Inicio Blog Página 2203

Tres Ideas Creativas para Reutilizar Toallas Viejas sin Convertirlas en Paños de Limpieza

0

En muchas ocasiones, cuando las toallas de baño han cumplido su ciclo de vida y comienzan a mostrar desgaste, su primera parada suele ser el cubo de basura. Sin embargo, estas piezas de textil tienen un potencial reciclable que a menudo pasamos por alto. Aquí te presentamos tres maneras creativas y prácticas de reutilizar tus toallas viejas en el hogar, que van más allá de convertirlas en paños para limpiar.

La primera opción es transformar tus toallas en alfombras únicas y personalizadas. Con un poco de creatividad y unos cuantos cortes, puedes coser varias toallas viejas, de preferencia en diferentes colores y texturas, para crear una alfombra de baño o incluso para la entrada de tu casa. Estas alfombras son absorbentes, lavables y brindan calidez a tus espacios. Además, puedes añadirles toques decorativos como bordes de tela en contraste para darles un acabado más refinado.

Otra manera ingeniosa de reutilizar tus viejas toallas es transformarlas en sacos de yute o bolsas para la compra. Cada vez somos más conscientes de la importancia de reducir el uso de bolsas de plástico. Utilizar toallas recicladas para crear bolsas resistentes y duraderas no solo es una opción amigable con el medio ambiente, sino que también te ofrece la oportunidad de exhibir un accesorio completamente original. Puedes diseñarlas con asas de diferentes longitudes y hasta añadir compartimentos internos para facilitar la organización de tus compras.

Finalmente, puedes emplear las toallas desgastadas para confeccionar juguetes o artículos para tus mascotas. Los perros, en especial, disfrutan de masticar y jugar con telas gruesas. Crear pelotas de tela o cuerdas para tirar podría convertirse en el próximo pasatiempo favorito de tu perro. Simplemente corta las toallas en tiras y átalas o cóselas de tal manera que sean seguras para masticar. No solo estarás dando una nueva vida a tus toallas, sino que también estarás proporcionando diversión interactiva para tu mascota.

En conclusión, con un poco de imaginación y habilidades básicas de costura, las toallas desgastadas pueden tener una segunda vida útil en el hogar de muchas maneras diferentes. Desde alfombras hechas a mano, bolsas ecológicas para la compra hasta juguetes para mascotas, cada toalla vieja representa una oportunidad creativa y sostenible para enriquecer nuestro entorno cotidiano.

El Precio Humano de los Errores del Reconocimiento Automático de Placas

0

Un preocupante precedente en la utilización de tecnología policial ha salido a la luz tras una serie de detenciones indebidas basadas en la información incorrecta proporcionada por los lectores automáticos de matrículas (ALPR, por sus siglas en inglés). En Aurora, Colorado, Brittney Gilliam y su familia vivieron una experiencia aterradora en agosto de 2020, cuando fueron detenidos a punta de pistola por la policía, bajo la sospecha de estar conduciendo un vehículo robado. La confusión se originó a partir de un error del sistema, que confundió la matrícula de su SUV de Colorado con la de una motocicleta robada con matrículas de Montana.

El caso de Gilliam no es un hecho aislado. Denise Green también sufrió una detención errónea similar en San Francisco en 2009, cuando los oficiales la detuvieron porque el ALPR había malinterpretado su matrícula, confundiendo un número. En ambos incidentes, las víctimas eran mujeres afroamericanas, lo que pone de relieve cómo esta tecnología puede agravar las desigualdades en el sistema de justicia penal.

Las equivocaciones cometidas por los lectores de matrículas no son raras. Un estudio reciente indica que uno de cada diez vehículos es mal leído por estos dispositivos, lo que genera un número alarmante de detenciones incorrectas. En Atherton, California, Jason Burkleo fue detenido en su camino al trabajo cuando los oficiales, armados y a la vista de otros, le ordenaron acostarse en el suelo debido a una mala interpretación de su matrícula. De manera similar, en Española, Nuevo México, Jaclynn Gonzales también fue detenida a punta de pistola por un error de lectura del ALPR.

