fbpx
¿Qué podremos hacer con la tecnología 5G?

¿Qué podremos hacer con la tecnología 5G?

La tecnología 5G ofrece un prometedor futuro para el Internet de las Cosas. Esto es lo que nos espera.

¿Una velocidad de transmisión de datos 1.000 veces mayor que la de la red LTE? Esto es lo que nos espera con el futuro estándar de la tecnología 5G de telefonía móvil. Esta quinta generación será la base tecnológica de los desarrollos del Internet de las Cosas, con vehículos automatizados, casas conectadas a las ciudades inteligentes… la tecnología 5G está llena de potencial.

Para empezar la tecnología 5G promete ser hasta 100 veces más rápida que los sistemas inalámbricos actuales. A pesar de que los dispositivos actuales no tienen la suficiente capacidad para soportarla, cabe destacar que esta tecnología no empezará a llegar hasta 2018, con Japón, Corea del Sur y América del Norte siendo probablemente los primeros en adoptar esta tecnología 5G.

Pero, ¿qué nos permitirán hacer las redes 5G?

Además de aumentar la velocidad, las redes 5G ofrecerán menor latencia, mayor fiabilidad, mejor conectividad desde más lugares; también una mayor capacidad, permitiendo que más usuarios y más dispositivos estén conectados al mismo tiempo. La infraestructura resultante hará que el IoT (internet of things -interne de las cosas-) sea escalable, con más de 20.800 millones de «cosas» -incluyendo edificios, automóviles, máquinas y electrodomésticos- que se espera que estén conectadas a la red para el momento en que 5G se estrene globalmente en 2020, frente a los 4.900 millones de 2015.

Con la red 5G podremos descargar una película en nuestro smartphone en menos de tres segundos; nuestro coche será capaz de detectar y navegar automáticamente salvando los obstáculos del camino; los médicos podrá realizar procedimientos quirúrgicos complejos utilizando robots de forma remota; las ciudades serán capaces de recopilar información en tiempo real omnipresente sobre el tráfico, el tiempo y la delincuencia

Las redes 5G permitirán que los dispositivos se conecten entre sí directamente, con una comunicación más eficiente y por tanto con un menor gasto de energía de la batería.

Respecto a dispositivos para el Internet de las Cosas, por ejemplo, la velocidad y el rendimiento superiores de las redes 5G desbloquearán características muy solicitadas como los comandos de voz, el reconocimiento facial, el procesamiento de imágenes y vídeo en tiempo real e interfaces basadas en gestos.

Así las cosas, en 10 años los taxis robotizados formarán parte del escenario habitual de muchas calles de las grandes ciudades.

Fuente: Muy Interesante https://www.muyinteresante.es/tecnologia/articulo/que-podremos-hacer-con-la-tecnologia-5g-761487761901

¿Qué es Machine Learning y cómo funciona?

¿Qué es Machine Learning y cómo funciona?

A la hora de describir qué es Machine Learning es inevitable la relación con el concepto de la Inteligencia Artificial. Machine Learning o Aprendizaje automático hace referencia a la capacidad de una máquina o software para aprender mediante la adaptación de ciertos algoritmos de su programación respecto a cierta entrada de datos en su sistema.

¿Qué es Machine Learning?

El Aprendizaje Automático consiste en una disciplina de las ciencias informáticas, relacionada con el desarrollo de la Inteligencia Artificial, y que sirve, como ya se ha dicho, para crear sistemas que pueden aprender por sí solos.

Es una tecnología que permite hacer automáticas una serie de operaciones con el fin de reducir la necesidad de que intervengan los seres humanos. Esto puede suponer una gran ventaja a la hora de controlar una ingente cantidad de información de un modo mucho más efectivo.

Como estas acciones se realizan de manera autónoma por el sistema, se dice que el aprendizaje es automático, sin intervención humana

Lo que se denomina aprendizaje consiste en la capacidad del sistema para identificar una gran serie de patrones complejos determinados por una gran cantidad de parámetros.

Es decir, la máquina no aprende por sí misma, sino un algoritmo de su programación, que se modifica con la constante entrada de datos en la interfaz, y que puede, de ese modo, predecir escenarios futuros o tomar acciones de manera automática según ciertas condiciones. Como estas acciones se realizan de manera autónoma por el sistema, se dice que el aprendizaje es automático, sin intervención humana.

¿Cómo funciona el Machine Learning?

En la informática clásica, el único modo de conseguir que un sistema informático hiciera algo era escribiendo un algoritmo que definiera el contexto y detalles de cada acción.

