La velocidad de la era tecnolgica simplifica
nuestras vidas en distintos niveles y
sentidos, pero, te has preguntado cmo es
que esto sucede?
Informe No. 1 Tendencias Tecnolgicas
Estratgicas
Curso: Estructura Informtica de la Empresa (AC9202)
Profesor: Ing. Dexter Mena Gutirrez, MBA
Estudiante: Claudio Gerardo Bravo Moreira
1
ndice de Contenido
TENDENCIAS TECNOLOGICAS ESTRATEGICAS .................................................................................... 1
Tendencia No. 1 .................................................................................................................... 1
IoT, el Internet de las Cosas ........................................................................................................ 1
Ejemplos del Internet de las Cosas ......................................................................................... 3
Ejemplo 1. Nixie, el dron en forma de brazalete ......................................................................... 3
Ejemplo 2. Open Bionics: brazos binicos de bajo costo ............................................................ 3
Ejemplo 3. Sensores en el Deporte ............................................................................................. 3
Tendencia No. 2 .................................................................................................................... 4
La Impresin en 3D ...................................................................................................................... 4
Ejemplos de la Impresin en 3D ............................................................................................. 5
Ejemplo 1. Vestimenta hecha a la medida .................................................................................. 5
Ejemplo 2. Comida con diseos novedosos ................................................................................ 6
Ejemplo 3. Cmaras Fotogrficas ................................................................................................ 6
Tendencia No. 3 .................................................................................................................... 6
Redes Neurales Profundas o DDN Deep Neural Networks (Inteligencia Artificial) ..................... 6
Ejemplos de Redes Neurales Profundas DNN ......................................................................... 8
Ejemplo 1. Motor Neural de Inteligencia Artificial de Microsoft para Reconocimiento de
Imgenes ..................................................................................................................................... 8
Ejemplo 2. El vehculo autnomo de Google .............................................................................. 9
Ejemplo 3. ASIMO el Robot de Honda ...................................................................................... 10
BIBLIOGRAFA ................................................................................................................................... 11
1
TENDENCIAS TECNOLOGICAS ESTRATEGICAS
Tendencia No. 1
IoT, el Internet de las Cosas El internet de las cosas es la interconexin
digital entre los objetos y hace referencia al
momento donde haya ms cosas conectadas que
personas.
Es un concepto que naci en el Instituto de
Tecnologa de Massachusetts o mejor conocido
por muchos como el MIT.
Se trata una revolucin en las relaciones
entre los objetos y las personas, incluso entre los
objetos directamente, que se conectaran entre ellos y con la Red y ofrecern datos en
tiempo real. O mejor dicho de otro modo, se acerca la digitalizacin del mundo fsico.
Gracias al sistema RFID (siglas de Radio Frequency Identification, es decir,
identificacin por radiofrecuencia), bastar con integrar un chip de pocos milmetros de
grosor en cualquier objeto del hogar, el trabajo o la ciudad para lograr procesar y
transmitir informacin a partir de ste en tiempo real y de forma constante.
Se estima que en 2020, entre 22.000 y 50.000 millones de dispositivos se
conectarn a Internet con el fin de proporcionar a los ciudadanos una serie de servicios y
aplicaciones inteligentes sin precedentes.
En algunas ocasiones tambin llamado: "Internet de los objetos", lo cambiar todo,
incluso a nosotros mismos como personas. Debemos tomar en cuenta el impacto que
Internet ha tenido sobre la educacin, la comunicacin, las empresas, la ciencia, el gobierno
y la humanidad, lo que nos demuestra claramente que es una de las creaciones ms
importantes y poderosas de toda la historia de la humanidad, porque bien o mal nos une a
todos indistintamente de nuestra nacionalidad, raza, estatus social, etc.
Internet de las Cosas representa la prxima y muy cercana evolucin del Internet
como le conocemos actualmente.
Ser un salto enorme en la capacidad para reunir, analizar y distribuir datos que
podemos convertir en informacin, conocimiento y finalmente, en sabidura. Este
contexto lo vuelve inmensamente importante.
