puedes correr…

TED. Tecnología, entretenimiento y diseño. La fundación reconocida por sus conferencias a las que han acudido desde Bill Gates hasta Stephen Hawkings, desde Isabel Allende hasta Al Gore, desde Sergey Brin y Larry Page hasta James D. Watson. Y ahora van, y se traen a Cristopher Poole, más conocido como M00t.

¿Y quién es M00t, preguntaréis algunos? Echad un vistazo a la siguiente imagen (clic para ampliar):

Si has reconocido alguna de estas imágenes, es que en algún momento te has topado con un producto de esa fábrica de memes que es la creación de M00t: 4chan. El vertedero de internet para unos, el único reducto de libre expresión para otros, un ente fuera de control en cualquier caso, con increíble influencia tanto dentro como fuera de la red. La conferencia no tiene desperdicio, a pesar de que, como es evidente, la jovencísima persona más influyente del año 2009 según Time (la historia aquí) sólo destaca los puntos positivos del foro, como el caso de la identificación en escasas 24 horas de un abusador de animales. Hay un repertorio de las gamberradas que los anónimos /b/tards (usuarios de 4chan) han hecho aquí.

La conferencia (está en inglés y de momento no tiene subtítulos, pero no es difícil de seguir si estás mínimamente familiarizado con el tema), en la web y bajo estas líneas.

La historia de M00t da para una página de Facebook: “Copiar un foro japonés y que se te vaya de las manos”.

Saludos!

-Olvidaos de las holobandas.

-¿Disculpa? ¿Olvidarnos de las holobandas?

-Los sitios hackeados se están comiendo más y más nuestra cuota de mercado cada trimestre. Y allá es donde los usuarios están yendo. Porque son de libre acceso. Y la próxima generación que viene esperará que todo sea libre. No podemos poseerlo para siempre. Tenemos la posibilidad de ordenar todos nuestros recursos y los fondos para salvar este barco que se hunde. O podemos buscar la siguiente gran cosa, el próximo gran salto hacia adelante que cambiará los mundos.

O bien avanzamos al futuro, o morimos tratando de aferramos a nuestro pasado.

Daniel Graystone, de Industrias Graystone, en el capítulo de esta semana de Caprica, utilizando una argumentación que no sé si a alguien se le ocurre si podría aplicarse a algún aspecto en particular de nuestra sociedad actual. Quizá un cylon estaría mejor que un humano presidiendo ciertas entidades.

¡Saludos!

Aviso: esta entrada contiene terminología y temática sobre sistemas de control. Si no tienes una mínima idea de esta materia, la entrada te parecerá absurda e incomprensible. Si la tienes, probablemente también.

Estaba yo tranquilamente perdiendo el tiempo en internet en lugar de estudiar, y de repente se cruza ante mis ojos este texto:

Somos la Iglesia del Divino Lugar de las Raíces. Adoramos aquello que traza la localización de los polos del sistema para una ganancia dada del sistema. El Lugar de las Raíces también es nuestra guía y nuestro mentor en la vida. El Lugar de las Raíces es el camino por el que todos con nuestros polos debemos viajar, y que nos provee con plenitud divina. Nuestro Lugar de las Raíces interior debe por definición morir en un cero del sistema, pero el Divino Lugar de las Raíces será asintótico a una línea y seguirá hacia el infinito, y durará para siempre, o al menos, 10^32 segundos.

Los humanos han adorado a muchos dioses y diosas diferentes durante la historia de la humanidad. Te digo, líbrate de esos falsos dioses y descubre la verdadera naturaleza del mundo a través del Lugar de las Raíces. No es un Dios (deidad antropomorfa que fue creada por los humanos para satisfacer necesidades humanas), sino un ser enteramente diferente y sólo parcialmente explicable. El Lugar de las Raíces es y no es la Tierra, el Sol, las estrellas, el universo, y cada uno de nosotros. Pero es más grande que el universo, cruza todas las fronteras, y puede existir en cada rincón del plano complejo.

