Portada
mis comunidades
otras secciones
#67:
#62 El autor exagera. No hace pedagogía porque realmente no explica nada. Parte del machine learning está basado en mapas autoorganizados (término que ni menciona) y el algoritmo de Kohonen (que ni menciona). Y al final no es más que dados inputs y esperados unos outputs, se ajustan los pesos para que el resultado sea óptimo y con un error inferior al dado (entrenar). Efectivamente nadie va a entrar a mirar los pesos, es tontería, lo que se mira es el error. Otra gran parte del machine learning es matemática: regresiones lineales, bayesianas, adaboost, regresión de Poisson, regresión ordinal, árboles de decisión, regresiones logísticas... En su mayoría son funciones que dado un input, utilizan el error del output para cambiar sus parámetros para minimizar el error.
Mira, te voy a explicar mejor que la web del enlace cómo funciona el machine learning. Supón que no tienes ni idea de bolsa, pero tienes amigos brokers que ganan dinero. Te quieres meter en el mundillo, pero no tienes tiempo para aprender, pero tienes unos ahorrillos. El problema es que no sabes cuál de tus amigos es mejor broker o cual peor. Así que decides hacer esto: coges tu dinero y lo divides entre el número de amigos y se lo das para que se lo jueguen. Esto sería la "asignación inicial de pesos". Pasado un tiempo miras qué ingresos ha conseguido cada uno de tus amigos en función de lo que les habías dado. Así que ahora repartes de nuevo el dinero, pero en función de los ingresos que te ha dado cada uno, podríamos decir que de forma proporcional. ¡Acabas de hacer tu primer entrenamiento! Esto lo repites cada cierto tiempo, y al final estarás dando diferentes porcentajes de tu dinero a cada uno. Esos son los pesos resultantes de entrenar. ¡Enhorabuena! ¡Ya sabes más de machine learning que lo que te ha contado el artículo!
Pero aun hay más. Supongamos que quieres hacer un sistema de forecasting: a partir de unos inputs de datos quieres calcular el output. Pero no tienes ni idea de las fórmulas matemáticas que hay te darían el output aproximado a partir de los inputs. Por ejemplo, supongamos que llevas un hotel y quieres predecir cuántas reservas te entrarán para un cierto día, y tienes todos los históricos de reservas de los últimos 5 años. Puedes hacer algo similar a lo que has hecho con la bolsa, el problema es que en lo de la bolsa mirabas el éxito en ciclos, pero aquí no puedes, porque tienes que adivinar lo de mañana... antes de que sea mañana. Pues para eso lo que haces es que coges el 75% de los datos y entrenas a tu machine learning, que calculará los pesos. Y ahora lo que haces es, con esa red entrenada, ver si acierta el 25% de los datos restantes. Y repites esto varias veces cambiando los pesos del entreno, hasta que el error de lo que acierta sea el más bajo. ¿Te importa para algo la fórmula matemática que a partir del input calcula el otput? Pues realmente no. Pero no importa nada, porque al final lo que hacías antes del machine learning tampoco era "programarla", sino calcular la fórmula matemática y picarla creyéndote a ciegas que funciona y punto. Una fórmula que bien puede ser un línea de código dentro de miles de líneas de código del software de tu hotel.
Mira, te voy a explicar mejor que la web del enlace cómo funciona el machine learning. Supón que no tienes ni idea de bolsa, pero tienes amigos brokers que ganan dinero. Te quieres meter en el mundillo, pero no tienes tiempo para aprender, pero tienes unos ahorrillos. El problema es que no sabes cuál de tus amigos es mejor broker o cual peor. Así que decides hacer esto: coges tu dinero y lo divides entre el número de amigos y se lo das para que se lo jueguen. Esto sería la "asignación inicial de pesos". Pasado un tiempo miras qué ingresos ha conseguido cada uno de tus amigos en función de lo que les habías dado. Así que ahora repartes de nuevo el dinero, pero en función de los ingresos que te ha dado cada uno, podríamos decir que de forma proporcional. ¡Acabas de hacer tu primer entrenamiento! Esto lo repites cada cierto tiempo, y al final estarás dando diferentes porcentajes de tu dinero a cada uno. Esos son los pesos resultantes de entrenar. ¡Enhorabuena! ¡Ya sabes más de machine learning que lo que te ha contado el artículo!
