{"id":161253,"date":"2022-10-26T10:10:00","date_gmt":"2022-10-26T07:10:00","guid":{"rendered":"https:\/\/howto.mediadoma.com\/?p=161253"},"modified":"2025-03-15T11:15:51","modified_gmt":"2025-03-15T08:15:51","slug":"inteligencia-artificial-y-como-cambiara-el-mundo","status":"publish","type":"post","link":"https:\/\/howto.mediadoma.com\/es\/inteligencia-artificial-y-como-cambiara-el-mundo\/","title":{"rendered":"Inteligencia artificial y c\u00f3mo cambiar\u00e1 el mundo"},"content":{"rendered":"\n

En<\/strong> los \u00faltimos a\u00f1os, la inteligencia artificial se ha convertido en una parte cada vez mayor de la vida cotidiana. Alguna vez solo forraje para libros de ciencia ficci\u00f3n, la IA ahora se usa en industrias que van desde el marketing hasta la atenci\u00f3n m\u00e9dica. Para 2025, se espera que el mercado global de software de inteligencia artificial crezca a $ 126 mil millones<\/a>.<\/p>\n

Aunque la IA es bastante com\u00fan ahora, todav\u00eda es una tecnolog\u00eda en pa\u00f1ales. En los pr\u00f3ximos a\u00f1os y d\u00e9cadas, la IA y otras tecnolog\u00edas revolucionar\u00e1n el mundo, abriendo grandes oportunidades para el desarrollo econ\u00f3mico y social. Esto es lo que necesita saber sobre c\u00f3mo la inteligencia artificial cambiar\u00e1 el mundo.<\/p>\n

Primero, expliquemos la inteligencia artificial<\/h2>\n

Aunque la mayor\u00eda de la gente tiene al menos una comprensi\u00f3n general \"Inteligenciadel t\u00e9rmino, la inteligencia artificial moderna es un campo amplio y complejo. Antes de saltar a lo que la IA puede lograr en un futuro cercano, demos un paso atr\u00e1s y echemos un vistazo a lo que realmente es la inteligencia artificial y c\u00f3mo funciona.<\/p>\n

\u00bfQu\u00e9 separa a la IA de la programaci\u00f3n inform\u00e1tica convencional?<\/h3>\n

Para comenzar, consideremos en qu\u00e9 se diferencia la inteligencia artificial de los m\u00e9todos de programaci\u00f3n utilizados en los sistemas inform\u00e1ticos tradicionales. En un programa convencional, un programador escribe un conjunto de instrucciones que utiliza el sistema para procesar entradas. Si bien las entradas pueden cambiar, el algoritmo utilizado para procesar la entrada sigue siendo el mismo y se utiliza para producir alguna salida.<\/p>\n

AI, por otro lado, le da la vuelta a este concepto. En lugar de convertir una entrada en una salida usando un conjunto de instrucciones predeterminadas, un programa de IA "aprende" de las entradas que recibe<\/a>. En otras palabras, en lugar de que un programador humano cree un algoritmo para manejar entradas, la computadora desarrolla y luego mejora continuamente su propio algoritmo. Esto permite que el programa mejore gradualmente en una tarea dada, ya que se entrena con grandes conjuntos de datos y se le brinda retroalimentaci\u00f3n sobre la precisi\u00f3n de sus resultados. En lugar de usar un conjunto de reglas para convertir una entrada en una salida, la IA est\u00e1 entrenada para "aprender" las reglas de una tarea determinada a medida que avanza.<\/p>\n

Los tipos de IA<\/h3>\n

En t\u00e9rminos generales, la IA se puede dividir en dos categor\u00edas b\u00e1sicas<\/a>. La primera, conocida como inteligencia artificial estrecha, se refiere a la capacidad de realizar una tarea o un conjunto de tareas definidas de forma estrecha. Se puede usar un sistema de IA estrecho para jugar un juego, recomendar productos basados \u200b\u200ben patrones en los datos del cliente o administrar las redes el\u00e9ctricas<\/a> de acuerdo con el consumo de energ\u00eda. Cabe se\u00f1alar que una tarea no tiene que ser simple para ser abordada por un sistema de IA limitado. Un programa de inteligencia artificial utilizado para controlar un autom\u00f3vil aut\u00f3nomo, por ejemplo, todav\u00eda se considera un ejemplo de IA estrecha, a pesar de la naturaleza relativamente compleja de la conducci\u00f3n.<\/p>\n

El segundo tipo de IA se conoce como IA general. A diferencia de una IA estrecha, un sistema de IA general ser\u00eda capaz de manejar una gama de tareas diferentes y no relacionadas aprendiendo y aplicando la experiencia previa. En este sentido, una IA general ser\u00eda similar a un ser humano. No hace falta decir que la IA general es una aplicaci\u00f3n de inteligencia artificial mucho m\u00e1s avanzada y tecnol\u00f3gicamente exigente que la IA limitada.<\/p>\n

Una extensi\u00f3n de la IA general es el concepto de superinteligencia artificial<\/a>. Hipot\u00e9ticamente, un programa de IA dise\u00f1ado para manejar tareas generales y con acceso a recursos de procesamiento de datos y memoria suficientemente grandes podr\u00eda eventualmente superar a los humanos en casi cualquier tarea. Aunque intrigante, la superinteligencia artificial todav\u00eda est\u00e1 en el \u00e1mbito de la ciencia ficci\u00f3n.<\/p>\n

Comprender el aprendizaje autom\u00e1tico y el aprendizaje profundo<\/h3>\n

Adem\u00e1s de los tipos b\u00e1sicos de IA discutidos anteriormente, existen m\u00faltiples enfoques para implementar la inteligencia artificial. Los dos m\u00e9todos de IA m\u00e1s importantes se conocen como aprendizaje autom\u00e1tico (ML) y aprendizaje profundo (DL)<\/a>.<\/p>\n

El aprendizaje autom\u00e1tico es un m\u00e9todo mediante el cual las computadoras pueden "aprender" a partir de los datos que se les proporcionan. Los sistemas ML entrenan algoritmos para identificar adecuadamente patrones u otras caracter\u00edsticas de las entradas. A medida que pasa el tiempo, el algoritmo mejorar\u00e1 progresivamente en la ejecuci\u00f3n correcta de la tarea para la que est\u00e1 siendo entrenado. ML se usa ampliamente en an\u00e1lisis predictivo<\/a>, filtrado de correo electr\u00f3nico, detecci\u00f3n de fraude en l\u00ednea, chatbots de atenci\u00f3n al cliente y una variedad de otras tareas \u00fatiles. Sin embargo, para que el entrenamiento funcione, los humanos generalmente deben seleccionar las propiedades de los datos que el algoritmo est\u00e1 siendo entrenado para identificar.<\/p>\n

