Esta es una tarea para la universidad O&M de la asignatura Seminario de Tecnologia Aplicada. Realizada del sitio web https://www.technologyreview.es e imagenes obtenidas en la web.
2. AURICULARES DE TRADUCCIÓN SIMULTÁNEA
Los auriculares Pixel Buds de Google nos adelantan al futuro de la traducción
en directo, a pesar de que el hardware actual sea un poco torpe.
3. La traducción casi en tiempo real ahora
funciona para una gran cantidad de idiomas y
es fácil de usar. En un mundo cada vez más
globalizado, el lenguaje sigue siendo una
barrera para la comunicación.
Google, Baidu
Google ha creado una solución intermedia: un
par de auriculares que cuestan unos 130 euros,
llamados Pixel Buds. Los cascos son
compatibles con los smartphones Pixel de la
compañía y la app Google Translate, que
traduce un discurso, prácticamente, en tiempo
real.
4. Una persona utiliza los auriculares mientras otra
sostiene un teléfono. La persona con los cascos
habla en su idioma (los auriculares vienen con
el inglés de forma predeterminada),
la aplicación traduce el mensaje oral y lo
reproduce en voz alta a través del teléfono. La
persona que sostiene el teléfono responde; esta
respuesta se traduce y se reproduce por medio
de los auriculares.
5. Google Translate ya tiene una función de conversación y
sus aplicaciones para iOS y Android permiten que dos
usuarios hablen; identifica automáticamente qué idiomas
están usando y los traduce. Sin embargo, el ruido de fondo
puede dificultar que la aplicación entienda lo que dice la
gente, y también hace que le cueste más identificar cuando
la gente deja de hablar y debe empezar a traducir.
Pixel Buds soluciona todos estos problemas porque el
usuario debe mantener un dedo sobre el auricular derecho
mientras habla. Al dividir la interacción entre el teléfono y
los auriculares, cada persona tiene el control de un
micrófono y puede mantener contacto visual, ya que no
necesita estar pendiente de pasar el teléfono a su
interlocutor.
7. Los últimos modelos de impresoras en 3D
logran producir piezas metálicas de forma
eficiente y útil por primera vez. Las
impresoras pueden fabricar objetos de metal
de forma rápida y económica.
La capacidad de imprimir objetos de metal
grandes y complejos bajo demanda podría
transformar el sector de la fabricación.
8. La impresión 3D de metales permite crear piezas
más ligeras y fuertes y con formas complejas,
imposibles de lograr con los métodos
convencionales de fabricación de metales.
También puede proporcionar un control más
preciso de la micro estructura de los metales.
En 2017, los investigadores del Laboratorio
Nacional Lawrence Livermore (EE. UU.) Anunciaron
que habían desarrollado un método de impresión
3D para crear piezas de acero inoxidable el doble
de resistentes que las que se producen por
métodos convencionales.
9. INTELIGENCIA ARTIFICIAL EN LA NUBE
La inteligencia artificial (IA) en la nube permite que la
tecnología sea más económica y fácil de usar.
10. En este momento solo un número reducido de grandes
empresas pueden hacer uso de la inteligencia artificial, pero
ofrecer esta tecnología a través de la nube ayudaría a que
mucha más gente pueda beneficiarse de ella, lo que
impulsaría la economía.
Hasta ahora, la inteligencia artificial había sido un juguete
exclusivo para las grandes compañías de tecnología como
Amazon, Baidu, Google y Microsoft, y algunas nuevas
empresas. Pero para el resto de las compañías, los
sistemas de inteligencia artificial son demasiado caros y
difíciles de implementar.
11. Las herramientas de aprendizaje automático en la
nube están llevando a la inteligencia artificial a un
público mucho más amplio. De momento, Amazon
domina la IA de la nube con su filial AWS.
Google lo desafía con TensorFlow, una biblioteca de
código abierto de inteligencia artificial que se puede
utilizar para personalizar software de aprendizaje
automático.