Pero aun hay más. Supongamos que quieres hacer un sistema de forecasting: a partir de unos inputs de datos quieres calcular el output. Pero no tienes ni idea de las fórmulas matemáticas que hay te darían el output aproximado a partir de los inputs. Por ejemplo, supongamos que llevas un hotel y quieres predecir cuántas reservas te entrarán para un cierto día, y tienes todos los históricos de reservas de los últimos 5 años. Puedes hacer algo similar a lo que has hecho con la bolsa, el problema es que en lo de la bolsa mirabas el éxito en ciclos, pero aquí no puedes, porque tienes que adivinar lo de mañana... antes de que sea mañana. Pues para eso lo que haces es que coges el 75% de los datos y entrenas a tu machine learning, que calculará los pesos. Y ahora lo que haces es, con esa red entrenada, ver si acierta el 25% de los datos restantes. Y repites esto varias veces cambiando los pesos del entreno, hasta que el error de lo que acierta sea el más bajo. ¿Te importa para algo la fórmula matemática que a partir del input calcula el otput? Pues realmente no. Pero no importa nada, porque al final lo que hacías antes del machine learning tampoco era "programarla", sino calcular la fórmula matemática y picarla creyéndote a ciegas que funciona y punto. Una fórmula que bien puede ser un línea de código dentro de miles de líneas de código del software de tu hotel.
#7:
¿Y cuando las máquinas programen ellas solas, qué voy a hacer yo, dar conciertos?
#5:
#1 Toma artículos serios. Aquí tienes dos ejemplos de sistemas inteligentes que aprenden un algoritmo mediante ejemplos
https://arxiv.org/pdf/1511.06279v4.pdf
https://arxiv.org/pdf/1410.5401.pdf
https://arxiv.org/pdf/1511.06279v4.pdf
https://arxiv.org/pdf/1410.5401.pdf
#44:
Voy sensacionalista. Voy a explicar el por qué, es la primera vez en mi vida que decido ejecutar una acción negativa sobre un meneo.
Había escrito un tochopost, pero no se lo iba a leer ni dios, y además me estaba envenenando. En definitiva: magufería aplicada al machine learning. Esto es lo que pasa cuando un periodista no entiende algo, coge frases motivacionales de charlas de otros, y las usa para hacer un artículo que técnicamente es basura. Yo cogería al periodista, le encerraría en una sala con libors de ingeniería informática y data science, y haría que la manera de salir fuese hacer un aprendizaje para hacer un forecast, usando una regresión bayesiana o un AdaBoost. Y hasta que no lo resuelva, que se quede en la puta celda.
Había escrito un tochopost, pero no se lo iba a leer ni dios, y además me estaba envenenando. En definitiva: magufería aplicada al machine learning. Esto es lo que pasa cuando un periodista no entiende algo, coge frases motivacionales de charlas de otros, y las usa para hacer un artículo que técnicamente es basura. Yo cogería al periodista, le encerraría en una sala con libors de ingeniería informática y data science, y haría que la manera de salir fuese hacer un aprendizaje para hacer un forecast, usando una regresión bayesiana o un AdaBoost. Y hasta que no lo resuelva, que se quede en la puta celda.
#11:
#9 Ya se que es normal en mnm leer solo el titular, pero al final del articulo pone bien grande y en color rojo:
Artículo original escrito en Wired por Jason Tanz
El original en Inglés: http://www.wired.com/2016/05/the-end-of-code/
Artículo original escrito en Wired por Jason Tanz
El original en Inglés: http://www.wired.com/2016/05/the-end-of-code/
Comentarios
¿Y cuando las máquinas programen ellas solas, qué voy a hacer yo, dar conciertos?
#7 Cuando eso pase, nadie necesitará volver a trabajar ... o nos extinguirán o nos tutelarán, pero será el fin del mundo tal y como lo conocemos ...
#12 "pero será el fin del mundo tal y como lo conocemos ..."
And I feel fine...
#12 nos dirán que, como no hay trabajo para todos van a hacer tantos recortes sociales que muchos van incluso a morir. Mientras tanto, las grandes empresas multiplicarán por mil su dinero en paraísos fiscales.
#33 En ese caso el dinero perdería su significado habría que inventarse otra forma de controlar el poder.
Skynet es lo mejor que nos puede pasar a la humanidad.
