Archivo de la etiqueta: Inteligencia artificial

La inteligencia artificial en la publicación: Libro Blanco

White Paper: Artificial Intelligence in Publishing. Frankfurter Buchmesse/Gould Finch, 2020

Texto completo

La Inteligencia Artificial (IA) siempre ha tenido un atractivo fantástico. Las ideas imaginativas de la tecnología superhumana futurista proporcionan un material interminable para la narración de historias, inspirando a los humanos a crear mundos donde lo imposible se realiza con facilidad. Sin embargo, estas ideas, una vez en casa en sueños aparentemente distantes, están pasando de la ficción a la realidad a medida que la IA continúa arraigándose en las prácticas comerciales comunes. Mientras que la publicidad que rodea a los avances en la IA se limita a menudo a los campos de la tecnología, muchos en las industrias creativas están tomando nota.

Términos específicos de la IA como Big Data, análisis predictivo y procesamiento de lenguaje natural se convierten en palabras familiares. Para las empresas que implementan la IA de la manera correcta y en el momento adecuado, los sistemas establecidos para interrumpir las industrias basadas en la tecnología se convierten en las mismas herramientas con las que escalarán su camino hacia la cima.

A medida que aumentan los debates sobre la IA, también aumenta el bombo y, por tanto, la confusión. que lo rodea. Los resultados de más de seis meses de investigación de una encuesta internacional de ~300 participantes, además de entrevistas y conversaciones con profesionales de la industria, entre ellos muchos directores generales, editores y representantes de diferentes funciones, el siguiente Libro Blanco es el resultado del esfuerzo conjunto de la Feria del Libro de Frankfurt y la consultoría de gestión Gould Finch para desmitificar la IA y ayudar a quienes trabajan en la industria editorial (incluida la publicación de libros, revistas, periódicos y editoriales digitales) a comprender su aplicación en las prácticas comerciales mediante la contextualización de las tecnologías básicas que la impulsan. Dadas las distintas etapas de desarrollo de las diferentes tecnologías de la IA, es demasiado pronto para afirmar definitivamente cómo cambiarán la industria editorial, pero sin duda el impacto será inmenso. En el presente documento se exponen los retos a los que se enfrentan actualmente las empresas al considerar la mejor manera de aplicar la IA y se presentan sugerencias sobre dónde concentrar los esfuerzos y la atención para obtener los mayores beneficios.

Frontiers desarrolla un asistente de revisión por pares de Inteligencia Artificial

 

mzy2njqwma

 

Peer Review of Scholarly Research Gets an AI Boost By Payal Dhar IEE Spectrum. Posted 27 Jul 2020 | 19:00 GMT

Texto completo

 

En el mundo académico, la revisión por pares se considera la única validación creíble del trabajo académico. Aunque el proceso tiene sus  detractores, la evaluación de la investigación académica por un grupo de expertos ha durado más de 350 años, con ” cambios relativamente menores“. Sin embargo, es posible que la revisión por pares experimente su mayor revolución: la integración de la inteligencia artificial.

El editor de acceso abierto  Frontiers  ha presentado una herramienta de IA llamada Artificial Intelligence Review Assistant (AIRA), que pretende eliminar gran parte del trabajo duro asociado con la revisión por pares. Desde principios de junio de 2020, cada una de las más de 11.000 artículos recibidos por Frontiers se ha analizado a través de AIRA, que está integrada en su plataforma colaborativa de revisión por pares.

En conjunto, esto ayuda a “maximizar la eficiencia del proceso de publicación y hacer que la revisión por pares sea más objetiva”, dice  Kamila Markram , fundadora y CEO de Frontiers.

En la etapa de validación inicial, la IA puede hacer hasta 20 recomendaciones y señalar posibles problemas, incluida la calidad del lenguaje, el plagio, la integridad de las imágenes, los conflictos de intereses, etc. “Esto sucede casi instantáneamente y con alta precisión, mucho más allá de la velocidad a la que se podría esperar que un humano complete una tarea similar”, dice Markram.

 

¿Es lo mismo inteligencia Artificial que Machine Learning?

 

test

 

Fatima Syed. AI and ML: Are they one and the same?. Maaken,  July 3, 2020

Ver completo

 

La Inteligencia Artificial, alias IA, hizo su debut en la vida real y se convirtió en la palabra de moda del siglo XXI, proporcionándonos nuevas ideas para explorar e increíbles posibilidades. Y justo cuando nos estábamos acostumbrando a la IA nos introdujeron en el Aprendizaje Futurista, el Aprendizaje Profundo, la PNL y otro término que a menudo confundimos con IA: Aprendizaje Automático (ML).

