La compañía de Elon Musk no pasa por su mejor momento. Ha sido un año duro y el CEO de Tesla no ha tenido reparos a la hora de asumirlo, una actitud que no le ha hecho ningún bien y que parece haber intentado “contrarrestar” hablando de un supuesto coche eléctrico “económico” que podrían lanzar dentro de tres años.

Hablar de Tesla y asociar la idea de coches eléctricos económicos es complicado, de ahí las comillas. Elon Musk ha comentado que el precio de ese coche sería de unos 25.000 dólares, una cifra que no está al alcance de todo el mundo, pero que resulta más accesible que los 35.000 dólares que pide la compañía por un Model 3 en su configuración más básica.

El objetivo de Tesla siempre ha sido popularizar los coches eléctricos según Elon Musk, una tarea complicada por toda la tecnología necesaria para producir este tipo de vehículos y por el alto coste de algunos componentes fundamentales, entre los que destacan especialmente las baterías. Esto es fácil de entender y explica la evolución que ha ido completando la compañía durante los últimos meses, ¿pero por qué necesita “con urgencia” Tesla un coche eléctrico para las masas?

La respuesta es muy sencilla, porque tiene que alcanzar la rentabilidad. Aunque no lo parezca el camino hacia la rentabilidad se le ha puesto muy cuesta arriba a Tesla. El Model 3 fue la gran promesa de la firma para alcanzar dicho objetivo de forma definitiva, pero los problemas productivos le han impedido alcanzar el volumen necesario para alcanzar dicha meta, y no parece que la situación vaya a cambiar a corto plazo.

Tesla debería alcanzar la rentabilidad antes del plazo de tres años que han fijado para la llegada de ese coche para las masas, pero éste podría jugar un papel fundamental a la hora de apuntalar los ingresos y de mantenerla en la senda de la rentabilidad.

Investigadores del Laboratorio de IA de Informática del MIT (CSAIL), en colaboración con investigadores del Hospital General de Massachusetts, están desarrollando nuevos métodos para el uso de señales de radio inalámbricas para detectar sensores dentro del cuerpo humano.

Este sistema, ReMix, podría usarse para encontrar implantes de microchips ingeribles e implantables, una técnica que esperan pueda aplicarse para la obtención imágenes médicas, para administrar medicamentos a partes específicas del cuerpo, o incluso para rastrear el movimiento de tumores.

La profesora del MIT que dirigió el estudio, Dina Katabi, ya utilizó previamente señales inalámbricas para rastrear el movimiento humano, o medir la respiración o el ritmo cardíaco de una persona a través de las paredes. Por su parte, el trabajo de CSAIL consiste en la exploración de las posibles aplicaciones de las ondas de radio con dispositivos implantables.

Y es que las pruebas iniciales de ReMix se han centrado en la colocación de uno de estos microchips dentro de un tumor falso, colocado en diversas formas de tejido animal e incluso en tejido sintético humano (también denominado tejido fantasma).

A día de hoy esta IA es capaz de detectar la ubicación de un microchip con una precisión de 1,4 centímetros, aunque según declara Katabi, la inteligencia artificial debe ser todavía más precisa, reduciéndose su precisión a milímetros, antes de poder ser considerada para ser usada en un entorno clínico real.

Si ReMix crece en precisión, también podría ayudar en la terapia de protones para el tratamiento del cáncer. Dado que el método de tratamiento requiere el uso de grandes cantidades de radiación, se requiere determinar con precisión la ubicación exacta de las células cancerosas invasivas.

Así pues, se espera que esta semana se haga púbico un estudio con mayores detalles sobre sus progresos y hallazgos, durante las conferencias internacionales SIGCOMM que se celebrarán en Budapest.

Las nuevas tecnologías y la IA establecen nuevos límites para la medicina

Sin embargo, no se trata del primer hito tecnológico en este campo. Hace unos meses nuestros compañeros de MuyComputer ya nos adelantaron el éxito en la primera impresión 3D de una córnea humana.

