Día: 3 julio, 2018

AWS provee capacidades cloud y aprendizaje automático a la Fórmula 1

Amazon Web Services anunció que Formula One Group (Fórmula 1) está trasladando la gran mayoría de su infraestructura a partir de centros de datos locales a la nube de AWS, y estandarizando en los servicios de AWS de aprendizaje automático y análisis de datos para acelerar su transformación en la nube.

La Fórmula 1 trabajará con AWS para mejorar sus estrategias de carrera, sistemas de seguimiento de datos y transmisiones digitales a través de una amplia variedad de servicios de AWS, incluido Amazon SageMaker, un servicio de aprendizaje automático administrado que permite a los desarrolladores y científicos cotidianos crear e implementar fácilmente modelos de aprendizaje automático; AWS Lambda, el servicio informático sin servidor de AWS impulsado por eventos, y los servicios de análisis de AWS para descubrir métricas que ofrecen cambiar la forma en que los fanáticos y equipos disfrutan, experimentan y participan en las carreras.

La Fórmula 1 también ha seleccionado AWS Elemental Media Services para potenciar sus flujos de trabajo de activos de video, mejorando la experiencia visual de sus más de 500 millones de seguidores en todo el mundo.

Mediante el uso de Amazon SageMaker, los cient√≠ficos de datos de F√≥rmula 1 entrenan con modelos de aprendizaje profundo con 65 a√Īos de datos hist√≥ricos de carreras almacenados, tanto en Amazon DynamoDB como en Amazon Glacier.

Ahora, la Fórmula 1 puede extraer estadísticas críticas de rendimiento de la carrera para hacer predicciones de carrera y dar a los fanáticos una visión de las decisiones y estrategias de fracción de segundo adoptadas por los equipos y conductores.

Por ejemplo, los científicos de datos de Fórmula 1 pueden predecir cuándo se abre y se cierra la ventana de oportunidad para que los equipos acondicionen sus autos para obtener la máxima ventaja, así como también determinar el mejor momento para cambiar los neumáticos.

Al transmitir datos de carreras en tiempo real a AWS mediante Amazon Kinesis, la F√≥rmula 1 puede capturar y procesar datos clave de rendimiento para cada auto durante cada giro y vuelta de los circuitos de F√≥rmula 1 con precisi√≥n y velocidad inigualables. Despu√©s, al implementar el aprendizaje autom√°tico avanzado a trav√©s de Amazon SageMaker, la F√≥rmula 1 puede determinar c√≥mo se est√° desempe√Īando un conductor y si los dem√°s conductores se han excedido o no del l√≠mite.

Al compartir estas ideas con los fanáticos a través de transmisiones de televisión y plataformas digitales, la Fórmula 1 está mejorando la experiencia de los fanáticos, permitiéndoles profundizar en el funcionamiento interno de sus equipos y conductores favoritos.

 

 

Cuatro aspectos que tendrán todos los vehículos del futuro

Es incre√≠ble lo lejos que ha llegado la tecnolog√≠a del transporte en tan poco tiempo. Hace 50¬†a√Īos, la computadora de navegaci√≥n de Apolo¬†11, la nave espacial con la que el hombre lleg√≥ por primera vez a la Luna, solo ten√≠a 16¬†k de memoria, menos que la capacidad de cualquier calculadora de mano de hoy en d√≠a. Los veh√≠culos aut√≥nomos actuales son, literalmente, supercomputadoras m√≥viles capaces de procesar miles de millones de operaciones por segundo.

Este tipo de veh√≠culo requiere sistemas de maniobra, frenado y aceleraci√≥n muy complejos y basados en datos que sean capaces de comunicarse a la velocidad de la luz, para sincronizarse entre s√≠ y adaptarse en tiempo real a un entorno de conducci√≥n variable. Adem√°s, estos sistemas deben garantizar la experiencia segura y confortable de los pasajeros. Los veh√≠culos aut√≥nomos de hoy tambi√©n cuentan con miles de sensores que interact√ļan simult√°neamente con otros veh√≠culos, con las se√Īales de tr√°nsito e, incluso, con la calle para evitar peligros y trazar la ruta m√°s adecuada. Si pensamos en la computadora de 16¬†k que ayud√≥ a llevar al hombre a la Luna, realmente es asombroso ver hasta d√≥nde hemos llegado.

