La investigación fue liderada por Victor HO Otani, de la Facultad de Ciencias Médicas de Santa Casa de São Paulo e Infinity Doctors Inc., junto con otros especialistas. El equipo trabajó exclusivamente con hablantes nativos de portugués brasileño y aplicó técnicas de aprendizaje automático para clasificar a personas con diagnóstico clínico de depresión y a participantes sin el trastorno.

Para el desarrollo del modelo se utilizaron dos conjuntos de datos independientes. El primero, destinado al entrenamiento, incluyó 86 participantes: 45 pacientes ambulatorios diagnosticados con trastorno depresivo mayor y 41 personas sin depresión. El segundo conjunto, empleado para probar el rendimiento de los modelos, estuvo compuesto por 74 individuos entre pacientes y grupo de control.

Te puede interesar: ¿Por qué los relojes inteligentes se equivocan al medir estrés y depresión, según la ciencia?

Los audios provenían de mensajes de voz cotidianos. En el caso de los pacientes, eran grabaciones enviadas a sus médicos cuando reportaban síntomas. Los voluntarios compartieron mensajes habituales. En la fase de prueba, todos grabaron dos tipos de audio: uno contando del 1 al 10 y otro describiendo cómo había sido su semana. Antes del análisis, los investigadores realizaron un proceso de limpieza del audio y extracción de características acústicas, y luego evaluaron siete algoritmos distintos dentro de un sistema estandarizado.

Precisión alta en mujeres y menor en hombres

El modelo con mejor desempeño logró una precisión del 91,9 % en la identificación de mujeres con depresión cuando analizó la grabación en la que describían su semana. En hombres, la precisión fue del 75 % en esa misma prueba. En el ejercicio de contar del 1 al 10, los resultados fueron más equilibrados: 82 % en mujeres y 78 % en hombres.

Los autores atribuyen esta diferencia a la mayor presencia femenina en el conjunto de entrenamiento y a posibles variaciones en los patrones de habla entre géneros. Cambios en el ritmo, la entonación o la energía vocal pueden ser señales asociadas con la depresión y manifestarse de manera distinta.

Te puede interesar: Scroll infinito: cómo afecta la atención, la ansiedad y el consumo digital

El trastorno depresivo mayor afecta a más de 280 millones de personas en el mundo. La detección temprana puede facilitar intervenciones oportunas, especialmente en lugares con acceso limitado a servicios de salud mental. Según los investigadores, el análisis automatizado de mensajes de voz podría convertirse en una herramienta complementaria, de bajo costo y alineada con hábitos de comunicación cotidianos.

No obstante, el estudio reconoce limitaciones como el tamaño de la muestra y la necesidad de validar los resultados en otras poblaciones y lenguas. Cualquier aplicación futura también deberá garantizar privacidad y consentimiento informado.

Imagen: generada con IA

El programa, creado hace 16 años, busca acompañar a la próxima generación de científicos que trabajan en proyectos capaces de transformar el futuro de la tecnología. A lo largo de su historia, ha beneficiado a más de 950 estudiantes de 44 países y 227 universidades, consolidando una red global de innovación que une talento académico y experiencia práctica desde Google Research.

Por primera vez, el programa amplió su cobertura hacia Latinoamérica y Medio Oriente, una decisión que reafirma el interés de Google.org por fortalecer los ecosistemas de investigación en regiones emergentes. Esta expansión busca no solo apoyar la ciencia fundamental, sino también promover soluciones tecnológicas a problemas sociales y ambientales que afectan directamente a estas regiones.

Dos jóvenes colombianos se suman

Entre los beneficiarios de 2025 se encuentran Julián René Muñoz Burbano, de la Universidad del Cauca, y Cristian David Segura Benavides, de la Universidad de los Andes, ambos enfocados en el área de aprendizaje automático y sus fundamentos. Su trabajo representa una muestra del crecimiento del talento colombiano en campos de inteligencia artificial y ciencia de datos, dos áreas clave para el desarrollo tecnológico del país.

Los becarios seleccionados recibirán financiación completa para sus estudios, mentoría personalizada de investigadores de Google y acceso a una red internacional de investigación científica. Este acompañamiento no solo les permitirá desarrollar proyectos académicos de alto nivel, sino también conectar con comunidades globales que están redefiniendo el papel de la tecnología en la sociedad.

