Data, Big Data, Huge Data (4)

En su libro de 2019, Big Data, el profesor argentino, Walter Sosa Escudero, hace esta afirmación:

Uno de los enormes problemas de cualquier tecnología de moda es que viene acompañada de una jerga: un catálogo de extraños términos, muchos en inglés e intraducibles, que sirve tanto a efectos de designar objetos nuevos e imposibles de nombrar con los viejos términos, como de crear una innecesaria barrera de entrada, al solo efecto de impresionar a los novatos en las reuniones de amigos como si realmente fuese necesaria una nueva palabra para referirse al agua tibia. La propia expresión "big data" es una jerga. Cualquiera que haya permanecido durante quince minutos en una clase de inglés se da cuenta de que "big" significa "grande" y que "data" son"datos". No intentaremos ninguna traducción del término, porque no hay ninguna comunmente aceptada (he visto "gran dato", que parece una de las frases de Tarzán), y porque tampoco está claro que "big data" tenga un significado preciso.

No obstante y a pesar de que esta apreciación tiene validez, el concepto de Big Data parece estar claro y batante aceptado en el campo de la informática y la computación, más cuando están esas 5 V que nombré en la publicación de ayer y que mañana voy a definir. 

Data, Big Data, Huge Data (3)

Con el crecimiento de los sistemas y dispositivos informáticos, con la proliferación de compuadores personales y teléfonos celulares y en especial con el desarrollo de la internet, el flujo de datos se hizo cada vez mayor. Esta expansión llevó a pensar en una nueva escala del datum: la Big Data. En el ecosistema computacional, el paso de la data tradicional a la Big Data marca una transición cualitativa y cuantitativa; ya no se trata solo de la representación de hechos discretos mediante bits, sino de un cambio de paradigma en la arquitectura, la infraestructura y los métodos de captura, almacenamiento, procesamiento y análisis masivo de información.

Big Data (macrodatos o datos masivos) es, en esencia, un concepto que va más allá del simple "mucho dato". Se refiere a conjuntos de datos tan grandes, rápidos y diversos que superan la capacidad de las herramientas tradicionales para capturarlos, almacenarlos, gestionarlos y analizarlos en un tiempo razonable. La clave no está solo en el volumen, sino en que esa magnitud obliga a usar tecnologías y métodos de procesamiento completamente nuevos.

Por lo tanto, de define como Big Data al conjunto de datos cuyo volumen, velocidad de generación y diversidad temática o formativa superan las capacidades de los sistemas de software y hardware de procesamiento tradicional (como las bases de datos relacionales estándar o las arquitecturas cerradas). Mientras que la data tradicional se diseñaba para ser capturada en esquemas rígidos (filas y columnas) y procesada secuencialmente, el Big Data surge cuando la digitalización omnipresente (redes sociales, sensores IoT, logs de servidores, señales GPS, transacciones financieras) genera un flujo continuo e ininterrumpido de activos de información altamente desestructurados.

La Big Data no es solo una moda, es un cambio de paradigma técnico. Para manejar estas características, se necesitan infraestructuras que permitan el escalamiento horizontal (añadir más servidores en lugar de uno más potente) y el procesamiento distribuido. Herramientas como Hadoop o el procesamiento en la nube son fundamentales para repartir la carga de trabajo entre muchos equipos. Además, requiere de técnicas analíticas avanzadas (como el machine learning o la minería de datos) para encontrar patrones en ese caos aparente y transformar los datos brutos en información útil.

Como vemos, este es modelo relativamente nuevo, que ha crecido con el siglo XXI. Para entenderlo, se suele recurrir al modelo de las "V", establecido por el analista Doug Laney en 2001. Aunque han surgido más, estas son las primeras tres, que pasaron a ser cinco, son las fundamentales: Volumen, Velocidad, Variedad y además Veracidad y Valor. En la siguiente publicación veremos a qué se refieren estas palabras y cómo definen a la Big Data. 

Data, Big Data, Huge Data (2)

Continuando con la publicación de ayer sobre Data, Big Data, Huge Data, hay que hacer algunas precisiones más respecto al concepto de "data". Por ejemplo, en el desarrollo de softwares, el concepto de dato se opone al de programa. Mientras que el programa es el conjunto de instrucciones (el código) que le dice a la computadora qué hacer, los datos son los elementos que el programa manipula (como un documento de texto, una lista de clientes o los valores de una variable durante la ejecución). Para que los datos sean útiles, a menudo se acompañan de metadatos (datos sobre los datos), que describen su origen, formato o significado, facilitando su correcta interpretación por parte del sistema.

Ahora bien, desde un punto de vista más abstracto, la teoría de la información define el dato como una "diferencia" o falta de uniformidad en el mundo o en un sistema. Luciano Floridi, un filósofo de la información, propone que un dato es una entidad relacional que surge de una diaphora (diferencia). Por ejemplo, un punto negro en un fondo blanco constituye un dato porque hay una diferencia perceptible. Esta definición subraya que el dato no es un hecho aislado, sino que siempre implica una relación y un contraste que permite su identificación.

A nivel físico y lógico, toda data en un sistema informático se reduce a patrones binarios (ceros y unos o bits), organizados en unidades superiores como bytes, palabras y bloques. Sin embargo, en la arquitectura de software y bases de datos, la data se modela a través de capas de abstracción. Tenemos así tipos de datos primitivos, como números enteros, flotantes, caracteres, booleanos; y estructuras de datos, o sea formas organizadas de almacenar y manipular la data en memoria o disco (arrays, listas enlazadas, árboles, grafos, tablas relacionales).