El aprendizaje profundo, una versi\u00f3n m\u00e1s avanzada del aprendizaje autom\u00e1tico, lleva este concepto al siguiente nivel. Los programas de aprendizaje profundo intentan imitar el funcionamiento del cerebro humano<\/a> filtrando y clasificando autom\u00e1ticamente los datos. A diferencia de ML normal, un algoritmo DL puede buscar y aprender de patrones en datos incluso sin que un humano le diga qu\u00e9 buscar. Debido a su capacidad para encontrar patrones por s\u00ed mismos, los sistemas DL se utilizan normalmente en aplicaciones m\u00e1s avanzadas, como la visi\u00f3n artificial y los veh\u00edculos aut\u00f3nomos. A pesar de ser m\u00e1s avanzado y m\u00e1s poderoso, el aprendizaje profundo tiene ciertas limitaciones. Como regla general, los algoritmos DL requieren conjuntos de datos de entrenamiento m\u00e1s grandes<\/a> y m\u00e1s poder de procesamiento, lo que los hace m\u00e1s costosos de desarrollar y entrenar que los algoritmos ML ordinarios.<\/p>\n

El estado actual de la tecnolog\u00eda de IA<\/h2>\n

Para comprender hacia d\u00f3nde se dirige la inteligencia artificial, primero es importante saber d\u00f3nde se encuentra actualmente y c\u00f3mo lleg\u00f3 all\u00ed. Por contexto, echemos un vistazo a la historia de la inteligencia artificial y el estado de la tecnolog\u00eda tal como existe hoy.<\/p>\n

Una breve historia de la IA<\/h3>\n

Aunque hab\u00eda precedentes anteriores, el t\u00e9rmino \u00abinteligencia artificial" se us\u00f3 por primera vez en una conferencia acad\u00e9mica en 1956<\/a>. Esa conferencia y sus asistentes desencadenaron una ola de inter\u00e9s en el concepto de inteligencia artificial, pero el progreso en el campo result\u00f3 extremadamente lento. A mediados de la d\u00e9cada de 1970, la oleada inicial de entusiasmo se hab\u00eda desvanecido en gran medida, lo que result\u00f3 en lo que se conoce como el invierno de la IA. Este per\u00edodo de estancamiento durar\u00eda hasta principios de la d\u00e9cada de 1980.<\/p>\n

Sin embargo, a medida que el poder de c\u00f3mputo continu\u00f3 mejorando, los gobiernos y las empresas mostraron un inter\u00e9s renovado en la IA. Este per\u00edodo traer\u00eda avances considerables en el campo, incluido el desarrollo del aprendizaje profundo temprano<\/a>. Esta fue tambi\u00e9n la era que vio el surgimiento de los sistemas expertos, algoritmos inform\u00e1ticos dise\u00f1ados para imitar la toma de decisiones humana al comparar las entradas con un cuerpo de conocimiento existente. Aunque primitivos para los est\u00e1ndares actuales, los sistemas expertos representaron una forma temprana de IA que fue \u00fatil en aplicaciones comerciales del mundo real.<\/p>\n

En la d\u00e9cada de 1990 y principios de la de 2000, la IA comenz\u00f3 a acercarse a su estado actual.\u00a0Los primeros chatbots de IA<\/a>, los programas de visi\u00f3n por computadora y otras aplicaciones que son relativamente comunes hoy en d\u00eda se desarrollaron durante este per\u00edodo. Al mismo tiempo, la potencia inform\u00e1tica sigui\u00f3 creciendo, lo que permiti\u00f3 que los algoritmos de IA se volvieran m\u00e1s \u00fatiles y generara un mayor uso del aprendizaje autom\u00e1tico.<\/p>\n

\u00bfD\u00f3nde est\u00e1 la IA hoy?<\/h3>\n

Hoy en d\u00eda, los programas de inteligencia artificial de vanguardia utilizan predominantemente una forma de aprendizaje autom\u00e1tico conocida como red neuronal artificial (ANN)<\/a>. Las ANN modelan el funcionamiento de las neuronas en el cerebro humano, lo que permite que las m\u00e1quinas "piensen" m\u00e1s como humanos. Las ANN permiten a las IA abordar tareas m\u00e1s complejas, lo que las hace adecuadas para entrenar r\u00e1pidamente algoritmos de aprendizaje profundo.<\/p>\n

En t\u00e9rminos de aplicaciones, el uso de IA se ha expandido mucho en los \u00faltimos a\u00f1os. Hoy en d\u00eda, encontrar\u00e1 programas de IA que se utilizan para hacer de todo, desde seleccionar feeds de redes sociales hasta mejorar el rendimiento de los cultivos en la agricultura<\/a>. Aunque se presta mucha atenci\u00f3n al uso de la tecnolog\u00eda en autom\u00f3viles aut\u00f3nomos y drones aut\u00f3nomos, la realidad es que los sistemas de IA est\u00e1n pr\u00e1cticamente en todas partes y la mayor\u00eda de las personas interact\u00faan con ellos de alguna manera en el d\u00eda a d\u00eda.<\/p>\n

A pesar de su proliferaci\u00f3n y amplia gama de usos, la inteligencia artificial sigue siendo un campo tecnol\u00f3gico emergente. Las aplicaciones que hoy son comunes habr\u00edan sido poco m\u00e1s que proyectos acad\u00e9micos hace 10 o 20 a\u00f1os. Tambi\u00e9n es importante tener en cuenta que toda la IA moderna se clasifica como inteligencia artificial limitada. Aunque puede ser bastante eficiente en ciertas tareas, la IA todav\u00eda est\u00e1 muy por detr\u00e1s de los humanos en t\u00e9rminos de inteligencia general. En promedio, la mayor\u00eda de los expertos cree que ser\u00e1 al menos 2060<\/a> antes de que se logre la inteligencia artificial general.<\/p>\n

