Introducción a Tecnologías Profundas
Proyecto PREVENT
Comenzar
Definición y alcance de las tecnologías profundas
"Tecnología profunda" incluye tecnologías avanzadas que abordan problemas globales complejos como el cambio climático y la atención médica con soluciones innovadoras. A diferencia de las tecnologías tradicionales, la tecnología profunda se centra en resolver problemas locales de manera proactiva y eficiente. Las áreas clave de la tecnología profunda incluyen Inteligencia Artificial, Tecnología Espacial y Biología Computacional, entre otras. Estas tecnologías se distinguen por su potencial disruptivo y su dependencia de avances científicos de vanguardia.
Índice
Objetivos
Definición de Tecnologías Profundas
Sensores Remotos
Robótica
Inteligencia Artificial
Visión por Computadora
IoT y comunicaciones
Objetivos
A través de este módulo, los estudiantes adquirirán el papel de tecnologías avanzadas en la prevención y mitigación de desastres. Al explorar estudios de casos reales, investigaciones científicas y simulaciones interactivas, los alumnos desarrollarán la capacidad de clasificar diferentes tipos de desastres naturales, analizar sus consecuencias sociales, económicas y ambientales, y evaluar el impacto del cambio climático en la frecuencia y gravedad de los desastres. Además, los estudiantes adquirirán habilidades de pensamiento crítico para evaluar estrategias de gestión del riesgo de desastres, comprender cómo tecnologías avanzadas como la IA, IoT y la imagen satelital contribuyen a los sistemas de alerta temprana, y explorar marcos innovadores de resiliencia ante desastres.
Al finalizar el módulo, los estudiantes podrán aplicar conocimientos en evaluación de riesgos, planificación de respuesta ante desastres y estrategias de adaptación al clima, equipándolos con habilidades esenciales para carreras en ciencias ambientales, gestión de emergencias y desarrollo sostenible.
'El verdadero aprendizaje comienza cuando el conocimiento inspira acción, y la comprensión impulsa el cambio. Prepárate para convertir los desafíos en oportunidades.'
Aprovechando el poder de las nuevas tecnologías, podemos predecir, prepararnos y mitigar el impacto de los desastres naturales—convirtiendo la tecnología en un salvavidas para nuestro futuro.
01
Definición de Tecnologías Profundas
01
Definición de Tecnologías Profundas
Las tecnologías profundas se refieren a innovaciones de vanguardia que se basan en avances científicos e ingenieriles sustanciales. Estas tecnologías a menudo requieren una investigación y desarrollo (I+D) significativa y tienen el potencial de crear cambios disruptivos y transformadores en varias industrias. A diferencia de las mejoras tecnológicas incrementales, las innovaciones en tecnología profunda están arraigadas en avances científicos fundamentales y en ingeniería compleja. Características clave de los desastres naturales:
- Innovación impulsada por la ciencia – La tecnología profunda se basa en principios científicos e ingenieriles fundamentales, que a menudo provienen de campos como inteligencia artificial (IA), robótica, nanotecnología, biotecnología, computación cuántica y materiales avanzados.
- Alta intensidad de I+D – Estas tecnologías requieren una investigación, pruebas e inversiones extensas antes de alcanzar la viabilidad comercial.
- Naturaleza interdisciplinaria – Muchas innovaciones en tecnología profunda integran múltiples campos científicos, como IA combinada con modelado climático o biotecnología con computación avanzada.
Tecnología Profunda en el Contexto de Desastres Naturales
Cuando se combina con la preparación, respuesta y mitigación de desastres naturales, las tecnologías profundas pueden ofrecer soluciones innovadoras. Algunos ejemplos incluyen:
- IA y aprendizaje automático – Predicción de desastres (terremotos, inundaciones, huracanes) mediante modelado avanzado.
- Sensores remotos y drones – Evaluación rápida de zonas de desastre y monitoreo de cambios ambientales.
- Blockchain – Distribución segura y transparente de ayuda durante crisis.
- Computación cuántica – Simulaciones climáticas mejoradas para una mejor predicción de desastres.
- Materiales avanzados – Materiales de construcción resistentes a terremotos.
- IoT y sensores inteligentes – Monitoreo en tiempo real de riesgos ambientales y sistemas de alerta temprana.
02
Inteligencia Artificial
02
Introducción a la IA
La inteligencia artificial (IA) es una rama de la informática centrada en crear sistemas que puedan realizar tareas que tradicionalmente requieren inteligencia humana. Estas tareas incluyen aprender, razonar, resolver problemas, percibir, entender el lenguaje y tomar decisiones. Los sistemas de IA pueden analizar grandes cantidades de datos, reconocer patrones y mejorar su rendimiento con el tiempo mediante algoritmos de aprendizaje automático.
La IA se clasifica en diferentes categorías según capacidades y funciones.
Los tipos principales incluyen:
- IA estrecha (IA débil): Sistemas de IA diseñados para realizar una tarea específica, como reconocimiento facial, traducción de voz o diagnóstico médico. Estas son las aplicaciones de IA más utilizadas hoy en día.
- IA general (IA fuerte): Un sistema de IA teórico capaz de entender, aprender y realizar cualquier tarea intelectual que pueda hacer un humano. Este nivel de IA todavía está en investigación y desarrollo.
- Superinteligencia: Una etapa futura hipotética en la que la IA supera la inteligencia humana en todos los aspectos, incluyendo creatividad, resolución de problemas y toma de decisiones.
Las tecnologías de IA se basan en varios subcampos, incluyendo:
- Aprendizaje Automático (ML): Algoritmos que permiten a las computadoras aprender de los datos sin ser programadas explícitamente.
- Aprendizaje Profundo: Un subconjunto de ML que imita las redes neuronales humanas para procesar patrones complejos en los datos.
- Procesamiento del Lenguaje Natural (PLN): La capacidad de la IA para entender y generar lenguaje humano, como se ve en asistentes virtuales y chatbots.
- Visión por ordenador: La capacidad de analizar e interpretar datos visuales de imágenes y videos.
Aplicaciones de IA
Aplicaciones Genéricas
Inteligencia Empresarial (BI)
Sistemas de observación
Atención sanitaria
Educación
Manufactura
Finanzas
Otras Aplicaciones
03
Sensores Remotos
03
Introducción a la Teledetección
La teledetección describe la recopilación de datos sobre un objeto, área o fenómeno desde la distancia con un dispositivo que no está en contacto con el objeto. La teledetección generalmente se define de manera amplia como la adquisición de datos e información sobre las superficies y objetos de la Tierra sin contacto físico. Su definición exacta es desafiante y definiciones como la anterior a menudo se consideran demasiado generales. Hay muchas formas de definir la teledetección en la literatura. Dos elementos comunes caracterizan este campo científico a) el concepto de "recopilación de información" y b) "observación desde la distancia"
Ventajas y desventajas de la teledetección
La teledetección ha pasado por varias etapas para alcanzar su nivel actual. Es un campo científico bastante evolutivo que se basa en otras disciplinas científicas como matemáticas, física, informática, etc. Desde el descubrimiento de la fotografía en el siglo XIX, se ha avanzado significativamente en la teledetección ambiental. Aunque es bastante difícil definir con precisión el punto de inicio de la teledetección y sus fases evolutivas, durante su desarrollo se distinguen cinco etapas principales . Aunque la Teledetección es un campo propio, a menudo actúa como complemento de los análisis GIS, añadiendo información y técnicas de análisis únicas. Hay dos tipos de sistemas de teledección: activos y pasivos; y generalmente se usan para diferentes aplicaciones. La teledección activa implica enviar una señal y esperar su retorno al sensor. El RADAR y LIDAR son ejemplos de Teledetección activa, ya que envían energía, microondas y pulsos láser respectivamente, y registran las señales cuando rebotan.
