Un robot de voz gestiona en Cantabria las citas de vacunación.
from RSS de lo último publicado en 'Computing España' https://ift.tt/3jQno3r
via IFTTT
miércoles, 7 de julio de 2021
AiFoam es una "espuma inteligente" para que los robots tengan sentido del tacto (y se repara sola)
Unos investigadores de la Universidad Nacional de Singapur (NUS) han desarrollado una "espuma inteligente" de lo más interesante: se llama AiFoam (aunque su nombre técnico es espuma inervada artificialmente) y su objetivo es imitar el sentido del tacto humano y permitir que los robots puedan percibir objetos cercanos sin tocarlos.
Este nuevo material fue presentado por NUS en mayo de este mismo año, aunque los hallazgos fueron publicados en noviembre de 2020 en la revista Nature Communication. Según los investigadores, "queremos demostrar que es posible replicar el sentido del tacto humano en un robot, lo que abre un nuevo paradigma en la interacción entre el hombre y la máquina para futuras aplicaciones".
Robots que sienten
AiFoam es un polímero altamente elástico creado mediante una mezcla de fluoropolímero (una sustancia similar al teflón) y un tensioactivo que reduce la tensión superficial. Cuando este material se divide en trozos, es capaz de volver a unirse en una sola pieza.
Además, tiene partículas metálicas microscópicas infundidas que permiten a la espuma detectar la presencia de un objeto, como un dedo humano. Según los investigadores, AiFoam permite que el material perciba mejor la proximidad de la presencia humana y es capaz de detectar la presencia de dedos humanos a centímetros de distancia.
¿Cómo lo hace? Digamos que AiFoam imita las terminaciones nerviosas de la piel humana. Bajo la espuma hay unos electrodos muy pequeñitos con forma de cilindro. Cuando acercamos el dedo o aplicamos presión cambiamos las propiedades eléctricas de las partículas de metal. Dicho cambio es detectado por los electrodos e interpretado por un ordenador.
De esa manera, el robot no solo puede detectar la dirección de la fuerza aplicada o la cantidad de fuerza aplicada, sino que, sobre el papel, podría entender mejor las intenciones humanas y saber que un objeto en contacto está resbalándose. Esto tiene interesantes aplicaciones futuras en prótesis o equipo industrial que requiera de precisión.
En cuanto a las capacidades de curación, el material tensioactivo de la espuma permite que la espuma se "regenere" incluso después de recibir un corte. Los investigadores apuntan que la espuma se puede estirar hasta un 230% sin romperse.
Vía | Reuters
Más información | Universidad Nacional de Singapur
via Robótica e IA - Xataka https://ift.tt/3dO15I8
Despedido por un robot: así deciden las máquinas de Amazon los empleos de sus repartidores
Amazon está automatizando buena parte del funcionamiento de sus almacenes, hasta el punto de que sus repartidores pueden perder el trabajo si un programa decide que no ha rendido lo suficiente Leer
via Tecnología // elmundo https://ift.tt/3xmZsJ4
via Tecnología // elmundo https://ift.tt/3xmZsJ4
martes, 6 de julio de 2021
GitHub Copilot y la polémica con el copyright: el debate sobre si la IA infringe derechos de autor del código escrito por otros programadores
GitHub Copilot "sabe" programar gracias al código open source subido a la propia plataforma por otros desarrolladores, pero el nuevo sistema de Microsoft será de pago y no estará bajo una licencia copyleft. La IA de Github ha sido entrenada con montañas de código bajo licencia GPL. Una licencia que permite códigos derivados, pero donde estos deben ofrecerse bajo las mismas condiciones. Esto ha provocado que algunos desarrolladores hayan mostrado su malestar ante el hecho que GitHub esté aprovechando el código de otros programadores en su beneficio; para crear una IA por la que sacarán rentabilidad comercial y donde el código generado puede ofrecerse con otro tipo de licencia.