En 2003, haba aproximadamente 6,3 mil millones de personas en el planeta, y haba
500 millones de dispositivos conectados a Internet. Si hacemos una simple operacin
matemtica de divisin de la cantidad de dispositivos conectados entre la poblacin
mundial, el resultado indica que haba menos de un dispositivo (0,08) por persona.
2
De acuerdo con la definicin de Cisco IBSG, Internet de las Cosas, an no exista en
2003 porque la cantidad de cosas conectadas era relativamente escasa, dado que apenas
comenzaba la invasin de los dispositivos inteligentes, como los smartphones.
Por ejemplo, el Director General de Apple, Steve Jobs, no present el iPhone sino
hasta el 9 de enero de 2007 en la conferencia Macworld. El crecimiento explosivo de los
smartphones y las tablets elev a 12,5 mil millones en 2010 la cantidad de dispositivos
conectados a Internet, en tanto que la poblacin mundial aument a 6,8 mil millones, por
lo que el nmero de dispositivos conectados por persona es superior a 1 (1,84 para ser
exactos) por primera vez en la historia.
En enero de 2009, un equipo de investigadores de China estudi los datos de routing
de Internet en intervalos semestrales, desde diciembre de 2001 hasta diciembre de 2006.
Los resultados fueron similares a las propiedades de la Ley de Moore y permitieron observar
que Internet duplica su tamao cada 5,32 aos.
Mediante la combinacin de esta cifra con la cantidad de dispositivos conectados a
Internet en 2003 (500 millones, segn lo determinado por Forrester Research) y la
poblacin mundial de acuerdo con los datos de la Oficina de Censos de EE. UU., Cisco IBSG
calcul el nmero de dispositivos conectados por persona.
Si se desglosan an ms estas cifras, Cisco IBSG estima que Internet de las Cosas
naci en algn punto entre 2008 y 2009. Actualmente est firmemente encaminada
segn lo demuestra el avance de iniciativas como Planetary Skin de Cisco, la matriz
inteligente y los vehculos inteligentes.
Con miras al futuro, Cisco IBSG prev que habr 25 mil millones de dispositivos
conectados a Internet para 2015, y 50 mil millones para 2020. Es importante destacar que
estos clculos no tienen en cuenta los rpidos avances en la tecnologa de Internet o en los
dispositivos.
Entonces luego de leer todo esto, se imagina un refrigerador que le avise de la fecha
de vencimiento de los alimentos que tiene dentro? O que los zapatos deportivos registren
"en la nube" las estadsticas de cunto corre cada semana y a qu velocidad? Y que los
3
inodoros analicen su orina y le recomienden la dieta alimenticia que ms le conviene seguir?
Qu pasara si el cepillo de dientes le alertara de cualquier pequea caries y enviara un
correo electrnico a su dentista para pedir una cita y la agregara en su calendario? Son
algunas posibles aplicaciones del Internet de las Cosas (IoT).
Ejemplos del Internet de las Cosas
Ejemplo 1. Nixie, el dron en forma de brazalete
Jelena Jovanovic es una joven prodigio que ofici
como lder tecnolgica en Google hasta diciembre de
2014. Ahora es cofundadora de un emprendimiento
bautizado como Nixie Labs.
El principal proyecto de su compaa, que naci en
asociacin con Christoph Kohstall, doctor en fsica
experimental, es un dron de bajo costo que se puede usar
como brazalete. Gan el concurso Make It Wearable de Intel en el ao 2014. El usuario
lo puede lanzar al aire como si se tratase de un bumern y el equipo toma la foto. El
prototipo se imprimi en 3D y equipa una cmara de bajo rendimiento. Cuando salga al
mercado, en 2016, se espera que cuente con un lente similar al de un telfono inteligente
de gama alta y que los materiales del cuerpo sean de alta calidad.
Ejemplo 2. Open Bionics: brazos binicos de bajo costo
Open Bionics desarroll un brazo binico cuyo movimiento responde a unos sensores ubicados en los msculos de la espalda del paciente. Se elabora con impresoras 3D y su costo aproximado es de 3.000 dlares. Hay un estimado de 11,4 millones personas que perdieron su mano y este proyecto pretende convertirse en una alternativa para mejorar la calidad de vida de los afectados.
