Inteligencia Artificial

 Inventos

Los 10 inventos que han revolucionado el mundo en 2022

Inteligencia Artificial: AlphaFold

En julio, la empresa Alphabet (antes Google) aseguró que su programa de machine learning Alpha Fold logró predecir y leer las estructuras de 200 millones de proteínas. Esto equivale a casi todas las cadenas de proteínas de la humanidad.  

El CEO de la empresa describió esta innovación como “un regalo para la humanidad”. Y es que Alpha Fold es capaz de acelerar el trabajo de los investigadores alrededor del mundo, con la finalidad de resolver los problemas más profundos de la ciencia.  

Al momento, el programa investigar cómo los fármacos se vuelven resistentes a las bacterias o para crear medicamentos que puedan curar el mal de Parkinson. 

Accesibilidad: Un robot para ‘conversar’

La pandemia de Covid-19 demostró lo importante que es tener un ‘amigo’ y mucho más cuando se trata de adultos mayores. Y para aliviar esas horas de confinamiento surgieron los robots chaperones como ElliQ. 

 Se trata de un parlante y una tablet que puede mantener conversaciones con el usuario, gracias a la Inteligencia Artificial. ElliQ es capaz de dar el tiempo, las noticias, poner música y hasta ‘conversar’ sobre temas triviales. También dispone de un botón para contactar a un médico o familiares, en casos de emergencias.  

Es un ‘gadget’ costoso y requiere de una suscripción mensual de USD 30, puesto que la empresa da el soporte para que el robot funcione. 

Hackers: App Nord Security

En la categoría de Apps y Software, la revista Time destacó las funciones de la aplicación NordVPN, como una manera de “mantener a los hackers alejados”. 

La empresa Nord Security, creadora de la app, es conocida por brindar servicios rápidos de VPN. El sistema básicamente permite navegar de forma segura desde cualquier equipo, y ofrece otras soluciones como un gestor de contraseña y un almacenamiento de archivos encriptado.  

Una característica de NordVPN es que funciona a una velocidad rápida, y esto se debe al protocolo NordLynx y una red de servidores de 10 gigabytes por segundo. La app está disponible para iOS y Android.

Salud: Test personalizado de cáncer

La revista Time nunca establece un ranking de los inventos seleccionados, sino que les da igual protagonismo a todos. Esto ocurre con énfasis en la categoría salud, donde los editores explican que los desarrollos escogidos “permiten hacer un mundo más inteligente”.  

De los 13 inventos en la categoría Salud, uno de ellos es el test personalizado para combatir el cáncer de mama. Se llama HER2DX+, y fue creado por la empresa Reveal Genomics. 

Es una prueba genómica que combina datos clínicos del paciente, como tamaño del tumor o estado de los ganglios, y le permite al médico guiar sus decisiones y tratamientos. Para procesar la información, el test utiliza técnicas de aprendizaje profundo, una de las ramas de la Inteligencia Artificial. 

De momento está solo disponible en España y para pacientes con cáncer HER2+, que representa un 20% del total de casos de cáncer de mama en mujeres. A partir de 2024 debería llegar a toda Europa y a Estados Unidos.

Ciencia: Telescopio James Webb

Técnicamente, el potente telescopio de la NASA, James Webb, se enlista en la categoría de Diseño, entre los mejores inventos de 2022.  

Según la publicación Time, este aparato lanzado en 2021 es una maravilla de la ingeniería y diseño espacial. Se destaca no solo por las imágenes nítidas que ha enviado a la Tierra, sino también por los sofisticados instrumentos como el sensor de luz infrarroja.  

“La cámara infrarroja de Webb puede observar la infancia del universo y ya ha devuelto una deslumbrante variedad de imágenes”, resalta Time.

En efecto, en 2022 el telescopio espacial ha logrado captar el momento en que nacen las estrellas o fotografiar a los Pilares de la Creación del Universo.  

Pero además ha sido capaz de encontrar rastros de agua y dióxido de carbono de dos exoplanetas. 

Experimental: El cohete más potente

Con 322 pies de altura, el cohete SLS fue el encargado de llevar a la misión no tripulada Artemis I de regreso a la Luna, el pasado 16 de noviembre.  

Es el cohete más grande y potente construido hasta el momento, según la NASA, debido a que tiene un empuje máximo de lanzamiento de 8,8 millones de libras.  

“El SLS otorgó la potencia y el rendimiento necesarios para enviar a Orion en su camino a la Luna”, dijo Mike Sarafin, gerente de la misión Artemis I. 

Hogar Inteligente: Robot aspiradora

Uno de los inventos de 2022 es un dispositivo que alivia una de las tareas odiadas por muchos usuarios: limpiar el hogar. Se trata del robot aspiradora Roborock S7 MaxV, creado por la compañía del mismo nombre y dedicada a fabricar otros tipos de robots domésticos.  

La versión S7 MaxV de este limpiador automático es ultrainteligente, según la revista Time, porque detecta alfombras y eleva su posición en el piso para evitar atascarse mientras limpia.  

Este equipo, disponible en el país a través de varios portales electrónicos y en locales comerciales, posee además un paño mojado para limpiar el suelo. Según la compañía creadora, frota las manchas “hasta 3.000 veces por minuto”. 

Automóviles: Un auto camaleón

En la feria de consumo CES Las Vegas de este año se presentó el prototipo del auto BMW iX Flow. A simple vista es un automóvil de lujo, pero su característica principal es que la pintura de la carrocería cambia de blanco a negro luego de aplastar un botón. Pero no es un truco de magia, sino el uso de la tinta electrónica, una tecnología empleada en los libros Kindle de Amazon y que se puede aplicar a otros dispositivos.  

