sábado, 29 de octubre de 2016

Todo lo que crees saber es incorrecto



Fue recibida como la noticia más importante de la inteligencia artificial desde que Deep Blue derrotara a Gari Kaspárov al ajedrez hace casi 20 años. Google AlphaGo ha ganado tres de los cuatro primeros partidos contra el maestro Lee Sedol en un torneo de Go, lo que demuestra la espectacular mejora de la IA.

viernes, 28 de octubre de 2016

Crean un algoritmo inteligente capaz de colorear imagenes monocromaticas



Investigadores de la Universidad de Waseda en Tokio, capital de Japón, ha desarrollado una inteligencia artificial capaz de colorear fotos en blanco y negro, dándoles un aspecto extremadamente natural, como si se tratase de una fotografía que siempre tuvo color.

domingo, 7 de agosto de 2016

Piensa rápido, robot


Un algoritmo de odometría visual utiliza eventos de cambio de brillo de baja latencia de un sensor dinámico de Vision (DVS) y los datos de una cámara normal para proporcionar valores de brillo absolutos. La fotografía muestra el marco de la cámara, y la foto de la izquierda muestra las actividades de DVS (que se visualiza en rojo y azul), además de la escala de grises de la cámara.


Algoritmo que aprovechan los datos de un nuevo sensor podría hacer que los robots autónomos sean más ágiles.


lunes, 29 de febrero de 2016

El robot guepardo del MIT ya corre en libertad


Científicos del MIT acaban de presentar la nueva versión de su robot Cheetah. El pasado año, este guepardo mecánico ya daba sus primeros pasos sobre una cinta transportadora y sujeto a un cable. Ahora ay es capaz de correr libremente y, lo que es mejor, sobrepasar obstáculos y dar unos considerables saltos.
La segunda versión del Cheetah no es el robot cuadrúpedo más rápido. De momento apenas supera los 16 kilómetros por hora (o los 22 km/h con alimentación por cables). Hay otros proyectos como el robot con forma de velociraptor del Instituto Avanzado de Ciencia y Tecnología de Corea del Sur (KAIST) que ya alcanzan los 42 km/h.

En lo que el Cheetah si es único es en un nuevo algoritmo desarrollado por el MIT que controla los movimientos de las patas y calcula en tiempo real la fuerza que debe ejercer cada extremidad en el momento de tocar el suelo. Este algoritmo le permite economizar energía, correr por encima de obstáculos, y saltar obstáculos de hasta 33 centímetros de altura.

El sistema se basa en un motor eléctrico desarrollado por los propios investigadores del MIT en un proyecto que también cuenta con la colaboración de la agencia DARPA. Los científicos confían en poder pulir el sistema para que el robot corra libremente a velocidades de 48 km/h.

sábado, 27 de febrero de 2016

Robonauta 2 recarga pilas por primera vez en gravedad cero

22.08.2011
En su cuenta de Twitter, R2 ha comentado al detalle la operación en la que ha recibido su primera recarga energética a gravedad cero. Además también ha compartido las fotografías de la maniobra a través de Facebook.

Se trata de una operación complicada en la que han tenido que conectar al robot por control remoto desde la Tierra a la fuente de energía.

"¡Estos electrones sientan bien! Un pequeño paso para el hombre, y un gran salto para los hombres de hojalata" ha "escrito" R2 a través de Twitter en cuanto se ha completado la operación.

Hasta ahora, las operaciones de R2 se han visto limitadas al módulo Destiny de la Estación Espacial Internacional (ISS), pero el equipo del robonauta espera que en la Expedición 29 de la ISS los movimientos del robot se extiendan a otras zonas del complejo.

El objetivo principal de R2 es encargarse en un futuro de las posibles reparaciones que necesite la Estación Espacial.

El primer androide en el espacio

En febrero de 2011 R2 se convirtió en el primer robot humanoide en viajar al espacio a bordo del transbordador Discovery.

Este robot puede usar las mismas herramientas que utilizan los humanos y levantar pesos sin problemas. Además puede imitar sin problemas los movimientos de los humanos.

Los movimientos de R2 recuerdan a los androides de ciencia ficción como Terminator o los robots de Battlestar Galáctica, por no mencionar su nombre, similar al popular R2D2 de La Guerra de las Galaxias.

La estancia de R2 en la ISS es indefinida, y de momento no hay fecha de regreso a la Tierra.

miércoles, 24 de febrero de 2016

PlaNet es la nueva inteligencia artificial de Google que identifica dónde tomas tus fotos


Google cada vez aprenderá y sabrá más de nosotros, y deberíamos aceptarlo de una vez.
Su nuevo sistema de inteligencia artificial, llamado PlaNet, está diseñado para identificar exactamente dónde has tomado una fotografía sin que se lo digas, y mientras más la usemos más aprenderá de nosotros y mejorará.