Si bien los veh√≠culos aut√≥nomos se est√°n probando en todo el mundo, todav√≠a falta una d√©cada, por lo menos, para que en verdad sean algo com√ļn de ver en las calles.

Eso es lo que tiene de particular la conducci√≥n aut√≥noma: funciona bien solo si la mayor√≠a de los veh√≠culos tiene la capacidad de circular sin conductor. Alcanza con que un solo conductor de carne y hueso realice una maniobra inesperada, frene de improviso o estacione en una zona de carga para que todo el sistema se desequilibre. Habr√° que acostumbrarse con rapidez ‚ÄĒpr√°cticamente de un d√≠a para el otro‚ÄĒ a medida que los conductores hagan el paso a la conducci√≥n aut√≥noma al mismo tiempo.

Lograr que todo funcione de forma conjunta requerirá de muchas pruebas y medidas confiables, además de mucha paciencia. Estas son las cuatro claves del vehículo del futuro:

  1. Conectividad

Los veh√≠culos est√°n compuestos de muchas partes que se mueven, y todas tienen que poder funcionar juntas. Algunas est√°n conectadas por cables; otras, de forma inal√°mbrica, y la latencia es absolutamente cr√≠tica. Reaccionar con un m√≠nimo retraso de menos de un segundo puede significar que el veh√≠culo necesite seis¬†metros extra de distancia de frenado si viaja a una velocidad de 80¬†km por hora. Esa puede ser la diferencia entre frenar de forma segura y chocar contra el auto que est√° adelante. Los sistemas que conducir√°n el veh√≠culo del futuro tendr√°n que pasar muchas pruebas de estr√©s que garanticen su confiabilidad y rendimiento, y ser√° necesario controlarlos de forma constante para evitar los cuellos de botella. El hecho de que un correo electr√≥nico llegue con demora o una transacci√≥n de compra no quede registrada puede causar malestar o hacer perder dinero, pero los errores del sistema de un veh√≠culo aut√≥nomo pueden costar la vida. Por lo general, el desempe√Īo de un sistema no tiene un impacto de vida o muerte, salvo cuando hablamos de veh√≠culos aut√≥nomos.

  1. Inteligencia

El veh√≠culo del futuro tambi√©n tiene que ser inteligente. Los sistemas de conducci√≥n aut√≥noma tienen que poder diferenciar entre una bicicleta y una motocicleta, o entre una se√Īal de tr√°nsito y un peat√≥n. Tambi√©n deber√°n tener en cuenta las interferencias en los sensores que puedan ocurrir producto de la niebla, la lluvia o el viento, as√≠ como cuestiones de la l√≠nea de visi√≥n. Los veh√≠culos aut√≥nomos tambi√©n deber√°n ser capaces de aprender con la pr√°ctica gracias al aprendizaje autom√°tico, y adaptarse a su entorno y a otros veh√≠culos a lo largo de su ciclo de vida.

 

  1. Alimentación

El veh√≠culo del futuro no depender√° de combustibles f√≥siles. El desarrollo de tecnolog√≠as de bater√≠as seguir√° avanzando, a fin de proveer fuentes de energ√≠a limpias, renovables y confiables para los veh√≠culos aut√≥nomos. Los costos bajar√°n: se espera que, en los pr√≥ximos cinco¬†a√Īos, las bater√≠as de iones de litio est√©n por debajo de los USD¬†100 por kWh. Adem√°s, se desplegar√° la infraestructura necesaria para las nuevas tecnolog√≠as de bater√≠as, como estaciones de carga y de desecho. Ya se est√°n desarrollando otras tecnolog√≠as, como las bater√≠as de litio-aire y las bater√≠as de iones de litio de estado s√≥lido. Tambi√©n en estos casos, ser√° clave hacer las pruebas necesarias para que puedan funcionar de manera segura y eficaz.