Además de los colombianos, la lista incluye estudiantes de Argentina y México, como Gabriel Torre (Universidad de Buenos Aires), Tadeo Casiraghi (Universidad de San Andrés), Guillermo Marzik (Instituto Sabato – UNSAM), Luis Eduardo Garza Elizondo (Tecnológico de Monterrey) y Diego Pérez Villanueva (UNAM), todos trabajando en temas que van desde el aprendizaje automático hasta el procesamiento del lenguaje natural.

Te puede interesar: Samsung abre convocatoria para aprender Inteligencia Artificial y habilidades digitales: así puedes postularte

Con esta nueva generación de becarios, Google refuerza su visión de que la ciencia y la tecnología deben avanzar de forma colaborativa. Para la compañía, apoyar el talento joven no es solo una inversión en conocimiento, sino una apuesta directa por el futuro de la innovación responsable.

“Creemos firmemente que apoyar la ciencia fundamental llevará a una generación de nuevos conocimientos, lo que impulsa la innovación y genera un amplio impacto social”, expresó Leslie Yeh, director de Progreso Científico en Google.org.

El reconocimiento a los dos colombianos no solo posiciona al país dentro de los circuitos de investigación tecnológica global, sino que también demuestra el potencial de la academia nacional cuando cuenta con apoyo estratégico. En un entorno donde la inteligencia artificial redefine industrias, su trabajo abre la puerta a nuevas soluciones desde América Latina hacia el mundo.

¿Cómo funciona V-JEPA 2?

V-JEPA 2 es la segunda generación de una arquitectura desarrollada por el equipo de investigación fundamental en IA de Meta. A diferencia de los sistemas clásicos, no depende de anotaciones humanas. Se entrena viendo vídeos y aprende por observación, anticipando lo que puede suceder, imaginando acciones y tomando decisiones sobre cómo resolver una tarea.

Ya no se trata de seguir instrucciones al pie de la letra, sino de interpretar metas y actuar con flexibilidad. Meta ha probado este sistema en robots reales que lograron tareas simples como mover objetos, incluso en espacios que no conocían. El robot no imita, razona en función del entorno, como lo haría cualquier persona al enfrentarse a una situación nueva.

Te puede interesar: Inteligencia Artificial General (IAG): el enigmático grupo secreto de Meta que lidera su desarrollo ¿De qué se trata?

Inteligencia contextual en acción

Con una arquitectura de 1.200 millones de parámetros, este modelo construye lo que se conoce como un “espacio latente”. Es una representación interna que le permite simular futuros posibles y elegir la mejor acción. Ya no repite pasos programados, sino que adapta su comportamiento según la situación.

Aunque es avanzado, tiene límites. Por ahora, solo opera en una escala temporal, lo que dificulta tareas complejas como cocinar o armar objetos. Meta trabaja para que integre más sentidos como sonido o tacto, y así aumentar su capacidad de adaptación.

Un modelo abierto para avanzar

En línea con su visión de una IA colaborativa, Meta ha liberado el código de V-JEPA 2 y ha publicado tres nuevos benchmarks diseñados para evaluar la capacidad de estas tecnologías para razonar sobre el mundo físico a partir de vídeos. Esta apertura busca impulsar el trabajo conjunto con la comunidad científica y acelerar los avances en este campo.

El objetivo final es crear sistemas capaces de desenvolverse de forma autónoma en el mundo real sin depender de scripts ni escenarios preparados. La compañía avanza así hacia una inteligencia artificial que no solo ve, sino que entiende, aprende y actúa, adaptándose a lo inesperado. Un paso más hacia una tecnología verdaderamente útil.

Imagen: Generada con IA / ChatGPT

¿A quién va dirigido este proyecto?

Los cursos están dirigidos principalmente a docentes y estudiantes, pues el objetivo es integrar el uso de IA en las aulas de clase. Sin embargo, cualquier ciudadano que esté interesado en aprender sobre Inteligencia Artificial y ciencias de la computación podrá acceder a la formación en línea. 

¿Cómo se puede participar?