\u00bfQu\u00e9 empresas est\u00e1n a la cabeza en IA hoy?<\/h2>\n

Si bien hay una gran cantidad de peque\u00f1as empresas emergentes que intentan aprovechar la tecnolog\u00eda de IA, el campo est\u00e1 dominado en gran medida por un pu\u00f1ado de empresas grandes y exitosas con los recursos y la experiencia para utilizar la tecnolog\u00eda al m\u00e1ximo. A continuaci\u00f3n, encontrar\u00e1 un resumen de algunas de las empresas l\u00edderes en el campo de la inteligencia artificial en la actualidad.<\/p>\n

Google<\/h3>\n

Como es habitual en el mundo de la tecnolog\u00eda, Google est\u00e1 a la vanguardia del movimiento de IA. Google utiliza varias formas de IA, especialmente aprendizaje profundo, para potenciar muchos de sus servicios orientados al consumidor.\u00a0El reconocimiento de voz en Google Assistant<\/a>, el reconocimiento de im\u00e1genes y el an\u00e1lisis autom\u00e1tico de video son solo algunos ejemplos de c\u00f3mo la compa\u00f1\u00eda ha implementado la tecnolog\u00eda a nivel pr\u00e1ctico.<\/p>\n

Si bien Google es sin duda un l\u00edder en la implementaci\u00f3n de IA, la contribuci\u00f3n m\u00e1s importante de la empresa en este campo ha sido la creaci\u00f3n de una biblioteca de aprendizaje autom\u00e1tico de c\u00f3digo abierto llamada TensorFlow<\/a>. Al permitir que cualquier persona interesada en la IA desarrolle nuevas herramientas con TensorFlow, Google ha democratizado enormemente el campo. Como autor de la principal herramienta de c\u00f3digo abierto utilizada para desarrollar programas de inteligencia artificial en la actualidad, se puede decir que Google es el l\u00edder mundial en el campo de la inteligencia artificial.<\/p>\n

Amazonas<\/h3>\n

Si bien Google ciertamente lidera en t\u00e9rminos de desarrollo de IA, Amazon ha aprovechado la tecnolog\u00eda para optimizar sus funciones comerciales y ha mostrado los resultados pragm\u00e1ticos que la IA puede producir. Adem\u00e1s de su famoso motor de recomendaci\u00f3n de productos impulsado por IA, Amazon ha desarrollado el asistente personal Alexa en el lado de su negocio orientado al cliente. Sin embargo, el verdadero poder de la IA en Amazon est\u00e1 detr\u00e1s de escena, donde el aprendizaje autom\u00e1tico ha permitido a la empresa mejorar enormemente sus operaciones de almac\u00e9n<\/a>. Tambi\u00e9n se utilizan sistemas similares para optimizar los procesos de entrega<\/a> de la compa\u00f1\u00eda, asegurando que los innumerables paquetes que maneja Amazon cada d\u00eda lleguen a sus destinos lo m\u00e1s r\u00e1pido posible.<\/p>\n

Bitmain<\/h3>\n

Aunque no tiene un perfil tan alto como Google o Amazon, el productor de chips para miner\u00eda de Bitcoin, Bitmain, tambi\u00e9n ha hecho algunas contribuciones importantes al mundo de la IA. En abril de 2020, la compa\u00f1\u00eda revel\u00f3 que hab\u00eda desarrollado con \u00e9xito un software de reconocimiento de im\u00e1genes de IA destinado a identificar aves raras y en peligro<\/a> de extinci\u00f3n \u00a0con fines de conservaci\u00f3n. Bitmain tambi\u00e9n est\u00e1 utilizando su hardware de chip con capacidad de IA para respaldar el desarrollo de proyectos que van desde ciudades inteligentes<\/a> hasta sistemas mejorados de reconocimiento facial.<\/p>\n

tesla<\/h3>\n

Como era de esperar, el fabricante de autom\u00f3viles el\u00e9ctricos Tesla se ha apoyado en la IA como un componente clave de su negocio a medida que impulsa el desarrollo de veh\u00edculos comerciales totalmente aut\u00f3nomos. De hecho, la empresa se ha estado preparando para su sistema de conducci\u00f3n de IA desde el primer d\u00eda al equipar cada veh\u00edculo que vende con el hardware necesario para la conducci\u00f3n aut\u00f3noma<\/a>. A medida que se desarrollan nuevas funciones de conducci\u00f3n aut\u00f3noma, Tesla simplemente puede enviarlas en forma de actualizaci\u00f3n de software.<\/p>\n

En 2019, Tesla incluso lleg\u00f3 a adquirir la startup de inteligencia artificial DeepScale<\/a> para respaldar el desarrollo de su sistema de piloto autom\u00e1tico. Esta decisi\u00f3n demostr\u00f3 cu\u00e1n importante cree la compa\u00f1\u00eda que es la tecnolog\u00eda de IA para su futuro, as\u00ed como cu\u00e1nto valor pueden generar en el mercado las nuevas empresas centradas en la tecnolog\u00eda de inteligencia artificial.<\/p>\n

M\u00e1s all\u00e1 de su sistema de conducci\u00f3n aut\u00f3noma, Tesla tambi\u00e9n planea implementar inteligencia artificial como parte de su proyecto de planta de energ\u00eda virtual<\/a>. Este proyecto de energ\u00eda verde, destinado a complementar o reemplazar las plantas de energ\u00eda tradicionales con hardware solar dom\u00e9stico, utilizar\u00e1 an\u00e1lisis de IA para predecir el uso y la demanda, lo que permitir\u00e1 que la red VPP haga los ajustes necesarios durante las horas de alta demanda.<\/p>\n

C\u00f3mo la IA cambiar\u00e1 fundamentalmente el mundo<\/h2>\n

La inteligencia artificial es diferente a cualquier otra herramienta desarrollada por la humanidad. Al permitir que las computadoras aprendan y piensen por s\u00ed mismas, los sistemas de IA tienen el potencial de ayudar a los trabajadores humanos incluso en las tareas m\u00e1s complejas. Al combinar el intelecto humano con una IA cada vez m\u00e1s poderosa, la tecnolog\u00eda est\u00e1 lista para cambiar fundamentalmente casi todas las \u00e1reas de la vida moderna. Aunque ser\u00eda imposible explorar todos los usos de la IA en un solo art\u00edculo, a continuaci\u00f3n encontrar\u00e1 algunas de las \u00e1reas m\u00e1s importantes que la inteligencia artificial est\u00e1 destinada a revolucionar.<\/p>\n

