Si estás metido en temas de Machine Learning, éste aparato te interesa ya que a pesar de su apariencia de pendrive, es una potente unidad de procesamiento de 100 GFLOPs con un consumo de apenas 1W. Está basado en el procesador Myriad 2 y se conecta directamente a un puerto USB 3.0 aunque también es compatible con 2.0. Con esto, se puede añadir por ejemplos funciones de reconocimiento de imágenes a dispositivos que alo mejor no disponen de suficiente potencia de cálculo para estos menesteres como por ejemplo una Raspberry Pi. Otra función interesante es que soporta Multi-Stick, lo que permite conectar varias unidades en paralelo para aumentar la potencia. Nuestro amigo G4lile0 ha publicado un interesantísimo vídeo que muestra en detalle cómo funciona y todas las posibilidades que ofrece. Suscribiros a su canal, inconscientes! ;)
Leer más
Si lo que te va es el tema de reconocimiento de imágenes, inteligencia artificial, machine learning y todas esas cosas que parecen estar tan de moda últimamente, es posible que si todavía no sabes de qué va te encuentres bastante perdido. No voy a decir que es algo trivial y requiere de cierta experiencia en varios campos como por supuesto las matemáticas (y no hablamos de sumas y restas, funciones estadísticas principalmente entre otras) así como diversos lenguajes como Python y algunas herramientas como Keras. Todo esto permite realizar todo tipo de experimentos con redes neuronales para identificar objetos en una imagen, clasificar contenidos y todo tipo de artefactos donde la programación "normal" de toda la vida no es viable. Aquí se trata de que en lugar de programar un código para resolver un problema determinado, generas un modelo según el problema a resolver y luego entrenes una red neuronal para que aprenda. Luego al consultar lla red con un dato no conocido y en base a su entrenamiento, será capaz de reconocer patrones en un determinado porcentaje de acierto.
A continuación te dejo un completo vídeo con un imprescindible enlace sobre cómo instalar todo un sistema escalable para realizar programas de Deep Learning y así analizar gran cantidad de datos de forma inteligente.
Leer más
Los robots de tipo Delta son rápidos, muy rápidos ya que debido a su propio funcionamiento, la punta del brazo pesa muy poco y por lo tanto puede desplazarse muy rápidamente. El sistema delta es ampliamente utilizado en aplicaciones industriales y también en algunas impresoras 3D. Hacer un robot de éste tipo mola y mucho, pero su programación no es sencilla ya que los motores, generalmente tres, deben posicionarse con el ángulo acorde a donde queremos apuntar el cabezal. Eso se hace en base a una coordenada espacial (X, Y y Z) y calculando a la inversa la rotación exacta de los motores. A ésto se le llama cinemática inversa (inverse kinematics en inglés). A continuación os dejo un vídeo del funcionamiento de un robot delta casero para ir poniéndose calientes, pero lo más importante y quizás más interesante, es el enlace que os dejo a una función escrita en C para el cálculo de la cinemática inversa y cómo funciona.
Leer más
Lo bueno de utilizar redes neuronales para resolver un problema, es que puedes programarlas para que aprendan. De esta forma en lugar de programar una solución específica, lo que se hace es programar un modelo. Existen diversas herramientas que se pueden utilizar como la conocida librería TensorFlow y también Open AI. Os dejo a continuación una serie de de vídeos de Sentdex (canal de YouTube altamente recomendado si te mola el tema) que muestra cómo se puede entrenar una red neuronal para que juegue a un juego. Para eso utiliza en lenguaje Python y nos enseña a crear el modelo, entrenarlo y medir los resultados obtenidos. El mismo concepto lo puedes utilizar para una infinidad de cosas, como por ejemplo en robótica.
Leer más
Puede que el título parezca un poco sensacionalista, pero no es para menos. DeepMind, ese proyecto secreto de Google/Alphabet para la creación de inteligencia artificial, ha anunciado en un vídeo que han conseguido crear un tipo de inteligencia que es capaz de batir el anterior AlphaGo que hace algo más de un año había masacrado al campeón del mundo Ke Jie. Hasta ahora todo correcto, pero ésta nueva generación llamada AlphaGo Zero ha conseguido batir a su anterior versión en tan solo 40 días. Pero ésta vez lo ha hecho de forma muy diferente y ahí está la clave. La versión Zero se inicia con las reglas básica del juego y sin intervención humada y sin datos previos, aprende ella sola. Tras un periodo de 40 días, es mejor jugador que cualquier humano del planeta sin intervención humana externa y lo realmente interesante es que podría aplicarse a cualquier tipo de conocimiento.
Leer más