Fue desarrollado con Intel Edison, la plataforma de desarrollo de tecnologa para vestir que antecedi y complementa a Intel Curie. La mano del dispositivo cuenta con dedos que se mueven y permiten llevar a cabo tareas varias como agarrar un vaso de agua.
Ejemplo 3. Sensores en el Deporte
Uno de los sectores ms beneficiados por los avances en el segmento de la tecnologa para
vestir y el internet de las cosas es el deporte. Snowcookie es un sistema conformado por
tres sensores: uno en el pecho y otro en cada esqu, para ayudarle al deportista a
determinar, con precisin, qu correcciones debe llevar a cabo en su tcnica para mejorar
su rendimiento con vistas a llevarse la victoria en una competencia.
4
Otro ejemplo curioso lo constituye la creacin del austriaco Josef Langer: unas esferas
inteligentes de malabarismo. Mediante sensores, es capaz de grabar con precisin los
movimientos que realizaron las bolas. Langer afirma que el propsito no es vender un
producto sino ensearle a la gente cul es la fsica detrs de los malabares.
De estos sensores ya se estn beneficiando deportes como el ciclismo y otros.
Gracias a estos componentes, es posible determinar la velocidad del corredor, la potencia
de su pedaleo y hasta el grado de inclinacin de la bicicleta. Tambin en el golf se puede
medir la intensidad del golpe.
Tendencia No. 2
La Impresin en 3D El 2013 ser recordado como el ao en que se dispar la industria de la impresin 3D,
finalmente es un prembulo perfecto para la explosin que se avecina para los prximos
aos, cuando venzan las patentes clave de esta tecnologa, ya que poco a poco las
impresoras 3D se han acercado a la vida cotidiana.
En muchos aspectos, el futuro que hemos esperado ya est aqu, pero no luce como
nos lo habamos imaginado cuando an ramos nios. Todava no tenemos autos
voladores, ni teletransportacin, ni hemos podido conquistar ningn otro planeta del
Universo, pero s tenemos internet, videollamadas, autos elctricos y nos vamos acercando
poco a poco a poder fabricar casi cualquier cosa desde la comodidad de nuestra casa.
Quiz la tecnologa actual no sea como las de los Supersnicos, pero la tecnologa ya
ha hecho posible la impresin de piel humana, prtesis seas, una motocicleta, una
pistola y una creciente lista de objetos que se ampla ms y ms. Hablamos de la fascinante
tecnologa de la fabricacin digital en tercera dimensin.
Segn Wikipedia, se define la impresin en 3D de la siguiente forma:
La impresin 3D es un grupo de tecnologas de fabricacin por adicin donde un
objeto tridimensional es creado mediante la superposicin de capas sucesivas de material.
Las impresoras 3D son por lo general ms rpidas, ms baratas y ms fciles de usar que
otras tecnologas de fabricacin por adicin, aunque como cualquier proceso industrial,
estarn sometidas a un compromiso entre su precio de adquisicin y la tolerancia en las
medidas de los objetos producidos.
Las impresoras 3D ofrecen a los desarrolladores de producto, la capacidad para
imprimir partes y montajes hechos de diferentes materiales con diferentes propiedades
fsicas y mecnicas, a menudo con un simple proceso de montaje. Las tecnologas avanzadas
de impresin 3D, pueden incluso ofrecer modelos que pueden servir como prototipos de
5
producto. Desde 2003 ha habido un gran crecimiento en la venta de impresoras 3D. De
manera inversa, el coste de las mismas se ha reducido.
Esta tecnologa tambin encuentra uso en los campos tales como joyera,
calzado, diseo industrial, arquitectura, ingeniera y construccin, automocin y sector
aeroespacial, industrias mdicas, educacin, sistemas de informacin geogrfica, ingeniera
civil y muchos otros.
Llamamos impresin 3D al proceso tcnico de fabricacin de un modelo
tridimensional fsico, a partir de un archivo digital porque es la forma ms prctica de
denominarlo, aunque en realidad se trata ms bien de un proceso de fabricacin por
adicin.
