jueves, 10 de octubre de 2019

Este robot policía "cobra" lo mismo que un policía humano, sin embargo no fue capaz de brindar ayuda cuando se le solicitó

Este robot policía

Imaginemos la escena. Dentro de un aparcamiento se desata una pelea, una de las personas que está ahí presente va a buscar ayuda y se encuentra con un robot policía, que cuenta con un botón de emergencia que envía una alerta a las autoridades. Al tratarse de una emergencia, la persona presiona el botón para recibir apoyo policial. Sin embargo, la respuesta no es la esperada, ya que el robot sigue su camino y hasta le pide a la persona que se quite de su camino.

Bueno, pues esto sucedió recientemente en Huntington Park, California. Según la NBC, una persona, de nombre Cogo Guebara, solicitó ayuda a uno de los nuevos y flamantes robots del Salt Lake Park después de que se iniciara una pelea. De acuerdo a la información, Guebara presionó varias veces el botón de emergencia del robot y éste sólo le pidió que se apartara de su camino.

Todo esto significó más tiempo de espera, ya que, según explican, alguien más tuvo que pedir ayuda al servicio de emergencias 911 y esperar a que llegaran las autoridades. Al final tuvo que llegar una ambulancia para dar primeros auxilios a una mujer con una herida en la cabeza.

Humanos 1 - Robots 0

En NBC mencionan que el robot policía no tiene su botón enlazado al departamento de policía, ya que se trata de una prueba piloto. Este botón, en teoría, se enlazaría con las oficinas de Knightscope, fabricantes del robot. Sin embargo, hasta el momento el departamento de policía ni la compañía fabricante han dado declaraciones acerca de esto.

Este robot se trata del K5 de Knightscope, el cual fue presentado en 2013 como una solución de vigilancia a aquellos sitios que desearan tener seguridad las 24 horas durante los 365 días del año. Lo curioso de todo es que este mismo robot ya había presentado algunos problemas.

En 2016 arrolló a un niño de apenas 16 meses y en 2018 uno de estos robots cayó en una fuente. De hecho, este tipo de robot también ha sido usado para evitar que acampe gente sin hogar al lado de unas oficina en San Francisco.

En el caso de este robot, el Departamento de Policía de Huntington Park decidió implementar una prueba piloto bajo el nombre de HP RoboCops, con la que se busca transmitir seguridad en esta región dentro de la ciudad de Los Ángeles. Algunos habitantes de la zona dijeron a NBC que la presencia del robot los hacía sentir más seguros.

El detalle es que cada robot representa un arrendamiento de entre 60.000 y 70.000 dólares al año, que es lo mismo que gana un policía de Huntington Park.

Ahora ante lo ocurrido en Salt Lake Park, será interesante conocer la opinión de los habitantes, y ver si cambia la percepción que tenían tras ver el robot patrullando sus parques y zonas públicas.