 

  1. Ciberseguridad

Quiz√°s lo m√°s importante de todo es que el veh√≠culo del futuro sea seguro. Desafortunadamente, hasta los sistemas inform√°ticos m√°s s√≥lidos son vulnerables a los ciberataques y, hasta que se demuestre lo contrario, es posible pensar que podr√≠a haber personas con malas intenciones que intenten conseguir el control de estos veh√≠culos. Los operadores tendr√°n que monitorear constantemente los sistemas aut√≥nomos para detectar vulnerabilidades. En vez de adoptar medidas de defensa ‚ÄĒlo que demostr√≥ ser pr√°cticamente imposible‚ÄĒ, los operadores de veh√≠culos aut√≥nomos tendr√°n que escudri√Īar el sistema en busca de comportamientos anormales o inesperados. Por ejemplo, si se detecta que el tr√°fico del sistema se dirige a un servidor remoto desconocido, no hay dudas de que algo raro est√° pasando.

 

Hemos avanzado mucho desde que el hombre viajó a la Luna con ayuda de una computadora de menor capacidad que una calculadora de mano. El vehículo del futuro tendrá gran complejidad y estará impulsado por datos, y será esencial que la interconectividad entre los diversos sistemas sea sólida y altamente confiable. Usará fuentes de energía limpias y renovables, y tendrá que ser seguro. Para garantizar todo eso, los fabricantes y operadores deberán llevar a cabo pruebas y realizar un control constante. En resumen, los sistemas de los vehículos autónomos tendrán que ser los más seguros y confiables de la historia. El vehículo del futuro depende de ello.

 

Por: Soon-Chai Gooi, Keysight.

La Inteligencia Artificial est√° cada vez m√°s inteligente

Las m√°quinas tomar√°n acciones con base en sus datos, asumiendo as√≠ acciones de riesgo o de negocios que antes eran realizadas por personas. ¬ŅQu√© podemos hacer al respecto?

Hasta hace pocos a√Īos las empresas abandonaron el simples¬†data warehouse¬†para invertir en grandes estructuras de¬†big data. Se quiera o no, la tecnolog√≠a digital fue el combustible fundamental y el m√°s importante para esta transformaci√≥n. Su enfoque inicial era de peque√Īos datos estad√≠sticos de los resultados de las ventas y de los productos; actualmente se dedican a grandes an√°lisis y al cruce de informaciones internas y externas para entender cada vez m√°s el comportamiento de los clientes seg√ļn su perfil de consumo.

Observe que hubo un cambio en el enfoque de la visión de la información: el cliente pasó a tener preferencia total para las empresas y el entendimiento de su comportamiento pasó a ser la clave principal del camino evolutivo para desarrollar nuevos productos y soluciones. Así, el uso de la inteligencia artificial ha adquirido importancia primordial en el próximo paso de la evolución tecnológica.  Empresas pioneras, como Google con el Assistant/Home y Amazon con la Alexa, tomaron la delantera en esta carrera, en función del comportamiento de las personas. Las demás empresas, las más avanzadas y otras todavía en sus etapas iniciales, recorren el mismo camino para mantenerse competitivas en el mercado.

Seg√ļn Stephen Hawking, nuestras vidas ser√°n transformadas por la IA, que puede constituirse en el evento de mayor relevancia de la civilizaci√≥n humana.

Muchos anuncian que hasta el a√Īo 2040 cada ser humano ser√° el centro de un mundo asistido por la inteligencia artificial. ¬ŅPero, c√≥mo desarrollar esas habilidades? La evoluci√≥n del lenguaje neuronal en la conversi√≥n de datos en texto permite la autonom√≠a de los ordenadores en el desarrollo de las acciones racionales, para la generaci√≥n de informaci√≥n y es actualmente usada por empresas para la configuraci√≥n de reportes inteligentes.

La evolución del Speech Recognition, que permite cada vez más la interacción hombre-máquina en los sistemas de reconocimiento de voz, está cada vez más intuitiva. Los diversos tipos de agentes virtuales o robots de automatización ya pueden asociarse a las acciones de machine learning o deep learning, en que la máquina, con base en la información, tiene una evolución de aprendizaje próxima a la del cerebro humano.

 

IA en el control 

Los sectores de infraestructura podrán aparecer y desaparecer por medio de solicitudes realizadas por las propias máquinas. Por ejemplo, en la gestión de las decisiones, donde la máquina tomará acciones, con base en sus informaciones, asumiendo así acciones de riesgo o de negocios, que eran realizadas por personas y también, la Biometría, que permitirá la interacción de la máquina en los aspectos físicos de la estructura y forma del cuerpo y del comportamiento humano.