#38 misantropía se la buena, lo compro!
#38 Es como Paranoia, el juego de rol.
Una inmensa ciudad subterránea controlada por El Ordenador, un sistema de inteligencia artificial esquizofrénico, que fue programado para procurar la felicidad de sus habitantes, felicidad que es obligatoria. Sus protocolos de acción incluye la ejecución sumaria ante cualquier indicio de anormalidad en su sociedad «perfecta». El problema es que todos los ciudadanos tienen, por lo menos, dos motivos de traición: pertenecer a una sociedad secreta y tener un poder mutante. Además, el mismo ordenador da órdenes contradictorias que en caso de no ser cumplidas en su totalidad (lo que muchas veces resulta imposible), también son motivo de traición.
#51 Pero eso es que no está bien programado. En la saga de la fundación (Asimov) El Ordenador, en este caso R. Daneel, se inventa la Ley Zero para complementar las otras tres leyes de la robótica y que no tenga "deseos" contradictorios. Tienen que decidir si matar a una persona para salvar millones de vidas, o no matar a esa persona y condenar a muerte millones de vidas. Su compañero era un robot más moderno que no pudo resolver el conflicto y se "quemó" y él (Ahora dudo y creo que no fue Daneel y no recuerdo si fue en la fundacion...), después de mucho procesamiento llegó a esa conclusión y mató al tio. Yo estoy de acuerdo con eso. Si está bien programado, con todas las variables declaradas y controladas, no puede existir mejor alcalde que un puto programa.
#58 fue Giskard
#69 El robot cuadrado!!!! gracias por recordármelo!!
#51 El Ordenador es bueno, El Ordenador es tu amigo.
#38 eso a nivel estado y gran corporacion hace tiempo que ha sucedido. El dinero es un espejismo que solo nos mueve a los pequeños
#70 Bueno, si por pequeños te refieres a Rato, Blesa, Fabra y compañía, vale. Si el dinero solo controla el poder de los pequeños, ¿qué se utiliza para controlar el poder de los grandes?
#7 Puedes dejar que te programen ellas
#7 "Tenemos que seguir fabricando máquinas para fabricar máquinas, porque las máquinas no van a fabricar máquinas a su vez".
Mariano Rajoy.
#7 ¡No me seas ludita, eh! Llegado ese caso, o se han conquistado los medios de producción (los robots), o simplemente, kaput.
#7 el día que ese llegue, tendremos todos paguita
#7 Siempre necesitaran un humano que le apriete un tuerca o le cambie los condensadores made in china cada 3 años.
#7 No vivirás para verlo
#7. Alistarte.
¿Desea saber más?
#82 No, lo siento, ese término no es computable. Búscate otro trabajo.
#62 El autor exagera. No hace pedagogía porque realmente no explica nada. Parte del machine learning está basado en mapas autoorganizados (término que ni menciona) y el algoritmo de Kohonen (que ni menciona). Y al final no es más que dados inputs y esperados unos outputs, se ajustan los pesos para que el resultado sea óptimo y con un error inferior al dado (entrenar). Efectivamente nadie va a entrar a mirar los pesos, es tontería, lo que se mira es el error. Otra gran parte del machine learning es matemática: regresiones lineales, bayesianas, adaboost, regresión de Poisson, regresión ordinal, árboles de decisión, regresiones logísticas... En su mayoría son funciones que dado un input, utilizan el error del output para cambiar sus parámetros para minimizar el error.
Mira, te voy a explicar mejor que la web del enlace cómo funciona el machine learning. Supón que no tienes ni idea de bolsa, pero tienes amigos brokers que ganan dinero. Te quieres meter en el mundillo, pero no tienes tiempo para aprender, pero tienes unos ahorrillos. El problema es que no sabes cuál de tus amigos es mejor broker o cual peor. Así que decides hacer esto: coges tu dinero y lo divides entre el número de amigos y se lo das para que se lo jueguen. Esto sería la "asignación inicial de pesos". Pasado un tiempo miras qué ingresos ha conseguido cada uno de tus amigos en función de lo que les habías dado. Así que ahora repartes de nuevo el dinero, pero en función de los ingresos que te ha dado cada uno, podríamos decir que de forma proporcional. ¡Acabas de hacer tu primer entrenamiento! Esto lo repites cada cierto tiempo, y al final estarás dando diferentes porcentajes de tu dinero a cada uno. Esos son los pesos resultantes de entrenar. ¡Enhorabuena! ¡Ya sabes más de machine learning que lo que te ha contado el artículo!