via Magazine - robotica-e-ia https://ift.tt/2OBazum

miércoles, 9 de octubre de 2019

martes, 8 de octubre de 2019

Las dos tecnologías que marcarán el futuro de la industria

Es muy fácil relacionar el 5G con «smartphones», «Smart TVs», coches y «wearables», precisamente porque son los temas de los que más se habla al ser de interés para una gran variedad de audiencias. A pesar de ello, los mayores avances en el campo del 5G no se han creado para el usuario final, sino para un usuario más industrial. En Qualcomm calculamos que para 2035 el 5G haya aportado cerca de 5 billones de dólares únicamente en cinco sectores: la manufacturación, el transporte, la construcción, la minería y servicios públicos. Esto será posible gracias a la capacidad del 5G para multiplicar la velocidad de todos los servicios ya existentes, pero donde realmente supondrá una auténtica revolución será en su aplicación al IoT. Con el 5G es posible aumentar el número de dispositivos conectados al millón por kilómetro cuadrado, una opción que entiendo que al usuario particular de un «smartphone» no le llegue a interesar, pero que al director general de una planta de transporte alimenticio le resulte de lo más atractiva. La hiperconectividad como ventaja competitiva: cuando hablamos de tantos dispositivos conectados hablamos de hiperconectividad, y algunos expertos estiman que, a finales de esta década, se llegue a los 10 billones de objetos conectados, unos 1.400 objetos «Internet of Things» (IoT) por persona. Esto significa que la adopción del 5G hará posible una reducción de costes en dispositivos de radio para conectar equipos y descenderá la barrera de entrada de dispositivos «IoT», como pueden ser coches conectados, robots, contenedores de embarque, campos agrícolas, sistemas de tráfico, etc. Para entenderlo pongamos como ejemplo una granja eólica y uno de sus técnicos de mantenimiento. Debido a la baja latencia que ofrece el 5G, el técnico puede obtener información sobre los molinos que tiene asignados en tiempo real. Esta información puede venir tanto de un dron de inspección, como de los sensores de la turbina y las aspas, los sensores ambientales o incluso de todos ellos a la vez. Con esta información el técnico decidirá qué acción realizar con los molinos y que éstos las lleven a cabo en cuestión de un milisegundo. El 5G agiliza esta era en la que vivimos, la de la información, acercándonos a un volumen cada vez mayor de datos y de manera inmediata. Cualquier experto en su campo sabe que hoy en día para avanzar con pie firme en el mundo de los negocios es necesario tener la última información, por lo que conceptos como ciudades o flotas conectadas no tendrían que ser temas desconocidos. En este contexto, creo firmemente que el acceso a la información que todos estos dispositivos conectados van a empezar a intercambiar de forma masiva puede ser la clave para el éxito de una organización, especialmente para aquellas que lideren el cambio. El 5G es la generación de la velocidad y la hiperconectividad. Un negocio veloz e hiperconectado está claramente aventajado sobre aquellos que aún confían en los métodos tradicionales que les funcionaban en el pasado. Evolucionar es sobrevivir, y el 5G es el siguiente paso a dar. Eloy Fustero es director de Desarrollo de Negocio de Qualcomm España

via Tecnología https://ift.tt/2oe4ucG

domingo, 6 de octubre de 2019

Cómo la inteligencia artificial ha cambiado (y sigue cambiando) radicalmente el ajedrez: entrevista a Miguel Illescas, campeón de España y cocreador de Deep Blue

Cómo la inteligencia artificial ha cambiado (y sigue cambiando) radicalmente el ajedrez: entrevista a Miguel Illescas, campeón de España y cocreador de Deep Blue

Miguel Illescas tiene todo el ajedrez en su cabeza. Al menos todo lo que cabe en un cerebro humano. Ocho veces campeón de España, Illescas formó parte del equipo de IBM que creó Deep Blue, el ordenador que ganó a Garry Kaspárov en el legendario match de 2017. Habla sin descanso de las máquinas, Stockfish y Alpha Zero así como del estado del ajedrez y de sus proyectos actuales. Illescas es director de la única revista de ajedrez en castellano, Peón de Rey, de la tienda online Ajedrez21 y de la escuela de ajedrez en colegios, EDAMI. Y sobre todo, habla mucho de ajedrez, su pasión.

Comienza la entrevista entre bromas refiriéndonos a mi pobre nivel de ajedrez. Una suerte para ti, comenta, así has podido hacer una carrera profesional; el ajedrez es muy absorbente. El comentario me recuerda la anécdota de nuestro grandísimo Premio Nobel, Santiago Ramón y Cajal. Obsesionado como estaba por el ajedrez, se dedicó a fondo para ser campeón de su club, cosa que hizo, y así poder dejarlo para siempre. La ciencia mundial está de suerte en que Cajal abandonara el ajedrez y se dedicara a la neurociencia.

“Hay que estar entre los 30 mejores jugadores del mundo para ganar un buen salario”, dice. Los otros pocos que pueden vivir del ajedrez sacan el dinero dando clases.

Deep Blue

Maxresdefault Equipo creador de Deep Blue (de izquierda a derecha): Chung-Jen Tan, Murray Campbell, Joe Hoane, Feng-Hsiung Hsu y Jerry Brody

Deep Blue comenzó a desarrollarse en la Universidad de Carnegie Mellon en los 80 con el nombre de Deep Thought. El proyecto científico de IBM era desarrollar la computación paralela. Entonces las máquinas eran single chip. Deep Blue hizo avanzar la computación paralela, la supercomputación y sus resultados están actualmente en todas partes.