Desventajas de la teledetección
Ventajas de la teledetección
03
Sensores remotos para la monitorización y mitigación de desastres naturales
La humedad del suelo es una variable crítica para comprender los recursos hídricos y los peligros naturales como inundaciones y deslizamientos de tierra. La estimación precisa de las variaciones espaciales y temporales en la humedad es importante para los estudios ambientales y para mejorar las predicciones de inundaciones, especialmente en cuencas de drenaje medianas y grandes donde las inundaciones suelen causar desastres. La condición de la humedad superficial del suelo es fundamental para evaluar la infiltración de agua de lluvia o el escurrimiento, por lo que esta información es vital para los modelos de predicción de inundaciones. Además, la humedad del suelo en áreas montañosas es un factor clave para los deslizamientos de tierra. Desde la década de 1970, la investigación en este campo ha utilizado técnicas que abarcan todo el espectro electromagnético, desde óptico hasta microondas. Estas técnicas varían en términos del rango de longitud de onda, la fuente de energía electromagnética, la respuesta del sensor y la relación física entre la respuesta y la humedad del suelo. El uso de la radiación solar mide la luz reflejada por la superficie de la Tierra. Sin embargo, las microondas y el infrarrojo térmico se han utilizado con mayor frecuencia para calcular la humedad del suelo. El uso de la sección térmica se basa en medir la temperatura superficial del suelo y en métodos como la inercia térmica y el índice temperatura/vegetación. La inercia térmica es sencilla y precisa en áreas con poca o ninguna vegetación. En resumen, la teledetección mediante sensores activos y pasivos proporciona datos valiosos para estimar la humedad del suelo, mejorar la predicción de peligros naturales y la gestión de recursos hídricos.
04
Robótica
04
Introducción a la Robótica
La robótica, un campo multidisciplinar en la intersección de la ingeniería, la informática y la inteligencia artificial, desempeña un papel cada vez más vital en la resolución de los desafíos complejos de la gestión de desastres naturales. Los robots están diseñados para realizar tareas peligrosas, repetitivas o de otra manera inadecuadas para los humanos, lo que les otorga un valor incaculable en escenarios de desastre. La evolución de la robótica, impulsada por avances en sensores, aprendizaje automático y sistemas autónomos, ha ampliado sus capacidades y aplicaciones, permitiendo respuestas más efectivas y eficientes a los desastres naturales.
En la gestión de desastres, la robótica puede realizar una variedad de funciones cruciales, desde operaciones de búsqueda y rescate hasta monitoreo ambiental e inspección de infraestructuras. Los drones autónomos, por ejemplo, pueden inspeccionar rápidamente las áreas afectadas, proporcionando datos en tiempo real e imágenes de alta resolución para ayudar en la toma de decisiones y esfuerzos de coordinación. Los robots terrestres pueden navegar por terrenos peligrosos para localizar supervivientes, entregar suministros y realizar evaluaciones estructurales. Además, los robots submarinos son esenciales para operaciones en entornos inundados o sumergidos.
Diferentes categorías de robótica en la gestión de desastres Robots de búsqueda y rescate – Ayudan a localizar y salvar a los supervivientes en estructuras colapsadas o zonas peligrosas. Robots para extinción de incendios – Suprimen incendios forestales y previenen la propagación del fuego utilizando IA y dispersión automática de agua o espuma. Drones aéreos – Proporcionan vigilancia en tiempo real, evalúan daños e identifican peligros desde arriba. Robots submarinos y anfibios – Ayudan en rescates por inundaciones y evalúan daños submarinos. Robots de inspección y recuperación – Evalúan la integridad estructural y ayudan a limpiar escombros después del desastre.
La robótica ayuda en la respuesta a desastres mejorando el rescate, la supresión de incendios y la evaluación de daños con IA y sensores.
04
Historia de la robótica
La robótica ha avanzado significativamente en la respuesta a desastres, desde la automatización industrial temprana hasta sistemas autónomos impulsados por IA. Los robots ayudan en la búsqueda y rescate, la evaluación de peligros y la recuperación en crisis. Los despliegues clave incluyen Chernóbil (1986), 11-S (2001) y Fukushima (2011), donde los robots navegaban en entornos peligrosos para apoyar a los equipos de emergencia. Hoy en día, drones impulsados por IA, vehículos autónomos y sistemas robóticos mejoran la recopilación de datos en tiempo real, el análisis estructural y la entrega de ayuda. A medida que la tecnología evoluciona, la robótica continúa mejorando la gestión de desastres, haciendo que las respuestas sean más rápidas, seguras y efectivas.
05
Internet de las cosas y Comunicaciones
05
Introducción a IoT y comunicaciones
Internet de las Cosas se ha convertido en un tema de investigación e innovación muy popular, principalmente debido a la transformación omnipresente de la informática. Los dispositivos físicos se han vuelto "inteligentes", siendo capaces de detectar, comunicarse de manera generalizada e interactuar con su entorno, ofreciendo aplicaciones y soluciones útiles para la humanidad. Hoy en día, encuentran aplicaciones en una amplia gama de actividades como la salud, el transporte, la agricultura, la automatización del hogar y la industria, el comercio minorista y muchas más. Se espera un crecimiento exponencial de conexiones en la red, lo cual debería facilitarse mediante redes potentes.
Características fundamentales de IoT y las Comunicaciones
Interconectividad: Cualquier dispositivo IoT puede estar interconectado con la Infraestructura global de Información y Comunicación.
Servicios relacionados con cosas: El Internet de las Cosas (IoT) proporciona servicios que se relacionan con los “objetos” conectados, teniendo en cuenta sus limitaciones, como la protección de la privacidad y la coherencia semántica entre los objetos físicos y sus correspondientes objetos virtuales. Heterogeneidad: Dispositivos IoT heterogéneos con diferentes características de hardware y redes se conectan e interactúan con otros dispositivos o plataformas en diversos tipos de redes.
Cambios dinámicos: Mientras se desplazan e interactúan en un sistema IoT, los dispositivos cambian su estado dinámicamente. Por ejemplo, dormir y despertarse, conectarse o desconectarse mientras cambian su ubicación y velocidad. Además, y de igual importancia, el número de dispositivos conectados cambia dinámicamente.
Escala enorme: Por lo general, el número de dispositivos que necesitan ser gestionados y con los que se comunican es significativamente mayor que los que están conectados a Internet. Esto significa prácticamente que la red de comunicación subyacente debe poder soportar el alto volumen de datos y la tasa y calidad con la que se necesita intercambiar.
Aspectos de IoT
Definiciones Útiles
Arquitectura de IoT
Sistemas de Observación
Características Fundamentales
Requisitos de IoT
Dispositivos y Componentes de IoT
Desafíos de IoT
Desafíos de IoT
Aplicaciones IoT para Desastres Naturales
Recopilación de Datos en Tiempo Real Recopilar datos en tiempo real es crucial para la predicción, detección y gestión de desastres. Los sensores que miden la calidad del aire, la humedad y la temperatura ayudan a las autoridades a evaluar riesgos y tomar medidas preventivas. Dispositivos Interconectados Los sistemas IoT integran diversos dispositivos con diferentes capacidades para la asignación de recursos y respuesta estratégica en desastres. Alertas Tempranas y Predicciones La inteligencia artificial y el aprendizaje automático analizan datos en tiempo real para predecir desastres, permitiendo intervenciones tempranas y salvando vidas. Compartir y Analizar Datos Una gestión efectiva de desastres requiere colaboración entre los primeros equipos de emergencia, las autoridades y el público mediante el intercambio de datos. Interacción Sin Humanos Los drones y robots ayudan en la respuesta a desastres realizando monitoreo remoto, búsqueda e intervención en áreas peligrosas. Infraestructura Inteligente y Resiliencia Los edificios habilitados con IoT y redes de sensores mejoran la resiliencia al monitorear las estructuras, desconectar los servicios públicos y activar los sistemas de supresión de incendios para reducir el impacto de los desastres
06
Visión por Ordenador
06
Visión por Ordenador
La visión por ordenador permite que las máquinas interpreten y analicen datos visuales, automatizando tareas como la detección de objetos, segmentación de imágenes y reconstrucción de escenas en 3D. Los avances en IA, potencia computacional y aprendizaje profundo, especialmente las CNN, han revolucionado el campo, convirtiéndolo en una parte fundamental de aplicaciones como vehículos autónomos, reconocimiento facial y realidad aumentada. En la gestión de desastres, la visión por ordenador mejora la respuesta de los equipos al permitir monitoreo en tiempo real, búsqueda y rescate, y evaluación de daños. Al proporcionar datos visuales precisos, ayuda en la toma de decisiones durante emergencias. Esta sección busca ayudar a los educadores a entender la visión por computadora, su papel en la respuesta a desastres y cómo integrarla en la educación, preparando a los estudiantes para usar estas tecnologías en la preparación ante crisis.
