{"id":53222,"date":"2019-11-26T00:00:00","date_gmt":"2019-11-25T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova"},"modified":"2020-02-18T14:01:06","modified_gmt":"2020-02-18T11:01:06","slug":"grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova","status":"publish","type":"post","link":"https:\/\/prohoster.info\/es\/blog\/news\/grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova","title":{"rendered":"Gr\u00e1fico de Gartner 2019: \u00bfde qu\u00e9 se tratan todas estas palabras de moda?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

El gr\u00e1fico de Gartner para quienes trabajan en el \u00e1mbito tecnol\u00f3gico es similar a una pasarela de alta costura. Al mirarlo, puedes anticipar cu\u00e1les son las palabras m\u00e1s populares de esta temporada y lo que escuchar\u00e1s en las pr\u00f3ximas conferencias.<\/p>\n

Hemos descifrado lo que hay detr\u00e1s de las palabras atractivas en este gr\u00e1fico para que t\u00fa tambi\u00e9n puedas hablar este idioma.<\/p>\n

\"Gr\u00e1fico
\n
\n<\/a><\/noindex><\/p>\n

Primero, unas pocas palabras sobre qu\u00e9 es este gr\u00e1fico. Cada a\u00f1o en agosto, la consultora Gartner publica un informe: la Curva de Hype de Gartner. En espa\u00f1ol, esto se traduce como 'curva de entusiasmo' o, m\u00e1s simplemente, hype. Hace 30 a\u00f1os, los raperos del grupo Public Enemy cantaban: 'No te creas el hype'. Creer o no es una cuesti\u00f3n personal, pero al menos vale la pena conocer estas palabras clave si trabajas en tecnolog\u00eda y quieres estar al tanto de las tendencias mundiales.<\/p>\n

Este gr\u00e1fico refleja las expectativas p\u00fablicas sobre una tecnolog\u00eda determinada. Seg\u00fan Gartner, idealmente, una tecnolog\u00eda pasa por 5 etapas: lanzamiento de la tecnolog\u00eda, pico de expectativas exageradas, valle de desilusi\u00f3n, meseta de esclarecimiento, meseta de productividad. Pero a veces puede hundirse en el 'valle de desilusi\u00f3n' \u2014 ejemplos como las criptomonedas son muy evidentes: inicialmente alcanzaron el pico como 'dinero del futuro', pero r\u00e1pidamente cayeron cuando se hicieron evidentes las limitaciones tecnol\u00f3gicas, principalmente las restricciones en la cantidad de transacciones y la enorme cantidad de energ\u00eda necesaria para crear criptomonedas (lo que ya plantea problemas ecol\u00f3gicos). Y, por supuesto, no hay que olvidar que el gr\u00e1fico de Gartner es solo una proyecci\u00f3n: aqu\u00ed, por ejemplo, se puede leer sobre art\u00edculo<\/a><\/noindex>, donde se analizan las predicciones fallidas m\u00e1s destacadas.<\/p>\n

As\u00ed que, ech\u00e9mosle un vistazo al nuevo gr\u00e1fico de Gartner. Las tecnolog\u00edas se dividen en 5 grandes grupos tem\u00e1ticos:<\/p>\n

    \n
  1. Inteligencia artificial avanzada y anal\u00edtica (Advanced AI and Analytics)\n<\/li>\n
  2. Computaci\u00f3n y comunicaci\u00f3n postcl\u00e1sicas (Postclassical Compute and Comms)\n<\/li>\n
  3. Sensores y movilidad (Sensing and Mobility)\n<\/li>\n
  4. Humano 'aumentado' (Augmented Human)\n<\/li>\n
  5. Ecosistemas digitales (Digital Ecosystems)\n<\/li>\n<\/ol>\n

    <\/p>\n

    1. Inteligencia artificial avanzada y anal\u00edtica (Advanced AI and Analytics)<\/h1>\n

    \nEn los \u00faltimos 10 a\u00f1os, hemos visto el auge del aprendizaje profundo (Deep Learning). Estas redes son realmente efectivas para su gama de tareas. En 2018, Yann LeCun, Geoffrey Hinton y Yoshua Bengio recibieron el Premio Turing por sus descubrimientos en este campo, el premio m\u00e1s prestigioso, equivalente al Nobel en inform\u00e1tica. As\u00ed que, aqu\u00ed est\u00e1n las principales tendencias en esta \u00e1rea que se han graficado:<\/p>\n