Los interesados deberán buscar el curso que más se ajuste a sus intereses en la plataforma de Sociedad Digital. La inscripción está abierta para cualquier persona interesada en adquirir o mejorar sus habilidades en IA. Puedes consultar los cursos en este enlace. 

Te puede interesar: Hackathon Belcorp 5.0: una competencia en la que puedes ganar hasta 10.000 USD

¿Qué ofrece la convocatoria?

La alianza ofrece cursos gratuitos como:

Introducción a la IA para docentes: capacitará a los maestros en la transformación de su enfoque pedagógico mediante el uso de herramientas de IA en el aula. Aprenderán a integrar eficazmente la Inteligencia Artificial en la enseñanza.

IA para Océanos: este curso adopta una narrativa centrada en los océanos, permitiendo a los estudiantes desarrollar sus propios modelos de aprendizaje automático para abordar la problemática de la limpieza de los océanos. Combina la tecnología con la conciencia ambiental.

Cómo funciona la Inteligencia Artificial y el aprendizaje automático: este curso ofrece una introducción práctica sobre el desarrollo de modelos de aprendizaje automático. Los estudiantes aprenderán cómo las computadoras trabajan los datos para tomar decisiones, y crearán sus propios proyectos de aprendizaje automático utilizando datos del mundo real.

El objetivo es democratizar el acceso al conocimiento sobre IA en Colombia, integrar la enseñanza de IA y ciencias de la computación en el currículo educativo y potenciar el uso de la tecnología en la práctica pedagógica.

Imagen: John Schnobrich

Pues bien, poder enseñarle a un robot que camine como lo hacemos  nosotros  ha sido una de las grandes limitaciones en la programación de estas máquinas. Hoy sus investigaciones apuntan a que los robots humanoides puedan realizar tareas tan complejas como caminar de manera estable, y uno de sus anhelos a futuro es lograr que compitan en deportes como el tenis de mesa, por ejemplo.

¿Cómo la ha hecho?

Según la agencia de noticias UNAL, mediante procesos de simulación, los ingenieros suelen crear modelos virtuales de robots para experimentar en ellos, optimizarlos y evaluar su rendimiento antes de construir un prototipo físico. El problema es que los resultados de una simulación no son idénticos a los de un entorno real.

“A esas diferencias se les conoce como la ‘brecha de la realidad’, y esa fue la principal motivación de mi trabajo de investigación en el contexto de la robótica bípeda”, explica el doctor Yanguas.

Te puede interesar: Robots chilenos con IA llegan a Colombia: ¿Reemplazarán a trabajadores? ¿Dónde los encontrarás?

Su estudio se enfocó en desarrollar algoritmos que les permitieran a los robots aprender de los movimientos humanos y mejorar su desempeño a través de pruebas y errores controlados.

 “Tomamos datos de cómo caminamos los humanos y les enseñamos a los robots a imitar esos movimientos. Luego, mediante técnicas de aprendizaje por refuerzos, los robots van mejorando su habilidad para caminar sin caerse”, indica.

Con robots de bajo costos

El ingeniero trabajó con dos robots humanoides de bajo costo: Darwin, un modelo mini de 27 cm propiedad de la UNAL, y Maxe 2, un robot de 40 cm que él utilizó durante su pasantía doctoral en la Universidad de Quebec en Trois-Rivières, Canadá.

Para  lograrlo, el investigador tuvo en cuenta el concepto de “grados de libertad”, que describe el número de movimientos independientes que puede realizar una articulación. 

Es decir,  Reinerio  dice que “nosotros los humanos, con una estatura promedio de 1,75, tenemos 58 grados de libertad. Por ejemplo, el hombro tiene 3 porque puede realizar movimientos en tres direcciones distintas. En los robots este número es más reducido; Darwin tiene 16 en total y Maxe 2 tiene 17”, explica.

Robótica clásica para innovar

El ingeniero utilizó la robótica clásica como punto de partida para aplicar técnicas y principios establecidos en el campo, creando una “plantilla” básica que guiara a los robots en su forma de caminar. Mediante cálculos matemáticos y modelos logró que estos mantuvieran el equilibrio mientras se desplazaban.

