WEBVTT 00:01:15.660 --> 00:01:17.540 John, lo que estoy diciendo a los participantes 00:01:17.679 --> 00:01:19.979 es que tienes un fondo muy bonito detrás ¿no? 00:01:22.684 --> 00:01:25.489 Vamos a hablar de ciberseguridad y por eso intentas 00:01:25.489 --> 00:01:30.932 borrar todo lo que tienes detrás para que nadie lo entienda. 00:02:10.700 --> 00:02:15.066 John, vamos a hablar de tres bloques que son: 00:02:15.066 --> 00:02:17.352 El primero es inteligencia artificial 00:02:17.357 --> 00:02:20.099 el segundo es IoT 00:02:20.100 --> 00:02:22.842 y acabaremos con ciberseguridad 00:02:23.416 --> 00:02:27.986 Así que, John, si quieres decir qué es la inteligencia artificial 00:02:27.986 --> 00:02:28.890 qué está pasando 00:02:28.890 --> 00:02:32.288 los principales retos que podemos enfrentar con la inteligencia artificial 00:02:32.288 --> 00:02:35.928 si la humanidad va a poder con ellos, todas estas cosas. Por favor, John 00:02:36.103 --> 00:02:42.266 Vale. Esto en realidad ha surgido por la cantidad de datos 00:02:43.503 --> 00:02:45.748 creo que hablamos de esto en el curso con IoT 00:02:45.752 --> 00:02:49.752 que ahora tenemos muchos dispositivos y producen datos 00:02:50.219 --> 00:02:59.994 y en los últimos cinco años el uso del machine learning ha cambiado bastante. 00:03:02.402 --> 00:03:09.021 Ahora el machine learning en algunas áreas tiene habilidades casi sobrehumanas 00:03:09.503 --> 00:03:11.763 en particular al jugar al ajedrez. 00:03:12.705 --> 00:03:16.195 Hace varios años que ningún humano ha ganado a un ordenador 00:03:16.967 --> 00:03:20.637 La puntuación está en 3000 para los ordenadores 00:03:20.967 --> 00:03:24.967 y el humano que mejor juega está en 2960, creo. 00:03:25.671 --> 00:03:29.361 Lo que observamos no es que el machine learning esté reemplazando 00:03:29.361 --> 00:03:34.942 a los humanos de forma generalizada. No creo que estemos observando esto. 00:03:34.942 --> 00:03:38.606 Pero en ciertas áreas el machine learning puede aplicarse a grandes 00:03:38.606 --> 00:03:44.166 cantidades de datos y puede procesarlos y analizarlos. 00:03:44.166 --> 00:03:48.166 Por ejemplo, en medicina 00:03:48.166 --> 00:03:51.666 Podemos observar por ejemplo al diagnosticar una enfermedad ocular 00:03:52.406 --> 00:04:00.276 al analizar imágenes de rayos X y descubrir los problemas potenciales 00:04:00.276 --> 00:04:06.226 para el paciente en esas imágenes, lo estamos observando en muchas áreas. 00:04:08.708 --> 00:04:14.025 A lo largo de los últimos años la gente ha dicho que se iba a expandir mucho 00:04:14.025 --> 00:04:14.842 pero ya veremos. 00:04:14.842 --> 00:04:22.205 Antes hemos oído decir que a finales de los 90 se hablaba mucho de las máquinas 00:04:22.205 --> 00:04:25.441 siendo mejores que los humanos y eso no ha llegado a pasar 00:04:25.441 --> 00:04:30.851 así que las consideramos un capacitador importante en ciertas áreas de negocios 00:04:30.851 --> 00:04:33.681 pero sin duda no para todo. 00:04:33.681 --> 00:04:35.741 No van a sustituir por completo a los humanos. 00:04:35.741 --> 00:04:40.721 Abel, sé que hay algunas áreas del machine learning sobre las que te gusta hablar 00:04:43.114 --> 00:04:47.114 así que por qué no expresas tus inquietudes o probablemente seas 00:04:47.116 --> 00:04:49.246 más optimista que yo respecto a esto, no sé. 00:04:52.166 --> 00:04:57.026 Diré esto en inglés y después cambiaré. Creo que un poco, pero no del todo. 00:06:03.470 --> 00:06:08.200 Estoy hablando de los retos que supone 00:06:08.200 --> 00:06:10.130 copiar algunos datos con las nuevas técnicas. 00:08:24.073 --> 00:08:26.113 Creo que lo has entendido casi todo ¿no, John? 00:08:26.616 --> 00:08:29.476 Estaba hablando sobre que Amazon te conoce mejor que tu banco. 