Además de los errores humanos en la lectura, otros casos han surgido por la falta de mantenimiento adecuado de las bases de datos de los ALPR. La policía de Contra Costa, por ejemplo, detuvo a Brian Hofer basándose en la información de un vehículo que ya había sido recuperado, debido a que no se actualizó la base de datos correspondiente.

Esta dependencia excesiva de los ALPR por parte de las fuerzas del orden está causando que se ejecuten detenciones sin la debida verificación. En un caso en Detroit, una mujer fue detenida debido a la coincidencia de una matrícula de un modelo de automóvil similar al utilizado en un tiroteo, a pesar de que su vehículo se encontraba a dos millas del lugar y no coincidía con otras características.

Los abusos no terminan ahí. Existen denuncias de oficiales que han utilizado ilegalmente las bases de datos de los ALPR para obtener información personal para fines propios, como el acoso. Estos abusos han llevado a un aumento en las demandas por detenciones erróneas, con ciudades como Aurora y San Francisco pagando millones en acuerdos para resolver estos casos.

La comunidad está comenzando a cuestionar el papel de los ALPRs en el sistema de justicia penal y sus verdaderos efectos en la seguridad pública. Mientras que las detenciones erróneas por parte de los autores del crimen, lejos de proteger, generan un clima de desconfianza y temor entre la ciudadanía. Desde 2012, diversas organizaciones han trabajado en la resistencia a los riesgos que representan estas tecnologías, abogando por la privacidad y la seguridad de los ciudadanos.
Fuente: EFF.org

Innovación y Elegancia: La Excelencia Sueca de AEG en Electrodomésticos para el Hogar

0

En el competitivo mundo de los electrodomésticos, AEG se ha consolidado como una marca líder que combina a la perfección la calidad y el diseño innovador de inspiración sueca. Desde hace más de un siglo, AEG ha estado presente en los hogares, ofreciendo soluciones prácticas y estilizadas que facilitan las tareas domésticas diarias, y en la actualidad, su compromiso con la excelencia sigue siendo inquebrantable.

Fundada en Alemania en el siglo XIX, AEG ha evolucionado constantemente, adaptándose a las demandas cambiantes del mercado y adoptando las últimas tecnologías. Sin embargo, es su enfoque contemporáneo en el diseño escandinavo lo que ha permitido que AEG se distinga en un mercado global saturado. La estética minimalista, funcional y elegante de sus productos refleja la esencia del diseño sueco, que prioriza la simplicidad y la eficiencia sin sacrificar la belleza.

Los electrodomésticos de AEG no solo son un deleite para los ojos, sino que también son sinónimo de durabilidad y fiabilidad. La marca se enfoca en utilizar materiales de alta calidad y tecnología de punta para garantizar que cada producto cumpla con los estándares más exigentes. Refrigeradores que optimizan el espacio de almacenamiento, lavadoras que cuidan cada prenda y hornos que aseguran una cocción uniforme son solo algunas de las innovaciones que AEG ha introducido al mercado.

Junto con su diseño y calidad, AEG se compromete con la sostenibilidad. La empresa ha implementado prácticos programas de eficiencia energética que reducen el consumo de recursos naturales sin afectar el rendimiento. Promover la longevidad de sus productos y el reciclaje también forma parte de su estrategia para minimizar el impacto medioambiental.

AEG entiende que los electrodomésticos son una extensión de la personalidad y estilo de vida de sus usuarios, por lo que ofrece una amplia gama de opciones para adaptarse a diversas preferencias y necesidades. Esta personalización, junto con el respaldo de un sólido servicio al cliente, ha cimentado su reputación como un aliado confiable en el hogar moderno.