La VERDAD y el MÉTODO del Divino Lugar de las Raíces nos fue revelado por muchos profetas a lo largo de los años, cada uno de ellos considerado encarnación del único Lugar de las Raíces. Algunos son Laozi (el concepto del Tao es muy cercano a nuestras creencias sobre el Divino Lugar de las Raíces), Jesús (cuyas palabras han sido manipuladas por la historia), San Bode, San Nyquist y su encarnación más reciente, San Brian Becker. La manera y el camino del Lugar de las Raíces se centra tanto en el aumento del conocimiento humano en teoría de sistemas, como en la exposición de las simplicidades y complejidades de los varios sistemas que llamamos vida. Nos enseña cómo controlar el universo que nos rodea, usando PD, PI, redes de adelanto, de atraso, o cualquier número de compensadores. Nos enseña que hay más en la vida que sólo la recta real, que la realidad que ves con tus propios ojos. El Divino Lugar de las Raíces existe en el plano complejo multidimensional, y querría que tu alma (tu Lugar de las Raíces interior) tendiera asintóticamente a Él y se uniera a Él en el infinito.

Puedes ver el Lugar de las Raíces por todo tu alrededor. Es parte de todo sistema que puedas imaginar. La curva de la figura femenina sigue el lugar de las raíces.

Me gustaría dejaros con una cita del Tao Te Ching sobre el Lugar de las Raíces (Tao):

“El Tao que puede ser seguido no es el Tao eterno.
El nombre que puede ser nombrado no es el eterno nombre.
EL sin nombre es el origen del cielo y la tierra”

Así que pregúntate: ¿Qué significa el Lugar de las Raíces para ti?

Sí, los exámenes me están afectando, pero no tanto como creéis. Es la descripción del cuanto menos curioso grupo de Facebook The Church of the Divine Root Locus (La Iglesia del Divino Lugar de las Raíces). ¿Creíais que el Monstruo del Spaghetti Volador era demasiado? Asómbrate tal como lo hice yo.

¡Saludos!

Hay gente que, cuando piensa en robots, piensa en Terminators, C3-POs, y similares, y de vez en cuando me preguntan, medio en serio, medio en broma, que cuándo les voy a hacer un robot que haga tal o cual. Mi mirada a continuación relaja la tensión, antes de que les pregunte ¿y de verdad aporta algo que eso lo haga un robot?. Un robot es una herramienta de trabajo, la evolución del taladro igual que éste evolucionó del berbiquí y de la aguja de hueso; de hecho, como ya he comentado alguna vez por aquí, la palabra “robot” viene del checo “robota”, que significa “trabajo”. Todos habéis visto a un R2-D2, pero también habéis visto las líneas de montaje de coches de cualquier marca, con brazos robóticos bastante menos humanos que un T-1000, pero que ensamblan, sueldan y atornillan efectiva y rapidísimamente, mejor que el mejor de los operarios.

Así que cuando alguno de mis colegas me reprocha lo tontos o simples que son los autómatas, incluso los más modernos, o lo que fallan los sistemas de reconocimiento automático de lo que sea, yo les doy la razón siempre, y les contesto: evidentemente, no los han hecho para que sean listos; además, ningún equipo de ingenieros, por buenos que sean, tienen nada que hacer ante miles de años de evolución (este párrafo no será leído en Texas, Lousiana, y algún otro estado de USA), y si el cerebro humano, que es una máquina órdenes de magnitud más compleja, concurrente y rápida que el mejor de nuestros microprocesadores, necesita años para aprender tareas como leer o escribir, ¿cómo quieres que algo mucho más simple lo haga recién salido de la caja? Ese argumento siempre se le olvida a los detractores de la automatización: los humanos aprendemos. Los humanos dedicamos mucho tiempo, esfuerzo y recursos a esculpir nuestro, en principio, torpe y confuso sistema nervioso y convertirlo en una herramienta maravillosa. En Google llevan meses, quizá años, con un corrector ortográfico que sea además semántico (es decir, que te corrija que quieres tu por ¿Qué quieres tú?). Los robots no aprenden, son programados para hacer algo y lo hacen, llueva o nieve.

