El Martillo de Maslow ⚒️, un newsletter semanal dirigido a profesionales y entusiastas de la tecnología y la creación de productos digitales. Te ofrecemos la información esencial de la semana sobre tecnología, product management, ingeniería de software, blockchain y más.

En esta edición:

• Los memes saturaron la red de Bitcoin 💲

• China realiza la primera detención por noticias falsas creadas con ChatGPT 🇨🇳

• PayPal y Mastercard se acercan al mundo crypto 💳

¡Empecemos!

Los memes saturaron la red de Bitcoin

Así como leíste. Esta semana, Pepe y otros memes se convirtieron en tokens e hicieron colapsar la red de Bitcoin, generando un gran aumento de las comisiones. Veamos qué ocurrió.

Las memecoins son criptomonedas inspiradas en memes o chistes de internet y redes sociales que, en general, no tienen utilidad alguna. ¿Su única razón de ser? Replicar memes. Una de las primeras y más populares es Dogecoin, que hace poco se convirtió en la cara principal de Twitter. En esta corrida, $PEPE fue el protagonista: alcanzó una capitalización de mercado de 1.000 millones de dólares en menos de un mes.

Hasta hace poco, las memecoins solo se podían crear en la red de Ethereum. Pero en febrero de este año, se lanzó el protocolo Ordinals, un sistema que permite crear NFT nativos de la blockchain de Bitcoin. Esto generó el surgimiento de los tokens BRC-20, que se convirtieron en el medio elegido para dar vida a las memecoins en Bitcoin.

Con la llegada de Ordinals a Bitcoin, algunos entusiastas de las cripto vieron la oportunidad de recrear memecoins de Ethereum en la red de Bitcoin y lanzarlas al mundo. Estas copias no oficiales llevan el mismo ticker que las originales y crearon tanto hype que hicieron saturar la red con transacciones sin completar llegando a más de 400.000 subiendo con ello los fees/trx, llevando a Binance a suspender las transacciones el domingo

Estos son algunos de los problemas que surgen con el crecimiento y las nuevas funcionalidades. Veremos en qué medida las redes de Bitcoin y Ethereum pueden soportar el mini-boom de memecoins, la evolución de los NFT y el crecimiento general en la adopción de criptomonedas.

China realiza la primera detención por noticias falsas creadas con ChatGPT

Todos veíamos venir esta noticia, ¿verdad? La inteligencia artificial está avanzando tanto que se está volviendo cada vez más difícil distinguir entre textos, imágenes, videos y hasta audios generados por humanos y generados por IA. Y eso abre las puertas para posibilidades increíbles, tanto buenas como malas.

En China, una persona fue detenida por las autoridades locales y arrestada tras supuestamente utilizar ChatGPT para generar noticias falsas. Según medios locales, el sospechoso fue detenido tras una investigación sobre un artículo sin fundamentos sobre un accidente de tren. Especialistas en ciberseguridad descubrieron que al menos 20 cuentas habían publicado simultáneamente el artículo de noticias falsas en Baijahao, un popular sitio de blogs.

El motivo de la detención es el presunto “uso de la tecnología de inteligencia artificial para urdir información falsa y no veraz”, lo que iría en contra de una ordenanza china que prohíbe “provocar disputas y problemas”. Se trata de una ley general que cubre específicamente la difusión de noticias falsas y rumores en Internet.

De ser condenado, el detenido se enfrenta a una pena de hasta cinco años de prisión. Pero más allá de la potencial pena, cabe preguntarse si no será este el primero de muchos casos similares. Por el momento, no existen mecanismos sólidos y expandidos para determinar la diferencia entre contenido real y contenido generado por IA. Es probable que nos empecemos a cruzar con noticias falsas cada vez con más frecuencia.

Esto me recuerda bastante lo ocurrido con Cambridge Analytica y la influencia generada en las elecciones entre 2014 - 2016 y lo que hoy se podría lograr con el poder de los modelos generativos (Imagina ChatGPT + Midjourney/Dall-E2 + Ads/ Bots)… susto.

Solo queda ver cómo reaccionan las autoridades en cada jurisdicción y como evoluciona la regulación en este ámbito.

PayPal y Mastercard se acercan a las cripto

Las cripto están atravesando una etapa bajista que parece no tener fin, y la entrada de más dinero y usuarios podría ayudar. Pero seamos sinceros: entender el universo cripto y adoptar este medio de valor no es sencillo. Las herramientas y los procesos involucrados no son intuitivos y el público general no tiene incentivos para adentrarse en las miles de complicaciones que rodean el ecosistema.

Para fomentar la adopción y alcanzar una mayor afluencia de capital, las cripto necesitan mecanismos de entrada y salida más sencillos para que los usuarios puedan comprar e interactuar con la blockchain de forma más sencilla. Y la integración de entidades financieras tradicionales y de confianza podría ser un gran paso en ese sentido.

En las últimas semanas, entidades financieras de renombre han lanzado nuevos productos y servicios de cripto en un intento de hacer más accesible este espacio. A finales de abril, Mastercard y PayPal se presentaron en Consensus 2023 y hablaron sobre cómo están avanzando en su entrada en el ecosistema cripto.

José Fernández da Ponte anunció que PayPal habilitará las transferencias en la blockchain desde cuentas Venmo a partir de mayo de este año. Mastercard, por su parte, lanzará un servicio diseñado para garantizar que las transacciones entre las wallets de los usuarios sean verificables y cumplan con la legislación aplicable, empezando por las transferencias de activos digitales entre países.

La realidad es que no es la primera vez que estas entidades financieras anuncian un acercamiento al mundo cripto. Veremos si finalmente se concretan los anuncios y se da el primer paso hacia una adopción más amplia de estos activos digitales.

Y un pequeño extra…

• ¿Qué tiene que ver la IA con la huelga de los guionistas?

• El exchange de cripto estadounidense Bittrex se declara en bancarrota en Delaware

¡Nos vemos la próxima semana!

Share

Bienvenido a El Martillo de Maslow, un newsletter semanal dirigido a profesionales y entusiastas de la tecnología y la creación de productos digitales. Te ofrecemos la información esencial de la semana sobre tecnología, product management, ingeniería de software, blockchain y más.

En esta edición revisamos…

• ¿Podría la disrupción de Google estar en manos de OpenAI y su modelo ChatGPT?

• Zuckerberg sigue “muy comprometido” con el metaverso

Si quieres recibir el newsletter en tu correo, suscríbete. ¡Empecemos!

Subscribe now

¿Podría la disrupción de Google estar en manos de OpenAI y su modelo ChatGPT?

La inversión gigantesca de Microsoft en OpenAI fue apenas el inicio. Según TechCrunch, varias de las principales firmas de capital de riesgo, como Tiger Global, Sequoia Capital, Andreessen Horowitz, Thrive y K2 Global, están inyectando capital a la empresa detrás de ChatGPT. En conjunto, la inversión supuestamente supera los $300 millones. Una locura.

Estamos atravesando un verdadero redireccionamiento de los mercados hacia la inteligencia artificial, y OpenAI parecería estar llevándose una parte importante de las fichas. ¿Pero por qué? La respuesta tiene varias aristas, pero hay algo que no podemos ignorar: el éxito de OpenAI amenaza el dominio del mercado de búsquedas de Google.

La mayor parte de los ingresos de Google surge de la venta de anuncios. Y esos anuncios se muestran al usuario en forma de links. Pero los modelos de lenguaje basados en IA como ChatGPT van un paso más allá: proporcionan respuestas directas sin la necesidad de enlaces y anuncios. Como usuario, ¿qué preferirías? ¿Una respuesta directa o tener que navegar por varios enlaces hasta encontrar lo que buscas?

Esta posible disrupción del modelo de negocios de Google y los buscadores en general ya está teniendo repercusiones. Microsoft, por ejemplo, ha anunciado la integración de GPT-4 para mejorar las capacidades de búsqueda de Bing.

Pero Google ha tardado en reaccionar, quedando vulnerable ante sus competidores. Y es que Google está altamente posicionado1 en el mercado, y cuanto más tiempo pasas perfeccionando lo que haces bien, más complejo se vuelve cambiar de rumbo y adaptarse cuando cambian las circunstancias. Por esto, Google tiene un 🎯 en la espalda en la industria de ads con unos ingresos no despreciables $54,5 billones de dolares en el Q1 del año, pero esto mismo hace que internamente todos los procesos e incentivos estén puestos en no poner a la gallina de los huevos de oro en riesgo.

Esto puede significar dos cosas: Google se encuentra contra la espada y la pared y el surgimiento de la IA puede traer su fin, o Google puede aprovechar esta ola de innovación para volverse más fuerte.

Por ahora, la balanza se inclina hacia la primera opción. Luego de lanzamiento de ChatGPT, Google emitió una “alerta roja” interna, cuando notó que por primera vez en décadas su modelo de negocios corría peligro. Luego, vino la presentación fallida de su propio LLM, Bard. Y después de eso, nada.

¿Acaso se está preparando para contraatacar? ¿O sigue recalculando?

Zuckerberg sigue “muy comprometido” con el metaverso

¿Recuerdan el metaverso? ¿Esa utopia digital en la que todos supuestamente íbamos a vivir en el futuro cercano? Bueno, es una máquina de dar pérdidas, bueno tiene un elevado costo de desarrollo y aun no deja mucho 💸.

Meta, que estaba tan emocionada con esta idea que hasta abandonó su emblemático nombre para uno más alineado con el metaverso, presentó el miércoles pasado los resultados financieros del primer trimestre de 2023. La unidad destinada a hacer realidad este ambicioso proyecto, Reality Labs, ha registrado una pérdida operativa de 3.992 millones de dólares, y no es la primera vez que sucede. El año pasado, los esfuerzos de Meta por traer a la vida el metaverso costaron un más de 13.000 millones de dólares.

La realidad es que Meta no espera que Reality Labs gane dinero por el momento, pero los accionistas han expresado su preocupación por la posibilidad de que su considerable inversión no resulte rentable. En este panorama desalentador, Zuckerberg trató de llevar algo de paz diciendo que se trata de un proyecto a largo plazo y reafirmando su compromiso.

“Se ha desarrollado una narrativa que dice que nos estamos alejando de nuestra visión del metaverso, así que solo quiero decir desde el principio que eso no es exacto”, comentó. En ese sentido, aseguró que siguen comprometidos y, más importante aún, que planean desarrollar la inteligencia artificial a la par del metaverso: “Nos hemos centrado en la IA y el metaverso, y seguiremos haciéndolo”.

Potencialmente, existe la posibilidad de combinar estas dos tecnologías emergentes en el contexto de metaverso: "Nuestra visión de las gafas de realidad aumentada implica un sistema operativo centrado en la IA que creemos que será la base de la próxima generación de computación", afirmó Zuckerberg.

Al usar y desarrollar ambas tecnologías a la par, tal vez el líder de Meta pueda acercarse un poco más al universo digital utópico que soñó cuando presentó al mundo su avatar del metaverso. ¿Cuánto tiempo crees que pasará hasta que empecemos todos a crear nuestros propios avatares? Personalmente, me suena a que tira el concepto sobre la mesa para dejar tranquilos a algunos inversionistas.

Bonus track: OpenAI mejora el control de datos

En la edición pasada, hablamos sobre los problemas que estaba enfrentando OpenAI en países europeos para ajustarse a sus regulaciones de protección de datos. En medio de esta controversia, la empresa lanzó una nueva función que permite desactivar el historial de conversaciones pera evitar que se utilicen tus datos para entrenar los modelos de IA de la empresa.

Parecería ser un paso en la dirección correcta. ¿Qué crees?

¿Te quedaste con ganas de más?

El universo tecnológico no descansa. Nos encantaría seguir hablando de todas las novedades de esta semana, pero como el tiempo es limitado, te dejamos enlaces a algunas noticias que no te puedes perder:

• EE. UU. frena indefinidamente los lanzamientos de la nave Starship por el desastre de la plataforma

• NPC realistas y escenarios dinámicos: Cómo la IA puede transformar el gaming

• Mastercard lanza una solución de verificación de usuarios Web3 para frenar a los malos actores

En esta edición de esta semana…

• Starship y su “explosivo” debut 🚀

• Meta redobla la apuesta contra el teletrabajo 💼

• Un reto “casi imposible”: la UE y el control de datos para la IA 🇪🇺

Subscribe now

Si quieres recibir el newsletter en tu correo, suscríbete. ¡Empecemos!

Starship y su “explosivo” debut 🚀

El jueves pasado, la humanidad alcanzó un nuevo hito de la mano de Elon Musk (parece que siempre estamos hablando sobre él, ¿verdad?). La semana pasada despegó la nave espacial Starship de SpaceX. El despegue fue exitoso, pero no todo salió como estaba planeado.

El vuelo de prueba no tripulado de Starship explotó minutos después de despegar desde Texas, Estados Unidos. Si bien la nave no pudo superar una altitud de 37 km, el vuelo logró su objetivo principal: despegar del suelo. De hecho, en febrero, la presidenta de SpaceX, Gwynne Shotwell, comentó que el objetivo principal de la prueba era “no hacer estallar la plataforma de lanzamiento”. Visto desde ese ángulo, definitivamente se trata de un éxito.

Con este hito, SpaceX se acerca un paso más a su objetivo de enviar astronautas de nuevo a la Luna después de más de 50 años y, en última instancia, hacerlos llegar a Marte. Para lograr esa meta, la empresa está trabajando a la par de la NASA.

“¡Felicitaciones a SpaceX por la primera prueba de vuelo integrada de Starship!”, dijo el jefe de la NASA, Bill Nelson. “Cada gran logro a lo largo de la historia ha exigido cierto nivel de riesgo calculado, porque con un gran riesgo viene una gran recompensa. Espero con ansias conocer todo lo que aprendió SpaceX, la próxima prueba de vuelo, y más allá”.

Por su parte, Elon twitteó: “¡Felicitaciones al equipo de SpaceX por el emocionante lanzamiento de prueba de Starship! Aprendí mucho para la próxima prueba en unos meses”. ¿Acaso veremos a la nave salir de la atmósfera en el próximo intento?

Meta redobla la apuesta contra el teletrabajo

El teletrabajo se popularizó como solución a la pandemia, pero muchas empresas buscan ahora retornar al trabajo presencial en la oficina.

Meta es una de las empresas líderes en la lucha contra el teletrabajo. Hace unas semanas, se reveló que la empresa dejaría de publicar ofertas de trabajo remoto. Al parecer, Meta ordenó a sus directivos no publicar nuevas ofertas de empleo categorizadas como "remoto". Además, los trabajadores de la empresa afirman que se detuvieron los procesos internos para obtener un puesto completamente remoto o en otra oficina.