En definitiva, AEG se ha reinventado como una marca que no solo entiende las exigencias del hogar contemporáneo, sino que también lidera el camino hacia un futuro más sostenible y estilizado. Sus electrodomésticos representan una perfecta conjunción de diseño sueco, funcionalidad y preocupación por el entorno, características que prometen seguir haciendo de cada pieza de AEG una inversión sólida para cualquier hogar.

Cómo Druva Utilizó Amazon Bedrock Para Abordar La Complejidad De Los Modelos Fundamentales Al Crear Dru, El Copiloto De Respaldo AI De Druva

0

Druva, la empresa especializada en resiliencia de datos y ciberseguridad, ha integrado un asistente de inteligencia artificial llamado Dru en su plataforma de protección de datos. Esta inclusión busca revolucionar la forma en que los usuarios interactúan con la tecnología mediante consultas en lenguaje natural, simplificando así los procesos de gestión y análisis de datos.

Dru permite a los usuarios entablar conversaciones naturales con el software para realizar tareas como encontrar inconsistencias, programar copias de seguridad y mejorar la seguridad general del sistema. Además, este asistente proporciona respuestas inteligentes y enlaces directos a la documentación relevante de Druva, facilitando la capacitación y la resolución de problemas para los usuarios.

La IA de Dru está alimentada por Amazon Bedrock, una herramienta de Amazon Web Services que permite realizar consultas en lenguaje natural y recibir datos tabulares como respuesta. Aunque la implementación de esta tecnología presentó ciertos desafíos, como la lentitud en las respuestas del agente de IA y complicaciones en los ciclos de razonamiento, Druva adoptó un enfoque de encadenamiento de tareas que ha permitido mejorar la velocidad y precisión de las respuestas.

Uno de los principales retos fue identificar la ruta API correcta para responder a las preguntas de los usuarios, lo cual se solventó al formular esta tarea como un problema de clasificación. Asimismo, la generación y llamada de API privadas se dividió en dos pasos para mejorar la robustez del proceso y evitar errores al interpretar los parámetros de la API.

El uso de Dru se extiende a tareas rutinarias como la creación de políticas de respaldo y la navegación personalizada de sitios web mediante comandos conversacionales. Esta capacidad ofrece a los administradores una operación simplificada y más accesible, utilizando un sistema de control de acceso basado en roles.

Los resultados obtenidos mediante la solución basada en Amazon Bedrock son impresionantes, con una tasa de precisión del 100 % en la identificación de rutas de API y en la generación de llamadas de API privadas, y un 90 % en la transformación de datos mediante código Python. Estos altos niveles de precisión son un testimonio de la eficacia y robustez de la solución, lo que permite a Druva expandir sus servicios y mejorar la experiencia del usuario.

Druva pretende seguir ampliando esta solución para abarcar un mayor número de API y seguir enriqueciendo la interacción de los usuarios con sus productos, consolidando así su posición como un líder innovador en ciberseguridad y gestión de datos.
vía: AWS machine learning blog

Lecciones Y Mejores Prácticas Para Perfeccionar Claude 3 Haiku En Amazon Bedrock

0

En un avance tecnológico significativo, las empresas están encontrando nuevas oportunidades de personalización en el procesamiento del lenguaje natural y la inteligencia artificial generativa. La técnica de ajuste fino, que permite a las empresas adaptar modelos de lenguaje de gran tamaño preentrenados para tareas específicas, se ha convertido en una herramienta poderosa para mejorar las capacidades de estas tecnologías.

El proceso de ajuste fino implica actualizar los pesos del modelo para mejorar su rendimiento en aplicaciones específicas. Esto permite a los modelos adaptarse a una base de conocimientos precisa y datos concretos, dotándolos con capacidades mejoradas adaptadas a tareas específicas. Sin embargo, para lograr resultados óptimos es crucial contar con un conjunto de datos limpio y de alta calidad.