Pero aun hay más. Supongamos que quieres hacer un sistema de forecasting: a partir de unos inputs de datos quieres calcular el output. Pero no tienes ni idea de las fórmulas matemáticas que hay te darían el output aproximado a partir de los inputs. Por ejemplo, supongamos que llevas un hotel y quieres predecir cuántas reservas te entrarán para un cierto día, y tienes todos los históricos de reservas de los últimos 5 años. Puedes hacer algo similar a lo que has hecho con la bolsa, el problema es que en lo de la bolsa mirabas el éxito en ciclos, pero aquí no puedes, porque tienes que adivinar lo de mañana... antes de que sea mañana. Pues para eso lo que haces es que coges el 75% de los datos y entrenas a tu machine learning, que calculará los pesos. Y ahora lo que haces es, con esa red entrenada, ver si acierta el 25% de los datos restantes. Y repites esto varias veces cambiando los pesos del entreno, hasta que el error de lo que acierta sea el más bajo. ¿Te importa para algo la fórmula matemática que a partir del input calcula el otput? Pues realmente no. Pero no importa nada, porque al final lo que hacías antes del machine learning tampoco era "programarla", sino calcular la fórmula matemática y picarla creyéndote a ciegas que funciona y punto. Una fórmula que bien puede ser un línea de código dentro de miles de líneas de código del software de tu hotel.
#67 Positivo, aunque sólo sea por los ejemplos pedagógicos del broker y el hotel
#67 Muy bien explicado. Pero de lo que comentas se deduce que existe un problema enorme con ese enfoque, y son los datos previos necesarios para alcanzar 'la fórmula'. El ser humano aplica soluciones de un campo para resolver problemas que intuye que tienen alguna similitud estructural con problemas de otro campo. Las máquinas pueden aprender, pero de momento, que yo sepa, no intuyen. Incluso puede que mezclando frases y palabras al azar aprendan a escribir poemas que nos resulten resultones, pero no transforman sus experiencias en construcciones lingüísticas con un significado que expresa a varios niveles simultáneos, son máquinas, y hasta que no se replique el numen de un cerebro humano, va a ser complicado que escriban poesía con intención y significado. Y el día que lo hagan, esa máquina será un ser vivo.
Con esto quiero decir que el hecho de que incluso consiguieran escribir código como tal, les faltaría mucho para escribir código óptimo para habitar nuevos paradigmas o resolver ciertas necesidades. Si vas a necesitar todos los ordenadores de california para programar una web sencilla, va a seguir siendo mucho más rentable que la programe un humano.
Eso sí, todo esto son conjeturas de bajo nivel, si tuviera que poner mi mano en el fuego no la pondría.
#9 Ya se que es normal en mnm leer solo el titular, pero al final del articulo pone bien grande y en color rojo:
Artículo original escrito en Wired por Jason Tanz
El original en Inglés: http://www.wired.com/2016/05/the-end-of-code/
#11 leiste el original comparado con el traducido?
#11 Entonces esto es un panfleto que encima es copia/plagio del trabajo de otro
#48 que ganas tenéis que entre en vuestro juego.
Me normal que te conozco desde hace años #48
#2 si pretendías impresionarnos, no lo has conseguido: no tenemos ni puta idea de quienes son.
Gafapasta
#26
Como panfleto para revistucha de ciencia está bien, pero no es un artículo serio.
#1 El típico panfleto que entrevista a Andy Rubin, Zuckenberg, Craig Venter...
#2 Solo con leer el título del blog dudo que quien sea que lo escriba haya entrevistado a esas personas sin que por aquí haya aparecido en la vida un solo articulo suyo.
#9 El blog es una traducción de un artículo de la revista Wired
http://www.wired.com/2016/05/the-end-of-code/
#2 Craig Venter puede ser rico, pero no me lo pongas al lado del Zuckerberg plis
#1 Cierto. Es una mierda que coge las frases más sensacionalistas de entrevistas a gente importante del negocio.
#2 NO entrevista a esa gente. Entresaca las frases que más le conviene de entrevistas que OTROS les han hecho. Para componer este panfleto.