06
Historia de la Visión por Ordenador
La visión por ordenador surgió en las décadas de 1960-70, centrándose en el análisis de imágenes en 2D y el reconocimiento básico de formas. En los años 80, se introdujeron la detección de movimiento, el flujo óptico y aplicaciones industriales. En los 90, técnicas de aprendizaje automático como SVM y PCA mejoraron el reconocimiento facial y la detección de objetos. Los 2000 vieron el auge de las CNN, revolucionando el análisis de imágenes con aprendizaje profundo, destacando AlexNet (2012). Los 2010 trajeron arquitecturas avanzadas (VGG, ResNet) y aplicaciones en el mundo real como vehículos autónomos e imágenes médicas. En la década de 2020, innovaciones como las GAN (redes generativas antagónicas), los transformadores y el aprendizaje auto-supervisado impulsan el avance del campo. La inteligencia artificial generativa permite la síntesis de imágenes, la ampliación de datos y las simulaciones impulsadas por IA, mejorando el entrenamiento y las aplicaciones en el mundo real. La visión por ordenador ahora desempeña un papel crucial en la gestión de desastres, la atención sanitaria y la monitorización ambiental, contribuyendo a la resolución de desafíos globales.
¡Gracias!
Definiciones Útiles
Dispositivo: En el contexto del IoT, es un equipo que debe poder comunicarse y opcionalmente detectar, actuar, capturar datos, almacenar datos o procesar datos. Su única capacidad obligatoria es la comunicación.
Cosa: Un objeto dentro del sistema IoT que es capaz de ser identificado e integrado en un sistema de comunicación.
Cosa Física: Un objeto del mundo físico que puede ser detectado, accionado y conectado se conoce como una cosa física (por ejemplo, robots industriales, equipos eléctricos, etc.)
Cosa Virtual: Un objeto en el mundo de la información que puede ser almacenado, procesado y accedido se conoce como cosa virtual. Por ejemplo, contenido multimedia, software de aplicaciones, etc.
Internet de las Cosas: Una infraestructura de información global que permite servicios avanzados mediante la interconexión de Cosas (Físicas y/o virtuales) basada en tecnologías interoperables existentes y/o en evolución. El IoT incluye funciones para identificación, captura de datos, procesamiento y comunicación para ofrecer diferentes tipos de aplicaciones, asegurando la seguridad y la privacidad.
Características fundamentales
Interconectividad: Cualquier dispositivo IoT puede estar interconectado con la Infraestructura Global de Información y Comunicación.
Servicios relacionados con las cosas: El IoT proporciona servicios que conciernen a las “cosas” conectadas dentro de sus límites, como protecciones de privacidad y coherencia semántica entre las cosas físicas y sus cosas virtuales asociadas.
Heterogeneidad: Dispositivos IoT heterogéneos con diferentes características de hardware y redes se conectan e interactúan con otros dispositivos o plataformas en diversos tipos de redes.
Cambios dinámicos: Mientras se desplazan e interactúan en un sistema IoT, los dispositivos cambian su estado de forma dinámica. Por ejemplo, dormir y despertar, conectarse o desconectarse mientras cambian su ubicación y velocidad. Además, y de igual importancia, el número de dispositivos conectados cambia de manera dinámica.
Escala enorme: Generalmente, el número de dispositivos que deben gestionarse y con los que los dispositivos se comunican es significativamente mayor que los que están conectados a Internet. Esto significa prácticamente que la red de comunicación subyacente debe ser capaz de soportar el gran volumen de datos y la tasa y calidad con la que se debe intercambiar.
Inteligencia Empresarial (BI)
Las herramientas de BI impulsadas por IA mejoran la recopilación, análisis y visualización de datos, optimizando la toma de decisiones y la productividad, además de reducir costos. Recopilación de Datos: Recolección de datos estructurados (por ejemplo, bases de datos) y no estructurados (por ejemplo, texto, imágenes).
Análisis de Datos: Identificación de patrones, tendencias y relaciones en los datos.
Visualización de Datos: Creación de representaciones visuales para facilitar la comprensión.
Toma de Decisiones: Proporcionar conocimientos y recomendaciones para apoyar decisiones basadas en datos.
Educación
La IA puede personalizar el aprendizaje, mejorar la participación de los estudiantes y automatizar tareas administrativas:
Aprendizaje Personalizado: Adaptar las experiencias de aprendizaje según el progreso del estudiante.
Mejora de la Participación: Ofrecer experiencias de aprendizaje interactivas y retroalimentación en tiempo real.
Tareas Administrativas: Automatizar tareas como la calificación y la programación para liberar tiempo del docente.
Aplicaciones Genéricas
Procesamiento de Lenguaje Natural (PLN): El PLN permite a las computadoras entender y generar lenguaje humano. Las aplicaciones incluyen traducción automática, filtrado de spam y análisis de sentimientos.
Visión por Computadora: La visión por computadora permite a las computadoras interpretar contenido visual, utilizado en aplicaciones como coches autónomos, reconocimiento facial y detección de objetos.
Aprendizaje Automático (AA): El AA permite a las computadoras aprender de los datos y mejorar su rendimiento con el tiempo. Las aplicaciones incluyen análisis predictivos, detección de fraudes y sistemas de recomendación.
Robótica: La robótica implica diseñar, construir y operar robots para aplicaciones como fabricación, atención médica y exploración espacial.
Fabricación
La IA mejora la eficiencia, productividad y control de calidad en la fabricación:
Mejora de la eficiencia: Automatización de tareas como ensamblaje e inspección.
Aumento de la productividad: Optimización de los procesos de producción.
Mejora de la calidad: Detección de defectos y mejora del control de calidad.
Dispositivos y componentes IoT
En cuanto a las capacidades de procesamiento, los dispositivos se clasifican como:
Dispositivos sin capacidad de procesamiento: Dispositivos pasivos, generalmente de bajo costo y sin microcontroladores. Un ejemplo típico es una RFID.
Dispositivos con baja capacidad de procesamiento: Sus capacidades están limitadas a leer y escribir datos desde o hacia sensores y actuadores, y enviar estos datos a aplicaciones IoT, pero no pueden tomar decisiones ni ejecutar algoritmos complejos. Generalmente son de bajo costo y suelen incorporar un microcontrolador de muy bajo consumo y bajo costo. Un ejemplo típico es una luz inteligente o un sensor de puerta.
Dispositivos con alta capacidad de procesamiento: Tienen suficiente potencia para tomar decisiones y ejecutar algoritmos complejos. Generalmente son de alto costo porque emplean un microcontrolador potente. (por ejemplo, un sistema de enfriamiento inteligente o un termostato inteligente)
En cuanto a las capacidades de conectividad, los dispositivos se clasifican como:
Dispositivos con baja conectividad: Este tipo de dispositivos no se conectan directamente a la red de comunicación para transferir datos, sino que dependen de elementos adicionales (por ejemplo, un gateway) para realizar tareas de comunicación (como traducción de protocolos o conectividad a internet).
Dispositivos con alta conectividad: Tienen el hardware y la capacidad para conectarse directamente a la red y transferir datos.
Arquitectura IoT
Un objeto físico puede ser mapeado (o representado) por uno o más objetos virtuales en el dominio de la Información. La información es recopilada por dispositivos físicos (o cosas) en el mundo físico y enviada a las Redes de Comunicación y al dominio de la Información para su procesamiento posterior. Los dispositivos pueden comunicarse entre sí ya sea a través de la red de comunicación (con o sin una puerta de enlace) o directamente sin usar la red de comunicación o combinaciones de estos enlaces de comunicación. El intercambio de información no solo ocurre entre objetos físicos en el Mundo Físico, sino también entre objetos virtuales en el Mundo de la Información. Las redes de comunicación proporcionan capacidades para una transferencia de datos fiable y eficiente. La infraestructura de la red puede implementarse o realizarse mediante tecnologías de red existentes (por ejemplo, redes TCP-IP) o redes en evolución siguiendo las tendencias actuales de telecomunicaciones.
Otras aplicaciones
Más allá de estos sectores, la IA se utiliza en diversas industrias:
Venta minorista: Personalizar experiencias de compra y gestionar inventarios.
Transporte: Desarrollar coches autónomos y mejorar la gestión del tráfico.
Energía: Mejorar la eficiencia energética y predecir la demanda.
Gobierno: Mejorar la seguridad pública, detección de delitos y servicios a los ciudadanos.
Desafíos de IoT
Escalabilidad: Muchas aplicaciones y sistemas de IoT contemporáneos incluyen un gran número de dispositivos conectados. A medida que estas redes crecen, la gestión y coordinación de los dispositivos se vuelven cada vez más desafiantes, ya que en muchos casos el rápido crecimiento de nodos conectados o el aumento en el flujo de datos puede requerir cambios sustanciales en la infraestructura.
Solución: Una solución podría ser utilizar arquitecturas escalables como la computación en el borde, procesamiento distribuido y emplear balanceo de carga para el manejo eficiente de numerosos dispositivos.