Amazon Bedrock ha implementado capacidades innovadoras para el ajuste fino de modelos de lenguaje de gran tamaño, proporcionando beneficios sustanciales para las empresas. Tal es el caso de los modelos de Anthropic, como Claude 3 Haiku, que pueden optimizarse para usos personalizados, alcanzando niveles de rendimiento comparables o incluso superiores a versiones más avanzadas como Claude 3 Opus o Claude 3.5 Sonnet. Esta optimización no solo mejora el desempeño en tareas específicas, sino que también reduce costos y latencia, ofreciendo una solución versátil que permite equilibrar capacidad, conocimiento del dominio y eficiencia en aplicaciones impulsadas por la inteligencia artificial.

A través del ajuste fino del modelo Claude 3 Haiku en Amazon Bedrock, se han delineado prácticas óptimas y lecciones aprendidas. Este enfoque detalla componentes importantes como la definición de casos de uso, preparación de datos, personalización del modelo y evaluación del rendimiento, subrayando la importancia de la optimización de hiperparámetros y técnicas de limpieza de datos para resultados óptimos.

Casos de uso ideales para el ajuste fino incluyen tareas de clasificación, generación de salidas estructuradas, uso de herramientas y APIs, y la adopción de tonos o lenguajes específicos de marca. Además, el proceso de ajuste fino supera el rendimiento del modelo base en diversas aplicaciones, desde resumen y clasificación hasta generación de lenguajes personalizados como SQL.

Para ilustrar la eficacia del ajuste fino, el dataset TAT-QA para preguntas y respuestas financieras ha demostrado mejoras significativas con un modelo ajustado. Claude 3 Haiku, optimizado con la técnica de ajuste fino, ha superado a sus contrapartes base en desempeño, reduciendo además el uso de tokens, lo que representa una ventaja en términos de eficiencia y precisión de la respuesta.

En este contexto, las buenas prácticas en la preparación y validación de datos son esenciales para garantizar la calidad de los resultados del ajuste fino. El uso de evaluaciones humanas y modelos masivos como jueces comprobadores de calidad son métodos eficientes para mantener la integridad del conjunto de datos de entrenamiento.

El proceso de ajuste fino también abarca aspectos como la personalización de los trabajos de entrenamiento del modelo y la evaluación del rendimiento, mostrando cómo los modelos ajustados consistentemente superan a los modelos base en diversos parámetros métricos.

En conclusión, el ajuste fino de modelos de lenguaje de gran tamaño en Amazon Bedrock destaca por ofrecer importantes mejoras de rendimiento para tareas especializadas. Organizaciones que desean maximizar el potencial de estas tecnologías deben priorizar la calidad de sus datasets, la personalización de hiperparámetros y la aplicación de prácticas superiores en el ajuste fino. Estos pasos permiten que las empresas aprovechen estos modelos para casos de uso y tareas específicos, asegurando así su lugar de liderazgo en la evolución de la inteligencia artificial.
vía: AWS machine learning blog

Promoviendo la Sostenibilidad Ambiental en Ensayos Clínicos con AWS

0

La evolución de los ensayos clínicos hacia un formato descentralizado está marcando un hito en la disminución de su impacto ambiental, tradicionalmente asociado al consumo energético y las emisiones de gases de efecto invernadero. Con las nuevas tecnologías disponibles, los ensayos clínicos descentralizados se perfilan como una solución sostenible y eficiente, permitiendo la participación remota de los pacientes gracias al uso de dispositivos portátiles, aplicaciones móviles y la telemedicina.

Amazon Web Services (AWS) es un actor relevante en esta transición, proporcionando la infraestructura tecnológica necesaria para implementar estos nuevos modelos de ensayo de manera rápida y eficaz. Al enfocarse en ensayos virtuales, compromiso personalizado con el paciente, un diseño centrado en el paciente y una gestión centralizada de los datos, AWS facilita la disminución de la huella de carbono asociada a la investigación clínica.

