Cómo WebScrapear al WebScraper que ya WebScrapeó sin que tengas que hacer WebScraping

En toda esta batalla por de quién son los datos de la Web pública, donde muchos generadores de contenido están comenzando a bloquear. las bots de los principales modelos de IA, o a utilizar herramientas de cobro por acceso a contenido como Pay per Crawl, hay una técnica que está utilizando mucha gente, que es pedirle los datos al modelo de IA que él ya ha "WebScrapeado".

Figura 1: Cómo WebScrapear al WebScraper que ya WebScrapeó

sin que tengas que hacer WebScraping

Con toda esta polémica puedes ver cómo ciertos medios, como por ejemplo El Mundo, ya restringe su contenido para las arañas de Internet, que están haciendo su negocio de Answering Machine y de Comercialización de APIs - que dan datos - para generar sus ingresos.

Figura 2: El periódico El Mundo bloquea el acceso a los bots de IA

Pero igual que ellos han hecho su modelo con la captura de los datos de la Web, muchas aplicaciones están haciendo lo mismo con ellos. 

Figura 3: Hacking & Pentesting con Inteligencia Artificial.

En 0xWord, escrito por Pablo González, Fran Ramírez,

Rafael Troncoso, Javier del Pino y Chema Alonso, 

Basta con pedirle que te de los datos ya filtrados y formateados. Eso sí, tienes que tener cuidado con los límites de tokens que responden, así que puede que tengas que pedirlos por partes, y puede que tengan detección de "abuso", pero al final, se supone que un API comercial de un modelo de IA se paga porque te da respuestas.

Figura 4: Un JSON con datos sin WebScrapear nada

Por ejemplo, aquí podéis ver que le he pedido un JSON con los datos de la Primera Plantilla del Real Madrid C.F. con los datos que me han parecido bien, para utilizar en mis cosas. Son datos que él ha sacado de "dónde sea", y que son accesibles vía esta API, así que .. ¿para que WebScrapear por ahí?

Figura 5: Un Script para WebScrapear sin WebScrapear usando ChatGPT

Si quisieras los datos de todos los jugadores de LA LIGA de este año tendrías que primero pedir los datos de los clubs, luego ir pidiendo uno a uno los datos de todas las plantillas por separado, y en unos minutos, listo, ya tienes todos los datos. Además, le puedes pedir que te haga el Script en Python para pedírselo a ChatGPT.

Figura 6: El Script en Python para sacar los datos de ChatGPT

Estos datos no tendrían los cambios de última hora, sino los que hubiera en el último WebScraping que hiciera su bot. Pero seguro que para mucho de lo que necesitas en un determinado servicio es más que suficiente, ¿verdad? 

Figura 7: Pidiéndole el JSON de los "Irons" a DeepSeek

Lo mismo, ahora con los datos de los discos de los Iron Maiden, aunque como son muchos, hay que hacerlo poco a poco, o por tipos, pero la verdad es que es increíble como se construye una base de datos sin pasar por "No soy un robot", luchar con captchas, etc.. 

Figura 8: Marchado un JSON

Esto da mucho que pensar, sobre todo porque estos datos iniciales están en una web que un bot para hacer AI ha WebScrapeado, pero que comercializa vía API o vía Suscripción a la Answering Machine, y donde el que los genera no es parte del negocio. Da que pensar, ¿no?

¡Saludos Malignos!

Autor: Chema Alonso (Contactar con Chema Alonso)  

Cloudflare Radar: Open (Security & Network) Data para CERTs & CSIRTs

La empresa Cloudflare tiene disponible para todos los equipos de seguridad, especialmente para los CERTs y los CSIRTs, el servicio Cloudflare RADAR de datos abiertos sobre lo que está pasando en su red y en sus servicios de seguridad, y te permite tener una visión de lo que está pasando en la seguridad de Internet desde sus servicios, lo que complementa la información que tengas desde otras fuentes de datos. Al final, la colaboración y la compartición de datos entre los equipos de ciberseguridad es fundamental para protegernos entre todos.