En cambio, los algoritmos que se usan en el desarrollo del Machine Learning realizan buena parte de estas acciones por su cuenta. Obtienen sus propios cálculos según los datos que se recopilan en el sistema, y cuantos más datos obtienen, mejores y más precisas serán las acciones resultantes.

Las computadoras se programan a sí mismas, hasta cierto punto, usando dichos algoritmos. Estos funcionan como ingenieros que pueden diseñar nuevas respuestas informáticas, como respuesta a la información que se les suministra a través de su interfaz u otros medios. Todo nuevo dato se convierte en un nuevo algoritmo, y a más datos, mayor complejidad y efectividad de cálculo puede proporcionar el sistema informático.

El mínimo que se recomienda es de 6 entradas de datos reales para cada respuesta nueva diseñada

La clave de la capacidad de un sistema de Aprendizaje Automático se encuentra en la construcción y adaptación de los árboles de decisiones en base a los datos previamente conocidos por el sistema.

Pero también influye la aplicación de fórmulas heurísticas en los nodos que forman el árbol, para el que se elabora un sistema de inferencias.

El sistema de Machine Learning necesita contar con un volumen de datos de relevancia para poder suministrar respuestas realmente válidas. El mínimo que se recomienda es de 6 entradas de datos reales para cada respuesta nueva diseñada, y esto debe repetirse para cada variable que conforman el sistema de trabajo del sistema.

Tipos de machine learning

Un sistema informático de Aprendizaje Automático se sirve de experiencias y evidencias en forma de datos, con los que comprender por sí mismo patrones o comportamientos. De este modo, puede elaborar predicciones de escenarios o iniciar operaciones que son la solución para una tarea específica.

A partir de un gran número de ejemplos de una situación, puede elaborarse un modelo que puede deducir y generalizar un comportamiento ya observado, y a partir de él realizar predicciones para casos totalmente nuevos. Como ejemplo, se puede considerar la predicción del valor de unas acciones en el futuro según el comportamiento de las mismas en periodos previos.

Existen tres tipos principales de Aprendizaje Automático:

1. Aprendizaje supervisado:

Qué es Machine Learning y cómo funciona

Este tipo de aprendizaje se basa en lo que se conoce como información de entrenamiento. Se entrena al sistema proporcionándole cierta cantidad de datos definiéndolos al detalle con etiquetas. Por ejemplo, proporcionando a la computadora fotos de perros y gatos con etiquetas que los definen como tales.

Una vez que se le ha proporcionado la suficiente cantidad de dichos datos, podrán introducirse nuevos datos sin necesidad de etiquetas, en base a patrones distintos que ha venido registrando durante el entrenamiento. Este sistema se conoce como clasificación.

Otro método de desarrollo del Aprendizaje Automático consiste en predecir un valor continuo, utilizando parámetros distintos que, combinados en la introducción de nuevos datos, permite predecir un resultado determinado. Este método se conoce como regresión.

Lo que distingue al Aprendizaje Supervisado es que se utilizan distintos ejemplos a partir de los que generalizar para nuevos casos.

2. Aprendizaje no supervisado:

En este tipo de aprendizaje no se usan valores verdaderos o etiquetas. Estos sistemas tienen como finalidad la comprensión y abstracción de patrones de información de manera directa. Este es un modelo de problema que se conoce como clustering. Es un método de entrenamiento más parecido al modo en que los humanos procesan la información.

3. Aprendizaje por refuerzo:

En la técnica de aprendizaje mediante refuerzo, los sistemas aprenden a partir de la experiencia. Como ejemplo se puede observar el comportamiento de un coche autónomo. Cuando el vehículo toma una decisión errónea, es penalizado, dentro de un sistema de registro de valores. Mediante dicho sistema de premios y castigos, el vehículo desarrolla una forma más efectiva de realizar sus tareas.

Es una técnica basada en la prueba y error, y en el uso de funciones de premio que optimizan el comportamiento del sistema. Es una de las maneras más interesantes de aprendizaje para sistemas de Inteligencia Artificial, pues no requiere de la introducción de gran cantidad de información.

El uso de algoritmos marcará la competitividad y la profesionalidad durante los próximos años

La tecnología del Aprendizaje Automático está sirviendo para recopilar y modelar el conocimiento, con el fin de proporcionar información más específica y elaborar mejores herramientas de trabajo para las personas. El uso de algoritmos marcará la competitividad y la profesionalidad durante los próximos años.

Por ello, no son pocas las empresas que utilizan el machine learning en sus servicios y productos, aprovechando los beneficios que puede reportar su aplicación, tanto para los procesos de sus organizaciones como para mejorar la experiencia de trabajo y entretenimiento de sus clientes.

Fuente: APD.ES