00:08:30.079 --> 00:08:35.939 Sí, cierto. Quiero decir, creo que otro punto es que muchas de las técnicas 00:08:35.939 --> 00:08:37.879 no tienen por qué ser redes neuronales 00:08:37.879 --> 00:08:41.469 es decir, han sido las mejores para el aprendizaje en general 00:08:41.469 --> 00:08:47.079 pero los árboles de decisión y otras técnicas más simples suelen funcionar 00:08:47.079 --> 00:08:50.419 Funcionan bastante bien con los datos 00:08:50.419 --> 00:08:55.839 así que no deberíamos olvidarlas porque son técnicas bastante simples 00:08:55.839 --> 00:08:58.969 que pueden aplicarse a los datos y sin duda 00:08:58.969 --> 00:09:05.519 si tienes datos puedes apropiarte de ellos obviamente, deberías aprovechar eso. 00:09:55.383 --> 00:10:00.243 Bien, muchas gracias, John y Abel. Creo que ha sido 00:10:01.577 --> 00:10:04.817 sobre todo para ti, John, el IoT es para ti 00:10:04.817 --> 00:10:07.797 porque Abel está consumiendo todo su tiempo 00:10:07.797 --> 00:10:10.207 Así que pasemos a hablar del IoT 00:10:11.648 --> 00:10:15.648 Pasemos a hablar del IoT y ¿cómo crees…? 00:10:15.648 --> 00:10:18.738 Bueno, en primer lugar, hay una gran conexión 00:10:18.738 --> 00:10:26.208 entre inteligencia artificial y IoT, ¿no? El internet de las cosas. ¿Cómo crees…? 00:10:26.208 --> 00:10:31.128 Danos una breve introducción al IoT, qué crees que va a pasar en el futuro 00:10:31.128 --> 00:10:34.738 serán las ciudades inteligentes una realidad porque, de nuevo 00:10:34.738 --> 00:10:37.878 llevamos hablando de ciudades inteligentes desde hace 15 años 00:10:37.878 --> 00:10:41.878 pero siguen sin ser reales. Por tanto... 00:10:41.878 --> 00:10:45.878 ¿qué piensas, John, sobre el IoT y cuáles crees que son los siguientes pasos? 00:10:45.878 --> 00:10:49.878 Bueno, tanto Abel como yo llevamos muchos años metidos en IoT 00:10:49.878 --> 00:10:53.878 Estábamos en el laboratorio auto-ID aquí en el MIT 00:10:53.878 --> 00:10:56.748 que en cierto modo en su momento inventó el internet de las cosas. 00:10:56.748 --> 00:11:00.188 Principalmente se dedicaba al seguimiento y 00:11:00.188 --> 00:11:02.588 a la localización en cadenas de suministro 00:11:02.588 --> 00:11:07.488 Pero en 2007 se inventó este pequeño aparato 00:11:07.488 --> 00:11:10.488 y, hasta cierto punto, lo ha cambiado todo 00:11:10.488 --> 00:11:15.628 Ahora en las ciudades, por ejemplo, muchos de nosotros utilizamos este 00:11:15.628 --> 00:11:20.758 dispositivo para navegar y podemos ver coches 00:11:20.758 --> 00:11:27.928 seas Google o Uber, tienes mucha información sobre el tráfico en la ciudad. 00:11:27.928 --> 00:11:34.968 Sé que en China, por ejemplo, obligaron a su equivalente de Uber, llamado DiDi 00:11:34.968 --> 00:11:43.148 a entregar esos datos para poder manejar las ciudades y el tráfico y creo que 00:11:43.148 --> 00:11:47.148 sin duda, esto ha supuesto un cambio radical para el transporte. 00:11:48.478 --> 00:11:52.478 Y hay muchos más datos además del tráfico. 00:11:53.464 --> 00:11:56.584 Cada vez que compro algo, se registra. 00:11:56.974 --> 00:12:02.354 Lo que observamos es que los dispositivos se están volviendo mucho más 00:12:02.354 --> 00:12:12.854 se están generando muchos más en nuestro entorno. Tengo un aparato de Amazon. 00:12:13.446 --> 00:12:19.176 Alexa está ahí y me sorprende que no se haya despertado en realidad, 00:12:19.176 --> 00:12:22.446 de vez en cuando Alexa se despierta y me sorprende. 00:12:22.446 --> 00:12:25.456 Creo que la he apagado. Pero sé que, por ejemplo 00:12:25.456 --> 00:12:31.746 Alemania está pensando en incorporar legislación para, básicamente, 00:12:31.746 --> 00:12:36.206 controlar la cantidad de datos que se captan y que tendemos a olvidar que 00:12:36.206 --> 00:12:45.516 puede que tenas una Alexa en casa o un DOT o algo así que te están escuchando 00:12:46.797 --> 00:12:49.777 y pueden meter esos datos en la nube. 00:12:50.182 --> 00:12:55.342 Así que lo que creo que estamos observando es una proliferación de aparatos en 00:12:55.342 --> 00:13:00.432 todas partes que nos permiten tomar decisiones más inteligentes, 00:13:00.432 --> 00:13:04.432 pero la privacidad supone un problema real. 00:13:04.432 --> 00:13:09.932 Quizá quieras decir algo, Abel, porque esta es un área a la que 00:13:09.932 --> 00:13:12.982 dedicamos mucho tiempo, el IoT. 00:15:12.668 --> 00:15:13.948 Una de las cosas 00:15:13.948 --> 00:15:19.188 Abel, es que nuestra habilidad para controlar estos sensores ha mejorado. 