Noticias Tecnología - Innovación - Ciencia

add ver todas

“Trashbot”, el robot de limpieza del río de Chicago que nos permite echarle un vistazo al futuro del crowdsourcing

La start up Urban Rivers llevaba años tratando de buscar una solución al problema de la suciedad en el río de Chicago. Tras lanzar numerosas iniciativas, han decidido combinar la robótica con un modelo de trabajo colaborativo. El resultado ha sido la gamificación de la compleja tarea de limpieza a través de un robot acuático que, asociado a un sistema de control remoto, es controlable a través de una simple web por millones de personas de todo el mundo que se turnan en intervalos de 2 minutos para pilotar el “Trashbot”.

Las implicaciones del éxito de este robot son:

  • Los modelos colaborativos han venido para quedarse – Hace unos años, los modelos colaborativos, eran percibidos por el gran público con desconfianza. A día de hoy son una alternativa presente en muchos ámbitos de nuestra vida, desde la movilidad, hasta la propiedad, pasando por el espacio. Evidencian que estamos ante un cambio de la mentalidad colectiva y que en el futuro surgirán nuevas iniciativas y oportunidades de negocio para aquellos que como el equipo de Urban Rivers sepan aprovecharlas.
  • La conexión entre masas que internet permite abre nuevas posibilidades – La resolución de un problema colectivo a través de la gamificación del mismo e involucrando al público a escala global es una solución creativa aplicada por Urban Rivers, cuyo éxito abre la puerta a nuevos modelos de resolución de problemas colectivos de formas innovadoras y creativas como pueden ser el control de la emisión de gases de efecto invernadero o la resolución de problemas de ruido en las ciudades.

    Para saber más haz click aquí

NOTICIAS RELACIONADAS

add ver todas

Steakholder crea un nuevo proceso para imprimir pescado...

Steakholder Foods ha creado un nuevo proceso para producir pescado cultivado en células con capas de tejido para poder conseguir la característica textura tierna de las escamas del pescado cocinado.

Despídete de Alexa y da la bienvenida a los gadgets que...

Un estudiante del MIT ha desarrollado AlterEgo, un dispositivo que permite la comunicación silenciosa.

Análisis sobre el informe de Future Market Insights sobre...

Future Market Insights (FMI) ha realizado un análisis sobre el impacto económico que va a tener advanced analytics entre 2017 y 2022, con la previsión de que en 2022 dicho mercado presente un CAGR del 5,5% y alcance por lo menos los $13.500 Millones. La adopción de advanced analytics ha presenciado un repute considerable de las empresas con respecto a hace unos años. ¿Por qué advanced analytics?Debido a la creciente competencia empresarial, las firmas requieren cada vez más de un análisis inteligente de datos estructurados y desestructurados para identificar oportunidades, mejorar procesos, anticipar problemas y realizar previsiones acerca de futuros escenarios. Todo esto ayuda a las empresas a incrementar la presencia en el mercado y a ser más competitivas. Por todas estas razones advanced analytics está viviendo un crecimiento sin precedentes.Expansión de advanced analyticsSe espera que la mayor expansión del mercado de advanced analytics hasta 2022, tenga lugar en Norte América. En términos de CAGR, está previsto que el mercado asiático-pacífico excluyendo Japón (APEJ) y Europa sigan los pasos de Norte América. Asimismo, se estima que APEJ seguirá siendo el mayor mercado de advanced analytics en términos de ingresos. Oriente Medio y África experimentarán una expansión muy lenta en lo

La inteligencia artificial puede detectar signos de...

El uso de machine learning puede detectar los patrones y los primeros síntomas del Alzheimer. El estudio se esta realizando a través de un dispositivo que, instalado en el cuarto de un paciente, se encarga de grabar todo lo que sucede a su alrededor incluyendo los movimientos de la persona.Las consecuencias del uso de machine learning en la detección del Alzheimer:Identificación de enfermos en fase temprana – los dispositivos permiten recoger información e identificar patrones que pueden servir para identificar a futuros pacientes, que podrían comenzar a ser tratados años antes de que aparezcan los síntomas obvios como la perdida de memoria.​Creación de un prueba de diagnostico– actualmente no existe prueba para identificar a los enfermos de Alzheimer y los escáneres de cerebro no se pueden utilizar para identificar esta enfermedad. Sin embargo, el machine learning podría permitir desarrollar una prueba de diagnóstico.Mejora de los ensayos clínicos de los medicamentos – los patrones identificados con machine learning pueden eliminar los dos problemas principales en el desarrollo de nuevos medicamentos para el Alzheimer: el desconocimiento de las causas de la enfermedad y la dificultad de identificar pacientes que se beneficien de la medicación.Para saber más haz click aquí