Congestión de la red: Esto también está relacionado con el problema de escalabilidad mencionado anteriormente, ya que el aumento en el número de dispositivos conectados puede causar tráfico o congestión en la red, lo que degradará la calidad del servicio debido al aumento en la pérdida de paquetes, los retrasos asociados y otros problemas.
Solución: Las posibles soluciones incluyen la optimización de los protocolos de comunicación, el uso de compresión de datos y la priorización de datos críticos.
Seguridad: Los dispositivos IoT operan típicamente con electrónica de bajo consumo y baja capacidad de procesamiento, lo que no permite implementar mecanismos de seguridad de manera eficiente. Dado el aumento significativo en vulnerabilidades del firmware, los dispositivos IoT suelen ser la puerta trasera perfecta para ingresar a una red segura.
Solución: Implementar cifrado, autenticación, controles de acceso y actualizaciones regulares. Utilizar detección de intrusiones y detección de anomalías para identificar amenazas de seguridad de forma temprana.
Gestión de dispositivos: Gestionar numerosos dispositivos IoT se vuelve complejo, especialmente si son heterogéneos y tienen muchas funciones complicadas, mecanismos de autenticación, requisitos de actualización, etc.
Solución: Emplear plataformas de gestión de dispositivos para tareas automatizadas como actualizaciones y monitoreo. Implementar protocolos estandarizados como MQTT y CoAP.
Interoperabilidad: Por lo general, en sistemas IoT grandes, los diferentes componentes (sensores, actuadores, microcontroladores, etc.) pueden provenir de diferentes proveedores y, dado que el marco de trabajo de IoT no está tan estandarizado, pueden surgir problemas de interoperabilidad. Se pueden necesitar ajustes al añadir nuevo hardware y software para mantener la funcionalidad y adaptarse a tecnologías innovadoras.
Solución: Adoptar estándares de la industria para la comunicación y los formatos de datos. Utilizar soluciones middleware para gestionar diferentes protocolos.
Consumo de energía: Existen muchas aplicaciones de IoT instaladas en lugares remotos o en espacios donde proporcionar energía puede ser muy desafiante (por ejemplo, en el fondo de un lago para monitorear la contaminación). Esto significa que necesitamos baterías que duren mucho tiempo o limitar el consumo de energía, idealmente ambas cosas.
Solución: Optimizar los protocolos de comunicación, usar tecnologías de bajo consumo como LPWAN y diseñar hardware energéticamente eficiente o trasladar algunas funciones a una unidad central de procesamiento.
Privacidad de datos: Una gran preocupación en los sistemas IoT es qué sucede con los datos recopilados, especialmente si son sensibles (por ejemplo, datos de salud en un sistema de salud IoT).
Solución: Utilizar cifrado, anonimización de datos y políticas de privacidad explícitas en la práctica. Respetar leyes como el GDPR y HIPAA.
Atención médica
La IA ayuda en el diagnóstico de enfermedades, desarrollo de tratamientos y atención personalizada:
Diagnóstico de enfermedades: Analizar datos de pacientes para detección temprana y precisa de enfermedades.
Desarrollo de tratamientos: Utilizar datos para desarrollar nuevos medicamentos y terapias.
Atención personalizada: Adaptar planes de tratamiento según los datos individuales de los pacientes.
Ventajas de la Teledetección
Como se puede observar en la revisión histórica, la teledetección ha mejorado significativamente en términos de grabación de datos relacionados con el espacio, el tiempo y la radiación. Esto significa que la superficie de la Tierra se registra con mayor frecuencia en resoluciones espaciales más altas y en más partes del espectro electromagnético. La teledetección se considera una herramienta moderna y especializada que encuentra aplicaciones en muchas disciplinas científicas, incluyendo ciencias ambientales, silvicultura, geología, arqueología, oceanografía, etc. Entre las ventajas que justifican el uso de la teledetección para adquirir y procesar datos de nuestro planeta, se consideran muy significativas.
Cobertura Resumida: Una imagen satelital cubre una gran área, requiriendo cientos de fotografías aéreas e incluso más miles de horas de recolección de muestras.
Cobertura Repetida: La frecuencia de grabación es muy importante, especialmente en análisis de diversas series. La frecuencia, similar al sistema satelital, varía desde unas pocas horas hasta varios días.
Accesibilidad: En áreas remotas o inaccesibles, como ejemplos de desiertos, océanos, selvas tropicales, etc., la teledetección ofrece la posibilidad de recopilar y analizar datos.
Homogeneidad de Datos: La información y los datos registrados por sistemas satelitales proporcionan datos uniformes respecto al rendimiento espacial y visual de los objetos de grabación y los datos.
Características de Datos Multiespectrales: Los datos registrados en diferentes partes del espectro electromagnético ofrecen más posibilidades para la visualización de la información deseada.
Forma de Datos Digitales: Ofrece la posibilidad de análisis digital mediante software especializado en todas las ventajas que esto conlleva.
Duración del Tiempo de Grabación: El tiempo de grabación requerido es muy corto, lo que significa un mínimo de cambios en alteraciones espaciales y visuales que puedan surgir por cambios ambientales.
Costo de Datos: El costo relativamente bajo de grabar datos, combinado con las capacidades que ofrecen, es también una ventaja significativa.
Desventajas de la Teledetección
Aunque se ha avanzado mucho desde la aparición de la teledetección, algunos problemas relacionados con su aplicación en cuestiones ambientales siguen sin resolverse. Uno de los problemas más graves concierne a los datos registrados, que contienen errores debido a las condiciones atmosféricas, la topografía del área y el funcionamiento del sistema satelital. Estos errores están relacionados con las diferencias entre la radiación reflejada real y la registrada por el satélite. Es muy importante para el éxito futuro de la aplicación de estos datos adaptar los datos lo más cerca posible de los valores reales, especialmente en casos donde el análisis se refiere a estudios temporales.
Otro problema al que se enfrentan los científicos es la dificultad para entender la naturaleza y el mecanismo de incluso relaciones e interacciones muy simples entre la radiación registrada por el satélite y los objetos objetivo. Los cambios que ocurren en las condiciones de la atmósfera, litosfera y biosfera son tan grandes en dimensiones espaciales y temporales y los mecanismos de interacción entre energía y materia son tan complejos, que las relaciones simples entre objeto y detector son difíciles de determinar.
Finanzas:
Las aplicaciones de IA en finanzas incluyen servicios personalizados, gestión de riesgos y automatización operativa:
Detección de Riesgos y Fraudes: Identificación rápida de actividades potencialmente fraudulentas.
Recomendaciones Personalizadas: Ofrecimiento de asesoramiento y servicios financieros a medida.
Procesamiento de Documentos: Extracción y análisis de datos de documentos para tareas como la gestión de préstamos.
Requisitos de IoT
Conectividad basada en identificación: Es necesario soportar que las “Cosas” se conecten al IoT según sus identificadores (IDs), que pueden ser heterogéneos, por lo que se requiere un procesamiento unificado.
Interoperabilidad: Se debe garantizar la interoperabilidad entre sistemas heterogéneos y distribuidos.
Redes automáticas: La infraestructura de red del IoT debe proporcionar funciones de control para redes automáticas, incluyendo autogestión, autoconfiguración, autorrecuperación, autooptimización y autoprotección, para poder soportar y facilitar la adaptación en diferentes dominios de aplicación, entornos de comunicación y mayores números y tipos de dispositivos.
Provisión de servicios autoadaptativos: Los servicios deben ser proporcionados mediante la captura, comunicación y procesamiento automáticos de los datos de las “Cosas” según las reglas configuradas por los operadores y/o los suscriptores.
Capacidades basadas en la ubicación: La localización es una tecnología clave en IoT, ya que deben soportarse servicios basados en la ubicación. Las cosas deben poder rastrear su posición para facilitar la provisión de servicios que dependen de su ubicación.
Seguridad: La capacidad de que cualquier cosa se conecte en cualquier momento y lugar genera amenazas de seguridad significativas contra la CIA (Confidencialidad, Integridad y Autenticidad) tanto para datos como para servicios. Por lo tanto, es importante integrar diferentes políticas y medidas de seguridad relacionadas con las cosas y su comunicación en un marco de IoT.
Protección de la privacidad: Los datos adquiridos por las “Cosas” pueden contener información privada de sus propietarios y/o usuarios. Por ello, la protección de la privacidad debe ser soportada durante la transmisión, agregación, almacenamiento, minería y procesamiento de estos datos, sin poner obstáculos a la autenticación de la fuente de datos.