00:15:19.188 --> 00:15:26.518 Ya hablamos de MQTT y WebSocket, por ejemplo, que utilizarías para 00:15:26.518 --> 00:15:34.288 controlar miles de sensores y, si podemos ponerle un servidor a un sensor 00:15:34.288 --> 00:15:38.288 entonces podemos hablarle en cualquier lu- gar del mundo simplemente utilizando HTTP. 00:15:38.288 --> 00:15:46.878 Eso ha cambiado mucho nuestra habilidad de comunicarnos a través de aparatos. 00:15:46.878 --> 00:15:53.328 Por desgracia, a veces olvidamos la parte sobre seguridad. 00:15:53.328 --> 00:15:56.638 Probablemente hablemos de eso en unos minutos, 00:15:56.638 --> 00:16:00.638 pero el problema es que tenemos impresoras, 00:16:00.638 --> 00:16:06.428 que son ordenadores completos, cámaras CCTV online, por ejemplo, 00:16:06.428 --> 00:16:11.008 y tendemos a olvidar que estos dispositivos están conectados a internet 00:16:11.008 --> 00:16:15.008 y pueden utilizarse no solo para nuestro beneficio, 00:16:15.008 --> 00:16:18.298 sino en realidad también para atacarnos y, bueno, 00:16:18.298 --> 00:16:23.698 hablaremos de esto en un momento. Pero lo cierto es que este es 00:16:23.698 --> 00:16:25.968 un problema que ha surgido. 00:17:22.167 --> 00:17:25.227 Una conversación muy interesante que nos 00:17:25.227 --> 00:17:28.197 lleva al último bloque sobre ciberseguridad 00:17:28.197 --> 00:17:34.067 Pero antes de eso, si lo he entendido bien John, en tu opinión tenemos dispositivos, 00:17:34.067 --> 00:17:38.387 tenemos el internet de las cosas y además algo que es una consecuencia de ambos, 00:17:38.387 --> 00:17:42.387 es decir, la automatización del trabajo, ¿no? 00:17:42.387 --> 00:17:45.577 Nos va a llevar a la automatización del trabajo. 00:17:45.577 --> 00:17:49.847 Un par de preguntas de los participantes: 00:17:49.847 --> 00:17:54.607 ¿cómo va a afectar esto a la mano de obra a los humanos en el trabajo 00:17:54.607 --> 00:17:57.497 en el lugar de trabajo? ¿Qué opinas sobre esto? 00:18:00.144 --> 00:18:03.894 Sí, quiero decir, tienes toda la razón, Pablo. 00:18:03.894 --> 00:18:09.664 Tan pronto como podamos automatizar las cosas si algo puede reproducirse 00:18:09.664 --> 00:18:13.664 y entendemos el proceso de trabajo, por ejemplo, entonces es posible 00:18:13.664 --> 00:18:21.914 que podamos automatizarlo y eso forma par- te de los DevOps, automatizar a la gente. 00:18:21.914 --> 00:18:27.394 Si lo prefieres sustituirla por máquinas inteligentes y lo observamos en la 00:18:27.394 --> 00:18:31.394 industria y aquí en el MIT. 00:18:31.394 --> 00:18:36.894 A veces bromeamos sobre que el trabajo de un secretario ha cambiado, 00:18:36.894 --> 00:18:42.544 preferimos que se encarguen de las páginas web en lugar de escribir informes que 00:18:42.544 --> 00:18:48.334 ahora reservamos nuestros propios vuelos porque las aplicaciones son muy buenas y, 00:18:48.334 --> 00:18:52.334 en fin, ese tipo de cosas. 00:18:53.184 --> 00:18:58.354 Abel, sé que te gusta decir que piensas en tu madre y en tu abuela y en que 00:18:58.354 --> 00:19:09.614 utilizan apps les guste o no, todas estas cosas la informática está en todas partes 00:19:09.614 --> 00:19:16.254 y eso implica que la mano de obra tendrá que volver a capacitarse, a formarse. 00:19:16.254 --> 00:19:21.304 Nosotros mismos lo estamos haciendo, Abel y pasamos la mayor parte del tiempo 00:19:21.304 --> 00:19:25.304 volviéndonos a formar y estoy tranquilo. Pablo, lo estás viendo en educación. 00:19:25.987 --> 00:19:31.817 Esta es una forma completamente nueva de llevar la educación, pero es inevitable. 00:19:31.817 --> 00:19:42.777 A veces reduce costes, a menudo es más efectiva y, en cierto modo, es inevitable. 00:19:42.777 --> 00:19:47.629 Abel, quizá tienes una perspectiva distinta sobre esto. 00:21:40.445 --> 00:21:41.855 Ibas a decir algo. 00:21:42.112 --> 00:21:46.612 No, solo iba a decir que otra forma que tenemos de pensar en esto es 00:21:46.612 --> 00:21:48.962 tenemos muchos sistemas de control, por ejemplo, 00:21:48.962 --> 00:21:52.372 en la industria, en las fábricas, plantas de productos químicos, 00:21:52.372 --> 00:21:57.472 y una forma de ver estos sistemas de control es desde el nivel más bajo, 00:21:57.472 --> 00:21:59.892 porque ahí reaccionan bastante rápido. 