Esos son algunos peque√Īos ejemplos que, bien trabajados, van a permitir una IA m√°s inteligente a punto de proporcionar un mundo diferente en los pr√≥ximos a√Īos, donde tendremos asistentes digitales controlando el contenido de su heladera, la temperatura del ambiente, las gu√≠as de TV, basadas en su sentimiento, veh√≠culos aut√≥nomos y, qui√©n sabe, su portero podr√° ser un androide. Las empresas de tecnolog√≠a vienen trabajando, de forma consistente, en el dominio de la informaci√≥n, promoviendo en sus clientes la transformaci√≥n digital necesaria para que puedan entrar en la era de la IA. Entiendo que se trata de un camino sin retorno, en el cual las corporaciones que no emprendan este camino podr√°n perder su cuota en el mercado para una competencia m√°s preparada en estos nuevos avances tecnol√≥gicos.

 

 
Por: Cleverson Novo, Director Comercial de Triad Systems.

Claves para lograr mayor eficiencia en el Centro de Datos

¬ŅC√≥mo puedo hacer m√°s eficiente mi centro de datos?‚ÄĚ. Este es un cuestionamiento perfectamente razonable, ya que cada vez es m√°s importante poder optimizar costos y la infraestructura del negocio.

Vivimos en un mundo conectado en el que es vital proteger los datos y archivos importantes. Entonces, es prioridad asegurarse que la infraestructura física del centro de datos pueda adaptarse con rapidez para admitir futuras demandas por el Internet de las Cosas (IoT, por sus siglas en inglés) y el crecimiento en la nube o en ubicaciones periféricas sin comprometer eficiencia operativa.

Actualmente, estos escenarios son recurrentes por lo que será difícil saber dónde comenzar si no se ha implementado un análisis de eficiencia energética y determinar la criticidad de la operación o de procesos particulares. Se trata de algo básico, pero que con frecuencia es un escenario que se pasa por alto.

El monitoreo de energía es el punto de inicio para la eficiencia del centro de datos. Ya que nos da una visión de dónde se está consumiendo la energía y puede ayudar a descubrir posibles fuentes de ineficiencia.

Debemos tener presente que existen áreas donde es muy probable que las empresas estén perdiendo eficiencia y, sin sorprendernos, son los cuatro elementos más importantes para cualquier centro de información:

  • La carga del sistema¬†que alimenta a los UPS (Densidad por rack).
  • El equipo de enfriamiento,es la configuraci√≥n y dise√Īo del aire acondicionado de precisi√≥n del Cuarto de C√≥mputo (CRAC, siglas en ingl√©s) y la energ√≠a de entrada a estos.
  • La calidad de la energ√≠a en el suministro el√©ctrico.
  • La ubicaci√≥n del centro de datos¬†en s√≠ misma y su distribuci√≥n.

Las primeras tres hablan, en n√ļmeros, de la efectividad del uso energ√©tico (PUE, por sus siglas en ingl√©s), que permiten referenciar sobre c√≥mo se desempe√Īa un centro de datos en comparaci√≥n con otras organizaciones con infraestructura similar. De esta forma, se puede llegar a un primer escenario sobre qu√© est√° funcionando como se espera y qu√© no.

Por esto es muy importante tener presente los par√°metros y controles que dan una historia m√°s detallada sobre qu√© ha ocurrido. Mientras que los n√ļmeros PUE se enfocan solamente en la infraestructura, estas variables consideran infraestructura, equipo de sistemas conectado a √©ste y la instalaci√≥n como un todo. Es importante ver todo el panorama y considerar cu√°les son las √°reas de oportunidad que se deben aprovechar.

Hay un n√ļmero de cambios que se pueden hacer desde el comienzo para incrementar la eficiencia. Por ejemplo, revisar el inventario y analizar detenidamente qu√© es lo que hay, especialmente servidores viejos, routers, apagadores, almacenaje, que pueden no estar siendo utilizados y considerar retirarlos o consolidarlos.

Tambi√©n hay que analizar el contexto fuera del centro de datos, cualquier cosa que caiga bajo la misma denominaci√≥n, como m√°quinas de fax (¬Ņcu√°ndo fue la √ļltima vez que se envi√≥ un fax?), impresoras, etc√©tera, especialmente si toman energ√≠a del UPS. Por otro lado, cuando hablamos del software, se debe pensar en las plataformas que existen y cu√°n eficientes son, junto con los procesos adicionales que pueden estar utilizando, incluso cuando no est√°n siendo utilizadas.