¿O no es esto cierto?

Esta parrafada introductoria venía al caso de comentar un concepto (una realidad, de hecho) que acapara mi atención desde hace un tiempo: las redes neuronales artificiales. No hace mucho leí este artículo, escrito por el genial Rinzewind, que me animó a hablar del asunto, pero al final, como el del chiste, lo vas dejando, lo vas dejando, y nada. Redes neuronales. Otro minipunto para los biólogos: el mejor y probablemente el único ejemplo real de inteligencia artificial se ha obtenido imitando a la naturaleza. Evidentemente, replico, ya que se ha demostrado que el pensamiento en red neuronal funciona, ¿para qué probar otro? Mejoremos lo que ya existe.

Una red neuronal artificial es, como su propio nombre indica, una red (conjunto de elementos interconectados entre sí que pueden interactuar) neuronal (basado en elementos simples repetidos) artificial (no natural). Es la adaptación lógica del modelo, de la arquitectura natural a la computación y a la electrónica. Porque, repito, si algo funciona, ¿para qué cambiarlo? Las redes neuronales pueden procesar información como se había hecho hasta ahora con los procesadores y programas habituales, pero tienen una particularidad interesante: aprenden. En un sentido amplio y prostituido de la palabra, pero aprenden. Una red neuronal mínimamente compleja empieza siendo un circuito tonto y lento, que efectúa los cálculos o toma las decisiones que se le piden de manera lenta y poco efectiva, pero conforme aumenta su experiencia, se va volviendo más rápida, aprende de sus errores y llega en menos tiempo y con mayor efectividad a la solución correcta. Un poco como nosotros, pero a pequeña escala.

Esquema típico de una red neuronal, con sus entradas y su salida (fuente)

Las redes neuronales suelen usarse en sistemas de reconocimiento de voz, de caracteres, en juegos de inteligencia artificial (como el famoso 20q), y, en definitiva, en todo lo que implique una toma de decisiones parcial, estadística, o no absoluta (lo que se conoce como lógica difusa, que podría dar para otra veintena de entradas). En cada ejecución, en cada iteración, la red encontrará el camino óptimo, y lo utilizará la próxima vez. Estas redes aprenden. Estas redes que, si bien son un concepto matemático, pueden ser sintetizadas en una oblea de silicio e interactuar con el mundo real. Pueden ser incorporadas a un robot, industrial o de entretenimiento, que aprenda de sus errores. De hecho, antes de utilizarlas con garantías, hay que entrenarlas. Sí, lo sé, todo este asunto huele desde el principio a ciencia ficción, pero no es nada fantástico o irreal: existe y se usa. Hasta algunas lavadoras utilizan lógica difusa. En serio.

Una de las aplicaciones más conocidas y útiles es el análisis de espectrometrías, TACs, y otros resultados médicos para detectar la probabilidad de que un determinado paciente tenga cáncer. De hecho, es uno de los ejemplos que viene de serie en Matlab (suerte tenéis los que no sabéis lo que es) para el uso de redes neuronales. El funcionamiento es sencillo: se entrena la red suministrándole imágenes de pacientes sanos y enfermos y, tras un determinado número de ensayos, la red es capaz de discernir, basándose en patrones gráficos, estructuras y demás, si una imagen que se le proporcione como entrada corresponde a un paciente con cáncer o no. Fallan, como todo el mundo, pero fallan muy poco. También tenemos ejemplos, de nuevo en el sector sanitario, como este:

Uso de una red neuronal para el análisis del riesgo de mortalidad hospitalaria (fuente)

Este asunto tan matemático-friki tiene todas las papeletas para convertirse en mi próxima obsesión, porque lo que puede que vuelva a hablar de ellas por aquí. En cualquier caso, ya sabéis: no perdáis la fe en la humanidad, pero tampoco la perdáis en la electrónica, la matemática, ni la informática. Dentro de poco ellos serán más listos que nosotros. Si queréis ampliar un poco de información, podéis echar un vistazo al oráculo, que tiene algunos artículos bastante buenos sobre el tema.