    1.1. Aprendizaje Transferido (Transfer Learning)<\/h2>\n

    \nNo entrenas una red neuronal desde cero, sino que tomas una ya entrenada y le asignas un nuevo objetivo. A veces, es necesario volver a entrenar una parte de la red, pero no toda, lo que es mucho m\u00e1s r\u00e1pido. Por ejemplo, al tomar la red neuronal ResNet50, entrenada en el conjunto de datos ImageNet1000, obtienes un algoritmo capaz de clasificar muchas diferentes im\u00e1genes a un nivel muy profundo (1000 clases basadas en caracter\u00edsticas desarrolladas por 50 capas de la red neuronal). Pero no necesitas entrenar toda esta red, lo que tomar\u00eda meses.<\/p>\n

    En curso en l\u00ednea<\/a><\/noindex> Samsung \"Redes Neuronales y Visi\u00f3n por Computadora\", por ejemplo, en la tarea final de Kaggle<\/a><\/noindex> con la clasificaci\u00f3n de platos limpios y sucios, se demuestra un enfoque que en 5 minutos te proporciona una red neuronal profunda capaz de distinguir entre platos sucios y limpios, construida seg\u00fan la arquitectura descrita anteriormente. La red inicial no sab\u00eda qu\u00e9 eran los platos en absoluto, solo aprendi\u00f3 a distinguir entre p\u00e1jaros y perros (ver ImageNet).<\/p>\n

    \"Gr\u00e1fico
    \nFuente:     curso en l\u00ednea<\/a><\/noindex> Samsung \"Redes Neuronales y Visi\u00f3n por Computadora\"<\/i><\/p>\n

    Para el Aprendizaje Transferido, es necesario conocer qu\u00e9 enfoques funcionan y qu\u00e9 arquitecturas b\u00e1sicas ya est\u00e1n disponibles. En general, esto acelera enormemente la aparici\u00f3n de aplicaciones pr\u00e1cticas de aprendizaje autom\u00e1tico.<\/p>\n

    1.2. Redes Generativas Antag\u00f3nicas (Generative Adversarial Networks, GAN)<\/h2>\n

    \nEsto es para aquellos casos en los que es muy dif\u00edcil formular un objetivo de aprendizaje. Cuanto m\u00e1s cercana es la tarea a la vida real, m\u00e1s comprensible nos resulta (\u00abtrae la mesita\u00bb), pero m\u00e1s dif\u00edcil es formularlo como un requisito t\u00e9cnico. GAN es precisamente un intento de liberarnos de este problema.<\/p>\n

    Aqu\u00ed trabajan dos redes: una generadora (Generative) y otra discriminadora (Adversarial). Una red aprende a realizar tareas \u00fatiles (clasificar im\u00e1genes, reconocer sonidos, dibujar caricaturas). La otra red aprende a ense\u00f1ar a la primera: tiene ejemplos reales y aprende a encontrar una f\u00f3rmula compleja previamente desconocida para comparar las producciones de la parte generativa de la red con objetos del mundo real (conjunto de datos de entrenamiento) seg\u00fan caracter\u00edsticas profundas realmente importantes: n\u00famero de ojos, cercan\u00eda al estilo de Miyazaki, correcci\u00f3n en la pronunciaci\u00f3n del ingl\u00e9s.<\/p>\n

    \"Gr\u00e1fico
    \nEjemplo del resultado del trabajo de la red para generar personajes de anime.     Fuente<\/a><\/noindex><\/i><\/p>\n

    Pero, por supuesto, es complicado estructurar la arquitectura. No basta con simplemente lanzar neuronas, hay que prepararlas. Y hay que entrenarlas durante semanas. Mis colegas en el Centro de Inteligencia Artificial de Samsung est\u00e1n trabajando en el tema de GAN, que es una de sus preguntas de investigaci\u00f3n clave. Por ejemplo, algo como esto desarrollo<\/a><\/noindex>: el uso de redes generativas para sintetizar fotograf\u00edas realistas de personas con posturas cambiantes, por ejemplo, para crear un probador virtual, o para la s\u00edntesis de rostros, lo que podr\u00eda permitir reducir la cantidad de informaci\u00f3n que debe almacenarse o transferirse para garantizar una videoconferencia de calidad, transmisi\u00f3n o protecci\u00f3n de datos personales.<\/p>\n

