13 de marzo de 2024

Noticia: Uber Eats ya realiza repartos utilizando robots en Tokio

“¡Atención: robot!”, advierte un pequeño vehículo de reparto verde al abrirse paso por una calle de Tokio. ¿Su destino? Un restaurante de chuletas de cerdo donde debe recoger un pedido realizado a través de Uber Eats. A partir del miércoles, esta aplicación estadounidense de comida a domicilio ofrecerá un reparto con robots en una pequeña zona de la capital de Japón con la esperanza de extenderlo más adelante por el resto del país. El archipiélago asiático, que se enfrenta a una creciente escasez de mano de obra por el envejecimiento de la población, modificó el año pasado sus leyes de tráfico para permitir la circulación de robots de reparto en sus calles. Otras empresas, entre ellas Panasonic, también están probando la entrega de mercancías a través de estas máquinas. Los robots de Uber Eats, desarrollados por Mitsubishi Electric y Cartken, tienen dos grandes luces cuadradas como ojos y disponen de tres ruedas en cada lado para sortear las irregularidades en su ruta, que calculan ellos mismos. Se mueven a 5,4 kilómetros por hora y disponen de sensores para evitar peatones y otros obstáculos, aunque siempre hay un operador humano preparado para intervenir en caso de que aparezcan problemas. Referencia Bibliográfica: https://www.eluniverso.com/noticias/internacional/uber-eats-ya-realiza-repartos-utilizando-robots-en-tokio-nota/  

Noticia: Uber Eats ya realiza repartos utilizando robots en Tokio Leer más »

