Neurosymbolic artificial intelligence is the term used to describe a set of approaches whose goal is to combine both symbolic and subsymbolic models under a unified approach. Design methods for neurosymbolic systems have been presented throughout the years, focusing mostly on theoretical aspects, such as how knowledge is represented within the system or which learning paradigm should be used. However, existing design approaches do not consider contextual or practical aspects. This work presents a template-based approach for the design of neurosymbolic systems, focusing specifically on the interaction between knowledge-based systems (symbolic) and deep learning models (subsymbolic). The proposed method extends previously addressed aspects (limitations and benefits) with contextual and practical aspects (restrictions and considerations). From this general four-dimensional descriptive template, a specific template is provided describing the parameters of each potential integration between knowledge-based systems and deep learning. Instantiation examples are provided to demonstrate the versatility and applicability of the proposal. In addition, this paper presents an extensive review of the current state-of-the-art in the design of neurosymbolic systems. The benefits of the proposed approach are two-fold. First, it enables high-level description of existing neurosymbolic systems, thus facilitating the search process for research. Secondly, the proposed method simplifies the engineering process and reduces development time because: i) previously existing instances that are already described by templates can be easily reused, or ii) the corresponding integration template can serve as a baseline to develop new systems from scratch.

Las enfermedades mentales son un tipo de enfermedad que afecta con una gran variedad de efectos, que en la mayoría de los casos implican desventajas que pueden deteriorar la salud y estado económico y social de un individuo. Además, algunos afectados puede que nunca conozcan que estaban siendo afectados por algún tipo de enfermedad mental. Las enfermedades mentales pueden pasar desapercibidas por muchas razones, desde estigmas sociales, falta de conocimiento sobre la enfermedad a falta de recursos dedicados en el sector. La predicción precoz de enfermedades mentales ayuda a descubrir posibles individuos afectados. Se usa una gran variedad de estrategias con este propósito, incluyendo test biométricos, cuestionarios o el diagnóstico realizado por expertos. Estas técnicas, aunque son efectivas, tienen limitaciones al intentar escalar a poblaciones grandes o países con dificultades económicas. Los tests físicos o diagnosis por expertos están limitados al hardware disponible y a la cantidad de doctores en el sector. Por tal razón, una nueva estrategia está surgiendo en los últimos años con el auge del procesamiento del lenguaje natural y el desarrollo de tecnologías como BERT[1]. El uso del procesamiento del lenguaje natural para detectar enfermedades mentales en posts de redes sociales ha tenido resultados prometedores, ya que la aplicación de estos sistemas es más accesible y barata. Esta investigación propone combinar el estado del arte sobre la detección de enfermedades mentales con técnicas de extracción de valores morales. Esta investigación se centrará principalmente en el uso redes sociales como Reddit para la detección de una gran variedad de enfermedades mentales. La razón fundamental de la realización de esta investigación, es poder contribuir a los esfuerzos en contra de las enfermedades mentales con el uso nuevas tecnologías como BERT. Este trabajo no busca crear o difundir técnicas ni métodos innovadores. Su objetivo es demostrar que se han adquirido las c

Biotic interactions are a key factor in the development of harmful algal blooms. Recently, a lower abundance of planktonic dinoflagellates has been reported in areas dominated by seagrass beds, suggesting a negative interaction between both groups of organisms. The interaction between planktonic dinoflagellates and marine phanerogams, as well as the way in which bacteria can affect this interaction, was studied in two experiments using a non-axenic culture of the toxic dinoflagellate Alexandrium minutum exposed to increasing additions of eelgrass (Zostera marina) exudates from old and young leaves and to the presence or absence of antibiotics. In these experiments, A. minutum abundance, growth rate and photosynthetic efficiency (Fv/Fm), as well as bacterial abundance, were measured every 48 h. Toxin concentration per cell was determined at the end of both experiments. Our results demonstrated that Z. marina exudates reduced A. minutum growth rate and, in one of the experiments, also the photosynthetic efficiency. These results are not an indirect effect mediated by the bacteria in the culture, although their growth modify the magnitude of the negative impact on the dinoflagellate growth rate. No clear pattern was observed in the variation of toxin production with the treatments

Se trata de una investigación multidisciplar donde intervinieron otras instituciones nacionale e internacionales muy prestigiosas como: -Centro Nacional de Investigaciones Onbcologicas (CNIO) -Hospital Gregorio Marañon (Madrid) - Departamento de Medicina Oral (Facultad de Odontología de Granada) -IRCCS CROB - National Cancer Insititute of Oncology of Basilicata, Rionero in Vulture, Potenza, Italy - Department of Surgical Sciences, University of Foggia, Foggia Además formaba parte de un proyecto de investigacion competitivo financiado (Mutua Madrileña): Marcadores moleculares de senescencia celular en leucoplasia oral y cáncer oral. Estudio mediante inmunohistoquímica e hibridación in situ en matrices de tejido y RT-PCR. Tipo Competitivo. (IV Convocatoria de Ayudas a la Investigación de la Fundación Mutua Madrileña (2007)-Importe: 32.930 euros, El objetivo de este estudio experimental fue el de caracterizar y comparar la expresión de varios marcadores de senescencia inducida por oncogenes (vías p16-Rb y ARF-p53) en muestras de precáncer y cáncer oral. Se analizó la expresión de ciclina D1, Rb, maspina, p53 y MDM2 en muestras de mucosa oral normal (n=20); leucoplasia oral sin displasia [LOD](n=14), leucoplasia oral con displasia [LOD+](n=11), y de carcinoma oral de células escamosas [COCE] (n=15), mediante técnicas de inmuhistoquímica. La expresión de marcadores de la vía p16-pRb (maspina, ciclina D1 y Rb) fue más frecuente en LOD+ que en COCE, aunque sólo maspina mostró diferencias significativas. En la vía ARF-p53 la expresión de p53 y MDM2 fue significativamente mayor en muestras de LOD- comparada con muestras de mucosa oral normal. Estos hallazgos pueden indicar un papel de la senescencia oral en la carcinogénesis oral, resultando maspina como marcador fiable de senescencia y factor pronóstico en lesiones premalignas orales., Depto. de Especialidades Clínicas Odontológicas, Fac. de Odontología, TRUE, pub