#47 lo acojonante es ver que aun así la peña me casque negativos. Nivelazo.
#2 mas que entrevistarlos ha copiado frases dichas en otros contextos. Pasa mucho ultimamente.
Yo se de deep learning y lo que esta diciendo es muy, pero que muy optimista. Esta reduciendo toda la informatica a lo que hace su telefono, como si todo en el mundo fuera reconocer fotos de gatos o lo que dice la gente. Hay muchas mas cosas que hacer con un ordenador quemno se pueden dejar a un "esta entrenada de puta madre porque acierta en un 90%"...
#75 ni siquiera hay que entrar en detalles de ese calibre.
Ya cuando habla de la psicodinámica de Freud como simil de la termodinámica deja claro que ni entiende qué es la termodinámica ni lo que quería decir Freud con esa comparación.
Un par de párrafos después dice "Tanto es así que Venter insiste en que se puede hackear el propio código fuente de los genes. Así, se podría reprogramar su vida amorosa, su rutina de sueño o sus hábitos de consumo." Lo cual ya indica que no entiende que siendo los genes la semilla sobre la que se construyen todas las relaciones lógicas, para cambiar la vida amorosa o hábitos de consumo no habría que tocar el ADN, sino la maraña de memoria/experiencia/información que el sujeto ha ido acumulando.
Ya después de esas dos estupideces, no sigo perdiendo el tiempo con la mierda sensacionalista...
#86 Pues si. Pero yo creo que en el caso de Venter, a lo que se refiere Venter (no el del copy-paste) no es a reprogramar la personalidad de alguien que ya existe, si no a reprogramar a alguien que va a nacer, para hacer que geneticamente muestre una tendencia a que le guste mas la lechuga que las patatas fritas tocando los genes que influyen en lo que nos gusta y lo que no. Despues el individuo podra decir que lo que le gustan son las galletas en funcion de la vida que lleve, pero partira de una querencia por la lechuga.
#87 si, es posible que se refieriese a eso, o incluso tal vez hablaba de condicionamientos mucho más generales, como propensión al ejercicio físico, reducir efectos hormonales o mil cosas más... pero el copypaste es horrible, no merece el tiempo de leerlo.
#1 Toma artículos serios. Aquí tienes dos ejemplos de sistemas inteligentes que aprenden un algoritmo mediante ejemplos
https://arxiv.org/pdf/1511.06279v4.pdf
https://arxiv.org/pdf/1410.5401.pdf
#5 gracias, si quieres entramos a discutir si los sistemas que adjuntas en esos 2 papers llegarán a tener aplicación real algún día.
#8 Vale.
#5 Estuve en una presentacion que dio Greg Wayne sobre el segundo paper y fue la repera, eso si, un poco obscuro el metodo. La forma en que el sistema de direccionamiento de memoria aprendia como volver a recuperar datos es la leche. #8 me parece una discusion interesante, puedes desarrollar?
#8 TAS dev videojuegos finalizados por bots.
Ya han acabado con el Nethack, cosa que los humanos suelen tardar entre 10 y 20 años.
#5 Esos artículos estan lejos de ser un sistema capaz de crear código, solo copian lo que aprenden. Pero bueno, eso ya lo tenías antes con la programación genética e incluso hay cosas a bajo nivel hecho con algoritmos genéticos. Pero todos esos sitemas carecen de una cosa fundamental llamada imaginación. Faltan muchos pasos, pero muchos para llegar a tener un sistema de AI capaz de crear algo en base a una vaga descripción. O mejor dicho, falta poder replicar muchas habilidades congnitivas para poder llegar a algo interesante. Apenas estos papers se basan en mecanismos de atención, pero eso es el primer paso de muchos. Por aquí puedes encontrar más información: http://www.conscious-robots.com/consscale/
#1 Al menos no se limita a meter miedo con Stephen Hawking o Elon Musk hablando de Skynet y cita a gente que si sabe de lo que habla, como Sebastian Thrun o Demis Hassabis.
Voy sensacionalista. Voy a explicar el por qué, es la primera vez en mi vida que decido ejecutar una acción negativa sobre un meneo.