De repente, el futuro ya está aquí, y es difícil seguir el ritmo de los avances de estas tecnologías, lo que significa cada término y cómo se relacionan entre sí, sobre todo cuando se trata de la IA y el ML, que a menudo se perciben como intercambiables.

Pero mientras que la IA y la ML caen en el mismo dominio, son significativamente diferentes – cada una de ellas tiene una aplicación y un resultado específico.

Según John McCarthy, uno de los padrinos de la IA, “la IA es la ciencia y la ingeniería de hacer máquinas inteligentes”. la IA es el superconjunto mientras que la ML es su subconjunto. Esta última se utiliza más predominantemente en áreas con enormes conjuntos de datos que abarcan las “3 V” de Big Data: Volumen, velocidad y variedad. La IA, por otro lado, cubre no sólo la ML sino también otras ramas incluyendo el Procesamiento del Lenguaje Natural, Aprendizaje Profundo, Visión por Computadora y Reconocimiento del Habla. Sin embargo, tanto la IA como el ML tienen un objetivo común: lograr una inteligencia a una escala que supere a la inteligencia humana natural.

Todo lo que tiene un sistema inteligente y toma decisiones basadas en los datos introducidos puede considerarse una máquina impulsada por la IA, ya sea un coche, la cerradura de una puerta o incluso una nevera. Siempre que una máquina puede completar “inteligentemente” un conjunto de tareas basadas en algunos algoritmos sin la intervención humana, se denomina inteligencia artificial.

Un subconjunto de la IA, el ML se refiere a las máquinas que aprenden a causa de algún tipo de conocimiento previo, lo que las hace más inteligentes y con mayor probabilidad de dar resultados cercanos a la inteligencia humana. Los sistemas de ML entrenan a una máquina a aprender y aplicar la toma de decisiones cuando se enfrenta a nuevas situaciones y están diseñados para hacerse más inteligentes con el tiempo. Lo que comenzó como la IA está llevando ahora a los principales dispositivos a adoptar el ML debido a su probabilidad de dar mejores resultados, y con la aparición de Big Data el ML ha ganado velocidad y ahora es utilizado por algunas de las compañías de tecnología más poderosas del mundo, como Google, IBM, Baidu, Microsoft y Apple. El entrenamiento de un modelo de ML requiere proporcionar a los algoritmos un fragmento de Big Data y uno de los muchos modelos de aprendizaje con el fin de extraer información procesada y significativa, automatizando así el proceso.

Los riesgos de privacidad del Zoom

 

d0862e46-a1f5-464f-8bed-7ecfd241dd87

 

Dima Kagan , Galit Fuhrmann Alpert , and Michael Fire. Zooming Into Video Conferencing Privacy and Security Threats. ArXiv, 2020

Texto completo

 

Dado que el distanciamiento social y la cuarentena en el lugar motivados por la pandemia hacen imposibles las reuniones físicas, cientos de millones de personas de todo el mundo han recurrido a las plataformas de videoconferencia como sustituto. (En abril, los equipos de Microsoft, Zoom y Google Meet superaron los 75, 300 y 100 millones de usuarios respectivamente). Pero a medida que las plataformas se utilizan ampliamente, están surgiendo fallos de seguridad, algunos de los cuales permiten a los actores malintencionados “espiar” las reuniones.

 

Es relativamente fácil extraer información personal, incluyendo imágenes de rostros, edad, sexo y nombres de las capturas de pantalla públicas de las reuniones de video, según los investigadores de la Universidad Ben-Gurion. Los coautores de un estudio recientemente publicado dicen que una combinación de procesamiento de imágenes, reconocimiento de texto y análisis forense les permitió cruzar los datos del Zoom con los de las redes sociales, demostrando que los participantes en las reuniones podrían estar sujetos a riesgos de los que no son conscientes.