Servicios relacionados con el cuerpo humano de alta calidad y muy seguros: Los servicios basados en la captura, comunicación y procesamiento de datos relacionados con el comportamiento humano (por ejemplo, ejercicio, salud, ubicación, etc.) que se ofrezcan automáticamente o mediante intervención humana, garantizando alta calidad, precisión y seguridad.
Plug and Play: Es importante que los sistemas de IoT soporten la capacidad de enchufar y usar para facilitar o habilitar la generación, composición y adquisición en tiempo real de configuraciones semánticas para integrar sin problemas una red de cosas con las aplicaciones respectivas y responder eficientemente a sus requisitos.
Gestión: Las aplicaciones en un sistema de IoT generalmente necesitan funcionar automáticamente sin intervención o participación de personas, por lo que todo el proceso operativo debe ser gestionable por las entidades relevantes para garantizar operaciones normales de la red.
PREVENT - Introduction to Deep Technologies - ES
Cristina López Bravo
Created on October 8, 2025
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Customer Service Course
View
Dynamic Visual Course
View
Dynamic Learning Course
View
Akihabara Course
Explore all templates
Transcript
Introducción a Tecnologías Profundas
Proyecto PREVENT
Comenzar
Definición y alcance de las tecnologías profundas
"Tecnología profunda" incluye tecnologías avanzadas que abordan problemas globales complejos como el cambio climático y la atención médica con soluciones innovadoras. A diferencia de las tecnologías tradicionales, la tecnología profunda se centra en resolver problemas locales de manera proactiva y eficiente. Las áreas clave de la tecnología profunda incluyen Inteligencia Artificial, Tecnología Espacial y Biología Computacional, entre otras. Estas tecnologías se distinguen por su potencial disruptivo y su dependencia de avances científicos de vanguardia.
Índice
Objetivos
Definición de Tecnologías Profundas
Sensores Remotos
Robótica
Inteligencia Artificial
Visión por Computadora
IoT y comunicaciones
Objetivos
A través de este módulo, los estudiantes adquirirán el papel de tecnologías avanzadas en la prevención y mitigación de desastres. Al explorar estudios de casos reales, investigaciones científicas y simulaciones interactivas, los alumnos desarrollarán la capacidad de clasificar diferentes tipos de desastres naturales, analizar sus consecuencias sociales, económicas y ambientales, y evaluar el impacto del cambio climático en la frecuencia y gravedad de los desastres. Además, los estudiantes adquirirán habilidades de pensamiento crítico para evaluar estrategias de gestión del riesgo de desastres, comprender cómo tecnologías avanzadas como la IA, IoT y la imagen satelital contribuyen a los sistemas de alerta temprana, y explorar marcos innovadores de resiliencia ante desastres.
Al finalizar el módulo, los estudiantes podrán aplicar conocimientos en evaluación de riesgos, planificación de respuesta ante desastres y estrategias de adaptación al clima, equipándolos con habilidades esenciales para carreras en ciencias ambientales, gestión de emergencias y desarrollo sostenible.
'El verdadero aprendizaje comienza cuando el conocimiento inspira acción, y la comprensión impulsa el cambio. Prepárate para convertir los desafíos en oportunidades.'
Aprovechando el poder de las nuevas tecnologías, podemos predecir, prepararnos y mitigar el impacto de los desastres naturales—convirtiendo la tecnología en un salvavidas para nuestro futuro.
01
Definición de Tecnologías Profundas
01
Definición de Tecnologías Profundas
Las tecnologías profundas se refieren a innovaciones de vanguardia que se basan en avances científicos e ingenieriles sustanciales. Estas tecnologías a menudo requieren una investigación y desarrollo (I+D) significativa y tienen el potencial de crear cambios disruptivos y transformadores en varias industrias. A diferencia de las mejoras tecnológicas incrementales, las innovaciones en tecnología profunda están arraigadas en avances científicos fundamentales y en ingeniería compleja. Características clave de los desastres naturales:
Tecnología Profunda en el Contexto de Desastres Naturales
Cuando se combina con la preparación, respuesta y mitigación de desastres naturales, las tecnologías profundas pueden ofrecer soluciones innovadoras. Algunos ejemplos incluyen:
02
Inteligencia Artificial
02
Introducción a la IA
La inteligencia artificial (IA) es una rama de la informática centrada en crear sistemas que puedan realizar tareas que tradicionalmente requieren inteligencia humana. Estas tareas incluyen aprender, razonar, resolver problemas, percibir, entender el lenguaje y tomar decisiones. Los sistemas de IA pueden analizar grandes cantidades de datos, reconocer patrones y mejorar su rendimiento con el tiempo mediante algoritmos de aprendizaje automático.
La IA se clasifica en diferentes categorías según capacidades y funciones.
Los tipos principales incluyen:
- IA estrecha (IA débil): Sistemas de IA diseñados para realizar una tarea específica, como reconocimiento facial, traducción de voz o diagnóstico médico. Estas son las aplicaciones de IA más utilizadas hoy en día.
- IA general (IA fuerte): Un sistema de IA teórico capaz de entender, aprender y realizar cualquier tarea intelectual que pueda hacer un humano. Este nivel de IA todavía está en investigación y desarrollo.
- Superinteligencia: Una etapa futura hipotética en la que la IA supera la inteligencia humana en todos los aspectos, incluyendo creatividad, resolución de problemas y toma de decisiones.
Las tecnologías de IA se basan en varios subcampos, incluyendo:Aplicaciones de IA
Aplicaciones Genéricas
Inteligencia Empresarial (BI)
Sistemas de observación
Atención sanitaria
Educación
Manufactura
Finanzas
Otras Aplicaciones
03
Sensores Remotos
03
Introducción a la Teledetección
La teledetección describe la recopilación de datos sobre un objeto, área o fenómeno desde la distancia con un dispositivo que no está en contacto con el objeto. La teledetección generalmente se define de manera amplia como la adquisición de datos e información sobre las superficies y objetos de la Tierra sin contacto físico. Su definición exacta es desafiante y definiciones como la anterior a menudo se consideran demasiado generales. Hay muchas formas de definir la teledetección en la literatura. Dos elementos comunes caracterizan este campo científico a) el concepto de "recopilación de información" y b) "observación desde la distancia"
Ventajas y desventajas de la teledetección
La teledetección ha pasado por varias etapas para alcanzar su nivel actual. Es un campo científico bastante evolutivo que se basa en otras disciplinas científicas como matemáticas, física, informática, etc. Desde el descubrimiento de la fotografía en el siglo XIX, se ha avanzado significativamente en la teledetección ambiental. Aunque es bastante difícil definir con precisión el punto de inicio de la teledetección y sus fases evolutivas, durante su desarrollo se distinguen cinco etapas principales . Aunque la Teledetección es un campo propio, a menudo actúa como complemento de los análisis GIS, añadiendo información y técnicas de análisis únicas. Hay dos tipos de sistemas de teledección: activos y pasivos; y generalmente se usan para diferentes aplicaciones. La teledección activa implica enviar una señal y esperar su retorno al sensor. El RADAR y LIDAR son ejemplos de Teledetección activa, ya que envían energía, microondas y pulsos láser respectivamente, y registran las señales cuando rebotan.
Desventajas de la teledetección
Ventajas de la teledetección
03
Sensores remotos para la monitorización y mitigación de desastres naturales
La humedad del suelo es una variable crítica para comprender los recursos hídricos y los peligros naturales como inundaciones y deslizamientos de tierra. La estimación precisa de las variaciones espaciales y temporales en la humedad es importante para los estudios ambientales y para mejorar las predicciones de inundaciones, especialmente en cuencas de drenaje medianas y grandes donde las inundaciones suelen causar desastres. La condición de la humedad superficial del suelo es fundamental para evaluar la infiltración de agua de lluvia o el escurrimiento, por lo que esta información es vital para los modelos de predicción de inundaciones. Además, la humedad del suelo en áreas montañosas es un factor clave para los deslizamientos de tierra. Desde la década de 1970, la investigación en este campo ha utilizado técnicas que abarcan todo el espectro electromagnético, desde óptico hasta microondas. Estas técnicas varían en términos del rango de longitud de onda, la fuente de energía electromagnética, la respuesta del sensor y la relación física entre la respuesta y la humedad del suelo. El uso de la radiación solar mide la luz reflejada por la superficie de la Tierra. Sin embargo, las microondas y el infrarrojo térmico se han utilizado con mayor frecuencia para calcular la humedad del suelo. El uso de la sección térmica se basa en medir la temperatura superficial del suelo y en métodos como la inercia térmica y el índice temperatura/vegetación. La inercia térmica es sencilla y precisa en áreas con poca o ninguna vegetación. En resumen, la teledetección mediante sensores activos y pasivos proporciona datos valiosos para estimar la humedad del suelo, mejorar la predicción de peligros naturales y la gestión de recursos hídricos.