Para lograr el efecto camaleón, el fabricante BMW se asoció con la empresa E Ink, que desarrolla películas protectoras.  

Es decir, lo que cambia en realidad es la película adhesiva que cubre todos los paneles del auto. Además, es una tecnología amigable con el ambiente, porque solo se recurre a la energía eléctrica cuando el cliente quiere que el auto cambie de tonalidad. 

Electrónicos: Samsung Galaxy S22 Ultra

Para los editores de TIME, el Galaxy S22 Ultra es el móvil más superior de la gama alta de teléfonos inteligentes. De hecho es el único celular incluido en el listado. 

Las mejoras del S22 Ultra con respecto a sus antecesores son numerosas. Para empezar es más grande y pesado: casi 6,8 pulgadas y 227 gramos. Tiene un procesador Exynos, un sensor de cámara luminoso y 108 megapíxeles en la cámara frontal.  

Pero lo que más impresiona es que cuenta con la pantalla más luminosa del mercado, capaz de bloquear la luz solar y ajustarse a condiciones de oscuridad. También tiene una función para proteger los ‘ojos’ del usuario.  

La batería dura un día de corrido y el S Pen es el más rápido entre otros celulares de Samsung. Con la pluma puede crear notas, editarlas, dibujar, traducir textos o escribir en el calendario. Y el tiempo de latencia ha disminuido, es decir, escribir o realizar cualquier acción en la pantalla es casi instantáneo. 

Mobile Gaming: Razer Kishi V2

Uno de los mejores inventos en la categoría de equipos electrónicos es un control de mando que transforma el celular en una consola portátil.  

Recibe el nombre de Razer Kishi V2, es decir la segunda generación o versión mejorada del dispositivo creado por la empresa de videojuegos Razer.  

Este ‘joystick’ se asemeja mucho a un Nintendo Switch, porque permite realizar movimientos similares a los juegos de esta consola. El dispositivo se divide y se adhiere a los lados del móvil, no requiere de baterías, porque se alimenta del poder del celular. 

De momento, solo funciona en dispositivos con Android, pero los fabricantes aseguran que están trabajando en una versión para iOS. 

Inteligencia Artificial

 Funcionamientos

Cómo funciona la inteligencia artificial

La inteligencia artificial funciona combinando grandes cantidades de datos con procesamiento rápido e iterativo y algoritmos inteligentes, permitiendo al software aprender automáticamente de patrones o características en los datos. La inteligencia artificial es un vasto campo de estudio que incluye muchas teorías, métodos y tecnologías, además de los siguientes subcampos principales:

El aprendizaje basado en máquina automatiza la construcción de modelos analíticos. Emplea métodos de redes neurales, estadística, investigación de operaciones y física para hallar insights ocultos en datos sin ser programada de manera explícita para que sepa dónde buscar o qué conclusiones sacar.

Una red neural es un tipo de aprendizaje basado en máquina que se compone de unidades interconectadas (como neuronas) que procesa información respondiendo a entradas externas, transmitiendo información entre cada unidad. El proceso requiere múltiples pases en los datos para hallar conexiones y obtener significado de datos no definidos.

El aprendizaje a fondo utiliza enormes redes neurales con muchas capas de unidades de procesamiento, aprovechando avances en el poder de cómputo y técnicas de entrenamiento mejoradas para aprender patrones complejos en grandes cantidades de datos. Algunas aplicaciones comunes incluyen reconocimiento de imágenes y del habla.

El cómputo cognitivo es un subcampo de la inteligencia artificial que busca una interacción de tipo humano con las máquinas. Utilizando la inteligencia artificial y el cómputo cognitivo, el objetivo final es que una máquina simule procesos humanos a través de la capacidad de interpretar imágenes y el habla – y luego hable de forma coherente como respuesta.  

La visión por computadora se apoya en el reconocimiento de patrones y el aprendizaje profundo para reconocer lo que hay en una imagen o video. Cuando las máquinas pueden procesar, analizar y entender imágenes, pueden capturar imágenes o videos en tiempo real e interpretar sus alrededores.

El procesamiento del lenguaje natural (NLP, por sus siglas en inglés) es la capacidad de las computadoras de analizar, entender y generar lenguaje humano, incluyendo el habla. La etapa siguiente de NLP es la interacción en lenguaje natural, que permite a los humanos comunicarse con las computadoras utilizando lenguaje normal de todos los días para realizar tareas.

Además, varias tecnologías habilitan y dan soporte a la inteligencia artificial:

Las unidades de procesamiento gráfico son fundamentales para la inteligencia artificial porque aportan gran poder de cómputo requerido para el procesamiento iterativo. Entrenar redes neurales requiere big data, además de poder de cómputo.

Internet de las Cosas genera cantidades masivas de datos de dispositivos conectados, la mayoría de ellos no analizados. La automatización de modelos con inteligencia artificial nos permite usar una mayor parte de ellos.

Se están desarrollando algoritmos avanzados y se combinan en nuevas formas para analizar más datos con mayor rapidez y en múltiples niveles. Este procesamiento inteligente es clave para identificar y anticipar eventos poco comunes, entender sistemas complejos y optimizar escenarios únicos.

Las APIs, o interfaces de programación de aplicaciones, son paquetes portables de código que hacen posible agregar funcionalidad de inteligencia artificial a productos y paquetes de software existentes. Éstas pueden agregar recursos de reconocimiento de imágenes a sistemas de seguridad domésticos y capacidades de preguntas y repuestas que describen datos, crean leyendas y encabezados, o resaltan patrones e insights interesantes en los datos.