En una segunda fase, denominada “aprendizaje por imitación”, empleó datos de captura de movimiento de humanos caminando para enseñarles a los robots a moverse de manera similar. Sin embargo, debido a las diferencias en tamaño y forma entre humanos y robots, estos movimientos se tuvieron que ajustar para evitar caídas.

El siguiente paso fue aplicar el “aprendizaje por refuerzo”, que permitió mejorar las habilidades de los robots a través de la experiencia. Esto quiere decir que como el robot ya tenía una idea básica de cómo caminar, gracias a la imitación, el ingeniero hizo que los robots realizaran pruebas para ajustar y mejorar su técnica de caminar.

“La última parte fue la integración de los pilares para conseguir los mejores resultados; esta fase es especialmente crítica ante la brecha de la realidad, aprendizaje por refuerzo e integración de estos enfoques”, comenta.

Al implementar este componente final logró que los robots no solo caminaran en simulación, sino también en el mundo real, reduciendo la “brecha de la realidad” que les preocupa a los investigadores en este campo.

“Los robots fueron capaces de caminar cada vez mejor hasta llegar a un comportamiento optimizado, es decir que se movieron rápido, gastando la menor cantidad de energía posible”, detalla el egresado de la UNAL.

Aclara además que los resultados obtenidos en este estudio se podrían emplear para que los robots realicen actividades más complejas, como por ejemplo correr en una pista de obstáculos.

Imagen: Archivo ENTER.CO

Según informó TechCrunch, Zoom anunció que tiene la intención de adquirir la startup alemana Karlsruhe Information Technology Solutions, Kites para abreviar, para llevar la traducción basada en aprendizaje automático en tiempo real a la plataforma. Esto cobra relevancia ahora que más empresas se expanden por el mundo y tienen la necesidad de conectarse digitalmente a través de herramientas como Zoom.

Si bien no se conocen aún muchos detalles del acuerdo, Zoom adquiriría un equipo de los mejores investigadores, que pueden ayudar a mejorar el conocimiento de traducción con machine learning en la empresa. “El talentoso equipo de Kites de 12 científicos ayudará al equipo de ingeniería de Zoom a avanzar en el campo de la traducción automática. Se espera mejorar la productividad y la eficiencia de las reuniones, proporcionando traducción en varios idiomas”, dijo la compañía en un comunicado.

Te puede interesar: Zoom ilimitado para planes pospago empresariales de Claro.

El acuerdo parece una adquisición / contratación, ya que lo que se busca es incorporar a estos 12 investigadores al grupo de ingeniería de Zoom. Sin embargo, los investigadores permanecerían en Alemania con el objetivo de construir un centro de investigación y desarrollo en torno a la traducción con aprendizaje automático.

Kites, fundada en 2015, argumenta contar con 56 años de experiencia colectiva en I + D en procesamiento de voz e inteligencia artificial. Y según su fundador y CEO, el Dr. Sebastian Stüker, el propósito de la compañía es “hacer que las barreras del idioma sean cosa del pasado. No queremos buscar cosas en diccionarios; queremos comunicarnos más libremente. Así que construimos una máquina para hacerlo posible”.  Adicionalmente, la compañía menciona en su perfil de LinkedIn que es una de las pocas empresas, incluidas Google y Microsoft, que han desarrollado “tecnologías líderes de traducción y reconocimiento de voz”, lo que sugeriría que Zoom adquiriría algunas tecnologías clave.

Imagen: Tessa Kavanagh en Pixabay.

Debbie Weinsten, vicepresidenta de YouTube y soluciones de video globales de Google, le aseguró al portal TechCrunch que aunque puede parecer ridículo tratar de comprimir una historia que pasa por ejemplo en un video de 90 segundos en seis, sí puede tratarse como un tráiler del original.

El sistema se llama Bumper Machine y, de acuerdo con Weinstein, puede ser usado de muchas maneras por los publicistas. Por ejemplo, pueden crear una historia de varios videos entrelazados, otros pueden considerar la idea como un punto de partida para después hacer videos más largos. Al final, la ejecutiva de YouTube aseguró que igual siempre será necesario un ojo humano que dé el ‘ok’.

El sistema de YouTube busca elementos claves con aprendizaje automático

Con Bumper Machine, que estaría en modo de prueba, los usuarios o empresas que hacen publicidad en la plataforma podrían escoger una sección de su video “largo” para generar una versión corta.