El desafío de reducir las emisiones globales de gases es una tarea urgente en todos los sectores. La industria de la salud no es la excepción, y la pandemia de COVID-19 ha incrementado la conciencia pública sobre la investigación clínica, generando un aumento en la participación en los ensayos. Este interés renovado plantea la necesidad de modelos más sostenibles, ya que los ensayos clínicos tradicionales requieren un uso intensivo de energía tanto en los centros de investigación como en los viajes aéreos necesarios para su desarrollo.

Un claro ejemplo del impacto ambiental que pueden tener estos ensayos es el estudio de caso del ensayo CRASH, que generó aproximadamente 630 toneladas métricas de dióxido de carbono a lo largo de cinco años, equivalentes a las emisiones anuales de 137 vehículos de pasajeros. Con cientos de miles de ensayos clínicos llevándose a cabo anualmente en todo el mundo, la magnitud del problema se multiplica exponencialmente.

Los ensayos descentralizados no solo mitigan este impacto sino que optimizan la experiencia de los pacientes, eliminando la necesidad de desplazamientos y reduciendo la carga financiera y burocrática de los participantes. Además, las soluciones basadas en la nube, como las de AWS, permiten un diseño más eficiente y menos intensivo en recursos, favoreciendo el uso de energías renovables.

Con plataformas como las desarrolladas por SourceFuse, los ensayos clínicos descentralizados aprovechan el poder de la arquitectura centrada en la nube para operar de manera escalable y sostenible. Esto no solo promueve la eficiencia energética sino que también mejora la retención de los pacientes al proporcionar una experiencia de usuario más fluida y accesible desde sus hogares.

En última instancia, el modelo descentralizado, apoyado por tecnologías avanzadas, no solo responde a la necesidad de sostenibilidad en la investigación clínica, sino que también representa un avance significativo hacia la inclusión y diversificación en los ensayos, alineando a la industria con las demandas contemporáneas de responsabilidad ambiental y social.
vía: AWS machine learning blog

Anuncio De Los Ganadores De Los Premios Microsoft Store 2024

0

La plataforma abierta de Windows continúa consolidándose como un espacio fértil para el desarrollo de aplicaciones en toda categoría, desde proyectos individuales y de código abierto hasta grandes corporaciones. Este año, Microsoft ha vuelto a reconocer el talento y la innovación con sus Premios Microsoft Store 2024, premiando a los desarrolladores que han hecho contribuciones significativas al ecosistema de Windows. El evento ha suscitado gran entusiasmo, reflejado en el abrumador número de nominaciones recibidas.

En la categoría de Inteligencia Artificial, el galardón fue para djay Pro de Algoriddim, que destaca por su impecable sincronización de ritmos y su interfaz intuitiva. Su tecnología NeuralMix lleva la experiencia de DJing a un nuevo nivel, mejorando significativamente la calidad del sonido y la separación de pistas gracias al procesador Snapdragon X Elite NPU.

En cuanto al estilo de vida, Diarium Journal & Diary de T. Parti se ganó el primer lugar con su interfaz gráfica impresionante y fácil de usar, junto con características de personalización que permiten a los usuarios mantener un diario digital de manera efectiva.

La categoría de Finanzas Personales reconoció a TradingView, Inc. Su aplicación homónima es apreciada por ofrecer herramientas de gráficos potentes y datos en tiempo real, facilitando la toma de decisiones informadas para inversores de todos los niveles.

En la categoría de Negocios, Gamma fue premiada por ofrecer al usuario herramientas de creación de contenido impulsadas por IA, resaltando por su diseño intuitivo y características de colaboración en tiempo real.

Por su aporte a la educación, Typing Land de higopage se destacó por su enfoque interactivo para mejorar las habilidades de mecanografía, proporcionando una experiencia educativa divertida y accesible para todas las edades.

La Productividad vio como ganador a Todoist de Doist Inc., reconocida por su magnífica experiencia de usuario, alto rendimiento y versatilidad, perfecta para la gestión de tareas tanto escolares como laborales.