En resumen, el objetivo de la inteligencia artificial consiste en proveer software que pueda razonar lo que recibe y explicar lo que produce como resultado. La inteligencia artificial proporcionará interacciones similares a las humanas con software y ofrecerá soporte a decisiones para tareas específicas, pero no es sustituto de los humanos – y no lo será en el futuro cercano. 

¿Qué se necesita para funcionar en inteligencia artificial?

Programar inteligencia artificial no es una tarea sencilla. Hacerlo requiere conocimientos y habilidades de diferentes campos.

En este post veremos en primer lugar los campos en los que necesitas tener conocimientos para programar inteligencia artificial y, en segundo lugar, algunos conceptos adicionales sobre inteligencia artificial.

Conocimientos que necesitas para programar inteligencia artificial

Es probable que, de todos los que vamos a destacar, puedas programar inteligencia artificial sin alguno de estos conocimientos, pero lo ideal es disponer de un mínimo de todos ellos. Esto garantizará que estés en condiciones de solucionar cualquier problema que surja en tu proyecto.

Programación. El propio término de “programar” inteligencia artificial nos indica que es necesario conocer algunos lenguajes de programación para realizar este tipo de proyectos. Entre otros, destacamos Python, R, PHP, Java y C++.

Matemáticas avanzadas. Los lenguajes de programación que acabamos de mencionar se basan en las matemáticas, por lo que conocer cómo funcionan las constantes y las variables, las funciones y otros términos de dicha disciplina va implícito en el aprendizaje para programar inteligencia artificial.

Ingeniería. Al estar directamente relacionada con la innovación y el desarrollo tecnológicos, es obvio que la ingeniería también es necesaria para programar inteligencia artificial.

Otros campos tecnológicos. Conocimientos más específicos en áreas como el big data, el IoT o la robótica complementan muy bien los campos anteriores.

Hojas de cálculo. Cualquier proyecto de inteligencia artificial necesita reunir, organizar y manejar datos de forma rápida, sencilla y eficaz, por lo que los programas como Excel o LibreOffice Calc son extremadamente útiles en la medida en que contribuyen a conseguirlo.

Diseño. Además del lado de programación, es importante que la inteligencia artificial tenga un aspecto reconocible para los sentidos humanos, que sea manejable y, en el caso de que se vaya a vender, que resulte atractiva. Los conocimientos en diseño ayudan a lograr este objetivo, que muchas veces queda relegado a un segundo plano cuando no debería ser así.

Idiomas. Dado que nos movemos en un entorno global, es importante que la inteligencia artificial que programemos cuente con distintas posibilidades en cuanto a idiomas, por lo que deberemos tener conocimientos en aquellos que decidamos incluir en nuestro proyecto y que, por lo general, son más que el español. Además, los lenguajes de programación mencionados anteriormente se basan en el inglés.

Project Management. Programar inteligencia artificial es un proyecto en sí mismo, y la mayoría de las veces requerirá la unión de distintos profesionales expertos en cada uno de los campos recién mencionados. El Project Management o gestión de proyectos es lo que permite que todas las áreas anteriores puedan trabajar en conjunto, sin lo cual ningún proyecto ambicioso concluirá satisfactoriamente.

7 ejemplos de uso de inteligencia artificial en nuestro día a día

1. Los asistentes de voz, los compañeros más fieles

Siri, Alexa o Cortana; nombres que hace algún tiempo no nos hubieran dicho nada, pero que hoy forman parte del día a día de muchos hogares.

En 2003 ya se crearon los primeros asistentes personales, pero no ha sido hasta los últimos años cuando se han puesto de moda. O, ¿quién no le pregunta el tiempo a su altavoz inteligente? Y lo mismo, a la hora de pasar una canción en la ducha.

2. Los smartphones: todo al alcance de la mano

Tu Smartphone es, sin duda, sinónimo de inteligencia artificial. Desde utilizar asistentes de voz como los ya mencionados, hasta el momento de hacer selfies; pasando por el correo electrónico. Todo esto funciona, a partir de IA.

En el caso del correo electrónico, por ejemplo, los distintos servicios utilizan la inteligencia artificial para identificar los mensajes de spam, así como aquellos correos con posibilidad de virus.

3. La robótica en la vida cotidiana: las casas inteligentes

En esta lista de 7 ejemplos de uso de inteligencia artificial en nuestro día a día, no pueden faltar las llamadas Smart houses o casas inteligentes.

La automatización ha llegado al hogar. Robots de cocina, duchas programables en temperatura y música, luces que se encienden solas o rumbas. Sin olvidar, por supuesto, las populares Smart TV, donde dispones de acceso a internet.

4. El monitoreo de las redes sociales

Por otro lado, cabe destacar el famoso algoritmo de las redes sociales. Tanto las notificaciones como los contenidos que visualizas están predispuestos por inteligencia artificial.

La experiencia de usuario es clave para hacer tu navegación a medida. De este modo, si se te ofrece la información que deseas, volverás con más frecuencia.

5. GPS y sistemas de geolocalización en el coche

En primer lugar, la IA es fundamental en los distintos sistemas de navegación. Por ejemplo, Google Maps te avisa de si hay una carretera cortada o de la cantidad de tráfico en tiempo real.

Además, tampoco ya es extraño disponer de un coche con un botón de emergencia. Este acciona un geolocalizador y avisa a las autoridades, en caso de accidente.

6. Comprar por Internet: el caso del E-commerce

En el comercio electrónico, cabe destacar la IA, a la hora de personalizar tu compra. Los productos destacados aparecerán, en función de tus gustos o búsquedas realizadas.

