A miña primeira copa 3D: deseño con "Revolve" en FreeCAD

Nesta entrada, quero compartir a miña experiencia máis recente coa impresión 3D. , estou a explorar diversas ferramentas para a creación de obxectos. Recentemente, embarqueime no desafío de deseñar e fabricar unha copa.

Proceso de deseño con "Revolve" en FreeCAD

Para este proxecto, empreguei FreeCAD, un software de deseño 3D versátil e accesible. A ferramenta central no proceso de creación da miña copa foi a función de "Revolve" (Revolución).

Esta ferramenta permite xerar obxectos 3D a partir dun perfil 2D que se fai rotar arredor dun eixo. Para a copa, debuxei a silueta da súa metade, é dicir, o contorno do seu bordo, corpo e base nun plano bidimensional. Unha vez definido este perfil, a función "Revolve" xirao 360 graos arredor dun eixo predefinido, transformando o debuxo 2D nun obxecto tridimensional con volume. Este método resulta moi eficiente para a creación de formas con simetría radial.

Pasos clave en FreeCAD

1. Boceto 2D: O primeiro paso foi crear un novo boceto (sketch) en FreeCAD. Nel, debuxei o perfil da copa. É fundamental que o perfil estea pechado ou que os puntos inicial e final coincidan co eixo de rotación para que a operación de revolución se execute correctamente.
2. Definición do Eixo de Rotación: Para unha copa, o eixo adoita ser a liña central vertical. Asegureime de que o perfil estivese correctamente aliñado en relación a este eixo.
3. Aplicación de "Revolve": Unha vez finalizado o boceto, seleccionei a ferramenta "Revolve". Tras confirmar estas opcións, a copa virtual materializouse.

Aprendizaxes da experiencia

• A ferramenta "Revolve" é particularmente efectiva para obxectos con simetría radial, como vasos, potes ou pratos.
• A precisión no boceto 2D é esencial, xa que calquera inexactitude pode ter un impacto significativo no obxecto 3D final.
• O proceso de deseño a miúdo implica iteración e axustes. A optimización do boceto e das propiedades da revolución é parte integrante do proceso de aprendizaxe.

Tras o deseño, exportei a copa en formato STL, un estándar para a impresión 3D, e procedín á súa fabricación. A materialización dun deseño dixital nun obxecto físico é sempre gratificante. 

Explorando Python

 nesta entrada do meu blog vou compartir a miña experiencia coa programación en Python. Durante este período, empreguei varias Intelixencias Artificiais como apoio nas miñas prácticas.

O meu obxectivo foi entender os conceptos principais da programación con python, para facer algún programa sencillo con axuda da IA. Descubrín que, ben utilizadas, son de gran axuda para comprender conceptos e resolver problemas.

O papel da IA na miña aprendizaxe

As IA actuaron como recursos complementarios no meu traballo con Python. Principalmente, axudáronme a:

• Clarificar conceptos: Pedía explicacións sobre funcións ou estruturas de Python que non comprendía.
• Asistencia na depuración: Ao atopar erros no código, a IA axudábame a identificar posibles causas e suxerir solucións.
• Xerar ideas e fragmentos: Cando necesitaba un punto de partida, consultaba as IA para obter suxestións de código.

Proxectos prácticos desenvolvidos

Aquí resumo algunhas das prácticas que realicei:

Práctica 1: Calculadora con botóns

Desenvolvemento dunha calculadora con operacións fundamentais. A IA axudoume a implementar funcións e a manexar erros como a división por cero.

                         Código                                                                       Resultado                    

Práctica 2: Xogo de adiviña o número

Creación dun programa que elixe un número aleatorio do 1 ao 100 e da pistas de se é maior ou menor, para poder adiviñalo. A IA orientoume sobre como facer que elexira números aleatorios, coa biblioteca random.

                           Código                                      Resultado            

Práctica 3: Representador de gráficas

Desenvolvemento dun programa que representa a función que ti elixas. A IA axudoume a que o programa puidera facer as gráficas.

                  Código                                    Resultado 

Conclusión

Programar con Python, apoiado polas IA, foi unha experiencia instrutiva. Permitiu desenvolver o meu pensamento lóxico e a resolución de problemas. A IA é unha ferramenta valiosa para a aprendizaxe, sempre que se use de forma consciente.