El sistema, aparentemente, buscaría elementos claves como un encuadre claro de un producto o una voz en segundo plano y agregaría un llamado a la acción al final.

El siguiente ejemplo fue publicado por el portal 9to5 Google. El primer video es  el original de 13 segundos:

El siguiente video es la versión corta creada por ‘Bumper Machine’:

https://youtu.be/UCz1dXFCE9o

Imagen: Archivo de ENTER.CO.

Teniendo en cuenta lo anterior, diferentes empresas han tenido problemas en cómo y a quiénes les venden su tecnología. Por ejemplo, cientos de empleados de Amazon firmaron una carta pidiéndole a la empresa que dejará de suministrar su tecnología de reconocimiento facial a las fuerzas militares de Estados Unidos.

Así mismo, Google hace unos meses anunció que no vendería su tecnología de inteligencia artificial y reconocimiento facial pero que trabajaría con organizaciones y fundaciones para usar esta tecnología de forma que le beneficie a la humanidad.

Sin embargo, parece que los planes han cambiado y Google sí quiere sacarle provecho comercial a sus desarrollos en inteligencia artificial y reconocimiento facial. Pero para evitar problemas –o como medida de contingencia– ha decidido crear un Consejo asesor externo de tecnología avanzada, explicó Google en un comunicado.

Qué es el Consejo asesor externo de tecnología avanzada de Google

La idea es que este consejo le ayude a evaluar a la empresa cómo se puede usar y los límites de la inteligencia artificial. Por ejemplo, usos del reconocimiento facial y equidad en el aprendizaje automático. Para esto se reunirán cuatro veces al año para evaluar los avances de la compañía y dar una retroalimentación.

Los miembros del consejo también fueron presentados en el comunicado. En total son ocho personas reconocidas por su trabajo en tecnología y específicamente en inteligencia artificial, entre los más destacados personajes está Alessandro Acquisti, investigador de la privacidad y del comportamiento de la economía, y De Kai, investigador de procesamiento natural del lenguaje, tecnología musical y aprendizaje automático.

Imagen: Google y Andrey Popov (Vía iStock).

El grupo de investigación se centró en desarrollar una tecnología que redujera la latencia de movimiento y el desenfoque. Estas últimas son conocidas como dos de las fuentes más comunes de náuseas para los usuarios de lentes VR.

En otras palabras, el sistema creado por el grupo de investigación disminuye el retraso entre el movimiento del usuario y el de las pantallas. Además, evita los dolores de cabeza, efecto borroso y mareo cuando se usa un set de realidad virtual por mucho tiempo.

AI para reducir el movimiento en realidad virtual

El grupo de estudio e investigación de la Universidad Sogang desarrolló un algoritmo de aprendizaje automático. Este aumenta las imágenes de baja resolución a imágenes de alta resolución en tiempo real y es el encargado de reducir el retraso a una quinta parte de lo que cualquier otra pantalla es capaz.

Además, los ingenieros que trabajaron en esta nueva pantalla desarrollaron un motor que simula el movimiento del cuello. También crearon un sistema óptico, inspirado en la corteza visual humana, para ayudar con el propósito de las pantallas.

Esta es la primera vez que usan inteligencia artificial y aprendizaje automático para ayudar a la realidad virtual a reducir este tipo de efectos en los usuarios. Sin embargo, no es la primera vez que se usa este tipo de tecnología para mejorar la experiencia al usar realidad aumentada y VR, como lo pudimos ver con el Mirage Solo de Lenovo.

“Este estudio de LG Display y la Universidad Sogang desarrolla una nueva tecnología para la realidad virtual. La cual está enfocada en mejorar  y reforzar el sistema gráfico a través de inteligencia artificial. Esto lo hicimos sin recargar la GPU (unidad de procesamiento gráfico de los dispositivos). Además no crea sobre costos en la fabricación de un  set de VR”, comentó el profesor a cargo del grupo de investigación, King Seok-ju.

Imagen: StockSnap (vía Pixabay).