Y hace poco, el gigante de las búsquedas
presentó Cloud AutoML, un conjunto de sistemas
preentrenados que podrían hacer que la inteligencia
artificial sea más fácil de utilizar.
12. Microsoft también tiene su propia plataforma en la
nube, Azure. La empresa está colaborando con
Amazon para ofrecer Gluon, una biblioteca de código
abierto de aprendizaje profundo.
En principio, Gluon consigue que construir redes
neuronales (una de las tecnologías claves en
inteligencia artificial, que imita el proceso de
aprendizaje del cerebro humano) resulte tan fácil
como construir una aplicación para teléfonos
inteligentes.
13. REDES GENERATIVAS ANTAGÓNICAS
Una pareja de sistemas de inteligencia artificial trabajando a
dúo puede adquirir imaginación al jugar al gato y al ratón con
datos.
Google Brain
14. Dos sistemas de inteligencia artificial pueden
interactuar entre sí para crear imágenes y sonidos
originales ultra realistas; algo que las máquinas nunca
habían sido capaces de hacer.
¿Por qué? Esta tecnología confiere a las máquinas
una especie de sentido de imaginación, lo que puede
ayudar a que sean menos dependientes de los
humanos, pero que a su vez las convierte en
herramientas preocupantemente poderosas para la
falsificación digital.
15. La inteligencia artificial cada vez es más capaz de identificar cosas:
enséñele un millón de fotos y podrá decirle con asombrosa precisión en
cuáles aparece un peatón cruzando una calle. Y un coche autónomo
puede enseñarse a conducir a sí mismo sin ni siquiera tener que pisar
una carretera.
El enfoque, conocido como redes generativas antagónicas (GAN, por
sus siglas en inglés) emplea dos redes neuronales (modelos
matemáticos simplificados del cerebro) y las enfrenta mutuamente en
un juego digital del gato y el ratón.
Ambas redes están entrenadas con el mismo conjunto de datos. Una,
conocida como la generativa, tiene la tarea de crear variaciones en las
imágenes que ya ha visto, tal vez una imagen de un peatón con un
brazo de más.
La segunda, conocida como el discriminador, debe identificar si la
imagen que está viendo pertenece al conjunto de entrenamiento original
o, por el contrario, si es una imagen falsa producida por la red
generativa. A la red discriminadora básicamente se hace la siguiente
pregunta: ¿Es probable que esa persona con tres brazos sea real?
16. Con el tiempo, a la red generativa se le da tan bien producir
imágenes que a su pareja discriminadora le resulta imposible
detectar la falsificación. En resumen: la red generativa aprende a
reconocer y posteriormente a crear imágenes de peatones de
aspecto realista.
La tecnología se ha convertido en uno de los avances más
prometedores de la inteligencia artificial en la última década,
capaz de ayudar a las máquinas a producir resultados que
engañan incluso a los humanos.
Los GAN se usaron para crear sonidos e imágenes hiperrealistas.
En un convincente ejemplo, los investigadores del fabricante de
chips Nvidia entrenaron a una GAN con fotografías de personas
famosas para que el sistema fuera capaz de crear cientos de
rostros creíbles de personas que no existen.
Otro grupo de investigación consiguió generar pinturas falsas
parecidas a las obras de Van Gogh. Si se les fuerza aún más, las
GAN pueden reimaginar las imágenes de diferentes maneras:
pueden hacer que una carretera soleada parezca nevada o
convertir caballos en cebras.
17. Los resultados no siempre son perfectos: las GAN pueden
crear bicicletas con dos tipos de manillar, por ejemplo, o
caras con cejas en el lugar incorrecto.
Pero debido a que las imágenes y los sonidos son, por lo
general, asombrosamente realistas, algunos expertos creen
que hay una lógica detrás de cómo las GAN comienzan a
comprender la estructura subyacente del mundo que ven y
oyen.
Esto significa que, además del sentido de la imaginación, la
inteligencia artificial puede adquirir una habilidad más
independiente para dar sentido a lo que ve en el mundo.