Noticia: Cuán cerca estamos, científicamente, de leer los pensamientos

El 29 de enero, Elon Musk publicaba en X el éxito de la primera intervención quirúrgica implantando un dispositivo desarrollado por su start up Neuralink en un humano. El nombre del dispositivo: Telepathy (Telepatía). En la comunidad científica estábamos atentos a lo conseguido por el equipo de Elon Musk desde que en septiembre de 2023 el organismo competente, la Administración de Alimentos y Medicamentos de los Estados Unidos (FDA), acreditó que el dispositivo podía implantarse en humanos. Tras el visto bueno de la FDA, Neuralink implantó Telephaty a una persona elegida entre un grupo de voluntarios, afectados de tetraplejia y esclerosis lateral amiotrófica. De momento podemos decir que el implante ha sido un éxito, pero para conocer los resultados habrá que seguir los pasos de un estudio que promete ser largo. El indiscutible avance tecnológico de Telepathy Lo que ha conseguido el equipo de Elon Musk es muy revolucionario desde el punto de vista tecnológico. Telepathy lleva una batería que se recarga externamente y dispone de 1.024 electrodos, distribuidos en 64 hilos, que transmiten las medidas de la actividad cerebral de forma inalámbrica. Que el dispositivo lo haya aprobado la FDA avala que está hecho con rigor. Es esperable que Telepathy consiga medir las señales cerebrales relacionadas con el movimiento en personas de movilidad reducida, y que sirvan para gobernar el movimiento de una prótesis o interactuar con un ordenador. Pero una señal muscular no equivale en modo alguno a un pensamiento. Es lo que se conoce como interface cerebro-máquina. Pero esto no es telepatía. Lo verdaderamente revolucionario sería que el dispositivo de Neuralink funcionara reconociendo la actividad neuronal que genera el pensamiento. Y esto posiblemente no se logre nunca. La zona ciega ¿Cuál es el reto al que nos enfrentamos cuando tratamos de medir señales del cerebro? El reto es la oscuridad en la que se encuentra el observador después de que una neurona se activa. Esto no sucede con otro tipo de células, como por ejemplo una célula muscular del corazón (miocito). Para medir la actividad eléctrica de una neurona y para medir la actividad eléctrica en un miocito se utiliza la misma tecnología. Pero cuando un miocito “dispara”, el observador comprueba que se contrae, esto es, puede relacionar directamente la señal eléctrica con la contracción de la célula muscular. Y así entiende el efecto de la contracción, ya que observa que la contracción de todos los miocitos del corazón producen que la sangre circule por el cuerpo. Esto no pasa cuando observamos el disparo de una neurona. En este caso el observador no ve que haya ningún cambio significativo, porque el pensamiento generado no es visible: el disparo de la neurona se pierde en la oscuridad. Los estimuladores cerebrales profundos Ya existen dispositivos que se implantan dentro del cerebro o muy cerca del cerebro e interaccionan con él. Un ejemplo son los implantes cocleares, dispositivos con estimuladores situados en la cóclea (estructura del oído interno). Los usan las personas que carecen de las células que se encargan de transformar las señales acústicas que llegan del exterior a las señales eléctricas que reconocemos como sonidos. El implante recurre a pequeños micrófonos ubicados en la oreja, y envía los sonidos recogidos a electrodos que se diseminan a lo largo de la cóclea. Y ahí estamos actuando muy cerca del cerebro: estamos llegando al nervio auditivo. Otro dispositivo que actúa, esta vez sí, dentro del cerebro –y que también está debidamente aprobado– es el estimulador cerebral profundo. Comenzó a utilizarse para tratar el párkinson y, más adelante, se extendió a otras patologías, como la obesidad mórbida o la depresión. Inutilizar neuronas sin saber realmente cómo funcionan Con estos dispositivos se actúa en núcleos profundos del cerebro, aunque sin que se entienda bien cómo funciona el cerebro. Por ejemplo, el dispositivo utilizado para controlar los trastornos motores en la enfermedad del párkinson (¡ojo!, que no para curar la enfermedad), se desarrolló sabiendo que era mejor inutilizar un grupo de neuronas antes que dejarlas como están. Este dispositivo permitió que, en lugar de practicar una ablación (esto es, quemar las células), se inutilizaran las neuronas mediante la aplicación constante de pulsos eléctricos que las bloquearan. Y es posible revertir el efecto al detener el dispositivo. Sin embargo, todavía se sigue trabajando para entender en profundidad las conexiones entre los diferentes núcleos relacionados con el movimiento y averiguar por qué un estimulador cerebral profundo funciona. Y qué hay de medir el pensamiento En este momento estamos lejos de medir el pensamiento, las intenciones, los recuerdos o los deseos. Con este tipo de dispositivos no podemos saber en qué está pensando la gente. Incluso con dispositivos ya muy reconocidos, como pueden ser los estimuladores profundos, hay mucha oscuridad sobre por qué funcionan (no cómo funcionan) y qué efecto tienen. Las controversias suscitadas por la implantación del chip de Elon Musk son comprensibles. Nos intriga cómo funciona el cerebro. Parece que es en este órgano donde se encuentra nuestra intimidad más profunda y queremos respetarlo. No deseamos que otras personas nos controlen. Pero, por el momento, que nos lean la mente o puedan influir sobre nuestro pensamiento no es algo por lo que preocuparse. ¿Se conseguirá relacionar la actividad neuronal con nuestros pensamientos? Todo indica que se conseguirán progresos en la interacción con las máquinas, pero no se basarán en la relación entre la actividad neuronal y el pensamiento. Entre otras cosas, porque ni siquiera tenemos muy claro qué es pensar. ¿Será que el pensamiento escapa a la física y no puede medirse? *Javier Díaz Dorronsoro es profesor de Instrumentación Biomédica en la Universidad de Navarra, España. Su artículo original fue publicado en The Conversation, que puedes leer aquí. Referencia bibliográfica: https://www.bbc.com/mundo/articles/cxrkw471wnlo

Noticia: Cuán cerca estamos, científicamente, de leer los pensamientos Leer más »

Noticia: 3 claves para entender el éxito de Nvidia, la compañía cuyo valor sobrepasó al de Google y marcó un récord en la bolsa