Meta ha redoblado la apuesta y también está pidiéndoles a sus empleados que trabajen desde ubicaciones específicas. Parece que Mark Zuckerberg ha aprobado la reubicación a Nueva York de gran parte del personal de Instagram que trabaja desde Londres. La medida también alcanza a los jefes y líderes de equipo. Adam Mosseri, por ejemplo, tendrá que trabajar desde Nueva York, apenas meses después de haberse mudado a Londres.

Una de las razones detrás de esta movida es la necesidad de recortar gastos y mejorar la eficiencia de la empresa. Además, Meta quiere que sus equipos estén más cerca de los creadores de contenidos e interactúen personalmente con ellos. De ahí viene el traslado al epicentro de la generación de contenido.

Más allá de los motivos que impulsan estas medidas, la realidad es que suenan bastante severas. ¿Cuál será el próximo paso en la batalla de Meta contra el teletrabajo?

Un reto “casi imposible”: la UE y el control de datos para la IA

Las empresas de inteligencia artificial están experimentando algunas complicaciones, en especial en Europa. Hace dos semanas, Italia se convirtió en el primer país en bloquear ChatGPT debido a una filtración de datos y la falta de transparencia con respecto a cómo la herramienta recopila y usa la información.

Ahora parece que esta medida se va a replicar en otros países, como Irlanda, Francia y Alemania, donde varias empresas de IA (entre ellas, OpenAI) están siendo investigadas por presuntas infracciones del Reglamento General de Protección de Datos (GDPR). En este contexto tumultuoso, el organismo de control de datos de la Unión Europea salió a decir que estas empresas se encuentran “entre la espada y la pared” desde el punto de vista jurídico.

El caso más emblemático es el de OpenAI. Italia le dio a la empresa hasta el 30 de abril para cumplir con las regulaciones de privacidad locales y el GDPR. De lo contrario, la empresa podría verse completamente privada de desplegar sus soluciones en el país.

Según expertos, cumplir con el GDRP (que exige el consentimiento del usuario para entrenar modelos con datos personales) supondrá un reto casi imposible para OpenAI, ya que sus modelos se entrenan a partir de enormes cantidades de datos que se extraen de Internet y se combinan. Sin embargo, si bien en 2020 ya se discutió la tensión que existe entre GDRP y las IAs, tembién quedó claro es que viable su aplicación y que GDRP se queda corto en la regulación de este aspecto.

La fecha se acerca, y no hay noticias por parte de OpenAI. No queda claro cómo las empresas de IA pretenden cumplir con los principios de protección de datos del GDRP, pero las medidas enérgicas que están tomando los organismos europeos están sirviendo de inspiración a los legisladores estadounidenses, que parecen estar encaminados en el mismo sentido.

Tal vez, la regulación de la inteligencia artificial esté mucho más cerca de lo que pensamos.

Bonus track

El universo tecnológico no descansa. Nos encantaría seguir hablando de todas las novedades de esta semana, pero como el tiempo es limitado, te dejamos enlaces a algunas noticias que no te puedes perder:

• Visa comparte sus planes para un “ambicioso” criptoproducto.

• Google Cloud dará apoyo financiero y técnico a los creadores de Web3 para que puedan impulsar sus startups.

• TikTok está probando una nueva función para incorporar avatares diseñados con IA a la plataforma.

Share El Martillo de Maslow ⚒️

En la edición de esta semana:

• La nueva canción de Drake y The Weeknd que da que hablar 🎶

• Apple lanza Savings y hace temblar a la banca tradicional 🏦

• IA sí, IA no: ¿Quién está de cada lado? 🤔

Si quieres recibir el newsletter en tu correo, suscríbete. ¡Empecemos!

Subscribe now

La nueva canción de (o con?) Drake y The Weeknd que da que hablar 🎶

“Heart on My Sleeve”, una canción con las voces de Drake y The Weeknd, lleva más de 250.000 reproducciones en Spotify y 10 millones en TikTok. A los fanáticos les encantó, pero hay un pequeño problema: ninguno de los dos artistas cantó siquiera una parte de la canción. Fue todo obra y gracia de un motor de inteligencia artificial y un artista llamado “Ghostwriter”.

Drake y The Weeknd aún no han hecho comentarios con respecto al tema, pero Drake ya había hablado sobre la música generada por IA: "Esta es la gota que colma el vaso, IA", comentó en Instagram al ver un modelo de IA de sí mismo cantando “Munch” de Ice Spice. ¿Estaba bromeando? ¿Lo decía en serio? Nadie sabe, pero no se trata del primer artista en alzar su voz ante el aumento de las canciones de IA.

En 2020, Roc Nation, la agencia de Jay-Z, denunció los videos deepfake de Jay-Z generados por IA que estaban dando vuelta por YouTube. A principios de este mes ocurrió algo parecido con parodias de Eminem.

La inteligencia artificial ha venido a transformar todos los sectores, y la industria musical no se queda atrás. ¿Pero qué pasa con los derechos de autor de los artistas? En los Estados Unidos, por ejemplo, la legislación sobre derechos de autor no está tan avanzada en términos tecnológicos como para cubrir cuestiones de inteligencia artificial. Sí regula las parodias, pero allí hay muchísimo lugar para la interpretación.

Más allá de la falta de una legislación contundente sobre este tema, varios jugadores importantes de la industria están comenzando a hacer frente al avance de la IA. De hecho, Universal Music Group, empresa que controla un tercio del mercado mundial de la música, le ha pedido a gigantes del streaming como Spotify y Apple que retiren las canciones generadas por IA a partir de su música protegida por derechos de autor.

Parecería que se está gestando una revolución en el sector. La pregunta es, ¿habrá espacio para la IA en una industria marcada por la creatividad y la originalidad? A mi me parece que esto suena mucho a la historia de los mp3 hace algunos años con la industria llegando tarde a la fiesta.

Apple lanza Savings y hace temblar a la banca tradicional 🏦

Al parecer, a Apple no le alcanza con dominar el mundo tech. Ahora quiere ingresar al sector financiero, y para eso, lanzó una nueva cuenta de ahorros de alto rendimiento para los usuarios de Apple Card de la mano de Goldman Sachs. Esta cuenta tiene una rentabilidad anual del 4,15%, una tasa 10 veces mayor que el promedio en los Estados Unidos, por lo que les permitirá a los usuarios aumentar sus recompensas diarias por usar la tarjeta.

Si bien en la letra chica se mencionan algunos requisitos específicos de elegibilidad y solo está disponible en Estados Unidos, la cuenta Savings de Apple presenta ventajas interesantes. Por ejemplo, no se cobran comisiones y tampoco hay requisitos de depósitos o balances mínimos en cuenta.

“Savings ayuda a nuestros usuarios a obtener aún más valor de su beneficio favorito de Apple Card, Daily Cash, a la vez que les proporciona una manera fácil de ahorrar dinero todos los días”, dijo Jennifer Bailey, vicepresidenta de Apple Pay y Apple Wallet. “Nuestro objetivo es construir herramientas que ayuden a los usuarios a llevar una vida financiera más saludable”.

Este lanzamiento, sumado a Apple Card y Apple Pay, no hace más que seguir posicionando a Apple como entidad financiera con un alcance espectacular. La empresa controla más del 50% del mercado de smartphones en Estados Unidos, por lo que resulta casi natural para sus clientes sumarse a este nuevo vehiculo financiero y aprovechar sus beneficios.

En un contexto bastante sombrío para los bancos tradicionales, esta movida de Apple parecería complicar sus posibilidades de competir en el mercado.

IA sí, IA no: ¿Quién está de cada lado? 🤔

El surgimiento de las herramientas de inteligencia artificial en estos últimos meses ha dado mucho que hablar. Hay muchas voces a favor, pero también hay otras que advierten que debemos ser un poco más cautelosos con respecto a este avance. Veamos qué se anda diciendo.

A fines de marzo de este año, científicos y personalidades del mundo de la tech, incluidos Elon Musk y Steve Wozniak, publicaron una carta abierta solicitando una pausa a los esfuerzos de desarrollo de IA y advirtiendo sobre los peligros de una "carrera desenfrenada" para crear sistemas cada vez más potentes.

Una semana después, Bill Gates respondió a la carta afirmando que frenar el desarrollo de la IA no resolverá los conflictos existentes. Y en el medio de este ida y vuelta de posturas, Elon Musk twitteó que el conocimiento de Gates sobre IA es “limitado”.

Pero mientras el sector privado debatía en Twitter y en la web, el sector público comenzó a dar señales de alerta. Primero, Italia suspendió ChatGPT por la ausencia de una base jurídica con respecto a la recopilación de datos personales de los usuarios. Y ahora, un grupo de políticos de la Unión Europea firmó una carta pidiendo un desarrollo “seguro” de la inteligencia artificial. La carta apunta a la necesidad de acordar una serie de principios rectores para el desarrollo, control y despliegue de esta tecnología.

La IA avanza rápido, ¿podrán las entidades tanto públicas como privadas avanzar a la par?

Y eso no es todo…

El universo tecnológico no descansa. Nos encantaría seguir hablando de todas las novedades de esta semana, pero como el tiempo es limitado, te dejamos enlaces a algunas noticias que no te puedes perder:

• Instagram lanza una nueva función para competir con Linktree.

• Elon Musk lanzará TruthGPT, una plataforma de inteligencia artificial que busca la verdad.

• España investiga a OpenAI: un posible incumplimiento del GDPR aparece en escena.

¡Nos vemos la próxima semana!

La semana pasada tuvimos algunos problemas técnicos, pero retomamos. Acá no ha pasado nada. ;)

En esta edición:

• Twitter vs. Substack: ¿El inicio de una nueva batalla? 🐦

• Se filtraron documentos del Pentágono en Discord 🔐

• ¿Los programadores están creando su propia perdición? 🧠

Si quieres recibir el newsletter en tu correo, suscríbete. ¡Empecemos!

Subscribe now

Twitter vs. Substack: ¿El inicio de una nueva batalla? 🐦

A riesgo de sonar exagerado, Twitter es un caos en este momento que parece teleserie. Desde la adquisición (hostil) por parte de Elon Musk el 28 de octubre pasado, la red social es noticia todo el tiempo por las maniobras inentendibles de su nuevo dueño.

El martes pasado, Elon lo hizo de nuevo. De repente, los usuarios comenzaron a notar que el típico ícono de Twitter fue reemplazado por una imagen de Doge, la cara de la criptomoneda Dogecoin. Hubo muchas especulaciones al respecto: algunos creen que fue solo una broma por el Día de los inocentes, mientras que otros aseguran que Musk está a punto de integrar Dogecoin a la plataforma.

Unos días más tarde, la red social volvió a ser noticia porque su nombre pasó de “Twitter” a “Titter”: Elon decidió borrar la letra ‘w’ del letrero de las oficinas centrales con pintura blanca. Se trata de una movida en contra del arrendador de la sede, que afirma que la empresa está legalmente obligada a mostrar su nombre.

Y en este contexto caótico, comienza a surgir la competencia.

Algunas plataformas quieren aprovechar el desorden que reina en Twitter para posicionarse como alternativa a la red social. Si te gusta leer newsletters (como este), puede que ya conozcas Substack. Ahora la red presentó Notes, una nueva función muy parecida a un tweet. La interfaz también es bastante similar a la de Twitter, por lo que el objetivo de Substack parecería ser claro: quiere atraer al público que no está demasiado contento con el Twitter de Musk.

Pero obviamente, Elon no se iba a quedar de brazos cruzados: la semana pasada, Twitter comenzó a marcar los links a Substack como inseguros y ni siquiera se podía compartir o interactuar con la cuenta oficial de la plataforma. Esto se mantuvo así durante algunos días hasta que finalmente, el pasado 9 de abril, Twitter dio marcha atrás con la medida.

¿Se trata acaso del primer golpe en la próxima batalla social?

Se filtraron documentos del Pentágono en Discord 🔐

En internet puedes encontrar de todo, incluso cosas que tal vez no deberías encontrar. Eso fue lo que ocurrió en un servidor de Minecraft en Discord, donde se habrían filtrado documentos militares clasificados de Estados Unidos y la OTAN sobre Ucrania.

Aparentemente, las imágenes de los documentos, que incluyen estimaciones de las bajas rusas y una lista de los sistemas de armas disponibles para Ucrania, se publicaron en Discord a principios de marzo. Y tal vez lo más impactante es que recién esta semana se alertó sobre esto, cuando los documentos comenzaron a hacerse públicos en Telegram y Twitter.

Hasta el momento, el Pentágono no quiso dar detalles sobre la legitimidad de los documentos. Se limitaron a afirmar en un comunicado que el Departamento de Defensa está “al tanto de los informes de las publicaciones en las redes sociales, y el Departamento está revisando el asunto”.

Obviamente, en Discord abundó la especulación y la paranoia en los últimos días. Algunos usuarios se preguntaron si podrían meterse en problemas por haber compartido los documentos ahora que el gobierno estadounidense está al tanto de la situación. Otros directamente están eliminando sus cuentas por completo.

¿Qué harías si te encuentras con algo así en tu servidor favorito de Discord?

¿Los programadores están creando su propia perdición? 🧠

Hace ya varios meses que nos venimos maravillando con los avances en inteligencia artificial y todo lo que las nuevas herramientas pueden hacer por nosotros. Pero ahora que estamos empezando a acostumbrarnos a estas nuevas tecnologías, comienzan a surgir algunas dudas.

Y la principal es: ¿La IA me va a quitar mi trabajo? TL;DR - No lo creo, pero si lo cambiará.

OpenAI, la empresa detrás de ChatGPT y GPT-4, intentó darnos una respuesta a esta interrogante en un estudio sobre el alcance de los modelos generativos en el mercado laboral. “Los resultados indican que aproximadamente el 80% de la mano de obra estadounidense podría ver afectada, al menos, el 10% de sus tareas laborales por la introducción de las GPT”, comenta el informe. Suena prometedor.

Al parecer, son muy pocas las profesiones que no sufrirán cambios con el avance de la IA. Pero un caso interesante es el de los ingenieros y programadores de software, que en definitiva, son también los encargados de traer a la vida estas herramientas de inteligencia artificial que amenazan con dejarnos a todos sin empleo.

¿Acaso están creando su propia perdición? ¿Nos acercamos cada vez más a un mundo donde podremos prescindir de los desarrolladores de software? La respuesta es no, al menos por ahora.

Piénsalo de esta manera: la mayor parte del tiempo dedicado al desarrollo de software no consiste necesariamente en crear nuevo código. Gran parte del tiempo se invierte en determinar qué hacer, implementarlo, homologarlo, mantener y refactorizar código, entre otras tareas. En todas estas áreas, las herramientas de programación basadas en inteligencia artificial proponen mecanismos para apoyar el proceso, ya sea para implementar stubs, automatizar pruebas, homologar contratos, entre otros. Lograrán acelerar el proceso de desarrollo y permitir a los ingenieros destinar más tiempo a crear e innovar.