00:21:59.892 --> 00:22:08.222 A menudo registran datos a un nivel al que un humano no llega: miles de datos por 00:22:08.222 --> 00:22:13.382 segundo, por ejemplo. Pero a continuación tenemos capas, una serie de capas por 00:22:13.382 --> 00:22:17.382 encima de ellos y en el nivel más alto es donde intentas tomar decisiones sobre 00:22:17.382 --> 00:22:25.652 si se debería cerrar la fábrica o no. Y en esos niveles seguimos viendo al humano. 00:22:25.652 --> 00:22:31.922 Entonces, mi opinión es durante un tiempo los humanos seguirán teniendo un papel 00:22:31.922 --> 00:22:34.542 gestionando a las máquinas. 00:22:34.542 --> 00:22:38.542 Cuando se trata de solo máquinas, hemos visto, por ejemplo, 00:22:38.542 --> 00:22:43.592 la caída de la bolsa en 2010. Las máquinas negociaban 00:22:43.592 --> 00:22:48.392 con otras máquinas y la bolsa perdió cerca de un trillón de dólares en 20 minutos. 00:22:48.392 --> 00:22:53.432 Seguimos teniendo problemas en esos niveles 00:22:53.432 --> 00:22:57.432 altos en los que se delega en las máquinas. 00:22:57.432 --> 00:23:02.762 De nuevo, lo vimos cuando se estrelló el Boeing 737, 00:23:02.762 --> 00:23:06.062 que se sigue necesitando que haya pilotos, 00:23:06.062 --> 00:23:13.422 que los sistemas que estamos construyendo no son capaces de gestionar sistemas 00:23:13.422 --> 00:23:15.142 complejos en los niveles más altos. 00:23:15.142 --> 00:23:19.722 Por tanto, mi opinión es que esos sistemas puede que vayan subiendo de nivel, 00:23:19.722 --> 00:23:23.142 los sistemas informáticos en los que confiamos, 00:23:23.142 --> 00:23:27.832 pero de momento están principalmente en los niveles más bajos. 00:23:27.832 --> 00:23:31.832 Aunque eso no es totalmente cierto en todas las áreas de la industria, 00:23:31.832 --> 00:23:33.872 por ejemplo en la banca. 00:23:33.872 --> 00:23:36.592 Los ordenadores ya negocian automáticamente, 00:23:36.592 --> 00:23:41.342 así que probablemente lo veremos en otras áreas, pero esa es la forma 00:23:41.342 --> 00:23:44.232 una forma en la que lo veo es como un sistema por capas. 00:25:37.579 --> 00:25:40.709 John, si no te importa, después de hablar de la inteligencia artificial, 00:25:40.709 --> 00:25:46.979 de IoT,todas estas cosas, deberíamos pasar a hablar del problema de la ciberseguridad 00:25:46.979 --> 00:25:50.979 que es muy importante para controlar los otros dos, ¿no? 00:25:51.672 --> 00:25:54.512 Entonces, dispositivos de inteligencia artificial y ese tipo de cosas, 00:25:54.512 --> 00:25:55.552 ¿cómo los controlamos? 00:25:55.552 --> 00:26:00.572 ¿Un resumen de todo lo relacionado con la seguridad que hay detrás? 00:26:01.893 --> 00:26:07.453 Sí, claro. Por desgracia no voy a ser muy optimista. 00:26:08.553 --> 00:26:12.553 Deberíamos haber tomado nota. Tenemos este gran curso 00:26:12.553 --> 00:26:21.643 la ciberseguridad es un área que tiene a en cierto modo seguimos perdiendo. 00:26:21.781 --> 00:26:27.361 Seguimos viendo ataques muy amplios. 00:26:27.666 --> 00:26:34.566 El último ataque a Whatsapp fue muy sofisticado y es muy preocupante que 00:26:34.566 --> 00:26:41.026 puedan tomar el control de tu teléfono solo con llamarte por Whatsapp aunque 00:26:41.026 --> 00:26:44.636 ni siquiera les contestes. Podrían haber tomado el control de tu teléfono. 00:26:44.636 --> 00:26:50.486 Estamos observando cómo surgen compañías sofisticadas que se dedican a lanzar 00:26:50.486 --> 00:26:56.366 ataques, que hay cadenas de suministro de ataques a softwares, 00:26:56.366 --> 00:27:02.796 que puedes comprar los componentes necesarios para lanzar un ataque. 00:27:03.141 --> 00:27:08.411 Y, en este momento, creo que es un área bastante deprimente. 00:27:11.024 --> 00:27:17.434 Un área de la que estábamos hablando, IoT. Intentas sacar un dispositivo tan barato 00:27:17.434 --> 00:27:22.684 como sea posible y necesitas sacarlo rápidamente 00:27:22.684 --> 00:27:26.684 porque tienes competencia en todas las áreas. 