El equipo de IBM de Deep Blue estaba formado esencialmente por ingenieros y grandes maestros. En el año del segundo y definitivo match, el 97, se incorporó mucha más gente. "Los de Comunicación tomaron el mando", comenta Illescas. Recomendaron al resto del equipo hacerse visibles y cuándo sonreír y cuándo no. En alguna ocasión apareció Lou Gestner, presidente de IBM. Los líderes eran Feng Hsu y Murray Campbel. La arquitectura está publicada por sus creadores.

Miguel Illescas participó en un encuentro con una versión previa en Barcelona y fue fichado por el equipo de IBM. “Hay que jugar con ellos cuando son pequeños. Luego se vuelven intratables” (en referencia a varios campeones del mundo con los que Illescas ha hecho tablas y al propio Deep Blue). “A la máquina de hecho le gané 1,5 a 0,5” (en el año 95). En el 96 Illescas explicó a IBM: “No tenéis ninguna posibilidad con Kaspárov. Os va a comer vivos. Vosotros sois científicos, no tenéis mala leche”. El equipo de IBM quedó muy sorprendido, pero contrató a Joel Benjamin por sugerencia de Illescas y cambió de estrategia.

Preguntado sobre los temores de IBM, ¿perder?, ¿hacer el ridículo?, Illescas es claro: IBM no tenía miedo a hacer el ridículo. “La máquina del 96 ya tenía un buen nivel y es eso fácil de saber porque haces pruebas”. El objetivo de IBM era ganar. La versión del 96 tenía un espíritu más científico, pero la del 97 estaba diseñada para ganar a Kaspárov. Pero eso no era todo. “El objetivo de IBM era ganar la simpatía del público”. El público neoyorquino y mundial iba con Kaspárov pese a que este enarbolaba la bandera rusa e IBM la americana. En IBM no querían ser los malos, por lo que hicieron hincapié en que “detrás había un equipo de personas y por eso, los miembros del equipo tuvimos bastante visibilidad”.

El objetivo de IBM era ganar. La versión del 96 tenía un espíritu más científico, pero la del 97 estaba diseñada para ganar a Kaspárov

“Mi papel fue hacer una máquina más competitiva. A mí me contrataron para ganar aquel encuentro.” Deep Blue comenzó siendo un proyecto científico, pero resultó siendo una joya y su importancia fue creciendo dentro de IBM. Illescas, por ejemplo, ayudó a introducir en la máquina la teoría de aperturas. No solo un amplio conjunto de ellas, sino “buenas formas de manejar las aperturas”. En general, Illescas contribuyó a traducir en lenguaje máquina el ajedrez. Antes las máquinas se basaban solo en el cálculo. “Se hizo un esfuerzo muy grande en que la máquina entendiera conceptos ajedrecísticos”.

Illescas pone un ejemplo. Las valoraciones de las máquinas se basaban en el material, pero eso no es bastante. Es necesario resaltar el valor dinámico de las piezas. Un caballo en el centro controla 8 casillas pero en una esquina solo 2. Es como poner a Messi a jugar de portero. Había que introducir ese conocimiento en Deep Blue. Por ejemplo, “le explicamos que cuando las estructuras de peones ofrecen puntos débiles, los caballos valen más. Introdujimos más de tres mil conceptos estratégicos de todo tipo”

IBM logró lo que quería, ganar. “La pega fue que Kaspárov lo tomó muy mal”. Aún sigue protestando como se comprueba 20 años después en su muy recomendable libro 'Deep Thinking'. En la segunda partida deslizó que a Deep Blue le había ayudado la mano de Dios, en referencia al infausto gol de Maradona.

Dice Illescas que IBM trató correctamente a Kaspárov, es decir, cumplió el contrato. Lo que era injusto era el contrato en sí. “Kaspárov firmó un contrato que era muy ventajoso para la máquina”. “Yo, cuando asesoré a IBM, pedí cosas y para mi sorpresa Kaspárov las aceptaba”. La más notable era cambiar la configuración de la máquina entre partidas. Pero asegura que “no me consta que se hiciera nada que no fuera limpio”.