¿Protegen las leyes del copyright esta práctica? ¿Pueden los programadores evitar que su código sea utilizado por GitHub Copilot o incluso reclamar? Ante estas preguntas existen distintas posiciones. Repasamos cuál es la posición de algunos expertos, qué dicen las leyes de derechos de autor sobre este uso de la IA y qué opciones tienen los programadores.
El código copyleft está pensado para ser reutilizado
Si todo el código fuera privativo, GitHub Copilot no habría tenido material con el que entrenarse y poder ayudar al resto de programadores. Afortunadamente, Github es una plataforma con millones de líneas de código. Un material que ha permitido crear esta IA capaz de generar bloques de código simplemente indicándole algunos parámetros.
Mientras el uso del código ha generado algunas críticas, también hay voces como la de Julia Reda, única representante del Partido Pirata en el Parlamento Europeo. La diputada argumenta que mientras que una corporación como Microsoft utilice código abierto para su interés, evitar este uso iría en contra de la propia concepción del copyleft y acabaría provocando leyes del copyright más estrictas.
#GitHubCopilot is not infringing your #copyright: The #FreeSoftware community should not adopt a maximalist copyright stance just because it seems opportune in this case. It will only hurt us in the long run & strengthen the likes of Microsoft. https://t.co/ZSBAXRZeIE #GitHub
— Julia Reda (@Senficon) July 5, 2021
Que la IA genere fragmentos de código no implica necesariamente que se haya generado un trabajo derivado y por tanto cubierto por las leyes de propiedad intelectual. Aquí está precisamente la línea gris; el debate de hasta qué punto el código que genera la IA es simplemente una "referencia" o un "extracto" y hasta qué punto es un trabajo nuevo y original.
Las leyes del copyright existen para las "obras" creadas por una persona. Según explica la Organización Mundial de Propiedad Intelectual (OMPI): "las obras creativas gozan de la protección del derecho de autor si son originales, teniendo en cuenta que la mayor parte de las definiciones de originalidad requieren un autor humano". De hecho, en la legislación española, únicamente las personas y no las máquinas pueden ser considerados autores, según lo describe el artículo 1 del Real Decreto Ley 1/1996.
Más allá de la legislación actual, el debate también se establece en observar hasta qué punto el código original ha sido reestructurado para crear las nuevas piezas de código solicitadas por quienes utilicen GitHub Copilot. Sergio Carrasco, jurista de Fase Consulting, apunta que para ver si se trata de una obra derivada deberíamos "ver cómo funciona la IA, cómo reformula o transforma la obra, cómo aprende y crea los nuevos elementos y se basa en patrones que ve que funcionan. Habría que ver caso por caso y las excepciones aplicables".
El uso de la inteligencia artificial y los derechos de autor es actualmente materia de debate en el seno de la Organización Mundial de la Propiedad Intelectual. El ejemplo de GitHub Copilot no es sino un capítulo más de un debate al que de momento no se han llegado a conclusiones.
Nerea Sanjuán, abogada del Área de Derecho Mercantil de Uría Menéndez, explica en Actualidad Jurídica, que "las posibles soluciones legales que se plantean en esta materia incluyen desde la no regulación de este tipo de productos por la propiedad intelectual hasta soluciones revolucionarias que pasarían por conferir la condición de “autor” de la obra a la propia máquina".
"Quienes argumentan que la producción de GitHub Copilot es un trabajo derivado de los datos de entrenamiento esperan que esa producción se publique bajo la misma licencia GPL. Pero el efecto secundario de tal extensión de los derechos de autor sería que todos los demás contenidos generados por una IA también estarían protegidos por derechos de autor", explica Julia Reda.
De aplicarse esa visión, podría generarse un efecto contraproducente donde, pese a que inicialmente sería para proteger la licencia copyleft, podría derivar en la aplicación de las leyes del copyright de manera demasiado estricta para trabajos generados con IA.
