iPhone 8 and iPhone X

Yesterday, Apple announced the new iPhones: iPhone 8 and iPhone X in their annual Apple Special Event. This year it took place, for the first time, in the Steve Jobs Theater in the Apple Park campus in Cupertino, California.

The iPhone 8 looks pretty similar, in terms of design, to its predecessor iPhone 7. The differences rely in small details like wireless charging, more durable glass in the front and back, retina HD display, more advanced 12MP camera, and a faster CPU called A11 Bionic, that is capable of processing 600 million operations per second making it 25% faster than the prior chip.

While the iPhone 8 has new features that make it a top-notch smartphone, everyone is focusing on the iPhone X.  This smartphone has a 5.8″ retina screen with no home button.  To unlock the phone they bring a new technology called Face ID, that uses facial map of the user. With this feature the user has to front-face the smartphone and once it recognizes the person the device is unlocked. No more fingerprint recognizer. Apple uses machine learning to integrate Adaptive Recognition. This is to make sure that Face ID can adapt to any physical changes in the user’s appearance over time.

It also brings the animoji feature that mirrors user’s expressions in animated emojis. It also comes with the A11 Bionic chip and the 12MP dual camera on the back.

iPhone X looks sleek but the “entirely screen” design is nothing new. Samsung already has those features in the Galaxy S8 and Galaxy Note 8.

iPhone 8 prices vary between $699 and $949. iPhone X price varies between $999 and $1,149.

Anuncios

INF115: Who am I?

I’m a computer science undergraduate at Universidad del Sagrado Corazón in San Juan, Puerto Rico. I’m passionate for new technology, programming and everything related to related those things. I seek to become a software developer once I graduate in May 2018.

“Make your faith larger than your fears and your dreams larger than your doubts.”-Robin Sharma

LinkedIn Picture

Posibilidad y Factibilidad Ética de la Inteligencia Artificial

Curso CCO 360 – Inteligencia Artificial

Resumen de la monografía

En la monografía da una serie de definiciones para la inteligencia artificial. Luego se presentan argumentos, a favor y en contra, que discuten las dos facetas de la inteligencia artificial. La primera faceta es la posibilidad de la existencia de una verdadera inteligencia artificial. La segunda es la factibilidad ética de la inteligencia inteligencia artificial. Cada faceta se divide en dos vertientes. La primera faceta se divide en “sí es posible la existencia de una inteligencia artificial” y “no es posible la existencia una inteligencia artificial”. La segunda faceta fue divida en “sí es ético continuar el desarrollo de la inteligencia artificial” y “no es ético continuar con el desarrollo de la inteligencia artificial”.  Se utilizan argumentos de Alan Turing, Ray Kurzweil, Stephen Hawking, Julia Bossman, John McCarthy, Marvin Minsky, entre otros.

Vídeos

Blog links

Referencias más importantes de la monografía

  • Stone P., Brooks R., Brynjolfsson E., Calo R., Etzioni O., Hage G., … Teller A., (2016) “Artificial Intelligence and Life in 2030.” One Hundred Year Study on Artificial Intelligence: Report of the 2015-2016 Study Panel
  • Peter Stone, Rodney Brooks, Erik Brynjolfsson, Ryan Calo, Oren Etzioni, Greg Hage … Astro Teller. “Artificial Intelligence and Life in 2030.” One Hundred Year Study on Artificial Intelligence: Report of the 2015-2016 Study Panel
  • Galeon, D. & Reedy, C. (2017) “A Google Exec just claimed the singularity will happen by 2029”. Recuperado de: https://www.sciencealert.com/google-s-director-of- engineering-claims-that-the-singularity-will-happen-by-2029?perpetual=yes&limitstart=1
  • Turing, A., (1950) Contrary Views on the Main Question. “Computer Machinery and Intelligence”

Páginas web sobre el tema

CCO 360 Redes Neurales

Machine Learning: técnicas, algoritmos, programas que permiten a una maquina aprender por si misma.

Matemáticas y Estadísticas son la base para el machine learning.

Redes neurales son una rama del machine learning que lleva tiempo de estudio y desarrollo.

Recursos:

Apple completely changed Siri works and nobody noticed

Chapter 22 Learning by Training Neural Nets

A visual and interactive guide to the Basics of Neural Networks

MNIST for ML Beginners

En biología, las neuronas procesan señales que le llegan a través de sus dendritas.

La misma tiene un umbral y de acuerdo al input que recibe decide disparar una señal o no.

Se utiliza machine learning se simula las neuronas biológicas de manera computacional

Entrenar: es un termino que indica que hay que proveerle unos algoritmos  a la neurona capaz de minimizar la función costo

Para lograr “entrenar” una neurona computacional se utilizan algoritmos de optimización como por ejemplo:

  • “Gradient Descent” or Back propagation

Siempre en una red neural se tiene un set de entrenamiento y después set de prueba

Resumen del tema:

  • Se tienen una serie de inputs
  • Se multiplica por un peso
  • Se le añade un bias al output
  • Y se espera que produzca predicciones correctas.

Miércoles se trabajará segunda parte: MNIST for ML Beginners

Además debemos:

  • Leer Cap 22
  • Leer Link: A visual and interactive guide to the Basics of Neural Networks
  • Entrar a

Inteligencia Artificial/Artificial Intelligence

Un interesante artículo acerca de la Inteligencia Artificial.

El nombre del artículo es el siguiente:

An interesting article about AI.

The name of the article is the following:

Collaboratively built semi-structured content and Artificial Intelligence: The story so far

Artículo de Inteligencia Artificial < Presione el link si desea ver el articulo completo./ Click here to read full article.