Salud y Medicina<\/h3>\n

Podr\u00eda decirse que el campo de la medicina es una de las \u00e1reas en las que la IA podr\u00eda tener el mayor grado de impacto. Las aplicaciones de IA en entornos m\u00e9dicos comienzan con el diagn\u00f3stico. Al escanear los datos m\u00e9dicos en busca de signos reveladores de enfermedades, se ha demostrado que los algoritmos de diagn\u00f3stico diagnostican con precisi\u00f3n las condiciones antes<\/a> que los profesionales m\u00e9dicos humanos. Sorprendentemente, esta tecnolog\u00eda puede funcionar incluso sin la colaboraci\u00f3n de un m\u00e9dico capacitado. En 2018, la FDA aprob\u00f3 el uso de una herramienta de diagn\u00f3stico de IA para detectar la retinopat\u00eda diab\u00e9tica<\/a> mediante escaneos de los ojos de un paciente. Este sistema opera independientemente de un diagn\u00f3stico especializado, requiriendo solo un trabajador menos calificado para realizar los escaneos. Dichos sistemas podr\u00edan alg\u00fan d\u00eda permitir diagn\u00f3sticos m\u00e1s r\u00e1pidos y precisos en un entorno de atenci\u00f3n primaria de la salud.<\/p>\n

Sin embargo, el papel de la IA en la medicina no termina con el diagn\u00f3stico. La tecnolog\u00eda tambi\u00e9n se puede aplicar para hacer que el proceso de descubrimiento de f\u00e1rmacos sea m\u00e1s r\u00e1pido y menos costoso. Usando bases de datos de ensayos cl\u00ednicos y trabajos de investigaci\u00f3n acad\u00e9mica, las IA pueden identificar r\u00e1pidamente compuestos candidatos<\/a> que se sabe que interact\u00faan con la patolog\u00eda de una enfermedad determinada. Al comparar muestras de tejido<\/a> de pacientes con y sin una enfermedad espec\u00edfica, los sistemas de descubrimiento de f\u00e1rmacos de IA tambi\u00e9n pueden descubrir nueva informaci\u00f3n sobre c\u00f3mo progresa esa enfermedad en el cuerpo humano. Estos conocimientos pueden generar recomendaciones de compuestos qu\u00edmicos que podr\u00edan resultar efectivos, incluso si no se han asociado previamente con la afecci\u00f3n en cuesti\u00f3n.<\/p>\n

Incluso en el \u00e1rea de alto riesgo de la cirug\u00eda, los profesionales de la salud y los investigadores est\u00e1n descubriendo funciones mejoradas para la inteligencia artificial. Al aprender de los planes quir\u00fargicos anteriores, las IA pueden ayudar a los cirujanos proponiendo nuevos planes quir\u00fargicos<\/a> para casos similares. La integraci\u00f3n de la inteligencia artificial tambi\u00e9n podr\u00eda mejorar en gran medida los robots quir\u00fargicos<\/a>, permiti\u00e9ndoles realizar una gama m\u00e1s amplia y compleja de tareas para ayudar de manera m\u00e1s efectiva al cirujano humano supervisor.<\/p>\n

Finalmente, el an\u00e1lisis predictivo de IA alg\u00fan d\u00eda podr\u00e1 identificar posibles epidemias y ayudar a los especialistas en enfermedades infecciosas a coordinar las respuestas. Esta capacidad se demostr\u00f3 al comienzo de la pandemia de COVID-19, cuando un pu\u00f1ado de programas de IA emitieron alertas tempranas<\/a> de un posible brote de enfermedad respiratoria en Wuhan, China, m\u00e1s de una semana antes de que la OMS reconociera oficialmente el comienzo del brote. Con mejoras futuras, estos programas de an\u00e1lisis predictivo podr\u00edan proporcionar informaci\u00f3n m\u00e1s temprana y procesable sobre las amenazas emergentes para el cuidado de la salud. Tambi\u00e9n se pueden usar sistemas similares para preparar hospitales para manejar grandes cantidades de pacientes al optimizar el uso de recursos<\/a> y permitir que el personal del hospital planifique escenarios de alta demanda con anticipaci\u00f3n.<\/p>\n

Tomados en su conjunto, estos usos muestran un papel para la IA en el campo m\u00e9dico que se extiende desde la investigaci\u00f3n hasta la atenci\u00f3n pr\u00e1ctica del paciente. Cualquiera de estos avances tecnol\u00f3gicos ser\u00eda extremadamente \u00fatil por s\u00ed solo, pero su desarrollo colectivo revolucionar\u00e1 la capacidad de los profesionales m\u00e9dicos para comprender y abordar las enfermedades humanas.<\/p>\n

Negocios y Finanzas<\/h3>\n

Al igual que en el cuidado de la salud, la IA est\u00e1 configurada para cambiar y optimizar pr\u00e1cticamente todas las partes del mundo empresarial moderno. Los impactos de la inteligencia artificial en los negocios comienzan con el suministro de informaci\u00f3n basada en datos para la toma de decisiones<\/a>. Desde la asignaci\u00f3n de recursos en campa\u00f1as de marketing hasta la decisi\u00f3n de qu\u00e9 candidato contratar para un trabajo, el an\u00e1lisis de IA puede ayudar a las empresas a tomar decisiones mejores y m\u00e1s rentables. Estos sistemas se adaptan particularmente bien a la naturaleza cada vez m\u00e1s digital del lugar de trabajo, ya que las empresas modernas generan inmensas cantidades de datos de los que los algoritmos de IA pueden aprender para optimizar las operaciones comerciales.<\/p>\n

La capacidad de la inteligencia artificial para analizar r\u00e1pidamente el funcionamiento de sistemas complejos tambi\u00e9n la hace perfectamente adecuada para el campo de\u00a0 la gesti\u00f3n de la cadena de suministro<\/a>. En las \u00faltimas d\u00e9cadas, las cadenas de suministro globales se han vuelto m\u00e1s largas y complejas que nunca. Sin embargo, al usar IA, las empresas podr\u00edan predecir de manera proactiva la demanda, hacer que los almacenes sean m\u00e1s eficientes y optimizar las rutas de entrega para garantizar que la cadena de suministro funcione de la manera m\u00e1s fluida y r\u00e1pida posible. Seg\u00fan una encuesta reciente realizada por McKinsey and Company, el 61 % de las empresas<\/a> espera ver ahorros en la gesti\u00f3n de la cadena de suministro como resultado de la integraci\u00f3n de la IA.<\/p>\n