O Impacto da IA na Desigualdade Global: Un Dilema Crucial

No meu traballo de Intelixencia Artificial, afondei nun dilema fundamental: se a Intelixencia Artificial (IA) favorece ou non as desigualdades globais. Este é un tema complexo e moi relevante para entender o futuro da nosa sociedade.

---

Entendendo as Desigualdades na Era da IA

Cando falamos de desigualdades globais, referímonos ás diferenzas no acceso a recursos, oportunidades, educación e benestar entre os distintos países e rexións do mundo. A gran pregunta é se a IA, unha tecnoloxía tan potente, actuará como un "nivelador" de oportunidades ou, pola contra, creará novas fendas.

---

A IA Pode Aumentar as Desigualdades

Algúns argumentos suxiren que, sen unha xestión adecuada, a IA podería agravar as desigualdades existentes:

• Fenda tecnolóxica: O desenvolvemento e uso da IA requiren infraestrutura avanzada (internet, datos, hardware potente) e expertos cualificados. Os países e rexións sen acceso a estas capacidades poderían quedar atrás.
• Concentración de poder: A maioría das empresas líderes en IA están situadas en poucos países, o que concentra os beneficios económicos e a dirección da investigación nestas áreas.
• Impacto no emprego: A automatización impulsada pola IA pode substituír traballos rutineiros, especialmente en países en desenvolvemento con moita man de obra, levando a un aumento do desemprego e da desigualdade económica interna.
• Sesgos algorítmicos: Os sistemas de IA apréndense de datos. Se eses datos reflicten desigualdades ou prexuízos sociais xa existentes, a IA pode perpetualos ou incluso amplificalos.
• Educación e habilidades: O acceso desigual a unha educación de calidade en ciencia, tecnoloxía, enxeñaría e matemáticas (STEM) pode ampliar a brecha entre os "alfabetizados en IA" e os que non o están.

---

A IA Tamén Pode Reducir as Desigualdades

Por outro lado, a IA tamén ten un enorme potencial para actuar como unha forza igualadora, se se emprega de forma ética e responsable:

• Acceso á información e educación: A IA pode personalizar a aprendizaxe e facer o coñecemento máis accesible globalmente, grazas a tutores virtuais ou ferramentas de tradución instantánea.
• Saúde e benestar: Pode axudar no diagnóstico rápido de enfermidades, no desenvolvemento de novos medicamentos e na optimización da distribución de recursos sanitarios, especialmente en zonas remotas ou con poucos especialistas.
• Eficiencia e desenvolvemento económico: A IA pode optimizar procesos en sectores clave como a agricultura, a enerxía ou a loxística, aumentando a produtividade e reducindo custos, o que beneficiaría especialmente aos países en desenvolvemento.
• Inclusión financeira: Pode facilitar o acceso a servizos financeiros para persoas sen historial bancario tradicional, avaliando o risco de crédito e permitindo o acceso a préstamos ou microcréditos.
• Monitoreo e detección de problemas: A IA pode ser unha ferramenta poderosa para identificar e supervisar patróns de desigualdade, corrupción ou uso ineficiente de recursos, permitindo intervencións máis efectivas.

---

Conclusión: O Camiño que Elixamos

A miña reflexión é que a IA non favorece nin a desigualdade nin a igualdade de xeito inherente. O seu impacto real depende de como decidamos desenvolvela e utilizala.

É unha ferramenta poderosa, e como toda ferramenta, o seu efecto final reside nas mans de quen a manexa e coa finalidade para a que se usa. Se a desenvolvemos pensando na inclusión, a equidade e a responsabilidade social, pode ser un motor para reducir as brechas globais. Isto require:

• Políticas públicas que aseguren un acceso equitativo á IA e combatan os sesgos.
• Investimento na educación en habilidades dixitais e de IA en todas as rexións.
• Desenvolvemento ético da IA, con algoritmos xustos e transparentes.
• Colaboración global para compartir coñecementos e tecnoloxías.

En resumo, a IA preséntanos un desafío significativo, pero tamén unha oportunidade incrible para construír un futuro máis xusto e inclusivo.

Modelo de xeración de imaxes: parte 3

 Agora veremos cal das IA empregadas anteriormente teñen a capacidade de transformar unha imaxe realista a un estilo artístico determinado. En concreto, nesta práctica utilizaremos o estilo do pintor Vincent Van Gogh.