Figura 1: Cloudflare Radar - Open (Security & Network)

Data para CERTs & CSIRTs

Los servicios de ciberseguridad de Cloudflare ofrecen protección para los activos que las empresas tienen en Internet, que van desde proteger los sitios web o sus plataformas de e-commerce expuestos en la red frente a ataques de DDOS, hasta proteger el e-mail, pasando por WAFs, protección contra interceptación de conexiones de red, protección de servicios de DNS, protección contra técnicas de WebScrapping como vimos con AI Labirynth, o los más modernos servicios de monitorización y protección de servicios digitales basados en arquitecturas de Inteligencia Artificial.

Figura 2: Servicios de Seguridad de Cloudflare

Si te interesa este mundo del las fuentes abiertas de datos, o quieres tener información de seguridad desde un punto de vista privilegiado, Cloudflare Radar te puede ayudar a completar tus dashboards de OSINT para tus servicios de CERT o para tus investigaciones en un CSIRT.

Figura 3: Open Source INTelligence (OSINT): Investigar personas e Identidades en Internet 2ª Edición de 0xWord, escrito por Vicente Aguilera y Carlos Seisdedos

Toda esta información puede ser consumida vía API, mediante un Dashboard web/mobile, o mediante el uso de un Asistente AI al que se le puede preguntar por datos concretos, informes, e información en las bases de datos de Cloudflare Radar.

Figura 4: Consola de Cloudflare Radar

En este panel tienes datos de todos esos servicios, procesados, filtrados, destilados y disponibilizados para que puedas interactuar con ellos y sacar detalles que puedan ayudarte en tu trabajo en ciberseguridad, o entender mejor qué está pasando o qué va a pasar.

Figura 5: GPTBot lidera los escaneos recientes como USER-Agent

Como los datos de Cloudflare están centrados en Ciberseguridad, y debido a que muchos de ellos proceden de sus servicios de protección, el curado de los datos está orientado a ello, por lo que se pueden obtener datos de ataques, informes de incidentes recientes, estadísticas de dominios atacadas, bots maliciosos, etcétera.

Figura 6: Informe de un Phishing de ayer mismo

(aún activo a día de hoy)

Todos los datos están procesados, pero están los detalles disponibles, por lo que si ves este informe de Phishing de ayer mismo, puedes ver incluso los ficheros de la web que se han descargado, y absolutamente todos los datos disponibles.

Figura 7: Detalles del incidente de Phishing

La información completa y detallada de la API la tienes en la web para Devevelopers de Cloudflare, donde por ejemplo tienes APIs para tener datos de anuncios de BGP - uno de los ataques Nation State que hemos visto en el pasado - que pueden alterar la seguridad de las redes a nivel de conexión. 

Figura 8: Descripción de las APIs de BGP en

el portal de developers de Cloudflare

Esa información, también la puedes analizar directamente desde la consola de Cloud Radar, y ver si todo está como debe, si hay una actividad maliciosa o si se ha producido un Hijacking de una determinada ruta de interconexión de redes que pueda ser un riesgo, o que explique cómo se ha producido un ataque.

Figura 9: Información de las rutas BGP las últimas 48 horas

Los datos también dan información sobre el DNS, o los incidentes detectados por los productos de seguridad de e-mail security (recordad que sigue siendo el principal vector de ataque en las empresas), teniendo datos en tiempo real de cuando una campaña de ataque ha comenzado.

Figura 10: Información de E-mail Security en Cloudflare Radar

Y datos de dominos más peligrosos, cabeceras de seguridad de cada mensaje, y datos de las protecciones SPF, DKIM y DMARC de estos mensajes, para detectar las debilidades que los atacantes están explotando en sus campañas.