00:27:26.684 --> 00:27:30.684 Una de las cosas que se sacrifican es la seguridad. 00:27:31.092 --> 00:27:35.092 Estoy seguro de que Abel estará de acuerdo, la seguridad 00:27:35.148 --> 00:27:40.038 tiene más que ver con evaluar riesgos y aplicar cierto nivel de seguridad. 00:27:40.038 --> 00:27:45.548 No puedes permitirte estar totalmente protegido y funcionar como negocio. 00:27:45.548 --> 00:27:54.393 Vas a tener que elegir un cierto nivel de seguridad que crees que será suficiente 00:27:54.393 --> 00:28:01.633 para frenar los ataques, pero a no ser que evites Internet completamente, 00:28:01.633 --> 00:28:06.723 es muy difícil no ser vulnerable a los ataques. 00:28:06.723 --> 00:28:12.533 Estoy seguro, Abel,de que hablarás del MIT y del número de ordenadores que 00:28:12.533 --> 00:28:18.673 creemos que han sido infectados por virus internos en vez de externos, 00:28:18.673 --> 00:28:24.993 pero esta es un área que todo el mundo considera un problema. 00:28:24.993 --> 00:28:33.813 Estamos mejorando en tanto que estamos cambiando 00:28:33.813 --> 00:28:42.273 Pero por lo general en algunas áreas como IoT, es muy difícil implementar el 00:28:42.273 --> 00:28:45.243 nivel de seguridad que probablemente se necesite. 00:28:45.243 --> 00:28:49.243 Abel, quizá quieres decir algo respecto a estas áreas. 00:30:01.245 --> 00:30:03.515 …cómo de deseables somos como organización. 00:33:01.246 --> 00:33:04.686 …qué incluye la póliza o no y qué se cubre o no. 00:33:34.371 --> 00:33:36.792 Y eso es todo, he intentado ser breve, pero no he podido. 00:33:41.711 --> 00:33:43.675 John, las preguntas son todas para ti ahora, 00:33:43.675 --> 00:33:46.524 porque Abel ha consumido todo su tiempo. 00:33:48.285 --> 00:33:50.795 No, no, no hay problema. No hay problema. 00:34:23.276 --> 00:34:27.606 Así que, John, voy a haceros a los dos la misma pregunta porque creo que es 00:34:27.606 --> 00:34:31.606 muy importante, ya que este es un curso sobre Digital Transformation. 00:34:31.606 --> 00:34:36.516 ¿Cómo – cómo – Alguna recomendación algún consejo sobre 00:34:36.516 --> 00:34:43.306 sobre cómo implementar Digital Transformation en una empresa? 00:34:43.306 --> 00:34:48.436 ¿Qué opináis? ¿Es una mentalidad, una tecnología es cuestión de tener recursos, 00:34:48.436 --> 00:34:52.436 cómo…? Un par de consejos. ¿Qué pensáis de esto? 00:34:52.436 --> 00:34:54.566 Porque a fin de cuentas este es un curso sobre 00:34:54.566 --> 00:34:57.486 Digital Transformation. ¿Qué opináis, John? 00:34:58.477 --> 00:35:04.247 Bueno, una forma de verlo es que en este momento nuestras empresas 00:35:04.247 --> 00:35:08.367 Estamos utilizando sistemas ERP, que son monolíticos. 00:35:08.367 --> 00:35:14.557 Y se ha vuelto muy difícil para nosotros cambiar esos sistemas. 00:35:14.557 --> 00:35:26.727 Oracle o SAP son sistemas que requieren mucho soporte y lleva meses cambiarlos. 00:35:27.341 --> 00:35:31.341 Y lo que están haciendo las compañías es lo que se conoce como esculpir algunas 00:35:31.341 --> 00:35:38.061 de las cosas que puedes utilizar como recurso, por ejemplo, en la nube. 00:35:38.546 --> 00:35:41.626 Creo que gran parte de esto lo relacionamos 00:35:41.626 --> 00:35:44.386 con la nube porque es más fácil implementarlo ahí, 00:35:44.386 --> 00:35:51.476 puedes escalar básicamente, puedes escalar rápido ahí,pero puedes empezar desde abajo 00:35:51.476 --> 00:35:57.686 Creo que nuestra opinión es que necesitas coger ciertas cosas, 00:35:57.686 --> 00:36:05.586 esculpirlas, este monolito, y crear recursos que puedas cambiar rápidamente 00:36:05.586 --> 00:36:13.476 para poder probar ideas nuevas en él. Normalmente, bueno, 00:36:13.476 --> 00:36:18.756 Netflix es un símbolo de esto porque crean como 13 recursos diferentes. 