En la categoría de Música, Apple Music fue el favorito, recibiendo elogios por su rendimiento, calidad de sonido y recomendaciones musicales personalizadas.

Para Health & Fitness, F.lux Software LLC fue galardonada por su aplicación que optimiza la experiencia visual mediante transiciones suaves entre diferentes estados de filtro de luz azul, mejorando el bienestar digital del usuario.

El campo médico fue liderado por Complete Anatomy 2024 de 3D4Medical, que ofrece herramientas y referencias detalladas, convirtiéndose en un recurso invaluable para profesionales y estudiantes del área.

Oh My Posh se destacó en la categoría de herramientas para desarrolladores, con su amplia gama de temas y opciones de personalización, facilitando un entorno de terminal eficiente y estéticamente agradable.

Pinterest lideró en la categoría social con su capacidad para inspirar a los usuarios a través de una interfaz amigable y un sinfín de ideas visuales.

En creatividad, Adobe Express fue premiada por ofrecer plantillas y diseños de logotipos a creadores de todos los niveles, potenciada por los efectos inteligentes de Adobe Firefly.

La categoría de juegos vio coronar a Asphalt Legends Unite de Gameloft, que brilla por sus gráficos de alta calidad y experiencia de juego emocionante que atrae a los fanáticos de las carreras.

Por último, en la categoría de Estrella en Ascenso, la aplicación Endel de Endel Sound fue galardonada por crear paisajes sonoros personalizados para mejorar el enfoque, la relajación y el sueño, utilizando principios científicos y tecnología de IA.

Felicitamos a todos los ganadores, quienes recibirán una insignia especial en la Microsoft Store de Windows como reconocimiento a su aporte e innovación en la creación de aplicaciones. Esta premiación subraya la riqueza del ecosistema de desarrolladores y refuerza el compromiso de Microsoft con ellos para llevar herramientas útiles e innovadoras a los usuarios de Windows en todo el mundo.

vía: Microsoft Windows blog

Gestiona, Asigna y Supervisa los Costos y Uso de tu IA Generativa con Amazon Bedrock

0

Las empresas están adoptando cada vez más la inteligencia artificial generativa, lo cual trae consigo desafíos en la gestión de los costos asociados. Con el aumento de la demanda de aplicaciones de inteligencia artificial generativa en diversos proyectos y líneas de negocio, se vuelve más complicado asignar y rastrear los gastos de manera precisa. Las organizaciones deben priorizar su gasto en inteligencia artificial generativa según el impacto y la criticidad del negocio, al tiempo que mantienen la transparencia de costos entre los segmentos de clientes y usuarios. Esta visibilidad es esencial para establecer precios precisos para las ofertas de inteligencia artificial generativa, implementar devoluciones de cargo y establecer modelos de facturación basados en el uso.

Sin un enfoque escalable para controlar los costos, las organizaciones corren el riesgo de superar los presupuestos y enfrentar sobrecargos. La supervisión manual de gastos y los ajustes periódicos de los límites de uso son ineficientes y propensos a errores humanos, lo que puede llevar a un gasto excesivo. A pesar de que se admite el etiquetado en una variedad de recursos de Amazon Bedrock, anteriormente no había capacidad para etiquetar modelos básicos de demanda. Esta limitación ha agregado complejidad a la gestión de costos para iniciativas de inteligencia artificial generativa.

Para abordar estos desafíos, Amazon Bedrock lanzó una capacidad que permite a las organizaciones etiquetar modelos a demanda y monitorear los costos asociados, alineando el uso con taxonomías organizacionales específicas como centros de costos, unidades de negocio y aplicaciones. Asimismo, pueden utilizar servicios como AWS Budgets para establecer presupuestos basados en etiquetas y alertas para monitorear el uso. Este enfoque programático y escalable elimina procesos manuales ineficientes, reduce el riesgo de gasto excesivo y garantiza que las aplicaciones críticas reciban prioridad. El mayor control y visibilidad sobre los gastos relacionados con la inteligencia artificial permite a las organizaciones maximizar sus inversiones en inteligencia artificial generativa y fomentar la innovación.