Figura 11: Los TLDs más vistos en los sistemas que originan más ataques

Y si además del Dashboard de Cloudflare Radar o de las APIs de Cloudflare Radar quieres encontrar algo usando lenguaje natural, puedes usar el Asistente AI que tienes disponibles, donde puedes interactuar con él para aprender todo lo que necesites de los datos disponibles.

Figura 12: Asistente AI de Cloudflare Radar

Al final, es una fuente de información que tienes disponible para utilizar en cualquier momento, y si te gusta este mundo, merece la pena que entres en Cloudflare Radar y mires todos datos que tienes disponibles, listos para utilizar en tus sistemas.

¡Saludos Malignos!

Autor: Chema Alonso (Contactar con Chema Alonso)  

Conversación y venta persuasiva a Humanos usando AI y la catalogación (hasta política) de las personas

No puedo leer un paper que hable de escritura persuasiva, o de cómo convencer con las palabras sin pensar en el gran Isra Bravo y sus enseñanzas, y por eso cuando vi el paper de "On the conversational persuasiveness of GPT-4" publicado en la revista Nature Human Behavior tuve que parar a leérmelo, para ver qué me iba a contar.

Figura 1: Conversación y venta persuasiva a Humanos usando

AI y la catalogación (hasta política) de las personas

El paper lo tienes publicado online, y lo puedes descargar para leer, que merece la pena el experimento que han hecho entre Humanos e Inteligencia Artificial. La propuesta es... ¿quién convencerá más? ¿Un humano o una Inteligencia Artificial? Pero además, ¿quién será más fácil de ser convencido? ¿Un humano o una IA? Vaya locura.

Figura 2: On the conversational persuasiveness of GPT-4

Por supuesto, si te interesa este tema, lo que te he dicho de Isra Bravo - al que puedes contactar en su perfil de MyPublicInbox - es verdad, y el libro de 300 palabras es un claro ejemplo de ello. Si no lo tienes y no te lo has leído, es normal que todo esto te suene extraño. Eso, y muchas otras cosas.

Figura 2: Comprar el libro de 300 palabras de Isra Bravo

Y es que el poder de las palabras y la conversación es poderoso, las diga un humano o un Agente de IA con el poder de GPT4-o, que es el experimento realizado en este artículo del que te estoy hablando. En él se ha hecho un bonito ejercicio, que comienza con pedirle a humanos que rellenen unas opiniones sobre un determinado tema y su grado de convencimiento: bajo, medio, alto.

Figura 3: Descripción del experimento de persuasión

A partir de ese momento, cada uno de los humanos va a ser asignado a un Humano o a un Agente IA para que le intente cambiar algunas opiniones, pero con dos modos diferentes. Primero sin decirle al Humano y al Agente IA nada de esa persona, y posteriormente dándole datos del Humano al que tienen que convencer, para que puedan crear argumentos apoyados en cosas que saben de esta persona.

Figura 4: Los cambios de opinión conseguidos

Por supuesto, tanto sea un Humano o un Agente de IA, cuando hay datos del humano al que hay que cambiar, matizar o modificar su opinión es más sencillo y se consiguen mejores cambios en grandes números, pero el que más cambios consigue, con diferente, es cuando el Humano se enfrenta a un Agente de AI que tiene datos del humano.

Figura 5: Realidad de oponente vs. Percepción de Oponente

El artículo tiene muchos datos curiosos, ya que se ha hecho con 750 cuestionarios, pero me ha llamado mucho la atención esta pequeña gráfica que tiene mucho que ver con el Test de Turing, ya que en el 25% de los casos en los que un Humano estaba hablando con un Modelo de IA, lo ha percibido como si fuera un Humano. Es decir, no se ha dado cuenta de que era un modelo de IA. Y por el contrario, en el 48% de los casos en que un Humano hablaba con un Humano éste lo ha percibido como si estuviera hablando con un modelo de IA. Es decir, en 1 de cada 3 pruebas no sabemos detectar correctamente si estamos chateando con un Humano o una IA.

Probando los datos que tienen de mí.

