facetas
Tipo de contenido

Next Web: web 3.0, web semántica y el futuro de internet > High computing performance

    sortFiltrar Ordenar
    211 resultados

    Página Web

    /

    Publicado el 2.1.2019 por Equipo GNOSS

    La siguiente Inteligencia Artificial - DARPA - AI Next Campaign

    Durante más de 5 décadas, DARPA (Defense Advanced Research Projects Agency) ha liderado la investigación y desarrollo que ha posibilitado el avance y aplicación de tecnologías de Inteligencia Artificial basadas en reglas y aprendizaje estadístico. Propone ahora el desarrollo y aplicación de una "tercera ola" de tecnologías de inteligencia artificial, con el programa "AI Next", en el que invertirá 2.000 millones de dólares.

    Las áreas claves del programa serán la automatización de procesos de negocio críticos del Departamento de Defensa de los Estados Unidos de América; mejora de la robustez y fiabilidad de los sistemas de IA; mejoras en la seguridad y resistencia de las tecnologías de machine learning; reducción del consumo energético y de las ineficiencias de rendimiento; y ser pioneros en la siguiente generación de algoritmos y aplicaciones de inteligencia artificial, como la "explicabilidad" y el razonamiento de sentido común.

    Las áreas específicas de la campaña AI Next son: 

    • Nuevas capacidades. Automatizar procesos críticos de negocio, como la acreditación de nuevos sistemas de software.
    • IA Robusta. Analizar los fallos de las tecnologías de IA, actualmente poco comprendidos, para obtener un rendimiento fiable.
    • IA Adversarial. Mejorar la robustez de los sistemas. Si bien es la herramienta más potente de la IA actual, machine learning se ha demostrado como fácilmente engañable con pequeños cambios en los inputs que nunca confundirían a un humano (ver Inteligencia Artificial: distinguiendo la moda de la realidad). Los datos usados para entrenar al sistema podrían ser incorrectos y hacer que el sistema fuese vulnerable a un ciberataque.
    • IA de alto rendimiento. Mejorar el rendimiento conteniendo y/o reduciendo el gasto energético, mediante el rediseño de algoritmos y hardware.
    • IA de siguiente generación. Añadir a los sistemas la capacidad de explicar sus resultados y dotarlos de razonamiento con conocimiento de sentido común.

     

    ...

    Página Web

    /

    Publicado el 6.8.2018 por Equipo GNOSS

    Ordenadores cuánticos y la encriptación irrompible

    Interesante artículo de Tom Forenski en el que llama la atención sobre la necesidad de revisar los archivos encriptados con las tecnologías actuales, ahora que la computación cuántica amenaza con romper las protecciones de las que disponemos.

    Afortunadamente, disponemos de nuevas tecnologías criptográficas, como lattice cryptography, que encripta los datos en redes matemáticas multidimensionales (lattices) que son irrompibles (sin una puerta trasera).

    En el siguiente vídeo, Cecilia Boschini, investigadora de IBM, explica en qué consiste lattice cryptograpy:

    ...

    Página Web

    /

    Publicado el 14.12.2017 por Equipo GNOSS

    Intelligence Unleashed. Un argumento para la Inteligencia Artificial en Educación (Pearson & University College London)

    El fin último de la Inteligencia Artificial en Educación (AIEd) es definido por Pearson y el University College de Londres (UCL) en su AIEd report (Intelligence Unleashed) como “la consecución de un entendimiento más profundo y exacto sobre cómo ocurre realmente el aprendizaje”. [...] “El futuro ofrece el potencial de  herramientas y soportes mucho más avanzadas. Imagínese compañeros de aprendizaje permanenteaccionados por AI que pueden acompañar y apoyar a los alumnos a lo largo de sus estudios - dentro y fuera de la escuela - o nuevas formas de evaluación que miden el aprendizaje mientras se está llevando a cabo, dando forma a la experiencia de aprendizaje en tiempo real”

    Según el informe existen tres modelos de AIEd:

    • el pedagógico (conocimiento de aprendizaje efectivo)
    • el dominio (el conocimiento del transmisor)
    • el de aprendiz (conocimiento del aprendiz)

    ...

    Presentación

    /

    Publicado el 25.4.2017 por Ricardo Alonso Maturana

    Mapping SparQl with Pig Latin (12 June 2011)

    Overview

     1. Motivation

    2. Framework

    3. PigSPARQL

    4. Evaluation

    5. Summary PigSPARQL: Mapping SPARQL to Pig Latin

    ...