7. Ciberseguridad en la oficina

Finalmente, la IA se emplea para mejorar la ciberseguridad, un aspecto fundamental en tu oficina. De hecho, los ciberataques se encuentran cada vez más presentes en todo tipo de empresas, de ahí que este apartado también forme parte de estos 7 ejemplos de uso de inteligencia artificial en nuestro día a día.

 Inteligencia Artificial

La inteligencia artificial es una tecnología tan amplia y revolucionaria que es difícil dar una definición precisa. Puede considerarse una rama del campo de la informática, cuyo objetivo es crear máquinas capaces de realizar tareas que tradicionalmente requerían inteligencia humana.

Sin embargo, la IA es una ciencia interdisciplinaria con múltiples enfoques. Hoy en día, el Machine Learning (aprendizaje automático) y el Deep Learning (aprendizaje profundo) son dos técnicas utilizadas en empresas de todos los sectores.

¿Qué es la inteligencia artificial?

En 1950, el matemático Alan Turing se hizo una pregunta: «¿Pueden pensar las máquinas?». De hecho, esta simple pregunta transformaría el mundo.

El artículo de Alan Turing «Computing Machinery and Intelligence» y el consiguiente «Test de Turing» sentaron las bases de la inteligencia artificial, su visión y sus objetivos.

De hecho, la inteligencia artificial pretende responder afirmativamente a la pregunta de Alan Turing. Su objetivo es replicar o simular la inteligencia humana en las máquinas.

Se trata de un objetivo ambicioso, que también plantea muchos interrogantes y suscita el debate. Por ello, aún no existe una definición única de inteligencia artificial.

La descripción de «máquinas inteligentes» no explica qué es realmente la inteligencia artificial ni qué hace que una máquina sea inteligente. En un intento de remediar este problema, Stuart Russell y Peter Norvig publicaron el libro «Artificial Intelligence: A Modern Approach».

En ese libro, los dos expertos unifican sus trabajos sobre el tema de los agentes inteligentes en las máquinas. Según ellos, «la IA es el estudio de los agentes que reciben percepciones del entorno y realizan acciones».

En su opinión, cuatro enfoques distintos han definido históricamente el campo de la inteligencia artificial: el pensamiento humano, el pensamiento racional, la acción humana y la acción racional.

Los dos primeros enfoques se refieren al razonamiento y al procesamiento del pensamiento, mientras que los otros dos se refieren al comportamiento. En su libro, Norvig y Russell se centran principalmente en los agentes racionales capaces de actuar para conseguir el mejor resultado.

Por su parte, Patrick Winston, profesor de inteligencia artificial del MIT, define la IA como «algoritmos activados por restricciones, expuestos por representaciones que soportan modelos que vinculan el pensamiento, la percepción y la acción».

Otra definición moderna describe la IA como «máquinas que responden a simulaciones como los humanos, con capacidad de contemplación, juicio e intención». Estos sistemas son capaces de «tomar decisiones que normalmente requieren un nivel humano de conocimiento». Tienen tres cualidades que constituyen la esencia de la inteligencia artificial: intencionalidad, inteligencia y adaptabilidad.

Estas diferentes definiciones pueden parecer abstractas y complejas. Sin embargo, ayudan a establecer la inteligencia artificial como una ciencia informática.

En 2017, durante la Japan AI Experience, el CEO de DataRobot, Jeremy Achin, dio su propia definición moderna y con un toque de humor de la IA : «La inteligencia artificial es un sistema informático capaz de realizar tareas que normalmente requieren inteligencia humana… muchos de estos sistemas de IA se basan en el Machine Learning, otros en el Deep Learning y otros en cosas muy aburridas como las reglas«.

La historia de la inteligencia artificial

La historia de la inteligencia artificial comenzó en 1943 con la publicación del artículo «A Logical Calculus of Ideas Immanent in Nervous Activity» de Warren McCullough y Walter Pitts. En ese trabajo, los científicos presentaron el primer modelo matemático para la creación de una red neuronal.

El primer ordenador de red neuronal, Snarc, fue creado en 1950 por dos alumnos de Harvard: Marvin Minsky y Dean Edmonds. Ese mismo año, Alan Turing publicó el Test de Turing, que todavía se utiliza hoy para valorar las IA.

En 1952, Arthur Samuel creó un software capaz de aprender a jugar al ajedrez de forma autónoma. El término inteligencia artificial fue utilizado por primera vez en la conferencia «Dartmouth Summer Research Project on Artificial Intelligence» de John McCarthy en 1956.

En ese acto, los investigadores presentaron los objetivos y la visión de la IA. Muchos consideran esta conferencia como el verdadero nacimiento de la inteligencia artificial, tal y como se conoce hoy en día.

En 1959, Arthur Samuel acuñó el término Machine Learning mientras trabajaba en IBM. Por su parte, John McCarthy y Marvin Minsky fundaron el MIT Artificial Intelligence Project. En 1963, John McCarthy también creó el «AI Lab» en la Universidad de Stanford.

En los siguientes años, se cernieron dudas sobre el campo de la IA. En 1966, el informe estadounidense ALPAC puso de manifiesto la falta de avances en la investigación de la traducción automática destinada a traducir simultáneamente la lengua rusa en el contexto de la Guerra Fría. Muchos proyectos financiados por el gobierno estadounidense fueron cancelados.

Del mismo modo, en 1973, el gobierno británico publicó su informe «Lighthill» en el que destacaba las decepciones de la investigación en IA. Una vez más, los proyectos de investigación fueron reducidos por los recortes presupuestarios. Este periodo de duda duró hasta 1980, y ahora se denomina el «primer invierno de la IA«.