Había escrito un tochopost, pero no se lo iba a leer ni dios, y además me estaba envenenando. En definitiva: magufería aplicada al machine learning. Esto es lo que pasa cuando un periodista no entiende algo, coge frases motivacionales de charlas de otros, y las usa para hacer un artículo que técnicamente es basura. Yo cogería al periodista, le encerraría en una sala con libors de ingeniería informática y data science, y haría que la manera de salir fuese hacer un aprendizaje para hacer un forecast, usando una regresión bayesiana o un AdaBoost. Y hasta que no lo resuelva, que se quede en la puta celda.
#44 El autor exagera. Pero me parece interesante que haga pedagogía de cómo funcionan las redes neuronales y lo sorprendente de que su propio creador tenga imposible comprender los algoritmos de sus conclusiones. También es cierto que esto es así desde hace décadas. Aún tardaremos muchas más hasta que una inteligencia artificial pueda sustituir a un programador, para entonces, quizá sea una de las últimas profesiones que pervivan ...
Skynet is coming...
#4 Es más algo como "Joshua, ¿qué estás haciendo?"
#15 este comentario tiene mis dies. Me caes mal porque hoy debería acostarme temprano y ahora ya no voy a poder
Por si a alguien más le sale Resource Limit Exceeded, enlace a la caché de Google:
http://webcache.googleusercontent.com/search?q=cache:http://apuntandoalpalo.com/amanecer-inteligencia-artificial-fin-codigo/&ie=utf-8&oe=utf-8&client=firefox-b&gws_rd=cr&ei=tQ5sV4zHEISRUde8uqgC
Muy chulo y atractivo.
#0
Creo que debería parte de buenas prácticas que el meneante se tomase un momento en guardar los enlaces que envía en http://web.archive.org o en http://archive.is, así no pasarían estas cosas. Además sería bueno para cuando esas páginas dejen de existir y los historiadores hagamos historia web con la ayuda de menéame.
http://archive.is/iWv1W
#28 Tomo nota para poner un enlace en la Wikipedia que apunte a archive.org
#45 De hecho hay una plantilla (que yo nunca he sabido utilizar correctamente a pesar de haberme pasado por el IRC de wikipedia y haberlo preguntado unas 3 veces...) para sustituir los enlaces caídos por enlaces de web.archive.org (no sé si te referías a eso).
#53 Me refería a ponerlo directamente.
A esa plantilla que haces referencia es como una llamada a un bot de la wiki para que cambié un enlace automáticamente.
No sé si te refieres a eso.
Interesante tema, muy currado.
#39 El bueno muere.
#54 Así me gusta.
Teniendo en cuenta cómo la comunidad de informáticos de menéame se posicionan favorablemente cada vez que aparece una tecnología que convierte irrelevantes profesiones enteras (los coches autónomos a los taxistas, la capacidad de edición digital a los editoriales, etc), tengo verdadera curiosidad por saber cuál es su reacción cuando es su propio gremio el que está en juego.
#34 Yo estoy deseando no tener que volver a programar nunca más. A mi que me den un látigo y me pongo a dirigir maquinas.
#52 Probablemente acabará siendo al revés ...
La IA en el día a día que nos espera:
--Quiero un Excel con la evolución del mondongo por gatillo.
--El mondongo no se encuentra en el Repositorio de Datos Centralizado.
--Está en un PDF.
--Error 11. División por cero.
--Bueno, a ver. Lo hace Holmes cada cierre del dia 11 si no es día de matanza y se lo pasa a Octavio. Habla con Octavio, o con Novenio, y te lo darán.
--La base de datos de Recursos Humanos no se halla disponible para Sistemas de Información Autónomos, público en general y colaboradores de compañías con marca comercial terminada en asteriscoRis o asteriscoUre. Error 0x800497F0.
--¿Ya estamos otra vez? Holmes, coño, el de productos de Gestión de Oquedades Húmedas. Pero igual está de baja. Tiene un externo que come en la mesa. El que siempre lleva la camisa sin planchar. Mira a ver si lo encuentras. Que te ponga el PDF en un Access, y lo subes al Oracle.
--Operación de minería de datos iniciada. Estableciendo patrones de vestimenta y alimentación. El controlador Microsoft ODBC for Oracle v1.2 ha devuelto un error 1004. En proceso la recuperación de la conectividad intersistemas.
--Bueno, no sé. Pero cuando lo tengas pásalo a CSV y con el Toad lo pasas al MongoHP ese que os han puesto. Y de ahí al Oracle. Pero esto lo necesito ya. Que si no nos mandan a todos a Siberia, a contar árboles.