Qué ocurre con los programadores que no quieren que se utilice su código
Desde GitHub son conscientes de que pueden haber programadores que no quieran ver su código utilizado para entrenar a la IA, pero su respuesta es bastante vaga. Tal y como explican nuestros compañeros de Genbeta, desde GitHub ofrecen un detector de duplicación. Un sistema que informará al usuario de si el código sugerido es una duplicación relevante, con la posibilidad de poder "incluir la atribución adecuada o decidir no utilizar el código en modo alguno".
En los términos de licencia de GitHub se establece que se ofrece permiso a la plataforma para incluir el código en sus bases de datos e índices de búsqueda, y a compartirlo a otros usuarios, aunque no a venderlo a terceros. En caso que hubiera una demanda con un código en concreto, el caso giraría alrededor del programador y el código, pues, según GitHub, el código creado pertenece a la persona.
Imagen de portada | Shahadat Rahman
En Xataka | Programar sin escribir código es posible: así funciona la nueva era del No Code
via Robótica e IA - Xataka https://ift.tt/2UtjDqh
Un nuevo tipo de cámaras que envían imágenes solo cuando algún píxel se mueve: así es 'FENCE', el último proyecto militar de DARPA
DARPA anuncia otro de sus avanzados proyectos de tecnología militar. La agencia norteamericana ha decidido financiar el proyecto 'FENCE' ('Fast Event-based Neuromorphic Camera and Electronics'), un nuevo tipo de cámaras "basada en eventos" que solo transmite información sobre los píxeles que han cambiado.
En octubre de 2020, DARPA solicitó distintas propuestas para estas cámaras y ahora han decidido apostar por Raytheon, BAE Systems y Northrop Grumman para desarrollarlas y poder materializar el proyecto de cámara que detecta el movimiento, establece qué relevancia tiene y envía la información, con baja latencia y consumiendo mucha menos energía.
En vez de tener enormes archivos de vídeo, este nuevo sistema permitirá reducir el peso del vídeo y optimizar su análisis. Una tarea que hoy en día es poco eficiente según DARPA y buscan dar una vuelta de tuerca.
DARPA se prepara para un futuro donde casi todo esté grabado
'FENCE' se basa en cámaras neuromórficas, una rama con circuitos electrónicos que imitan el funcionamiento cerebral. El resultado es poder grabar con baja latencia y una alta eficiencia energética.
Seleccionando solo las imágenes y los píxeles que cambian, estas cámaras producen menos del 1% de los datos que normalmente se obtienen con los sistemas de vídeo tradicionales.
Según describe el Dr. Whitney Mason, responsable del programa FENCE: "las cámaras basadas en eventos operan bajo estos mismos principios cuando se trata de escenas dispersas, pero actualmente carecen de "inteligencia" avanzada para realizar tareas de percepción y control complejos".
Es decir, la ingeniería neuromórfica, una disciplina con varias décadas de recorrido, no es suficiente. El proyecto lo combina con algoritmos de 'machine learning' y la selección de los píxeles que cambian, detectados por un sensor térmico en la cámara de infrarrojos (FPA).
El trabajo de las empresas elegidas será desarrollar este sensor e integrarlo para identificar correctamente los cambios en la señal recibida. Un circuito y un sensor que deberán consumir menos de 1.5 vatios, según describe el comunicado de DARPA.
Las cámaras del ejército estadounidense funcionan bien para escenas con pocos cambios que rastrear, pero fallan en escenas dinámicas y muy desordenadas. Aquí es donde 'FENCE' quiere poner un poco de orden, transmitiendo únicamente aquellas escenas que importan y permitiendo reducir el volumen de datos para que sean más fáciles de analizar.
Un proyecto que tiene la aplicación militar como primer objetivo, pero donde DARPA explica que también podría ser útil en el futuro para aplicaciones como los coches autónomos, la videovigilancia o la investigación de imágenes a través de infrarrojos.