04
Robótica
04
Introducción a la Robótica
La robótica, un campo multidisciplinar en la intersección de la ingeniería, la informática y la inteligencia artificial, desempeña un papel cada vez más vital en la resolución de los desafíos complejos de la gestión de desastres naturales. Los robots están diseñados para realizar tareas peligrosas, repetitivas o de otra manera inadecuadas para los humanos, lo que les otorga un valor incaculable en escenarios de desastre. La evolución de la robótica, impulsada por avances en sensores, aprendizaje automático y sistemas autónomos, ha ampliado sus capacidades y aplicaciones, permitiendo respuestas más efectivas y eficientes a los desastres naturales. En la gestión de desastres, la robótica puede realizar una variedad de funciones cruciales, desde operaciones de búsqueda y rescate hasta monitoreo ambiental e inspección de infraestructuras. Los drones autónomos, por ejemplo, pueden inspeccionar rápidamente las áreas afectadas, proporcionando datos en tiempo real e imágenes de alta resolución para ayudar en la toma de decisiones y esfuerzos de coordinación. Los robots terrestres pueden navegar por terrenos peligrosos para localizar supervivientes, entregar suministros y realizar evaluaciones estructurales. Además, los robots submarinos son esenciales para operaciones en entornos inundados o sumergidos.
Diferentes categorías de robótica en la gestión de desastres Robots de búsqueda y rescate – Ayudan a localizar y salvar a los supervivientes en estructuras colapsadas o zonas peligrosas. Robots para extinción de incendios – Suprimen incendios forestales y previenen la propagación del fuego utilizando IA y dispersión automática de agua o espuma. Drones aéreos – Proporcionan vigilancia en tiempo real, evalúan daños e identifican peligros desde arriba. Robots submarinos y anfibios – Ayudan en rescates por inundaciones y evalúan daños submarinos. Robots de inspección y recuperación – Evalúan la integridad estructural y ayudan a limpiar escombros después del desastre.
La robótica ayuda en la respuesta a desastres mejorando el rescate, la supresión de incendios y la evaluación de daños con IA y sensores.
04
Historia de la robótica
La robótica ha avanzado significativamente en la respuesta a desastres, desde la automatización industrial temprana hasta sistemas autónomos impulsados por IA. Los robots ayudan en la búsqueda y rescate, la evaluación de peligros y la recuperación en crisis. Los despliegues clave incluyen Chernóbil (1986), 11-S (2001) y Fukushima (2011), donde los robots navegaban en entornos peligrosos para apoyar a los equipos de emergencia. Hoy en día, drones impulsados por IA, vehículos autónomos y sistemas robóticos mejoran la recopilación de datos en tiempo real, el análisis estructural y la entrega de ayuda. A medida que la tecnología evoluciona, la robótica continúa mejorando la gestión de desastres, haciendo que las respuestas sean más rápidas, seguras y efectivas.
05
Internet de las cosas y Comunicaciones
05
Introducción a IoT y comunicaciones
Internet de las Cosas se ha convertido en un tema de investigación e innovación muy popular, principalmente debido a la transformación omnipresente de la informática. Los dispositivos físicos se han vuelto "inteligentes", siendo capaces de detectar, comunicarse de manera generalizada e interactuar con su entorno, ofreciendo aplicaciones y soluciones útiles para la humanidad. Hoy en día, encuentran aplicaciones en una amplia gama de actividades como la salud, el transporte, la agricultura, la automatización del hogar y la industria, el comercio minorista y muchas más. Se espera un crecimiento exponencial de conexiones en la red, lo cual debería facilitarse mediante redes potentes.
Características fundamentales de IoT y las Comunicaciones
Interconectividad: Cualquier dispositivo IoT puede estar interconectado con la Infraestructura global de Información y Comunicación. Servicios relacionados con cosas: El Internet de las Cosas (IoT) proporciona servicios que se relacionan con los “objetos” conectados, teniendo en cuenta sus limitaciones, como la protección de la privacidad y la coherencia semántica entre los objetos físicos y sus correspondientes objetos virtuales. Heterogeneidad: Dispositivos IoT heterogéneos con diferentes características de hardware y redes se conectan e interactúan con otros dispositivos o plataformas en diversos tipos de redes. Cambios dinámicos: Mientras se desplazan e interactúan en un sistema IoT, los dispositivos cambian su estado dinámicamente. Por ejemplo, dormir y despertarse, conectarse o desconectarse mientras cambian su ubicación y velocidad. Además, y de igual importancia, el número de dispositivos conectados cambia dinámicamente. Escala enorme: Por lo general, el número de dispositivos que necesitan ser gestionados y con los que se comunican es significativamente mayor que los que están conectados a Internet. Esto significa prácticamente que la red de comunicación subyacente debe poder soportar el alto volumen de datos y la tasa y calidad con la que se necesita intercambiar.
Aspectos de IoT
Definiciones Útiles
Arquitectura de IoT
Sistemas de Observación
Características Fundamentales
Requisitos de IoT
Dispositivos y Componentes de IoT
Desafíos de IoT
Desafíos de IoT
Aplicaciones IoT para Desastres Naturales
Recopilación de Datos en Tiempo Real Recopilar datos en tiempo real es crucial para la predicción, detección y gestión de desastres. Los sensores que miden la calidad del aire, la humedad y la temperatura ayudan a las autoridades a evaluar riesgos y tomar medidas preventivas. Dispositivos Interconectados Los sistemas IoT integran diversos dispositivos con diferentes capacidades para la asignación de recursos y respuesta estratégica en desastres. Alertas Tempranas y Predicciones La inteligencia artificial y el aprendizaje automático analizan datos en tiempo real para predecir desastres, permitiendo intervenciones tempranas y salvando vidas. Compartir y Analizar Datos Una gestión efectiva de desastres requiere colaboración entre los primeros equipos de emergencia, las autoridades y el público mediante el intercambio de datos. Interacción Sin Humanos Los drones y robots ayudan en la respuesta a desastres realizando monitoreo remoto, búsqueda e intervención en áreas peligrosas. Infraestructura Inteligente y Resiliencia Los edificios habilitados con IoT y redes de sensores mejoran la resiliencia al monitorear las estructuras, desconectar los servicios públicos y activar los sistemas de supresión de incendios para reducir el impacto de los desastres
06
Visión por Ordenador
06
Visión por Ordenador
La visión por ordenador permite que las máquinas interpreten y analicen datos visuales, automatizando tareas como la detección de objetos, segmentación de imágenes y reconstrucción de escenas en 3D. Los avances en IA, potencia computacional y aprendizaje profundo, especialmente las CNN, han revolucionado el campo, convirtiéndolo en una parte fundamental de aplicaciones como vehículos autónomos, reconocimiento facial y realidad aumentada. En la gestión de desastres, la visión por ordenador mejora la respuesta de los equipos al permitir monitoreo en tiempo real, búsqueda y rescate, y evaluación de daños. Al proporcionar datos visuales precisos, ayuda en la toma de decisiones durante emergencias. Esta sección busca ayudar a los educadores a entender la visión por computadora, su papel en la respuesta a desastres y cómo integrarla en la educación, preparando a los estudiantes para usar estas tecnologías en la preparación ante crisis.
06
Historia de la Visión por Ordenador
La visión por ordenador surgió en las décadas de 1960-70, centrándose en el análisis de imágenes en 2D y el reconocimiento básico de formas. En los años 80, se introdujeron la detección de movimiento, el flujo óptico y aplicaciones industriales. En los 90, técnicas de aprendizaje automático como SVM y PCA mejoraron el reconocimiento facial y la detección de objetos. Los 2000 vieron el auge de las CNN, revolucionando el análisis de imágenes con aprendizaje profundo, destacando AlexNet (2012). Los 2010 trajeron arquitecturas avanzadas (VGG, ResNet) y aplicaciones en el mundo real como vehículos autónomos e imágenes médicas. En la década de 2020, innovaciones como las GAN (redes generativas antagónicas), los transformadores y el aprendizaje auto-supervisado impulsan el avance del campo. La inteligencia artificial generativa permite la síntesis de imágenes, la ampliación de datos y las simulaciones impulsadas por IA, mejorando el entrenamiento y las aplicaciones en el mundo real. La visión por ordenador ahora desempeña un papel crucial en la gestión de desastres, la atención sanitaria y la monitorización ambiental, contribuyendo a la resolución de desafíos globales.