Hasta se tiene que analizar el tipo de organización/limpieza del lugar de trabajo puede reducir el consumo de energía. Incluso cosas simples como asegurar que las luces estén apagadas cuando nadie esté en el centro de datos puede tener un gran impacto.

Ahora, si en verdad su organizaci√≥n necesita una gran cantidad de aparatos, valdr√≠a la pena invertir en OPEX para mejorar el equipo y reducir el n√ļmero de aparatos y el tama√Īo total de la infraestructura. Cada equipo que retiren tiene un efecto domin√≥ de impacto positivo de ahorro de energ√≠a, especialmente en el centro de informaci√≥n.

Lo que llama la atenci√≥n es que es mucho m√°s com√ļn de lo que se piensa la falta de visibilidad de muchos operadores de sistemas en cuanto en d√≥nde y c√≥mo se est√° consumiendo la energ√≠a. Cabe destacar que es dif√≠cil saber d√≥nde comenzar si no se ha implementado un sistema de medici√≥n de energ√≠a, y sin embargo, esto es algo que con frecuencia es pasado por alto, por tal raz√≥n, los responsables de la infraestructura pasiva debe contar con las herramientas necesarias para cumplir con sus tareas, pero tambi√©n saber optimizar los recursos para contribuir con el negocio desde todas las √°reas.

 

Por: David Cabrera, Director de Desarrollo de Negocios de Vertiv.

Gobierno de Veracruz mejora sus operaciones y ofrece agilidad en tr√°mites

La administraci√≥n del Gobierno del Estado de Veracruz, a cargo del Gobernador Miguel √Āngel Yunes Linares, mejor√≥ la operaci√≥n en las diferentes dependencias y entidades, terminando con un rezago en infraestructura tecnol√≥gica de aproximadamente 10 a√Īos. Licenciamientos vencidos, mantenimientos agotados, enlaces de datos excesivamente reducidos con altos costos y servicios de seguridad perimetral en su gran mayor√≠a obsoletos.

Sebasti√°n Silva S√°nchez, quien tom√≥ el liderazgo de la Direcci√≥n General de Innovaci√≥n Tecnol√≥gica responsable de la agenda digital del Gobierno del Estado de Veracruz, afront√≥ el desaf√≠o de modernizar y homologar la estrategia de seguridad cibern√©tica en un corto e inusual per√≠odo de dos a√Īos de administraci√≥n estatal.

‚ÄúUn elemento que fue tomado con mucha seriedad fue el establecimiento de marcos jur√≠dicos que regularan a todos los responsables de tecnolog√≠a en las dependencias y entidades que deb√≠a homologar el modelo de seguridad perimetral que facilitar√≠a los servicios administrados compartidos y la aplicaci√≥n de pol√≠ticas en cascada. Para esto se desarrollaron siete nuevos lineamientos inform√°ticos, enfocados a la estandarizaci√≥n de soluciones, de la ayuda de Fortinet”, explic√≥ Jes√ļs Eugenio Garc√≠a Mart√≠nez, subdirector de Pol√≠tica Inform√°tica.

A trav√©s de la Subdirecci√≥n de Infraestructura Tecnol√≥gica de la gobernaci√≥n, se coordin√≥ la instalaci√≥n de un cl√ļster central de equipos Fortinet en la Secretar√≠a de Finanzas y Planeaci√≥n (SEFIPLAN), y 17 equipos adicionales en cada una de las dependencias. A trav√©s de este desarrollo fue posible establecer un medio de comunicaci√≥n seguro y √°gil para desplegar una instancia del Sistema Integral de Administraci√≥n Financiera (SIAFEV 2.0) en todas ellas. Con esto se logr√≥ la protecci√≥n de m√°s de 20 mil equipos y 5 centros de datos de alta disponibilidad en el propio edificio de Finanzas, as√≠ como en el Palacio de Gobierno y en las Secretar√≠as de Seguridad P√ļblica, Salud y Educaci√≥n.

El proyecto implicó la integración de firewalls de próxima generación (NGFW), red privada virtual (VPN), IPS, AV, filtrado web, aplicación de control y acceso seguros. 