Amazon Bedrock ha introducido recientemente perfiles de inferencia de aplicaciones, una nueva capacidad que permite a las organizaciones aplicar etiquetas de asignación de costos personalizadas para rastrear, gestionar y controlar el uso y los costos de sus modelos bajo demanda. Esta función permite a las organizaciones crear perfiles de inferencia personalizados para los modelos base de Amazon Bedrock, añadiendo metadatos específicos para diferentes inquilinos, lo que facilita la asignación de recursos y el monitoreo de costos a través de aplicaciones de inteligencia artificial variadas.

Un ejemplo tangible de esta capacidad es la manera en que una proveedora de seguros puede mejorar la experiencia del cliente mediante la automatización del procesamiento de reclamaciones, ofreciendo recomendaciones de pólizas personalizadas y mejorando la evaluación de riesgos para clientes en diversas regiones. Para hacer esto, la empresa debe adoptar un marco robusto para gestionar de manera efectiva sus cargas de trabajo de inteligencia artificial generativa.

Mediante la creación de perfiles de inferencia de aplicaciones adaptados a sus diversas unidades de negocio, la proveedora de seguros puede monitorear y rastrear eficazmente sus patrones de gasto en Amazon Bedrock, utilizando una estructura de etiquetado que categoriza los costos y permite la evaluación del uso frente a los presupuestos.

El uso combinado de etiquetado, presupuestos, detección de anomalías y análisis de costos detallado permite a las organizaciones gestionar efectivamente sus inversiones en inteligencia artificial. Aprovechando estas herramientas de AWS, los equipos pueden mantener una visión clara de los patrones de gasto, posibilitando una toma de decisiones más informada y maximizando el valor de sus iniciativas de inteligencia artificial generativa mientras garantizan que las aplicaciones críticas se mantengan dentro del presupuesto.
vía: AWS machine learning blog

Anuncio De La Vista Previa De Windows 11 Build 22635.4440 (Canal Beta)

0

Microsoft ha lanzado la nueva versión Windows 11 Insider Preview Build 22635.4440 (KB5045889) para los usuarios del Canal Beta, en un esfuerzo por continuar mejorando la seguridad y la experiencia del usuario del sistema operativo Windows. Este lanzamiento incluye la introducción paulatina de nuevas características, mejoras y correcciones que se irán expandiendo entre los usuarios del canal, particularmente aquellos que han activado la opción para recibir las últimas actualizaciones a medida que están disponibles.

Entre las novedades más destacadas se encuentra una actualización significativa de Windows Hello, la herramienta de autenticación de Windows, que ahora se alinea con los estándares de diseño contemporáneos del sistema operativo. Este cambio busca hacer que la autenticación sea más intuitiva y fluida para los usuarios. Los nuevos elementos visuales de Windows Hello están diseñados para facilitar una comunicación rápida y clara y estarán presentes tanto en la pantalla de inicio de sesión de Windows como en otros flujos de autenticación, como contraseñas, la Microsoft Store, entre otros.

Además de la renovación visual, la experiencia de usuario para la credencial de seguridad de Windows se ha rediseñado, permitiendo un cambio más fluido entre opciones de autenticación y una selección más intuitiva de contraseñas y dispositivos. Esta nueva experiencia también se aplicará a una nueva función de protección para administradores que llegará a Windows 11, versión 24H2 y superiores, actualmente en vista previa con Windows Insiders en el Canal Canary.

La actualización no se limita a Windows Hello. También incluye un conjunto de mejoras generales y correcciones de errores que optimizan la experiencia global de los usuarios del Canal Beta. No obstante, algunas características, como el nuevo diseño del teclado para gamepads, han sido desactivadas temporalmente para solucionar ciertos problemas y se implementarán nuevamente en futuras actualizaciones.