Sin embargo, es importante tener en cuenta que la influencia de la IA en el sector empresarial no termina con la log\u00edstica, la planificaci\u00f3n y el an\u00e1lisis. En los pr\u00f3ximos a\u00f1os, la inteligencia artificial probablemente tendr\u00e1 una presencia tan grande en las plantas de producci\u00f3n como en las salas de juntas corporativas. La misma encuesta de McKinsey mencionada anteriormente sugiri\u00f3 que el 64 por ciento de las empresas esperan ver ahorros en sus operaciones de fabricaci\u00f3n como resultado de la IA. En gran parte, estos ahorros ser\u00e1n el resultado de los sistemas de mantenimiento predictivo<\/a> que controlan el rendimiento de los equipos y programan el mantenimiento para minimizar el tiempo de inactividad. Los algoritmos generativos tambi\u00e9n se pueden usar para optimizar los dise\u00f1os de productos digitales<\/a>, lo que podr\u00eda detectar fallas de dise\u00f1o de manera temprana y, por lo tanto, reducir la duraci\u00f3n y el costo del proceso de creaci\u00f3n de prototipos.<\/p>\n

La IA tambi\u00e9n est\u00e1 lista para tener un impacto masivo en el aspecto financiero del mundo empresarial. El ejemplo m\u00e1s destacado de esto es la industria Fintech, donde la IA ya se est\u00e1 aprovechando para brindar servicios financieros asequibles y accesibles a gran escala. Desde la inversi\u00f3n hasta las decisiones crediticias<\/a>, la IA est\u00e1 desempe\u00f1ando un papel cada vez m\u00e1s importante en la vida financiera. A medida que pasa el tiempo y los algoritmos contin\u00faan mejorando, es probable que la inteligencia artificial se utilice para optimizar los pr\u00e9stamos, administrar los riesgos financieros e incluso analizar los datos hist\u00f3ricos del mercado de valores<\/a> para mejorar la asignaci\u00f3n de recursos en las carteras de inversi\u00f3n.<\/p>\n

Al igual que con el campo de la medicina, la IA parece dispuesta a asumir un papel integral en el mundo de los negocios. Comenzando con el dise\u00f1o del producto y terminando con la log\u00edstica de entrega, la inteligencia artificial puede optimizar pr\u00e1cticamente cada paso en el proceso de provisi\u00f3n de bienes y servicios a los consumidores. Juntos, estos desarrollos har\u00e1n que las empresas sean m\u00e1s \u00e1giles, m\u00e1s receptivas a las cambiantes demandas de los consumidores y m\u00e1s rentables.<\/p>\n

Ingenier\u00eda<\/h3>\n

Como ya mencionamos, la IA puede desempe\u00f1ar un papel importante en la optimizaci\u00f3n de los dise\u00f1os de productos. Las capacidades de la tecnolog\u00eda en el campo de la ingenier\u00eda, sin embargo, son mucho m\u00e1s amplias. Una de las funciones m\u00e1s importantes de esta tecnolog\u00eda emergente es la integraci\u00f3n de conjuntos de datos<\/a> de m\u00faltiples proyectos de ingenier\u00eda. Gracias a su capacidad para analizar grandes cantidades de datos, la IA puede obtener informaci\u00f3n \u00fatil de m\u00faltiples proyectos en la misma empresa y entregar esa informaci\u00f3n a los ingenieros que trabajan en cada proyecto. Esto, a su vez, puede mejorar la cooperaci\u00f3n y la coordinaci\u00f3n entre los ingenieros responsables de cada parte individual de un esfuerzo de dise\u00f1o mayor.<\/p>\n

La IA tambi\u00e9n puede liberar a los ingenieros para que realicen un trabajo de gran apalancamiento mediante la automatizaci\u00f3n de tareas que consumen mucho tiempo y que normalmente ralentizan el proceso de dise\u00f1o. En este sentido, los sistemas avanzados de IA se incorporar\u00e1n al flujo de trabajo de ingenier\u00eda de la misma manera que lo hicieron los programas tradicionales de dise\u00f1o asistido por computadora (CAD) hace d\u00e9cadas.<\/p>\n

Sin embargo, el verdadero poder de la IA desde la perspectiva de la ingenier\u00eda proviene de la capacidad de la tecnolog\u00eda para ayudar a los ingenieros e investigadores a desarrollar materiales novedosos para usos especializados. La IA puede respaldar la ciencia de materiales avanzada mediante el modelado de nuevos materiales<\/a> y la predicci\u00f3n de sus propiedades. Esta capacidad de predecir con precisi\u00f3n las propiedades de un nuevo material permitir\u00e1 a los cient\u00edficos de materiales producir nuevos materiales m\u00e1s r\u00e1pidamente de lo que permiten actualmente los m\u00e9todos de investigaci\u00f3n convencionales. Esto, a su vez, ampliar\u00e1 la gama de materiales disponibles para los ingenieros para sus proyectos.<\/p>\n

Resolviendo Problemas Sociales<\/h3>\n

Adem\u00e1s de su inmenso potencial en el sector privado, la IA tambi\u00e9n tiene un papel importante que desempe\u00f1ar en la resoluci\u00f3n de problemas apremiantes a los que se enfrenta la sociedad moderna. Aunque las soluciones a estos problemas han eludido a los expertos gubernamentales y acad\u00e9micos durante d\u00e9cadas, la IA podr\u00eda ser una herramienta fundamental para ayudar a la humanidad a enfrentar algunos de sus mayores desaf\u00edos.<\/p>\n

El primero y m\u00e1s importante de ellos, por supuesto, es el cambio clim\u00e1tico. La tecnolog\u00eda de IA est\u00e1 en una posici\u00f3n \u00fanica para ayudar a los cient\u00edficos y a los responsables de la formulaci\u00f3n de pol\u00edticas p\u00fablicas a comprender el cambio clim\u00e1tico mediante la creaci\u00f3n\u00a0 de modelos m\u00e1s precisos<\/a> de sus efectos. Estos modelos tambi\u00e9n se pueden usar para determinar qu\u00e9 acciones y pol\u00edticas tienen m\u00e1s probabilidades de reducir los niveles atmosf\u00e9ricos de di\u00f3xido de carbono, lo que permite a los gobiernos intervenir de manera espec\u00edfica e impactante. La tecnolog\u00eda tambi\u00e9n podr\u00eda afectar las emisiones de carbono directamente al optimizar el uso de energ\u00eda<\/a> e impulsar avances m\u00e1s r\u00e1pidos en la tecnolog\u00eda de energ\u00eda verde.<\/p>\n