IMPACTO EN EL NEGOCIO

  • Hacer m√°s eficiente el gasto operativo y asegurar la protecci√≥n de toda la informaci√≥n que viaja en la Red Estatal de Veracruz (REDVER)
  • Robustecer los servicios de enlace de datos y disminuir los costos
  • Implementar tecnolog√≠a avanzada de equipamiento de seguridad con una administraci√≥n centralizada y simplificada
  • Atender en forma confiable a m√°s de 23 mil empleados y 22 mil peticiones de ciudadanos diariamente a trav√©s de los canales digitales, con un total de 103 especialistas en servicios tecnol√≥gicos

¬ŅEl reconocimiento facial biom√©trico viola la privacidad?

En solo unos pocos a√Īos, el reconocimiento facial basado en video ha dejado el √°mbito de la ciencia ficci√≥n y la superproducci√≥n de Hollywood para convertirse en una soluci√≥n del mundo real altamente efectiva y f√°cil de implementar.

En la actualidad, los mejores sistemas en su clase alcanzan estándares de precisión y velocidad mucho más allá de lo que es posible incluso con un ojo humano bien entrenado. Además, pueden implementarse junto con infraestructuras de video y bases de datos de imágenes existentes.

Sin embargo, aunque la tecnología capaz de detectar instantáneamente un rostro entre la multitud, los marcos regulatorios en los que deben operar tales sistemas han tenido problemas para mantener el ritmo.

En parte como resultado, se han expresado preocupaciones sobre las implicaciones acerca de la privacidad de esta nueva clase de herramienta de identificación biométrica.

Para garantizar que las sociedades puedan obtener todos los beneficios potenciales, es esencial:

  • Conocer directrices claras para el uso del reconocimiento facial autom√°tico basado en fuentes de video de dominio p√ļblico como CCTV (circuito cerrado de televisi√≥n).
  • Es importante considerar que, a diferencia de otras tecnolog√≠as biom√©tricas, el reconocimiento facial basado en video es discreto; la experiencia del usuario final es r√°pida, fluida y simple.

Como resultado de lo anterior, esto puede servir para fortalecer y proteger a las comunidades con un grado de sensibilidad mucho mayor que algunas de las medidas que se emplean actualmente.

El reconocimiento facial en vivo es solo uno de una amplia gama de métodos por los cuales los datos personales ahora pueden capturarse, almacenarse y utilizarse.

Y en todo el mundo, los reguladores están respondiendo a preocupaciones generalizadas sobre el posible impacto que esto tiene en nuestras libertades civiles. En la UE, por ejemplo, el GDPR (Reglamento General de Protección de Datos) entró en vigor el 25 de mayo de 2018.

Este reglamento proporciona un marco mucho más riguroso para la recopilación, el almacenamiento y el uso de información personal, incluida la biometría. Si bien obviamente es temprano en términos de implementación, muchos de los principios clave alrededor de los cuales se construye el GDPR tendrán, sin duda, profundas implicancias sobre cómo y dónde se implementa el reconocimiento facial basado en video. Estos principios incluyen:

  • Procesamiento legal, justo y transparente: el GDPR insiste en que debe quedar claro por qu√© se recopilan los datos.
  • Limitaci√≥n del prop√≥sito y minimizaci√≥n de datos: las organizaciones no deben recopilar datos sin un prop√≥sito espec√≠fico, y solo deben almacenar la cantidad m√≠nima de datos necesaria para tal fin. Adem√°s, los ciudadanos ahora tienen el “derecho al olvido”.
  • Confidencialidad y seguridad: una organizaci√≥n es ahora la √ļnica responsable de garantizar que los datos personales recopilados est√©n protegidos contra la negligencia o el ataque malicioso.
  • ‘Acci√≥n afirmativa clara’: todos los ciudadanos deben haber dado su consentimiento para que se recopilen los datos.

Mientras que los marcos legales lentamente toman forma, muchas agencias policiales y de control fronterizo ya est√°n m√°s familiarizadas con el uso de los datos biom√©tricos como una herramienta para identificar individuos de inter√©s. Sin embargo, en lo que respecta a la adopci√≥n del reconocimiento facial basado en video, diferentes pa√≠ses est√°n tomando enfoques para evaluar tanto la efectividad t√©cnica como los niveles de aceptaci√≥n y apoyo del p√ļblico. En Alemania, por ejemplo, una prueba llevada a cabo por la polic√≠a y el Ministerio del Interior en la estaci√≥n de trenes de Berl√≠n S√ľdkreuz, en la que participaron 400 “sospechosos” voluntarios, ha recibido cr√≠ticas de activistas por la libertad civil.