En el estudio los investigadores primero curaron un conjunto de datos de imágenes que contenían capturas de pantalla de miles de reuniones utilizando Twitter y los web scrapers de Instagram, que configuraron para buscar términos y hashtags como “Zoom school” y “#zoom-meeting.”. Filtraron los duplicados y los posts que carecían de imágenes y usaron un algoritmo para identificar los collages de Zoom, con un total de 15.706 capturas de pantalla de reuniones. Luego realizaron un análisis de cada captura de pantalla de Zoom comenzando con la detección facial. Utilizando una combinación de modelos preentrenados de código abierto y la API Azure Face de Microsoft, dicen que fueron capaces de detectar rostros en las imágenes con una precisión del 80%; detectar el género; y estimar la edad (por ejemplo, “niño”, “adolescente” y “adulto mayor”). Además, afirman que una biblioteca de reconocimiento de texto de libre acceso les permitió extraer el 63,4% de los nombres de usuario de las capturas de pantalla correctamente.

Las referencias cruzadas de 85.000 nombres y más de 140.000 rostros arrojaron 1.153 personas que probablemente aparecieron en más de una reunión, así como redes de usuarios de Zoom en las que todos los participantes eran compañeros de trabajo. Según los investigadores, esto ilustra que no sólo que la privacidad de los individuos está en riesgo por los datos expuestos en las reuniones de videoconferencia, sino también la privacidad y la seguridad de las organizaciones.

“Demostramos que es posible utilizar los datos recogidos en las reuniones de videoconferencia junto con los datos vinculados recogidos en otras videoconferencias con otros grupos, como las redes sociales en línea, a fin de realizar un ataque de vinculación contra los individuos objetivo”, escribieron. “Esto puede poner en peligro la privacidad del individuo objetivo al utilizar diferentes reuniones para descubrir diferentes tipos de conexiones”.

Para mitigar los riesgos de la privacidad, los investigadores recomiendan a los participantes en la videoconferencia que elijan pseudónimos y fondos genéricos. También sugieren que las organizaciones informen a los empleados de los riesgos sobre la privacidad de las videoconferencias y que los operadores de videoconferencias como Zoom añadan modos de “privacidad” que impidan el reconocimiento facial, como los filtros de ruido gaussianos.

“En la actual realidad global de distanciamiento social, debemos ser sensibles a las cuestiones de privacidad en línea que acompañan a los cambios en nuestro estilo de vida a medida que la sociedad se ve empujada hacia un mundo más virtual”, añadieron los coautores.

No es la primera vez que las plataformas de videoconferencia se ven afectadas por problemas de privacidad. A principios de abril, Zoom esbozó un plan de 90 días durante los cuales congelaría las nuevas características para centrarse en la seguridad, alentada por incidentes de alto perfil. Y Microsoft corrigió un error que hizo posible que los atacantes robaran los datos de las cuentas de los equipos.

PimEyes: herramienta de reconocimiento facial por aprendizaje automático

 

ef4ee21f-pim

 

PimEyes

 

PimEyes es una herramienta avanzada que te ayudará a encontrar la cara que busca en Internet. Esto es posible gracias a la última tecnología: reconocimiento facial combinado con el poder del aprendizaje automático.

Puede enviar una imagen de la cara a PimEyes para encontrar a la persona en Internet. PimEyes utiliza algoritmos modernos de reconocimiento facial y el poder del aprendizaje automático para generar resultados de búsqueda de la más alta calidad. La aplicación se centra solo en reconocimiento de caras, la composición y los colores de la imagen no son importantes. El  motor de búsqueda no compara el corte de pelo, solo importan los rasgos faciales.

Según la información que proporciona la página, la imagen que envías a PimEyes se guarda temporalmente durante 48 horas. No almacena ningún dato privado de los usuarios. Buscar con PimEyes es seguro y está protegido. Si desea eliminar su imagen, utilice el botón especial “Informar abuso” en la esquina inferior derecha de cada resultado de búsqueda. Luego complete el formulario y envíe su solicitud.

Con la versión gratuita de PimEyes, puedes buscar en toda la base de datos de PimEyes. Sin embargo, si no es un miembro premium, no podrás averiguar dónde se encuentra una imagen específica. Los miembros Premium también tienen acceso a funciones adicionales, por ejemplo, filtros de búsqueda, y mayores límites de alertas de PimEyes.