Como reportan desde el MIT Technology Review, la I.A. fue diseñada por un equipo liderado por el experto en informática Tobias Weyand. El funcionamiento de PlaNet es más fácil de entender de lo que imaginamos: simplemente al “ver” una foto la analizará píxel a píxel y comparará sus datos con la enorme base de datos que la respalda, la cual está compuesta actualmente por más de 90 millones de fotografías geoposicionadas, y este número no hará más que crecer en el futuro.

Al comparar patrones, detalles y referencias en la imagen que analice logrará identificar la ubicación en la que fue capturada la foto con una precisión impresionante. Durante sus primeras pruebas, cuando la base de datos solamente contaba con 2.3 millones de imágenes, logró identificar el país de origen donde fue tomada la foto en un 28.4% de los casos, y el continente en un 48%. Ahora, con 90 millones de imágenes de respaldo, los números prometen ser mucho mayores.

Todavía no hay planes exactos de que este sistema escape de los laboratorios de Google y llegue a formar parte de alguno de sus productos, pero sin duda que ese día llegará, y más nunca podremos disimular que estamos en un lugar falso en nuestras fotos de Instagram. [vía MIT Technology Review]

La inteligencia artificial resolverá estos grandes problemas de la humanidad
Un ingeniero de Google Brain compartió esta afirmación; pero asegura que se necesitarán humanos inteligentes para guiarla


La inteligencia artificial (IA) resolverá tarde o temprano los grandes problemas del mundo… pero se necesitarán humanos inteligentes para lograrlo.

Quoc Le, ingeniero de software de Google Brain, es uno de ellos.

Google Brain se centra en el "aprendizaje profundo", parte de la inteligencia artificial. La concibe como una clase sofisticada de aprendizaje mecánico, como la ciencia de lograr que las computadoras aprendan a través de los datos.

El aprendizaje profundo usa varias capas de algoritmos (llamadas redes neurales) para procesar imágenes, texto y sentimientos de forma rápida y eficiente.

La idea es que las máquinas puedan llegar a tomar decisiones como lo hacen los humanos. Sin embargo, aún estamos lejos de ese punto, según un texto que Andrew Ng, cofundador de Google Brain, publicó recientemente en el sitio web Quora.

Google Brain inició operaciones en 2011 y originalmente era una iniciativa de la hermética y futurista división Google X. Ahora ha evolucionado y es parte del departamento de investigación de la empresa. Aunque Google publica investigaciones de Brain, se sigue reservando la estructura organizacional del equipo. Google no revela cuántas personas forman parte del equipo actualmente y argumenta que los equipos son cambiantes.

Le, de 34 años, tiene un doctorado en Ciencias Computacionales por la Universidad de Stanford, Estados Unidos, y ha estado trabajando en Google Brain desde hace cuatro años y medio.

"Hay pocas personas en el mundo que de verdad entienden cómo hacer que las máquinas aprendan y piensen", dijo Le, originario de Vietnam. "El aprendizaje profundo sigue siendo nuevo".

Pero conforme se desarrolla el aprendizaje profundo, la gente se emociona cada vez más por su potencial para resolver grandes problemas como la educación o el cambio climático. Por ejemplo: a través de sensores remotos, se puede dar seguimiento a información ambiental de todo el mundo.

En este momento, esa información sigue sin procesarse en gran medida, pero el aprendizaje profundo podría servir para entender patrones y dar soluciones.

"Confío en que el aprendizaje profundo no se estancará en el futuro cercano y que seguirá creciendo rápidamente", escribió Ng en Quora. Ng ahora trabaja como jefe de científicos en Baidu.

Alphabet, la empresa matriz de Google, integró tecnología de Google Brain en algunos de sus servicios: tecnología de reconocimiento del habla en sus sistemas operativos Android y capacidades mejoradas de búsqueda de fotos que surgieron en Brain.

Google abrió el acceso de TensorFlow, su código de aprendizaje profundo, en un intento por acelerar el desarrollo de la inteligencia artificial. En 2014 compró DeepMind Technologies por 650 millones de dólares en un intento por reforzar su departamento de IA.

Según el sitio CB Insights, las empresas emergentes que trabajan en el aprendizaje profundo y en la inteligencia artificial, han recaudado más de 950 millones de dólares en los pasados cinco años.

Olcan Sercinoglu, exmiembro de Google Brain, dirige una de ellas. Sercinoglu es ingeniero de software y dejó Google Brain en 2014 para fundar Scaled Interference, empresa que busca que el aprendizaje mecánico llegue al público en general gracias al softwareinteligente. Aún no pone a la venta su producto, pero a unos meses de incorporarse, Sercinoglu recaudó 13.6 millones de dólares de parte de inversionistas como Tencent Holdings, SV Angel y Khosla Ventures.

El atribuye a Google Brain (que es famosa por su trabajo de vanguardia) el haber podido cerrar una ronda tan exitosa.