    \"Gr\u00e1fico
    \n    Fuente<\/a><\/noindex><\/i><\/p>\n

    1.3. IA Explicativa (Explainable AI)<\/h2>\n

    \nEn algunas tareas raras, el progreso en arquitecturas profundas ha acercado repentinamente las capacidades de las redes neuronales profundas a las humanas. Ahora la batalla es por ampliar el rango de dichas tareas. Por ejemplo, una aspiradora rob\u00f3tica podr\u00eda distinguir f\u00e1cilmente entre un gato y un perro en un encuentro cara a cara. Pero en la mayor\u00eda de las situaciones de la vida, no podr\u00e1 encontrar al gato que est\u00e1 durmiendo entre la ropa o los muebles (como nosotros, en la mayor\u00eda de los casos\u2026).<\/p>\n

    \u00bfCu\u00e1l es la raz\u00f3n del \u00e9xito de las redes neuronales profundas? Generan representaciones de la tarea que se basan no en la informaci\u00f3n \u00abvisible a simple vista\u00bb (los p\u00edxeles de una foto, los cambios de volumen del sonido\u2026), sino en caracter\u00edsticas obtenidas tras el preprocesamiento de esta informaci\u00f3n a trav\u00e9s de cientos de capas de la red neuronal. Desafortunadamente, estas interrelaciones tambi\u00e9n pueden ser sin sentido, contradictorias o contener rastros de imperfecci\u00f3n en el conjunto de datos original. Por ejemplo, hay un peque\u00f1o videojuego que ilustra lo que puede resultar de la aplicaci\u00f3n imprudente de la IA en el reclutamiento. Supervivencia del m\u00e1s adecuado<\/a><\/noindex>.<\/p>\n

    \"Gr\u00e1fico
    \nEl sistema de etiquetado de im\u00e1genes identific\u00f3 a un hombre que cocina como mujer, aunque en la imagen realmente sea un hombre (    Fuente<\/a><\/noindex>). Esto se not\u00f3<\/a><\/noindex> en el Instituto de Virginia.<\/i><\/p>\n

    Para analizar relaciones complejas y profundas que a menudo no podemos formular, se necesitan m\u00e9todos de IA explicable. Organizan las caracter\u00edsticas de las redes neuronales profundas de manera que, despu\u00e9s del aprendizaje, podamos analizar la representaci\u00f3n interna aprendida por la red, en lugar de simplemente confiar en su decisi\u00f3n.<\/p>\n

    1.4. Anal\u00edtica de borde \/ IA (Edge Analytics \/ AI)<\/h2>\n

    \nTodo lo que incluye la palabra Edge significa literalmente lo siguiente: trasladar parte de los algoritmos de la nube \/ servidor al nivel del dispositivo \/ puerta final. Este algoritmo funcionar\u00e1 m\u00e1s r\u00e1pido y no necesitar\u00e1 conexi\u00f3n al servidor central para operar. Si te resulta familiar la abstracci\u00f3n de \u201ccliente liviano\u201d, aqu\u00ed estamos haciendo que ese cliente sea un poco m\u00e1s robusto.
    \nEsto puede ser importante para el Internet de las cosas. Por ejemplo, si una m\u00e1quina se sobrecalienta y necesita enfriamiento, tiene sentido enviar una se\u00f1al sobre esto de inmediato, a nivel de f\u00e1brica, sin esperar a que los datos lleguen a la nube y de all\u00ed al supervisor del turno. O en otro ejemplo: los coches aut\u00f3nomos pueden manejar la situaci\u00f3n del tr\u00e1fico por s\u00ed mismos, sin recurrir al servidor central.<\/p>\n

    \"Gr\u00e1fico
    \n    Fuente<\/a><\/noindex><\/i><\/p>\n

    O un ejemplo m\u00e1s de por qu\u00e9 esto es importante desde el punto de vista de la seguridad: cuando escribe mensajes en su tel\u00e9fono, este recuerda sus palabras t\u00edpicas para que el teclado le sugiera de manera conveniente en el futuro; esto se llama entrada de texto predictiva. Enviar a alg\u00fan centro de datos todo lo que escribe en el teclado violar\u00eda su privacidad y simplemente no ser\u00eda seguro. Por lo tanto, el aprendizaje del teclado ocurre solo dentro de su propio dispositivo.<\/p>\n