¡Gracias!
Definiciones Útiles
Dispositivo: En el contexto del IoT, es un equipo que debe poder comunicarse y opcionalmente detectar, actuar, capturar datos, almacenar datos o procesar datos. Su única capacidad obligatoria es la comunicación. Cosa: Un objeto dentro del sistema IoT que es capaz de ser identificado e integrado en un sistema de comunicación. Cosa Física: Un objeto del mundo físico que puede ser detectado, accionado y conectado se conoce como una cosa física (por ejemplo, robots industriales, equipos eléctricos, etc.) Cosa Virtual: Un objeto en el mundo de la información que puede ser almacenado, procesado y accedido se conoce como cosa virtual. Por ejemplo, contenido multimedia, software de aplicaciones, etc. Internet de las Cosas: Una infraestructura de información global que permite servicios avanzados mediante la interconexión de Cosas (Físicas y/o virtuales) basada en tecnologías interoperables existentes y/o en evolución. El IoT incluye funciones para identificación, captura de datos, procesamiento y comunicación para ofrecer diferentes tipos de aplicaciones, asegurando la seguridad y la privacidad.
Características fundamentales
Interconectividad: Cualquier dispositivo IoT puede estar interconectado con la Infraestructura Global de Información y Comunicación. Servicios relacionados con las cosas: El IoT proporciona servicios que conciernen a las “cosas” conectadas dentro de sus límites, como protecciones de privacidad y coherencia semántica entre las cosas físicas y sus cosas virtuales asociadas. Heterogeneidad: Dispositivos IoT heterogéneos con diferentes características de hardware y redes se conectan e interactúan con otros dispositivos o plataformas en diversos tipos de redes. Cambios dinámicos: Mientras se desplazan e interactúan en un sistema IoT, los dispositivos cambian su estado de forma dinámica. Por ejemplo, dormir y despertar, conectarse o desconectarse mientras cambian su ubicación y velocidad. Además, y de igual importancia, el número de dispositivos conectados cambia de manera dinámica. Escala enorme: Generalmente, el número de dispositivos que deben gestionarse y con los que los dispositivos se comunican es significativamente mayor que los que están conectados a Internet. Esto significa prácticamente que la red de comunicación subyacente debe ser capaz de soportar el gran volumen de datos y la tasa y calidad con la que se debe intercambiar.
Inteligencia Empresarial (BI)
Las herramientas de BI impulsadas por IA mejoran la recopilación, análisis y visualización de datos, optimizando la toma de decisiones y la productividad, además de reducir costos. Recopilación de Datos: Recolección de datos estructurados (por ejemplo, bases de datos) y no estructurados (por ejemplo, texto, imágenes). Análisis de Datos: Identificación de patrones, tendencias y relaciones en los datos. Visualización de Datos: Creación de representaciones visuales para facilitar la comprensión. Toma de Decisiones: Proporcionar conocimientos y recomendaciones para apoyar decisiones basadas en datos.
Educación
La IA puede personalizar el aprendizaje, mejorar la participación de los estudiantes y automatizar tareas administrativas: Aprendizaje Personalizado: Adaptar las experiencias de aprendizaje según el progreso del estudiante. Mejora de la Participación: Ofrecer experiencias de aprendizaje interactivas y retroalimentación en tiempo real. Tareas Administrativas: Automatizar tareas como la calificación y la programación para liberar tiempo del docente.
Aplicaciones Genéricas
Procesamiento de Lenguaje Natural (PLN): El PLN permite a las computadoras entender y generar lenguaje humano. Las aplicaciones incluyen traducción automática, filtrado de spam y análisis de sentimientos. Visión por Computadora: La visión por computadora permite a las computadoras interpretar contenido visual, utilizado en aplicaciones como coches autónomos, reconocimiento facial y detección de objetos. Aprendizaje Automático (AA): El AA permite a las computadoras aprender de los datos y mejorar su rendimiento con el tiempo. Las aplicaciones incluyen análisis predictivos, detección de fraudes y sistemas de recomendación. Robótica: La robótica implica diseñar, construir y operar robots para aplicaciones como fabricación, atención médica y exploración espacial.
Fabricación
La IA mejora la eficiencia, productividad y control de calidad en la fabricación: Mejora de la eficiencia: Automatización de tareas como ensamblaje e inspección. Aumento de la productividad: Optimización de los procesos de producción. Mejora de la calidad: Detección de defectos y mejora del control de calidad.
Dispositivos y componentes IoT
En cuanto a las capacidades de procesamiento, los dispositivos se clasifican como: Dispositivos sin capacidad de procesamiento: Dispositivos pasivos, generalmente de bajo costo y sin microcontroladores. Un ejemplo típico es una RFID. Dispositivos con baja capacidad de procesamiento: Sus capacidades están limitadas a leer y escribir datos desde o hacia sensores y actuadores, y enviar estos datos a aplicaciones IoT, pero no pueden tomar decisiones ni ejecutar algoritmos complejos. Generalmente son de bajo costo y suelen incorporar un microcontrolador de muy bajo consumo y bajo costo. Un ejemplo típico es una luz inteligente o un sensor de puerta. Dispositivos con alta capacidad de procesamiento: Tienen suficiente potencia para tomar decisiones y ejecutar algoritmos complejos. Generalmente son de alto costo porque emplean un microcontrolador potente. (por ejemplo, un sistema de enfriamiento inteligente o un termostato inteligente) En cuanto a las capacidades de conectividad, los dispositivos se clasifican como: Dispositivos con baja conectividad: Este tipo de dispositivos no se conectan directamente a la red de comunicación para transferir datos, sino que dependen de elementos adicionales (por ejemplo, un gateway) para realizar tareas de comunicación (como traducción de protocolos o conectividad a internet). Dispositivos con alta conectividad: Tienen el hardware y la capacidad para conectarse directamente a la red y transferir datos.
Arquitectura IoT
Un objeto físico puede ser mapeado (o representado) por uno o más objetos virtuales en el dominio de la Información. La información es recopilada por dispositivos físicos (o cosas) en el mundo físico y enviada a las Redes de Comunicación y al dominio de la Información para su procesamiento posterior. Los dispositivos pueden comunicarse entre sí ya sea a través de la red de comunicación (con o sin una puerta de enlace) o directamente sin usar la red de comunicación o combinaciones de estos enlaces de comunicación. El intercambio de información no solo ocurre entre objetos físicos en el Mundo Físico, sino también entre objetos virtuales en el Mundo de la Información. Las redes de comunicación proporcionan capacidades para una transferencia de datos fiable y eficiente. La infraestructura de la red puede implementarse o realizarse mediante tecnologías de red existentes (por ejemplo, redes TCP-IP) o redes en evolución siguiendo las tendencias actuales de telecomunicaciones.
Otras aplicaciones
Más allá de estos sectores, la IA se utiliza en diversas industrias: Venta minorista: Personalizar experiencias de compra y gestionar inventarios. Transporte: Desarrollar coches autónomos y mejorar la gestión del tráfico. Energía: Mejorar la eficiencia energética y predecir la demanda. Gobierno: Mejorar la seguridad pública, detección de delitos y servicios a los ciudadanos.