En Xataka | Describir con todo lujo de detalles una imagen: el nuevo desafío de la IA de Google
via Robótica e IA - Xataka https://ift.tt/2SQftrT
Este robot-cucaracha resiste a una fuerza de un millón de veces su peso sin dejar de funcionar, según sus creadores
Muchos robots se inspiran en distintos animales, tratando de emular su adaptación al medio y así poder saltar, nadar correr o llegar a sitios complicados para un ser humano, como un entorno de temperaturas extremas o alguna hendidura. Para esto último la inspiración suelen ser los insectos, y lo decimos porque este resistente robot-cucaracha es el más reciente de lo que ya es un curioso historial.
En este caso, la idea es lograr un robot que pueda entrar a sitios inaccesibles o complicados como las minas para que pueda ser un avisador. Ser pequeño no es suficiente en estos casos, de ahí que más allá de lo fino que es han buscado que sea también altamente resistente.
Resistente a pisotones, uno de los peores enemigos de las cucarachas
Decíamos que hay un historial porque curiosamente en Xataka hemos visto propuestas similares desde hace unos seis años. Desde aquella primera cucaracha cyborg de la que hablamos hasta una versión más moderna, pasando por otros pequeños robots que imitaban movimientos e incluso diseño. Uno de ellos puede ser un precedente bastante directo del que ocupa este artículo, dado que también mostró ser muy resistente.
Este pequeño robot, creado por un grupo de investigadores de la Universidad de California en Berkeley, presume precisamente de ello y se ve muy bien en el vídeo a continuación. Está fabricado con fluoruro de polivinilideno (PVDF), un material piezoeléctrico (es decir, que al ser sometido a tensión mecánica adquiere una polarización eléctrica), y en este caso se aproxima también en dimensiones al común insecto, al medir más o menos lo que un sello o un pendrive.
Como se puede ver, básicamente es una fina lámina, cuya expansión y contracción proporciona el movimiento. Es capaz, según la publicación, de recorrer 20 veces la longitud de su cuerpo en un segundo y pesa menos de 1 gramo. Probaron con varias longitudes y voltajes y vieron que la máxima velocidad se lograba con 10 milímetros de longitud y una corriente de 200 voltios aplicados a 850 hercios.
Con este peso pluma aseguran que es capaz de aguantar un peso de unos 60 kilogramos sin dejar de funcionar, lo cual es más o menos un millón de veces su propio peso. Eso sí, puntualiza Liwei Lin, ingeniero mecánico implicado en el trabajo, que tras aplicar el peso "aún funciona más o menos", así que tampoco es infalible y la presión soportada tiene cierto límite hablando de seguir funcionando.
¿Y para qué puede servir? Según sus creadores, una vez se logre un diseño que no requiera estar conectado a la fuente de electricidad (encajando una batería, por ejemplo), podría ser de utilidad para rastrear lugares tras un desastre natural (que puedan ser inestables y peligrosos), especialmente cuando otros robots especialmente diseñados para ello no puedan llegar, o comprobar el ambiente de una mina (con sensores para poder analizar la composición del aire), como hemos comentado en la introducción al recordar otros robots con propósitos similares.
via Robótica e IA - Xataka https://ift.tt/3hllUNi
jueves, 1 de julio de 2021
Para qué programar cuando una máquina lo hace (un poco) por ti: así es Github Copilot, un sistema que se nutre del prodigioso GPT-3
¿Puede una máquina programar sola? La respuesta hasta no hace mucho era un rotundo no, pero eso ya no es tan cierto, y lo demuestra GitHub Copilot, un sistema capaz de generar código de forma autónoma y ayudar así a los desarrolladores a ahorrar tiempo y ser más eficientes.
La pregunta, claro, es hasta dónde puede llegar Copilot. Para responderla hemos contactado con cuatro desarrolladores españoles que nos dejan clara una cosa: esto no les va a quitar el trabajo, pero puede llegar a ayudarles notablemente.
Un prodigio descendiente de GPT-3
La capacidad de GPT-3 para sorprendernos parece ilimitada. Este sistema que genera texto a partir de un entrenamiento previo ya ha demostrado que es capaz de conversar y escribir de forma sorprendentemente convincente, y su aplicación a cosas como hacer nuestras compras de forma automática también parece más que probable a corto o medio plazo.