    1.5. Plataforma de IA como servicio (AI PaaS)<\/h2>\n

    \nPaaS \u2014 Plataforma como servicio \u2014 es un modelo de negocio en el que accedemos a una plataforma integrada, que incluye su almacenamiento de datos en la nube y procedimientos listos para usar. De esta manera, podemos liberarnos de las tareas de infraestructura y concentrarnos completamente en la producci\u00f3n de algo \u00fatil. Ejemplos de plataformas PaaS para tareas de IA: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.<\/p>\n

    1.6. Aprendizaje autom\u00e1tico adaptativo (Adaptive ML)<\/h2>\n

    \n\u00bfY si permitimos que la inteligencia artificial se adapte...? Preguntar\u00e1: \u00bfc\u00f3mo es eso? \u00bfNo se adapta ya a la tarea? El problema es este: cada tarea la preparamos meticulosamente antes de construir un algoritmo de inteligencia artificial para resolverla. Le responder\u00e1n: resulta que se puede simplificar esta cadena.<\/p>\n

    El aprendizaje autom\u00e1tico convencional opera bajo el principio de un sistema abierto (open-loop): preparas los datos, ideas una red neuronal (o lo que sea), entrenas, luego observas algunos indicadores y, si todo te parece bien, puedes enviar la red neuronal a los tel\u00e9fonos inteligentes para resolver las tareas de los usuarios. Pero en aplicaciones donde hay muchos datos y su naturaleza cambia gradualmente, se requieren otros m\u00e9todos. Tales sistemas, que se adaptan y aprenden por s\u00ed mismos, se organizan en circuitos cerrados y autoajustables (closed-loop), y deben funcionar sin interrupciones.<\/p>\n

    Las aplicaciones pueden ser anal\u00edtica de flujo (Stream Analytics), sobre la que muchos empresarios toman decisiones, o gesti\u00f3n de producci\u00f3n adaptativa. A la luz de las aplicaciones modernas y teniendo en cuenta los riesgos mejor entendidos para las personas, los m\u00e9todos que constituyen la soluci\u00f3n a este problema se agrupan bajo el nombre com\u00fan de AI Adaptativa.<\/p>\n

    \"Gr\u00e1fico
    \n    Fuente<\/a><\/noindex><\/i><\/p>\n

    Al mirar esta imagen, es dif\u00edcil desprenderse de la sensaci\u00f3n de que a los futur\u00f3logos no hay que alimentarlos, solo hay que ense\u00f1arles a hacer respirar a un robot\u2026<\/p>\n

    Computaci\u00f3n y comunicaci\u00f3n postcl\u00e1sicas (Postclassical Compute and Comms)<\/h1>\n

    <\/p>\n

    2.1. Comunicaci\u00f3n m\u00f3vil de quinta generaci\u00f3n (5G)<\/h2>\n

    \nEs un tema tan interesante que inmediatamente te remitimos a nuestra el art\u00edculo<\/a><\/noindex>. Aqu\u00ed hay un breve resumen. 5G, gracias al aumento de la frecuencia de transmisi\u00f3n de datos, har\u00e1 que la velocidad de Internet sea incre\u00edblemente r\u00e1pida. Las ondas cortas tienen m\u00e1s dificultades para atravesar obst\u00e1culos, por lo tanto, la estructura de las redes ser\u00e1 completamente diferente: se necesitar\u00e1n 500 veces m\u00e1s estaciones base.<\/p>\n

    Junto con la velocidad, obtendremos nuevos fen\u00f3menos: juegos en tiempo real con realidad aumentada, la realizaci\u00f3n de tareas complejas (como la cirug\u00eda) a trav\u00e9s de telepresencia, y la prevenci\u00f3n de accidentes y situaciones complicadas en las carreteras mediante la comunicaci\u00f3n entre veh\u00edculos. En algo m\u00e1s prosaico: por fin dejar\u00e1 de caerse el Internet m\u00f3vil durante eventos masivos, como un partido en el estadio.<\/p>\n

