Archivo de la etiqueta: Inteligencia artificial

TLDR sistema de inteligencia artificial que resumen los contenidos de investigación de un artículo en una sola frase

Funcionamiento de TLDR Ver. https://www.semanticscholar.org/author/Julio-Alonso-Ar%C3%A9valo/1403118477

Los TLDR (Too Long; Didn’t Read) son resúmenes super-cortos del objetivo principal y los resultados de un artículo científico generados usando el conocimiento de fondo de los expertos y las últimas técnicas de procesamiento del lenguaje natural (PLN) . Esta nueva característica está disponible en versión beta para casi 10 millones de artículos y contando en el dominio de la informática en Semantic Scholar.

Mantenerse al día con la literatura científica es una parte importante del flujo de trabajo de cualquier investigador, y analizar una larga lista de artículos de diversas fuentes mediante la lectura de los resúmenes de los artículos requiere mucho tiempo. TLDR: Extreme Summarization of Scientific Documents, es una nueva forma de resumen extremo, para documentos científicos, utilizando un novedoso protocolo de anotación que produce resúmenes de alta calidad a la vez que reduce al mínimo la carga de anotación.

El motor de búsqueda de información científica Semantic Scholar ahora incluye un nuevo modelo de inteligencia artificial que ofrece un breve extracto sobre cada artículo científico para ayudar a los investigadores en su día a día.

Según la MIT, el sistema ofrece un resumen de una frase junto al famoso indicador TLDR (too long; didn’t read en inglés, demasiado largo; no leído) que aparece debajo de cada artículo de ciencias de la computación (por ahora) cuando los usuarios utilizan la función de búsqueda o van a la página de un autor, lo que le permite localizar rápidamente los documentos adecuados y dedicar el tiempo a leer lo que realmente importa, ya que TLDR ayuda a los usuarios a tomar decisiones rápidas e informadas sobre qué documentos son relevantes, y dónde invertir el tiempo en lecturas adicionales.

Ejemplo:

“Information overload is a top problem facing scientists. Semantic Scholar’s automatically generated TLDRs help researchers quickly decide which papers to add to their reading list.”Isabel Cachola, Johns Hopkins University PhD Student, Former Pre-Doctoral Young Investigator at AI2, and Author of TLDR: Extreme Summarization of Scientific Documents

Bibliografía:

  1. TLDR: Extreme Summarization of Scientific Documents | Semantic Scholar [Internet]. [cited 2020 Dec 3]. Available from: https://www.semanticscholar.org/paper/TLDR%3A-Extreme-Summarization-of-Scientific-Documents-Cachola-Lo/3502a542b2e98d9094e1880a30f652d4170b9534
  2. Una nueva IA resume “papers” de investigación en una sola frase | MIT Technology Review en español [Internet]. [cited 2020 Dec 3]. Available from: https://www.technologyreview.es/s/12886/una-nueva-ia-resume-papers-de-investigacion-en-una-sola-frase
  3. Cachola I, Lo K, Cohan A, Weld DS. TLDR: Extreme Summarization of Scientific Documents [Internet]. [cited 2020 Dec 3]. Available from: https://github.com/allenai/scitldr.

Inteligencia Artificial en el Sector Público – España. Perspectivas europeas para 2020 y años siguientes

Inteligencia Artificial en el Sector Público – España. Perspectivas europeas para 2020 y años siguientes. Microsoft y EY, 2020

Texto completo

Reducir costes, mejorar la eficacia y generar valor son las preocupaciones habituales de organizaciones de todo tipo y tamaño en los sectores público y privado en España. En los últimos años, innovaciones como el cloud computing y la Inteligencia Artificial (IA) han sido fundamentales para ayudar a las empresas a mejorar sus productos y servicios, así como para a optimizar la eficacia.

En abril de 2018, la Comisión Europea adoptó su primera estrategia de IA, centrada en aumentar la inversión, incrementar los datos disponibles, fomentar el talento y garantizar la confianza. Sin embargo, un estudio elaborado por EY para Microsoft recientemente sugiere que el Sector Público en España se encuentra aún muy lejos del máximo aprovechamiento de este tipo de tecnologías.