Fue en los 80s que se lograron avances tcnicos en el rea y se patent el primer
sistema de impresin, denominado estereolitografa, el cual fabrica un objeto lanzando un
haz de luz ultravioleta sobre un contenedor con una resina que reacciona a dicha luz
endurecindose. Dicha patente caduc hace poco y ya empiezan a venderse modelos de
escritorio de impresoras que usan ese proceso, entre ellas la Form Labs.
(http://formlabs.com/products/3d-printers/form-1-plus/)
Si bien existen varios procesos distintos de impresin en 3D, actualmente el ms
popular, por su practicidad, eficiencia y costo, es el de Modelado de Deposicin Fundida
(FDM, por sus siglas en ingls), que utiliza una tcnica aditiva en la cual la impresora va
fundiendo un filamento de plstico, madera o metal para formar un objeto. Dicha
tecnologa fue patentada en los aos 80 por la empresa Stratasys y venci a finales de la
dcada de los 2000, dando pie al surgimiento del movimiento RepRap, que plantea la
posibilidad de hacer mquinas que sean autorreplicables, es decir, que una mquina pueda
hacer la mayora de otra mquina.
Este auge ha ayudado a reducir los precios, la mquina ms barata que haba hace
17 aos vala 120,000 dlares, hoy vale 10,000 dlares y pronto llegar a costar 1,500
dlares.
Esto devela un futuro exitoso para la tecnologa, en el que se pueda imprimir desde
un clavo hasta un pncreas o todo un ser vivo, pero tambin expone un escenario en el que
se desdibuja la propiedad intelectual, algo que podra agudizarse, ya que en 2014 venci la
patente de sintetizado lser, una de las tcnicas de impresin ms precisas y verstiles.
Ejemplos de la Impresin en 3D
Ejemplo 1. Vestimenta hecha a la medida
Puede ser que la tela sea el elemento ms cmodo para vestir, sin embargo, esto no ha detenido la innovacin en el campo de la moda utilizando la impresin 3D, mercado en el cual se han creado modelos confeccionados a la medida de cada persona, tales como vestidos, camisetas y hasta ropa interior, la cual ha resultado ser de un plstico rgido difcil de ocupar.
6
Pero esto no fue obstculo para la actriz y bailarina Dita Von Teese, quien utiliz un vestido a cuerpo completo impreso segn sus medidas corporales, incluso inspirando el diseo en la sucesin matemtica de Fibbonaci, slo para hacer las cosas ms interesantes y demostrar las posibilidades artsticas de este mtodo.
Ejemplo 2. Comida con diseos novedosos
Adems de elementos rgidos y permanentes de plstico, tambin se pueden modelar estructuras temporales como postres y dulces formados con una impresora 3D, logrndose diseos artsticos imposible de hacer a mano.
As, una compaa de Estados Unidos llamada The Sugar Lab ofrece diversos postres hechos de agua y azcar endurecida, comenzando un negocio de comida de lujo de gran aspecto y que cautiva con xito el inters de los consumidores.
Ejemplo 3. Cmaras Fotogrficas
Por USD$30, un diseador cre una cmara fotogrfica cuyas piezas fueron
impresas en 3D.
No es la mejor cmara del mundo y requiere de algunas piezas que no se pueden
imprimir, pero resulta interesante para quienes quieran experimentar con la fotografa.
Con el tiempo, quizs se logren versiones todava ms interesantes.
Tendencia No. 3
Redes Neurales Profundas o DDN Deep Neural Networks (Inteligencia Artificial) Este sector est llegando al punto de
ser capaz de dar vida a mquina que
pueden comprender el entorno en el que se
mueven y, lo que es ms llamativo, hacerlo
de manera independiente. Todo gracias a
las DNN, o redes neuronales profundas. Un
avance que ha podido nacer y crecer gracias
a la clasificacin y anlisis de datos.
Las redes neuronales permiten buscar la combinacin de
parmetros que mejor se ajustan a un determinado problema.
A pesar de su nombre, las redes neuronales no tienen un concepto demasiado
complicado detrs de ellas. El nombre, como se puede dilucidar, viene de la idea de imitar
el funcionamiento de las redes neuronales de los organismos vivos, o sea, son un grupo
de neuronas conectadas entre s y que trabajan en conjunto, sin que haya una tarea
7
concreta para cada una. Con la experiencia, las neuronas van creando, definiendo y
reforzando algunas conexiones para "aprender" algo que se quedara fijo en el tejido.