Ese invierno terminó con la creación de R1 (XCON) por parte de Digital Equipment Corporations. Este sistema comercial experto está diseñado para configurar los pedidos de nuevos sistemas informáticos, y provocó un auténtico auge de las inversiones que se prolongó durante más de una década.

Japón y Estados Unidos hicieron grandes inversiones en la investigación de la IA. Las empresas se gastaron más de mil millones de dólares al año en sistemas expertos y el sector no paraba de crecer.

Desgraciadamente, el mercado de las máquinas “Lisp” se desplomó en 1987 al surgir alternativas más baratas. Este fue el «segundo invierno de la IA». Las empresas perdieron el interés por los sistemas expertos. Los gobiernos de Estados Unidos y Japón abandonaron sus proyectos de investigación y se gastaron miles de millones de dólares para nada.

Diez años después, en 1997, la historia de la IA estuvo marcada por un acontecimiento importante. La IA Deep Blue de IBM triunfó sobre el campeón mundial de ajedrez Gary Kasparov. Por primera vez, el hombre fue derrotado por la máquina.

Diez años después, los avances tecnológicos permitieron el resurgimiento de la inteligencia artificial. En 2008, Google hizo grandes avances en el reconocimiento de voz y lanzó esa función en sus aplicaciones para smartphones.

En 2012, Andrew Ng alimentó una red neuronal con 10 millones de vídeos de YouTube como serie de datos de entrenamiento. Gracias al Deep Learning, esta red neuronal aprendió a reconocer un gato sin que se le enseñara lo que es un gato. Este fue el inicio de una nueva era para Deep Learning.

En 2016 se produjo otra victoria de la IA sobre el ser humano, con el triunfo del sistema AlphaGo de Google DeepMind sobre Lee Sedol, el campeón de Go. La inteligencia artificial también conquistó el campo de los videojuegos, especialmente con DeepMind AlphaStar en Starcraft u OpenAI Five en Dota 2.

Actualmente, empresas de todos los sectores utilizan el Deep Learning y el Machine Learning para infinidad de aplicaciones. La IA no deja de avanzar y sorprender con su rendimiento. El sueño de la inteligencia artificial general se acerca cada vez más a la realidad.

Los orígenes de la inteligencia artificial

Aunque los primeros referentes históricos se remontan a los años 30 con Alan Turing, considerado padre de la inteligencia artificial, se considera que el punto de partida es el año 1950, precisamente, cuando Turing publica un artículo con el título «Computing machinery and intelligence» en la revista Mind, donde se hacía la pregunta: ¿pueden las máquinas pensar? y proponía un método para determinar si una máquina puede pensar. Los fundamentos teóricos de la IA se encuentran en el experimento que propone en dicho artículo y que pasó a denominarse Test de Turing, y mediante cuya superación por una máquina se podía considerar que sería capaz de pasar por un humano en una charla ciega. Este test sigue estando vigente en la actualidad y es motivo de estudios e investigaciones continuas.

Sin embargo, numerosos investigadores e historiadores consideran que el punto de partida de la moderna inteligencia artificial fue el año 1956, cuando los padres de la inteligencia artificial moderna, John McCarty, Marvin Misky y Claude Shannon acuñaron formalmente el término durante la conferencia de Darmouth, como: «la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cálculo inteligente». La conferencia fue financiada por la Fundación Rockefeller y se llamó Dartmouth Summer Research Project on Artificial Intelligence.

Los últimos cinco años han sido la expansión de la inteligencia artificial (IA) en sectores donde hasta estas fechas no llegaba. Yoshua Bengio -uno de los investigadores más prestigiosos del mundo en el campo de la inteligencia artificial- en su artículo de Aprendizaje Profundo publicado en la revista Scientific American, da como fecha de partida de la explosión de la IA el año 2012, donde se presentaron los primeros productos comerciales que entendían el habla -como el caso de Google Now- y posteriormente aplicaciones que permitían identificar el contenido de una imagen, como hoy incorpora Google Photos.  

Coches Autonomos

Veamos los principales beneficios de los coches autónomos: 

Mejorar la seguridad. 

A pesar de que se han conducido 1,4 millones de millas con ella sin un solo incidente, muchas personas creen que el uso de esta tecnología en la industria de la logística no es seguro. Al mismo tiempo, tienden a ignorar la tasa de accidentes de los automóviles conducidos por humanos. La inmensa mayoría de los accidentes, entre un 90 y un 95 %, sucede por culpa de las personas, ya sea por distracciones, por conducir bajo los efectos del alcohol o las drogas, etc. Los coches autónomos no solo pueden eliminar los errores relacionados con el conductor y mejorar la seguridad del vehículo, sino también garantizar que las mercancías lleguen a su destino de manera segura.

Incrementar la eficiencia. 

Los vehículos autónomos pueden tomar decisiones en una fracción de segundo que no son posibles para los humanos. Con el uso de la inteligencia artificial, estos vehículos pueden procesar grandes cantidades de datos y tomar decisiones en unos pocos segundos. Así, un coche autónomo puede identificar las mejores rutas de viaje para minimizar el tiempo en la carretera, conducir a una velocidad óptima y, por lo tanto, mejorar la eficiencia de las empresas de logística.

Ahorrar costes. 

Con capacidades avanzadas de toma de decisiones, los automóviles autónomos son capaces de calcular los costes de combustible y tiempo. La seguridad mejorada también puede minimizar los daños y los costes del seguro. Esto impulsará a las compañías aseguradoras a aceptar una prima más baja para los coches autónomos en el futuro. Las empresas también pueden ahorrar una suma significativa en costes de personal. En el transporte de mercancías, más de un 40 % de los costes se deben al conductor y, hoy en día, a nivel mundial, cada vez es más difícil encontrar personal para determinadas rutas. 