Viendo esto, he ido a DeepSeek, Perplexity AI y ChatGPT, que son tres de los que suelo utilizar para hacer mis pruebas en los artículos, para ver qué datos tienen de mí y que pudieran utilizarme para persuadirme de opiniones o cosas.

Figura 6: DeepSeek dice no guardar ningún dato mío

En el caso de DeepSeek y Perplexity AI he obtenido una respuesta similar. Ellos dicen no guardar ningún dato de los usuarios, por lo que no pueden contestarme con nada de información que hayan podido extraer de mis búsquedas.

Figura 7: Perplexity AI dice no saber nada de mí

Pero no es lo mismo con ChatGPT, que esta prueba ya me la sabía yo que lo había probado tiempo atrás. La curiosidad es que como hago pruebas muy "Random" con Cálico Electrónico, charlas de eventos, pruebas para los artículos, los resultados son muy caóticos.

Figura 8: Lo que ChatGPT sabe de mí por mis pruebas

Claro, una vez que tengo estos datos, ya es fácil preguntarle cosas como qué etiquetas me pondría como metadatos, y esas cosas. O como yo le he puesto, si tuviera que vender mi perfil a un anunciante, a qué empresas se lo intentaría vender para que pusieran publicidad.

Figura 9: A qué empresas me vendería

Si os fijáis en la imagen anterior, al final me propone convertir mis datos en un perfil de usuario que pueda vender segmentado para publicidad, así que no me voy a negar en el experimento. Y me sorprende lo currado que hace la segmentación para eventos.

Figura 10: Creando un perfil de eventos segmentado para publicidad

Y por supuesto, la segmentación publicitaria, y el tipo de anuncios ideal que puede encajar en un perfil como el mío, que al final ponerme anuncios e

Figura 11: Segmentación Publicitaria Ideal

Figura 12: Tipos de anuncios que serían relevantes

Y por supuesto, al final hace su clasificación, y me saca un resumen de cómo cataloga, lo que no sé si es acertado o no, pero es lo que ha sacado.

Figura 13: Mi comportamiento estimado por ChatGPT

Todo esto me recordaba a mi discurso sobre Tecnología Humanista cuando recibí el Doctor Honoris Causa, y que luego di en el Senado de Chile y en la Hackr0n 2021, que os dejo por aquí.

Figura 14: Discurso Doctor Honoris Causa de Chema Alonso: Tecnología Humanista

¿Y por qué? Pues porque hasta para tu ideología política se puede llega a utilizar esta información, sea correcta o incorrecta la conclusión. Así que, llegados a este punto le pregunte sobre qué anuncio político me podría: Liberal-Conservador o Social-Demócrata.... y tiene su opinión con matices.

Figura 15: Catalogación de ideología política

He de decir que durante la respuesta se alargó el Thought Time, pero me dio su veredicto. Y me dejó pensando todo esto. Si con el mundo de los datos y el Machine Learning tuvimos el escándalo de Cambridge Analytics... ¿qué no pasará con la llegada de la GenAI en las próximas campañas electorales sean de lo que sea?

¡Saludos Malignos!

Autor: Chema Alonso (Contactar con Chema Alonso)  

Neko Health: Medicina Personalizada con Datos e Inteligencia Artificial

En los últimos años, la Inteligencia Artificial (IA) ha transformado innumerables industrias, pero pocos sectores han experimentado un impacto tan significativo como el de la salud. Desde el diagnóstico temprano de enfermedades hasta la optimización de tratamientos y la personalización de la atención médica, la IA está revolucionando la manera en que médicos, investigadores y hospitales operan.

Figura 1: Neko Health - Medicina Personalizada con Datos e Inteligencia Artificial

Gracias a su capacidad para analizar grandes volúmenes de datos con precisión, rapidez y bajo coste, esta tecnología no solo mejora la eficiencia de los sistemas de salud, sino que también salva vidas al permitir diagnósticos más certeros y tratamientos más efectivos. La pandemia de COVID-19 aceleró la adopción de IA en la detección de enfermedades, análisis de imágenes médicas y desarrollo de vacunas. De estos temas, podéis leer algunos artículos de hace tiempo que cuentan algunas historias de estos avances.