Por elegante o espacial que esto suena, el enfoque biolgico no ha sido
especialmente til, ya que las redes neuronales han ido cambiando para tener un foco ms
amplio aplicado a las matemticas y la estadstica. Normalmente se basan en una idea
sencilla, que dados unos parmetros existe una manera de combinarlos para lograr predecir
un cierto resultado. Por ejemplo, conociendo la composicin de los pxeles que tiene una
imagen, siempre habr forma de saber qu nmero hay escrito, o conociendo la carga de
servidores de un Centro de Procesamiento de Datos (CPD), su temperatura y otros, existir
una manera de saber cunto van a consumir, como haca Google. El problema, es el
siguiente, an no sabemos a ciencia cierta cmo combinarlos efectivamente.
Las redes neuronales son un modelo para encontrar esa combinacin de parmetros
y aplicarla al mismo tiempo. Traducido al lenguaje comn, es encontrar la combinacin que
mejor se ajuste al problema, o mejor dicho "entrenar" la red neuronal. Una red ya
entrenada se podra utilizar luego para lograr predicciones o clasificaciones, o lo que es lo
mismo para "aplicar" esa combinacin.
Las redes neuronales no son una idea nueva. Su origen data de los aos 40 y 50,
cuando se iniciaron las publicaciones de sus primeros conceptos. Sin embargo, nunca
llegaron a tener gran xito, debido principalmente a se necesitaba de una cantidad
considerable de recursos de un ordenador para entrenar y ejecutar una red neuronal con
buenos resultados. En los ltimos aos se han conseguido grandes avances gracias a la
mejora de los computadores y al uso de GPUs, diseados especficamente para este tipo
de tareas.
Las redes neuronales parece que incluso podran acabar dominando uno de los
juegos que se les resiste a los ordenadores: el juego de Go. En la Universidad de Edimburgo,
unos investigadores han logrado usar redes convolucionales, para detectar patrones en los
tableros y tratar de sacar el mejor movimiento con una efectividad considerable: 90% de
juegos ganados contra GNU Go y 10% contra Fuego, dos de los programas que mejor juegan
a Go. Aunque pueda parecer poco, hay que tener en cuenta que ambos exploran un buen
nmero de movimientos posibles para ver cul da ms ventaja. La red neuronal slo mira
al estado actual del tablero y emite un veredicto en muchsimo menos tiempo.
Reconocimiento de nmeros, de voz, de objetos en imgenes... las redes neuronales estn empezando a resolver problemas que se le escapaban a los ordenadores.
Sea como sea, es un campo muy interesante y que promete bastantes avances a
corto plazo, sobre todo en reconocimiento de imagen y de sonido.
8
Ejemplos de Redes Neurales Profundas DNN
Ejemplo 1. Motor Neural de Inteligencia Artificial de Microsoft para Reconocimiento de
Imgenes
Aunque muchos de nosotros todava confiamos en los motores de bsqueda
tradicionales como Google y Yahoo! para encontrar respuestas a una amplia gama de
cuestiones, Microsoft Research acaba de dar una mirada al futuro, en el que las redes
neuronales ofrecen el tipo de respuestas de reconocimiento visual que antes solo
confibamos en que los humanos pudieran proporcionar.
El vicepresidente ejecutivo de Microsoft Research de la tecnologa y la investigacin, Harry
Shum, mostr un poco de ese poder de computacin a travs de un sistema de inteligencia
artificial que reconoce con xito varias razas de perros con solo una fotografa.
El sistema se llama Proyecto Adam, y tom ms de 18 meses de trabajo para crear
la red neuronal, que cuenta con ms de dos mil millones de conexiones, un sistema que
trata de imitar la forma jerrquica en la que los procesos del cerebro humano identifican la
informacin visual.
Analizando ms de 14 millones de
imgenes tomadas de IMAGEnet, una base de
datos de bsqueda de imgenes elaborada por la
Universidad de Stanford, la Universidad de
Princeton y la Universidad de Stony Brook,
Proyecto Adam utiliza su arquitectura de red
neural profunda (DNN) para identificar con
precisin los objetos que aparecen en las fotos.
