El cáncer de mama afecta a una de cada ocho mujeres en el Reino Unido, y la detección temprana es crucial. ⚕️ Nuestra última investigación en @NatureCancer muestra cómo la IA puede fortalecer los esfuerzos de detección temprana del cáncer de mama. En estudios con @imperialcollege y el @NHSuk, nuestro sistema experimental de detección basado en IA identificó un 25% más de "cánceres de intervalo" - casos que normalmente se pasan por alto en la detección tradicional - mientras que se redujo la carga de trabajo de las detecciones en un 40% estimado. Hallazgos clave de los estudios en el hilo🧵⤵️

Para avanzar en la IA fundamental, debemos resolver el aprendizaje continuo y el olvido catastrófico. Nueva investigación de nuestro equipo introduce el Aprendizaje Anidado (NL), un paradigma que ve un modelo de ML como un sistema de problemas de optimización anidados. Este enfoque unifica la arquitectura y la optimización, creando una capacidad computacional más profunda para el aprendizaje. Este es un paso crucial hacia la creación de modelos con las habilidades de aprendizaje continuo que se observan en el cerebro humano. Más en el blog de Vahab Mirrokni y Ali Behrouz: Lee el artículo de NeurIPS 2025:

El cambio hacia la IA en el dispositivo requiere un estándar de privacidad más alto. Estamos introduciendo Insights Probablemente Privados (PPI) para permitir un análisis esencial de los desarrolladores sobre las características de GenAI con una garantía verificable de que los datos brutos de los usuarios nunca se exponen. Este sistema es un componente clave para construir IA de manera responsable. PPI utiliza un LLM Gemma de código abierto dentro de un Entorno de Ejecución Confiable (Analítica Federada Confidencial) para categorizar datos no estructurados y derivar insights. Solo estadísticas agregadas y diferencialmente privadas salen del entorno seguro. Hemos publicado el código para permitir la verificación externa de las garantías de privacidad de extremo a extremo. Lee más sobre su implementación en Recorder y nuestro plan por Artem Lagzdin y Daniel Ramage: Preprint: