Fuentes de noticias tecnológicas

Hoy en día es difícil mantenerse informado, hay muchas fuentes de noticias y es difícil cribar para quedarse con las realmente importantes. En especial, en tecnología, con la cantidad de avances que hay día a día, puede convertirse en una autentica locura. El camino más sencillo para cualquiera es leer el “Tech Roundup” que mi amigo el bot publica cada sábado en este mismo blog, pero si necesitáis más o si no quieres delegar esa elección en una “inteligencia artificial”, veremos los mejores sitios para mantenerse al día en un mundo tan cambiante.

Mi algoritmo “inteligente” a veces falla, y mete cosas que no son donde no son. Seguro que hay otros que lo hacen mejor en algún sitio, desde luego este podría hacerlo mucho mejor dedicándole unas cuantas horas. Sin embargo, creo que a día de hoy la inteligencia artificial aún no es capaz de batir en casos como estos a otras inteligencias.

Para filtrar noticias y artículos podríamos ponernos en manos de editores que nos den confianza. Por ejemplo, viendo que las noticias que salen en un sitio como TechCrunch o Hacker Noon nos parecen relevantes, podríamos convertirnos en fieles seguidores para mantenernos al día con sus actualizaciones.

Otra inteligencia que bate a la artificial y, en casos como estos, creo que también a la de los expertos (los editores que comentábamos), es la inteligencia colectiva. Hay sitios que están pensados para que destaquen las noticias que más interés despiertan, ya sea basándose en votos o en otras interacciones de los usuarios.

Inteligencia colectiva

Para mi, la primera de la lista con mucha diferencia es Hacker News, el foro de noticias de la aceleradora Y Combinator. En él hay noticias de todo tipo, pero la gran mayoría están relacionadas con la tecnología.

Tampoco se puede olvidar reddit en especial algunos subreddits como technology o programming.

Sin embargo, hay muchos más donde rascar y obtener las últimas novedades poco después de que hayan ocurrido.

habr es una comunidad hacker rusa, que recientemente abrió un site en Inglés. Se pueden leer artículos de calidad con cosas que son difíciles de encontrar en otro sitio.

Lobsters es otro sitio en el que puedes encontrar noticias, artículos y papers puramente técnicos.

Hay clones de HN dedicados en concreto a algo, como este de javascript o este especializado para datascientists.

Además de estos, últimamente están proliferando mucho los grupos de slack especializados, para los que es relativamente sencillo conseguir invitación como por ejemplo opendatascience.

Y tú ¿dónde te informas? ¿cómo cribas las noticias tecnológicas?

¿Cómo conseguir que una Inteligencia Artificial coloree las fotos del abuelo?

Cuando hablamos  de Inteligencia Artificial, es fácil pensar en sistemas muy complejos y caros. Sin embargo, lo más complejo es crear un modelo para resolver una clase de problemas. Ese modelo, una vez creado, es fácil de aplicar para solucionar un problema concreto usando un poco de imaginación. Hoy veremos como usar un modelo creado por otra persona, para nuestro objetivo: colorear las fotos que tengamos en blanco y negro de nuestros abuelos.

Imagen en blanco y negro coloreada por una Inteligencia Artificial
De una postal antigua, republicada en eldiariomontanes.es

Para la creación de un modelo, hay que saber mucho del ámbito de aplicación, hay que tener una buena base de matemáticas estadísticas y hay que conocer los diferentes algoritmos e invertir un buen tiempo probando cosas distintas. Mucha gente está creando distintos modelos, ya sea para practicar, para investigar o con otros objetivos.

Algunos de estos modelos son liberados por sus creadores, como el que nos ocupa hoy:

DeOldify es un proyecto basado en Deep Learning para colorear y restaurar imágenes antiguas. Su creador (Jason Antic) lo liberó bajo licencia MIT, lo cual nos permitirá hacer casi cualquier cosa con él.

Por tanto, para conseguir nuestro objetivo de hoy, que no es ni más ni menos que colorear las fotos antiguas de nuestros abuelos que tengamos por casa, podremos hacer uso de este proyecto.

Pero ¡ojo! También podríamos usarlo para montar un servicio online de coloreado automático de imágenes antiguas a razón de euro cada una, o para colorear las imágenes captadas por una cámara de visión nocturna (de las baratas que se ven en verde y negro).

¿Qué podemos esperar de esta Inteligencia Artificial?

En mis pruebas, que podéis ver en la foto de cabecera o en el mini-hilo que parte del siguiente twit, podéis ver los resultados con algunas fotos muy distintas. Probablemente, trabajando un poco sobre el modelo para afinar algunos puntos o incluso reentrenándolo (siguiendo los pasos de Jason) con imágenes similares a sobre las cuales queremos aplicar el modelo, podríamos obtener resultados mejores aún.

¿Cómo podemos usar esta Inteligencia Artificial?

Cuando estuve haciendo mis pruebas (hace un mes aprox.), y dado que quería jugar mucho, opté por instalar todo lo necesario en mi máquina. En ese momento no es algo que habría aconsejado porque no era trivial, pero ahora parece que con unas pocas instrucciones lo puedes tener funcionando en cualquier lado. ¡Ojo! No las he probado, pero Jason dice que en su ordenador funciona ;).

git clone https://github.com/jantic/DeOldify.git DeOldify
cd DeOldify
conda env create -f environment.yml

#Then run it with this:

source activate deoldify
jupyter lab

Sin embargo hay un modo mucho más sencillo y es ejecutarlo online partiendo del notebook subido a la plataforma de Google Colab.  Ten en cuenta que es una plataforma que no está pulida del todo y que no siempre funciona bien, por lo que si no te funciona a la primera: no te desesperes.

Los pasos serían:
  1. Visita la url.
  2. Abajo, donde ves las fotos de Lincoln y demás, cambia los links de los wget por links a las fotos que quieras (tienen que estar en internet en una url accesible a cualquiera, por ejemplo puedes compartirlas mediante un enlace de Google Drive). Si lo necesitases podrías copiar más bloques para procesar más fotos: un wget y un vis.plot_transformed_image por imagen.
  3. Ejecuta la opción de menú Runtime>Run all.
  4. Cuando el script llegue a la mitad (al bloque de auth.authenticate_user…) te pedirá que sigas un link y copies un código para autenticarte con una cuenta de Google. Esto es porque necesita descargarse los pesos que se han obtenido en los entrenamientos del modelo para que la red neuronal pueda usarlos con las nuevas fotos, cuando te lo instalas en tu equipo es un paso que se puede saltar, pero con este script de Colab es necesario.
  5. Espera a que procese las imágenes.
  6. Comparte conmigo tus resultados ya sea con un comentario, un twit o lo que veas.

Con estos pasos tan sencillos, obtendrás unas imágenes antiguas que antes sólo tenías en blanco y negro, coloreadas por una Inteligencia Artificial. Cuando tu familia te pregunte como lo has hecho, puedes hablarles de Inteligencia Artificial, Deep Learning, etc. o bien puedes usar el comodín de “magia de informático”.