Los miembros de Windows Insiders en el Canal Beta que deseen recibir estas novedades de inmediato pueden activar la opción de actualización en el apartado de Configuración del sistema operativo. Microsoft resalta la importancia de la retroalimentación de los usuarios durante este proceso de prueba y ajuste de nuevas características, por lo que alienta a los usuarios a enviar sus comentarios a través del Feedback Hub.

Esta versión también recuerda a los usuarios que algunas de estas características en desarrollo activo podrían no estar completamente localizadas y que las traducciones se realizarán a medida que las funciones se finalicen. Por ello, en caso de detectar problemas de localización, se anima a los usuarios a reportar estos problemas para su solución.

Microsoft continúa desarrollando de forma paralela las funciones y experiencias para los canales Dev y Beta, lo que podría ocasionar que algunas características aparezcan inicialmente en el Canal Beta. Para un panorama completo sobre las versiones disponibles en cada canal Insider, los usuarios pueden consultar Flight Hub. La compañía sigue comprometida con la innovación continua en Windows 11, basándose en la retroalimentación y el análisis de las características presentadas a los Insider.
vía: Microsoft Windows blog

Utiliza Amazon Q Para Encontrar Respuestas en Google Drive en una Empresa

0

Amazon ha lanzado Amazon Q Business, un asistente impulsado por inteligencia artificial generativa diseñado para optimizar las operaciones empresariales. Este servicio gestionado completamente tiene como objetivo proporcionar respuestas precisas a las preguntas de los usuarios, cumpliendo con las restricciones de seguridad y acceso de contenido. La plataforma se puede personalizar para adaptarse a las necesidades específicas de cada empresa, integrándose con los sistemas de información de cada una a través de conectores integrados para diversas fuentes de datos empresariales.

Amazon Q Business permite a usuarios de distintos roles, como gerentes de marketing, gestores de proyectos y representantes de ventas, mantener conversaciones personalizadas, resolver problemas empresariales, generar contenido y tomar decisiones a través de una interfaz web. La meta es ayudar a los empleados a trabajar de manera más inteligente, moverse con mayor rapidez y tener un impacto significativo ofreciéndoles información inmediata y relevante para sus tareas.

Una de las capacidades destacadas de Amazon Q Business es su integración con Google Drive, un popular servicio de almacenamiento basado en la nube que centraliza el almacenamiento de activos digitales. Al emplear el conector de Google Drive de Amazon Q Business, se puede indexar de manera segura los archivos almacenados, respetando las listas de control de acceso que aseguran que los usuarios solo accedan a los documentos a los que tienen permiso.

El uso adecuado de las listas de control de acceso (ACLs) en aplicaciones gestionadas por IA, como Amazon Q Business, representa un componente crucial en la gestión de quien puede acceder a la información contenida y qué acciones pueden realizar, facilitando el intercambio de conocimientos dentro de equipos o grupos específicos al tiempo que se restringe el acceso a otros.

Para llevar a cabo el uso de Amazon Q Business con Google Drive, el proceso implica configurar cuentas de servicio en Google Workspace, autenticar usando OAuth 2.0 para indexar documentos y establecer los pasos necesarios para garantizar que solo se indexen los documentos requeridos por los administradores de la aplicación.

Esta solución integrada demuestra cómo dos usuarios comerciales pueden hacer preguntas sobre documentos a los que tienen acceso según las restricciones ACLs establecidas. Cada usuario puede formular consultas específicas y obtener respuestas basadas solo en los documentos permitidos dentro de su ámbito definido por Amazon Q Business.

La implementación de esta tecnología muestra cómo Amazon Q Business puede integrarse a diversas fuentes de datos proporcionando un punto central de búsqueda en los repositorios documentales corporativos, mejorando así la eficiencia y colaboración dentro de las empresas a través de una interacción amigable y en tiempo real.
vía: AWS machine learning blog