Inteligencia artificial naturalmente: Un manual de convivencia entre humanos y máquinas para que la tecnología nos beneficie a todos

 

inteligencia20artificial20202020ontsi20250x250

 

Oliver, Nuria. Inteligencia artificial naturalmente: Un manual de convivencia entre humanos y máquinas para que la tecnología nos beneficie a todos. Madrid: ONTSI, 2020

Texto completo

 

Un manual de convivencia entre humanos y máquinas para que la tecnología nos beneficie a todos” es Nuria Oliver, Directora de Investigación en Ciencias de Datos en Vodafone y Chief Data Scientist en Data-Pop Alliance.

Basado es el discurso pronunciado por la autora en su ingreso a la Real Academia de Ingeniería, se centra en la Inteligencia Artificial, haciendo un breve recorrido por su historia, describiendo su impacto actual y planteando los retos que presenta desde diferentes perspectivas. Está escrito en primera persona, a fin de llevar de la mano a los lectores en el acercamiento a un tema complejo pero que afecta crecientemente la vida de todos

Inteligencia artificial en medicina y salud. Aplicaciones, disponibilidad e impacto social

 

120214_183359

 

Artificial Intelligence in Medicine and Healthcare: applications, availability and societal impact. Brussels: European Unión, 2020

Texto completo

 

Este informe revisa y clasifica las aplicaciones actuales y futuras de la Inteligencia Artificial (IA) en Medicina y Salud de acuerdo con su impacto ético y social y el nivel de disponibilidad de las diversas implementaciones tecnológicas. Proporciona bases conceptuales para un trabajo orientado a políticas bien informado, investigación y actividades prospectivas que aborden oportunidades y desafíos creados en el campo de la IA en Medicina y Salud.

Industria 4.0. Inteligencia artificial, IoT, trazabilidad y blockchain

 

image-34

 

Industria 4.0. Inteligencia artificial, IoT, trazabilidad y blockchain. DigitalES, 2020

Texto completo

 

España sigue mejorando en su proceso de desarrollo de la digitalización (puesto 45 en 2017 acorde al Business Usage Index incuído en el estudio de Siemens sobre “España 4.0”) gracias a los esfuerzos de la administración pública, las inversiones privadas, el liderazgo de algunas empresas, el talento residente y asociaciones como DigitalES que evangelizan y dinamizan el entorno empresarial y social con un gran impacto positivo. Desde la perspectiva de la Industria 4.0, entendida como la 4ª revolución industrial caracterizada por una operativa basada en sistemas ciber-físicos, existen unas tecnologías digitales primordiales que ya han demostrado su valor. El grupo de trabajo de DigitalES: Industria 4.0 (con aportaciones principales de GE Digital, PwC, EY, Minsait, IBM y Everis) ha identificado cuatro tecnologías que considera son las más susceptibles de generar valor industrial inmediato en España: Inteligencia Artificial (AI en inglés), Internet de las cosas (IoT), Blockchain (BC) y la Trazabilidad en la Cadena de Suministro. Estas tecnologías además se complementan unas a otras en la mejora de los procesos industriales de principio a fin. En general, estas tecnologías (o suma de las mismas) suponen oportunidades para la industria española referentes a la mejora de la eficiencia y flexibilidad productiva y de los niveles de servicio, y la generación de nuevos modelos de negocio. Y todas ellas se apoyan jugando papeles necesarios y complementarios en la Industria 4.0:

• la AI (Inteligencia Artificial) como el sw de algoritmos que produce inteligencia acorde a criterios industriales.

• el IoT (Internet de las cosas) permite la transmisión de dicha inteligencia entre dispositivos con acciones que mejoran la eficiencia industrial.

• la Trazabilidad que hace visible los bienes de equipos de principio a fin en la cadena de suministro para que las acciones del IoT que mejoran la eficiencia industrial puedan ser analizadas correctamente.

• y el Blockchain que registra en un entorno público o privado todo lo mencionado anteriormente de forma secuencial y acorde a los criterios de los múltiples participantes sin dependencia de terceros.

 

 

Los bibliotecarios del futuro serán archiveros de IA

 

nnavigator-logo-cropped-1589391044

 

The Librarians of the Future Will Be AI Archivists It isn’t easy to archive images. That’s where AI comes in. BY COURTNEY LINDER MAY 13, 2020

Texto completo

 

Un científico informático de la Biblioteca del Congreso está utilizando el aprendizaje automático para aislar imágenes históricas de archivos de periódicos digitales. El proyecto, llamado Newspaper Navigator, utiliza algoritmos ópticos de reconocimiento de caracteres para convertir caracteres escritos a mano o basados ​​en texto en un documento de búsqueda. El aprendizaje automático automatiza el proceso.