Illescas ayudó a introducir en la máquina la teoría de aperturas. No solo un amplio conjunto de ellas, sino “buenas formas de manejar las aperturas”. En general, Illescas contribuyó a traducir en lenguaje máquina el ajedrez

El resultado de la primera partida “provocó que Kaspárov se confiara. Pensó que iba a ser un match más fácil y que IBM se iba a centrar de nuevo en la parte científica y no entendió que IBM en el año 97, a diferencia del 96, se había vuelto ambiciosa y lo que quería era ganar a toda costa”.

Podían haber jugado una revancha que permitiera a Kaspárov quedar como “fair looser”, pero este no fue lo bastante listo y se aferró a sus críticas. IBM había conseguido lo que pretendía y dejó el ajedrez y a su enfurecido campeón. Deep Blue siguió un tiempo después como máquina de demos y ahí quedó todo en la relación entre IBM y el ajedrez. En lo que se refiere a la computación, todos tenemos un trozo de Deep Blue con nosotros.

Stockfish

Ways1

Illescas habla también de los fieles compañeros de los jugadores: Komodo, Houdini, Stockfish, Fritz, Shredder, etc. Son los programas, también llamados módulos. Aclara que no es un experto programador, pero sí un usuario avanzado.

“Stockfish y los demás módulos mejoraron mucho aumentando la compresión del ajedrez desde el punto de vista estratégico”. “El problema de las máquinas no es el cálculo, es la valoración. El problema es dónde parar de calcular”. “Stockfish o Houdini, a lo largo de los años han ido incorporando rutinas, herramientas, algoritmos, podíamos decir patrones, que les han permitido entender mejor el ajedrez. Los patrones en ajedrez son modelos que incluyen una determinada configuración de piezas, que da lugar a combinaciones típicas”, explica Illescas.

“Con las aperturas (millones de partidas) y las tablas de finales se está resolviendo el ajedrez y dejando en el centro el medio juego donde todavía hay algún espacio para la creatividad”. “Un programa de ajedrez tiene dos elementos básicos: el cálculo y la valoración, con apoyo en aperturas y bases de datos de finales”.

¿De qué forma han cambiado los programas de ajedrez este juego y el entrenamiento y rendimiento de los maestros?

Cpd 4978

“El cambio es total, de arriba abajo. En los 80 era muy importante investigar y saber si una posición crítica es buena o mala. Esto te podía llevar muchos días o semanas”. Esto en la actualidad es una tarea que los ordenadores resuelven con sencillez.

“Hoy es más importante sorprender al rival, antes era importante conocer tus variantes mientras que en el presente se trata de no caer en una preparación casera del rival. No te enfrentas al rival; te enfrentas a su ordenador”.

“Ahora es muy importante memorizar y antes era importante entender. Los jugadores jóvenes te meten una variante que ni siquiera entienden pero la han memorizado y son imbatibles. Hoy en día dedican muchas horas a estar frente al ordenador para conocer la verdad”.

Repite Illescas el término verdad, esa verdad tan escurridiza incluso para las poderosas máquinas en el todavía casi infinito mundo del ajedrez.

“El éxito está asegurado si demuestras que la máquina se equivoca. Vas a pillar a la gente porque confía ciegamente en la máquina. Pero a veces la máquina se equivoca, sobre todo en aperturas complejas, muy ricas estratégicamente. También ocurre que la máquina te dice que una variante no es buena, pero tienes muchas posibilidades de ganar porque los cálculos para el contrario son muy difíciles enfrentado a un reloj en marcha”.

Alpha Zero

Chess 1403622 1280

Hablando de máquinas llegamos a Alpha Zero, el ingenio que está cambiando el ajedrez y en buen medida el mundo. Alpha Zero no solo deja obsoletos a los humanos. También al resto de las máquinas.

“Alpha Zero ha revolucionado en menos de 2 años la relación de los humanos con la tecnología del ajedrez. Las máquinas resolvían el ajedrez mediante fuerza bruta junto con las enseñanzas humanas. Alpha Zero ha dicho; no es tan importante el cálculo como entender de verdad el ajedrez". "Los módulos evalúan la posición en unidades de peón. Alpha Zero valora de una forma más humana. Yo no valoro en unidades de peón. Alpha Zero valora en probabilidad de ganar, valora en torno a patrones y experiencia adquirida”.