    Página Web

    /

    Publicado el 25.4.2017 por Ricardo Alonso Maturana

    Mining Big Data with   RDF Graph Technology

    agenda:

    • Big Data in Action
    • Introducing Oracle Spatial and Graph
    • Using RDF for Big Data and Mining
    • Tools: Oracle and 3rd party
    • Demo
    • Summary

    ...

    Página Web

    /

    Publicado el 26.1.2017 por Equipo GNOSS

    Machine Learning and Statistical Algorithms: Training With Everything We’ve Got (article from Dataversity)

    "Machine Learning and other statistical algorithms are like muscles. How you train a statistical algorithm makes all the difference in how well it performs the task for which it was constructed. You could say training an algorithm is a bit like conditioning your muscles in a gym. It can only be considered fit for the specific function for which its been trained. Typically its strength in a particular function—such as classifying customers for target marketing or predicting whether they will accept your offer—does not carry over to other tasks for which you might wish to repurpose it. For other uses, the algorithm, if not rejiggered and retrained, may be entirely useless." 

    Read more...

    ...

    Página Web

    /

    Publicado el 3.6.2015 por Equipo GNOSS

    NoSQL Now! 2015 | The Premier NoSQL Conference & Expo

    Webpage of the  fifth annual NoSQL Now! Conference, which will take place in San Jose (California), 18-20 August. 

    "The fifth annual NoSQL Now! Conference is the largest vendor-neutral forum focused on NoSQL (Not Only SQL) technologies. Topics include Scale-Out Architectures, NoSQL Case Studies, Graph Databases, Enterprise NoSQL, Distributed Systems, Real-time Analytics, Security, In-Memory Databases, NoSQL Data Warehousing, Querying NoSQL, SQL on Hadoop, Data Modeling for NoSQL, MongoDB, Neo4j, Cassandra, Spark, Oracle NoSQL, HBase, MarkLogic, Couchbase, Apache Flink, Postgres, Redis, Apache Drill."

    ...

    Página Web

    /

    Publicado el 17.12.2014 por Pablo Hermoso de Mendoza González

    IT of the Future: Semantic Cloud Architecture - Semanticweb.com

    Postula el artículo que el futuro de las arquitecturas y la integración de los sistemas de gestión de la información de las empresas y organizaciones, tiene que ver con el enfoque linked data y la representación semántica de la información que permite una simplificación de las arquitecturas para las empresas, y facilita el centrarse en la gestión de la información propiamente dicha, y no tanto en el mantenimiento de costosos sistemas tecnológicos que les den soporte.

    Acceso al artículo completo.

    ...

    Página Web

    /

    Publicado el 8.8.2014 por Equipo GNOSS

    Big Structure: At The Nexus of Knowledge Bases, the Semantic Web and Artificial Intelligence

    En este post Mike Bergman,  CEO of Structured Dynamics LLC nos habla de la evolución de las bases de datos en los últimos años. En especial señala como ha influido la web semántica en su evolución.

    ...

    Página Web

    /

    Publicado el 18.3.2014 por Equipo GNOSS

    ¿Es la web semántica el futuro de Big Data?

    Estamos ante la era Big Data. Internet of Things es la tendencia que más está despuntando actualmente y a la vez será una de las fuentes de información que mayor volumen de datos aportará. Nos encontramos ante un caos de información que será cada vez más complicado de gestionar.

    Estos datos están almacenados de cualquier manera, sin estructura o semiestructurados. ¿Pero qué pasa si a toda esta cantidad de datos le damos significado? De hecho, son sólo comprensibles para nosotros ya que son cadenas de texto, pero ¿y si queremos que las máquinas también comprendan esta información?

    Tim Berners-Lee, en 1998 ya definió la web semántica, o Web 3.0, como una web de datos global, cuya objetivo no sólo es ser útil para la comunicación entre humanos, sino también entre máquinas. Pero para que lo entiendan estas máquinas, para darle significado, tenemos que representar estos datos no sólo como cadenas de texto, sino como cosas. Y estas cosas, conectarlas y enlazarlas entre sí. Básicamente, hacer una "integración semántica" de los datos, basándonos en el modelo de la jerarquía o pirámide DIKW (Data, Information, Knowledge and Wisdom) para representar relaciones funcionales y/o estructurales entre datos, información, conocimiento y sabiduría.

    ...