00:36:18.756 --> 00:36:25.296 Pero por ejemplo, puede que decides que quieres obtener información 00:36:25.296 --> 00:36:31.666 de unas imágenes y entras en la nube. Las imágenes son muy 00:36:31.666 --> 00:36:36.596 hay mucho software de reconocimiento de imágenes o servicios en la nube que 00:36:36.596 --> 00:36:41.916 puedes utilizar. Así que si lo haces, si lo implementas por ejemplo, 00:36:41.916 --> 00:36:47.806 probablemente Serverless o YouView, DataBlue, expresiones lambda, 00:36:47.806 --> 00:36:52.966 pero creas un recurso que puedas cambiar rápidamente después. 00:36:52.966 --> 00:36:59.826 Como estaba diciendo, esculpir parte de este monolito y, con suerte, 00:36:59.826 --> 00:37:06.136 sigues haciéndolo hasta que llegas a una etapa en la que puedes operar con rapidez 00:37:06.136 --> 00:37:15.626 Lee sobre DevOps y la revolución que ha habido porque tiene que ver también 00:37:15.626 --> 00:37:16.776 con la revolución cultural. 00:37:16.776 --> 00:37:20.776 Necesitas cambiar tu cultura, pero eso no va a pasar de la noche a la mañana. 00:37:20.776 --> 00:37:29.806 Por tanto, Amazon y otros proveedores de la nube suelen recomendar que cojas 00:37:29.806 --> 00:37:35.936 un equipo pequeño y, como he dicho, implementes algo que puedas 00:37:35.936 --> 00:37:39.076 que le venga bien a tu negocio, pero que 00:37:39.076 --> 00:37:43.076 puedas monitorizar y entender la métrica que 00:37:43.076 --> 00:37:49.026 de mejora y rendimiento que empiezan ahí. 00:37:49.026 --> 00:37:57.656 Como he dicho creo que está estrechamente relacionado con la nube, pero no hay 00:37:57.656 --> 00:38:03.246 no es necesario – por ejemplo, la gente pone como excusa los sistemas heredados. 00:38:03.246 --> 00:38:08.026 Y se ha demostrado que ningún sistema heredado te frenará a la hora de cambiar, 00:38:08.026 --> 00:38:11.366 que puede que tengas que convivir con ese sistema heredado un tiempo, 00:38:11.366 --> 00:38:16.026 pero puedes taparlo. Sin duda la nube no se resume en máquinas, 00:38:16.026 --> 00:38:25.446 servicios de TI, API. Ese es, en mi opinión, el punto de partida. 00:38:25.446 --> 00:38:28.456 Abel, tal vez puedas añadir algo sobre esto. 00:40:22.152 --> 00:40:28.492 Muchas gracias a ambos por la respuesta. Vamos a pasar a cosas nuevas que está 00:40:28.492 --> 00:40:34.512 diciendo la prensa actualmente, como la guerra entre China y EE. UU. 00:40:34.512 --> 00:40:40.962 que como recordaréis cerramos el webinar de hace un par de semanas hablando de esto 00:40:40.962 --> 00:40:43.722 Creo que este tema es muy interesante. ¿Qué opináis? 00:40:43.722 --> 00:40:47.722 Porque está evolucionando mucho, ¿no? 00:40:55.851 --> 00:40:58.271 Olvidaos de la política. 00:41:00.933 --> 00:41:04.933 Creo que estoy a favor de la perspectiva de la IA. 00:41:05.464 --> 00:41:08.214 IA, IoT, todas estas cosas. ¿Son reales? 00:42:02.728 --> 00:42:06.728 Quizá quieras decir algo sobre lo que hemos estado haciendo respecto a las GAN 00:42:06.728 --> 00:42:10.728 John, cuando se trata de lidiar con noticias falsas o lo que estamos buscando. 00:42:14.379 --> 00:42:17.599 Bueno, hemos estado trabajando en reconocimiento facial, por ejemplo. 00:42:17.599 --> 00:42:25.189 Pero, sí, las GAN, las redes generativas antagónicas. 00:42:25.189 --> 00:42:31.189 La idea es que básicamente tienes a dos máquinas jugando 00:42:31.189 --> 00:42:37.499 jugando una contra la otra y una intenta engañar a la otra y ambas aprenden 00:42:37.499 --> 00:42:39.539 la una de la otra bastante rápido. 00:42:39.539 --> 00:42:46.239 Hemos visto en ciertas áreas, como por ejemplo con las bases de datos faciales, 00:42:46.239 --> 00:42:55.879 que la máquina generativa aprende a crear rostros que son una mezcla de literalmente 00:42:55.879 --> 00:42:59.949 cientos de miles de ejemplos que – es – aprende. 00:43:00.890 --> 00:43:04.890 Y ese rostro nunca ha existido, pero parecen totalmente reales y 00:43:04.890 --> 00:43:12.730 no sé si has mencionado el vídeo de Obama, Abel, 00:43:13.019 --> 00:43:17.019 en el que sale Obama dando un discurso que nunca dio, 00:43:17.019 --> 00:43:22.159 que es completamente falso. Es muy convincente. 