"Se trata de una red neuronal que acumula conocimiento de las partidas previas. Le dijeron a la máquina: olvídate de Kaspárov y de Fisher, estas son las reglas del ajedrez, juega contra ti misma y aprende sola y, sorprendentemente, esto dio un resultado fantástico en el juego del Go y posteriormente en el ajedrez. Esto tiene una lectura poética: los humanos no servimos para nada. Deja de contarme lo que habéis aprendido en 500 años, lo aprendo en 4 horas yo sola”. Illescas va más allá. “Nosotros le queríamos forzar a jugar como humanos y las máquinas tienen que pensar como máquinas”.

A la pregunta de si Alpha Zero vapuleó a Stockfish, el Gran Maestro responde: “Vapulear no es la palabra correcta. Stockfish tiene un nivel casi imposible de ganar. Lo que hizo Alpha Zero fue ganarle algunas partidas, lo cual es un logro increíble y no perder casi nunca”. La revista Peón de Rey, editada por Illescas, ha publicado varios números desde el 132 al 141 con estadísticas y partidas analizadas de Alpha Zero en todos los ejemplares.

“Alpha Zero jugó 44 millones de partidas contra sí misma. Cuando ve una posición la compara con las de los 44 millones de partidas y sabe si es buena o mala y qué jugadas son más prometedoras”. Dedica poco tiempo al cálculo pero se basa en una red neuronal con muchas partidas de aprendizaje.

Alpha Zero no tiene conocimientos de ajedrez previos. Pregunto a Illescas si esto significa que todo el conocimiento ajedrecístico puesto en Stockfish es un prejuicio y una desventaja. “Se está demostrando que el conocimiento de los últimos 20 años es muy verdadero y lo maravilloso es que una máquina llegue en pocas horas a las mismas conclusiones que los humanos en siglos de práctica”. Algunas estrategias conocidas han tomado mayor importancia como el avance de peones de torre, el llamado “ataque a la bayoneta”. El vigente campeón del mundo, Magnus Carlsen, está usándolo ahora más desde la llegada de Alpha Zero.

Inicialmente se publicaron 10 partidas que fueron un bombazo, pero hay ya mucho material. Illescas recomienda el libro Game Changer de los GM Matthew Sadler y Natasha Regan. “Los maestros están usando Alpha Zero ya porque hay un programa en código abierto que es LEELA que usa el mismo código que usaba Alpha Zero”

Illescas pronostica que en el futuro se van a usar programas híbridos que usen el conocimiento humano pero piensen por sí mismas. Eso es lo que Illescas hizo con Deep Blue y las aperturas. “Yo no quise darle un libro rígido y permití que consultara la base de datos pero también tomara sus propias decisiones y ahí está el origen de la derrota en la 6ª partida contra Kaspárov”.

“Es una caja negra. Entendemos lo que hace y porqué lo hace pero no sabemos cómo ha llegado a esa conclusión.” Por ejemplo, “usa el ataque a la bayoneta porque en esas 44 millones de partidas ha visto que funciona.”

¿Se resolverá el ajedrez?

“Con la tecnología de silicio es imposible resolver el ajedrez”, dice Illescas evocando la futurible computación cuántica.

El asunto es apasionante porque el ajedrez es aun virtualmente infinito incluso para los mayores supercomputadores. Un ordenador de la potencia de Deep Blue tardaría 853 horas en calcular todas las posibilidades de las primeras cinco jugadas por bando. Curiosamente ha empezado a resolverse por el final. Las tablas de finales de 7 piezas están resueltas. Son las tablas de finales de Lomonosov, en referencia al supercomputador de la Universidad de Moscú que las resolvió en 2012. Añadir una pieza más multiplica el cálculo por 100. La posición más larga para dar mate requiere 545 jugadas (obviando la regla de los 50 movimientos creada para los humanos). Kaspárov comenta en su libro que no entiende lo que hace la máquina durante los primeros 500 movimientos y solo después vislumbra el plan.