No se trata de reemplazar a los programadores, sino de brindarles herramientas que faciliten su trabajo, eliminen las tareas repetitivas y aceleren la innovación. Es probable que, en un futuro no muy lejano, los programadores trabajen a la par de la inteligencia artificial (ejem, eXtreme Programming), cada uno con un rol específico en el proceso, y es este proceso el futuro más probable que veamos de impacto a gran parte de las profesiones afectadas.

Eso no es todo…

El universo tecnológico no descansa. Nos encantaría seguir hablando de todas las novedades de esta semana, pero como el tiempo es limitado, te dejamos enlaces a algunas noticias que no te puedes perder:

• Tras la caída de Signature Bank, Binance no encuentra aliados en los Estados Unidos. 🏦

• Bitcoin supera los 30.000 dólares por primera vez desde junio de 2022. ¿Se viene una nueva ola alcista? 📈

• Italia prohibe ChatGPT por falta de transparencia en el manejo de datos y marca el camino para el resto de Europa.

• Lanchains and auto-LLMs para ir explorando aplicaciones con LLMs

¡Nos vemos la próxima semana!

En esta edición:

• 💸 La CFTC denuncia a Binance y su fundador

• Ya está disponible Loop: ¿El Notion de Microsoft?

• 🤖 La carrera por el dominio de la robótica

Si quieres recibir el newsletter en tu correo, suscríbete. ¡Empecemos!

💸 La CFTC denuncia a Binance y su fundador

El pasado lunes se conoció que la Comisión de Comercio de Futuros de Commodities (CFTC) de los Estados Unidos demandó a Binance, el mayor exchange de criptomonedas, y a su fundador, Changpeng "CZ" Zhao, por supuestas infracciones a la ley.

Otra semana dificil para las cripto. Veamos qué pasó.

La demanda alega que la plataforma está ofreciendo sus servicios de trading de derivados a clientes estadounidenses sin haber solicitado la licencia correspondiente, priorizando así su éxito comercial sobre el cumplimiento normativo. Pero más allá de las cuestiones normativas, tal vez lo más interesante de este nuevo revés a las cripto es la fuente de la denuncia.

Hace ya varios meses se viene debatiendo quén es la autoridad competente para regular las criptomonedas en Estados Unidos. Muchos consideran que debería ser la Comisión de Bolsa y Valores (SEC), mientras que otros abogan por la Commodity Futures Trading Commission (CFTC).

En la práctica, los límites son muy borrosos. La cuestión se reduce a si las cripto son una security (valores) o una commodity (mercancía). La SEC supervisa los securities y considera algunas criptomonedas como valores. La CFTC, por su parte, clasifica las cripto como Bitcoin y Ethereum como commodities y, por eso, considera tener jurisdicción sobre ellas.

La distinción entre securities y commodities es crucial, ya que cada una tiene sus propios requisitos normativos. Tal es así que algunas de las más grandes empresas en el mundo cripto han estado trabajando con estos organismos para definir el marco normativo correspondiente. Binance era una de ellas, aunque parece que no le sirvió de mucho ante el avance de la CFTC.

“La demanda presentada por la CFTC es inesperada y decepcionante, ya que hemos estado trabajando en colaboración con la CFTC durante más de dos años”, dijo un portavoz de Binance. “Sin embargo, tenemos la intención de seguir colaborando con los reguladores en los Estados Unidos y en todo el mundo”.

Ya está disponible Loop: ¿El Notion de Microsoft?

La semana pasada, Microsoft lanzó la versión preliminar de Loop, su nueva plataforma de trabajo colaborativo que muchos consideran la competencia de Notion. Sin embargo, parecería más bien que va por Google Workspace.

Y su as bajo la manga es la IA (lease, OpenIA). Veamos de qué se trata.

Similar a Notion, Loop cuenta con 3 elementos principales (componentes, páginas y espacios de trabajo) que pueden combinarse para crear un entorno laboral sumamente dinámico y colaborativo. Así, los equipos pueden trabajar en tiempo real e incluso conversar con chats directamente en cada flujo de trabajo.

Además, esta nueva herramienta de Microsoft se puede integrar con otras aplicaciones de la suite de Microsoft 365, que es muy usada en empresas. Así, el gigante tech busca combinar sus mejores herramientas, como Outlook, Teams y Word, en un solo lugar, posicionándose como una fuerte competidora de Google Workpace.

¿Y cómo se va a destacar? Mediante la IA, claro. Una de las funciones más importantes de Loop es Microsoft 365 Copilot. Se trata de una herramienta que les permite a los empleados conversar con una inteligencia artificial para hacer brainstorming, obtener resúmenes de textos largos y generar contentido, entre otras cosas.

Aún no hay muchas novedades acerca de los costos de Loop. Sin embargo, si forma parte de la suscripción a Microsoft 365, podría llegar a prevalecer por sobre el resto de las opciones disponibles en el mercado… algo que ya vimos en el pasado con Teams

¿Ya probaste Loop con tu equipo? Cuéntanos qué te pareció.

🤖 La carrera por el dominio de la robótica

La tecnología está avanzando a una velocidad sin precedentes y, en su camino, está apoderándose de varios puestos de trabajo. El sector de la logística es un foco claro, ya que el desarrollo de robots capaces de realizar tareas humanas no cesa.

Hace apenas unos meses, en octubre de 2022, Tesla fue una de las primeras empresas en anunciar que estaba trabajando un robot humanoide llamado Optimus. El objetivo de la empresa de Musk es crear un robot capaz de trabajar en las propias fábricas de Tesla. Eventualmente, la idea es comercializarlo por valor menor al de un auto para que se use en otros entornos laborales.

Ahora, a principios de marzo de este año, Tesla presentó la nueva versión de Optimus, capaz de realizar tareas de precisión con una destreza increíble. En la presentación, se puede ver una significativa evolución en el diseño, las funcionalidades y los movimientos de Optimus, que ahora puede manejar un taladro, agarrar objetos pequeños, e incluso ensamblar otros ejemplares.

Si pensamos en el tiempo que transcurrió desde la primer presentación hasta esta última, es fácil notar la increíble velocidad a la que avanza la tecnología.

Pero Tesla no es la única empresa en la carrera robótica. Allá por agosto de 2021, nos maravillamos con la capacidad de Atlas, el robot humanoide de Boston Dynamics, de hacer parkour y dar saltos mortales. En una presentación más reciente, la empresa mostró cómo ahora Atlas puede recoger objetos del suelo u otras superficies, transportarlos y lanzarlos en el aire. Además, puede interactuar con el entorno y modificar su recorrido de ser necesario.

Ahora se suma un nuevo contrincante a la competencia: Agility Robotics afirma que su nuevo robot está listo para hacer trabajos humanos. Su tamaño, su dinamismo y su capacidad de funcionar sin descanso entre 16 y 24 horas lo hacen el candidato ideal para trabajar en entornos humanos en el sector de logística.

¿Te imaginas una fábrica llena de robots cargando cajas de un lado al otro? Suena bastante futurista, pero parecería estar más cerca de lo que pensamos.

Antes de despedirnos

El universo tecnológico no descansa. Nos encantaría seguir hablando de todas las novedades de esta semana, pero como el tiempo es limitado, te dejamos enlaces a algunas noticias que no te puedes perder:

• ¿Real o fake? Una curiosa foto del Papa Francisco genera confusión en las redes. Spoiler alert: fue creada con IA.

• Hay muchas cosas asombrosas que GPT-4 puede hacer que ChatGPT no pudo.

• Rumania designa a una inteligencia artificial como consejera del Gobierno. ¿Votarías a la IA en las elecciones?

¡Hasta la próxima! ;)

En esta edición:

• IA, el nuevo favorito del Venture Capital 💸

• SAFe 6.0 y se olvidó la agilidad en casa

Si quieres recibir el newsletter en tu correo, suscríbete. ¡Empecemos!

IA, el nuevo favorito del Venture Capital 💸

Llevamos algunos meses con un boom de la inteligencia artificial, o más bien hype, porque el tema lleva avanzando a paso firme hace decadas. Todos los días vemos cómo surgen nuevas herramientas o casos de uso impulsados por la IA a un nivel más masivo. Y esta tecnología muestra tanto potencial que, obviamente, el sector financiero no quiere quedarse afuera.

En una especie de gold rush de la IA, los inversionistas están abandonando el metaverso y la tecnología blockchain para enfocarse en su nuevo favorito. De hecho, desde 2020, la inversión de capital de riesgo en IA generativa aumentó un 425%, pasando de 500 millones de dólares a más de 2.100 millones. 😲

Pero aunque el capital disponible para financiar proyectos de IA es enorme y el potencial de esta tecnología es aún mayor, las empresas y startups del sector escacean. Esto está complicando la entrada al sector por parte de los VC, sumado al hecho de que existen pocos expertos en el tema, y la mayoría de ellos trabaja para gigantes tech como Google, Meta y el mismísimo OpenAI.

Pero aún así algunos VC se las están arreglando para financiar proyectos prometedores. Por ejemplo, Dust, una startup de IA fundada por exempleados de OpenAI, recibió una ronda de financiación de 5 millones de dólares de Sequoia Capital. Perplexity AI, creada por exempleados de OpenAI, Google y Meta, cerró una ronda de financiación de entre 20 y 25 millones de dólares liderada por NEA y a16z entrando a Character.ai

Sin embargo, a pesar de que algunas startups de IA están recibiendo un financiamiento monumental con tan solo una buena idea, un modelo de negocios y un par de currículums especializados, la realidad es que varios expertos de los sectores financiero y tecnológico creen que las big tech serán quienes lideren la revolución de la IA.

Los 13.000 millones de dólares que invirtió Microsoft en OpenAI son un claro ejemplo de eso. Salesforce es otro aspirante en la carrera de la IA: Salesforce Ventures lanzó un fondo de 250 millones de dólares para impulsar la IA generativa.

Resulta muy interesante ver estos números colosales en el contexto actual del sector tecnológico, marcado por despidos masivos y un panorama bastante desolador. Tal vez la IA sea el puntapie que necesitaba la industria para recuperar su tendencia de crecimiento a largo plazo.

Veremos que pasa.

SAFe 6.0 y se olvidó la agilidad en casa

La semana pasada, Scaled Agile lanzó la nueva versión 6.0 de SAFe (Scaled Agile Framework), un framework de escalado Agile que aspira a facilitar los flujos de trabajo. Según la organización, esta nueva versión integra lo mejor de Lean, Agile y DevOps en un sistema operativo integral que busca ayudar a las empresas a prosperar en la era digital con flujos de trabajo más rápidos, predecibles y de mayor calidad.

En la teoría, suena todo muy bonito 🤔. Pero este nuevo lanzamiento ha hecho resurgir una pregunta que siempre está dando vueltas: ¿SAFe es realmente ágil?

Los expertos en este tema creen que no. Mike Beedle, uno de los coautores del Manifiesto Ágil, fue muy claro al respecto:

“SAFe no es ágil. Cuando escribimos el Manifiesto Ágil, dijimos que eran importantes ‘las personas y las interacciones’, ‘el software de trabajo’, ‘la colaboración con el cliente’ y ‘responder al cambio’. Sin embargo, SAFe no da prioridad a estas cosas y viola los valores del Manifiesto Ágil”.

Otros, como Jurgen Appelo de Management 3.0, consideran que SAFe es una solución demasiado estática, que va en dirección contraria al mundo digital en constante cambio en que vivimos: “Scaled Agile Framework es una solución única. Es un framework extenso y estático que implica un rediseño completo de la organización. No se puede probar SAFe en un solo equipo. No permite que varios equipos descubran su propio enfoque SAFe.”

Jon Kern, otro co-autor del Manifiesto Ágil, considera que SAFe es una cortina de humo, o lo que el llama “ágil solo de nombre”: “Es el uso de un proceso o un marco sin entender realmente que una herramienta o un proceso por sí solos, aunque pueden ser necesarios, pueden no ser suficientes.”

Desde su surgimiento, SAFe ha sido ampliamente criticado por su (sobre)complejidad y porque los entrenamientos y certificaciones son un requisito mínimo para entender el framework. Siendo honestos, el viaje hacia la agilidad tecnológica, tanto como organización como negocio, es difícil y está lleno de incertidumbre y riesgo. Las grandes organizaciones saben esto muy bien, por lo que no es extraño que intenten aferrarse a la familiaridad de los procesos tradicionales.

SAFe parece dar la "ilusión de agilidad" manteniendo los procesos de gestión tradicionales intactos. Quizás es un buen punto de partida, pero en largo plazo se requiere atravesar el pantano, digo, proceso de cambio. Mi invitación es a pensar en aquellas prácticas que funcionan para ti y para tus equipos, tomar ejemplos, probar, aprender y mejorar. Ningún framework es una bala de plata, y si te lo tratan de vender así, ¡corre!

La pregunta con SAFe es: ¿es sostenible la fachada? ¿por cuanto tiempo?

Bonus track

El universo tecnológico no descansa. Nos encantaría seguir hablando de todas las novedades de esta semana, pero como el tiempo es limitado, te dejamos enlaces a algunas noticias que no te puedes perder:

• 🕺 EE. UU. amenaza con prohibir TikTok si sigue en poder de ByteDance.

• 💰 El valor del Bitcoin está subiendo en medio del colapso de varios bancos de todo el mundo. ¿Se viene una nueva tendencia alcista en el mercado cripto?

• 🧠 Sigue la carrera de la IA: Google refuerza Docs y Gmail con inteligencia artificial para competir contra ChatGPT y Microsoft.

¡Nos vemos la próxima semana!

Hoy cumplimos su primer mes, bien por la constancia y gracias a quienes nos siguen. El Martillo de Maslow ⚒️es un newsletter semanal sobre tecnología, product management, ingeniería de software, blockchain y más.

En la edición de esta semana…

• El colapso de Silicon Valley Bank 🏦

• IA ética: ¿Es posible? 🧠

• ¿Mastercard y Visa le sueltan la mano a las cripto? 💳

El número de suscriptores sigue creciendo y estoy seguro de que podemos llegar a más personas. Si aún no te has suscrito, haz clic en el botón de abajo y recibirás el ⚒️ en tu correo. Si ya estás suscrito, compártelo con ese amigo que le interesa este tema y juntos crearemos una comunidad más grande.

Subscribe now

Sin más vueltas, ¡Empecemos!

El colapso de Silicon Valley Bank 🏦

Tres meses atrás, Silicon Valley Bank (SVB) estaba en la cima de la lista de los mayores bancos de Estados Unidos según Forbes. Hoy ya no existe ¿Cómo perdió ese puesto y colapsó?

Silicon Valley Bank, subsidiaria de SVB Financial Group, era la entidad preferida de las startups y los fondos de capital de riesgo. También tenía una influencia fuerte en el universo de las cripto, y en los últimos años sus depósitos habían crecido de forma significativa.

