Blog

La robótica avanza porque la mecánica, la electrónica, la inteligencia artificial, los datos y las comunicaciones están madurando al mismo tiempo. Pero su impacto no dependerá únicamente de lo que los robots puedan hacer, sino de cómo decidamos integrarlos en nuestra sociedad, en nuestras empresas y en nuestra forma de trabajar.

El futuro de las redes 5G privadas no estará solo en conectar fábricas inteligentes, sino en que la propia red sea capaz de entender cómo cambia la fábrica y adaptarse a ella.

La investigación plantea desarrollar un sistema de alerta temprana para detectar vertidos en la cabecera de una EDAR mediante visión artificial e inteligencia artificial.

Aprende qué es un modelo de "alto impacto", como lo define la regulación europea y cómo las buenas prácticas en IA van a ser imprescindibles en tu negocio.

La Inteligencia Artificial ha pasado de ser un concepto de ciencia ficción a una herramienta presente en nuestro día a día, presente en ámbitos que abarcan desde asistentes virtuales hasta coches autónomos. Pero este avance vertiginoso también ha traído consigo dilemas éticos, preocupaciones sobre la privacidad y la necesidad de tomar decisiones justas y transparentes. En este contexto, surge la idea de una IA Responsable, que busca equilibrar el desarrollo tecnológico con principios éticos, legales y sostenibles. Este artículo explora qué significa realmente aplicar la IA de forma responsable y cómo desde ITI se está trabajando para que esta visión se convierta en una realidad.

Conscientes del enorme potencial que tiene la tecnología RAG para mejorar significativamente los procesos de vigilancia e inteligencia, desde ITI hemos desarrollado COMPASS, una solución innovadora que lleva este paradigma un paso más allá.

La Inteligencia Artificial (IA) está revolucionando sectores de todo tipo, pero en salud su impacto puede ser, literalmente, vital.

El objetivo es analizar, detectar y clasificar de forma automática sonidos genéricos propios de entornos industriales, como motores, maquinarias o fallos mecánicos. El proyecto se apoya en una base de datos sonora propia, lo que permite entrenar modelos sin restricciones legales y adaptarlos fácilmente a diferentes sectores mediante técnicas de transfer learning. Además, incorpora un enfoque innovador al explorar el uso de redes neuronales spiking (SNNs), basadas en principios neuromórficos.