En t\u00e9rminos de asuntos humanos m\u00e1s mundanos, la IA tambi\u00e9n podr\u00eda ser una herramienta cr\u00edtica en el esfuerzo global en curso para limitar la corrupci\u00f3n p\u00fablica<\/a>. De la misma manera que el an\u00e1lisis predictivo se puede usar para detectar fraudes en transacciones del sector privado, los sistemas de IA se pueden usar para descubrir el uso inapropiado de recursos en el sector p\u00fablico. Tambi\u00e9n puede ser posible reducir la posibilidad de que ocurra una actividad corrupta en primer lugar mediante la automatizaci\u00f3n de sistemas que anteriormente depend\u00edan de humanos. Tal automatizaci\u00f3n limitar\u00eda las oportunidades de actividad corrupta al eliminar el elemento humano potencialmente poco confiable y garantizar que los fondos p\u00fablicos se distribuyeran adecuadamente.<\/p>\n

Aunque su papel en esta \u00e1rea probablemente ser\u00e1 menor, la inteligencia artificial puede apoyar los esfuerzos para aumentar el acceso a viviendas asequibles. Los sistemas de inteligencia artificial que modelan el riesgo con mayor precisi\u00f3n<\/a> y pueden tomar decisiones de pr\u00e9stamo de forma aut\u00f3noma reducir\u00edan el costo de iniciar pr\u00e9stamos. Al usar datos m\u00e1s all\u00e1 de un simple puntaje crediticio para tomar decisiones crediticias, los algoritmos tambi\u00e9n pueden ayudar a las personas que no son solventes en el sentido tradicional a financiar la compra de viviendas.<\/p>\n

La promesa de la inteligencia artificial general<\/h3>\n

Por revolucionarias que puedan parecer las posibilidades discutidas anteriormente, todas se pueden lograr de manera realista con inteligencia artificial limitada. Si alguna vez se logra la IA general, sus capacidades podr\u00edan expandirse mucho m\u00e1s all\u00e1 de lo que se ha discutido hasta ahora. Los futuristas creen que una IA general podr\u00eda lograr objetivos aparentemente imposibles, como poner fin a las guerras o erradicar la pobreza humana<\/a>. Algunos pensadores son a\u00fan m\u00e1s audaces y sugieren que el desarrollo de la inteligencia artificial general podr\u00eda ser un trampol\u00edn hacia la inmortalidad digital<\/a> de los humanos al permitir que la conciencia humana se ejecute en el hardware de la computadora.<\/p>\n

\u00bfC\u00f3mo se suma todo?<\/h3>\n

Como puede ver, pr\u00e1cticamente no hay \u00e1rea de la vida cotidiana en la que la IA no tenga al menos alg\u00fan efecto a medida que la tecnolog\u00eda mejora y su uso se vuelve m\u00e1s com\u00fan. Desde el trabajo y la salud hasta la soluci\u00f3n de algunos de los problemas m\u00e1s grandes del mundo, la inteligencia artificial trabajar\u00e1 en conjunto con el ingenio humano para mejorar casi todos los aspectos de nuestras vidas. Como resultado, las pr\u00f3ximas d\u00e9cadas pueden ser un per\u00edodo de cambios r\u00e1pidos y grandes oportunidades para que las sociedades, las empresas y las personas aprovechen el poder de la IA.<\/p>\n

C\u00f3mo la IA puede interactuar con otras tecnolog\u00edas emergentes<\/h2>\n

Tan claro como es que la IA es inmensamente prometedora incluso en su estado actual, su verdadero poder ser\u00e1 puesto de manifiesto por otros desarrollos tecnol\u00f3gicos de vanguardia. En esta secci\u00f3n, analizaremos la relaci\u00f3n de la IA con el Internet de las cosas, la computaci\u00f3n cu\u00e1ntica y las redes de comunicaciones 5G. Si bien estas tecnolog\u00edas son revolucionarias por derecho propio, tambi\u00e9n tienen un papel integral que desempe\u00f1ar para permitir que la inteligencia artificial alcance su m\u00e1ximo potencial.<\/p>\n

Internet de las cosas (IoT)<\/h3>\n

En los \u00faltimos a\u00f1os, la cantidad de dispositivos conectados a Internet ha aumentado enormemente. Adem\u00e1s de los tel\u00e9fonos inteligentes y las computadoras, los art\u00edculos cotidianos, desde termostatos hasta lavadoras, han obtenido acceso a Internet. En conjunto, esta red mundial de dispositivos se conoce como Internet de las cosas o IoT. A finales de 2019, el IoT constaba de unos 7600 millones de dispositivos en todo el mundo<\/a>.<\/p>\n

Cuando se combinan con IA, estos dispositivos IoT pueden volverse mucho m\u00e1s eficientes y \u00fatiles de lo que son actualmente. Los algoritmos de IA se pueden utilizar para mejorar la eficiencia en las operaciones<\/a> mediante el an\u00e1lisis de datos de los dispositivos IoT del lugar de trabajo. De manera similar, los dispositivos conectados en el lugar de trabajo pueden interactuar con los sistemas de inteligencia artificial que pueden predecir y mitigar los riesgos antes de que tengan la posibilidad de causar interrupciones comerciales graves.<\/p>\n

La IA tambi\u00e9n se puede implementar para mejorar los propios dispositivos IoT. Los sistemas de inteligencia artificial integrados en drones, robots, autom\u00f3viles aut\u00f3nomos y otros dispositivos inteligentes pueden permitirles funcionar de forma independiente y realizar tareas que normalmente requerir\u00edan el control humano. A trav\u00e9s de tales dispositivos, la IA puede interactuar con el mundo f\u00edsico, en lugar de simplemente proporcionar informaci\u00f3n basada en datos digitales.<\/p>\n