 

En julio de 1848, L’illustration, un semanario francés, imprimió la primera foto que apareció junto a una historia. Representaba las barricadas parisinas levantadas durante el levantamiento de los días de junio de la ciudad. Casi dos siglos después, el fotoperiodismo ha proporcionado a las bibliotecas millones imágenes de archivo que cuentan historias de nuestro pasado. Pero sin un enfoque metódico para curarlas, estas imágenes históricas podrían perderse en montones interminables de datos.

Es por ello que la Biblioteca del Congreso en Washington, DC está experimentando un proyecto sobre esta cuestión. Los investigadores están utilizando algoritmos especializados para extraer imágenes históricas de los periódicos. Si bien los escaneos digitales ya pueden compilar fotos, estos algoritmos también pueden analizarlas, catalogarlas y archivarlas. Esto dio como resultado 16 millones de páginas de periódicos en imágenes que los archiveros pueden visualizar con una simple búsqueda.

Ben Lee, en la Biblioteca del Congreso especialista en computación en la Universidad de Washington, encabeza lo que se llama Newspaper NavigatorSu conjunto de datos proviene de un proyecto existente llamado Chronicling America, que compila páginas de periódicos digitales entre 1789 y 1963.

Se dio cuenta de que la biblioteca ya se había embarcado en un viaje de crowdsourcing para convertir algunas de esas páginas de periódicos en una base de datos de búsqueda, con un enfoque en el contenido relacionado con la Primera Guerra Mundial. Los voluntarios podrían marcar y transcribir las páginas de periódicos digitales, algo que las computadoras no son capaces de hacer de una manera adecuada. En efecto, lo que habían construido era un conjunto perfecto de datos de entrenamiento para un algoritmo de aprendizaje automático que podía automatizar todo ese trabajo agotador y laborioso.

Newspaper Navigator se basa en la misma tecnología que los ingenieros utilizaron para crear Google Books. Se llama reconocimiento óptico de caracteres u OCR para abreviar, y es una clase de algoritmos de aprendizaje automático que pueden traducir imágenes de símbolos escritos a mano o escritos, como palabras en una página de revista escaneada, en texto digital legible por máquina. Pero las imágenes son algo completamente distinto.

 

screen-shot-2020-05-13-at-3-44-22-pm-1589399096

 

Utilizando el aprendizaje profundo, Lee creó un modelo de detección de objetos que podría aislar siete tipos diferentes de contenido: fotografías, ilustraciones, mapas, cómics, dibujos animados editoriales, titulares y anuncios. Lee también dice que, incluso a pesar de sus mejores esfuerzos, este tipo de sistemas siempre codificará algún sesgo humano. “Es fácil suponer que el aprendizaje automático resuelve todos los problemas, eso es una fantasía, pero en este proyecto, creo que es una oportunidad real para enfatizar que debemos tener cuidado de cómo usamos estas herramientas”.

La nueva herramienta de búsqueda de Google basada en inteligencia artificial ayuda a los investigadores con consultas sobre coronavirus

 

exuvhckwaaeql-m

Google Blog

COVID-19 research explorer tool

El equipo de inteligencia artificial de Google ha lanzado una nueva herramienta para ayudar a los investigadores a encontrar una gran cantidad de artículos, revistas y artículos sobre coronavirus. La herramienta de exploración de investigación COVID-19 es una  interfaz de búsqueda semántica que se encuentra en la parte superior del  conjunto de datos de investigación abierta COVID-19  (CORD-19). 

El equipo dice que los motores de búsqueda tradicionales son suficientes para responder consultas como “¿Cuáles son los síntomas del coronavirus?” o “¿Dónde puedo hacerme la prueba en mi país?”. Sin embargo, cuando se trata de preguntas más puntuales de los investigadores, estos motores de búsqueda y su  enfoque basado en palabras clave no logran obtener resultados precisos.

La nueva herramienta de Google ayuda a los investigadores a resolver ese problema. La base de datos CORD-19 tiene más de 50.000  artículos de revistas y trabajos de investigación relacionados con el coronavirus. Sin embargo, una simple búsqueda de palabras clave en los motores tradicionales no arrojaría resultados confiables. Sin embargo, la herramienta de Google utiliza la búsqueda semántica basada en la comprensión del lenguaje natural (NLU) para responder esas consultas.