No se trata de un problema de falta de interés: para el 80% de las organizaciones españolas encuestadas la inteligencia artificial es una prioridad digital, aunque su uso todavía se encuentra en la fase inicial ya que sólo el 33% de las mismas han adoptado una solución de IA.

Jesús Galindo, director de Sector Público de Microsoft en España, ha manifestado: “En España las organizaciones del Sector Público avanzan lentamente a la hora de alcanzar un punto en el que el uso de Inteligencia Artificial comience a arrojar resultados tangibles. Los factores son múltiples, tal y como pone de manifiesto el estudio, pero de lo que no cabe duda es de que ahora es más necesario que nunca que las administraciones pisen el acelerador en el aprovechamiento de la IA para dar respuesta a los retos a los que se enfrenta.”

Para Manuel Márquez, Socio responsable de Consultoría para el Sector Público, “el sector público está comenzando a descubrir, a partir de proyectos piloto, las ventajas que esta tecnología puede aportarles tanto a sus procesos internos como a los ciudadanos y empresas. La aplicación de la IA en el Administración va a suponer una importante revolución, pero es imprescindible que cada administración defina su propia hoja de ruta en función de su nivel de madurez digital actual. Es el momento de pasar de los pilotos a los grandes proyectos de transformación”.

Traducir los idiomas perdidos utilizando el aprendizaje automático

Photo of an ancient tablet showing the language of Ugaritic

Translating lost languages using machine learning System developed at MIT CSAIL aims to help linguists decipher languages that have been lost to history. Adam Conner-Simons | MIT CSAIL Publication Date:October 21, 2020

Ver noticia

El sistema desarrollado en el MIT CSAIL tiene como objetivo ayudar a los lingüistas a descifrar las lenguas que se han perdido en la historia.

Investigaciones recientes sugieren que la mayoría de los idiomas que han existido ya no se hablan. Docenas de estas lenguas muertas también se consideran perdidas o “no descifradas”, es decir, no sabemos lo suficiente sobre su gramática, vocabulario o sintaxis para poder entender realmente sus textos.

Las lenguas perdidas son más que una mera curiosidad académica; sin ellas, perdemos todo un importante corpus de conocimiento sobre las personas que las hablaban. Desafortunadamente, la mayoría de ellas tienen registros tan mínimos que los científicos no pueden descifrarlas usando algoritmos de traducción automática. Algunas no tienen un lenguaje “relativo” bien investigado con el que compararse, y a menudo carecen de los divisores tradicionales como los espacios en blanco y la puntuación.

Sin embargo, los investigadores del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT han realizado recientemente un importante avance en este ámbito: un nuevo sistema que ha demostrado ser capaz de descifrar automáticamente un idioma perdido, sin necesidad de un conocimiento avanzado de su relación con otros idiomas. También demostraron que su sistema puede determinar por sí mismo las relaciones entre las lenguas, y lo usaron para corroborar la reciente investigación que sugiere que la lengua ibérica no está realmente relacionada con el vasco.

El objetivo final del equipo es que el sistema sea capaz de descifrar las lenguas perdidas usando sólo unos pocos miles de palabras. Encabezado por la profesora del MIT Regina Barzilay, el sistema se basa en varios principios fundamentados en los conocimientos de la lingüística histórica, como el hecho de que las lenguas generalmente sólo evolucionan de ciertas maneras predecibles. Por ejemplo, si bien un idioma determinado rara vez añade o elimina un sonido entero, es probable que se produzcan ciertas sustituciones de sonidos. Una palabra con una “p” en la lengua materna puede cambiar a una “b” en la lengua descendiente, pero es menos probable que cambie a una “k” debido a la importante diferencia de pronunciación.