Hasta hace poco, ‘Overwatch’ tenía un serio problema con sus jugadores tóxicos. En recientes meses el juego realizó pequeñas mejoras para mejorar la experiencia de sus usuarios. Según Jeff Kaplan, director del juego, Blizzard ahora está explorando la opción de usar aprendizaje automático para detectar con mayor rapidez estos comportamientos.

La primera barrera: ¿qué es lenguaje tóxico?

Según un artículo del portal Kotaku, la compañía detrás de ‘Overwatch’ está jugando con AI para enseñarle comportamientos tóxicos. “Hemos estado experimentando con el aprendizaje automático… tratando de enseñar a nuestros juegos qué es el lenguaje tóxico, lo cual es un poco divertido. La idea es que no tienes que esperar un informe para determinar que algo es tóxico”, afirmó Kaplan.

Por supuesto, el equipo reconoce que hay ciertos límites y desafíos en el uso de aprendizaje automático. Uno de los más importantes es el contexto. Por ejemplo, el uso del lenguaje en una partida con un completo desconocido y otra con un amigo cercano. No solo eso, Kaplan quiere ir más lejos y entrenar a sus computadores para que también reconozcan comportamientos tóxicos al momento de jugar. “Con todo lo que implique informar y castigar a los jugadores, debes comenzar con los casos más extremos y luego encontrar la manera de relajarte después de eso”, afirmó.

El plan a futuro

En su entrevista, Kaplan entiende que la meta que Blizzard se propuso no es fácil de alcanzar. Sin embargo, estos esfuerzos son parte de la iniciativa The Fair Play Alliance. Con ella se busca eliminar la mentalidad de que los comportamientos tóxicos son un ‘mal natural’ de los juegos en línea. En esta campaña cuentan con el apoyo de Twitch y Riot Games (‘League of Legends’).

Uno de los elementos más interesantes de esta propuesta es que no solo se enfoca en los malos comportamientos. La iniciativa también busca encontrar maneras de incentivar comportamientos positivos. Para esto, el uso de aprendizaje automático también puede ser una herramienta estratégica. “Podemos comenzar a mirar hacia el futuro y hablar de cosas como, ¿cuál es la versión positiva de los informes?… Los reportes dicen: ‘Oye, Adrian fue realmente malo y quiero castigarle por eso’, pero ¿cuál es la versión en la que puedo decir ‘Ese tipo Adrian fue un compañero increíble y estoy tan contento de haberlo tenido’?”

Imágenes: Blizzard

De acuerdo con The Verge, en abril, la compañía recibió un permiso para probar autos sin conductor en California. Posteriormente, en junio, el CEO de Apple, Tim Cook, confirmó que estaban trabajando en un software que podría permitir a los automóviles conducirse ellos mismos. Recientemente, el director de investigación de inteligencia artificial de Apple, Ruslan Salakhutdinov, ofreció una charla en la que habló sobre algunos de los avances recientes de la compañía en aprendizaje automático que serían útiles para dicho proyecto.

Según Wired, Salakhutdinov habló ante un grupo de expertos en Inteligencia Artificial al final de la conferencia de los Sistemas de Procesamiento de Información Neural (NIPS) de este año en Long Beach, California. Allí dio detalles de cómo Apple utiliza el aprendizaje automático para analizar datos desde las cámaras de un vehículo. También habló sobre los avances en el uso de IA para detectar peatones y ciclistas en la vía.

La Inteligencia Artificial será la aliada de Apple

Salakhutdinov también reveló esfuerzos en otros proyectos. Uno de estos es un software que utiliza las cámaras de un automóvil para identificar objetos. De modo que puede detectar automóviles y peatones, así como los carriles por donde se puede conducir. También mostró imágenes de cómo funciona el sistema cuando los lentes de las cámaras están oscurecidos por gotas de lluvia. El software puede inferir dónde están los peatones cuando la niebla u otros autos estacionados los ocultan.

Salakhutdinov también explicó que usan una técnica llamada SLAM para permitir que el software tenga un sentido de dirección. Este mismo se usa en la creación de mapas y la realidad aumentada. Otro proyecto toma los datos de los automóviles y los usa para ayudar a construir mapas con más detalle. Según Wired, el ingeniero no habló específicamente sobre cómo estos proyectos encajan en el proyecto de Apple, pero parece que el enfoque de Apple estará en desarrollar los ‘cerebros’ que eventualmente conducirán los autos de manera segura.