Compensar la escasez de conductores. 

Debido a los cambios demográficos, no hay suficientes empleados cualificados en la industria del transporte por carretera. Se necesitan más camioneros en todo el mundo. Los camiones autónomos podrían llenar este vacío y el uso de vehículos autónomos programables está surgiendo como una posible solución. Además, mejores condiciones de trabajo y mayor seguridad para los conductores hacen que la carrera sea más atractiva para los camioneros. Por no hablar de que los camiones autónomos podrían integrar a conductores mayores o personas con discapacidad y así brindar una oportunidad social a personas desfavorecidas.

Formar pelotones de camiones. 

El uso de camiones autónomos puede permitir la formación de pelotones de esta clase de vehículos de manera efectiva. Este concepto se refiere a que los automóviles que tienen rutas similares pueden agruparse para formar una unidad única controlable. En este tipo de organización, el camión principal establece la velocidad y el rumbo, todos los demás lo siguen, y giran y frenan al mismo tiempo que el líder. Esto mejora el rendimiento, la seguridad y el control de las empresas transportistas. Además, los vehículos pueden actuar como un todo en un trozo común de trayecto y desviarse cuando es necesario para llegar a distintos puntos finales de entrega.

¿Cuáles son los Peligros de un Vehículo Autónomo?

Como dijimos anteriormente, aunque hoy en día no hay autos sin conductor o vehículos verdaderamente autónomos en la carretera, los sistemas de control que están utilizando los fabricantes de automóviles aún pueden ayudarlo con la conducción asistida, un ejemplo de esto es el nuevo Super Cruise System de General Motors o Autopilot’s Full Self Driving (FSD) de Tesla, que espera expandir sus pruebas de campo en las próximas semanas, todavía existen riesgos de seguridad presentes para todos estos sistemas de conducción asistida. A continuación, puede encontrar algunos de los riesgos de los vehículos autónomos:

Detección de Obstáculos 

Los vehículos autónomos utilizan una variedad de sensores para detectar obstáculos, semáforos, condiciones de la carretera, además de la velocidad y dirección de los vehículos circundantes. Sin embargo, las condiciones climáticas peligrosas, el tráfico pesado, las señales de tránsito desgastadas o las etiquetas de vehículos dañadas hacen que los sensores del automóvil no funcionen correctamente, lo que podría provocar accidentes de coche, como lo demuestran los numerosos modelos de Tesla incapaces de detectar las barreras en la carretera y hasta chocar con vehículos estacionados.

Falacia del Aprendizaje Automático

Sin duda, el aprendizaje automático y la tecnología de inteligencia artificial son cada vez más frecuentes en nuestra vida diaria. Desde Netflix dándonos recomendaciones basadas en los programas y películas que nos gustan hasta refrigeradores inteligentes que nos notifican cuando se está acabando la despensa, Los coches autónomos utilizan esta tecnología para reconocer situaciones potencialmente peligrosas. Pero, con la tecnología aún en su relativa infancia, dichos vehículos no pueden reaccionar de la misma manera que lo hacen los humanos cuando se enfrentan a una situación inesperada. Hasta que los automóviles autónomos puedan comportarse con el mismo tiempo de reacción de un humano común ante las situaciones del camino, los vehículos autónomos representan una amenaza potencial para los peatones, otros vehículos e incluso los propios conductores en caso de que se sientan demasiado confiados con los sistemas que encontramos en los autos comerciales.

Preocupaciones de Ciberseguridad 

Con todos los datos que deben recopilar los vehículos autónomos, existen algunas preocupaciones sobre medidas de ciberseguridad, política de ciberseguridad y cómo proteger todos estos sistemas en relación con la intrusión de un tercero. Si los vehículos autónomos prevalecen en la carretera, deberían poder comunicarse no solo entre sí, sino también con el fabricante o el proveedor de esta tecnología. Esto podría hacerlos vulnerables a los ciberataques. Ya que otras áreas de la informática han sufrido intrusiones cibernéticas, solo es cuestión de tiempo hasta que alguien decida hackear no solo un vehículo, sino toda una flotilla de ellos con fines nefastos. Esto es uno de los riesgos de los vehículos autónomos. 

Cómo funciona

Exane BNP Paribas, una sociedad de inversión, prevé que serán los sectores de tecnología y comunicaciones los que se verán más beneficiados que la propia industria automotriz por el incremento previsto en el mercado de los vehículos conectados, y ello por un motivo simple: algo conduce los autos sin conductor y ese algo es un programa informático que trata volúmenes enormes de datos.

Los autos sin conductor funcionan recopilando información recabada de cámaras, sensores, dispositivos de localización geográfica (por ejemplo, radares), mapas digitales, programas de navegación y comunicación con otros vehículos conectados y con la infraestructura. Los sistemas y programas informáticos tratan luego esa información y coordinan las funciones mecánicas del automóvil. Esos procesos imitan la tarea sumamente compleja que realizan los conductores humanos al controlar la ruta, el auto y sus propias acciones cuando están al volante. Cabe señalar, como ejemplos recientes, la patente de Google sobre interpretación de las luces del semáforo o el sedán más reciente de Tesla, que ajusta su velocidad en función de las señales de tránsito.