“Es como el famoso cuento de los granos de trigo: son progresiones geométricas que hacen inviable resolverlo por ese camino.” “Es más viable resolverlo por el camino del reconocimiento de patrones. Así como el número de partidas es infinito, no es tanto el número de patrones valiosos en ajedrez. Se dice que un GM puede tener 50, 100 o 200 mil patrones. Estas son cifras ridículas para una máquina.” “El camino que está emprendiendo Alpha Zero es ese”. “Que le pongas una posición en la jugada 5 y te diga si está perdida o ganada, lo cual es un poco como resolver el ajedrez”. Illescas recomienda un artículo denominado “Pensó la máquina” en el número 141 de Peón de Rey. En el movimiento 10 la máquina LEELA ya sabe que va a ganar la partida. “El ajedrez está marcando el camino” Deep Learning nos está llevando a situaciones que pueden parecer ciencia ficción pero que pueden ser reales en 20 años. Illescas pone el ejemplo de un juicio en el que, basada en la jurisprudencia, los indicios, los jueces y abogados, la máquina sabe el resultado antes de celebrarse.

2263 es el año en el que siguiendo la Ley de Moore y empezando por los finales y yendo hacia atrás se resolverá el ajedrez según algunos expertos. Illescas opina otra cosa: con esta tecnología basada en patrones se va a saber la verdad del ajedrez en pocos años. “El sentido común dice que la jugada 1 es tablas, el ajedrez bien jugado desde el principio es tablas”. “Me atrevo a decir que el campeón mundial Magnus Carlsen si quiere, hace tablas contra Alpha Zero: cambia todas las piezas y juega sólido y no hay forma de ganarle”.

¿Sigue el ajedrez entusiasmando?

Illescas no lo duda. “Se sigue practicando el atletismo aunque alguien en coche sea más rápido, sigue habiendo halterofilia aunque un robot pueda levantar un peso muy superior”.

Illescas habla de que los desafíos siguen muy vigentes para los humanos. “Cuando hablamos de bueno o malo (aperturas o líneas de juego), hablamos de porcentajes bajísimos”. Y cuenta una sorprendente confidencia: “Me dediqué un tiempo a ganarme la vida jugando al Black Jack en los casinos porque contaba cartas y con eso tenía un 52% a favor”.

“Seguimos jugando al ajedrez. Internet ha sido un revulsivo increíble. Se juega más que nunca. El ajedrez está pasando una fase fantástica, no solamente en su faceta lúdica sino también como herramienta pedagógica”

Los proyectos de Illescas

Illescas está en plena forma y habla apasionadamente de sus proyectos. “Empezamos a vender por Internet antes que el Corte Inglés”, dice respecto a su tienda Ajedrez 21. “Edito la única revista que existe sobre ajedrez en español, Peón de Rey”. El número 132 es gratis. También se dedica a asesorar empresas, dar conferencias, hacer coaching y alguna vez ha entrenado a algún ajedrecista joven.

Pero lo que le apasiona es el ajedrez educativo.

“Llevo 20 años llevando el ajedrez a los centros escolares a través de mi escuela EDAMI” La escuela tiene 2000 alumnos en Barcelona en 60 colegios.

“Yo creo que el ajedrez es una escuela de pensamiento, enseña a tomar decisiones. En cada jugada tienes que tomar una decisión. Muchas veces la posición es mala pero tienes que jugar igualmente, como en la vida. Muchas veces no tienes claro lo que va a pasar, hay incertidumbre, tomas una decisión de forma intuitiva, no puedes calcularlo todo. Creo que es una herramienta fantástica para enseñar a los alumnos a enfrentarse a los problemas, a hacerlo solos, con concentración, con disciplina, a gestionar el fracaso, pero también el éxito, porque entiendes que a veces has ganado por suerte porque estabas perdido, entiendes que puedes aprender algo de cada derrota o que tienes que aprender si quieres mejorar, tienes que enfrentarte a tus demonios, tienes que ver lo que haces peor e intentar mejorarlo, entrenar lo que no te gusta hacer. Creo que hay pocas asignaturas capaces de atrapar al alumno en lo que al fin y al cabo es un juego. Los niños están deseando que llegue la clase de ajedrez porque se lo pasan bien”.