Si ya tenía a sus pies a Wall Street por sus buenos resultados y el gran aumento del valor de sus acciones, ahora el frenesí llegó aún más lejos. El fabricante estadounidense de procesadores Nvidia alcanzó este viernes los US$2 billones de valor de mercado, una frontera que solo habían conquistado en EE.UU. los gigantes tecnológicos Microsoft y Apple. Alphabet, cuya principal filial es Google, fue desplazada por Nvidia en capitalización de mercado. “Las condiciones son excelentes para seguir creciendo”, dijo el director ejecutivo de la empresa, Jensen Huang, en una llamada con inversionistas. Nvidia se ha coronado como el rey mundial de los chips al desarrollar potentes unidades de procesamiento de gráficos (GPU, por sus siglas en inglés). Estos procesadores, los más utilizados en la industria de la inteligencia artificial, son circuitos electrónicos que pueden realizar cálculos matemáticos a alta velocidad y su valor se calcula en decenas de miles de dólares por unidad. Son tan apetecidos que, como si se tratara de diamantes, son transportados en camiones blindados. La firma le lleva una gran ventaja a Intel y AMD, sus mayores competidores, dominando cerca de un 80% del mercado de las GPU. Estas son tres claves que explican el éxito del gigante tecnológico con sede en California. 1. El salto desde los videojuegos a la inteligencia artificial   Hace más de 30 años Nvidia comenzó como una empresa que fabricaba chips para el desarrollo de videojuegos. Sus unidades de procesamiento de gráficos comenzaron a ser muy demandadas para el desarrollo de funciones de visualización como renderizar videos, imágenes y animaciones, ideales para videojuegos de alta exigencia. Este fue durante mucho tiempo el principal negocio de Nvidia. Pronto la firma descubrió que sus GPU también eran útiles para otras tareas exigentes, como acelerar el rendimiento informático de los cerebros de las computadoras, es decir, las unidades centrales de procesamiento. Gigantes como Google, Microsoft y Amazon se interesaron en los procesadores de Nvidia para potenciar sus enormes centros de datos, como también lo hicieron las compañías dedicadas a la criptominería. Al mismo tiempo, los ingenieros empezaron a utilizar sus chips para hacer cálculos de inteligencia artificial, dado que el tipo de matemática necesaria para construir sistemas complejos encajaba con la forma en que funcionan los chips gráficos. Hoy, las GPU más avanzadas de Nvidia, como las llamadas H100, se utilizan en la creación de los sistemas de inteligencia artificial más sofisticados. 2. Adelantarse a los competidores La empresa se dio cuenta pronto de que los semiconductores diseñados para el procesamiento de gráficos, también eran útiles para entrenar sistemas de inteligencia artificial. Iniciar la carrera antes que el resto le dio una valiosa ventaja frente a sus competidores. A partir del 2006, Nvidia dejó clara su apuesta por la inteligencia artificial. En esa época, la empresa anunció la creación de CUDA, un lenguaje de programación que hizo posible que los chips de la firma pudieran resolver complejos problemas matemáticos. Así fue como la firma entró con sus procesadores en el mundo de la inteligencia artificial antes que sus grandes competidores, como Intel o AMD. Esa ventaja inicial podría verse acortada si las otras firmas aceleran su paso, dado están haciendo grandes inversiones para conseguir una mayor cuota de mercado. Y, por otro lado, los gigantes dedicados a la computación en la nube, como Amazon, Microsoft o Google, también están dedicando esfuerzos a fabricar sus propios chips especializados para el entrenamiento de inteligencia artificial. 3. Una voraz demanda por sus productos La gran demanda de los procesadores de Nvidia para juegos, centros de datos y aplicaciones de inteligencia artificial sigue aumentando. Particularmente en el último año ha subido aceleradamente el interés por los costosos procesadores gráficos para los servidores que alimentan los grandes modelos de inteligencia artificial. Nvidia, que solía ser una firma tecnológica menos conocida que el resto de los gigantes, pasó rápidamente a primer plano con el lanzamiento de ChatGPT, un sistema de inteligencia artificial desarrollado por la empresa OpenAI, que utiliza sus procesadores. Los chips de Nvidia parecen ser, dicen los expertos, los más adecuados para entrenar a los modelos de inteligencia artificial. Lo que no se sabe es cuánto tiempo estos procesadores seguirán liderando el mercado de las GPU o si los rivales de Nvidia conseguirán una buena tajada del pastel. Por ahora, la balanza está a su favor. La demanda de uno de sus productos estrella, el chip H100, es tan grande, que algunos clientes han tenido que esperar hasta seis meses para recibirlo. Analistas del mercado plantean que probablemente en alrededor de un año podría mejorar la oferta de chips para inteligencia artificial, en la medida que AMD e Intel sigan avanzando con sus desarrollos. Mientras, la oferta continuará restringida y la demanda insaciable. Referencia Bibliográfica: https://www.bbc.com/mundo/articles/c72g0vz59zqo

Noticia: 3 claves para entender el éxito de Nvidia, la compañía cuyo valor sobrepasó al de Google y marcó un récord en la bolsa Leer más »