00:43:22.159 --> 00:43:30.179 Se dice que las máquinas pueden detectar lo que es falso, pero de nuevo, 00:43:30.179 --> 00:43:36.379 las máquinas están aprendiendo a vencer a otras máquinas y nosotros estamos en... 00:43:36.379 --> 00:43:42.749 vivimos en esta era en la que se pueden generar fakes automáticamente 00:43:42.749 --> 00:43:46.059 que son muy convincentes. 00:43:46.686 --> 00:43:52.896 Abel, creo que me enviaste este artículo el fin de semana pasado en el que 00:43:52.896 --> 00:43:55.136 hablan sobre generar noticias falsas 00:43:55.136 --> 00:44:02.386 generar noticias automáticamente y eso me pareció bastante aterrador, 00:44:02.386 --> 00:44:08.106 lo fácil que es de hacer. Y sin duda hemos visto aparentemente en, 00:44:08.106 --> 00:44:13.766 bueno, afectando a las elecciones. No soy – no soy experto en esto, 00:44:13.766 --> 00:44:17.766 me gustaría mantenerme al margen en cierto – en cierto modo, 00:44:17.766 --> 00:44:22.836 pero puedes estar seguro de que ahora el gobierno ve el machine learning como 00:44:22.836 --> 00:44:32.126 un arma estratégica y yo diría que es - es probable que veamos mucho más de esto 00:44:33.126 --> 00:44:37.126 antes de que aprendamos a controlarlo. 00:44:37.430 --> 00:44:41.430 ¿Puedo hacerte una pregunta que se repite? 00:44:41.812 --> 00:44:49.422 ¿Cómo podemos estar al día, algún blog o noticia que debamos leer, porque después 00:44:49.422 --> 00:44:54.532 de este curso lo que queremos es estar al día. Así que, ¿qué pensáis de esto? 00:44:56.408 --> 00:45:02.718 Bueno, creo que una de las cosas que tiene este curso es que conoces a otros 00:45:02.718 --> 00:45:08.838 participantes y la forma que tenemos de estar al día es formar redes. 00:45:08.838 --> 00:45:14.698 Pero, como he dicho, Abel me manda muchas noticias, yo le mando cosas 00:45:14.698 --> 00:45:19.688 que sé o creo que le interesarán y, obviamente, tenemos una red 00:45:19.688 --> 00:45:23.268 de alumnos y ex alumnos. 00:45:24.315 --> 00:45:32.765 No necesitas a cientos de personas, sino un puñado, pero aprendemos de 00:45:32.765 --> 00:45:42.615 básicamente, el objetivo del curso es conseguir que entiendas y encuentres 00:45:42.615 --> 00:45:44.515 información por ti mismo. 00:45:45.109 --> 00:45:47.999 YouTube es una gran fuente de información. La utilizamos muy a menudo. 00:45:47.999 --> 00:45:55.779 Pero en el área– el área de la informática deberías tener un bagaje de conocimiento 00:45:55.779 --> 00:45:58.539 suficiente para avanzar y formarte a ti mismo. 00:45:58.539 --> 00:46:05.669 Obviamente lleva algo de tiempo, pero irás mejorando. 00:46:05.669 --> 00:46:08.989 Pasamos la mayor parte del tiempo intentando estar al día 00:50:25.817 --> 00:50:34.197 Nos quedan 8 minutos. ¿Qué opináis del 5G? Porque actualmente se dice en las noticias 00:50:34.197 --> 00:50:38.197 que estas 5 tecnologías se van a implementar, 00:50:38.197 --> 00:50:42.197 ¿va a suponer esto un gran cambio en digital transformation o va a ser igual 00:50:42.197 --> 00:50:46.197 que el 4G, que estaba ahí pero no tuvo el impacto que pensamos que tendría? 00:50:47.161 --> 00:50:51.161 Sí, tuve una reunión con una empresa de telecomunicaciones y me dijeron que 00:50:51.161 --> 00:50:55.161 el 5G va a llevar más tiempo del que pensaban. 00:50:55.161 --> 00:51:01.431 Porque, dado que su frecuencia es muy alta, no viaja tan rápido y necesitan 00:51:01.431 --> 00:51:07.861 miles de antenas más en cualquier ciudad. 00:51:07.861 --> 00:51:13.261 Y uno de los problemas actuales es que el 5G no pasa a través de las ventanas 00:51:13.261 --> 00:51:21.181 por ejemplo, las ventanas lo bloquean. Por eso dicen que no– no va a ser tan fácil. 00:51:21.181 --> 00:51:27.861 En principio tendrá la misma velocidad que el 4G. El potencial está ahí, 00:51:27.861 --> 00:51:31.861 pero no es – no es tan fácil de implementar. 00:51:32.795 --> 00:51:39.025 Esa fue una conversación que me sorprendió, no la he analizado antes. 00:51:39.025 --> 00:51:44.525 Pero, sin duda, parece cierto que si la frecuencia es más alta,le será más difícil 00:51:44.525 --> 00:51:48.525 penetrar a través de estructuras, por ejemplo. 00:52:00.144 --> 00:52:06.044 Bien, nos quedan 5 minutos más. John, Abel la audiencia es vuestra. 