Recorrer el mundo del ajedrez, de la Inteligencia Artificial, que sigue teniendo en él uno de los principales campos de prueba o de la competición es sumamente excitante. Cuando lo haces de la mano del Gran Maestro Miguel Illescas es un placer y un lujo.

“Cuando me preguntaron después del match del 97 si la máquina era inteligente tuve que responder que no porque todo lo que máquina sabía se lo habíamos enseñado nosotros. Sin embargo si me preguntan ahora si estas máquinas entienden ajedrez y son inteligentes tengo que responder que sí”. Miguel Illescas



via Magazine - robotica-e-ia https://ift.tt/2Ok8KSx

jueves, 3 de octubre de 2019

111011

En los servicios de urgencias de Estados Unidos, los pacientes negros reciben un 40% menos de analgésicos que los blancos

via Robótica https://ift.tt/2o0iFSr

miércoles, 2 de octubre de 2019

Esta app dice poder idenfiticar a los inversores que tienes cerca utilizando reconocimiento facial

Esta app dice poder idenfiticar a los inversores que tienes cerca utilizando reconocimiento facial

Imagina que tienes una idea para tu proyecto o startup y andas buscando inversor. Pero en lugar de ir a reuniones o eventos, pudieras reconocer a los inversores con los que te cruzas por la calle para "venderles" tu idea. Suena a capítulo de 'Black Mirror', pero es lo que promete AngelFace, una app capaz de identificar a más de mil inversores del área de San Francisco mediante reconocimiento facial, según sus inversores.

Tosh Velaga e Igor Nefedov están detrás de AngelFace, una aplicación que ya está disponible en la Play Store para dispositivos Android de forma gratuita, por lo que podemos probarla estemos donde estemos.

Curiosamente no era su primera idea: se había presentado a los inversores con un software de reconocimiento facial para identificar a las personas que roban en las tiendas, pero no cuajó al entrañar el riesgo de equivocarse con el potencial infractor.

Así que le dieron una vuelta y acabaron con una aplicación que identifica a potenciales inversores. Porque bueno, asaltar a alguien por la calle para contarle tu idea de negocio siempre será mejor que acusar a alguien sin pruebas.

AngelFace, la app para dar un match con tu futuro inversor

La idea consiste en apuntar con la cámara trasera de tu teléfono móvil al rostro de los viandantes por un segundo, pulsar el botón et voilà, si se produce el match y la aplicación lo reconoce, veremos el perfil de la persona en cuestión, pudiendo acceder a páginas personales como sus cuentas de LinkedIn o Twitter. También podría resultar útil para verificar si ese potencial inversor es quien en realidad dice ser.

Eso sí, el banco de imágenes disponible para comparar no es infinito ni mucho menos, sino que se encuentra en desarrollo para mejorar su precisión y por el momento incluye personas del área de San Francisco. Como detallan en The Verge, Velaga y Nefedov han sido capaces de recopilar más de mil imágenes de inversores de diferentes industrias procedentes de Google Imágenes o de Signal.

No obstante, la idea es que la base de datos de fotografías de inversores vaya creciendo e incorporando nuevas localizaciones, siempre y cuando la legislación permita el reconocimiento facial por la vía pública.



via Magazine - robotica-e-ia https://ift.tt/2oyILeZ

Conozcamos a DeepScale, la startup de visión computarizada que acaba de ser adquirida por Tesla para impulsar sus coches autónomos

Conozcamos a DeepScale, la startup de visión computarizada que acaba de ser adquirida por Tesla para impulsar sus coches autónomos

El pasado 22 de abril, Tesla celebró por primera vez algo que llamaron el "Día de la Autonomía de Tesla", donde Elon Musk dio una gran cantidad de detalles técnicos y novedades acerca de Autopilot. Entre estos anuncios se destacaba el lanzamiento de su super ordenador 'Full Self-Driving' (FSD), que actualmente está instalado en los todos los nuevos Tesla, así como su servicio de taxis autónomos compartidos, o 'robotaxis', que llegaría en algún momento de 2020.

Desde entonces, Tesla se ha enfrentado a un par de problemas tras la salida en mayo de Stuart Bowers, vicepresidente de Autopilot, que a su vez provocó la salida de al menos 11 ingenieros de la división de conducción autónoma de Tesla.