Al incorporar estas y otras limitaciones lingüísticas, Barzilay y el estudiante de doctorado del MIT Jiaming Luo desarrollaron un algoritmo de desciframiento que puede manejar el vasto espacio de las posibles transformaciones y la escasez de una señal de guía en la entrada. El algoritmo aprende a incrustar los sonidos del lenguaje en un espacio multidimensional donde las diferencias de pronunciación se reflejan en la distancia entre los vectores correspondientes. Este diseño les permite capturar patrones pertinentes de cambio de lenguaje y expresarlos como restricciones computacionales. El modelo resultante puede segmentar las palabras en un idioma antiguo y mapearlas a sus contrapartes en un idioma relacionado.

El proyecto se basa en un documento que Barzilay y Luo escribieron el año pasado en el que se descifraban las lenguas muertas de la Ugárica y la Lineal B, esta última había tardado décadas en ser descifrada por los humanos. Sin embargo, una diferencia clave con ese proyecto era que el equipo sabía que estas lenguas estaban relacionadas con las primeras formas del hebreo y el griego, respectivamente.

Con el nuevo sistema, la relación entre los idiomas es inferida por el algoritmo. Esta cuestión es uno de los mayores desafíos en el desciframiento. En el caso del Líneal B, tomó varias décadas descubrir el descendiente correcto conocido. En el caso del ibérico, los estudiosos aún no se ponen de acuerdo sobre la lengua relacionada: Algunos argumentan a favor del vasco, mientras que otros refutan esta hipótesis y afirman que el ibérico no se relaciona con ninguna lengua conocida.

El algoritmo propuesto puede evaluar la proximidad entre dos idiomas; de hecho, cuando se prueba en idiomas conocidos, puede incluso identificar con precisión familias de idiomas. El equipo aplicó su algoritmo al ibérico considerando el vasco, así como candidatos menos probables de las familias romance, germánica, turca y urálica. Mientras que el vasco y el latín estaban más cerca del ibérico que otros idiomas, eran todavía demasiado diferentes para ser considerados parientes.

En el futuro, el equipo espera ampliar su trabajo más allá del acto de conectar textos con palabras relacionadas en un idioma conocido, un enfoque que se conoce como “desciframiento basado en la relación”. Este paradigma asume que tal lenguaje conocido existe, pero el ejemplo del ibérico muestra que no siempre es así. El nuevo enfoque del equipo implicaría la identificación del significado semántico de las palabras, incluso si no saben cómo leerlas.

“Por ejemplo, podemos identificar todas las referencias a personas o lugares en el documento, que luego pueden ser investigadas más a fondo a la luz de las pruebas históricas conocidas”, dice Barzilay. “Estos métodos de ‘reconocimiento de entidades’ se utilizan comúnmente en diversas aplicaciones de procesamiento de textos hoy en día y son muy precisos, pero la cuestión clave de la investigación es si la tarea es factible sin ningún tipo de datos de formación en el idioma antiguo”. .

El proyecto fue apoyado, en parte, por la Actividad de Proyectos de Investigación Avanzada de Inteligencia (IARPA).

Actitudes globales hacia la inteligencia artificial, el aprendizaje automático y la toma de decisiones automatizada

Lisa-Maria Neudert , la Dra. Aleksi Knuutila y Philip N. Howard. Global Attitudes Towards AI, Machine Learning & Automated Decision Making. Oxford Internet Institute, 2020

Texto completo

En un nuevo estudio realizado por investigadores del Oxford Internet Institute se muestran que las percepciones públicas sobre el uso de la IA en la vida pública están divididas, con poblaciones en Occidente, generalmente más preocupados por la IA que los de Oriente

  • A casi la mitad (47%) de los norteamericanos les preocupa el uso de la IA en la vida pública
  • Los encuestados chinos están menos preocupados por los posibles daños de la IA en nuestra vida diaria
  • Las empresas son más optimistas que otros sectores industriales sobre los beneficios de la IA

Los hallazgos muestran diferencias regionales significativas, siendo los norteamericanos y latinoamericanos más escépticos sobre los beneficios de la IA, con al menos el 40% de sus poblaciones que creen que la IA será dañina, mientras que solo el 25% de los que viven en el sudeste asiático y solo el 11% de los que viven en Asia oriental expresaron preocupaciones similares.

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