Este semestre, se invitó a estudiantes y posdoctorados de todo el 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 amplia gama 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 frente a un panel de jueces expertos y una sala repleta en el Centro de Conferencias Samberg.
“El MIT tiene la responsabilidad de ayudar a dar forma a un futuro de innovación en IA que sea ampliamente beneficioso y, para lograrlo, necesitamos muchas ideas geniales. Entonces, recurrimos a una fuente bastante confiable de grandes ideas: los estudiantes y postdoctorados altamente emprendedores del MIT”, dijo la presidenta del MIT, Sally Kornbluth, en sus palabras de apertura en el evento.
El evento MIT Ignite es parte de un enfoque más amplio sobre la IA generativa en el MIT presentado por Kornbluth. Este otoño, en todo el Instituto, investigadores y estudiantes están explorando oportunidades para contribuir con sus conocimientos sobre IA generativa, identificando nuevas aplicaciones, minimizando riesgos y empleándola 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 e innovar en materia generativa. AI.
Como copresidentes del evento estuvieron Aude Oliva, directora del MIT-IBM Watson AI Lab e investigadora principal del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL); Bill Aulet, profesor de práctica de Ethernet Inventors en la MIT Sloan School of Management y director del Martin Trust Center; y Dina Katabi, profesora Thuan (1990) y Nicole Pham en el Departamento de Ingeniería Eléctrica e Informática, directora del Centro de Redes Inalámbricas y Computación Móvil e investigadora principal de CSAIL.
Doce equipos de estudiantes y postdoctorados competían por una serie de premios, incluidos cinco premios emblemáticos del MIT Ignite de 15.000 dólares cada uno, un premio emblemático especial para equipos de estudiantes universitarios de primer año y premios de segundo puesto. Todos los premios fueron proporcionados por el 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 la presentación.
Después de que los 12 equipos mostraron su tecnología, su potencial para abordar un problema y la capacidad del equipo para ejecutar 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 de John C. Head III y profesor de marketing en la MIT Sloan School of Management. Los estudiantes ganadores incluyeron:
Premios emblemáticos del MIT Ignite ser emocionado
(Philip Cherner, Julia Sebastien, Caroline Lige Zhang y Daeun Yoo): A veces, identificar y expresar emociones es difícil, especialmente para quienes se encuentran 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, ayudando 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 modelo de lenguaje grande, ingeniería rápida y búsqueda semántica, el equipo optimizará un chatbot para completar, investigar y redactar documentos para empresas, además de mejorar la selección previa y las consultas iniciales.
Sunona (Emmi Mills, Selin Kocalar, Srihitha Dasari y Karun Kaushik): Aproximadamente la mitad del día del médico se consume en documentación médica y notas clínicas. Para abordar esto, Sunona aprovecha la transcripción de audio y un modelo de lenguaje grande para transformar el audio de una visita al médico en notas y extracción de funciones, lo que brinda a los proveedores más tiempo en su día.
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 inducirán deterioro motor y/o parálisis. Las neuroprótesis de UltraNeuro ayudarán a los pacientes a recuperar algunas de sus capacidades diarias sin implantes cerebrales invasivos. Su tecnología aprovecha 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.
Ursa Tech (Rui Zhou, Jerry Shan, Kate Wang, Alan He y Rita Zhang): La educación actual está marcada por disparidades y educadores sobrecargados. La plataforma de UrsaTech utiliza un modelo de lenguaje grande multimodal y modelos de difusión para crear lecciones, contenido dinámico y evaluaciones para ayudar a profesores y alumnos. El sistema también cuenta con aprendizaje inmersivo con agentes de IA para un aprendizaje activo para uso en línea y fuera de línea.
Equipo de estudiantes universitarios de primer año Premio insignia MIT Ignite
Alikorn (April Ren y Ayush Nayak): El descubrimiento de fármacos representa 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, utilizando una red generativa adversaria, un algoritmo de Monte-Carlo para examinar a los candidatos más prometedores y una simulación física para determinar las propiedades químicas.
Premios finalistas
Ciber autónomo (James “Patrick” O’Brien, Madeline Linde, Rafael Turner y Bohdan Volyanyuk): Las auditorías de seguridad del código requieren experiencia y son costosas. El código «difuso» (inyectar entradas no válidas o inesperadas para revelar vulnerabilidades del software) puede hacer que el software sea significativamente más seguro. El sistema de Autónomo Cyber aprovecha grandes modelos de lenguaje para integrar automáticamente «fuzzers» en las bases de datos.
EGM de generación (Noah Bagazinski y Kristen Edwards): Elaborar políticas de desarrollo socioeconómico informadas requiere evidencia y datos. El gran sistema de modelo de lenguaje de Gen EGM acelera el proceso examinando y analizando la literatura, y luego produce un mapa de brechas de evidencia (EGM), que sugiere áreas de impacto potenciales.
Mattr AI (Leandra Tejedor, Katie Chen y Eden Adler): Los conjuntos de datos que se utilizan para entrenar modelos de IA a menudo tienen problemas de diversidad, equidad e integridad. Mattr AI aborda esto con IA generativa con un modelo de lenguaje grande y modelos de difusión estables para aumentar los conjuntos de datos.
Neuropantalla (Andrew Lu, Chonghua Xue y Grant Robinson): La evaluación de pacientes para que puedan unirse a un ensayo clínico sobre demencia es costosa, a menudo lleva años y, en la mayoría de los casos, resulta en una no elegibilidad. Neuroscreen emplea IA para evaluar más rápidamente las causas de la demencia de los pacientes, lo que lleva a una inscripción más exitosa en ensayos clínicos y al tratamiento 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 que se utilizan para entrenar modelos de IA, particularmente modelos de lenguaje grandes, a menudo tienen metadatos faltantes o incorrectos, lo que genera preocupación por cuestiones legales y éticas. La Iniciativa de procedencia de datos utiliza anotaciones asistidas por IA para auditar conjuntos de datos, rastrear el linaje y el estado legal de los datos, mejorar la transparencia, la legalidad y las preocupaciones éticas en torno a los datos.
teia (Jenny Yao, Hongze Bo, Jin Li, Ao Qu y Hugo Huang): La investigación científica y el diálogo en línea en torno a ella a menudo ocurren en silos. La plataforma de Theia pretende derribar estos muros. La tecnología de IA generativa resumirá los artículos y ayudará a orientar las direcciones de la investigación, brindando un servicio tanto para los académicos como para la comunidad científica en general.
Después de la competencia MIT Ignite, los 12 equipos seleccionados para presentar fueron invitados a un evento de networking como primer paso inmediato para hacer realidad sus ideas y prototipos. 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], He aprendido 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 ex alumnos: están realmente motivados para llevar sus ideas al mundo. ”, afirmó el presidente Kornbluth. «El espíritu empresarial es un elemento esencial para nuestro objetivo de organizarnos para lograr un impacto positivo».