Para poner a trabajar esos depósitos, SVB invirtió en bonos del Tesoro y en valores hipotecarios respaldados por el gobierno de Estados Unidos. Pero los recientes aumentos en la tasa de interés por parte de la Reserva Federal hicieron que el valor de estos bonos disminuyera, forzando al SVB a reclasificarlos como “held to maturity” obligandolos a esperar que se paguen las obligaciones de la deuda. Esto sumado a la desaceleración de los nuevos depósitos y al incremento de las necesidades de los retiros de fondos por parte de los clientes.

En este contexto, el miércoles pasado, SVB anunció la necesidad de recaudar 2.250 millones de dólares para equilibrar su balance, lo que desató el caos total. Los clientes del banco se apresuraron a retirar sus depósitos y la cifra de retiros ascendió a 42.000 millones de dólares ese mismo día.

El banco se quedó sin efectivo, lo que afectó a varias empresas y startups de diferentes sectores, incluyendo el mundo cripto. Poco después del anuncio del banco, Circle publicó en Twitter que 3.300 millones de dólares de sus reservas en USDC se encontraban depositados en SVB. Esto llevó a muchos holders a deshacerse de la cripto, lo que provocó que la stablecoin USDC perdiera su paridad con el dólar y arrastrara consigo a otras criptomonedas, como se informa en este artículo.

Horas antes de la apertura de los mercados este lunes, el Tesoro, la Reserva Federal y la FDIC aseguraron que los Estados Unidos respaldarían los depósitos por encima del límite de 250 mil dólares. Esto brindó tranquilidad a los acreedores que tenían más de 175 billones en depósitos. Si el estado no hubiera tomado esta decisión, es probable que se hubiera recuperado una buena parte de los depósitos, pero en un plazo mucho más largo generando dificiles consecuencias para sus clientes.

IA ética: ¿Es posible? 🧠

La inteligencia artificial no para de avanzar. Está impactando cada vez más sectores e industrias, y sus posibilidades parecen ser ilimitadas. Sin embargo, como cualquier tecnología, es importante preguntarnos qué riesgos conlleva su uso.

No podemos olvidar que la IA se basa en modelos y datos. Si esos datos tienen errores o sesgos, entonces la IA también los tendrá. ¿Cómo podemos lograr un uso ético y responsable de esta nueva tecnología? ¿Cómo podemos detectar estos sesgos si ni siquiera los percibimos en nuestro día a día?

En principio, ya estamos dando pasos en la dirección indicada. A fines de 2021, los miembros de la UNESCO aprobaron la Recomendación sobre la Ética de la Inteligencia Artificial. Este texto sirve como guía para el desarrollo de esta tecnología desde una perspectiva respetuosa de los derechos humanos.

Sin embargo, también es fundamental que los desarrolladores de IA tomen medidas para mitigar los riesgos. OpenAI, por ejemplo, escribió un paper sobre cómo la IA necesita científicos sociales que garanticen que los algoritmos estén alineados con los valores humanos. También afirmaron que planean contratar personal para este propósito.

El dilema ético sobre la inteligencia artificial ha estado presente por un tiempo, pero con el auge de ChatGPT y otros algoritmos generativos, es más relevante que nunca. Además, está llegando a nuevos confines: hace apenas unas semanas, EE. UU. publicó una declaración sobre el uso militar de la IA:

“Cada vez más Estados están desarrollando capacidades militares de IA […]. El uso militar de la IA puede y debe ser ético y responsable y mejorar la seguridad internacional.  [D]ebe estar en consonancia con el derecho internacional humanitario aplicable, incluidos sus principios fundamentales, [y] debe ser responsable.”

y al abrir esta puerta empiezan a aparecer decenas de preguntas que quizás no nos habíamos hecho y debieramos empezar a pensar…

“Los Estados deberían continuar discutiendo cómo se desarrollan, implementan y utilizan de manera responsable las capacidades de IA militares, para promover la implementación efectiva de estas prácticas y el establecimiento de otras prácticas que los Estados signatarios consideren apropiadas. Estas discusiones deben incluir la consideración de cómo implementar estas prácticas en el contexto de sus exportaciones de capacidades de IA militares.”

¿Susto o no? 😨

La preocupación por el uso militar de la IA está en aumento, por lo que probablemente veamos a varias naciones tomar cartas en el asunto en el futuro cercano. Pero de algo no cabe duda: la inteligencia puede ser artificial, pero la ética tiene que ser real.

¿Mastercard y Visa le sueltan la mano a las cripto? 💳

Desde el año pasado, se ha estado produciendo un acercamiento entre gigantes del sector de los pagos y las criptomonedas.

Hace unas semanas, en las StarkWare Sessions 2023, Visa expresó su interés en permitir que los clientes conviertan activos digitales en monedas fiat en su plataforma. Por su parte, Mastercard anunció que permitiría pagos con criptomonedas a través de liquidaciones en USDC en la web3.

Sin embargo, el contexto financiero actual está causando muchos idas y vueltas.

Un reciente informe de Reuters afirmó que ambas empresas iban a detener su asociación con las cripto a causa del actual mercado bajista. Momentos más tarde, el responsable de cripto de Visa aclaró que la empresa sigue "asociándose con empresas cripto para mejorar las rampas de entrada y salida de fiat."

Más allá de esta "confusión", resulta interesante observar la tendencia a mayor escala: en los últimos años, varios gigantes del sector tecnológico y financiero han comenzado a dar pasos, aunque sean pequeños, en dirección hacia el universo de las criptomonedas. Por ejemplo, Google se asoció con Coinbase para aceptar pagos con criptomonedas. PayPal, por su parte, se asoció con MetaMask para facilitar la compra de activos digitales.

Si nos enfocamos en la situación general y dejamos de lado temporalmente el contexto financiero actual, podemos observar que la adopción de criptomonedas continúa creciendo. Sin embargo, la incertidumbre regulatoria sigue siendo un obstáculo para lograr una mayor expansión.

Y eso no es todo…

¿Te cuesta mantenerte al tanto de todo lo que pasa? No te preocupes, te dejamos algunos links importantes para que estés siempre al día:

• Llega GPT-4, el nuevo modelo de lenguaje de inteligencia artificial de OpenAI 🤖

• ¿Bitcoin es el gran ganador en medio de la crisis de Silicon Valley Bank? 🏦

• La alianza de Epic Games con Lego Group para entrar al metaverso

Bienvenido a El Martillo de Maslow ⚒️, un newsletter semanal hecho para profesionales y entusiastas de la tecnología y la creación de productos digitales. Aquí encontrarás toda la información esencial de la semana sobre tecnología, product management, ingeniería de software, blockchain y muchas cosas más.

Esta semana destacamos…

• SpaceX sigue lanzando gente al espacio gracias a su modelo de reutilización de partes 🚀

• Silvergate Bank en problemas: las consecuencias del colapso de FTX no terminan

• ¡Adiós a TikTok! Estados Unidos, Canadá y Europa le dan la espalda a la plataforma

Hey! Recuerda que todas las semanas te mandamos una selección de temas tech para que estés al tanto sin perderte en el ruido. ¡Suscríbete y recibe el newsletter en tu correo!

Subscribe now

¡Vamos a empezar!

SpaceX no para de lanzar cosas y personas al espacio…

En mayo de 2020, SpaceX, la empresa estadounidense de fabricación y servicios de transporte aeroespacial fundada por Elon Musk, se convirtió en la primera empresa privada en la historia en poner astronautas en órbita. Este hito se dio en el marco de su contrato con la NASA para el desarrollo de aeronaves que sirvan para el envío de tripulantes y carga a la Estación Espacial Internacional (ISS).

El pasado jueves 2 de marzo, SpaceX envió a un nuevo grupo de astronautas a la ISS. Tal vez lo más llamativo es que trata del sexto vuelo operativo de la nave Crew Dragon, después de que la NASA autorizara la reutilización del cohete Falcon 9 y la cápsula espacial Crew Dragon para vuelos comerciales. La posibilidad de reutilizar las aeronaves reduce significativamente los costos de desarrollo del proyecto, por lo que es más sencillo enviar tripulación al espacio y realizar ensayos conjuntos.

La misión llevará a cuatro tripulantes: dos miembros de la NASA (el comandante de la misión, Stephen Bowen, y el piloto, Warren Hoburg), un astronauta de los EAU, Sultan Alneyadi, y un cosmonauta de Roscosmos, Andrey Fedyaev. Todos ellos servirán como especialistas de misión para una expedición científica en la estación espacial.

Una vez que los astronautas ingresen a la estación, serán recibidos por una tripulación de siete miembros que ya se encuentran en el espacio: tres de la misión Soyuz que han estado allí desde septiembre, y cuatro de la misión SpaceX Crew-5 que han estado allí desde octubre. Unos días después de que la tripulación entrante se asiente en lo que será su nuevo hogar por los próximos seis meses, los cuatro astronautas de la misión Crew-5 regresarán a la Tierra.

¿Será el inicio de una era en la que los viajes espaciales son algo del día a día?

Si eres un hardcore fan del espacio… puedes ver todos los videos de los lanzamientos en el sitio de SpaceX. Más info y resumen de la misión en el sitio de SpaceX

Silvergate en problemas: las consecuencias del colapso de FTX no terminan

Las malas noticias en el mundo de las criptomonedas parecen no tener fin. Ahora ha sido el turno del criptobanco Silvergate, que el pasado 3 de marzo anunció que suspendería su red de pagos de activos digitales debido a una "decisión basada en el riesgo" (fuente). Esto se produce después de que las acciones del banco cayeran más del 59% en los últimos cinco días ante los temores de una posible quiebra.

Ese mismo día, un juez estadounidense ordenó a Silvergate que devuelva a BlockFi un poco menos de ~USD $10 millones que este último había depositado en el criptobanco. Cabe recordar que BlockFi y Silvergate fueron dos de las criptoempresas más afectadas por el colapso de FTX el año pasado, con constantes problemas de liquidez y salidas masivas de fondos.

Además de sus problemas financieros, el banco también enfrenta demandas colectivas por su relación con FTX y Alameda Research, y varios de sus socios más importantes del sector (como Coinbase, Paxos, BitStamp y Gemini), anunciaron que cortarían lazos con el banco.

Este es un duro revés para el universo cripto, ya que Silvergate es el banco que más ha apostado por las criptomonedas en los últimos años. Ha tenido una participación activa en el sector y se ha posicionado como la herramienta principal de los exchanges para recibir transferencias desde la banca tradicional. Por esta razón, el riesgo de quiebra de Silvergate está afectando al mercado cripto, que ha comenzado esta semana con una caída libre del precio del Bitcoin.

Pero puede que haya luz al final del camino: Silvergate estaría en conversaciones con la FDIC para evitar el cierre.

[Actualización de ultimo minuto] Luego de las conversaciones con la FDIC, Sivlergate deslizo un plan de término de operaciones y liquidación.

Estados Unidos, Canadá y Europa le dicen adiós a TikTok

Debido a la preocupación que genera la popular app china entre los gobiernos occidentales, Estados Unidos, Canadá y la Comisión Europea han prohibido TikTok en sus teléfonos oficiales. Esto significa que los funcionarios públicos de estas regiones ya no podrán ver videos de perritos o coreografías originales en sus dispositivos de trabajo. Fuente.

Y no son los únicos: Taiwán tampoco permite a sus funcionarios usar la aplicación, e India la prohibió completamente en el país en 2020 a causa de una disputa geopolítica con China. Afganistán, Pakistán e Irán tampoco permiten su uso porque consideran que contradice sus valores como sociedad.

Pero el motivo detrás de esta decisión de Estados Unidos, Canadá y Europa es que consideran a TikTok un “caballito de Troya”. Si bien la aplicación parece inofensiva y ha experimentado un crecimiento alucinante en los últimos años, la empresa responsable de su creación ha sido acusada reiteradas veces de recopilar datos de sus usuarios y de entregárselos al gobierno chino.

Estudios del código fuente de la aplicación demuestran que recoge datos como la localización de los usuarios, dispositivo y qué otras aplicaciones había en el equipo. Y si bien la app decidió cambiar su política de privacidad hace poco para cumplir los estándares europeos, parece que eso no le bastó a los reguladores de la región para admitir su uso en dispositivos oficiales.

Todo parecería indicar que se trata de una tendencia que se extiende más allá del sector público: varias empresas privadas están fomentando el regreso de los teléfonos corporativos como mecanismo para garantizar la seguridad de los datos que manejan sus trabajadores en sus dispositivos. ¿Acaso veremos el resurgimiento de los Blackberry en los próximos meses?

Este es un tema en discusión. Ayer, se presentó una propuesta de ley en el Senado de los Estados Unidos que permitiría a Joe Biden bloquear el servicio en el país citando preocupaciones de seguridad nacional.

Pero hay más…

La tecnología siempre está cambiando, pero no te preocupes. Para que te mantengas al día, aquí te comparto algunos enlaces importantes con noticias de la semana.

• 💼 Las DAO obtienen reconocimiento legal en EE.UU. gracias a la aprobación de la Ley DAO de Utah.

• 💻 OpenAI libera ChatGPT para que las compañías lo integren en sus aplicaciones.

• 📉 La oleada de despidos masivos no ha terminado: Meta prepara otros miles de ceses según Bloomberg.

Bienvenido a El Martillo de Maslow ⚒️, un newsletter semanal dirigido a profesionales y entusiastas de la tecnología y la creación de productos digitales. Te ofrecemos la información esencial de la semana sobre tecnología, product management, ingeniería de software, blockchain, y más.

Esta semana hablamos sobre…

• ¿Es posible una semana laboral de 4 días? 📅

• Google: Un paso más cerca de la computación cuántica masiva

Gracias a los lectores de la edición pasada y a los nuevos suscriptores que nos han dado la bienvenida. Si deseas recibir el newsletter en tu correo, por favor suscríbete.

Subscribe now

¡Comencemos!

¿Es posible una semana laboral de 4 días? 📅

La semana laboral de 4 días está ganando popularidad a medida que más organizaciones en todo el mundo adoptan políticas para retener el talento, incluyendo vacaciones extendidas, trabajo remoto y reducción de horas de trabajo sin pérdida de salario. La experiencia obtenida durante los últimos años con la pandemia del COVID-19 ha abierto la puerta a cambios antes impensados. En esta ocasión, les contaré sobre el experimento más grande que se haya hecho en torno a los efectos de una jornada laboral de 4 días.

Entre junio y diciembre de 2022, en el Reino Unido, se llevó a cabo un programa piloto organizado por 4 Day Week Global en colaboración con investigadores de la Universidad de Cambridge y Boston College. El experimento involucró a 61 empresas de diversas industrias que por 6 meses redujeron su jornada laboral a 36 hrs (o 4 días).