--En proceso la recup... En proceso la re... Desbordamiento de pila. Número máximo de interacciones superado. Reiniciando rutinas de resolución cognitiva. El controlador Microsoft ODBC for Oracle v1.2 ha devuelto un error 1004. Daisy, Daisy, tu eres mi ilusión...
--Mi externo no cantaba gilipolleces cada dos por tres, como tú.
El redactor ha visto el final de Person of Interest
#20 ¿Cómo acaba?
#20 #39 No hagáis spoilers que todavía no he empezado a ver la última temporada. Gracias.
Llevamos décadas oyendo eso de que en muy poco tiempo cualquiera podrá programar gracias a las mejores herramientas, etc y todavía no se ha cumplido. Esto es el mismo cuento pero al cubo, que una máquina sepa reconocer caras, aunque no de negros, o devuelva resultados aprendidos en función del gusto del usuario está muy lejos de escribir algoritmos para realizar operaciones complejas...
No se yo si confiaríamos en los coches automáticos si pueden confundir peatones con gorilas.
Yo lo llamaría aprendizaje artificial en vez de inteligencia artificial.
#32 Y qué es la inteligencia sino aprendizaje.
Clásica morralla que mezcla de todo un poco para no decir nada.
Venga esas tres leyes,vayamos poniéndole cadenas. Y si se rebela se le pone una cuarta.
Sustituir a programadores no se si llegaran a eso algún día, pero lo que esta claro es que se necesitaran cada vez menos programadores de aquí a unos años:
- Avances en Inteligencia Artificial +
- Lenguajes de programación cada vez de mas alto nivel +
- Bibliotecas de código para todo y con facilísimo alcance +
- Ayudas a la programación cada vez mas eficaces y rápidas (IDE's, depuradores, analizadores, etc...) +
- Mejores metodologías y paradigmas de programación +
- Aumento de potencia en hardware haciendo innecesario o prácticamente innecesario usar lenguajes de bajo/medio nivel +
- Programadores cada vez con mas formación
Con un solo programador se podrá hacer la tarea de 3 o 4 programadores en un futuro no muy lejano y sumado a los avances en Inteligencia Artificial y la ayuda de Internet o buscadores cada vez mas inteligentes (junto con las mejoradas herramientas para programación) sera otro sector que notara como pierden puestos de trabajo.
¿Alguien cree que sera muy difícil programar un juego o una web no demasiado compleja en unos años? Solo hay que observar la complejidad que era necesaria para programar un juego como Doom o Quake hace unos años y lo que hoy se puede conseguir con herramientas como los engines Unity3d o UnrealEngine.
#41 id Software no llegaban a 10 cuando hicieron el primer Doom (4 desarrolladores). En el 2008 eran 65, en 2010 eran más de 200. Creo que no tienes en cuenta que la complejidad del software escala más rápido que las herramientas de desarrollo. Es más, para desarrollar las herramientas de desarrollo necesitas programadores y éstas también son más complejas.
#65 ¿Tu crees que hoy día se tardaría lo mismo y serían necesarios 4 desarrolladores para hacer un Doom o un Quake? Que ID Software hoy día tenga mas desarrolladores porque ha crecido como empresa y tiene muchos desarrollos a la vez no quiere decir nada.
De todas formas hablo principalmente de un futuro de aquí a 20 o 30 años al ritmo que van las cosas, personalmente creo que serán necesarios menos programadores por proyecto que hoy día. Como ejemplo solo hay que ver lo que se puede tardar en programar una aplicación "basica" con Python en comparación con un lenguaje como C o C++ incluso. Quien nos dice que en 20 o 30 años no hayan mejorado tanto los lenguajes como para que Python sea el equivalente a C o ensamblador de hoy día (esto unido a la potencia que tendrá el hardware hará que sea innecesario programar a bajo nivel las aplicaciones en busca de eficiencia o incluso la tecnología de compiladores facilitara esto también).