Al llegar a conclusiones, todas las partes del debate deben reconocer y comprender las caracter√≠sticas distintivas del reconocimiento facial basado en registros de video. Para algunos, la capacidad de “cosechar” millones de rostros de forma remota, sin que las personas involucradas est√©n necesariamente al tanto, es motivo de preocupaci√≥n. Sin embargo, igualmente, son esas mismas cualidades las que proporcionan algunos de los argumentos m√°s fuertes a su favor.

En muchos casos, la tecnolog√≠a reemplazar√° o complementar√° el proceso humano de “identificaci√≥n facial en vivo” que rutinariamente realizan funcionarios, como polic√≠as o guardias de control fronterizo.

Este tipo de enfoque claramente no está sujeto a los prejuicios conscientes o inconscientes que pueden influir potencialmente en el trabajo de cualquier ser humano. Como tal, las cuestiones delicadas relacionadas con la aplicación de la ley, en particular en relación con el tratamiento de los grupos minoritarios, pueden ser manejadas de manera mucho más efectiva. Sumado a eso, y a diferencia de la captura de datos biométricos, como las huellas dactilares o el iris, el reconocimiento facial basado en video es un proceso completamente discreto.

La experiencia reciente tiende a sugerir que los ciudadanos acoger√°n ampliamente la llegada de cualquier tecnolog√≠a nueva que pueda mejorar la protecci√≥n contra amenazas que van desde el tr√°fico de personas hasta el terrorismo mundial. Sin embargo, es probable que, en los pr√≥ximos a√Īos, la consulta y la participaci√≥n p√ļblicas efectivas sean la piedra angular de los despliegues de reconocimiento facial a gran escala basados en video. Independientemente de las regulaciones vigentes, la mayor√≠a de los observadores considerar√≠a esto como una mejor pr√°ctica.

Afortunadamente, con la introducción del GDPR y otras iniciativas similares en todo el mundo, los legisladores ahora están brindando mayor claridad en el uso apropiado de la biometría.

 

Por: Roberto Velarde, Country Sales Manager (Identity Management) Government Business Unit

M√°s de 1,300 millones de interacciones registradas en Facebook sobre las Elecciones

México vivió las elecciones más grandes en su historia digital y millones de personas usaron Facebook para comentar en torno a las elecciones. Del 4 de abril al 1 de julio de 2018, 64 millones de personas generaron más de 1,300 millones de interacciones en torno a las elecciones en la famosa red social.

Del total de interacciones mencionado, más de 1,100 millones de interacciones fueron generadas directamente por personas en México, seguidos pos más de 73.8 millones de interacciones que se generaron desde Estados Unidos.

Dentro de México, la mayoría de la conversación se generó en la capital, siendo más de 230 millones de interacciones generadas desde la ciudad de México. Después vino el Estado de México, Jalisco, Nuevo León y Veracruz.

El grupo de edad que gener√≥ el mayor porcentaje de interacciones fue el de 25 a 34 a√Īos (29.6%), seguido por el de 35 a 44 a√Īos (23.10%) y por el de 18 a 24 a√Īos (18.60%). Adem√°s, hubo una proporci√≥n m√°s grande de mujeres hablando de elecciones (53%); sin embargo, los hombres generaron m√°s interacciones -23 interacciones en promedio por persona- en comparaci√≥n a las mujeres -quienes generaron 18 interacciones en promedio cada una.