Sus posibilidades han sido aprovechadas ahora para algo que de hecho ya parecía inevitable: que escribiera código de forma autónoma y a partir de una pequeña entrada por parte del desarrollador.
Microsoft ya avanzó datos sobre su integración en sus herramientas de desarrollo en su conferencia BUILD 2021, y ahora eso se complementa con el lanzamiento de GitHub Copilot, un sorprendente servicio capaz de asistir a los desarrolladores escribiendo porciones de código y sugerencias que les ayuden en su día a día.
El sistema de Microsoft y GitHub no tiene como objetivo reemplazar a los desarrolladores, sino ser un asistente para que puedan trabajar de forma más ágil evitando la carga de algunas tareas repetitivas.
El sistema está basado en Codex, un nuevo sistema de inteligencia artificial creado por OpenAI, que es la misma organización que se encargó de desarrollar el motor GPT-3. Codex funciona de forma similar, y como explican sus responsables "entiende significativamente más contexto que la mayoría de asistentes de código" y "sintetiza código" a partir del contexto proporcionado por el programador.
De hecho es capaz de convertir comentarios en código: el programador puede describir la lógica que desea implementar, y GitHub Copilot se encargará de generar el código necesario para implementarla.
También puede "autorellenar" cuando es necesario programar código repetitivo a partir de algunos ejemplos o mostrar alternativas al código que el desarrollador ha preparado por si alguna de ellas es más eficiente.
Hablando de GitHub Copilot con los desarrolladores
En Xataka nos hemos puesto en contacto con varios desarrolladores españoles para hablar de GitHub Copilot y su impacto en el presente y futuro de su trabajo.
MADRE MÍA. 🤯
— Miguel Ángel Durán (@midudev) June 30, 2021
GitHub Copilot creando un componente ENTERO de React sólo indicando su nombre y sus props.
OMG. ⬇️ pic.twitter.com/7yxjso7rZk
El revuelo con esta plataforma es llamativa en redes sociales como Twitter, y allí varios de ellos compartían pequeños clips de vídeo en los que se podía ver cómo efectivamente el sistema generaba código de forma casi mágica.
Brais Moure (@MoureDev), desarrollador Full-Stack freelance, nos hacía una importante introducción antes siquiera de comenzar a hablar de esta tecnología:
"Personalmente creo que el buen programador no es el que mejor conoce el lenguaje “x”, si no el que tiene la capacidad para saber exactamente cuál es el mejor camino a seguir para escribir el código que resuelve el problema. Si el argumento de un libro escrito originalmente en inglés es muy bueno, seguramente resultará igual de atractivo en castellano. Con esto quiero decir que para mí la parte compleja está en saber que a nivel conceptual un planteamiento es correcto, sin importar en primera estancia cómo he de codificarlo.
Con eso, y que no sorprenda, los programadores pasamos una buena parte de nuestro tiempo “googleando” código que sabemos que se corresponde con ese “argumento” de buen libro pero que no recordamos exactamente las palabras con el que estaba escrito y resultaba tan potente para el lector (en este caso para añadirlo a nuestro programa)".
A partir de ahí, las dos primeras preguntas eran obvias: ¿qué esta pasando el en vídeo? ¿Realmente el sistema "programa solo" y sin apenas ayuda del programador?
Como explicaba Moure, "lo que está pasando es en vídeo es, que de una manera automática, nuestro editor de código está analizando el texto que llevamos escrito hasta el momento y proponiéndonos cómo podría ser el resto de código que mejor se adapta a la premisa que estamos planteando".
De hecho este desarrollador hacía una analogía con esa introducción que nos había dado: "Volviendo al argumento de libro. Imagínate que empezamos a escribir: “Relato de una historia de un joven personaje que se convertirá en un héroe”, y de repente aparece ante nuestros ojos “Un granjero se acaba convirtiendo en Jedi y descubriendo que su mayor enemigo es su padre….”".