00:52:06.044 --> 00:52:10.044 Hemos cubierto, en este curso sobre Digital Transformation, 00:52:10.044 --> 00:52:14.044 cloud computing, blockchain, inteligencia artificial, el internet de las cosas, 00:52:14.044 --> 00:52:15.524 ciberseguridad. 00:52:16.474 --> 00:52:20.474 Pero ¿querríais añadir algo para – para cerrar esto? 00:52:20.474 --> 00:52:22.434 Este curso sobre Digital Transformation. 00:52:22.434 --> 00:52:29.174 Consejos, recomendaciones, opiniones. Tenéis 200 estudiantes nuevos en este 00:52:29.174 --> 00:52:32.504 curso por primera vez en espanglish, por primera vez este curso se ofrece 00:52:32.504 --> 00:52:38.034 en dos idiomas, muchas primeras veces. Bueno, la audiencia es toda vuestra 00:52:38.034 --> 00:52:40.144 John, Abel. 00:52:40.641 --> 00:52:45.421 Bueno, tanto Abel como yo pensamos que es importante tocar la tecnología que 00:52:45.421 --> 00:52:50.471 yo no he tocado el 5G, así que no debería hablar de ello. 00:52:50.471 --> 00:52:55.511 En cuanto tocas una tecnología, la entiendes mucho mejor. 00:52:55.511 --> 00:53:02.811 El mecanismo para tocarla, por desgracia, es a través de tu portátil y necesitas una 00:53:02.811 --> 00:53:05.671 especie de lenguaje para interactuar con él. 00:53:05.671 --> 00:53:14.061 Así que en este curso esperamos haberos enseñado qué tenéis a vuestra disposición. 00:53:14.061 --> 00:53:20.591 Hay muchísima información disponible ahí fuera, pero creemos que tocarla es 00:53:20.591 --> 00:53:23.971 importante. Abel, no sé si quieres… 00:55:21.488 --> 00:55:22.938 30 segundos. 00:55:22.938 --> 00:55:26.938 Si tuvierais que elegir una tecnología, cloud, blockchain, inteligencia artificial 00:55:26.938 --> 00:55:30.078 IoT o ciberseguridad, ¿cuál de las 5 elegiríais? 00:55:31.776 --> 00:55:33.676 Adelante, John. 00:55:34.337 --> 00:55:36.227 John, eres el padre del IoT. 00:55:36.519 --> 00:55:42.559 La ciberseguridad – la ciberseguridad puede acabar con tu empresa, 00:55:42.559 --> 00:55:48.439 es una amenaza existencial. Creo que no la puedes ignorar, 00:55:48.439 --> 00:55:57.359 mi favorita ahora mismo es la nube. Simplemente porque – creo que es divertida 00:56:54.951 --> 00:56:58.951 Por favor, John, Abel, 10 segundos para despediros de los participantes y 00:56:58.951 --> 00:57:05.591 daré pie a Clara para – Daré pie a Clara para que concluya. John, Abel, 00:57:05.591 --> 00:57:07.941 30 segundos para decir lo que queráis. 00:57:09.199 --> 00:57:10.039 Adelante, John. 00:57:10.285 --> 00:57:14.285 Disfrutad – disfrutad de estos temas y Abel y yo dedicamos nuestro tiempo 00:57:14.285 --> 00:57:19.575 a profundizar en ellos porque son fascinantes. 00:57:20.095 --> 00:57:24.095 Con suerte – con suerte os volveréis adictos como nosotros. 00:58:16.276 --> 00:58:22.826 John, Abel, muchísimas gracias. Siempre se os nota la pasión por el tema. 00:58:27.026 --> 00:58:27.876 …en este viaje. 00:59:07.369 --> 00:59:10.549 Solo quería hablar un poco de los siguientes pasos y quizá daros un 00:59:10.549 --> 00:59:15.529 par de consejos sobre esta nueva fase de vuestra vida y de vuestra carrera. 01:00:09.256 --> 01:00:11.186 …a quienes dimos este premio… 01:01:37.017 --> 01:01:41.017 Y esto da lugar a un ciclo de feedback con gran parte de las investigaciones. 01:03:00.676 --> 01:03:02.816 A medida que te esfuerzas por hackear el mundo, 01:03:02.816 --> 01:03:04.886 por favor intenta también curarlo. 01:03:16.699 --> 01:03:20.079 …es un término que se acuñó aquí en el MIT 01:03:28.128 --> 01:03:32.128 …para destacar, para mejorar significativamente las cosas 01:03:32.128 --> 01:03:33.668 en tu área de trabajo. 01:03:39.377 --> 01:03:41.367 …atacar sistemas… 01:04:19.900 --> 01:04:26.090 Clara, este es el primer curso en espanglish en la historia del MIT PE 01:04:26.090 --> 01:04:30.090 y los primeros webinars en espanglish que hemos hecho en los últimos dos meses. 01:04:34.132 --> 01:04:39.362 Así que, John, Clara, Abel, gracias por hacerlo posible. 01:05:06.185 --> 01:05:10.185 John, Abel, Clara, gracias. Nos vemos pronto.