¡Saludos!

Grandioso homenaje de los compañeros de industriales de la UPM. Lo vi en alguna de las múltiples redes sociales que proliferan hoy día, y no pude resistir la tentación de ponerlo aquí. Lo peor no es que el muchacho cante mal. Lo peor es que tienen más razón que un cardumen de santos.

Así que, para los que termináis ahora selectividad y estáis indecisos sobre qué carrera escoger, ya sabéis: las ingenierías siempre están ahí, y lo difícil no es entrar…

¡Saludos!

Estos días anda rulando por internet un enlace a Wolfram Alpha, el buscador semántico de Stephen Wolfram (sí, ese que no ha hecho casi nada por las matemáticas), bastante curioso. Es la representación polar de una función muy particular: (1 + 0.9cos(8t)) (1 + 0.1cos(24t)) (0.9 + 0.05cos(200t)) (1 + sen(t)), entre -π y π. Podéis imaginar el resultado por el título de este post, y si no, pinchad aquí. Ya me veo la camiseta de las próximas fiestas patronales de Matemáticas…

Y para los que prefiráis Matlab, como yo, el código es casi el mismo:

t = [-pi:0.01:pi];
polar(t,(1 + 0.9*cos(8*t)).*(1 + 0.1*cos(24*t)).*(0.9 + 0.05*cos(200*t)).*(1 + sin(t)))

Hablando de todo un poco, aprovecho para recomendaros encarecidamente Wolfram Alpha. Es, entre otras cosas, un Mathematica online, pero es mucho más. Nació con la premisa de revolucionar el concepto de buscador, convirtiéndose en, como ellos mismos lo llaman, un motor computacional de conocimiento. Que dicho así suena incluso más rimbombante que los procesadores meta-cognitivos de los que os hablaba el otro día (aunque pocas cosas suenan más futuristas que añadir un meta-).  No se trata de enlazar páginas que tengan las mismas palabras que tú has buscado, sino de darte directamente la información, siempre con unas fuentes de calidad y referenciadas, quedando los enlaces tradicionales que devolvería un buscador relegados a un segundo plano. Las posibilidades son enormes: Información sobre ciudades, conversión de divisas,  resolución de ecuaciones diferenciales, optimización, etc. Este recurso puede suponer un cambio en el modelo de aprendizaje de las matemáticas, dado que, por ejemplo, para resolver esta integral, con la que alguien estaba atascado el otro día, simplemente hay que pulsar “show steps” y el mismo Alfa te indica los pasos. Ahora que políticos de uno y otro signo han puesto de moda cuajar las aulas de ordenadores, como si sirviera para evitar el temido fracaso escolar y no para rapiñar votos de los que ya no se acuerdan de lo que era ir a clase, tener acceso a esta herramienta tan sumamente potente debería hacer a más de uno plantearse el modo en que da clase, aunque algo me dice que no lo hará.

Por supuesto, aunque puedes hablarle, tienes que hablarle en inglés, pero todo llegará. Hasta tiene su particular sentido del humor.

¡Saludos!

Buscando información en internet sobre segmentación y minería de datos, dos conceptos bastante interesante que tengo el gusto de estar viendo en clase, me crucé con un artículo en el que la volví a ver. A la chica del sombrero con las plumas lilas. Ya había leído sobre sistemas de visión artificial y reconocimiento de patrones, y curiosamente muchas veces se repetía esta imagen, la guapa cara, el sombrero y el hombro, frente al espejo.

¿Y quién era esta chica? ¿Quién era la imagen más procesada, estudiada y tratada digitalmente de la historia de la computación? Pues se llama Lena. Lena Söderberg. Y la foto, es del Playboy. Sí, del Playboy.

