Los lenguajes de programación van evolucionando en sus tecnologías para presentar mejores servicios o ir reforzando su seguridad y, con ello, las grandes empresas se van decantando por apostar por unos u otros.

Mientras que hace unas semanas conocíamos cuáles son los lenguajes de programación favoritos de las grandes tecnológicas del sector software, como Microsoft, Google, Linux, Meta o Apple, hoy vamos a conocer qué han dicho grandes directivos sobre sus lenguages preferidos para desarrollar .

AlphaCode. Este nuevo sistema de ingeligencia artificial llega de la mano de la célebre DeepMind, subsidiaria de Google. Ahora sus responsables han querido ver cómo se portaba en el mundo de la programación, y el resultado, llamado AlphaCode, es alucinante. Mejor que los humanos.

Aunque CoPilot y ChatGPT son los más populares, el verdadero referente en sistemas de IA que programan era Codex, lanzado en 2021 por OpenAI y entrenado con más de 100 GB de código de GitHub. En DeepMind también han entrenado su sistema con código de estos repositorios, pero además han añadido entrenamiento basado en problemas recolectados de competiviones de programación. Millones de soluciones candidatas. Ante un nuevo problema, AlphaCode genera soluciones candidatas en Python o C++ y las filtra para no contemplar las que considera malas.

Aunque todavía seguimos trabajando con software de escritorio, es muy frecuente acudir a las aplicaciones web o apps online para lidiar con tareas habituales como gestionar el correo electrónico, retocar imágenes, organizar tu jornada laboral o comunicarte con amigos y conocidos. La lista es interminable y todas tienen algo en común: puedes usarlas directamente desde tu navegador web.

Lo habitual es guardar los enlaces de esas apps online en tu navegador. En ocasiones simplemente las buscas directamente en la barra de búsqueda. O bloqueas una pestaña para que se abra junto al navegador. Pero si utilizas muchas de ellas, como suele ser habitual, tal vez quieras organizarlas mejor.

No es descabellado decir que el modelo de lenguaje autorregresivo, también conocido como GPT-3, es un avance sin precedentes en la creación de contenido por la Inteligencia Artificial. De hecho, los resultados que puede producir son tan avanzados que muchos académicos se están mordiendo las uñas porque los generadores de texto de IA ya son capaces de escribir tan bien como un estudiante universitario, lo que está llevando a los alumnos a hacer trampas en los exámenes sin que nadie pueda detectarlo.

En otros sectores, como el de los negocios, las empresas están usando GPT-3 para diseñar productos y aplicaciones que incluyen: servicio al cliente automatizado, generación de informes, análisis de sentimientos, gestión del conocimiento y traducción automática.

Pero OpenAI lo cambió todo para siempre. Anunció un nuevo modelo en la familia GPT-3, "text-davinci-003", que supuestamente mejora a sus predecesores al manejar instrucciones más complejas y producir contenido de formato más largo. Esto hizo que la gente se lanzara a probarlo y descubrieron que es capaz de generar canciones, poemas o rimas a un nivel nunca antes visto.

Cómo utilizar los volúmenes de Docker para programar más rápido

Use Docker Host Volumes y nodemon para escribir y probar su código más rápido durante el desarrollo.

Si es un desarrollador que usa Docker, es probable que haya escuchado que puede usar volúmenes para mantener el estado persistente de sus contenedores en producción. Pero lo que muchos desarrolladores no saben es que los volúmenes también pueden ser una excelente herramienta para acelerar su flujo de trabajo de desarrollo.

En esta publicación, le daré una breve descripción general de qué es un volumen de Docker, cómo funcionan los volúmenes de host de Docker y le mostraré un tutorial y un ejemplo de cómo puede usar volúmenes y nodemon para hacer que la codificación con Docker sea más fácil y rápida.

En 1951, el reconocido psicólogo estadounidense Solomon Asch fue a un instituto para realizar una prueba de visión. Al menos eso es lo que les dijo a los 123 jóvenes voluntarios que participaron –sin saberlo– en un experimento sobre la conducta humana en un entorno social. El experimento era muy simple. En una clase de un colegio se juntó a un grupo de siete alumnos, los cuales estaban compinchados con Asch.

Haciéndose pasar por oculista, Asch les mostraba tres líneas verticales de diferentes longitudes, dibujadas junto a una cuarta línea. Entonces Asch les pedía que dijesen en voz alta cuál de entre las tres líneas verticales era igual a la otra dibujada justo al lado. Y lo organizaba de tal manera que el alumno que hacía de cobaya del experimento siempre respondiera en último lugar, habiendo escuchado la opinión del resto de compañeros. Sin embargo, los siete estudiantes compinchados con Asch respondían uno a uno la misma respuesta incorrecta.

Las baterías de estado sólido son el futuro de la automoción electrificada, así como de otros sectores en los que el almacenaje de energía es vital. Y el prestigioso Massachusetts Institute of Technology afirma haber solventado un importante obstáculo.

La industria del automóvil trabaja incansablemente en la transición al coche eléctrico, para lo cual debe mejorar la tecnología existente en la actualidad. La batería es posiblemente el componente con mayor margen de mejora, pues las celdas de iones de litio convencionales cuentan aún con muchas limitaciones. Los fabricantes tienen la esperanza de dar un gran paso adelante con la introducción de las baterías de estado sólido, que prometen más rendimiento, seguridad y fiabilidad.

La primera versión pública de Stable Diffusion se lanzó a mediados de agosto del 2022, representando todo un golpe al mercado de la IA generativa de imágenes: apenas nos estábamos acostumbrando a todo lo que podían hacer soluciones privativas como DALL-E 2 y MidJourney, y de pronto teníamos entre nuestras manos una potentísima alternativa open source.

Para finales de ese mismo mes, el modelo de Stable Diffusion ya se había actualizado a la versión 1.5. En conjunto, la 'V1' de esta IA fue, según nos recuerdan sus creadores, un ejemplo de software con «uno de los ascensos más rápidos a 10.000 estrellas de Github, disparándose a través de 33.000 estrellas en menos de dos meses».