    \"Gr\u00e1fico
    \nFuente de la imagen \u2014 Reuters, Niantic<\/i><\/p>\n

    2.2. Memoria de pr\u00f3xima generaci\u00f3n (Next-Generation Memory)<\/h2>\n

    \nAqu\u00ed se trata de la quinta generaci\u00f3n de memoria RAM \u2013 DDR5. Samsung anunci\u00f3 que para finales de 2019 se lanzar\u00e1n productos basados en DDR5. Se espera que la nueva memoria sea dos veces m\u00e1s r\u00e1pida y tenga el doble de capacidad manteniendo el factor de forma, es decir, podremos obtener m\u00f3dulos de memoria de hasta 32 GB para nuestra computadora. En el futuro, esto ser\u00e1 especialmente relevante para los smartphones (la nueva memoria estar\u00e1 en una versi\u00f3n de bajo consumo energ\u00e9tico) y para las laptops (donde la cantidad de ranuras DIMM est\u00e1 limitada). Adem\u00e1s, el aprendizaje autom\u00e1tico requiere grandes cantidades de memoria RAM.<\/p>\n

    2.3. Sistemas de sat\u00e9lites en \u00f3rbita baja (Low-Earth-Orbit Satellite Systems)<\/h2>\n

    \nLa idea de reemplazar sat\u00e9lites grandes, caros y potentes por enjambres de peque\u00f1os y econ\u00f3micos no es nueva y surgi\u00f3 en los a\u00f1os 90. Sobre lo que \u00abElon Musk pronto repartir\u00e1 Internet a todos desde el espacio\u00bb<\/a><\/noindex> ahora solo el perezoso no ha o\u00eddo. La compa\u00f1\u00eda m\u00e1s conocida aqu\u00ed es Iridium, que se declar\u00f3 en bancarrota a finales de los 90, pero fue salvada gracias al Departamento de Defensa de EE. UU. (no confundir con iRidium \u2013 el sistema ruso de hogares inteligentes). El proyecto de Elon Musk (Starlink) no es el \u00fanico \u2013 en la carrera espacial participan Richard Branson (OneWeb \u2013 1440 sat\u00e9lites previstos), Boeing (3000 sat\u00e9lites), Samsung (4600 sat\u00e9lites), y otros.<\/p>\n

    C\u00f3mo va la situaci\u00f3n en este campo, c\u00f3mo se ve la econom\u00eda \u2013 l\u00e9elo en rese\u00f1a<\/a><\/noindex>. Y estamos esperando las primeras pruebas de estos sistemas por parte de los usuarios, que deben tener lugar el pr\u00f3ximo a\u00f1o.<\/p>\n

    2.4. Impresi\u00f3n 3D a nanoescala (Nanoscale 3D Printing)<\/h2>\n

    \nAunque la impresi\u00f3n 3D no ha entrado en la vida de cada persona (en la forma prometida de una f\u00e1brica de pl\u00e1stico dom\u00e9stica individual), sin embargo, ha salido de su nicho como tecnolog\u00eda para entusiastas desde hace tiempo. Se puede juzgar por el hecho de que cualquier estudiante ha o\u00eddo hablar de la existencia de al menos bol\u00edgrafos 3D, y muchos sue\u00f1an con adquirir un kit con deslizadores y un extrusor para... \u2018simplemente\u2019 (o ya lo han adquirido).<\/p>\n

    La estereolitograf\u00eda (impresoras 3D l\u00e1ser) permite imprimir con fotones individuales: se est\u00e1n investigando nuevos pol\u00edmeros para los cuales solo se necesitan dos fotones para solidificarse. Esto permitir\u00e1 crear filtros, soportes, resortes, capilares, lentes y... sus opciones en los comentarios, en condiciones no de laboratorio. Y no hay mucha distancia hasta la fotopolimerizaci\u00f3n; solo esta tecnolog\u00eda permite \u2018imprimir\u2019 procesadores y circuitos computacionales. Adem\u00e1s, existe desde hace varios a\u00f1os la tecnolog\u00eda para imprimir estructuras tridimensionales de grafeno de 500 nm<\/a><\/noindex>, pero sin un desarrollo radical.<\/p>\n

    \"Gr\u00e1fico
    \n    Fuente<\/i><\/a><\/noindex><\/p>\n

    3. Sensores y movilidad (Sensing and Mobility)<\/h1>\n

    <\/p>\n

    3.1. Autom\u00f3viles aut\u00f3nomos, niveles 4 y 5 (Autonomous Driving Level 4 & 5)<\/h2>\n

    \nPara no confundirse con la terminolog\u00eda, vale la pena comprender qu\u00e9 niveles de autonom\u00eda se diferencian (tomado de un detalle art\u00edculo<\/a><\/noindex>, al que remitimos a todos los interesados):<\/p>\n