El d√≠a de la elecci√≥n la conversaci√≥n en la plataforma fue siete veces m√°s alta que el promedio por d√≠a de los 90 d√≠as previos –¬†104 millones de interacciones¬†vs. un promedio de 15 millones. Los temas m√°s comentados incluyeron:

  • Econom√≠a: m√°s de 3.8 millones de interacciones
  • Corrupci√≥n: m√°s de 3.7 millones de interacciones
  • Inseguridad: m√°s de 2.5 millones de interacciones
  • Salud: m√°s de 2.1 millones de interacciones
  • Desempleo: m√°s de 2 millones de interacciones

La conversación alcanzó su punto más alto alrededor de las 8:54 pm con un promedio de 175 mil personas por minuto interactuando en contenido sobre elecciones. torno a los candidatos presidenciales, los momentos de mayor interacción durante la jornada electoral del primero de julio se registraron de la siguiente manera:

  • 8:11 pm – 9 mil personas por minuto hablaban sobre Jos√© Antonio Meade
  • 8:30 pm – 700 personas por minuto hablaban sobre Jaime Rodr√≠guez Calder√≥n ‚ÄúEl Bronco‚ÄĚ
  • 8:40 pm – 18 mil personas por minuto comentaban sobre AMLO y 13 mil personas por minuto comentaban sobre Anaya

Estos datos han sido proporcionados a trav√©s de la pantalla interactiva de Facebook, que muestra en tiempo real el n√ļmero de personas que han realizado una o m√°s interacciones con contenido relacionado con alg√ļn candidato o tema pol√≠tico o social, en el contexto de las elecciones. Esta herramienta muestra datos que se recaban y agregan de manera an√≥nima y no miden el sentimiento o la intenci√≥n de voto.

Nutanix quiere ayudar a alcanzar la Transformación Digital

Las empresas est√°n en constante b√ļsqueda de la codiciada Transformaci√≥n Digital, agilizando el negocio y mejorando la entrega de aplicaciones y servicios.

Para ayudarse a llevar sus principales objetivos de negocio, se han tenido que apoyar de tecnologías emergentes como la nube para aumentar la disponibilidad de la información y servicios; y las cargas de trabajo digitales para la próxima generación de aplicaciones inteligentes, que soportarán el IoT e IA.

Fernando Zambrana, Country Manager de Nutanix.

‚ÄúNutanix busca ser un enabled, otorgando una plataforma para que las empresas obtengan esa agilidad para conseguir su transformaci√≥n digital. Nutanix hace invisible la infraestructura del data center, simplificando el aprovechamiento de los recursos, tecnol√≥gicos y humanos, para que puedan enfocarse a temas que den mayor valor para el negocio y ofrecer mayor agilidad‚ÄĚ, coment√≥ Fernando Zambrana, Country Manager de Nutanix en entrevista para Computerworld M√©xico.

Con el avance acelerado de la tecnolog√≠a, las empresas buscan adem√°s simplicidad para ofrecer resultados. ‚ÄúGracias a una sola consola de administraci√≥n y un solo centro de operaciones se puede visualizar cada √°rea, creando esa simplicidad que las compa√Ī√≠as modernas buscan‚ÄĚ, coment√≥ Zambrana, agregando que se trata de una herramienta desde la que se puede acceder incluso desde un Smartphone.

Gracias a la incorporación de tres herramientas que se unieron a su plataforma, Nutanix pretende ayudar a las empresas a alcanzar su digitalización y agilidad de negocio: Flow, Era y Beam.

Nutanix Flow, se trata de su soluci√≥n de red definida por software (SDN) pensada totalmente para manejar multinubes. “Sabemos que las compa√Ī√≠as de hoy no s√≥lo manejan sus cargas de trabajo en una sola nube, por lo que queremos brindarles la confianza para que muevan sus cargas entre todas ellas de manera segura”, coment√≥ el ejecutivo. Flow provee seguridad centrada en aplicaciones para brindar protecci√≥n total no s√≥lo frente amenazas internas, sino externas, las cuales suelen no ser detectadas por los productos de seguridad tradicionales.

Por su parte, Nutanix Era se trata de un conjunto de soluciones bajo el modelo PaaS (plataforma como servicio) dise√Īada especialmente para que la nube empresarial pueda optimizar y automatizar las bases de datos, ofreci√©ndole a los administradores libertad para que puedan enfocar sus esfuerzos en iniciativas de mayor valor para el negocio.

Por √ļltimo, Nutanix Beam es la oferta SaaS (software-as-a-service) de la compa√Ī√≠a, la cual ofrece control multinube para que las organizaciones puedan administrar los gastos, la seguridad y el cumplimiento de regulaciones asociadas a casi cualquier plataforma en la nube, todo bajo la misma plataforma de administraci√≥n.