"Creo que el haber trabajado en Google Brain fue un factor muy importante", dijo; agregó que el aprendizaje profundo y las redes neurales son solo un aspecto de la tecnología que su empresa está desarrollando.

Sercinoglu tiene 34 años y pasó casi un año trabajando en el equipo de Google Brain, aunque estuvo casi 10 años en otros departamentos de Google. Hizo una pasantía en la empresa en 2001 al mando de Jeff Dean. Dean, investigador sénior de Google, era uno de los investigadores originales del equipo de Google Brain.

miércoles, 17 de febrero de 2016

El cerebro tiene tanta capacidad de memoria como toda la Internet
Científicos estadounidenses estiman que es 10 veces mayor de lo que se pensaba


Científicos de EE.UU. han determinado, midiendo con precisión el tamaño de las sinapsis neuronales, que la capacidad de memoria del cerebro es 10 veces mayor de lo que se creía, y está en niveles de petabyte, es decir, Internet entera. El descubrimiento podría abrir la vía de supercomputadores precisos y de bajo consumo.

Aprender idiomas depende de una mayor coneccion entre areas del cerebro
Gracias a la plasticidad cerebral esas conecciones aumentan


Un estudio realizado en Canadá ha revelado que de la fuerza de las conexiones entre diversas áreas cerebrales puede depender nuestra habilidad para aprender nuevos idiomas. Demuestra que habría una capacidad innata en este sentido, aunque los científicos señalan que es una capacidad que se puede desarrollar aunque no se tenga, gracias a la plasticidad cerebral. Por Sandra Romero.

Las células colaboran y actuan de forma colectiva
Cada una se comunica con la que tiene a su lado


Las células interpretan las señales químicas de forma colectiva, lo que aumenta enormemente su precisión. Con esa información, deciden adónde moverse. Eso sí, la precisión sigue estando limitada en el espacio y el tiempo. Además, las células se comunican solo con las que están pegadas a ellas.

martes, 16 de febrero de 2016

Mueve los dedos por separado en tu protesis


La Ingenieria médica de EE.UU. ha conseguido que una persona mueva los dedos por separado con una prótesis robótica controlada por la mente. Hasta ahora, las prótesis de este tipo movían los dedos en 'garra', como cogiendo una pelota de tenis.

viernes, 12 de febrero de 2016

Quo vadis axón?


Mientras espero el metro, me doy cuenta de que algo está mal en el suelo del andén. El patrón de las baldosas de gres oscuras, lisas, está interrumpido a metro y medio del borde por una línea de baldosas blancas con surcos que discurre paralela al andén. Luego vuelven las baldosas lisas hasta el borde, donde hay un par de bandas de goma. No tienen ningún sentido esas baldosas blancas, es un cambio estético absurdo. Un cambio que se repite en todas las estaciones.

domingo, 14 de junio de 2015

El algoritmo secreto de la "Ola"


Científicos húngaros y alemanes publicarón en 2003 un estudio que paso desapercibido para la comunidad y hoy es reflotado en este blog. Los especialistas filmaron decenas de “olas” en los estadios de fútbol y aplicaron un análisis de la propagación de ondas a partir de una perturbación inicial. Lo sorprendente de la cuestión es que se trata de un comportamiento sencillo, espontáneo y reproducible, de una situación en la cual miles de personas consiguen un alto grado de coordinación y cooperación para lograr un objetivo sencillo, sin acuerdo previo.

El estudio divide al fenómeno en dos fases:

1. el inicio de la ola (perturbación), en el cual un número reducido de personas se levantan en forma simultánea

2. la de propagación.

La fase inicial fue analizada en el programa Brainiacs, en donde evaluaron in situ la cantidad mínima de personas necesarias para que la perturbación sea suficiente para dar inicio a la segunda fase. Algunos datos interesantes del estudio son:

1. Estado o “humor” de la multitud: la gente debe estar en una situación intermedia, sentados pero en un estado excitable como para responder a la perturbación.

2. La propagación se inicia hacia ambos lados pero solo “sobrevive” hacia un solo lado (quiebre de la simetría espontánea). Los elementos hallados para explicar el fenómeno son dos: la naturaleza asimétrica de la percepción humana y una tendencia a la propagación en el sentido de las agujas del reloj (en el 75% de los casos). Agrego esta pregunta: los estudios fueron hechos en el hemisferio norte. ¿Será al revés en el sur?

3. La velocidad de propagación se mantiene sorprendentemente lineal.

para entender mejor el concepto desarrollaron un algoritmo de simulación:
Imagen animada de un fragmento de la simulación

Simulación a gran escala de la propagación de la “ola”

El estudio utiliza modelos que se interrelacionan con casos específicos como la propagación de incendios forestales o el crecimiento de tejidos orgánicos. De la misma manera, los resultados son aplicables a situaciones de desplazamiento de personas, como las estaciones de trenes, e incluso para modelos de propagación de información o memes.

Existe en un simulador en linea donde probar alteraciones del fenomeno

Follow by Email