La carga eléctrica inalámbrica ya es una realidad
Si toda su historia Disney se dedicó a estimular nuesta imaginación con historias de fantasía, ahora parece haber metido la reversa y quiere traer a la realidad el sueño de Nikola Tesla: su división de investigación y desarrollo ha creado un sistema que puede abastecer energía de forma inalámbrica a todos los dispositivos que se encuentran en una habitación pequeña. Dicho de otro modo, es una red de carga inalámbrica como la soñó Tesla hace casi un siglo.
Aunque todavía falta mucho tiempo y desarrollo antes de que podamos ver algo así llegar a nuestros hogares, el sistema ha sido probado y puede cargar varios dispositivos en una habitación de forma simultánea (incluyendo smartphones, lamparitas o hasta un ventilador), con una efectividad de entre 40% y 95%, según publicó Disney en un estudio.
Para que este sistema funcione, requiere de modificar una habitación por completo cubriendo todas sus paredes y el techo con paneles de aluminio, además de instalar un tubo de cobre en el centro de la habitación que va desde el suelo hasta el techo. El tubo cuenta con un sistema de 15 condensadores (o capacitores) que crean una señal eléctrica con cierta frecuencia de resonancia. Esto crea un campo magnético en toda la habitación que provee 1.900 vatios de energía.
Para que un dispositivo reciba energía usando este sistema tiene que conectarse a una bobina receptora que haya sido ajustada para resonar a la misma frecuencia.
Sus responsables aseguran que este campo magnético no es nocivo para los humanos, dado que podemos absorber la energía sin que suponga un riesgo para nosotros. Sin embargo, el campo magnético no debe estar inutilizado o puede ser peligroso para las personas. Esto quiere decir que el sistema debe estar dando energía a un grupo de dispositivos constantemente si queremos entrar a la habitación. Además, nadie debe acercarse a menos de 46 centímetros del tubo de cobre.
De nuevo, se trata de un sistema que está en pleno desarrollo y supone un gran avance hacia un futuro en el que nos olvidemos de los cables en nuestras habitaciones y oficinas, de una vez por todas.
Vía: Ars Technica
Nueva jornada de Capacitación de Instructores
Tenemos el grato placer de recibir a los alumnos de Red Proydesa que comienzan su camino de capacitación como Instructores. Su presencia confirma y jerarquiza nuestra labor áulica en cada una de sus respectivas Academias.
Como una muestra más de la calidad de nuestro servicio educativo, las Academias de la RED se nutren de sus alumnos formados para ampliar el staff docente, una característica de valor cualitativa que ha demostrado su efectividad a lo largo de los años.
Las evaluaciones diagnósticas demostraron un notable desempeño y son el reflejo del trabajo constante. Por otro lado, los instructores de CCNA 1 inauguraron la Capacitación de la Versión 6 de la currícula de CCNA en Español.
Inteligencia Artificial: guía rápida para entenderla
Dos de los términos que últimamente suenan asociados a inteligencia artificial son machine learning y deep learning. Ambos tienen su traducción en castellano (aprendizaje automático y aprendizaje profundo), aunque no siempre se utilice. Son dos formas de inteligencia artificial –una tecnología que funciona desde hace décadas– y que se engloban una a la otra.
Se puede decir que el machine learning tiene una vertiente que se denomina deep learning. Las dos tecnologías hacen referencia a sistemas capaces de aprender por sí solos. La diferencia entre ambos estriba en el método de aprendizaje. El de deep learning es más complejo y también más sofisticado. Es también más autónomo, lo que quiere decir que una vez programado el sistema la intervención del ser humano es mínima.
La diferencia entre machine learning y deep learning es que la segunda técnica leva el aprendizaje a un nivel más detallado. El sistema en este caso v a por capas o unidades neuronales. De hecho el funcionamiento de estos algoritmos trata de imitar el del cerebro.
En deep learning cada capa procesa la información y arroja un resultado que se revela en forma de ponderación. Es decir, cuando una unidad de un sistema analice una foto en busca de perros concluirá que dicha imagen es en un 78% de probabilidad un perro y en un 22% no lo es.
¿Qué es y que no Inteligencia Artificial?
De repente, gracias a la llegada de los bots a Facebook Messenger como atractivo, todo parece ser "bots". Empresas “competidoras” como Telegram también ofrecen su plataforma para crearlos, y muchas empresas de servicios y ventas los están implementando en su chat de atención al cliente. También es posible utilizarlos incluso en aplicaciones de noticias como la de Quartz.
Los bots eran la próxima gran revolución, y para este 2017 se esperaba una gran repercusión en ferias tecnológicas, pero parece que el flujo creativo ha parado. Ni en el pasado IFA de 2016 ni en el CES han sido relevantes entre las tendencias para el nuevo año, y a la espera del Mobile World Congress, de momento parece que quedan como una solución que muchas empresas pueden emplear para intentar atraer y resultar atractivas, más que para ofrecer una utilidad real.
A esto recuerda, por ejemplo, la fiebre que hubo hace unos años con el uso de códigos QR. En muchos lugares podían resultar útiles, pero en la mayoría sólo eran un elemento que no aportaba nada a la experiencia de uso, ni siquiera agilizaba. Los bots que conocemos hasta ahora, o al menos la mayoría de ellos, tampoco pueden ser llamados inteligencia artificial, en tanto que no aprenden de nosotros ni de sus programadores sin que éstos alteren su código. Y seguir órdenes empleando algoritmos, paso a paso, no es inteligencia artificial.
Slack, por ejemplo, anunció su integración con Watson, de IBM. Ese es un paso interesante, pues Watson es capaz de aprender e identificar patrones y añadir su aprendizaje a sus bases de datos, de manera que se va mejorando a sí mismo y en el futuro es capaz de mejorar la forma de afrontar una situación. El resto de bots, como el típico de Giphy, tendrán que esperar a conocer mejor al usuario y a darle información mucho más precisa para acercarse a la consideración de “inteligentes”.
Para el usuario final, por ejemplo, la manera en que Siri responde al usuario tampoco es inteligencia artificial per se, aunque las técnicas de machine learning que Apple está empleando para mejorar las respuestas y su conocimiento sí lo sean. Y es que el Siri que podemos encontrar ahora es radicalmente opuesto al que llegó en 2011 con el iPhone 4S.
Google Assistant, por su parte, es más conversacional, y tiene en cuenta elementos como el contexto, que sí interioriza y de los cuales es capaz de aprender para mejorar en el futuro. En ese sentido, aunque no está en manos del público, AlphaGo es una de las mejores muestras de inteligencia artificial aplicada que se ha puesto en práctica, con una implementación brillante de las últimas tendencias (deep learning, machine learning, etc).
Por su complejidad, pasará tiempo hasta que la inteligencia artificial de verdad se expanda como se expandieron los bots el pasado año. Sin embargo, la informática está en un punto tan avanzado en que sin inteligencia artificial se pueden hacer muchas cosas que también parecen milagrosas, pero sólo es ciencia.