Aunque es pronto para extrapolar esto de manera general, los resultados son prometedores. Se han observado beneficios importantes para la salud y la productividad de los trabajadores al reducir sus horas de trabajo a una semana laboral de cuatro días, sin reducción de salario y manteniendo los mismos niveles de productividad laboral que antes.

Más de la mitad de las empresas informaron haber pasado a una semana laboral de cuatro días para todos sus trabajadores. Los trabajadores reportaron menos estrés relacionado con el trabajo, menores tasas de agotamiento y mayor satisfacción laboral, mientras que se observaron beneficios para la salud física y mental.

El ensayo también tuvo un impacto positivo desde la perspectiva corporativa, con un aumento del 1,4% en promedio de los ingresos durante el período de estudio, una disminución del ausentismo y una menor tasa de renuncia durante el ensayo.

De las 61 empresas que participaron en el ensayo, 56 dijeron que seguirían ofreciendo la semana laboral de cuatro días por ahora, con 18 planeando acortar la semana laboral de forma permanente.

Si quieres saber más, puedes leer el reporte completo acá.

¿Crees que es viable reducir la jornada laboral en tu compañía? Sin duda hay ciertas industrias donde el costo puede ser prohibitivo (ej.: retail) , pero en largo plazo, quien sabe.

Google: Un paso más cerca de la computación cuántica masiva 🤖

💡 Disclaimer: Este tema me supera 🧠 y creo que no soy el único, pero los invito a intentar entender junto conmigo.

El equipo de Quantum Computing de Google alcanzó lo que describen como su segundo hito en el camino hacia una computadora cuántica útil. En Santa Bárbara, California, han demostrado que pueden reducir la tasa de error de los cálculos al hacer que su código cuántico sea más grande.

La hazaña, es la continuación del experimento realizado en 2019 en el que una computadora de Google logró la "ventaja cuántica" al realizar un cálculo que habría llevado miles de años en una computadora común y corriente.

La corrección de errores es un requisito ineludible si las computadoras cuánticas quieren cumplir su promesa de resolver problemas que están fuera del alcance de las máquinas clásicas, como factorizar grandes números enteros en números primos o comprender el comportamiento detallado de los catalizadores químicos.

¿Por qué la corrección de errores es un tema relevante?

Todos los ordenadores están sujetos a errores. Un chip normal almacena información en bits (que pueden representar 0 o 1) y copia parte de la información en bits redundantes de "corrección de errores". Cuando ocurre un error, por ejemplo debido a problemas de aislamiento en los que los electrones errantes afectan a sus vecinos, el chip puede detectar automáticamente el problema y solucionarlo, como en el caso de partículas de rayos cósmicos que perturban el circuito.

"En la información cuántica no podemos hacer eso", dijo Julian Kelly, director de Quantum Hardware de Google, en la conferencia de prensa. Las computadoras cuánticas se basan en estados cuánticos llamados qubits, que pueden existir en una mezcla de estados 0 y 1. Un qubit no puede leerse sin que su estado cuántico completo se pierda irremediablemente, lo que significa que su información no se puede copiar simplemente en qubits redundantes.

En esta oportunidad, el equipo logro demostrar que es posible (y de hecho lo hicieron) reducir el numero de errores al incrementar la cantidad de qubits.

Google definió un roadmap para la computación cuántica con seis hitos clave. La "ventaja cuántica" fue el primero, y estos resultados que hablamos hoy fue el segundo. El sexto hito es una máquina hecha de un millón de qubits físicos, que codifican 1.000 qubits lógicos.

Les dejo el video oficial del anuncio (pro tip: véanlo varías veces)

Y siempre hay un poco más…

Como todas las semanas, nos encantaría seguir contandote todas las novedades pero se nos va la vida. Te dejamos algunos links de lo que estamos leyendo:

• 🏰 Reedy Creek Improvement District, el distrito de los parques de Disney que esta en pelea política con el Governador de Florida, Ron DeSantis (Republicano) por meterse en la ley de Derechos de los Padres en la Educación que firmo en ‘22. Dato interesante, DeSantis intento eliminar Reedy Creek en abril ‘22, pero el USD$ 1B de deuda emitida se convirtió en una bomba de tiempo y lo hizo volver a la carga este ‘23.

• 💰 Coinbase delistará BUSD (stablecoin de Binance) a partir del 13 de marzo ya que esta no cumple con sus estándares

• 🐦 Twitter volvió a los despidos (~10% / 200 personas) y ahora incluyo a la líder de Producto que dormía en su escritorio

¡Hasta la próxima! y no olvides suscribirte.

En la edición de esta semana:

• La SEC demanda a Do Kwon y Terraform Labs por LUNA y UST

• ¿Es hora de volver a la oficina? 😱

• Zuckerberg copia a Musk: se viene la marca azul en Facebook e Instagram

Gracias a los lectores de la edición pasada y a los +20 nuevos suscriptores que nos han dado la bienvenida. Si también deseas recibir el newsletter en tu correo, suscríbete. ¡Comencemos!

Subscribe now

La SEC demanda a Do Kwon y Terraform Labs por LUNA y UST

El universo de las cripto nos da temas semana a semana. En una declaración del 16 de febrero, la Comisión de Bolsa y Valores (SEC) de los Estados Unidos informó que demandó a Terraform Labs y su fundador Do Kwon por “orquestar un fraude multimillonario de valores de criptoactivos”.

Para entender qué ocurrió, debemos retroceder a mayo de 2022 cuando colapsó Terra Luna. Este suceso sacudió el mercado y provocó un “invierno cripto” que vio fracasar a muchas empresas prominentes, incluidas FTX, Celsius y Three Arrows Capital. Pero además, el hecho encendió las alarmas de la SEC.

En junio de 2022, la Comisión anunció una investigación sobre el colapso de Terra con el objetivo de determinar si su stablecoin violaba las regulaciones federales de valores de los Estados Unidos. Tras casi un año de investigación, la Comisión presentó una demanda alegando que Terraform y Do Kwon no entregó información completa, justa y veraz sobre sus criptomonedas y realizaron declaraciones falsas y engañosas para generar confianza antes de causar pérdidas devastadoras a los inversores.

Si bien hay opiniones divididas acerca de esto, más allá de Terraform Labs y Do Kwon se cree que la SEC está preparando el terreno para que “casi cualquier cosa sea una security o un valor” y que el objetivo es establecer “un amplio precedente para un mayor control sobre las criptomonedas”.

Más allá de las posiciones encontradas, no cabe duda de que la SEC tiene el ojo puesto sobre las criptos. ¿Será el inicio de su regulación? Tip: Mantener el ojo puesto en qué pasará con las stablecoins, que compiten con las CBDC.

¿Es hora de volver a la oficina? 😱

La pandemia cambió muchas cosas, incluyendo la forma en que trabajamos. De la noche a la mañana, pasamos de trabajar en la oficina a hacerlo de forma remota. Muchos de nosotros creímos que este cambio era permanente.

Bueno, no daría eso por sentado. Si bien el experimento impuesto de trabajo remoto dio muy buenos resultados, varias empresas del sector tecnológico comenzaron a dar marcha atrás cuando la pandemia empezó a ceder. Google fue una de las primeras en tomar esta decisión, obligando a sus empleados a volver a la oficina en abril de 2022 en formato híbrido. A fines de ese año, Elon Musk rechazó el trabajo remoto en Twitter y comenzó a exigir a sus empleados que vuelvan a los headquarters. Apple y Tesla no se quedan atrás.

La semana pasada, Amazon se sumó a la movida y anunció que sus empleados deberán pasar como mínimo tres días a la semana en la oficina a partir del próximo 1 de mayo. Sin embargo, el comunicado no proporcionó datos sobre el rendimiento de los empleados remotos. Amazon se apoya en que el trabajo presencial favorece la filosofía corporativa de la empresa y las dinámicas de colaboración e innovación entre los trabajadores.

“En persona, la gente tiende a estar más comprometida, atenta y en sintonía con lo que ocurre en las reuniones y las claves culturales que se comunican”, afirma el comunicado. “Los equipos tienden a estar mejor conectados entre sí cuando se ven en persona con más frecuencia”.

Es importante cuestionar cuánto de verdad hay en esos argumentos. Según una investigación publicada en Harvard Business Review, los empleados que trabajan de forma remota tienen un mayor nivel de compromiso. El teletrabajo ¿es una medida para favorecer la cultura de la empresa o es simplemente un capricho? Por otro lado, existen datos preliminares que indican que trabajar en persona puede tener beneficios en el desempeño (Leer: Startups con empleados en la oficina crecen 3,5 veces más, Steve Blank). La realidad, este no es un tema cerrado y el desafío está en equilibrar la colaboración, la innovación y la transmisión cultural con los beneficios de la concentración, la comodidad y la conveniencia del trabajo remoto.

Sea como sea, mucha suerte intentando traer a los desarrolladores de vuelta a la oficina (no los culpo)…

Zuckerberg copia a Musk: se viene la marca azul en Facebook e Instagram

El pasado domingo, Mark Zuckerberg anunció que Meta, la empresa matriz de Facebook, lanzará un servicio de suscripción (Meta Verified) que permitirá a los usuarios añadir la marca de verificación azul a sus cuentas de Instagram y Facebook por hasta US$ 15 al mes. Además, obtendrán “mayor visibilidad y alcance”, protección contra los ataques de suplantación de identidad y acceso directo a atención al cliente.

Si bien estos objetivos son muy nobles, todo indicaría que la idea es seguir los pasos de Twitter y sumar un nuevo canal de ingresos a la empresa.

A diferencia de la iniciativa de verificación de Musk, que desató un caos de usuarios personificando a otros individuos, Meta tiene planificado un proceso más riguroso: los suscriptores deberán tener más de 18 años y demostrar su identidad con sus documentos nacionales, que deben coincidir con su nombre y foto de Facebook o Instagram.

Aún así, es difícil ignorar las similitudes entre ambas iniciativas. En principio, parecería que Meta aprendió de los errores de implementación de Twitter y ha encontrado una forma más eficaz de satisfacer las demandas de los usuarios de más seguridad y autenticidad en sus plataformas.

Será cuestión de esperar y ver si Facebook e Instagram se llenan de impostores en los próximos días o no. El servicio de suscripción ya está disponible en Nueva Zelanda y Australia, y pronto llegará a otros rincones del mundo.

Siempre hay más información de la que podemos reportar…

Nos encantaría seguir hablando de todas las novedades de esta semana, pero como el tiempo es limitado, te dejamos enlaces a algunas noticias que no te puedes perder:

• Los NFT Ordinals de Bitcoin están arrasando con el ecosistema. 🔗

• Mira Murati, una de las creadoras de ChatGPT, cree que la IA debe regularse. ⚖️

• Con todo hype, nos empezamos a llenar de contenido AI. "Las editoriales de ciencia ficción están siendo inundadas con historias generadas por inteligencia artificial" (ingles). 🤖

En esta edición:

• ¿Se viene la regulación del staking de cripto? 💵

• IA: la guerra por el futuro de la internet está en marcha 🧠

• La tecnología al servicio del entretenimiento 🏈

Si quieres recibir el newsletter en tu correo, suscríbete. ¡Empecemos!

Subscribe now

¿Se viene la regulación del staking de cripto? 💵

Las criptomonedas han estado dando que hablar hace tiempo. Ya son más de 14 años desde la primera transacción de bitcoin y la regulación sigue siendo un aspecto clave para continuar su masificación. Este round nos trae a la Comisión de Bolsa y Valores de Estados Unidos (SEC) buscando regular el staking de criptomonedas.

La semana pasada, la SEC acusó al exchange Kraken de no registrar el staking de criptomonedas como servicio, evadiendo así su control. Como resultado, la SEC impuso una multa de US$30 millones al exchange y lo obligó a suspender el servicio de staking en los Estados Unidos.

La multa es relevante, pero no debería ser tan dura para el exchange. Lo que preocupa al sector es que el acuerdo incluya el cierre de los servicios de staking del exchange. Esto refleja la intención creciente del gobierno estadounidense de regular el mercado, lo cual no fue bien recibido por la comunidad cripto.

Brian Amstrong, CEO y cofundador del exchange Coinbase, publicó un hilo en Twitter muy contundente en el que afirma que prohibir el staking retail de criptomonedas en Estados Unidos sería una medida “terrible”. Además, señaló que el staking constituye “una innovación muy significativa para las criptomonedas” y no un security/ valor.

Sin embargo, más allá del revuelo que causó la multa a Kraken, todavía no hay nada definitivo. La propia comisionada de la SEC expresó su desacuerdo con el cierre del programa de Kraken en una declaración pública. Según ella, las medidas coercitivas no son una forma eficiente ni justa de regular una industria emergente.

Por el momento, solo queda esperar y ver cómo evoluciona la cuestión. Pero es casi innegable que la regulación de las criptomonedas se aproxima. Cómo lo hagamos será clave para su adopción. Querámoslo o no, la regulación de Estados Unidos influirá fuertemente en el resto del mundo. ¿Cómo podría afectar esto a una industria cuyo pilar es la descentralización y la independencia de agencias gubernamentales? Vale la pena preguntarse.

IA: la guerra por el futuro de la internet está en marcha 🧠

ChatGPT es el tema de conversación. Desde estudiantes que recurren a él para ayudarles a escribir sus ensayos hasta desarrolladores que crean soluciones increíbles, todos parecen estar encantados con esta tecnología. El mundo esta atrapado mirando el diamante grande y brillante sin cuestionarse cuánto es realidad y cuánto es hype.

Pero ciertamente los modelos generativos se volvieron mainstream y las big tech tomaron nota. Algunas fueron más veloces que otras en reaccionar, y esto se reflejó en el mercado: esta semana, las acciones de Google cayeron fuertemente, mientras que las de Microsoft pegaron un salto. Veamos qué pasó.

Ante el enorme potencial de ChatGPT, que superó los 100 millones de usuario mensuales, Microsoft decidió invertir US$10.000 millones en OpenAI, la empresa detrás del chat. Esto puso en alerta roja al buscador, sumado al hecho de que muchos expertos comenzaron a decir que el modelo de negocios de Google corre peligro.

Y lo decimos literalmente: Google emitió una “alerta roja” ante el avance de ChatGPT. El golpazo que significó su lanzamiento y la inversión de Microsoft parecen haber despertado al gigante, que días después presentó su propio modelo de IA: Bard.

Pero no todo salió como esperaban. En la demostración que publicó Google, Bard respondió mal a una pregunta y ese error tuvo consecuencias significativas: las acciones de la empresa cayeron un 7,4% el miércoles y un 4,5% el jueves. En total, por apresurar el lanzamiento, Google perdió un valor de mercado de más de US$150.000 millones en solo dos días.