    Nivel 1: Control de crucero: ayuda al conductor en situaciones muy limitadas (por ejemplo, mantener el autom\u00f3vil a una velocidad fija despu\u00e9s de que el conductor ha levantado el pie del pedal)
    \nNivel 2: Asistencia limitada con la direcci\u00f3n y el frenado. El conductor debe estar listo para tomar el control casi de inmediato. Sus manos est\u00e1n en el volante y su mirada est\u00e1 en la carretera. Esto ya est\u00e1 disponible en Tesla y General Motors.
    \nNivel 3: El conductor ya no necesita observar constantemente la carretera. Pero debe estar alerta y preparado para retomar el control. Esto es algo que a\u00fan no est\u00e1 presente en los autom\u00f3viles que est\u00e1n a la venta. Todos los existentes hasta ahora est\u00e1n en niveles 1-2.
    \nNivel 4: Un verdadero piloto autom\u00e1tico, pero con limitaciones: solo viajes en \u00e1reas conocidas, que est\u00e1n cuidadosamente mapeadas y en general son familiares para el sistema, y bajo ciertas condiciones: por ejemplo, en ausencia de nieve. Tales prototipos existen en Waymo y General Motors, y planean lanzarlos en varias ciudades y probarlos en condiciones reales. Yandex tiene zonas de prueba para taxis aut\u00f3nomos en Skolkovo e Innopolis: el viaje se realiza bajo la supervisi\u00f3n de un ingeniero sentado en el asiento del pasajero; para finales de a\u00f1o, la empresa planea expandir su flota a 100 veh\u00edculos aut\u00f3nomos.
    \nNivel 5: Conducci\u00f3n completamente autom\u00e1tica, sustituci\u00f3n total de un conductor humano. No existen tales sistemas, y es poco probable que aparezcan en los pr\u00f3ximos a\u00f1os.<\/p>\n

    \u00bfCu\u00e1n realista es ver todo esto en un futuro cercano? Aqu\u00ed me gustar\u00eda redirigir al lector al art\u00edculo \u00abPor qu\u00e9 lanzar robotaxis para 2020, como promete Tesla, es imposible\u00bb<\/a><\/noindex>. Esto se debe en parte a la falta de conexi\u00f3n 5G: las velocidades actuales de 4G son insuficientes. En parte, a los altos costos de los veh\u00edculos aut\u00f3nomos: actualmente no son rentables y la modelo de negocio no est\u00e1 clara. En resumen, aqu\u00ed \u00abtodo es complicado\u00bb, y no es casualidad que Gartner escriba que la previsi\u00f3n para la adopci\u00f3n masiva de los Niveles 4 y 5 no ser\u00e1 antes de 10 a\u00f1os.<\/p>\n

    3.2. C\u00e1maras con visi\u00f3n 3D (3D Sensing Cameras)<\/h2>\n

    \nHace ocho a\u00f1os, el controlador de juego Microsoft Kinect caus\u00f3 revuelo al ofrecer una soluci\u00f3n accesible y relativamente econ\u00f3mica para la visi\u00f3n 3D. Desde entonces, los juegos de baile y ejercicio con Kinect han tenido su breve auge y ca\u00edda, mientras que las c\u00e1maras 3D se han comenzado a utilizar en robots industriales, veh\u00edculos aut\u00f3nomos y tel\u00e9fonos m\u00f3viles para identificaci\u00f3n facial. La tecnolog\u00eda se ha vuelto m\u00e1s econ\u00f3mica, compacta y accesible. <\/p>\n

    \"Gr\u00e1fico
    \nEl tel\u00e9fono Samsung S10 cuenta con una c\u00e1mara de tiempo de vuelo (Time-of-Flight) que mide la distancia a un objeto, lo que facilita el enfoque.     Fuente<\/a><\/noindex><\/i><\/p>\n

    Si te ha interesado este tema, te redirigimos a un muy buen y detallado an\u00e1lisis sobre c\u00e1maras de profundidad: parte 1<\/a><\/noindex>, parte 2<\/a><\/noindex>.<\/p>\n