Hoy en día, el concepto de data ha evolucionado drásticamente debido al volumen y la complejidad de los sistemas digitales. Tenemos distintas  tipologías, que se clasifican en estructurada (bases de datos SQL, tablas con esquemas rígidos), semiestructurada (JSON, XML, etiquetas que facilitan el parsing) y no estructurada (texto libre, archivos de audio, imágenes, video). También se presenta el llamado ecosistema de procesamiento, que va desde los sistemas tradicionales de almacenamiento transaccional (OLTP) y analítico (OLAP), hasta arquitecturas distribuidas de gran escala (como clústeres de procesamiento paralelo) y el entrenamiento de modelos de inteligencia artificial basados en representaciones vectoriales masivas (embeddings).

En resumen, el dato es el elemento discreto y cuantificable que, tras ser procesado e interpretado, se transforma en el conocimiento que impulsa la computación moderna. Muchos de estos datos me lo dio, justamente, la inteligencia artificial, que maneja enormes cantidades de datos, conocidos también como Big Data, de lo que hablaré en la siguiente publicación.

Data, Big Data, Huge Data (1)

Estos son tres términos y conceptos fundamentales para entender el mundo de hoy: data, big data y huge data. En estas publicaciones voy a ir desgranando y explicando brevemente cada una y cómo se relacionan y cómo intervienen en el ciberespacio y en la inteligencia artificial. En primér término, qué se entiende por "data".

En el campo de la informática y la computación, el término "data" (o datos) se refiere a la representación simbólica, cuantitativa o cualitativa de una variable, hecho, objeto o fenómeno del mundo real, estructurada de manera idónea para ser procesada, almacenada y transmitida por un sistema computacional. Visto de otra forma, es cualquier secuencia de uno o más símbolos, o una representación simbólica de un atributo o variable, que por sí sola carece de significado y requiere de interpretación y contexto para convertirse en información. Es la materia prima con la que trabajan los ordenadores.

Desde una perspectiva técnica, un dato es una unidad mínima de representación. En los sistemas modernos, esto se traduce casi universalmente en datos digitales, que se representan mediante el sistema binario de unos (1) y ceros (0). Un solo símbolo de estos se denomina datum, mientras que data es el plural o la masa de estos símbolos.

Los datos ("data", que es su término en plural) pueden adoptar diversas formas (números, texto, imágenes) y se organizan en estructuras como arreglos, grafos u objetos para su procesamiento. Además, se almacenan en medios físicos o lógicos y pueden encontrarse en tres estados: en reposo (almacenados), en tránsito (siendo transferidos) o en uso (siendo procesados por el CPU).

Ahora bien, podemos analizar su naturaleza a través de varias dimensiones. Primero, la distinción entre data, información y conocimiento. En teoría de la computación y gestión de sistemas, es importante no confundir estos tres niveles. La Data (datos) son hechos o símbolos crudos, discretos y sin contexto por sí mismos (por ejemplo, una secuencia de números como 05051959, o lecturas de sensores dispersas). Carecen de intencionalidad o significado operativo hasta que se les aplica un proceso de interpretación. Por otra parte, la nformación es el resultado de organizar, estructurar, filtrar o dotar de contexto a la data para reducir la incertidumbre (interpretar que 05051959 corresponde a la fecha 05/05/1959, mi día de nacimiento). Finalmente, conocimiento en este ámbito es la asimilación y aplicación práctica de la información mediante patrones, reglas y marcos analíticos por parte de un agente (humano o artificial). 

Aquí podemos remarcar también esa diferencia entre "dato" e "información", aunque en el lenguaje cotidiano se usen como sinónimos. El dato es la materia prima. Consiste en hechos o valores discretos sin un significado inherente por sí mismos. Por ejemplo, el número "40" o la palabra "Rojo" son datos aislados. La información, como vimos, es el resultado. Surge cuando los datos se procesan, se organizan en un contexto y se les atribuye un significado. Siguiendo el ejemplo anterior, si sabemos que "40" es la temperatura y "Rojo" es el color de una alerta, esos datos se han convertido en información útil.

Como vemos, es un concepto bien complejo, completo e interesante y de mucha pertinencia. En la siguiente publicación hablaremos más de lo que signfica hoy "data" y su relación con las otras nociones, big data y huge data.

Dormir, morir, renacer, Gandhi

Una frase del Mahatma en este día de los Fieles Difuntos:

"Cada noche, cuando voy a dormir, muero. Y a la siguiente mañana, cuando me levanto, he renacido". 

Mohandas Karamchand "Mahatma" Gandhi (1869-1948), abogado, político, activista y pacifista hindú.

Tres celebraciones entre ayer y mañana en imagen según la IA

El día de ayer, 31 de octubre, se celebró la fiesta de Halloween o Hallowe'en (All Hallows' Eve o All Saints' Eve) que corresponde a la víspera de la conmemoración cristiana occidental de Todos los Santos, que es hoy, 1 de noviembre, y precede al día de Los Fieles Difuntos, que es mañana día 2. Ya en otras ocasiones en este blog he hecho referncia a esas fechas y celebraciones y esta vez, para variar, le pedí a la inteligencia artificial de Gemnini AI que creara una imagen que reuniera esas tres festividades en un ambiente combinado. El resultado que muestro hoy aquí es bastante representativo, aunque por lo que se ve, hace mucha alusión a Latinoamérica y en particular a México. No obstante, me pareció bien logrado, así que aquí lo tienen, con título y todo: "Fin de semana sagrado". 

Külpe y su idea de estética

La estética que propuso el filósofo alemán, Oswald Külpe (1862-1915), fue una estética experimental y psicológica. Sobre la base de sus conceptos sobre la psicología experimental, buscaba explicar, mediante observación y experimentos, por qué ciertas formas, proporciones y obras artísticas producen placer estético. Para Külpe, la estética era la ciencia de los hechos y las leyes del placer estético.

Külpe siguió la línea del psicólogo alemán Gustav Fechner (1801-1887), quien proponía estudiar la belleza desde la experiencia concreta de las personas, no solo desde teorías filosóficas abstractas. Külpe se interesó especialmente por la sección áurea, la proporción en que la relación entre el todo y su parte mayor es igual a la relación entre esa parte mayor y la menor. Su explicación era que las proporciones consideradas bellas producen una especie de economía mental; el observador percibe variedad y armonía con el menor esfuerzo posible. Así, la belleza no sería una cualidad mágica del objeto, sino el resultado de cómo la mente procesa orden, equilibrio y diversidad.

Siguiendo su propia metodología, Külpe realizó estudios experimentales mostrando obras de arte a personas y pidiéndoles que registraran sus reacciones. Encontró que atributos como la forma, el orden, la simetría y la armonía se asociaban con la atracción estética. Sobre esta base cuestionó la teoría según la cual el disfrute estético depende sobre todo de la empatía, es decir, de “ponerse” imaginativamente en el objeto o en la expresión que contemplamos. En los informes de sus participantes, Külpe no encontró evidencia suficiente de esa empatía como condición universal del placer estético.

En resumen, para él, el objeto de estudio es el placer estético y sus leyes psicológicas. Su método es la experimentación y registros de reacciones ante obras o imágenes. De esta forma logra una explicación de la belleza basada en el orden, la simetría, la armonía y la economía del esfuerzo mental. Po lo tanto, la empatía no es necesariamente la base de toda experiencia estética. Külpe estudió la estética como un fenómeno medible y psicológico, centrado en cómo percibimos la forma, el orden y la proporción, más que en definiciones puramente metafísicas de la belleza.

La estética en una frase de Oswald Külpe

En la publicación anterior me referí a la idea que propuso el filósofo alemán Oswald Külpe con relación a la creación de pensamientos sin necesidad de recurrir a imágenes mentales. Una propuesta que en su momento recicbió críticas y aún hoy genera polémica. Pero Külpe también dedicó parte de su trabajo a estudiar la estética, enfocado en sus aspectos psicológicos y percecptivos. De esta línea conceptual parte esta afirmación:

La estética está marcada por un destino peculiar. Su objeto de estudio es tan conocido y valorado como el de casi cualquier otra disciplina. Sin embargo, es tan impopular como casi cualquier otra ciencia.

Como vemos, su aproximación es muy particular y sobre esta concepción versará la siguiente entrada.

Külpe y el pensamiento sin imágenes

Oswald Külpe (1862-1915), filósofo y psicólogo alemán que destacó por sus trabajos de psicología experimental, es la figura de la llamada Escuela de Würzburgo de psicología, sostuvo que el pensamiento puede ocurrir sin imágenes mentales. Su aportación central fue demostrar experimentalmente que existen contenidos mentales de naturaleza puramente abstracta o cognitiva, irreductibles a sensaciones o imágenes.

En este sentido, su pensamiento se desarrolló en torno a la idea de que no es necesario imaginar para producir pensamiento. Por lo tanto, defendió la tesis del pensamiento sin imágenes (imageless thought) para desafiar las teorías sensualistas y asociacionistas dominantes de su época, a finales del siglo XIX y principios del siguiente.

Külpe demostró mediante un método que llamó la introspección experimental sistemática (donde los sujetos analizaban sus procesos cognitivos tras realizar tareas complejas) que es posible razonar, comprender significados, juzgar y resolver problemas sin necesidad de que intervengan imágenes sensoriales, percepciones o recuerdos visuales concretos.

Sostuvo, así mismo, que el pensamiento posee componentes y realidades independientes que no pueden reducirse estrictamente a sensaciones, sentimientos o presentaciones visuales. Las personas pueden captar conceptos abstractos y conexiones lógicas de manera directa. Esto implica independencia del pensamiento y una nueva realidad mental.

Sus investigaciones identificaron estados en la mente en los que el sujeto "sabe", "comprende" o "intuye" algo de forma abstracta, sin que exista ninguna representación gráfica o imagen mental que lo acompañe en la conciencia. Külpe y sus colaboradores llegaron a estas conclusiones mediante ese método de auto-observación sistemática (Ausfragemethode), que a diferencia de la introspección tradicional, pedía a los sujetos que realizaran tareas complejas (como juicios lógicos) y luego describieran retrospectivamente los procesos mentales que habían seguido.

Los resultados fueron sorprendentes: los sujetos reportaban experiencias conscientes que carecían de cualidades sensoriales (no había una "imagen" visual, auditiva o motora), pero que aun así portaban significado. Este hallazgo supuso un desafío a quienes defendían que todo pensamiento complejo debía descomponerse en elementos sensoriales básicos. Külpe demostró que el significado puede ser experimentado directamente sin necesidad de símbolos o imágenes.

Esta teoría generó un intenso debate en los inicios de la psicología experimental, ya que chocaba directamente con la idea de que todo contenido mental derivaba exclusivamente de elementos sensoriales. Inclusive hoy en día estas propuestas se discuten y generan controversia. Una cosa interesante es que estas investigaciones llevaron a Külpe a estudiar también el campo de la estética desde el punto de vista de la psicología, tema que veremos en la siguiente publicación.

Una afirmación de Alvin Toffler

"Un analfabeta será aquel que no sepa donde ir a buscar la información que requiere en un momento dado para resolver una problemática concreto. La persona formada no lo será a base de conocimientos inamovibles que posea su mente, sino en función de sus capacidades para conocer lo que precisa en cada momento". 

Alvin Toffler (1928-2016), sociólogo y escritor estadounidense, en su libro de 1979, La tercera ola. 

La IA "agéntica"

De define por "agéntica" a la capacidad de los sistemas de inteligencia artificial para actuar con autonomía, iniciativa y propósito con el fin de alcanzar una meta compleja, en lugar de limitarse a responder pasivamente a una orden de forma aislada. Proviene del inglés agentic, y está comúnmente asociado a la IA agéntica o Agentic AI. 

Mientras que un modelo de lenguaje tradicional funciona de manera reactiva (le haces una pregunta y te da una respuesta inmediata en una sola entrada), un sistema con propiedades agénticas cuenta con características especiales que lo acercan a la resolución activa de problemas, con distintas variantes y un desarrollo mayor de las respuestas. 

En principio, propone una planificación de múltiples pasos. Ante un objetivo general, el sistema es capaz de descomponerlo en sub-tareas, evaluar sub-tareas pendientes y estructurar una ruta lógica para resolverlas. Para ello apela al uso de herramientas externas. Puede así decidir por sí mismo cuándo consultar bases de datos, navegar por la Web, ejecutar un código de programación o utilizar APIs (una interfaz de programación de aplicaciones) para recopilar la información en tiempo real que necesita para avanzar.

Una cosa interesante de la agéntica es que se maneja con autocorrección y reflexión, es decir, monitorea los resultados de sus propias acciones. Si un paso falla o arroja un error, el agente analiza qué salió mal, ajusta su estrategia y vuelve a intentarlo sin requerir intervención humana constante. Esto se combina con la persistencia hacia un objetivo, pues mantiene el contexto de un propósito a largo plazo a lo largo de interacciones prolongadas o procesos automatizados extensos.

Podemos decir que la agéntica representa el paso de una IA que solo conversa o genera contenido estático a una IA que actúa, ejecuta flujos de trabajo completos y opera de forma proactiva para resolver problemas complejos. En otras palabras, la IA agéntica es un sistema de inteligencia artificial que puede lograr un objetivo específico bajo poca supervisión. Consiste en agentes de IA, que son modelos de aprendizaje automático que imitan la toma de decisiones de los humanos para resolver problemas en tiempo real. En un sistema multiagente, cada agente realiza una subtarea específica necesaria para alcanzar el objetivo en cuestión y sus esfuerzos se coordinan a través de la coordinación de IA.

La crítica de Morozov al solucionismo tecnológico

Evgeny Morozov es un  escritor e investigador bielorruso nacido en 1984, que estudia las implicaciones políticas y sociales de la tecnología. Uno de sus más reconocidos aportes es su crítica al llamdo "solucuonismo tecnológico". Este postulado dice que la tecnología puede resolver por sí sola problemas sociales, políticos o culturales complejos, sin considerar sus causas profundas ni las implicaciones sociales.

Esta idea, también llamada tecnosolucionismo, surge de una visión que asume que las herramientas digitales, algoritmos, aplicaciones o sistemas tecnológicos pueden ser la solución principal a problemas humanos complejos, desde la educación y la salud hasta la democracia y la seguridad. Muchos teóricos han discutido y propuesto este paradigma, pero Morozov lo ha cuestionado fuertemente.

Según él, el solucionismo tecnológico es una ideología peligrosa porque consiste en reformular problemas sociales, políticos y morales complejos como si fueran meros problemas técnicos, susceptibles de ser "arreglados" con soluciones digitales simples, como algoritmos o aplicaciones. Si bien no critica el uso de la tecnología en sí, le preocupa la mentalidad que lo rodea. Su advertencia principal es que, al reducir todo a una cuestión de eficiencia técnica, corremos el riesgo de ignorar la naturaleza profunda de los dilemas humanos.

Morozov afirma que esta posición convierte discusiones públicas y éticas (que deberían ser controvertidas y deliberativas) en cuestiones no controvertidas y fácilmente manejables por medios tecnológicos. Por ejemplo, problemas como la obesidad o la corrupción se abordan con "gamificación" o apps de cuantificación, en lugar de analizar sus causas estructurales. Al buscar una eficiencia "sin fisuras", se elimina la fricción necesaria para la reflexión. Morozov advierte que cambiar las motivaciones de nuestro comportamiento cívico (por ejemplo, con recompensas digitales) puede alterar la naturaleza misma de ese comportamiento.

Es interesante ver que el origen del concepto de solucionismo tecnológico se popularizó en su libro To Save Everything, Click Here (publicado en español como La locura del solucionismo tecnológico), donde lo identifica como una de las ideologías dominantes de Silicon Valley, junto al internet-centrismo. Para Evengy Morozov, el solucionismo es una trampa ideológica, pues nos hace creer que los problemas más persistentes de la sociedad tienen una "solución" técnica rápida, cuando en realidad requieren un debate político y moral profundo.

Las animaciones LEGO 3D de Preston Mutanga

Este es un joven con una trayectoria sorprendente. Residenciado en los Estados Unidos pero de orígenes canadienses y cameruneneses, Preston Mutanga, nacido en 2008, se ha convertido en una revelación en el campo de la animación digital, en particular dentro del mundo LEGO. 

De formación completamente autodidacta, descubrió su pasión por la animación 3D gracias al acompañamiento de su padre y a tutoriales en internet, con los que aprendió a dominar Blender, un software libre y de código abierto que en los últimos tiempos se ha convertido en herramienta fundamental para muchos diseñadores e ilustradores. 

A los 14 años comenzó a compartir recreaciones CGI fotorrealistas de tráilers de la cultura pop, todas bajo la estética inconfundible de los bloques LEGO y sus películas de animación, que tenían mucho éxito en la juventud. En 2023, su recreación del tráiler de Spider-Man: Across the Spider-Verse se volvió tan viral que llegó hasta los propios directores de la cinta, Phil Lord y Christopher Miller, quienes decidieron contratarlo para animar la secuencia oficial del universo LEGO dentro de la película de Sony y Marvel.

Su obra se mantiene por completo el entorno virtual de Blender, su fuerza estética está en la imperfección calculada. No dibuja bloques de plástico limpios, sino que simula la textura física de la luz sobre el material, las huellas dactilares, los rayones de uso y hasta las partículas de polvo suspendidas en el aire. Se produce así una paradoja, la ilusión hiperrealista de lo físico construida enteramente desde la inmaterialidad del código.

Mutanga no inventa narrativas propias, toma fragmentos de la cultura de masas (Spider-Man, Star Wars) y los transcodifica mediante un lenguaje plástico alternativo, apropiándose de universos ajenos para reinterpretarlos bajo una identidad visual propia, donde el juego y el diseño digital convergen. Su trabajo combina el rigor técnico del modelado 3D con la sensibilidad estética de la apropiación cultural, y su trayectoria (de una habitación con una laptop heredada a los créditos de una película de Hollywood) resume, mejor que cualquier definición, lo que significa producir arte en la era digital. 

El Instragram de Preston Mutanga: https://www.instagram.com/legomereal/. Aquí pongo algunas imágenes un muy buen video explicativo realizado por mis estudiantes de Estética Digital y Comunicación Multimedia de la Escuela de Comunicación Social de la Universidad Central de Venezuela en 2026, de cuyo trabajo tomé también información.

Muchas gracias a mis alumnas Alba Rivas, Alexandra Saumell, María José Puerta y Wuantani Pérez, por este excelente ejercicio.

¿Qué es Hadoop?

El "Hadoop" es un marco de software de código abierto diseñado para almacenar y procesar grandes volúmenes de datos, desde gigabytes hasta petabytes, de manera eficiente. Fue desarrollado por Apache Software Foundation y utiliza un modelo de computación distribuida que permite trabajar con clústeres de múltiples computadoras, cada una con capacidades locales de almacenamiento y procesamiento.

Esto significa que Apache Hadoop permite el almacenamiento y procesamiento distribuido de grandes volúmenes de datos (Big Data) a través de clústeres de computadoras comunes (commodity hardware). En lugar de depender de una única supercomputadora muy costosa para procesar información masiva, Hadoop permite conectar múltiples computadoras económicas para que trabajen juntas como si fueran un solo sistema potente y flexible.

¿Cómo funciona Hadoop? Este programa divide los datos en fragmentos y los distribuye entre distintos nodos del clúster. Un clúster (traducido al español, significa "agrupación o "conglomerado" y se trata de una forma de integrar a una o más computadoras para que trabajen de manera simultánea en una determinada acción. Aquí cada nodo procesa los datos localmente, lo que minimiza la transferencia de datos y mejora la eficiencia. HDFS gestiona el almacenamiento, mientras que MapReduce se encarga del procesamiento paralelo. YARN coordina los recursos y las tareas.

HDFS (Hadoop Distributed File System): es la capa de almacenamiento. Divide los archivos grandes en bloques más pequeños y los distribuye entre las diferentes máquinas del clúster, manteniendo copias de respaldo para garantizar que los datos no se pierdan si una computadora falla.

YARN (Yet Another Resource Negotiator): es el administrador de recursos del clúster. Se encarga de gestionar el uso de la memoria y la capacidad de procesamiento, asignando tareas a los distintos nodos disponibles.

MapReduce: es el modelo de programación y motor de procesamiento. Y finalmente está el Hadoop Common, que es el conjunto de bibliotecas y utilidades necesarias para que los otros módulos funcionen correctamente.

Hadoop se utiliza ampliamente en Big Data para análisis de datos, almacenamiento masivo, creación de lagos de datos, aprendizaje automático y gestión de riesgos. También es empleado en sectores como marketing, finanzas y ciencia de datos.

La IA frugal de Timnit Gebru

En publicaciones anteriores me refería a varias de las propuestas analíticas que hace la científica estadounidense, nacida en Etiopía, Timnit Gebru, que ha estudiado la inteligencia artificial desde muchas aristas, desde el punto de vista ético hasta el pragmático. Una de sus ideas es la de el "Loro Estocástico", que ya reseñé, y otra es la de la "IA frugal".

La inteligencia artificial frugal propone un cambio de paradigma: no se trata solo de "más potente, más grande", sino de "suficiente, eficiente, responsable". En un momento en el que la IA consume recursos (energía, hardware, datos) a tasas crecientes, la frugalidad en el diseño y despliegue de modelos se alza como una estrategia urgente para reducir la huella ecológica sin renunciar al valor.

Entonces la "IA frugal" (o Frugal AI) en el pensamiento de Gebru no es simplemente una propuesta técnica para hacer modelos más pequeños o baratos. Es, ante todo, una postura crítica y política frente al paradigma dominante de la IA corporativa. Gebru sostiene que la búsqueda obsesiva de modelos cada vez más grandes ("más es mejor") no solo es insostenible, sino que estifla la innovación y crea herramientas inferiores para tareas específicas.

Así, la IA frugal implica un cambio de paradigma: en lugar de construir un "dios máquina" que lo haga todo, se trata de construir herramientas específicas para contextos específicos, priorizando la eficiencia, la autonomía comunitaria y la soberanía tecnológica. La industria tiene incentivos perversos para no investigar en eficiencia. Las grandes tecnológicas ven el acceso masivo a datos y la capacidad de gastar fortunas en GPUs como una ventaja competitiva, por lo que no les interesa desarrollar métodos que requieran menos recursos.

Por lo tanto, la IA frugal se basa en principios de minimalismo, eficiencia y adecuación al contexto. No se trata de hacer un "ChatGPT con menos recursos", sino de preguntarse si necesitamos un chatbot en primer lugar y qué otras herramientas más adecuadas podemos construir. Es mantener una visión ecológica y racional de los recursos. En fin, es la alternativa práctica y ética al "paradigma del dios máquina": menos gastos, más propósito, y el poder de vuelta en manos de las comunidades.

Paisaje y geometría con IA

Esta es una imagen lograda con inteligencia artificial, surgida de este muy simple prompt o instrucción: "Un paisaje diurno, de una pradera pero con cubos y figuras geométricas de colores". Me dio tres resultados, elegí este. Pueden opinar...

 

Cinetismo y programación en la obra de Elías Crespin

Elias Crespin Gunz, nacido en Caracas en 1965, es un artista plástico e informático venezolano, cuya obra rescata el movimiento cinético del siglo pasado y le aporta una nueva visión tecnológica. Hijo de matemáticos, es nieto de los reconocidos artistas y diseñadores germano-venezolanos Gego y Gerd Leufert. Estudió computación en la Universidad Central de Venezuela, pero su interés se enfocó pronto hacia la producción artística. 

A principios de la década del 2000 comienza a desarrollar su obra cinética inspirada en los grandes creadores venezolanos exponentes de esta tendencia, como Jesús Soto, Alejandro Otero y Cruz Diez, así como en los trabajos de su abuela, Gertrud Goldschmidt, GEGO. Ya en el año 2006 presentó en Caracas su primera exposición individual en el Canal Centro de Producción Cultural. 

Las esculturas móviles de Crespin han sido expuestas en lugares como el Grand Palais y el Museo de la Música en París; El Museo del Barrio en Nueva York; el Kinetica Museum de Londres; MALBA y MNBA Buenos Aires;  y el Museo de Bellas Artes de Houston, entre otros, así como en colecciones privadas. Estas producciones, que en principio son tridimensionales, se relacionan con el espacio a través de programas informáticos y hoy en día incopora la digitalización a sus creaciones, adentrándose en una nueva estética.

Las esculturas móviles de Elias Crespin se componen de mallas metálicas modeladas a mano o de elementos individuales suspendidos por hilos invisibles, que forman en su conjunto figuras geométricas. Mediante motores dirigidos por una programación informática, las esculturas dibujan lentamente en el espacio una danza, transformándose de forma casi imperceptible, pasando de una forma a la otra siguiendo una coreografía diseñada por el artista. A esta investigación que concierne el tiempo, la forma y el movimiento, Elias Crespin asocia a menudo el estudio del color a través de la experimentación con diferentes materiales y texturas, de la luz y de la sombra. 

Su trabajo fusiona sus dos universos de pertenencia, el arte y la informática: partiendo de sus investigaciones en programación, las aplica a las artes plásticas para crear esculturas en movimiento. Hoy es reconocido como un reivindicador de una estética moderna que ha pasado al mundo de lo digital. Desde enero de 2020 su escultura L'Onde du Midi ("La onda del mediodía"), forma parte de la colección del Museo del Louvre. Su obra destaca por la investigación sobre el tiempo, la forma y el movimiento como vínculo entre el cinetismo, las matemáticas y la programación. Vive actualmente en Francia. Su sitio Web: https://www.eliascrespin.net/.

Una frase de Chomsky sobre internet

"Internet es como cualquier otra tecnología, básicamente neutra, puedes usarla en formas constructivas o dañinas. Las formas constructivas son reales, pero muy pocas".

Noam Chomsky, lingüista, filósofo y activista estadounidense, nacido en 1928

Con raíces profundas, un corto en animación 3D

Este es un cortometraje animado del año 2025 sobre la codicia desenfrenada y sus consecuencias. Está realizado usando el software 3D gratuito, Blender, mismo usado en otros filmes de animación, como el muy famoso Flow, ganador del Premio Oscar de 2025 en su categoría. Aquí, en Deep Rooted ("Profundamente arraigado"), el productor y director británico Duncan Rudd trabaja con un reducido equipo, con Erin Rudd en la dirección de arte, Max Brodie en la composición y el sonido, el colorista Rob Brown y Jeff Shiffman en la mezcla final. Un tema visualmente bien llevado; el egoismo y el orgullo claramente representados en poco más de nueve minutos y con una estética digital propia del programa informático utilizado. Por cierto, la música aquí es excelente. Aquí está el sitio Web del estudio 3DRSTUDIO con más información del corto: https://www.3drstudio.co.uk/deep-rooted/.

Flavia Costa sobre el concepto de inteligencia artificial

Del libro Vidas Artificiales, de la profesora y escritora argentina, Flavia Costa, publicado este año 2026, extraigo este párrafo de una sección titulada "NI INTELIGENTE NI ARTIFICIAL NI TODO LO CONTRARIO":

¿Puede llamarse inteligencia a lo que no implica comprensión, conciencia ni intencionalidad? Las alternativas propuestas han sido numerosas -inteligencia computacional, cognición sintética, procesamiento de información compleja, razonamiento maquínico- y todas comparten el mismo problema: son técnicamente más precisas pero no logran captar el hecho de que estos sistemas hacen cosas que, cuando las realiza un humano, llamamos inteligentes.

Aquí entra uno de los temas más polémicos del término: antropomorfizar un acontecimiento que tiene como punto de partida procesos informáticos sin raciocinio ni ética. No olvidemos que ya el escritor argentno Carlos Scolari habló de inteligencias no humanas, analizando cómo estas tecnologías emergen de la curiosidad y la inteligencia humana. Scolari argumenta que la inteligencia artificial no debe ser vista como un reemplazo del ser humano, sino como un apoyo que complementa la creatividad y la producción humana. 

Pero finalmente, Flavia Costa concluye que "el nombre ya está instalado en el lenguaje técnico, jurídico, periodístico y cotidiano", por lo que es ya casi imposible sacarlo del imaginario colectivo contemporáneo. Seguiremos entonces hablando de "IA".

Más aproximaciones al tema de la gobernanza digital y las imágenes sintéticas

Este es un tema que ya he abordado muchas veces en este blog, pero día tras día, el asunto de cuestionar  las imágenes y videos por inteligencia artificial cobra cada vez más relevancia y me gusta revisarlo. En principio, la gobernanza digital de imágenes generadas por IA es el sistema de principios, normas, actores, procesos y tecnologías que regula el ciclo de vida de la imagen sintética (desde datos y entrenamiento hasta creación, distribución, archivo y reutilización) para equilibrar innovación, derechos fundamentales, integridad informativa y rendición de cuentas.