Este é un exemplo dun dos cuadros máis famosos do pintor, chamado "La Noche Estrellada":

E esta é a imaxe que utilizaremos para a tarefa:

Stable Diffusion Web

Stable Diffusion non me decepcionou na tarefa de transformar unha imaxe ao estilo artístico de Van Gogh, pois xa esperaba que non ofrecese bos resultados nesta función específica. Ao solicitar esta transformación estilística, a ferramenta simplemente devolveu unha imaxe practicamente idéntica á orixinal, sen aplicar as características pinceladas, as cores vibrantes nin as texturas propias do famoso pintor impresionista. Esta experiencia confirmou as miñas baixas expectativas sobre a capacidade da plataforma para realizar transformacións estilísticas complexas.

Krea.ai

Krea.ai realizou un traballo excepcional ao transformar a imaxe ao estilo artístico de Van Gogh, capturando magistralmente a esencia do pintor impresionista. A ferramenta non só soubo imitar os trazos característicos do artista, senón que tamén mantivo unha fidelidade sorprendente á imaxe orixinal. Os seus algoritmos de intelixencia artificial conseguiron reinterpretar a imaxe coas icónicas pinceladas ondulantes, as cores vibrantes e a textura expresiva que definen a obra de Van Gogh, sen perder os elementos fundamentais da fotografía inicial.

Let's Enhance

Let's Enhance conta cunha ferramenta moi eficaz para mellorar a calidade das imaxes, mais ten unha limitación clara: non pode modificar o estilo artístico da imaxe orixinal. A súa tecnoloxía está especializada en aumentar a resolución, nitidez e detalle, pero carece da capacidade de transformar esteticamente o contido visual. Así, mentres que a ferramenta logra resultados excelentes en termos de calidade técnica, non pode reinterpretar ou modificar o estilo artístico da imaxe que se lle introduce.

AI Image Upscaler

AI Image Upscaler presenta un caso similar ao de Let's Enhance, xa que posúe unha capacidade notable para mellorar a calidade das imaxes, mais carece da función de modificar o contido visual. A ferramenta está deseñada para aumentar a resolución, eliminar elementos pixelados e realzar os detalles, mais non pode alterar os elementos fundamentais da imaxe orixinal. Deste xeito, mentres que o seu resultado final ofrece maior nitidez e precisión, o contido e a compoñente estética permanecen intactos.

Modelos de xeración de imaxe: Parte 2

Agora veremos cal das ferramentas empregadas anteriormente teñen a capacidade de mellorar a resolución dunha imaxe.

A imaxe que vou usar é a seguinte:

DALL-E

A ferramenta DALL-E está deseñada para crear imaxes a partir de descricións textuais, pero non pode mellorar a resolución de imaxes existentes. Para este fin, recoméndanse outras aplicacións específicas como Remini, Let's Enhance e Topaz Gigapixel AI. Con funcionalidades de super-resolución, que están especialmente desenvolvidas para mellorar a calidade e nitidez das imaxes sen perder detalles importantes.

Stable Diffusion Web

Na miña opinión, a ferramenta Stable Diffusion, malia que inclúe funcionalidades para tentar aumentar a resolución e mellorar a calidade das imaxes, non ofrece resultados satisfactorios. Cando se emprega para este propósito, a ferramenta non consegue manter os detalles orixinais de maneira precisa, e a miúdo introduce artefactos ou distorsións que comprometen a autenticidade da imaxe orixinal, ademais a resolución é a mesma que a da imaxe orixinal ou peor incluso.

Leonardo AI

A ferramenta Leonardo AI, pese a ser unha potente plataforma de xeración de imaxes baseada en intelixencia artificial, non conta actualmente coa función específica para mellorar a resolución de imaxes existentes. Esta plataforma está principalmente orientada á creación de novas imaxes a partir de descricións textuais.

Ideogram

A ferramenta Ideogram si conta coa función específica para mellorar a resolución de imaxes xa existentes, mais esta característica só está dispoñible no plan premium da plataforma. Os usuarios da versión gratuíta non teñen acceso a esta funcionalidade avanzada, que permite transformar imaxes de baixa calidade en versións de maior nitidez e detalle. Esta restrición forma parte da estratexia da empresa para diferenciar as capacidades entre os seus distintos niveis de subscrición.

Krea.ai

A ferramenta Krea.ai conta cunha función específica para mellorar a resolución de imaxes que ofrece resultados decentes. Cando se emprega esta característica, os usuarios obteñen versións de maior calidade que manteñen unha fidelidade parcial respecto da imaxe orixinal. O algoritmo de Krea.ai logra conservar a maioria dos detalles e a esencia da imaxe fonte, producindo resultados realistas e nítidos.