Mientras tanto, ChatGPT sigue creciendo. Su valor de mercado actual se estima en alrededor de US$ 30.000 millones, pero se espera que siga aumentando. El éxito de esta empresa ha motivado a que muchas grandes compañías de tecnología se sumen al tren de la Inteligencia Artificial en los próximos meses. ¿Quién será la siguiente?

La tecnología al servicio del entretenimiento 🏈

El domingo pasado, la edición número 58 del Super Bowl se celebró en el SoFi Stadium de Los Ángeles. Además de la impresionante actuación de los jugadores, los deportistas, el público y Rihanna, la tecnología también tuvo un papel destacado. Esta edición del evento usó realidad aumentada, cámaras 4K, tickets NFT y una pantalla gigante de 3,5 millones de píxeles. La Inteligencia Artificial también hizo estimaciones de jugadas y proporcionó datos y estadísticas en tiempo real.

Resulta interesante ver cómo la tecnología va permeando varias industrias, incluidos los deportes y el entretenimiento. En la Copa Mundial de Fútbol de Catar, por ejemplo, vimos cómo se usó para detectar el offside de forma semiautomática, causando más de un enojo en los fanáticos.

Y es probable que esta tendencia siga creciendo en los próximos años. De hecho, los Juegos Olímpicos en París prometen un despliegue tecnológico inmenso, incluidos planes para utilizar la IA para detectar y rastrear el lenguaje corporal sospechoso a través de cámaras y drones y prevenir potenciales riesgos de seguridad.

Como era de esperarse, esta iniciativa despertó controversia, a tal nivel que Amnistía Internacional la describió como un punto de inflexión para el derecho a la intimidad. No es la primera vez que se cuestiona el uso de la tecnología a la luz de los derechos fundamentales de las personas, y es probable que tampoco sea la última. ¿Se implementará finalmente esta medida?

Pero hay más…

El universo tecnológico no descansa. Nos encantaría seguir hablando de todas las novedades de esta semana, pero como el tiempo es limitado, te dejamos enlaces a algunas noticias que no te puedes perder:

• 🚕 Zoox obtuvo el permiso del MDV y empezó a operar su servicio de taxi autónomo en california.

• 📺 Hackearon YouTube e hicieron pasar un video por el “más viejo de la plataforma”.

• 🧠 Google no descansa: Invirtió $400 millones en un rival de ChatGPT.

• 🐦 Twitter anunció que ya no ofrecerá acceso gratuito a su API.

¡Hasta la próxima! y no olvides suscribirte.

Pero los NFT no son ninguna novedad. Las primeras colecciones comenzaron a surgir hace varios años y, desde entonces, el ecosistema no ha parado de crecer. Echemos un vistazo a algunas de las colecciones de NFT más importantes a la fecha y descubramos qué es lo que las hace tan relevantes.

Bored Ape Yatch Club

Una de las colecciones más conocidas es Bored Ape Yatch Club, que consiste en 10.000 NFT únicos almacenados en la blockchain de Ethereum. Su éxito fue descomunal: si bien fue lanzada apenas hace un año, ya ha superado los mil millones de dólares en ventas.

Cada NFT es una imagen de un simio con características particulares generadas de manera aleatoria mediante un algoritmo. Además de su atractivo estético, los NFT le otorgan acceso a un club exclusivo en línea con varios beneficios, como la posibilidad de participar de THE BATHROOM, un tablero de grafiti colaborativo.

Si te interesa y te sobran alguns ETH, puedes adquirir un BAYC en la plataforma OpenSea.io

Mutant Ape Yatch Club

Los creadores de Bored Ape Yatch Club no se quedaron de brazos cruzados una vez que lograron vender los 10.000 NFT de su colección original.

Luego de ese rotundo éxito, lanzaron una nueva colección con 20.000 NFT de simios mutantes. Uno de los detalles más interesantes de esta nueva colección lanzada a principios de 2022 es que 10.000 de los nuevos NFT fueron destinados a los dueños de la colección original y tienen los rasgos de sus simios.

A abril de 2022, un MAYC bordea los 40 ETH, unos ~100.000 dolares según CoinGecko.

CryptoPunks

Inspirada en la escena punk londinense, CryptoPunks fue lanzada en 2017 y es una de las primeras colecciones de NFT en la blockchain de Ethereum. Fue desarrollada por el estudio Larva Labs de los Estados Unidos y, originalmente, los tokens eran gratuitos.

Existen solo 10.000 CryptoPunks, cada uno con rasgos particulares, algunos más raros que otros. Una de las particularidades de esta colección es que, si bien la mayoría de los CryptoPunks son humanos, exiten hay tres tipos especiales: 88 zombis, 24 monos y 9 aliens.

CryptoKitties

CryptoKitties es más que una colección. Se trata de un juego en la blockchain de Ethereum desarrollado por Axiom Zen y lanzado en 2017 en el cual los jugadores pueden comprar, recolectar, criar y vender gatos virtuales o CryptoKitties representados por NFT.

Su gran popularidad resulta del hecho de que, además de ser muy entretenido, es también uno de los primeros intentos de usar la blockchain para fines recreativos. De hecho, se volvió tan popular que congestionó la red de Ethereum poco después de su lanzamiento.

Rare Pepes

Todos conocen a Pepe the Frog, la rana verde con cuerpo humanoide que se volvió un meme popular en 2008. Lo que no todos saben es que se comercializaron varias cartas de este personaje en forma de NFT entre 2016 y 2018.

El proyecto Rare Pepes consiste en un total de 1774 tokens de Pepe con diferentes atributos y es sumamente popular. De hecho, en octubre de 2021, uno de los tokens se vendió por 3,6 millones de dólares.

Meebits

Meebits es una colección compuesta por 20.000 personajes únicos en 3D desarrollados por el equipo de Cryptopunks. Cada personaje fue creado a través de un algoritmo generativo personalizado y todos están registrados en la blockchain de Ethereum.

Esta colección alcanzó un volumen de venta increíble en OpenSea, superando los 100.000 ETH con un precio de entrada de alrededor de 6 ETH.

Hashmasks

Hashmasks es una colección creada por Suum Cuique Labs y diseñada por más de 70 artistas de todo el mundo. Incluye 16.384 imágenes digitales únicas.

Este proyecto tiene dos particularidades. En primer lugar, no sabes qué Hashmask te va a tocar cuando compras uno, ya que se asignan de manera aleatoria para garantizar un reparto equitativo. Segundo, si bien los atributos del Hashmask determinan su valor, los dueños tienen un rol importante en esa cuestión: con el NFT acumulas el token NCT diariamente, lo que te permite elegir un nombre para tu retrato en la blockchain de Ethereum, lo cual puede ser determinante para su valor.

The Curio Cards

La colección The Curio Cards fue lanzada en mayo de 2017 y presenta 30 series únicas de tarjetas coleccionables de 7 artistas diferentes que despiertan algo de nostalgia. Se la considera la primera colección de arte digital lanzada en la blockchain de Ethereum, de allí su relevancia. En octubre de 2021, una colección completa de Curio Cards, incluida la famosa tarjeta "17b" mal impresa, se vendió en una subasta por 393 ETH, es decir, 1.267.320 dólares.

Doodles

Doodles es una colección de 10.000 NFT coloridos y adorables que combinan 100 rasgos diferentes de pelo, cara, cuerpos, y fondos, entre otros. Se trata de NFT con utilidad, ya que ofrecen a sus dueños la posibilidad de acceder a experiencias y campañas exclusivas y votar en cuestiones vinculadas al roadmap del proyecto.

En OpenSea, el precio de entrada ronda los 9 ETH y el volumen comercializado ya alcanza los 50.000 ETH.

Invisible Friends

Creada por un artista sueco, Invisible Friends se está convirtiendo en una de las colecciones animadas más famosas del universo digital. Incluye 5000 amigos invisibles que se mueven y tienen diferentes características, ropa y accesorios que los hacen únicos.

Si bien se trata de una colección bastante reciente, ya alcanzó un volumen de venta de casi 40.000 ETH en OpenSea, lo cual demuestra un gran interés en los NFT animados.

Conclusión

Si bien la irrupción de los NFT en el plano digital parece bastante reciente, la realidad es que estos tokens existen y se comercializan hace varios años.

Desde las primeras colecciones con tokens gratuitos hasta las más actuales con NFT animados, todas tienen mucho que ofrecer y despiertan cada vez más curiosidad en el público tanto especializado como general.

Solo el tiempo dirá con qué nos sorprenderán en el futuro los estudios y creadores detrás de estas colecciones y todas las que podemos encontrar en el mercado. Pero una cosa es segura: los NFT llegaron para quedarse.

La historia siempre parte con una persona o equipo encontrando una idea increíble e iniciando la construcción de un Producto Mínimo Viable (MVP para los amigos) como prueba de concepto de lo genial que es la idea. Acá invierten una buena cantidad de tiempo discutiendo que features incluir y cuales dejar fuera.

Por supuesto, una vez terminado y probado el MVP, este equipo espera construir todas las funcionalidades faltantes en un producto estable y maduro.

¿Cuál es el problema con esto?

Lo que normalmente ocurre es que los equipos entienden un MVP como un producto al cual le cortaron algunas funcionalidades para hacerlo más rápido de construir y llevarlo al mercado, que como aspiración suena bien. Pero, un MVP no es necesariamente un producto y tampoco es algo que solo construirás una sola vez y marcarás el check en el todo-list.

Un MVP es un proceso iterativo en el cual primero identificas cuáles son tus principales supuestos y tomas el más riesgoso y lo sometes a algún tipo de experimento que te permita afirmar o refutar con un mayor grado de certeza si ese supuesto es válido o no. Por ejemplo:

• Las personas están dispuestas a arrendar un departamento por internet para vacacionar en vez de un hotel (Airbnb)

• Las personas están dispuestas a subir a un desconocido a su auto y llevarlos por la ciudad (Uber)

• Las personas están dispuestas a subirse al vehículo de un desconocido (Uber)

Para validar estos supuestos no es necesario construir una aplicación completa, basta una encuesta, una landing page o un pitch de ventas. Cuando hablamos de validar un supuesto lo importante es poder hacerlo con el experimento más pequeño y económico posible. Al contar con recursos limitados, la posibilidad de iterar lo suficiente para dar con un mix Problema-Producto-Mercado es lo que acerca a cualquier Start-Up al éxito.

Cuando construyes un Producto das por hecho muchos aspectos que no son necesariamente ciertos. Supones quienes son tus potenciales clientes, qué es lo que están buscando, que tu forma de resolver el problema es la que ellos prefieren, que están dispuestos a pagar por ello, qué mecanismos puedes utilizar para monetizar tu solución, que puedes llegar/captar clientes en tu grupo objetivo, que no hay competencia o que no reaccionará y muchas más.

¿Por qué es importante?

Un análisis post-mortem realizado por CBInsights en más de 300 Start-Ups identifió que el 42% de estas fracasa porque no hay necesidad en el mercado para el problema que están intentando resolver. Por esto, es clave poder poner una potencial solución o experimento que permita averiguar el real interés que hay en el problema que queremos resolver y cómo queremos resolverlo.

Por otra parte, el mismo estudio identifica como la segunda razón de fracaso a "Quedarse sin Dinero". Acá es importante destacar la importancia de probar el más pequeño de los experimentos. Cuando tengo solo $100 de capital y cada experimento me cuesta $25 puedo iterar y probar 4 veces, mientras que si logro obtener el mismo conocimiento con experimentos más económicos, por ejemplo, a $10, podríamos realizar 10 iteraciones. Con esto, estaríamos más que duplicando nuestras opciones de dar con la combinación correcta.

Lean Startup Feedback Loop

Para cerrar, quiero dejarte una recomendación, acércate a la definición de tu MVP buscando que sea la forma más económica de obtener la información que necesitas, da lo mismo si es un producto o no, y olvida lo que piensen las personas. Al final del día, solo lo recordarán si fue memorable, y eso probablemente ocurra si tu Start-Up se convierte en un éxito.

Quieres saber más acerca del feedback loop propuesto en Lean Startup, revisa el libro original de Eric Ries. (audio)

Si tienes cualquier duda déjanos un comentario. ¡Hasta la próxima!

Ejecución de un Design Sprint

Un Design Sprint tiene una secuencia fija de seis fases, que se basan en gran medida en las seis etapas del proceso de Design Thinking. Cada fase en el Design Sprint corresponde a un día o menos y GV propone una secuencia ideal de 5 días del Design Sprint, a partir del lunes.

• Día 0 - Comprender: La primera parte de este sprint requiere una preparación previa: invitar a las personas adecuadas para compartir presentaciones rápidas de 5 minutos sobre: Objetivos comerciales, capacidad tecnológica, necesidad del usuario.

• Día 1 - Definir (MAP): En esta fase, el equipo comienza a desarrollar su enfoque y estrategia. Esto sucede definiendo el valor (central journey) que quieren crear para sus usuarios.

• Día 2 -Divergir (Sketch): A menudo, los equipos eligen la primera idea lista para perseguir. La fase de divergencia anima al equipo a hacer lo contrario: generar primero tantas ideas como sea posible antes de comprometerse con la mejor opción. En esta etapa, se anima a todos a trabajar individualmente para esbozar ideas.

• Día 3 - Converger (Decide): En esta sección es el momento de que el equipo revise todas las ideas de la fase de divergencia y vote por las mejores opciones. El equipo puede entonces elegir de 1 a 3 ideas para hacer un prototipo y probarlas.

• Día 4 - Prototipar (Prototype): La creación rápida de prototipos le permite probar sus ideas sin invertir mucho tiempo, dinero o recursos. Al hacerlo, sabrá antes qué aspectos de sus ideas fallan y cuáles tienen potencial.

• Día 5 - Validar (Test): Esta fase final es cuando es el momento de responder a la pregunta más difícil del diseño: "¿Esta idea es buena? Para ello, el equipo debe invitar a los usuarios potenciales a probar sus ideas. Pueden ver a los usuarios interactuar con el prototipo y tomar notas.

Por supuesto, cualquier otro día de trabajo es también concebible como el comienzo. De la misma manera, puedes distribuir las fases en días individuales. Lo importante es trabajar en un time-box acotado que fuerce al equipo a priorizar, tomar riesgos y decisiones con el objetivo de avanzar. Uno de los grandes problemas que enfrentan las empresas y las personas es la parálisis de opciones, contar con tiempo y recursos limitados nos ayuda a prevenir sobre pensar las cosas, en peor de los casos habremos perdido una semana.

En Design Sprint no hay intencionadamente ninguna fase en la que se cree un producto (de software) o incluso se lance al mercado (de prueba), precisamente para acortar el proceso al máximo. Aquí es donde el diseño de un sprint difiere más claramente del Lean Startup.