Claro, el problema es evitar reducir el problema a “prohibir deepfakes” o “etiquetar imágenes”: la imagen sintética es a la vez un producto cultural, un dato personal potencial, un activo económico, una evidencia documental y un vector de desinformación. La normativa europea, por ejemplo, exige que los proveedores de IA generativa garanticen que los contenidos generados sean identificables.

La gobernanza de imágenes sintéticas no debe centrarse únicamente en detectar lo falso, sino en gobernar las condiciones sociales, técnicas y jurídicas bajo las cuales una imagen puede ser creada, atribuida, circulada y reutilizada.

Otro aspecto fundamental a tomar en cuenta y que ya he tocado con anterioridad es el ético. El problema ético central es que la creación de imágenes por IA puede producir representaciones persuasivas de personas, hechos y realidades sin el conocimiento, consentimiento o control de quienes son representados. Por eso la ética no puede limitarse a preguntar si la imagen es “falsa”: debe preguntar quién resulta afectado, con qué poder y bajo qué condiciones se creó y circuló. 

La generación de imágenes con IA plantea entonces un conflicto entre la libertad creativa y técnica de producir representaciones visuales y el deber ético de proteger la dignidad, autonomía, privacidad e integridad informativa de las personas y comunidades representadas. Todas estas aristas hacen de esta materia una cuestión compleja, completamente actual, de difícil aproximación y que seguiré tratando más adelante. 

Gioconda pixelada

En las publicaciones anteriores hablé sobre la estética Low Poly y el arte digital que con esa técnica se logra. También hice alusión a un estilo que proviene igualmente de la creación de imágenes con poca resolución informática, y del que ya he hablado con anterioridad aquí en el blog: el arte pixelado. Hoy pongo entonces una muy simpática muestra de ese "Pixel Art", que nos permite ver la gran cantidad de posibilidades creativas nos brinda la cibernética contemporánea. Es la Gioconda en arte pixelado, cuadro del que también he realizado varias entradas acá. Es una Mona Lisa hallada en la Web. ¡Y que viva el gran Leonardo! 

La estética Low Poly (2/2)

En una publicación anterior vimos la definición de las técnica gráficas informáticas "High Poly" y "Low Poly", y en la entrada anterior hice referencia a esta última, que merece una consideración especial porque ha generado, como ya se dijo, una estética particular que se asocia con ciberarte, videojuegos y con pantallas digitales. 

Es así que la estética Low Poly es un fenómeno fascinante porque surgió de una restricción técnica y terminó convirtiéndose en un lenguaje visual propio. Actualmente el estilo contemporáneo Low Poly se ha convertido en una tendencia en el mundo de los videojuegos, la animación y la ilustración. A pesar de su apariencia minimalista, trabajando en Low Poly podemos simplificar escenas complejas en otras mucho más sencillas, lo que requiere un alto grado de creatividad. Este tipo de modelado es especialmente útil para los desarrolladores de videojuegos que buscan crear mundos abiertos, grandes y detallados que puedan ser renderizados en tiempo real.

Esta tendencia ha demostrado que se trata de una técnica efectiva tanto para los desarrolladores de juegos independientes como para las grandes producciones (videojuegos que son desarrollados y publicados por grandes empresas de amplio presupuesto), para crear mundos virtuales inmersivos y versátiles para cualquier tipo de videojuegos; de rol, juegos de carreras, policíacos y otros. Se pueden señalar varias manifestaciones actuales y sus ámbitos de aplicación.

1-Videojuegos independientes:

Títulos emblemáticos como Superhot, Monument Valley, Kentucky Route Zero o ABZÛ demuestran cómo la geometría reducida permite centrar la atención en la narrativa, la atmósfera o las mecánicas, liberando al jugador de la saturación del fotorrealismo.

2-Arte digital, ilustración y diseño de marca:

Se utiliza ampliamente en cartelería, portadas, diseño editorial y modelado de escenarios digitales. Su composición basada en facetas transmite dinamismo, modernidad y una sutil nostalgia hacia los inicios del entorno 3D (la era de los 32 bits).

3-Diseño industrial y arquitectura conceptual:

Ha influido en la estética del producto (por ejemplo, el diseño facetado de vehículos como el Tesla Cybertruck o esculturas geométricas contemporáneas).

Podemos decir entonces que en la historia del diseño digital, el Low Poly ejemplifica cómo la limitación material de una época (la memoria y la capacidad de cálculo gráfico de los años 90) se transforma, décadas después, en una categoría estética pura, celebrada por su cualidad sintética y expresiva.

La estética Low Poly (1/2)

La llamada estética Low Poly es un fenómeno curioso porque nació como una restricción técnica y terminó convirtiéndose en un lenguaje visual consciente y expresivo. Es un caso similar a la estética del Arte Pixelado. En este caso, al reducir la geometría a sus componentes esenciales, el estilo renuncia al hiperrealismo para abrazar la abstracción geométrica, la síntesis visual y la economía de formas.

Se trata de un estilo de modelado en creciente tendencia dentro de la animación. Esta técnica se basa en el diseño de objetos tridimensionales pero utilizando polígonos de baja resolución. El término “Low Poly” se refiere a la baja cantidad de polígonos utilizados para crear modelos 3D, lo que da como resultado una apariencia estilizada y geométrica. Por su naturaleza, tiene pocas caras y pocos vértices, dándole al objeto una apariencia más simple y minimalista.

En realidad, esta técnica tuvo su origen a mediados de la década de 1990, principalmente por temas de rendimiento. Al tener un número reducido de polígonos, resultaba menos exigente a la hora de ser procesado. Esto permite un mejor funcionamiento a tiempo real, especialmente en dispositivos con recursos limitados.