Tras estas salidas, hoy se ha dado a conocer, según información de CNBC, que Tesla adquirió DeepScale, una importante startup centrada en el desarrollo de tecnología de visión computarizada para sistemas de conducción autónoma, la cual llega a complementar la división de Autopilot en la compañía de Elon Musk.

Pero ¿quién es DeepScale? Vamos a ello.

Una empresa con una visión novedosa de cómo los coches deben "ver" el mundo que los rodea

DeepScale es una compañía relativamente nueva con sede en Mountain View, California, que fue fundada en 2015 por el Dr. Forrest Iandola y el Profesor Kurt Keutzer. La compañía nació con el objetivo de desarrollar redes neuronales profundas y eficientes para los sistemas avanzados de asistencia al conductor y los vehículos autónomos.

Lo que hace DeepScale es usar estas redes neuronales en pequeños sensores y procesadores de bajo coste y bajo voltaje, cuya utilidad está pensada para ser instalada en vehículos para mejorar la precisión de sus sistemas de percepción. Estos sistemas de percepción, que se basan en sensores, sistemas de cartografía, planificación y control para interpretar y clasificar los datos en tiempo real, son esenciales para el funcionamiento de los vehículos autónomos. Es decir, estos sistemas permiten a los vehículos "comprender" el mundo que les rodea.

La mayor parte del desarrollo de DeepScale proviene de Forrest Iandola, quien es un informático y empresario estadounidense, egresado de la Universidad de California, Berkeley, con un doctorado en ingeniería eléctrica e informática. Mientras realizaba sus estudios, Iandola desarrolló SqueezeNet, una red neuronal profunda y ligera que se ha implementado en dispositivos móviles empleando cantidades relativamente pequeñas de memoria.

Deepscale

De hecho, el mismo Iandola fue quien confirmó tras actualizar su perfil en LinkedIn y en Twitter, que se unía a Tesla como científico senior de machine learning.

Durante estos cortos cuatro años, DeepScale ha conseguido una inyección de capital por 18 millones de dólares. Esto tras presentar un innovador método que se basa en utilizar sensores y procesadores de bajo voltaje, y supuestamente también de bajo coste, que permiten ofrecer asistencia al conductor y conducción autónoma a vehículos en todos los niveles de precio.

Tesla y su anhelada "conducción autónoma total"

A pesar de que Tesla no ha confirmado la adquisición, dos personas familiarizadas con el acuerdo confirmaron a CNBC que todo el equipo de DeepScale se integraría a la división de Autopilot en Tesla, esto después de que la compañía de Elon Musk había adquirido la empresa. Hasta el momento se desconocen los términos financieros de la compra.

Hoy día los coches Tesla están certificados bajo un nivel de autonomía SAE 2, pero Elon Musk asegura que su hardware está listo para ofrecer un nivel SAE 4, de hecho la reciente incorporación de su super ordenador FSD habría hecho esto posible. Sin embargo, Musk afirma que ahora mismo el problema es el software, aunque garantiza que continuamente estarán mejorando los sistemas hasta alcanzar la automatización completa.

Y aquí es donde entra DeepScale, que podría ser es pieza que le falta ahora mismo a Tesla, ya que hay que recordar que sus coches no usan sensores LiDAR, toda su plataforma autónoma se basa en ocho cámaras, 12 sensores ultrasónicos y un radar. Es decir, Elon Musk busca desarrollar una plataforma de inteligencia artificial que sea capaz de reconocer una amplia variedad de objetos en carretera en condiciones que no son ideales usando el hardware actual. Que es precisamente lo que hace DeepScale.

Tesla Autopilot 1

Todo lo aprendido y desarrollado por Tesla a día de hoy, sumado a los desarrollos de DeepScale, podrían se un buen inicio para dar vida no sólo a la "conducción autónoma total" que busca Elon Musk, sino también la ambiciosa plataforma de robotaxis que piensan lanzar en 2020.

Ahora sólo falta conocer los planes que tiene Elon Musk con DeepScale y cómo piensa aplicarlos en los próximos meses o años.



via Magazine - robotica-e-ia https://ift.tt/2nuFWf7