Un aspecto clave del proceso es seleccionar el problema correcto. Naturalmente existe la tentación a elegir un problema sencillo para partir y tomar práctica del proceso, pero en realidad no es necesario. Este framework esta pensado y elaborado a partir de la experiencia para dar saltos significativos de entendimiento del problema y sus posibles soluciones para las los problemas más importantes de la compañía. Acá la invitación es a pensar en grande.

Resultado del Design Sprint de Google Ventures

El resultado de un Design Sprint es un prototipo y los resultados de una Prueba de Aceptación del Usuario (UAT) de este prototipo.

Se da prioridad a los conocimientos adquiridos en la UAT. Un prototipo que pueda ser permanentemente reutilizado o mejorado es de importancia secundaria. En caso de duda, el prototipo debe considerarse un "producto desechable".

Una opción es la creación de varios prototipos simples en lugar de la creación de un solo prototipo muy avanzado. En este caso, los diferentes prototipos pueden ser probados uno contra otro permitiendo obtener insights de otro tipo pero igualmente valiosos.

¿Qué es un Prototipo?

Cuando hablamos de un prototipo, la experiencia me ha ensañado que todos entendemos algo distinto, así que para evitar dudas: El prototipo puede ser cualquier "artefacto" con el que se pueda probar. Podría ser algo tan simple como un papel con algunas instrucciones, una maqueta de cartón, un formulario Web, un sitió estático, un artefacto creado con legos, una simulación/role play realizado con clientes reales o lo que sea. Acá lo importante es diseñar el prototipo en función de las aprendizaje que se quiera generar. Tomando prestada una cita de Lean Startup, toma tu principal supuesto y haz un experimento para validarlo.

Roles en el Design Sprint

Sólo un papel está explícitamente previsto en el Design Sprint, el de Sprint Master. El Sprint Master es responsable de la gestión técnica, metodológica y organizativa antes, durante y después del Design Sprint. No se prevén otras funciones, pero el equipo para el Design Sprint debe estar compuesto de la manera más interdisciplinaria posible de acuerdo con el enfoque del Design Thinking y deben contar con el tiempo disponible para dedicarse de forma íntegra al proceso.

Además del Sprint Master, una composición mínima recomendada consiste en los siguientes miembros del equipo:

• Diseñador / Experto en UX

• Cliente

• Gerente de Producto / Experto en el campo

• Los representantes de los usuarios

Como espero hayas notado (si aún sigues leyendo concentradamente) el equipo no es muy grande, esto esta especialmente diseñado así para darle agilidad al proceso. Si se requiere incorporar conocimiento experto o adicional, no hay problema en sumar personas con este perfil a apoyar en ciertas sesiones del sprint.

Métodos y Herramientas del Design Sprint

Aunque los métodos utilizados en las distintas fases no están predefinidos, hay un conjunto de métodos recomendados de Google. Algunos de estos métodos, como el Crazy Eights, han sido desarrollados específicamente para su uso en un Design Sprint.

Si quieres preparar tu propio sprint de diseño, en el sitio oficial del libro Design Sprint (también lo puedes encontrar en Amazon) puedes encontrar recursos super útiles incluyendo instrucciones detalladas, un checklist previo a comenzar, lista de materiales normalmente requeridos y mucho más.

Cuáles son las ventajas de un Design Sprint

Con un sprint de diseño, podemos generar muchísimo valor para nuestros clientes o para nuestra organización en sólo una semana, lo que va más allá de comprender sus problemas y señalar una o más soluciones posibles:

• Junto con diversas partes interesadas de la organización del cliente, desarrollamos una posible solución y la validamos en una etapa muy temprana directamente en el usuario

• Por un lado, de esta manera podemos estar seguros de que las necesidades del cliente han sido consideradas desde varias perspectivas diferentes y por lo tanto han sido elaboradas de la mejor manera posible

• Y por otro lado, de esta manera podemos saber incluso antes de que la solución planeada se implemente, si tendrá la aceptación del usuario en absoluto

Aprovecho de recomendarte el libro, es un excelente recurso claramente explicado. Un gran apoyo a tu proceso.

Espero hayan podido obtener una primera pincelada de este framework, si tiene cualquier pregunta no duden en dejar un comentario. ¡Hasta la próxima!

Love the problem, not the (your) solution. - Someone really smart

Una frase comúnmente ofrecida a los nuevos emprendedores es: Enamórate del problema, no de la solución. Esta recomendación nace del punto fundamental de cualquier empresa, resolver un problema de una manera que sea atractiva para el mercado. Pero lamentablemente, identificar un problema, encontrar una solución y validar su potencial en el mercado no algo que se logre de un solo salto. Toda gran empresa ha logrado encontrar un Problem-Solution Fit antes de cualquier otra cosa y es este el primer paso.

Un ejemplo expuesto de manera sencilla podría ser AirBnB:

• El problema identificado: Escasez de plazas hoteleras a buen precio

• y la solución: Utilizar el espacio libre en casas de particulares para que pudieran tener un sitio para descansar a un precio inferior.

Aparentemente, tanto a los dueños de hogares como a los viajeros les pareció una gran solución al problema, de lo contrario no estaríamos hablando de uno de los grandes casos de éxito del emprendimiento del último tiempo.

Problem-Solution-Fit reducido a dos preguntas

En su forma más simple, Problem Solution Fit consiste en sólo dos preguntas a los clientes potenciales:

1. Problema: ¿Tienen el problema que los emprendedores sospechan que tienen?

2. Solución: ¿Aceptarían (o mejor aún: preferirían) la solución planteada?

Para cada par problema-solución, deben cumplirse dos condiciones para saber que tenemos algo entre manos:

1. Vale el esfuerzo: El problema del cliente está lo suficientemente extendido como para que valga la pena desarrollar una solución para él. No hay peor forma de fracasar que solucionar de una manera brillante un problema que nadie tiene.

2. Es factible o realizable: ¿Tiene la organización las capacidades y recursos necesarios para desarrollar y ofrecer la solución pensada? Es común ver a los emprendedores y empresas exitosas iniciar nuevos negocios en industrias y mercados ya conocidos (ej.: Integración vertical), ya que ahí encuentran conocimiento, experiencia y contactos que soportarán el desarrollo de la iniciativa reduciendo con esto parcialmente el riesgo o las incógnitas.

La importancia del Problem-Solution Fit

Cuando te enfrentes a un elevado porcentaje de respuestas negativas de los clientes a una de las dos preguntas del Problem Solution Fit, lo más probable es que aún falte refinar el entendimiento del problema o buscar nuevas formas de enfrentarlo.

Sólo cuando se logra la adecuación entre problema y solución, los emprendedores saben que tiene sentido continuar con su plan inicial. Si, por otra parte, no lo hacen, existe un alto riesgo de que desarrollen una solución para la que no existe ningún problema de clientes. Esta es la razón más común para el fracaso de las nuevas empresas.

En este momento del tiempo, no se trata (todavía) del producto. El Problem Solution Fit sólo se refiere a si el concepto de solución parece atractivo para el grupo objetivo o no. En este momento el producto ni siquiera existe. Para probar el Problem Solution Fit es suficiente si los emprendedores sólo muestran lo esencial de su oferta prevista en una entrevista con el grupo objetivo. Incluso es importante no dar ningún detalle específico del producto, porque podría distraer más bien de la cuestión real. Sólo cuando se ha probado la adecuación entre problema y solución es el momento de desarrollar un producto concreto y validar la recepción en el mercado.

Determinar el ajuste del Problem-Solution Fit

Buscar de consiente y disciplinada el Problem Solution Fit nos sirve como protección contra nuestra propia ceguera operativa. Por esta razón tienen que obtener la confirmación de tu grupo de clientes o usuarios objetivos, y ojo que incluso este grupo podría cambiar durante el proceso, la idea maximizar lo que podemos aprender de cada instancia de validación.

Una regla empírica dice que un equipo necesita de seis a doce semanas para determinar la adecuación entre problema y solución, siempre que realicen varias reuniones del grupo objetivo diariamente. Un problema de las pruebas de Problem Solution Fit es que los interlocutores deben imaginar una solución que aún no existe. En este proceso es clave salir de la oficina y conocer tanto el problema como a los clientes.

Requisitos deseables para el Problem-Solution Fit

En la medida que notemos que tenemos feedback positivo de los usuarios/clientes potenciales, debemos ir ajustando las entrevistas e instancias de validación para complementar la información que tenemos has ahora.

• ¿Qué tan fuerte es su deseo de una mejor solución? ¿Cuánta incomodidad genera el problema?

• ¿Qué tan atractiva es la nueva solución planeada? ¿Es una solución práctica?

• ¿Estarían en principio dispuestos y en condiciones de usar o comprar la nueva solución? ¿a qué precio? Una persona que dice querer comprar algo sin precio, probablemente no lo haría.

Cuanto más positivas sean las respuestas a estas preguntas, más atractivo será para los emprendedores desarrollar su solución.

Otra información útil que puede surgir

Durante las conversaciones del Problem Solution Fit, puedes obtener mucha informaciones rica e inesperada sobre tus futuros clientes. Lo importante es estar abierto y receptivo a nuevas ideas, en este sentido es recomendable siempre indagar en las respuestas (TIP: Prefiere las preguntas abiertas)

• Ideas que hacen su producto más atractivo

• Propiedades que el producto debería tener al menos

• Información útil para comprender mejor el contexto de la aplicación

• Los obstáculos que los clientes tienen que superar cuando cambian a una nueva solución

• Por qué no están satisfechos con su solución actual

¿y qué viene después?

Una buena solución no es el final del camino, pero si llegamos acá vamos en buen pie. Ahora nuestro foco debiera ponerse en validar esta idea en el mercado, probablemente probando nuestras principales hipótesis frente a clientes buscando convertir nuestra idea en un producto comercializable.

A continuación te dejo algunos libros que podrían para apoyar tu proceso:

[su_table responsive="yes" alternate="no"] [/su_table]

No te preocupes si aun sigues perdido, el movimiento se demuestra andando. Piensa, observa, conversa con potenciales clientes e itera. En la medida que vayas obteniendo información valiosa el camino se ira abriendo. ¿Tienes alguna duda? Escríbeme en los comentarios.

Mucho éxito. Hasta la próxima.

El perceptron

El Perceptron simple, también conocido una red neuronal de una sola capa (Single-Layer Neural Network), es un algoritmo de clasificación binaria creado por Frank Rosenblatt a partir del modelo neuronal de Warren McCulloch y Walter Pitts desarrollado en 1943.

La idea tras la Neurona MCP y el Perceptron con umbral de Rosenblatt es usar un enfoque simple para simular el funcionamiento de una neurona en el cerebro.

[mathjax]

La neurona recibe impulsos externos (x) que son considerados con distinta importancia o peso (w) en una función de activación (z). Si el estímulo agregado sobrepasa cierto umbral (θ), la neurona se activa.

Matemáticamente, definimos x como el vector de estímulos y w como el vector de pesos, ambos m dimensiones, y z como la función de activación.

El perceptron ϕ(z) se considera activo cuando su valor es mayor o igual al umbral θ o inactivo en cualquier otro caso. Formalmente esta es una función escalón puede ser escrita de la siguiente forma:

Si incorporamos θ a la expresión, definiendo w0=−θyx0=1 podemos escribir z=w0x0+w1x1+…+wmxm.

La regla de aprendizaje

El perceptron tiene una regla de aprendizaje bastante simple que le permite ir ajustando los valores de los pesos (w). Para ello, se siguen los siguientes pasos:

1. Asignar un valor inicial a los pesos de 0 (cero) o valores pequeños al azar.

2. Para cada muestra de entrenamiento x(i) hacer lo siguiente

   1. Computar el valor de salida y^.

   2. Actualizar los pesos.

La actualización de los pesos se hace incrementando o disminuyéndolos en Δwj

Donde:

• η es la tasa de aprendizaje que es un valor entre 0 y 1.0

• y(i) es el valor real

• y^(i) es el valor de salida calculado (notar el sombrero en la y)

• xj(i) es el valor de la muestra asociado

Esto implica que si el valor real y el valor calculado son el mismo, w no es actualizado o mejor dicho Δwj=0 . Sin embargo, si hubo un error en la predicción el valor será actualizado en la diferencia entre el valor real y el predicho, ajustado por el valor de la muestra y la tasa de aprendizaje.

Nuestro ejemplo con el dataset Iris

Para este ejemplo usaremos un conjunto de datos llamado Iris que es quizás el dataset más conocido en el mundo del machine learning. Este es un dataset multivariado que contiene 50 muestras de 3 especies de la flor Iris (iris setosa, Iris virgínica e Iris versicolor). En cada caso, se midió en centímetros largo y ancho del sépalo y del pétalo. Pueden descargar los datos desde el Machine Learning Repository de la Universidad de California o desde mi repositorio en Github

Los atributos disponibles en el dataset son los siguientes:

• Largo del sépalo en cm

• Ancho del sépalo en cm

• Largo del pétalo en cm

• Ancho del pétalo en cm

• Clase (Iris setosa, Iris versicolor, Iris virgínica)

Una de las características de este dataset, es que algunos de sus atributos son linealmente separables, que es un requisito para el buen funcionamiento del perceptron. Que un set sea linealmente separable significa que una puede trazarse una recta (2D) o un plano (3D) y aislar cada clase de datos correctamente. Esto se puede observar claramente en el siguiente ejemplo.

En el caso del dataset Iris, al graficar todas las clases por largo del pétalo y largo del sétalo, podemos ver que las setosas son linealmente separables de las virgínicas y las versicolor. No así las virgínicas de las versicolor.

Por esta razón, en este artículo solo usaremos las clases Iris-setosa y Iris-versicolor para el clasificarlas con el perceptron.

Implementando la regla del perceptron en python

Puedes descargar el cuaderno de Jupyter desde el repositorio en Github y así ir siguiendo esta implementación paso a paso.

Primero partiremos implementando un clase en python. Esta clase define los siguientes métodos:

• __init__: Define la tasa de aprendizaje del algoritmo y el numero de pasadas a hacer por el set de datos.

• fit: Implementa la regla de aprendizaje, definiendo inicialmente los pesos en 0 y luego ajustándolos a medida que calcula/predice el valor para cada fila del dataset.

• predict: Es la función escalón ϕ(z). Si el valor de z es mayor igual a 0, tiene por valor 1. En cualquier otro caso su valor es -1.