Algunos rasgos importantes son las facetas geométricas visibles, la abstracción y su economía visual, el color y la luz como parte de la estructura. Las superficies no se suavizan mediante algoritmos de interpolación (como Smooth Shading). En su lugar, se utiliza un sombreado plano (Flat Shading), lo que hace que cada cara triangular o cuadrangular refleje la luz de forma independiente, acentuando los bordes y ángulos del objeto.

Esta estética se apoya en el concepto de síntesis. con pocos vértices se debe capturar la esencia, la silueta y el peso visual de un objeto o figura humana. Recuerda en cierta medida al cubismo o al origami digital. Dado que la geometría es limpia y esquemática, la dirección de las luces, las sombras facetadas y las paletas de color (a menudo saturadas, de gran contraste o pastel) son las encargadas de construir el volumen y la profundidad atmosférica.

En la siguiente publicación veremos más detalles sobre esta forma estética visual y sus aplicaciones contemporáneas, tanto en el campo de la computación como en los videojuegos y en el ciberarte.

High Poly y Low Poly

En el diseño visual y gráfico de las imágenes computarizadas hay dos términos que definen la calidad y resolución de los productos que percibimos. Son High Poly (alto poligonaje) y Low Poly (bajo poligonaje), mismos que hacen referencia a la cantidad de polígonos (las mallas geométricas tridimensionales formadas por vértices, aristas y caras) que componen un modelo 3D. Esta distinción es fundamental en el diseño gráfico, la animación y los videojuegos.

Veamos las características de cada uno, según la información de la IA:

Low Poly (Bajo Poligonaje)

Definición: son modelos tridimensionales construidos con una cantidad reducida de polígonos (habitualmente triángulos o cuadriláteros).

Uso principal: se emplean en entornos donde el rendimiento en tiempo real es crítico, como videojuegos (especialmente para móviles o mundos abiertos masivos), aplicaciones de realidad virtual y motores gráficos interactivos.

Ventajas: tienen un consumo de recursos muy bajo, lo que permite que se muevan con fluidez en la pantalla. Son más fáciles y rápidos de animar y texturizar.

Estética: aunque tradicionalmente se usaban solo por limitaciones técnicas de hardware, hoy en día el estilo Low Poly se ha consolidado como una corriente estética minimalista y geométrica muy apreciada en el diseño visual.

High Poly (Alto Poligonaje)

Definición: son modelos compuestos por cientos de miles o millones de polígonos.

Uso principal: se utilizan en el cine, efectos visuales (VFX), cinemáticas de videojuegos o para la fase de esculpido digital inicial de un objeto o personaje (en programas como ZBrush).

Ventajas: permiten un nivel de detalle extremo (por ejemplo, poros de la piel, arrugas finas, texturas complejas o relieves profundos) modelados directamente en la geometría.

Inconvenientes: al tener tanta densidad geométrica, son demasiado pesados para renderizarse en tiempo real en un videojuego o aplicación interactiva convencional.

En la producción profesional de 3D, ambos conceptos se complementan a través de una técnica llamada generación de mapas de normales (Normal Mapping). Se esculpe un modelo High Poly con todos los detalles complejos y luego se "proyecta" esa información visual sobre un modelo Low Poly. De este modo, el objeto final es ligero y funcional para un videojuego, pero mantiene la apariencia visual de tener un alto nivel de detalle.

Esta última presentación ha generado, como se señaló antes, una estética propia muy particular, que así como se ha individualizado en el Arte Pixelado, se identifica en sí misma como Arte Low Poly. En la siguiente entrada hablaré sobre ese estilo visual Low Poly.

La obra artística de Ricardo Silveira

Este es un particular artista plástico venezolano nacido en Caracas en el año 1955. Ricardo Silveira ha desarrollado toda una propuesta creativa única, de manera autodidacta, adentrándose desde la década de los años 90 en la experimentación con la gráfica computarizada. Esa condición autodidacta de Silveira define su metodología de trabajo. Prescinde por completo de los bocetos preliminares en papel o lápiz, concibiendo un proceso de creación que inicia y concluye directamente dentro del entorno virtual. La computadora deja de ser un simple instrumento procesador para convertirse en un medio de producción plástica autónomo.

La obra de Silveira se puede  clasificar como ciberarte y es un exponente de la estética digital; esto se debe a que el fundamento de su producción está supeditado a la cultura de la red, a internet y a la estructura del código binario, soporte sin el cual la obra no puede existir ni mostrarse. Su trabajo no consiste en ilustrar mediante un ordenador, sino en concebir la imagen desde la lógica interna del software.

Silveira se inscribe como un continuador de la abstracción geométrica y el cinetismo venezolano encabezado por Jesús Soto, Alejandro Otero y Carlos Cruz-Diez. Mientras Cruz-Diez trabajaba la inducción cromática sobre el plano físico mediante pigmentos y soportes metálicos, y Soto lograba la vibración espacial superponiendo tramas tridimensionales, Silveira traslada esta búsqueda al entorno virtual, como lo hizo Otero al final de su via. Su propuesta configura un "cinetismo de pantalla" donde la vibración ya no depende del desplazamiento físico del espectador, sino de la tensión interna del código binario.

Pongo aquí una muestra de sus obras y un video realizado por mis estudiantes de la Escuela de Comunicación Social de la Universidad Central de Venezuela, en el que se explica y analiza su trabajo. Parte del texto de esta publicación es de las autoras. 

Muchas gracias a mis estudiantes de la UCV, Astrid Atencio, Katerine Gámez y Federica Pimentel Claut. Materia: Estética digital y comunicación visual.

Una idea de Richard Branson sobre la comunicación

Richard Charles Nicholas Branson (Londres, 18 de julio de 1950), conocido como Richard Branson, es un empresario multimillonario británico, popular por ser el propietario de las más de 360 empresas que forman Virgin Group.