Eso sería básicamente lo que está pasando con este sistema, que "realmente sí programa solo y sin ayuda directa del programador". Con GitHub Copilot "se nos ahorra el tiempo de “googlear” esa sintaxis de código complejo que no tenemos porqué recordar letra por letra", pero cuidado, porque ahí no se acaba el trabajo.
Como destaca Moure, a partir de ahí "nos corresponde a nosotros saber si realmente soluciona el problema planteado en la premisa, si deberemos adaptarlo o si simplemente no es lo que buscábamos. Con esto quiero decir que no es una herramienta para no programadores, es una herramienta para que los programadores podamos llegar a trabajar más rápido y de forma más eficiente".
Es curioso, pero David Arcos (@DZPM), CTO de QIDAcare y profesor asociado en ESADE, también nos planteaba (sin que se lo hubiésemos sugerido) que era importante "matizar qué entendemos por 'programar', especialmente por 'programar bien'. El programador escribe la primera línea (nombre de la función y parámetros). A partir de ahí, Copilot hace una sugerencia de cómo se implementaría esa función. El programador puede usar esa función, tal cual, o puede ajustarla".
La propia FAQ de GitHub Copilot, explicaba David, se indica cómo la fiabilidad del sistema es aún discreta. En uno de los ejemplos de hecho destacaban cómo "el modelo acertó el 43% del tiempo a la primera, y el 57% cuando se le permitió hacer 10 intentos". Está claro que el sistema no es perfecto, y los propios responsables del algoritmo recuerdan que "el código sugerido por GitHub Copilot debe ser cuidadosamente probado, revisado y vetado, como cualquier otro código".
Para este experto "todos los programadores cometen errores", y se preguntaba algo importante: la cuestión era "si Copilot generará más bugs (y más peligrosos) que un desarrollador. Tal vez sustituya a un perfil específico de desarrollador 'poco competente' (el que copia y pega código de StackOverflow, sin aportar valor añadido)".
De hecho para él era también clave perguntarse "¿hasta qué punto el desarrollador va a cuestionar lo que le sugiera su ordenador?" El programador incluso "tal vez no sea capaz de encontrar los errores, porque depurar código es un orden de magnitud más difícil que implementarlo".
Carlos Azaustre (@carlosazaustre), divulgador de programación y desarrollo web y director del Master Fullstack Web Dev en la Universidad Europea también compartía hace unas horas un pequeño vídeo mostrando la potencia de GitHub Copilot con temas como el de las (a menudo complejas) expresiones regulares.
¿Expresiones Regulares?
— Carlos Azaustre ✌️ (@carlosazaustre) July 1, 2021
GitHub Copilot te ayuda 👀 pic.twitter.com/HurilGW2wO
Como indicaba este experto, en ese vídeo lo que pasaba es que a partir del comentario ("en inglés, eso sí"), le indicaba que quería quitar los espacios en blanco de la variable "text". ¿Qué más necesita Copilot? Nada. "Al darle intro, Copilot entra en acción y me sugiere el código que hace eso. Le das a tab y te autocompleta."
Para Txema Rodríguez (@durbon), Android Team Lead en Job&Talent, GitHub Copilot "es mucho más que plugin para autocompletar código. Lo que hemos podemos ver en los vídeos de ejemplo va más allá de sugerir un par de comandos o nombre de variables se lanza a crear de cero la función que estamos desarrollando basándose en el nombre de la función o en un comentario".
Aún así avanzaba algo que todos nuestros protagonistas tenían muy claro: "Por supuesto, no programa en solitario, ya que necesita que un desarrollador vaya dictando lo que quiere hacer y decidir si esa sugerencia es correcta modificando las partes especificas para que el programa funcione. Tal como explican en las preguntas frecuentas de sus documentación: hay muchas veces que el código sugerido necesita optimizaciones o incluso no tendrá sentido".