    3.3. Drones para la entrega de cargas peque\u00f1as (Light Cargo Delivery Drones)<\/h2>\n

    \nEste a\u00f1o, Amazon caus\u00f3 revuelo cuando present\u00f3 en una feria su nuevo dron volador, capaz de transportar peque\u00f1as cargas de hasta 2 kg. Para una ciudad, con su tr\u00e1fico, parece ser una soluci\u00f3n ideal. Veremos c\u00f3mo se desempe\u00f1an estos drones en un futuro cercano. Quiz\u00e1s vale la pena incluir un escepticismo cauteloso: existen numerosos problemas, desde la posibilidad de robo f\u00e1cil del dron, hasta las restricciones legislativas en drones. Amazon Prime Air ha existido durante seis a\u00f1os, pero a\u00fan se encuentra en fase de pruebas.<\/p>\n

    \"Gr\u00e1fico
    \nEl nuevo dron de Amazon, presentado esta primavera. Tiene algo de 'Star Wars'.     Fuente<\/a><\/noindex><\/i><\/p>\n

    Adem\u00e1s de Amazon, hay otros actores en este mercado (hay un detalle resumen<\/a><\/noindex>), pero no hay ning\u00fan producto listo: todo est\u00e1 en fase de pruebas y acciones de marketing. Es importante destacar proyectos m\u00e9dicos especializados bastante interesantes en \u00c1frica: entrega de sangre donada en Ghana (14,000 entregas, empresa Zipline) y Ruanda (empresa Matternet).<\/a><\/noindex> 3.4. Transporte aut\u00f3nomo volador (Flying Autonomous Vehicles)<\/p>\n

    Aqu\u00ed es dif\u00edcil decir algo definitivo. Seg\u00fan Gartner, esto no aparecer\u00e1 antes de 10 a\u00f1os. En general, aqu\u00ed se presentan los mismos problemas que en los veh\u00edculos aut\u00f3nomos, solo que adquieren una nueva dimensi\u00f3n: la vertical. Porsche, Boeing y Uber han declarado sus ambiciones para construir un taxi volador.<\/h2>\n

    \n3.5. Nube de realidad aumentada (AR Cloud)<\/p>\n

    Una copia digital permanente del mundo real, que permite crear una nueva capa de realidad, com\u00fan para todos los usuarios. Hablando en t\u00e9rminos m\u00e1s t\u00e9cnicos, se trata de hacer una plataforma en la nube abierta, en la que los desarrolladores puedan integrar sus aplicaciones de AR. El modelo de monetizaci\u00f3n es claro, es un an\u00e1logo de Steam. La idea se ha arraigado tanto que algunos ahora consideran que la AR sin nube es simplemente in\u00fatil.<\/h2>\n

    \nC\u00f3mo podr\u00eda verse en el futuro est\u00e1 ilustrado en un peque\u00f1o video. Parece un nuevo episodio de 'Black Mirror':<\/p>\n

    Tambi\u00e9n puedes leer m\u00e1s en
    \n

    \r\n \"Reproducir\r\n
    <\/div>\r\n <\/div><\/center><\/p>\n

    el art\u00edculo de revisi\u00f3n. 4. 'Humano aumentado' (Augmented Human)<\/a><\/noindex><\/p>\n

    4.1. IA para emociones (Emotion AI)<\/h1>\n

    <\/p>\n

    4.1. IA para emociones (Emotion AI)<\/h2>\n

    \n\u00bfC\u00f3mo medir, simular y responder a las emociones humanas? Algunos de los clientes aqu\u00ed son empresas que fabrican asistentes de voz como Amazon Alexa. Realmente podr\u00e1n integrarse en los hogares si aprenden a reconocer el estado de \u00e1nimo: entender la raz\u00f3n de la insatisfacci\u00f3n del usuario y intentar corregir la situaci\u00f3n. En general, hay mucha m\u00e1s informaci\u00f3n en el contexto que en el mensaje en s\u00ed. Y el contexto incluye tanto la expresi\u00f3n facial como la entonaci\u00f3n y el comportamiento no verbal.<\/p>\n

    Entre otras aplicaciones pr\u00e1cticas: an\u00e1lisis de emociones durante entrevistas laborales (a trav\u00e9s de videoentrevistas), evaluaci\u00f3n de reacciones a anuncios o cualquier otro contenido en video (sonrisas, risas), ayuda en el aprendizaje (por ejemplo, para pr\u00e1cticas individuales en el arte de hablar en p\u00fablico). <\/p>\n