Let's Enhance

Let's Enhance demostrou ser a ferramenta que mellor desempeñou a tarefa de mellorar a resolución de imaxes, xa que está especificamente deseñada e especializada nesta función. Ao procesar as imaxes con esta aplicación, obtívose un resultado extraordinariamente bo, logrando aumentar a nitidez e o detalle sen introducir distorsións nin artefactos artificiais. A súa tecnoloxía baseada en intelixencia artificial consegue recuperar texturas e detalles que parecían perdidos na imaxe orixinal, ofrecendo un resultado final de gran calidade profesional.

AI Image Upscaler

AI Image Upscaler tamén realizou moi ben a tarefa de mellorar a resolución da imaxe, aínda que non acadou o mesmo nivel de calidade que Let's Enhance. A ferramenta conseguiu aumentar satisfactoriamente a nitidez e o detalle da imaxe, pero apareceron algunhas pequenas distorsións no resultado final. Non obstante, estas imperfeccións son comprensibles considerando a complexidade da imaxe elixida para o proceso, que presentaba características particulares que supoñen un desafío para os algoritmos de mellora de resolución.

Modelos de xeración de imaxes

Últimamente estiven utilizando diferentes modelos de xeración de imaxes para facer traballos para as clases de IA. Estes son: DALL-E, Stable Diffusion, Midjourney, Leonardo AI, Firefly, Ideogram e Krea AI. A continuación deixarei a miña opinión sobre cada unha delas. Analizando a facilidade de uso, a versatilidade e o resultado.

A cada unha delas pedinlle o seguinte: " haz una imagen de un tiburón con cuerpo de humano, gafas de sol y pantalones amarillos, surfeando encima de un cohete mientras toca una guitarra eléctrica en el espacio. " e obtiven os resultados seguintes.

DALL-E

É unha ferramenta fácil de usar, o que pides faino e obtes bos resultados se especificas o que queres, non é moi versatil xa que non ten ferramentas que podas usar para modificar a imaxe ao teu gusto, a imaxe está ben lograda, é o que eu pedin, pero ten un toque artístico que eu non pedin mais gustoume como quedou, ainda que cambiando un pouco o prompt se pode mellorar. En xeral gustoume moito.

Stable Diffusion Web

Esta tamén é unha ferramenta fácil de usar, pero os resultados obtidos non son tan bos e non me acaban de convencer. Probei tamén cambiando un pouco os prompts pero o resultado que obtiven non foi o que esperaba. Tampouco é moi versátil xa que non ten moitas ferramentas que podas usar para modificar a imaxe ao teu gusto. A imaxe non está ben lograda, é o que eu pedín, pero non me gustou como fixo o tiburón, a táboa de surf e o espazo. En xeral non me gustou.

MidJourneyfree

Tamén é moi fácil de usar, os resultados obtidos non son moi bos, non me gustou como fixo o tiburón e ademais non o fixo no espazo. Probei tamén a cambiar o prompt e o resultado obtido estivo bastante mellor. Esta tampouco é moi versátil xa que non ten moitas ferramentas que podas usar para cambiar a imaxe como ti queiras. A imaxe non está ben, a imaxe non está moi ben e non fixo moito caso ao que lle pedín. En xeral non me gustou.

Leonardo AI 

Pode parecer unha ferramenta difícil de utilizar nun principio, xa que ten moitos gadgets e elementos para modificar a imaxe ao teu gusto, pero, conta con algo que non teñen as outras ferramentas, un tutorial que che explica como utilizala de forma correcta, algo moi positivo xa que se non sería moi lioso. Non me gustou moito o tiburón xa que non o fixo moi realista pero iso pódese arranxar utilizando as ferramentas e mellorando o prompt. É moi versátil xa que conta con numerosos recursos para modificar e mellorar a imaxe. En xeral gustoume.

Firefly

Tentei entrar nesta ferramenta todos os días pero nunca me deixou polo que non a puiden probar. Non podo opinar moito, só podo dicir que non me gustou.