Cómo funciona GitHub Copilot
Como explicaba Brais Moure, todo este sistema se beneficia de una de las grandes virtudes de la comunidad de desarrolladores: "continuamente estamos compartiendo nuestra experiencia y cómo hemos solucionado cierta necesidad del proyecto de turno".
De ello se nutre mucho y bien GitHub, que sirve como gigantesco repositorio de código en diversos lenguajes. Todo ese código es una fantástica forma de entrenar a sistemas de inteligencia artificial como el desarrollado por OpenAI, y a partir de ahí integrarlo en otras plataformas.
David Arcos destacaba cómo Codex "ha sido entrenado con un dataset enorme de Software Libre, incluyendo código publicado en GitHub". Aquí venía otro detalle importante de todo sistema de inteligencia artificial: ese dataset con el que se entrene "es importantísimo, ya que el modelo refleja todos sus sesgos (ver ejemplos de sesgos de racismo, machismo, etc, en la AI)".
De hecho, añade, "otro punto muy importante son las implicaciones legales (¿de quien es la autoría? ¿se aplica la viralidad de las licencias copyleft, y el resultado tiene que ser libre?). Precisamente este experto realizaba una reciente reflexión en Twitter sobre ese pequeño dilema.
Es lo que se ha hecho con GitHub Copilot, que como explicaba Brais Moure: "Funciona como plugin en el editor Visual Studio Code y con los lenguajes de programación Python, JavaScript, TypeScript, Ruby y Go (por el momento)". El proceso es el siguiente, como explica este experto:
- Tú comienzas a escribir código en el editor.
- Ese código proporciona un contexto a Copilot de lo que queremos llegar a conseguir.
- La IA especializada nos proporciona sugerencias basadas en código y texto público (del propio GitHub en gran parte) de internet que aparentemente se adapta a nuestro contexto.
- Tendremos una respuesta que la IA interpreta como ideal, pero también se nos proporcionarán alternativas.
Carlos Azaustre nos recuerda que Microsoft "es propietaria de GitHub e invirtió bastante en OpenAI, así que estos son los resultados". En su opinión GitHub Copilot "es de gran ayuda. Ya existen plugins como Tabnine que te ayudan a autocompletar código y al final del día es un ahorro de tiempo en tareas muy repetitivas. Es como el autocompletado que tiene Gmail por ejemplo a la hora de escribir emails, pero aplicado al campo de la programación."
Brais Moure añade además algo importante de GitHub Copilot, y es que "es capaz de interpretar la confiabilidad del código sugerido. Los programadores también estamos acostumbrados a que, durante nuestro propio proceso de búsqueda, las soluciones que la comunidad ha dado puedan no ser correctas o poseer errores. Codex se enfoca en código seguro y efectivo (o por lo menos esa es su intención)".
La propuesta de Microsoft, GitHub y OpenAI podría ser una verdadera ayuda para los programadores, confirman estos expertos. Para Brais Moure este "es un primer paso, pero creo que uno de los grandes. La IA no está inventando código, si no utilizando el que otros desarrolladores (de carne y hueso) ya han escrito previamente y que ha sido ratificado por la comunidad. En ningún momento quiero restarle importancia, pero como ya he dicho, simplificando muchísimo (mucho, mucho, mucho), lo que está haciendo GitHub Copilot es googlear y tomar decisiones por nosotros".
A partir de ahí, insistía, es importante que el programador analice ese código autogenerado y decida si se adapta o no a sus necesidades. Lo cierto, explica Moure, es que "si estamos dando los primeros pasos nos ahorrará tener que tomar ciertas decisiones sobre la eficiencia del código."
Txema Rodríguez recordaba cómo ese entrenamiento de Codex con los repositorios de código de GitHub "permite que el sistema identifique patrones que se repiten: es el conocido boilerplate repetitivo".