Del mismo modo, al preguntrsele a Proyecto Adam qu raza de perro se estaba mostrando
cuando, en realidad, se le mostraba una foto de un ser humano, el sistema era capaz de
notar la diferencia entre un humano y un perro, declarando, a travs de la interfase Cortana:
creo que esto no es un perro.
Imagnese poder ayudar a los ciegos, usando un telfono celular en una escena para
que la describa para ellos, dijo el lder del equipo de Trishul Chilimbi, indicando cmo este
sistema podra llegar a ser de utilidad para los usuarios finales. Podramos hacer cosas
9
como tomar una fotografa de los alimentos que comemos y hacer que nos proporcione
informacin nutricional. Podemos usar eso para tomar decisiones ms inteligentes. El
equipo afirma que Proyecto Adam es 50 veces ms rpido y dos veces ms preciso que el
sistema de reconocimiento de imgenes de red neural impulsada por 16.000 computadoras
que Google introdujo hace un par de aos. Chilimbi cree que el sistema es mejor que la
competencia debido a la forma nica en la que se encarga de que los datos sean procesados
a travs de sus servidores. Una de las innovaciones fue hacer que el sistema sea asncrono,
y que no fuese sincrnico de ninguna manera, dijo Chilimbi.
Asincrona es el proceso que divide los datos en fragmentos discretos para
tratamiento individual y no en la manera tpicamente sincrnica en la que algunos
algoritmos fundamentales de entrenamiento en aprendizaje de mquinas operan.
El equipo del proyecto Adam tambin trabaja en el mismo tipo de red neural de
reconocimiento para texto y msica. Pero tambin estn interesados en la bsqueda de
aprendizaje multimodal donde se aprende en conjunto en todas estas modalidades. Por
ejemplo, si nunca ha visto la Estatua de la Libertad antes, pero alguien se la ha descrito,
entonces puede an reconocerla la primera vez que la vea gracias a la descripcin textual.
Ejemplo 2. El vehculo autnomo de Google
Elctricos o de gasolina? Aunque el debate sobre cual tipo de energa utilizarn los vehculos del futuro sigue estando sobre el tapete, la tecnologa ha conseguido que esa no sea la nica duda sobre los automviles. Google es un imperio fundado gracias a la inteligencia artificial y sus aplicaciones.
Por eso no es sorprendente que un gur en el tema, Sebastian Thrun lidere el
proyecto de vehculos autnomos de Google, que han viajado miles de kilmetros apenas con intervencin humana. No tiene ni pedales, ni marchas, ni volante... El coche prototipo diseado por Google parece pura ciencia ficcin, sin embargo es completamente viable. El automvil solo dispondra de un botn de encendido y una pantalla que mostrar la ruta que seguir de principio a fin. Su velocidad mxima, segn lo anunciado por la compaa, sera de unos 40 km/h y los sensores con los que est equipado determinarn tanto la posicin del vehculo como la cercana de otros autos y personas. Analizando todas estas seales el coche ser capaz de moverse de manera segura y autnoma durante unos 160 kilmetros, la autonoma actual del Google Car.
Hasta el propio Sergey Brin, uno de los fundadores de Google se mostraba muy
ilusionado con el proyecto. "La razn por la que estoy tan entusiasmado sobre estos
10
prototipos y el proyecto de vehculo autnomo en general es que tenemos la posibilidad de
cambiar el mundo que nos rodea explicaba.
Ejemplo 3. ASIMO el Robot de Honda
El lanzamiento de un robot capaz de
moverse, interactuar con los seres humanos
y ayudarles es, sin duda, una de las mayores
proezas tecnolgicas del siglo XXI. El
compromiso a largo plazo de Honda en el
desarrollo de robots humanoides se inici
hace dos dcadas, y ha sido motivado por el
deseo de sus ingenieros de responder a un
desafo mecnico y tcnico excepcional en el mbito de la movilidad. Honda cre su primer
robot andador en 1986. El ambicioso programa que sigui a esta creacin corresponde
perfectamente a la filosofa Honda: esforzarse por explotar los potenciales de la tecnologa
punta a fin de mejorar el da a da de las personas.