También durante junio, los investigadores del MIT anunciaron la creación del sistema InVivo Networking (IVN), un sistema inalámbrico para alimentar dispositivos implantados en el cuerpo humano. El mismo mes los investigadores de Caltech debutaron con su sensor para implantado en el ojo humano, capaz de ofrecer datos sobre la presión ocular, un posible indicador del glaucoma, una de las principales causas de ceguera.

Por último, hace apenas una semana, la IA DeepMind de Google, junto con oftalmólogos e investigadores del Moorfields Eye Hospital y el University College de Londres, publicaron un documento afirmando que su IA ya es capaz de recomendar tratamientos para más de 50 enfermedades oculares, bajo una tasa de precisión del 94%.

Para poder tener en funcionamiento todos sus sistemas y servicios, Google necesita una ingente cantidad de servidores, almacenados en varias decenas de centros de datos repartidos por todo el mundo. Como sucede con este tipo de instalaciones, los centros de datos de Google necesitan sistemas de refrigeración para reducir la temperatura de sus máquinas. Sus responsables decidieron hace un tiempo comenzar a probar si la Inteligencia Artificial podía mejorar la eficacia de estos sistemas de refrigerado. Y a juzgar por lo que ha publicado la compañía en el blog de DeepMind, han tenido éxito. Tanto, que en la actualidad es un sistema de Inteligencia Artificial el que controla estos sistemas, y no los humanos.

Hace ya dos años que Google empezó a utilizar Inteligencia Artificial para refrigerar sus centros de datos. En un principio, ofrecía a los controladores de estos sistemas diversas recomendaciones sobre la mejora de la eficiencia energética mientras se mantenían las temperaturas adecuadas para que los miles de servidores albergados en ellos funcionasen correctamente. Y ahora es esta Inteligencia Artificial la que se encarga de todo.

La idea que hay detrás del sistema encargado de la optimización de la refrigeración de los sistemas de Google es bastante sencilla. Tal como afirman desde DeepMind, “incluso las mejoras más pequeñas pueden proporcionar unos ahorros significativos de energía, al mismo tiempo que logran reducir las emisiones de CO2 para ayudar a luchar contra el cambio climático“. Poco después de su puesta en marcha, los operadores de los centros de datos destacaron que el sistema estaba desvelando diversas técnicas mejoradas.

Pero para poner en marcha estas recomendaciones se requería mucho tiempo y esfuerzo. Es entonces cuando Google comenzó a explorar la posibilidad de poner en marcha un sistema automatizado en las instalaciones, que es el que utiliza en la actualidad. En este momento, este sistema de Inteligencia Artificial se encarga de poner en marcha diversas actuaciones de manera autónoma. Eso sí, siempre hay operadores presentes, encargados de supervisar todo lo que hace el sistema y, si es necesario, de tomar su control.

El sistema toma una fotografía de la refrigeración cada cinco minutos. Esta información se envía a las redes neuronales de DeepMind. Es entonces cuando la Inteligencia Artificial las analiza y decide qué acciones deben llevarse a cabo para mantener la temperatura con el mínimo consumo de energía. Estas acciones pasan entonces por varios controles de seguridad, y si los superan, se ponen en marcha.

Según aseguran desde Google, el sistema ya lleva varios meses en funcionamiento, y ha conseguido un ahorro de energía cercano al 30%. Además, sigue desvelando nuevas técnicas encaminadas a cumplir los objetivos de ahorro de energía de los de Mountain View.

En Google ya están pensando en utilizar un sistema como este en otras áreas, no sólo en centros de refrigeración. Según apuntan desde el blog donde confirman el uso de esta tecnología en sus sistemas de refrigerado, “a largo plazo, creemos que hay potencial para aplicar este tecnología a otros escenarios industriales, y ayudar así a enfrentarse al cambio climático a una escala todavía mayor“.