Características de los coches autónomos

A continuación enlistaremos algunos detalles que hacen diferente a un auto autónomo de los otros coches:

• No cuentan con pedales
• Cuentan con un cerebro virtual (el encargado de identificar la situación y, entonces, accionar).
• Tienen sensores, cámara y radares, dichos sensores pueden ver en 360ª con un alcance amplio, aproximadamente la distancia es de dos campos de fútbol. Pueden detectar objetos en todas las direcciones.
• Pueden ver el camino sin importar el clima (lluvia, niebla o nieve).
• GPS, mapas en 3D.
• Visión computerizada, normalmente su forma es redonda para maximizar el campo de visión.
• Baterías electrónicas para poder accionar el vehículo.
• Sensor frontal que mide la velocidad de los vehículos que están delante de este coche.

Coches Autonomos

 Coches Autonomos Volkswagen

“ Los carros autónomos aparecerán ampliamente en nuestras carreteras en algún momento. Los vehículos autónomos pueden ayudar a reducir drásticamente los accidentes automovilísticos y a mejorar la calidad de vida de todos." 

Un vehículo autónomo es un automóvil o camión que puede detectar su entorno y controlar sus movimientos sin intervención humana. SAE, también conocida como la Sociedad de Ingenieros Automotrices, ha creado 6 niveles de vehículos autónomos. 

Técnicamente, los niveles van de 0 a 5.

Aquí hay una explicación de los niveles individuales:

El nivel 0 Significa que no hay ninguna autonomía. Con ese tipo de vehículo, un conductor humano será responsable de todas las tareas de conducción.

El nivel 1 Incluye algunas características de asistencia al conductor, como asistencia para mantener el carril o control de crucero adaptativo. Pero el automóvil solo puede hacer una tarea a la vez. 

El nivel 2 Es la automatización parcial. Con este nivel de autonomía, el automóvil puede combinar 2 o más tareas automatizadas, como dirigir y acelerar a la vez. Pero incluso en esos casos, el conductor sigue teniendo el control principal del vehículo.

El nivel 3 Es la automatización condicional. En este nivel, el automóvil es capaz de conducir del punto A al punto B sin intervención humana, pero solo en determinadas condiciones. El conductor aún debe estar listo para hacerse cargo en cualquier momento porque el sistema le pedirá al humano que intervenga en situaciones críticas. El nivel 4 es de alta automatización. 

En el nivel 4 El vehículo se considera completamente autónomo en la mayoría de las condiciones de conducción, pero no en todas. En general, el automóvil podrá conducirse solo y no solicitar la intervención humana para completar el viaje. Sin embargo, el automóvil solo funcionaría en áreas geo-cercadas y no necesariamente funcionaría en ciertas condiciones climáticas. 

El nivel 5 Es la automatización completa. El coche puede funcionar solo en todas las condiciones de conducción. Puede que no haya volante o pedal de freno en el vehículo.

Mucha gente está presionando para ser el primero en desarrollar un automóvil autónomo que pueda conducir en todas las condiciones de conducción. Los principales fabricantes de automóviles y gigantes tecnológicos están buscando una manera de llegar al frente de la carrera. Están realizando un montón de pruebas de carretera con sus coches autónomos y los datos recopilados de estas pruebas ayudan a los coches a navegar por el mundo donde suceden cosas impredecibles todo el tiempo. Sin embargo, hasta que los autos completamente autónomos estén en la carretera, los humanos aún deben ser completamente responsables de conducir sus vehículos y comprender las limitaciones de la tecnología en sus autos.

El grupo de automoción Volkswagen y el fabricante de componentes Bosch acaban de hacer público un acuerdo mediante el que unirán sus fuerzas en la investigación y desarrollo de coches autónomos. En los últimos tiempos la marca norteamericana de vehículos eléctricos Tesla había tomado la delantera en este campo con su sistema Autopilot, que permite al coche circular por autopistas sin que el conductor tenga que intervenir. Y el grupo alemán Daimler conseguía a finales del año pasado la homologación europea para un dispositivo similar de conducción autónoma de Nivel 3.

Volkswagen no quiere quedarse atrás en la carrera por esta nueva tecnología, que según sus directivos va a ser clave para el futuro de la industria del automóvil. Por este motivo, y mediante su alianza con Bosch, pretende adelantarse y tener listos otros sistemas análogos a los de la competencia para comercializarlos en el plazo de un año.

¿Cómo funcionan los carros autónomos?

Nosotros, los seres humanos, tenemos ojos para ver nuestro entorno. Los coches autónomos utilizan tecnologías de sensores para percibir el entorno. LIDAR, o Light Detection and Ranging, es una de estas tecnologías de sensores. LIDAR utiliza pulsos de ondas láser para generar una representación 3D de sus Medio ambiente Podemos pensar en LIDAR como los ojos del vehículo autónomo.

LIDAR funciona en conjunto con el GPS y la visión por computadora, y el automóvil interpretará esos datos en tiempo real utilizando sus modelos de aprendizaje automático. Y el vehículo también enviará esos datos a la nube, donde los datos se pueden procesar fuera de línea para mejorar los modelos de aprendizaje automático de cada automóvil en la carretera.

¿Cuales son los beneficios?

La mayoría de la gente cree que la era de los automóviles totalmente autónomos se acerca rápidamente. A medida que la tecnología se está probando e implementando en la vida cotidiana, tiene el potencial de transformar completamente la forma en que vivimos nuestras vidas. Entonces.

¿Cómo cambiarán las cosas? 

Esto es lo que puede esperar del futuro próximo:

Para empezar, los coches autónomos pueden ser una fuente de tecnología que salve vidas. Aproximadamente 1,3 millones de personas mueren en accidentes automovilísticos en todo el mundo cada año. El 90% de los accidentes automovilísticos se deben a errores humanos. Los coches autónomos eliminarán la fuente clave del error humano, ya que no cometerán errores de juicio. Según la investigación, los vehículos autónomos podrían salvar 29.447 vidas al año al reducir los accidentes de tráfico.