• net_input: Es la implementación de la función de activación z. Si se fijan en el código, hace producto punto en los vectores x y w.

import numpy as np
class Perceptron:
    """Clasificador Perceptron basado en la descripción del libro
    "Python Machine Learning" de Sebastian Raschka.
Parametros
    ----------
eta: float
        Tasa de aprendizaje.
    n_iter: int
        Pasadas sobre el dataset.
Atributos
    ---------
    w_: array-1d
        Pesos actualizados después del ajuste
    errors_: list
        Cantidad de errores de clasificación en cada pasada
"""
    def __init__(self, eta=0.1, n_iter=10):
        self.eta = eta
        self.n_iter = n_iter
def fit(self, X, y):
        """Ajustar datos de entrenamiento
Parámetros
        ----------
        X:  array like, forma = [n_samples, n_features]
            Vectores de entrenamiento donde n_samples es el número de muestras y
            n_features es el número de carácteristicas de cada muestra.
        y:  array-like, forma = [n_samples].
            Valores de destino
Returns
        -------
        self:   object
        """
        self.w_ = np.zeros(1 + X.shape[1])
        self.errors_ = []
for _ in range(self.n_iter):
            errors = 0
            for xi, target in zip(X, y):
                update = self.eta * (target - self.predict(xi))
                self.w_[1:] += update * xi
                self.w_[0] += update
                errors += int(update != 0.0)
            self.errors_.append(errors)
        return self
def predict(self, X):
        """Devolver clase usando función escalón de Heaviside.
        phi(z) = 1 si z >= theta; -1 en otro caso
        """
        phi = np.where(self.net_input(X) >= 0.0, 1, -1)
        return phi
def net_input(self, X):
        """Calcular el valor z (net input)"""
        # z = w · x + theta
        z = np.dot(X, self.w_[1:]) + self.w_[0]
        return z

Ahora que tenemos la clase definida, debemos primero cargar los datos y luego entrenar el perceptron.

import pandas as pd
import matplotlib.pyplot as plt
# Cargamos el dataset
df = pd.read_csv("../datasets/iris.data", header=None)
# extraemos el largo sepal y el largo del pétalo en las columnas 0 y 2. Usaremos solo Setosa y Versicolor
X = df.iloc[0:100, [0, 2]].values
# Seleccionamos Setosa y Versicolor.
y = df.iloc[0:100, 4].values
y = np.where(y == 'Iris-setosa', -1, 1)
# Inicializamos el perceptron
ppn = Perceptron(eta=0.1, n_iter=10)
# Lo entrenamos con los vectores X e y
ppn.fit(X, y)
# Graficamos el número de errores en cada iteración
plt.plot(range(1, len(ppn.errors_) + 1), ppn.errors_, marker='o')
plt.xlabel('Epochs')
plt.ylabel('Número de actualizaciones')
plt.tight_layout()
plt.show()

Una vez entrenado, pueden ver los valores del modelo imprimiendo las principales variables:

print("Theta: " + str(ppn.w_[0])) 
print("W: " + str(ppn.w_[1:]))
print("X: [Largo sépalo, Largo pétalo]")
print("z = W · X")
print("phi(z) = 1 si z >= theta; -1 c.o.c")
# Theta: -0.4
# W: [-0.68  1.82]
# X: [Largo sépalo, Largo pétalo]
# z = W · X
# phi(z) = 1 si z >= theta; -1 c.o.c

Y al graficar el modelo, podemos ver cómo las setosas quedan separadas por una recta de las versicolor.

Conclusión

El perceptron es un modelo simple, reduccionista y con muchas limitaciones, pero es un excelente ejemplo introductorio a los clasificadores y a las redes neuronales. A la primera leída, quizás no sea tan simple de entender, pero te recomiendo descargar el cuaderno jupyter desde el repositorio y revisarlo con calma.

[su_table responsive="yes" alternate="no"] Si quieres profundizar te recomiendo revisar los siguientes libros que a mi me han ayudado bastante: [/su_table]

Este es el primero artículo/tutorial que escribo de machine learning. Les agradecería s me pudieran dejar cualquier recomendación para poder hacerlos más claros de entender. Si tienen cualquier duda, déjenla en los comentarios y haré lo posible por responderla.

¡Saludos!

1) Crear entorno virtual

Para esto, primero instalaremos la herramienta virtualenv y crearemos un entorno con python 3.

# Instalar virtualenv
$ pip3 install virtualenv
# Creamos una carpeta en Documents donde tener todos los entornos virtuales
$ mkdir /Users/username/Documents/Python
$ cd /Users/username/Documents/Python
# Creamos el entorno virtual con 
# virtualenv -p python3 <mi_proyecto>
$ virtualenv -p python3 machine-learning

2) Usar el entorno virtual recién creado e instalar SciPy y scikit-learn

Una vez que creamos el virtualenv, debemos activarlo como se indica a continuación. Una vez activado, todos los comandos que ejecutemos se encontrarán encapsulados en este entorno y aislados de la instalación global de python. Por ejemplo, podrían instalar cualquier paquete usando pip y este será ubicado en el directo del entorno.

# Una vez creado el entorno virtual, debemos activarlo para poder usarlo
$ source mi_proyecto/bin/activate
# En mi caso...
$ source /Users/username/Documents/Python/machine-learning/bin/activate
# Al activar el virtualenv podrán notar que aparece el nombre del entorno entre paréntesis a la izquierda en el promt de la terminal
(mi_proyecto)Mi-Computador:mi_proyecto UserName$

Ahora instalaremos las siguientes bibliotecas de python para machine learning. Sin duda hay varias más que podríamos instalar, pero lo haremos a medida que las necesitemos.

• NumPy: el paquete fundamental para computación numérica. Define arreglos, matrices y operaciones entre ellos.

• SciPy: una colección de algoritmos numéricos para procesamiento de señales, estadística, optimización y más.

• scikit-learn: Herramientas simples y eficientes para data mining y análisis de datos.

• matplotlib: Gráficos 2D y 3D (básico) a nivel de publicación.

• pandas: estructuras de datos de alto desempeño.

$ pip install numpy scipy scikit-learn matplotlib pandas
# Después de descargar e instalar lo necesaio ...
# Successfully installed cycler-0.10.0 matplotlib-2.0.0 numpy-1.12.1 pandas-0.19.2 python-dateutil-2.6.0 pytz-2016.10 scikit-learn-0.18.1 scipy-0.19.0

3) Desactivar un entorno virtual

Para terminar, desactivamos el entorno virtual ejecutando:

$ deactivate

Espero te haya ayudado, si tienes cualquier duda puedes dejarla en los comentarios. Saludos!

Un poco de limpieza antes de partir

Mi computador tenía versiones anteriores de Python instaladas usando el instalador oficial de python.org. Si bien esto funciona, cuando se trabaja con distintas dependencias y versiones de python esto se vuelve un poco más enredado y es preferible instalarlo vía Homebrew. Por sanidad mental, antes de partir, eliminé Python según las instrucciones de Onur Güzel.

PRECAUCIÓN: Estos comandos eliminarán todas las versiones de Python instaladas con paquetes. Las instalaciones instaladas por el sistema no se verán afectadas.

Desde una terminal, ejecutar los siguientes comandos:

$ sudo rm -rf /Library/Frameworks/Python.framework
$ cd /usr/local/bin
$ ls -l . | grep '../Library/Frameworks/Python.framework' | awk '{print $9}' | xargs sudo rm

Y luego borrar la carpeta de aplicación de la versión correspondiente (en mi caso, 3.1)

$ sudo rm -rf "/Applications/Python x.y"

Instalación de Homebrew

Para poder instalar Python necesitamos contar con un compilador de C. La forma más fácil de hacer esto es ejecutando xcode-select --install  desde una línea de comando o instalando XCode desde el AppStore.

Una vez hecho esto, instalaremos Homebrew según las instrucciones en su sitio web. Esto es bastante simple, abrimos una terminal y ejecutamos el instalador indicado.

/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
==> This script will install:
/usr/local/bin/brew
/usr/local/share/doc/homebrew
/usr/local/share/man/man1/brew.1
/usr/local/share/zsh/site-functions/_brew
/usr/local/etc/bash_completion.d/brew
/usr/local/Homebrew
==> The following existing directories will be made group writable:
/usr/local/include
/usr/local/lib/pkgconfig
==> The following existing directories will have their owner set to fmallea:
/usr/local/include
/usr/local/lib/pkgconfig
==> The following existing directories will have their group set to admin:
/usr/local/include
/usr/local/lib/pkgconfig
==> The following new directories will be created:
/usr/local/Cellar
/usr/local/Homebrew
/usr/local/Frameworks
/usr/local/opt
/usr/local/sbin
/usr/local/share/zsh
/usr/local/share/zsh/site-functions
/usr/local/var

El script de instalación nos muestra los cambios a hacer y nos dará la opción de aceptar y rechazar la instalación. Como no hay nada extraño en esto, le damos aceptar (return/enter).

Si todo sale bien, solo nos falta agregar el path de Homebrew a la variable PATH de nuestro ~/.profile para poder ejecutar los comandos desde cualquier ubicación en nuestro sistema. Para esto, agregamos la siguiente línea al final de este archivo.

export PATH=/usr/local/bin:/usr/local/sbin:$PATH

Instalación de Python 3

Ya hicimos la parte difícil, ahora solo nos falta instalar python y para ello ejecutamos el siguiente comando desde una terminal y esperamos un par de minutos a que termine.

$ brew install python3

¿Y ahora qué?

Al instalar Homebrew, también se instala Setuptools y pip. Setuptools permite descargar e instalar software python via web con un simple comando (easy_install). Por otra parte, pip es una herramienta para instalar y gestionar paquetes python que, según la guía, es superior a easy_install en varios aspectos, pero aun no entraremos en ese tema.

Finalmente, debieramos familiarizarnos con los entornos virtuales (también conocidos como "virtualenv"). Estos permiten trabajar en múltiples proyectos con distintas dependencias mediante la creación de espacios de trabajo virtuales para Python. Si quieres saber más acerca de ellos, y te lo recomiendo, puedes visitar la Hitchhicker's Guide to Python aquí.

Recuerda que si tienes cualquier pregunta déjalo en los comentarios y haré lo posible por responder lo antes posible. Hasta la próxima!

Hoy estamos rodeados de ejemplos de Inteligencia Artificial y de Aprendizaje Automático pero muchas veces no nos damos cuenta de ello. Aquí dejo algunos ejemplos (pueden ver algunos más en Wikipedia):

• Filtros de spam

• Reconocimiento de texto y voz (ej.: Siri, Cortana, etc.)

• Sistemas de recomendación (ej.: recomendaciones de Amazon)

• Detección de fraudes (ej.: marcar transacciones fraudulentas en tarjetas de crédito)

• Conducción automática de vehículos (reconocimiento de patrones)

Principales tipos de algoritmos de machine learning

Existen principalmente 3 tipos de algoritmos de aprendizaje automático o machine learning:

Aprendizaje supervisado (Supervised learning)

El objetivo principal del aprendizaje supervisado es identificar un modelo a partir de data de entrenamiento en la cual se conoce el valor verdadero de salida, y usar este para predecir datos futuros o desconocidos.

Un ejemplo son los filtros de spam, donde a partir de un set de correos electrónicos marcados correctamente como SPAM / NO-SPAM, se entrena un modelo para determinar qué etiqueta se debe asignar a un próximo correo revisando el valor/contenido de sus atributos (contenido, asunto, remitente, etc.).

La Clasificación es una sub-categoría del aprendizaje supervisado donde el objetivo es predecir etiquetas o clases. Estas etiquetas son valores discretos no ordenados que pueden ser entendidos como categorías. El ejemplo del SPAM previamente mencionado es un Clasificador Binario, aunque esto es válido para clasificadores más complejos. En este contexto, un clasificador solo puede predecir en función los valores que fue entrenado. Por ejemplo, si a un clasificador le enseña un abecedario no podrá reconocer números del 0-9 si estos no son parte del set de entrenamiento.

Las Regresiones también son una sub-categoría de los algoritmos de aprendizaje supervisado, pero se utilizan en la predicción de valores continuos. En el análisis de regresiones, se entrega un número o números (predictor) que explican el valor de salida, es decir, los valores de entrada guardan relación con la variable a explicar. Dentro de las regresiones, la más común es la regresión lineal, que mediante una ecuación de primer orden busca explicar un valor de salida.

Aprendizaje por refuerzo (Reinforcement learning)

El aprendizaje por refuerzo busca desarrollar sistemas (agent) que mejoren su desempeño a partir de interacciones con su entorno. Como el estado actual del entorno típicamente incluye información del desempeño de una acción (reward signal) se puede pensar el reinforcement learning como un tipo aprendizaje supervisado. Sin embargo, el reward signal no es el dato o valor correcto asociado el estado del entorno sino que es una medida de que tan bien se desempeñó la acción tomada. Un sistema puede tomar esta medida de éxito y mediante múltiples intentos (por ensayo y error o planeados) maximizar su recompensa.

Un ejemplo de aprendizaje por refuerzo podría ser un motor de ajedrez. Aquí el agente o sistema toma una serie de decisiones en base al estado actual del tablero (environment) y la señal de recompensa (reward signal) puede ser entendida como ganar o perder el juego. Al jugar múltiples veces, el agente cada vez se vuelve mejor para ello (o por lo menos esa es la idea).

Aprendizaje no supervisado (Unsupervised learning)

En los algoritmos de aprendizaje supervisado, conocemos la respuesta correcta de antemano y con esto entrenamos un sistema. En el aprendizaje por refuerzo, definimos una función que nos indica que tan buen desempeño tiene una acción en el entorno, lo que permite ir mejorando el desempeño del sistema. Lamentablemente en el aprendizaje no supervisado no contamos con esta información, acá trabajamos con datos no etiquetados (ej.: spam vs. no-spam) o con estructuras completamente desconocidas. El aprendizaje no supervisado nos entrega herramientas para explorar y extraer información relevante de la estructura sin tener conocimiento previo.

Un ejemplo de aprendizaje no supervisado es la búsqueda de sub-grupos mediante el clustering. El clustering es una técnica de exploración que nos permite agrupar datos de forma significativa sin conocimiento previo de ellos. Los elementos de cada grupo que emergen tiene cierta similitud, pero que son mayormente disímiles con los otros sub-grupos. Un ejemplo práctico sería la clasificación (no supervisada) de clientes para dirigir de mejor forma las acciones de marketing en una compañía.

Otro sub-campo del aprendizaje no supervisado es la reducción de dimensionalidad para la compresión de datos. En ocasiones, los datos vienen con un gran número de dimensiones (o atributos) que puede dificultar su almacenamiento. En estas situaciones, la reducción de dimensionalidad permite descartar las dimensiones que no son suficientemente relevantes para predicción, esto permite ahorrar espacio y tiempo de procesamiento. Por esto, muchas veces se hace durante la etapa de pre-procesamiento de datos. En otras ocasiones, queremos graficar los datos en 1, 2 o 3D, para esto también nos puede ser útil.

Para terminar

Entrar al mundo de machine learning es poco árido debido a la cantidad y complejidad de las disciplinas que involucra (programación, estadística, big data, etc.). Es probable que una introducción como esta deje más dudas que respuestas, pero si mantenemos las ganas aprender, iremos en la dirección correcta. Ánimo y hasta la próxima!