Imagen: Pexels.

De acuerdo con BuzzFeed News, al introducir términos como ‘How to have’, el buscador completaba con frases como ‘s*x with kids’ y ‘s*x in school’. Así que, muchas marcas empezaron a retirar sus anuncios porque no querían que se les relacionaran con ese contenido. Por supuesto, estas sugerencias de búsqueda ya no aparece en YouTube. La plataforma no tardó en corregir este error gracias a los avisos de los usuarios y a los medios que denunciaron lo que estaba sucediendo.

Un vocero de YouTube le dijo a BuzzFeed News que el asunto aún está bajo investigación. “Hoy temprano nuestros equipos fueron alertados de este horrible resultado y trabajamos para eliminarlo rápidamente. Estamos investigando este asunto para determinar qué había detrás de la aparición de esto”.

Lo cierto es que, Google, la empresa matriz de YouTube, ha recibido diversas críticas por resultados controvertidos en las búsquedas. En un esfuerzo por educar a los usuarios sobre sus resultados algorítmicos, la compañía detalló su funcionamiento en una publicación en su blog el año pasado.

En dicha publicación, Google señaló que el “algoritmo de autocompletar está diseñado para evitar completar una búsqueda del nombre de una persona con términos ofensivos o despectivos”. La publicación también destacó que “Autocompletar no es una ciencia exacta, y el resultado de los algoritmos de predicción cambia con frecuencia. Las predicciones se producen en función de una serie de factores, incluida la popularidad y la frescura de los términos de búsqueda”.

Para reflexionar: ¿es culpa de YouTube?

La cuestión es que los algoritmos son intrínsecamente imperfectos. Las computadoras tienen dificultades para identificar el valle extraño que separa un simple video de uno que es completamente inapropiado. Por supuesto, los videos que violan los términos del servicio de YouTube pueden ser marcados y eliminados. YouTube también usa filtros algorítmicos para capturarlos antes de que se publiquen. El sistema no es perfecto, pero YouTube parece estar comprometido con él.

Entonces, ¿es culpa de una compañía tecnológica? Por supuesto no. YouTube soporta una tremenda carga a la hora de decidir cómo dejar subir los videos correctos y evitar los malos. Muchos se sorprenden cuando la plataforma no capta todos los videos inapropiados. Pero quienes graba esos videos son realmente el problema. Queda por ver si eso dice más sobre las limitaciones de YouTube o las propias perversiones humanas.

Imagen: Captura de pantalla, Pixabay.

Una de características de la inteligencia artificial en nuestros smartphones es que funciona en línea. Es decir, el equipo debe estar conectado a internet de algún modo para que los motores de inteligencia puedan funcionar y aprender del usuario. Sin embargo, como se informó a través de uno de los blogs oficiales, Google está probando una nueva forma para entrenar los algoritmos de su inteligencia artificial a nivel local, en el equipo de cada usuario.

El método que está probando Google se conoce como aprendizaje federado. Este método permite descentralizar el trabajo de la inteligencia artificial. Este método no reúne la información de los usuarios en un solo lugar -los servidores de Google- para entrenar los algoritmos. Por el contrario, este proceso de aprendizaje ocurre directamente en el dispositivo de cada usuario.

En la actualidad, Google está probando el aprendizaje federado a través de su teclado Gboard en dispositivos Android. Así, Gboard sugiere términos de búsqueda con base en los mensajes del usuario. Posteriormente el teclado tiene en cuenta qué sugerencias fueron escogidas por el usuario y cuáles pasadas por alto. Así, esta información permite personalizar los algoritmos de la aplicación directamente en cada smartphone.

Los beneficios del aprendizaje federado para la inteligencia artificial

De acuerdo con Google, esta forma de aprendizaje automático tiene muchos beneficios para los usuarios. En primer lugar, permite mayor privacidad pues los datos que se usan para mejorar la aplicación de búsqueda nunca salen del equipo. Por otro lado, los algoritmos se actualizan más rápidamente pues el usuario no debe esperar a que los datos vayan a Google, sean analizados y lleguen junto con las actualizaciones.