Computaci\u00f3n cu\u00e1ntica<\/h3>\n

La computaci\u00f3n cu\u00e1ntica es quiz\u00e1s la tecnolog\u00eda m\u00e1s prometedora cuando se usa junto con la IA. Esto se debe al inmenso poder computacional que permite que estos dispositivos procesen datos m\u00e1s r\u00e1pido de lo que cualquier computadora convencional podr\u00eda esperar. Hoy en d\u00eda, la computadora cu\u00e1ntica m\u00e1s r\u00e1pida del mundo puede completar un c\u00e1lculo en unos 200 segundos<\/a> que le habr\u00eda llevado milenios a una supercomputadora convencional. Dado que esta tecnolog\u00eda a\u00fan se encuentra en sus primeras etapas, no hay duda de que los pr\u00f3ximos a\u00f1os traer\u00e1n computadoras cu\u00e1nticas a\u00fan m\u00e1s r\u00e1pidas y poderosas.<\/p>\n

Gracias a esta velocidad enormemente mejorada, la computaci\u00f3n cu\u00e1ntica podr\u00eda permitir que los algoritmos de IA resuelvan problemas grandes y complejos<\/a> que actualmente requerir\u00edan recursos inform\u00e1ticos prohibitivos. Con esta tecnolog\u00eda, la IA podr\u00eda aplicarse incluso a los desaf\u00edos m\u00e1s complicados.<\/p>\n

Adem\u00e1s de simplemente resolver problemas espec\u00edficos que se le han asignado, un sistema de inteligencia artificial alimentado por una computadora cu\u00e1ntica tambi\u00e9n podr\u00eda encontrar patrones no descubiertos previamente<\/a> incluso en los conjuntos de datos m\u00e1s grandes. Luego, estos patrones podr\u00edan usarse para obtener informaci\u00f3n \u00fatil que no ser\u00eda evidente de inmediato para un ser humano, ampliando el rango potencial de soluciones generadas por la IA.<\/p>\n

Comunicaciones 5G<\/h3>\n

Para liberar completamente el potencial de la inteligencia artificial trabajando en conjunto con los dispositivos IoT, se deben transferir grandes cantidades de datos r\u00e1pidamente. Aqu\u00ed es donde entran en juego las redes 5G. Con tasas de transferencia de hasta 10 gigabits por segundo<\/a>, la tecnolog\u00eda 5G puede manejar las inmensas cantidades de datos que los dispositivos IoT pronto alimentar\u00e1n a los algoritmos de IA.<\/p>\n

Curiosamente, se espera que esta relaci\u00f3n funcione en ambos sentidos. Si bien las redes 5G admitir\u00e1n IA al permitir el libre flujo de datos, es muy probable que esas redes sean administradas por sistemas de IA<\/a>. Mediante el uso de an\u00e1lisis predictivos impulsados \u200b\u200bpor IA, las empresas de telecomunicaciones podr\u00edan predecir picos en el tr\u00e1fico y asignar recursos en consecuencia. Este es solo un ejemplo de c\u00f3mo la IA puede formar relaciones simbi\u00f3ticas con otras tecnolog\u00edas a medida que se desarrollan juntas.<\/p>\n

Las desventajas de la tecnolog\u00eda de inteligencia artificial<\/h2>\n

A pesar de todas sus promesas, la tecnolog\u00eda de IA todav\u00eda tiene ciertas desventajas. Si bien las cr\u00edticas a la tecnolog\u00eda son muy amplias, dos de los problemas m\u00e1s comunes planteados sobre el uso generalizado de la IA son su potencial para automatizar trabajos tradicionalmente seguros y un fen\u00f3meno conocido como el problema de la caja negra.<\/p>\n

Las consecuencias econ\u00f3micas no deseadas de la IA<\/h3>\n

Desde que la IA se hizo realidad por primera vez, los cr\u00edticos han argumentado que reemplazar\u00e1 a los humanos y causar\u00e1 p\u00e9rdidas masivas de empleos. Si bien es probable que se exagere el efecto de la IA en el empleo, hay algo de verdad en la idea de que la tecnolog\u00eda podr\u00eda alterar el mercado laboral y desplazar temporalmente a los trabajadores en ciertos roles.<\/p>\n

Para comprender el impacto total de estos desplazamientos, primero es importante observar qu\u00e9 tan amplia puede ser la automatizaci\u00f3n de la IA. Tradicionalmente, la automatizaci\u00f3n ha tenido su mayor impacto en el sector manufacturero, donde ha permitido que los trabajadores manuales pasen menos tiempo en tareas simples y repetitivas. La IA, por otro lado, tiene el potencial de automatizar tareas que antes requer\u00edan el pensamiento humano. Los profesionales de la salud, el derecho y la ingenier\u00eda<\/a> se encuentran entre aquellos cuyos trabajos probablemente estar\u00e1n expuestos a la pr\u00f3xima ola de cambios tecnol\u00f3gicos en el lugar de trabajo.<\/p>\n

Si bien existe un amplio consenso de que muchos trabajos enfrentar\u00e1n cierto grado de automatizaci\u00f3n como resultado de la IA en un futuro cercano, las estimaciones de la cantidad de trabajos que se perder\u00e1n var\u00edan ampliamente. Las estimaciones extremas sugieren que hasta el 30 por ciento<\/a> de la fuerza laboral mundial actual podr\u00eda verse desplazada por los cambios tecnol\u00f3gicos para 2030. Sin embargo, otras proyecciones son mucho m\u00e1s moderadas.<\/p>\n

El problema de la caja negra<\/h3>\n

Uno de los retos m\u00e1s espinosos a los que se enfrenta la IA es el llamado problema de la caja negra<\/a>. Este fen\u00f3meno ocurre cuando la IA avanzada, como un sistema de aprendizaje profundo, se aplica a problemas complejos. A menudo, el algoritmo actuar\u00e1 como una "caja negra", tomando entradas y generando salidas para resolver problemas de una manera que incluso los dise\u00f1adores humanos de IA no pueden entender completamente. En otras palabras, incluso los humanos responsables de crear sistemas de IA a veces son incapaces de explicar c\u00f3mo o por qu\u00e9 llegan a las conclusiones a las que llegan.<\/p>\n

El problema de la caja negra presenta varios problemas para la implementaci\u00f3n de inteligencia artificial cada vez m\u00e1s avanzada. Sin una comprensi\u00f3n adecuada de c\u00f3mo una IA resuelve el problema que se le ha planteado, es mucho menos probable que los humanos conf\u00eden en la respuesta que proporciona el sistema. En algunos casos, los sistemas de IA producen resultados sin sentido debido a la falta de insumos relevantes. Gracias al problema de la caja negra, estos resultados pueden parecer indistinguibles de las respuestas correctas, ya que no hay una buena manera de saber c\u00f3mo lleg\u00f3 el sistema a su conclusi\u00f3n. Como resultado, el problema de la caja negra tiene profundas implicaciones para la precisi\u00f3n de los sistemas de IA y la confianza humana en ellos.<\/p>\n