"Es fácil entender que muchos de los patrones se repiten", continuaba este experto, "y es bastante obvio que los desarrolladores escribimos todos los días las mismas estructuras de código. Hay muchos boilerplate en nuestro trabajo. Así que si Github Copilot es capaz de identificarlas, categorizarlas y sugerirlas en tiempo real es una ayuda fantástica para todos los desarrolladores. ¿Quién no ha buscado en Stackoverflow cómo se hacia algo y lo ha copiado tal cual modificando los elementos específicos? Básicamente, así es como definiría lo que hace internamente".
De quitarle el trabajo a los desarrolladores, nada
Para estos expertos lo que parece claro es que GitHub Copilot no amenaza sus trabajos: lo que sí tiene es un enorme potencial para que la parte más repetitiva de esos trabajos se alivie de forma notable.
Brais Moure destacaba cómo ha cambiado el flujo de trabajo respecto a los programadores de hace décadas, y "el programador actual no hace las cosas de la misma manera, pero en esencia su finalidad es la misma, hacer que un software funcione y resuelva una necesidad dentro de un hardware".
Esta herramienta es sin duda prometedora, pero Moure lo dejaba claro: "personalmente creo que no nos veremos nunca amenazados (no a nivel cinematográfico). Detrás de una tecnología siempre hay un programador, da igual que haga cosas tan sorprendentes como estas o los famosos deepfakes. Un humano ha marcado el camino a seguir".
De hecho, añadía, "la figura del programador evoluciona continuamente de la mano de los avances tecnológicos. Por suerte sigue siendo una de las profesiones más demandadas y con mejor trayectoria y oportunidades de futuro".
Para David Arcos GitHub Copilot "es muy prometedor, y estoy seguro de que a la larga se va a usar mucho. Lo que hemos visto ahora es apenas la primera versión. He usado GPT-3, y los resultados son alucinantes". De hecho con su acceso a este motor David hizo algunas pruebas simpáticas que por ejemplo declaraban que "la pizza con piña debería ser ilegal" ([Nota del editor: eso jamás]).
De momento, eso sí, "está limitado", apunta Arcos. "todavía no es el 100% de lo que prometen, pero eso es normal. Aun así, es útil, tiene aplicaciones reales, y cada día van a salir más. Se me ocurre la comodidad de que te genere la estructura básica, el 'boilerplate'. Para prototipar, si no necesitas un código sin bugs. Y se podría usar para 'mutation testing'". Este experto tiene claro que la IA, que cada vez se usa cada vez más en muchos escenarios, también se aplicará de forma notable en el ámbito de la programación.
Aún así, concluye, "esto no amenaza el futuro de los desarrolladores, es una herramienta más que facilita mucho algunas partes del trabajo y les permite trabajar a más alto nivel".
Txema Rodríguez estaba de acuerdo con el resto de sus colegas: "hay una aplicación absolutamente real para GitHub Copilot, y ya existen muchos IDE como IntelliJ de JetBrains que hacían uso de un autocompletado inteligente".
Sin embargo, aclara, "aun no habíamos visto algo como Github Copilot en acción. Si es capaz de aprender de nuestro código y sugerirnos estructuras de código basándose en la guía de estilo del proyecto o desbloqueando algunas acciones más complejas con sus sugerencias será una ayuda muy buena para todos los desarrolladores".
Para él también está claro que este sistema de IA no es una amenaza para el trabajo de los desarrolladores, que según él "disponen de una habilidad difícil de sustituir: el poder de decisión. Me refiero a que puede que esto sea un gran avance pero seguiremos necesitando alguien que supervise ese código, además de pensar qué queremos hacer y cómo enganchar las piezas. Y sobretodo que lo optimice".
Para Txema esto es algo parecido a lo que sucede "con el fenómeno del No-Code: nadie lo usaría para un proyecto grande sin la supervisión de un desarrollador. Está bien para prototipar y hacer pruebas de concepto, pero para cosas serías necesitas las experiencia de un desarrollador. Eso aún no lo pueden proporcionar las maquinas".
Imagen | Chris Ried
via Robótica e IA - Xataka https://ift.tt/3w5HtoV
Suscribirse a:
Entradas (Atom)