En el futuro de la conducción autónoma, los automóviles no solo asumirán muchas de nuestras tareas, sino que nuestras comunidades se someterán a un enorme rediseño. Los autos simplemente lo dejarán en el destino y continuarán para atender al próximo cliente. Entonces, no habrá necesidad de extensos estacionamientos y estacionamientos subterráneos. Imagine que puede reutilizar esas áreas de estacionamiento actuales para espacios verdes como parques.

Además de cambiar el panorama de nuestras ciudades, los vehículos autónomos pueden proporcionar una movilidad sin precedentes para que muchas personas con discapacidades puedan ingresar a la fuerza laboral. El transporte es clave para que las personas lleguen al trabajo e interactúen con el público. Con el transporte puerta a puerta, los automóviles autónomos pueden brindar a las personas con discapacidades la libertad básica para ir y venir cuando lo deseen.

¿Cuando llegaran los coches autónomos?

El coche autónomo podría llegar a finales de 2023

¿Quién creó los coches autónomos?

En1925, Francis Houdina decidió poner en práctica el concepto de coche autónomo controlado a distancia por radio, y no a mucha distancia.

Sin embargo, a la hora de hablar de vehículos autónomos, Norman Bel Geddes fue el primer referente. En la exposición Universal de Nueva York de 1939, en el pabellón Futurama, planteó carreteras con sistemas magnéticos o railes integrados. La idea era conducir hasta la autopista y, una vez en ella, activar los sistemas automáticos hasta la salida escogida.

Procesadores

 Anexos

Procesadores

Como saber si un procesador es bueno

Para saber si un microprocesador es bueno o malo debemos fijarnos en cada uno de sus componentes internos:

Anchura del bus

La anchura de un bus determina el tamaño de los registros que pueden circular por él. Esta anchura debe coincidir con el tamaño de los registros del procesador. De esta forma tenemos que la anchura que tiene el bus representa el registro más grande que este es capaz de transportar en una sola operación.

Directamente relacionado con el bus estará también la memoria RAM, este debe ser capaz de almacenar cada uno de estos registros con la anchura que estos tengan (esto se llama ancho de palabra de la memoria).

Lo que tenemos actualmente en cuando a ancho de bus es 32 bits o 64 bits, es decir, podremos transportar, almacena y procesar de forma simultánea cadenas de 32 o 64 bits. Con 32 bits teniendo cada uno la posibilidad de ser 0 o 1 podremos direccionar una cantidad de memoria de 232 (4GB) y con 64 bits 16 EB Exabytes. Esto no significa que tengamos 16 Exabytes de memoria en nuestro equipo, sino que representa la capacidad de dirección y utilizar una determinada cantidad de memoria. De aquí sale la famosa limitación de los sistemas de 32 bits de direccionar solamente 4 GB de memoria.

En definitiva, mientras más ancho de bus más capacidad de trabajo

Memoria caché

Estas memorias son mucho más pequeñas que la memoria RAM pero mucho más rápidas. Su función es almacenar las instrucciones que justamente se van a procesar o las últimas procesadas. Mientras más memoria caché, mayor será la velocidad de transacciones que la CPU pueda coger y soltar.

Aquí debemos de ser conscientes de que todo lo que llega al procesador provienen del disco duro, y este se puede decir que es tremendamente más lento que la memoria RAM y aún mucho más que la memoria caché. Es por este motivo por lo que se diseñaron estas memorias en estado sólido, para solución el gran cuello de botella que es el disco duro.

Y nos preguntaremos, porqué entonces no fabrican solamente memorias cachés de gran tamaño, la respuesta es simple, porque son muy caras.

Velocidad interna del procesador

La velocidad internet es casi siempre es lo más llamativo cuando miramos un procesador. “El procesador va a 3,2 GHz”, pero, ¿qué es esto? La velocidad es la frecuencia de reloj a la que trabajar el microprocesador. Cuanto mayor sea esta velocidad más cantidad de operaciones por unidad de tiempo será capaz de realizar. Esto se traduce en mayor rendimiento, por eso mismo existe la memoria caché, para acelerar la toma de datos por parte del procesador para hacer siempre el máximo de operaciones por unidad de tiempo.

Esta frecuencia de reloj viene dada por una señal de onda cuadrada periódica. El tiempo máximo para hacer una operación es de un período. El periodo es la inversa de la frecuencia.

Pero no todo es velocidad. Hay muchos componentes que influyen en la velocidad de un procesador. Si por ejemplo tenemos un procesador de 4 núcleos a 1,8 GHz y otro de un solo núcleo a 4,0 GHz, es seguro que el de cuatro núcleos es más rápido.

Velocidad del Bus

Al igual que es importante la velocidad del procesador, también es importante la velocidad del bus de datos. La placa base siempre trabaja a una frecuencia de reloj mucho menor que la del microprocesador, por este motivo vamos a necesitar un multiplicador que ajuste estas frecuencias.

Si por ejemplo tenemos una placa base con un bus a una frecuencia de reloj de 200 MHz un multiplicador de 10x alcanzará una frecuencia de CPU de 2 GHz.

Microarquitectura

La microarquitectura de un procesador determina la cantidad de transistores que hay por unidad de distancia en él. Esta unidad se mide actualmente en nm (nanómetros) mientras menor sea, mayor cantidad de transistores se podrá introducir, y, por tanto, mayor cantidad de elementos y circuitos integrados se podrán albergar.

Esto influye directamente en el consumo de energía, dispositivos más pequeños necesitará un menor flujo de electrones, por lo que menor será la cantidad de energía necesaria para hacer las mismas funciones que en una microarquitectura de mayor tamaño.