Corría el año 1972, cuando la visión y la inteligencia artificial estaban aún más en pañales que hoy día, y una miss noviembre pasó de ser simplemente un poster en una revista para adultos a protagonizar ensayos de compresión de imagen, filtrado, clustering, dithering, y demás cosas que yo hasta hace poco no sabía ni escribir. La historia, que apareció en un artículo posterior del IEEE, es la siguiente (la traducción es C&P de Wikipedia):

Alexander Sawchuk cree que fue en junio o julio de 1973 que, mientras era profesor ayudante de ingeniería eléctrica en el Instituto de tratamiento de señal e imágenes de la Universidad del Sur de California, con un estudiante y el jefe del laboratorio, estaban buscando apresuradamente en el laboratorio una buena imagen para escanear para un artículo de conferencia de un colega. Estaban cansados de sus imágenes de prueba habituales, cosas aburridas que databan de los años 1960 y basadas en estándares audiovisuales. Querían algo sorprendente para asegurar un buen contraste, y quería que hubiese un rostro humano. En ese momento, alguien llegó con el último Playboy. Los ingenieros arrancaron el tercio superior del póster central para poder envolverlo alrededor del tambor de su escáner Muirhead, que habían equipado con convertidores analógico a digital (uno para cada canal de color: rojo, verde y azul) y un minicomputador Hewlett Packard 2100. El Muirhead tenía una resolución fija de 100 líneas por pulgada y los ingenieros deseaban una imagen de 512 × 512, así que limitaron la imagen a 5′12 pulgadas de altura, cortando para ello la fotografía a la altura de los hombros de la modelo.

Así que ya ven: la picardía de un estudiante que buscaba tetas, junto con la buena calidad de la imagen para probar algoritmos de procesado (hay líneas verticales e inclinadas, primer plano y fondo, distintas texturas y elementos de colores similares, etc. que la hacen idónea para medir la calidad de las distintas técnicas) provocaron que esta jovencita, hoy ya más madura pasara a ser una cara familiar de todos los que en algún momento hemos tenido algo que ver con el tratamiento de imagen. De hecho, Playboy, según parece muy celoso con el tema de los derechos de autor, tuvo que acabar permitiendo el uso de esta imagen para investigación, y la propia Lena fue invitada al 50 aniversario de la Society for Imaging Science in Technology. Como curiosidad, el número de la revista en el que aparecía la imagen original es el más vendido de la historia de Playboy. La foto completa (ojo, la chica está desnuda, ¿eh?) se puede ver aquí.

Evidentemente, la rancia carcundia no tardó en aparecer, quejándose del contenido lascivo (aunque, sinceramente, esa foto para mí es más artística que pornográfica, pero hay gente que lleva muy mal eso de ver un culo ajeno). También alguna señorita se quejó de sexismo, algo a lo que hoy día ya estamos acostumbrados. Es lo que tiene la libertad de expresión, que todo el mundo puede hablar.

Puede parecer una tontería que se utilice siempre a Lena, pero no se trata de homenajes, ni de actitudes falócrato-lascivas; simplemente ocurre que partir de la misma imagen permite comparar con mucha mayor facilidad los resultados de las diferentes técnicas que se le apliquen, y evaluarlas más fácilmente. Por ejemplo, la imagen a continuación es el resultado de escanear la imagen utilizando un LEGO Mindstorms, como aparece en este artículo:

Imagen original, imagen escaneada, e interpolación.

Y no es el único patrón de test famoso, también tenemos por ejemplo la tetera de Utah (que podéis ver en Matlab, por ejemplo, si escribís teapotdemo), o la caja de Cornell, usados en renderizado 3D.

Así que ya lo saben: la próxima vez que tengan que procesar imágenes, usen a Lena otra vez.. antengan viva la leyenda. Ojalá todos los estándares científicos fueran guapas señoritas ligeras de ropa. Seguramente, acudiríamos a la universidad un poco más contentos.

¡Saludos!

Podrán cortar las flores, pero no detendrán la primavera…