AIZOYA · Investigación aplicada de IA

Investigación

Exploramos cómo la IA puede ayudar a encontrar evidencia, comprender datos complejos y resolver problemas desconocidos.

Proyectos de investigación completados

Biohub · Kaggle · 2026

Siguiendo la vida con IA

Participación completada según el fundador · Investigación

Nuestra investigación para la competencia exploró la detección de células, el seguimiento de su movimiento y la identificación de divisiones en microscopía 3D a lo largo del desarrollo del pez cebra.

Resumen ilustrativo de investigación. El fundador no ha informado de ningún premio para esta participación. No es una herramienta diagnóstica ni un producto validado clínicamente.

Leer la transcripción del video

La vida se mueve. Una célula a la vez. Pero seguir esas células mediante microscopía tridimensional es un desafío complejo.

¿Cuál es cada célula? ¿Adónde se movió? ¿Y cómo se conecta su trayectoria a lo largo del tiempo?

Exploramos ese desafío en la competencia Biohub Cell Tracking During Development de Kaggle.

Nuestra puntuación pública en la competencia mejoró de una referencia de 0.827 a una participación verificada de 0.953.

Detrás de esos números hay experimentos, decisiones difíciles y lecciones que orientan lo que creamos después.

Este proyecto muestra cómo investigamos: definir el desafío, probar con cuidado, medir el progreso y aprender de la evidencia.

Explora el proyecto y lo que aprendimos.

La puntuación pública de 0.953 provino de una reproducción de un cuaderno público de la competencia; no afirma un modelo novedoso, un porcentaje de precisión, una clasificación final ni un premio.

¿No se reproduce? Abre el video ↗

Explorar el desafío oficial ↗

Kaggle · KaggricultureParticipación presentada según el fundador

FarmBrain · Planificación con recursos limitados

Nuestro trabajo de competencia exploró estrategias de IA para planificar cultivos, asignar recursos y tomar decisiones en un entorno agrícola simulado. Esta participación no afirma un premio ni desempeño agrícola verificado fuera de la simulación.

NIH / National Library of Medicine · SPARK

Descubrimiento biomédico

Franklyn informa que envió solicitudes de inscripción para cuatro tareas de los desafíos de investigación biomédica SPARK. Estas son líneas de investigación previstas; compartiremos soluciones y resultados si llegan a estar disponibles.

dbGaP · Task 1Solicitud presentada según el fundador

Datos de investigación más fáciles de comparar

Nuestro enfoque previsto: relacionar nombres inconsistentes de variables de estudios con terminología biomédica estándar.

dbGaP · Task 2Solicitud presentada según el fundador

Encontrar estudios relevantes con lenguaje cotidiano

Nuestro enfoque previsto: ayudar a investigadores a descubrir estudios adecuados mediante búsqueda conversacional de metadatos.

PubMed/PMC · Task 1Solicitud presentada según el fundador

Encontrar la fuente científica adecuada

Nuestro enfoque previsto: recuperar la publicación que responde a una pregunta biomédica específica, con una fuente rastreable.

PubMed/PMC · Task 2Solicitud presentada según el fundador

Explorar evidencia con citas

Nuestro enfoque previsto: organizar respuestas a preguntas amplias de investigación con publicaciones científicas que las respalden.

Fecha límite de soluciones/código: 15 de enero de 2027. Consulta las páginas oficiales para etapas y actualizaciones. Estado revisado el 28 de septiembre de 2026.

La inscripción en los desafíos no acredita financiamiento, alianza, respaldo de NIH ni validación clínica.

Investigación en curso

DrivenData · GEMS PrizePreparación de investigación

Identificación de fallas geológicas ocultas

Exploramos enfoques de aprendizaje automático para identificar fallas geológicas con los datos del desafío GEMS. El desafío busca mejorar mapas que apoyen la exploración de recursos geotérmicos.

Preparación inicial de investigación con los datos del desafío GEMS. Esta página describe trabajo exploratorio, no un modelo validado ni una solución presentada.

AIcrowd · Alignment Research CenterInvestigación en curso

ARC White-Box Estimation Challenge 2026

¿Podemos estimar las activaciones internas promedio de una red neuronal a partir de sus pesos con mayor eficiencia que al ejecutarla repetidamente? Investigamos estimadores matemáticos con un presupuesto de cómputo fijo.

Nuestro trabajo se centra en bases reproducibles, verificación numérica y revisión técnica independiente. Los resultados siguen en evaluación.

Investigación para competencia

Razonamiento en entornos desconocidos

Investigamos cómo los agentes de IA exploran, aprenden y resuelven tareas interactivas desconocidas mediante ARC-AGI-3.

Sigue nuestro trabajo

Explora nuestras demostraciones, propuestas de competencias e hitos obtenidos en las plataformas.

Ver actividad en competencias