El objetivo de Honda es crear un robot humanoide capaz de interactuar con las
personas y de ayudarles hacindoles la vida ms fcil y agradable. Aunque todava estamos
lejos de poder atribuir roles concretos a los robots humanoides, podran utilizarse, por
ejemplo, para ayudar e incrementar la autonoma de las personas con minusvalas y de las
personas mayores. Evidentemente, todava tienen que transcurrir muchos aos hasta que
se pueda cumplir este objetivo, pero algunas empresas de Japn ya utilizan los servicios de
ASIMO para funciones promocionales como la recepcin de visitantes.
El robot de Honda no ha dejado de sorprender, cada vez que son presentados sus
avances. Este ao presenciamos cmo el robot ya es capaz de reconocer voces en una
conversacin. Honda present la versin ms nueva de un robot humanoide que incluso
puede ayudar en caso de una crisis nuclear. ASIMO, uno de los robots humanoides
tecnolgicamente ms avanzados del mundo, es capaz de andar, correr, subir y bajar
escaleras, girarse suavemente e imitar muchos otros movimientos humanos.
La nueva versin del robot, ahora es capaz de moverse sin ser controlado todo el
tiempo por una persona. Las capacidades intelectuales y fsicas le permiten adaptarse
rpidamente a todas las situaciones. Segn los diseadores, estos robots pueden
convertirse en unos ayudantes muy efectivos de los humanos y alcanzar lugares donde una
persona no puede entrar, por ejemplo, una planta nuclear como la que sufri el reciente
accidente nuclear en Japn.
11
BIBLIOGRAFA
1. Fuente: Wikipedia, 2014.
2. Fuente: Cisco IBSG, 2014. 3. Fuentes: Oficina de censos de EE. UU., 2010; Forrester Research, 2003. 4. Fuentes: Cisco IBSG, 2010; Oficina de Censos de EE. UU., 2010. 5. Fuente: Planetary Skin: A Global Platform for a New Era of Collaboration, Juan Carlos Castilla-Rubio
y Simon Willis, Cisco IBSG, marzo de 2009,
http://www.cisco.com/web/about/ac79/docs/pov/Planetary_Skin_POV_vFINAL_spw_jc_2.pdf 6. Fuente: World Internet Stats: Usage and Population Statistics, 30 de junio de 2010. 7. Fuente: Cisco, 2010; HP, 2010. 8. Fuente: World Internet Stats: Usage and Population Statistics, 30 de junio de 2010. 9. Fuente: Cisco, 2010; HP, 2010. 10. Fuente: The Networked Pill, Michael Chorost, MIT Technology Review, 20 de marzo de 2008,
http://www.technologyreview.com/biomedicine/20434/?a=f
11. Fuente: Researchers Debut One-Cubic-Millimeter Computer, Want to Stick It in Your Eye, Christopher Trout, Endadget, 26 de febrero de 2011,
http://www.engadget.com/2011/02/26/researchers-debut-one-cubic-illimetercomputer-want-to-
stick-i/
12. Fuente: http://www.eltiempo.com/tecnosfera/novedades-tecnologia/el-internet-de-las-cosas-en-5-ejemplos/16281815
13. Fuente: https://es.wikipedia.org/wiki/Impresi%C3%B3n_3D
14. Fuente: https://www.fayerwayer.com/2013/07/los-7-usos-mas-innovadores-de-las-impresoras-3d/
15. Fuente: http://neuralnetworksanddeeplearning.com/chap5.html
16. Fuente: http://gobase.org/studying/rules/?id=11&ln=es
17. Fuente: http://mashable.com/2014/07/15/microsofts-artificial-intelligence-engine-project-adam/?utm_campaign=Feed%3A+Mashable+%28Mashable%29&utm_cid=Mash-Prod-RSS-
Feedburner-All-Partial&utm_medium=feed&utm_source=feedburner#Ihs9EGNIAaqu
18. Fuente: http://hipertextual.com/2011/12/inteligencia-artificial-10-sorprendentes-avances-de-2011
19. Fuente: http://www.muyinteresante.es/innovacion/articulo/google-crea-su-propio-coche-autonomo-881401361097