Ideogram

Ideogram tamén conta con numerosas ferramentas e gadgets que podes usar ao teu gusto, esta non ten un tutorial que che explique, pero non resulta difícil de utilizar xa que todo é moi intuitivo. En concreto, nesta imaxe, a camiseta do tiburón está mal feita, aínda que fixen varios intentos cambiando un pouco o prompt e usando as ferramentas que che ofrece e, en xeral, os resultados obtidos son todos moi bos. É moi versátil xa que, igual que Leonardo AI, ten numerosos recursos para modificar e mellorar a calidade da imaxe, a diferencia é que estes son máis fáciles de empregar. En xeral gustoume moito.

Krea.ai

Esta ferramenta non ten moitos recursos para mellorar a imaxe; as modificacións téñense que facer dende o prompt. Non me gustou moito esta imaxe, xa que o tiburón vese un pouco estraño. Non é moi versátil, xa que non ten ferramentas adicionais para mellorar a imaxe, como en DALL-E, aínda que a calidade das imaxes de DALL-E é superior. Ademais disto, ás veces non me deixa entrar ou non me deixa crear as imaxes, polo que, en xeral, non me gustou moito

Como conclusión da miña experiencia probando os diferentes modelos de xeración de imaxes, o que máis me gustou e sen dúbida vos recomendo se queredes iniciar neste mundo é Ideogram, xa que, ademais de ser moi fácil de usar, ten moitas ferramentas que podes aproveitar e sempre obtés moi bos resultados. O que menos me gustou foi Stable Diffusion Web, xa que, aínda que ten algunha que outra ferramenta e é fácil de usar, os resultados obtidos non foron bos, e iso que probei con varios prompts diferentes.

 

Redes de Comunicación de Datos: a rede do meu instituto

Definición

 As redes de comunicación de datos son sistemas que permiten o intercambio de información entre dispositivos electrónicos. Imaxina estas redes coma as estradas e autoestradas de internet: transportan datos en forma de sinais electrónicos dun punto a outro, permitindo que toda a información dixital viaxe de forma rápida e segura.

A Rede de Conexión no Noso Instituto

A rede do noso instituto é unha infraestrutura fundamental que nos permite conectarnos a internet e compartir recursos dixitais. Imos explorar como funciona e os seus compoñentes principais.

Estrutura da Rede

A nosa rede educativa é unha LAN (Rede de Área Local), é unha rede de comunicación que conecta ordenadores e outros dispositivos nunha área xeográfica limitada, que utiliza unha combinación de conexións por cable e sen fíos. O centro dispón dun encamiñador principal que se conecta a Internet a través de fibra óptica.

Elementos Principais

1. Router Principal

• Xestiona a conexión a Internet.
• Distribúe a rede por todo o centro.
• Proporciona o primeiro nivel de seguridade.

2. Conmutadores

• Conectan os diferentes sectores do instituto.
• Distribúen o sinal por cable ás aulas.
• Permiten a creación de redes virtuais (VLAN).

3. Puntos de Acceso WiFi

• Distribuídos estratexicamente polo centro.
• Proporcionan cobertura sen fíos nas aulas e espazos comúns.
• Permiten a conexión simultánea de múltiples dispositivos.

4. Servidor do Centro

• Almacena documentos compartidos.
• Xestiona os permisos de usuarios.
• Mantén copias de seguridade.

Identificación de Dispositivos

Os dispositivos dunha rede identifícanse con:

• Enderezos IP, son fixos asignados, que son privados e só funcionan na rede, neste caso, do instituto e tamén hai enderezos IP públicos que van cambiando.
• Enderezos MAC, son coma unha pegada dixital única asignada á tarxeta de rede de cada dispositivo conectado a unha rede, consta de 12 díxitos hexadecimais (números e letras). Os primeiros 6 identifican o fabricante do dispositivo e os outros identifican a tarxeta de rede dese dispositivo. Non hai dous dispositivos no mundo co mesmo enderezo MAC.

O enderezo IP privado do meu ordenador de clase é 10.55.133.206, e o público é 195.57.104.118. 

E o enderezo MAC do meu ordenador de clase é D0:AD:08:5A:55:94, e grazas a ela podemos saber que este ordenador foi fabricado nos Estados Unidos por HP.

Velocidade e Rendemento do meu ordenador de clase

A rede está optimizada para o uso educativo, o dispositivo ten unha velocidade de baixada de 206,4 Mbps e unha velocidade de subida de 920,46 Mbps, e unha latencia de 18ms. Esta velocidade permite descargar un arquivo de 1GB en aproximadamente 40 segundos, e a baixa latencia de 18ms é ideal para videoconferencias e outras aplicacións en tempo real.