Desafíos de IoT
Escalabilidad: Muchas aplicaciones y sistemas de IoT contemporáneos incluyen un gran número de dispositivos conectados. A medida que estas redes crecen, la gestión y coordinación de los dispositivos se vuelven cada vez más desafiantes, ya que en muchos casos el rápido crecimiento de nodos conectados o el aumento en el flujo de datos puede requerir cambios sustanciales en la infraestructura. Solución: Una solución podría ser utilizar arquitecturas escalables como la computación en el borde, procesamiento distribuido y emplear balanceo de carga para el manejo eficiente de numerosos dispositivos. Congestión de la red: Esto también está relacionado con el problema de escalabilidad mencionado anteriormente, ya que el aumento en el número de dispositivos conectados puede causar tráfico o congestión en la red, lo que degradará la calidad del servicio debido al aumento en la pérdida de paquetes, los retrasos asociados y otros problemas. Solución: Las posibles soluciones incluyen la optimización de los protocolos de comunicación, el uso de compresión de datos y la priorización de datos críticos. Seguridad: Los dispositivos IoT operan típicamente con electrónica de bajo consumo y baja capacidad de procesamiento, lo que no permite implementar mecanismos de seguridad de manera eficiente. Dado el aumento significativo en vulnerabilidades del firmware, los dispositivos IoT suelen ser la puerta trasera perfecta para ingresar a una red segura. Solución: Implementar cifrado, autenticación, controles de acceso y actualizaciones regulares. Utilizar detección de intrusiones y detección de anomalías para identificar amenazas de seguridad de forma temprana. Gestión de dispositivos: Gestionar numerosos dispositivos IoT se vuelve complejo, especialmente si son heterogéneos y tienen muchas funciones complicadas, mecanismos de autenticación, requisitos de actualización, etc. Solución: Emplear plataformas de gestión de dispositivos para tareas automatizadas como actualizaciones y monitoreo. Implementar protocolos estandarizados como MQTT y CoAP. Interoperabilidad: Por lo general, en sistemas IoT grandes, los diferentes componentes (sensores, actuadores, microcontroladores, etc.) pueden provenir de diferentes proveedores y, dado que el marco de trabajo de IoT no está tan estandarizado, pueden surgir problemas de interoperabilidad. Se pueden necesitar ajustes al añadir nuevo hardware y software para mantener la funcionalidad y adaptarse a tecnologías innovadoras. Solución: Adoptar estándares de la industria para la comunicación y los formatos de datos. Utilizar soluciones middleware para gestionar diferentes protocolos. Consumo de energía: Existen muchas aplicaciones de IoT instaladas en lugares remotos o en espacios donde proporcionar energía puede ser muy desafiante (por ejemplo, en el fondo de un lago para monitorear la contaminación). Esto significa que necesitamos baterías que duren mucho tiempo o limitar el consumo de energía, idealmente ambas cosas. Solución: Optimizar los protocolos de comunicación, usar tecnologías de bajo consumo como LPWAN y diseñar hardware energéticamente eficiente o trasladar algunas funciones a una unidad central de procesamiento. Privacidad de datos: Una gran preocupación en los sistemas IoT es qué sucede con los datos recopilados, especialmente si son sensibles (por ejemplo, datos de salud en un sistema de salud IoT). Solución: Utilizar cifrado, anonimización de datos y políticas de privacidad explícitas en la práctica. Respetar leyes como el GDPR y HIPAA.
Atención médica
La IA ayuda en el diagnóstico de enfermedades, desarrollo de tratamientos y atención personalizada: Diagnóstico de enfermedades: Analizar datos de pacientes para detección temprana y precisa de enfermedades. Desarrollo de tratamientos: Utilizar datos para desarrollar nuevos medicamentos y terapias. Atención personalizada: Adaptar planes de tratamiento según los datos individuales de los pacientes.
Ventajas de la Teledetección
Como se puede observar en la revisión histórica, la teledetección ha mejorado significativamente en términos de grabación de datos relacionados con el espacio, el tiempo y la radiación. Esto significa que la superficie de la Tierra se registra con mayor frecuencia en resoluciones espaciales más altas y en más partes del espectro electromagnético. La teledetección se considera una herramienta moderna y especializada que encuentra aplicaciones en muchas disciplinas científicas, incluyendo ciencias ambientales, silvicultura, geología, arqueología, oceanografía, etc. Entre las ventajas que justifican el uso de la teledetección para adquirir y procesar datos de nuestro planeta, se consideran muy significativas. Cobertura Resumida: Una imagen satelital cubre una gran área, requiriendo cientos de fotografías aéreas e incluso más miles de horas de recolección de muestras. Cobertura Repetida: La frecuencia de grabación es muy importante, especialmente en análisis de diversas series. La frecuencia, similar al sistema satelital, varía desde unas pocas horas hasta varios días. Accesibilidad: En áreas remotas o inaccesibles, como ejemplos de desiertos, océanos, selvas tropicales, etc., la teledetección ofrece la posibilidad de recopilar y analizar datos. Homogeneidad de Datos: La información y los datos registrados por sistemas satelitales proporcionan datos uniformes respecto al rendimiento espacial y visual de los objetos de grabación y los datos. Características de Datos Multiespectrales: Los datos registrados en diferentes partes del espectro electromagnético ofrecen más posibilidades para la visualización de la información deseada. Forma de Datos Digitales: Ofrece la posibilidad de análisis digital mediante software especializado en todas las ventajas que esto conlleva. Duración del Tiempo de Grabación: El tiempo de grabación requerido es muy corto, lo que significa un mínimo de cambios en alteraciones espaciales y visuales que puedan surgir por cambios ambientales. Costo de Datos: El costo relativamente bajo de grabar datos, combinado con las capacidades que ofrecen, es también una ventaja significativa.
Desventajas de la Teledetección
Aunque se ha avanzado mucho desde la aparición de la teledetección, algunos problemas relacionados con su aplicación en cuestiones ambientales siguen sin resolverse. Uno de los problemas más graves concierne a los datos registrados, que contienen errores debido a las condiciones atmosféricas, la topografía del área y el funcionamiento del sistema satelital. Estos errores están relacionados con las diferencias entre la radiación reflejada real y la registrada por el satélite. Es muy importante para el éxito futuro de la aplicación de estos datos adaptar los datos lo más cerca posible de los valores reales, especialmente en casos donde el análisis se refiere a estudios temporales. Otro problema al que se enfrentan los científicos es la dificultad para entender la naturaleza y el mecanismo de incluso relaciones e interacciones muy simples entre la radiación registrada por el satélite y los objetos objetivo. Los cambios que ocurren en las condiciones de la atmósfera, litosfera y biosfera son tan grandes en dimensiones espaciales y temporales y los mecanismos de interacción entre energía y materia son tan complejos, que las relaciones simples entre objeto y detector son difíciles de determinar.
Finanzas:
Las aplicaciones de IA en finanzas incluyen servicios personalizados, gestión de riesgos y automatización operativa: Detección de Riesgos y Fraudes: Identificación rápida de actividades potencialmente fraudulentas. Recomendaciones Personalizadas: Ofrecimiento de asesoramiento y servicios financieros a medida. Procesamiento de Documentos: Extracción y análisis de datos de documentos para tareas como la gestión de préstamos.
Requisitos de IoT
Conectividad basada en identificación: Es necesario soportar que las “Cosas” se conecten al IoT según sus identificadores (IDs), que pueden ser heterogéneos, por lo que se requiere un procesamiento unificado. Interoperabilidad: Se debe garantizar la interoperabilidad entre sistemas heterogéneos y distribuidos. Redes automáticas: La infraestructura de red del IoT debe proporcionar funciones de control para redes automáticas, incluyendo autogestión, autoconfiguración, autorrecuperación, autooptimización y autoprotección, para poder soportar y facilitar la adaptación en diferentes dominios de aplicación, entornos de comunicación y mayores números y tipos de dispositivos. Provisión de servicios autoadaptativos: Los servicios deben ser proporcionados mediante la captura, comunicación y procesamiento automáticos de los datos de las “Cosas” según las reglas configuradas por los operadores y/o los suscriptores. Capacidades basadas en la ubicación: La localización es una tecnología clave en IoT, ya que deben soportarse servicios basados en la ubicación. Las cosas deben poder rastrear su posición para facilitar la provisión de servicios que dependen de su ubicación. Seguridad: La capacidad de que cualquier cosa se conecte en cualquier momento y lugar genera amenazas de seguridad significativas contra la CIA (Confidencialidad, Integridad y Autenticidad) tanto para datos como para servicios. Por lo tanto, es importante integrar diferentes políticas y medidas de seguridad relacionadas con las cosas y su comunicación en un marco de IoT. Protección de la privacidad: Los datos adquiridos por las “Cosas” pueden contener información privada de sus propietarios y/o usuarios. Por ello, la protección de la privacidad debe ser soportada durante la transmisión, agregación, almacenamiento, minería y procesamiento de estos datos, sin poner obstáculos a la autenticación de la fuente de datos. Servicios relacionados con el cuerpo humano de alta calidad y muy seguros: Los servicios basados en la captura, comunicación y procesamiento de datos relacionados con el comportamiento humano (por ejemplo, ejercicio, salud, ubicación, etc.) que se ofrezcan automáticamente o mediante intervención humana, garantizando alta calidad, precisión y seguridad. Plug and Play: Es importante que los sistemas de IoT soporten la capacidad de enchufar y usar para facilitar o habilitar la generación, composición y adquisición en tiempo real de configuraciones semánticas para integrar sin problemas una red de cosas con las aplicaciones respectivas y responder eficientemente a sus requisitos. Gestión: Las aplicaciones en un sistema de IoT generalmente necesitan funcionar automáticamente sin intervención o participación de personas, por lo que todo el proceso operativo debe ser gestionable por las entidades relevantes para garantizar operaciones normales de la red.