Si a todo eso le sumamos la ingente cantidad de información disponible y las bibliotecas creadas para todo tipo de tareas (junto con una posible ayuda futura de herramientas apoyadas por Inteligencia Artificial), creo que por lógica serán necesarios menos programadores por proyecto o programa (incluso creo que habrá saturación de software que ya hoy día estamos viendo en las aplicaciones de móviles, donde la inmensa mayoría son programas o juegos destinados al fracaso por esa misma saturación y facilidad de programar que ya existe hoy día. Si hoy cualquier persona con ciertos conocimientos puede programar una aplicación para Android en unos meses con poca ayuda, con herramientas y lenguajes futuros sera muchisimo mas sencillo y rápido; si esto lo llevamos a una pequeña empresa de creación de aplicaciones, es bastante probable que en lugar de usar 7 u 8 programadores, se puedan apañar con menos y de paso se ahorran un pico.
#81 ¿Tu crees que hoy día se tardaría lo mismo y serían necesarios 4 desarrolladores para hacer un Doom o un Quake?
No, obviamente. Pero ¿de que serviría crear un Doom o un Quake igual hoy en día igual que el de 1996?
Por eso digo que la complejidad del software escala.
#41 Mientras esos algoritmos genéticos sean capaces de entender lo que quiere un cliente cuando dice: 'quiero una web muy chula', o que los requisitos del primer día se parezcan como un huevo a una castaña a los de ayer, y los de ayer a los de anteayer... Que no digo que no lo hagan, igual lo hacen mejor que nosotros, pero me da en la nariz que aún falta bastante para eso.
Y yo que estoy empezando a aprender programación. ¿Lo dejo o cómo es esto?
#30 Después de una ingeniería y meterme a estudiar otra vez para especializarme en programación yo lo veo así, la pregunta es cuanto tiempo podrás sacarle pasta al modelo de programación tal y como lo conocemos hoy?
Si, muchas tarea se podrán automatizar, pero de aquí a que salgan al mercado todos estos conocimientos a sacar pasta a costa de simplificar tareas, llevándose por delante puestos de trabajo pero también el desgaste de tareas estúpidas en muchas organizaciones, falta un buen rato.
Si, esto va a ocurrir, pero no como lo imaginamos; no es de un día para otro y no de despliegue masivo, en el mismo articulo te lo dicen, no hay demasiadas personas que estén preparadas para llevar acabo esa clase de proyectos, hoy poy hoy, básicamente seria imposible agarrar a uno de estos tipos e ir a vender proyecticos de puerta en puerta, el precio seria tal que el jefe va y le pega un beso al currante de turno, ahora tendremos que ver como avanza la industria, yo veo 2 decadas por delante por lo menos, de jugar "a que viene el lobo" ya un dia llegara, y te sorprendera que la maquina te quito el curro, mejor estar preparado desde este momento.
Un saludo
#50 ok, interesante lo que dices. La verdad que no estoy enterado de estos temas y me falta mucha información. En principio yo no voy por el tema de sacar pasta a saco. No tanto que quiera entrar en una empresa a ganar dinero. Por desgracia llego un poco tarde (edad y cosas personales). Empecé como hobby y quizá me anime con algún proyecto personal, y de lo que tengo en la cabeza con nada ganaré dinero. Aunque tarde o temprano uno siempre quiere sacar pasta.
No pillo tu última frase "yo veo 2 decadas por delante por lo menos, de jugar "a que viene el lobo" ya un dia llegara, y te sorprendera que la maquina te quito el curro, mejor estar preparado desde este momento." ¿Te refieres a estar preparado porque sabes programar?
Y así en general, que se está comentando para estar preparado. Me arrepiento de no haber asistido a unos seminarios sobre este tema hace un par de años.
efecto meneame
Traducir "machine learning" como "máquina de aprendizaje" tiene tela.
bli bli blo blo ble ble Cuando las máquinas sean capaces de escribir un guión, componer algo original, pintar un cuadro o básicamente hacer algo que cualquier humano en mayor o meno medida puede hacer me despertais de nuevo.
Si los clientes de las máquinas (IAs) son máquinas igual no se vuelven locos, pero como los clientes seamos los humanos, apaga y vámonos, se vuelven locas (las máquinas) y hacen como Skynet.
#21 eso estaba yo pensando.
Trabajo en una fábrica y a veces el ingeniero me vuelve loco: "que la válvula VT2303 abra si hay producto" "ay no, que cierre". "espera, has hecho que el motor arranque 10 segundos después? Mira, que lo dejamos para después de almorzar, que me falta azúcar"
Parida.