La compañía, además, afirma que este proceso no interferirá con la autonomía de batería del equipo, pues el proceso de entrenamiento solo ocurrirá cuando el equipo está en reposo, conectado a la corriente y a una red Wi-Fi.

Imágenes: Google. 

Navegación en interiores, la clasificación de imágenes, realidad aumentada, el reconocimiento de voz y la traducción de idiomas serían las nuevas funcionalidades que los teléfonos inteligentes vendidos este año portarán en su software, de acuerdo con el informe Predicciones de Tecnología, Medios y Telecomunicaciones -TMT 2017- realizado por Deloitte Global.

Esta nueva característica comenzará a aplicarse, de acuerdo con Deloitte Global, en 300 millones de teléfonos inteligentes, lo que equivale a un quinto del total de dispositivos que se adquieran desde este año. Lo mejor de esto es que no estará únicamente destinado a los smartphones ya que drones, tabletas, automóviles, dispositivos de realidad virtual o aumentada, herramientas médicas, entre otros, incorporarán estas funcionalidades en sus diseños.

Nelson Valero, líder de Deloitte Colombia para la industria de Tecnología, Medios y Telecomunicaciones dijo que “el aprendizaje automático móvil es un punto de entrada fuerte para mejorar las respuestas a ayuda en desastres, ayudar a salvar vidas con los vehículos autónomos y hasta inclinar la balanza contra los ataques cibernéticos”.

Sin embargo, para que esto sea una realidad, es necesaria la masificación del uso de dispositivos inteligentes y el Internet de las Cosas -IoT-, porque en la actualidad es muy bajo. Y esta conclusión sale de las estadísticas de la encuesta para el informe, ya que solo el 4% dijo que ha usado su celular para cambiar la temperatura de su hogar, verificar el uso de electricidad o gas y prender el aire de su carro.

Además, el estudio reveló que en 2017 se espera que se venda aproximadamente un 10% menos de tabletas para un total de 165 millones, en comparación con el registro de 2016 de 182 millones de unidades, dando a entender que su máximo periodo de demanda ya pasó. Mientras tanto, los televisores, smartphones y computadores sobrepasan estas estadísticas de forma amplia.

Pero una noticia no tan buena tiene que ver con los ciberataques, ya que el estudio reveló que cada vez serán más grandes, frecuentes y más difíciles de mitigar. En promedio se espera que haya un ataque de denegación de servicio distribuido -DDoS- de escala de 1 terabit por segundo -Tbit/s- por mes. Por ello, habría 10 millones de ataques en 2017 y un promedio de tamaño de ataque entre 1.25 y 1.5 gigabits por segundo -Gbit/s-. Todo esto debido al número creciente de dispositivos en el IoT como también el incremento de la velocidad de ancho de banda.

Sector automotor

En este sector el estudio predice que el frenado autónomo -AEB- tenga una gran acogida, que de forma económica salve un importante número de vidas, como también que impulse el tiempo de adopción de vehículos completamente autónomos. En Colombia solo el 4% cuenta con los denominados ‘vehículos conectados’, mientras que solo el 7% está interesado en adquirir este tipo de vehículos en los próximos 12 meses.

Biometría

Diferentes dispositivos portarán lector de huellas para intensificar el uso de la seguridad biométrica. A nivel mundial se espera que la base activa de estos sistemas en equipos sobrepase los mil millones por primera vez durante los primeros meses de este año, pero si cada sensor fuese usado 30 veces al día la cifra ascendería exponencialmente a los 10 billones de activaciones durante un solo año. Una vez esta tecnología sea adoptada del todo se podría comenzar a pensar en desarrollar aplicaciones adicionales para detectores de huellas dactilares y demás datos biométricos que brinden autenticaciones rápidas y seguras.

Música

El resurgimiento del vinilo también tuvo su espacio. Se espera que este negocio supere los mil millones de dólares en ventas a nivel mundial. Esta cifra hace parte del 6% del pronóstico global de ingresos por música, que asciende a 15 mil millones de dólares. Pero lo que sí está claro es que, a pesar de incrementar en dos dígitos las cifras, el vinilo no volverá a ser el principal elemento de crecimiento para la industria de la música ya que su evolución va hacia lo digital.

Imagen: iStock.