    Es dif\u00edcil expresarse mejor sobre este tema que el autor del cortometraje de 6 minutos. Stealing Ur Feeling<\/a><\/noindex>. En este ingenioso y estilizado video se muestra c\u00f3mo se pueden medir nuestras emociones con fines de marketing, y a partir de las reacciones inmediatas de tu rostro descubrir si amas la pizza, los perros, a Kanye West, e incluso cu\u00e1l es tu nivel de ingresos y tu IQ aproximado. Al acceder al sitio de la pel\u00edcula con el enlace anterior, te conviertes en parte de un video interactivo utilizando la c\u00e1mara integrada de tu laptop. La pel\u00edcula ya ha sido presentada en varios festivales de cine.<\/p>\n

    \"Gr\u00e1fico
    \n    Fuente<\/a><\/noindex><\/i><\/p>\n

    Incluso hay un estudio interesante sobre c\u00f3mo reconocer el sarcasmo en el texto. Tomaron tweets con el hashtag #sarcasmo y crearon un conjunto de entrenamiento de 25,000 tweets sarc\u00e1sticos y 100,000 tweets comunes sobre todo tipo de temas. Se aplic\u00f3 la biblioteca TensorFlow, se entren\u00f3 al sistema, y este es el resultado:<\/p>\n

    \"Gr\u00e1fico
    \n    Fuente<\/a><\/noindex><\/i><\/p>\n

    Por lo tanto, ahora, si no est\u00e1s seguro sobre si tu colega o amigo te dijo algo en serio o con sarcasmo, puedes usar la red neuronal ya entrenada<\/a><\/noindex>! <\/p>\n

    4.2. Inteligencia aumentada (Augmented Intelligence)<\/h2>\n

    \nAutomatizaci\u00f3n del trabajo intelectual mediante m\u00e9todos de aprendizaje autom\u00e1tico. \u00bfNo parece haber nada nuevo? Pero aqu\u00ed la formulaci\u00f3n es importante, sobre todo porque coincide en siglas con Inteligencia Artificial. Esto nos remite al debate sobre la inteligencia artificial 'fuerte' y 'd\u00e9bil'.
    \nUna IA fuerte es aquella inteligencia artificial de las pel\u00edculas de ciencia ficci\u00f3n que es completamente equivalente a la mente humana y se reconoce a s\u00ed misma como una persona. Tal cosa a\u00fan no existe y no est\u00e1 claro si alguna vez existir\u00e1.<\/p>\n

    Una IA d\u00e9bil no es una persona aut\u00f3noma, sino un asistente del ser humano. No aspira a un pensamiento humanoide, sino que simplemente puede resolver tareas informativas, como identificar lo que hay en una imagen o traducir texto.<\/p>\n

    \"Gr\u00e1fico
    \n    Fuente <\/a><\/noindex><\/i><\/p>\n

    En este sentido, la Inteligencia Aumentada es, en esencia, una \"IA d\u00e9bil\", y la formulaci\u00f3n resulta exitosa, ya que no introduce confusi\u00f3n ni la tentaci\u00f3n de ver aqu\u00ed la \"IA fuerte\" de la que todos sue\u00f1an (o temen, si recordamos las numerosas reflexiones sobre la \"revuelta de las m\u00e1quinas\"). Al utilizar el t\u00e9rmino Inteligencia Aumentada, de alguna manera nos convertimos en h\u00e9roes de otra pel\u00edcula: de la ciencia ficci\u00f3n (como 'Yo, robot' de Asimov) pasamos al ciberpunk (donde las \"aumentaciones\" en este g\u00e9nero se refieren a todo tipo de implantes que ampl\u00edan las capacidades humanas).<\/p>\n

    \u00bfC\u00f3mo dijeron<\/a><\/noindex> Erik Brynjolfsson y Andrew McAfee: \"En los pr\u00f3ximos 10 a\u00f1os ocurrir\u00e1 lo siguiente. No la IA reemplazar\u00e1 a los gerentes, sino que los gerentes que utilicen IA reemplazar\u00e1n a aquellos que a\u00fan no lo hagan\"<\/p>\n

    Ejemplos:<\/p>\n