En algunos casos, por supuesto, los resultados inexactos o la falta de confianza humana son problemas menores. Un chatbot impulsado por IA que no proporciona una respuesta relevante a la pregunta de un cliente, por ejemplo, es inconveniente pero relativamente inofensivo. Sin embargo, en tareas m\u00e1s importantes, los humanos deben tener un alto nivel de confianza antes de que la tecnolog\u00eda de IA pueda desarrollar todo su potencial.<\/a> Un consumidor que cree que es probable que un autom\u00f3vil aut\u00f3nomo cometa un error y provoque un accidente de tr\u00e1nsito, por ejemplo, probablemente no elija comprar ese autom\u00f3vil. Tal falta de confianza humana puede frenar sustancialmente la adopci\u00f3n y el desarrollo de la inteligencia artificial.<\/p>\n

Este problema puede incluso dar lugar a que las m\u00e1quinas desarrollen sesgos que tengan efectos en el mundo real. Los sistemas de inteligencia artificial utilizados para evaluar los niveles de riesgo en el sistema legal, por ejemplo, han exhibido un famoso sesgo racial<\/a> al etiquetar a los miembros de grupos minoritarios como m\u00e1s propensos a cometer delitos en el futuro. Aunque se sabe que los algoritmos de IA toman estas decisiones en funci\u00f3n de las entradas de datos con las que se entrenan y se les da para evaluar, el problema de la caja negra dificulta eliminar este sesgo del sistema.<\/p>\n

\u00bfPuede la IA superar estos desaf\u00edos?<\/h3>\n

En general, los beneficios de la IA hacen que valga la pena idear soluciones a los problemas que presenta. Afortunadamente, estos desaf\u00edos no son tan insuperables como parecen en la superficie. En el caso del problema de la caja negra, una mayor transparencia<\/a> con respecto al funcionamiento interno de los algoritmos es una base probable para una soluci\u00f3n. Al permitir que los humanos disciernan m\u00e1s f\u00e1cilmente c\u00f3mo un sistema de IA lleg\u00f3 a una conclusi\u00f3n determinada, los sistemas transparentes podr\u00edan resolver o al menos mitigar sustancialmente el problema de la caja negra.<\/p>\n

En cuanto a los trastornos econ\u00f3micos causados \u200b\u200bpor la automatizaci\u00f3n de la IA, es importante tener en cuenta que se crear\u00e1n nuevos puestos de trabajo a medida que los antiguos se vuelvan obsoletos. Este concepto, conocido formalmente en econom\u00eda como destrucci\u00f3n creativa<\/a>, ha sido v\u00e1lido en otros per\u00edodos de cambio tecnol\u00f3gico masivo. De hecho, hay algunas estimaciones que sugieren que la IA ser\u00e1 una creadora neta de puestos de trabajo. Un informe del Foro Econ\u00f3mico Mundial de 2018 encontr\u00f3 que la tecnolog\u00eda de IA crear\u00eda 133 millones de empleos<\/a>para 2022 y desplazar solo a 75 millones de trabajadores existentes. Suponiendo que estas proyecciones sean correctas, el efecto neto de la automatizaci\u00f3n de la IA ser\u00eda una ganancia de unos 58 millones de puestos de trabajo. Si la capacitaci\u00f3n laboral est\u00e1 disponible para ayudar a los trabajadores desplazados a encontrar nuevos roles en la econom\u00eda moderna, la inteligencia artificial podr\u00eda desbloquear nuevos trabajos mejor pagados para millones de personas en todo el mundo.<\/p>\n

El futuro de la IA<\/h2>\n

Como puede ver, las oportunidades asociadas con la inteligencia artificial en los pr\u00f3ximos a\u00f1os son enormes. Esta tecnolog\u00eda tiene el poder de transformar industrias, crear nuevas formas de trabajar e incluso resolver algunos de los mayores problemas que enfrenta nuestra sociedad. Si bien nadie puede predecir con precisi\u00f3n todos los usos que tendr\u00e1 la IA dentro de meses o a\u00f1os, est\u00e1 muy claro que la IA ser\u00e1 una de las fuerzas impulsoras de la econom\u00eda global en el futuro previsible.<\/p>\n

Fuente de grabaci\u00f3n: datarecovery.com<\/a><\/div><\/p>\n","protected":false},"excerpt":{"rendered":"

En los \u00faltimos a\u00f1os, la inteligencia artificial se ha convertido en una parte cada vez m\u00e1s importante de la vida cotidiana. Alguna vez solo forraje para libros de ciencia ficci\u00f3n, la IA ahora se usa en industrias que van desde el marketing hasta la atenci\u00f3n m\u00e9dica. Para 2025, se espera que el mercado global de software de IA crezca a $ 126 mil millones. Aunque la IA es bastante [\u2026]<\/p>\n","protected":false},"author":1,"featured_media":160697,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_wp_rev_ctl_limit":""},"categories":[1722],"tags":[3062],"class_list":["post-161253","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-mac","tag-affiai-es"],"_links":{"self":[{"href":"https:\/\/howto.mediadoma.com\/es\/wp-json\/wp\/v2\/posts\/161253","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/howto.mediadoma.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/howto.mediadoma.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/howto.mediadoma.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/howto.mediadoma.com\/es\/wp-json\/wp\/v2\/comments?post=161253"}],"version-history":[{"count":1,"href":"https:\/\/howto.mediadoma.com\/es\/wp-json\/wp\/v2\/posts\/161253\/revisions"}],"predecessor-version":[{"id":319424,"href":"https:\/\/howto.mediadoma.com\/es\/wp-json\/wp\/v2\/posts\/161253\/revisions\/319424"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/howto.mediadoma.com\/es\/wp-json\/wp\/v2\/media\/160697"}],"wp:attachment":[{"href":"https:\/\/howto.mediadoma.com\/es\/wp-json\/wp\/v2\/media?parent=161253"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/howto.mediadoma.com\/es\/wp-json\/wp\/v2\/categories?post=161253"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/howto.mediadoma.com\/es\/wp-json\/wp\/v2\/tags?post=161253"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}