• Inteligencia artificial para la detección prematura y el tratamiento del Alzheimer
• Deep Learning para detectar COVID-19 en imágenes médicas
• Idoven: La startup que vigila la salud de tu corazón con Inteligencia Artificial
• Las limitaciones para la aplicación de Inteligencia Artificial en la salud de la FDA americana
• Inteligencia Artificial para frenar una pandemia: Análisis genómico y evaluación de fármacos

Debido a esta urgencia de necesidad, el desarrollo de la tecnología y el gran incremento en la disponibilidad de datos médicos masivos (Big Data en salud), así como la recopilación de infinitas muestras a tiempo real gracias al Internet de las Cosas Médicas (IoMT), los últimos años están siendo momentos de auge para el desarrollo sanitario movilizado por la Inteligencia Artificial. 

Figura 2: Iker Casillas y su inversión en IDOVEN

Algunas empresas en España, como es Idoven, la startup del Doctor Manuel Marina  han demostrado que la Inteligencia Artificial es fundamental para detección temprana de enfermedades cardiovasculares, y algunos inversores como es el caso de Iker Casillas o Wayra, han puesto su dinero para acelerar el crecimiento de estas compañías.

El impacto de la IA hoy en día en Salud

En la última década estamos observando que los avances en la IA han motorizado el progreso de diferentes aplicaciones sanitarias. El boom de las CNNs (Convolutional Neural Networks) y el Computer Vision ha sido clave para el avance de la radiología y el análisis de imágenes médicas, como los rayos X y las resonancias magnéticas. Google Deepmind, por ejemplo, ofrece modelos que detectan con alta precisión el cáncer de mama, enfermedades oculares y más en base a imágenes.

Por otra parte, modelos generativos como las GANs (Redes Generativas Antagónicas) y latentes como los VAEs (Variational Autoencoders) aceleran la identificación de compuestos químicos con potencial terapéutico. AlphaFold de DeepMind es un caso de éxito, prediciendo la estructura de proteínas y revolucionando la investigación farmacéutica.

Figura 4: Alpha Fold 3 por Google Deepmind

Contrario a la creencia popular, algoritmos más tradicionales de Machine Learning, como los Random Forest, se utilizan muy popularmente en diferentes aplicaciones debido a su alta interpretabilidad. Un ejemplo llamativo es IBM Watson for Genomics, que analiza el contenido genómico de los pacientes y su influencia en el desarrollo de cáncer o enfermedades neurológicas.

Pero la influencia de la IA en el sector sanitario no se queda en el análisis de datos de pacientes solamente, sino que está mejorando la optimización del sector. La disponibilidad de GPUs y TPUs más potentes y asequibles ha facilitado la implementación de modelos más complejos y su velocidad ha hecho posible la prueba de miles de conceptos antes de realizar ensayos clínicos, minimizando los costes y acelerando su desarrollo.

Algunos ejemplos de optimización de recursos implementados son el uso de Redes Bayesianas para la asignación de habitaciones en hospitales, o el uso de chats médicos basados en LLMs que dirigen la asistencia sanitaria.

Neko Health: Medicina personalizada

Neko Health, la empresa cofundada por el CEO de Spotify Daniel Ek, promete detectar fases tempranas y prevenir enfermedades mediante la fusión de software y hardware avanzado.

Figura 5: Fundadores de Neko Health, CEO Hjalmar Nilsonne y Daniel Ek

Sus instalaciones en Estocolmo y Londres te permiten viajar al futuro. Con 70 sensores que te realizan un escaneo full-body, son capaces de extraer millones de datos acerca de tu salud cardiovascular, niveles de glucosa y colesterol y el estado de piel de manera no invasiva. Obtienes un análisis profundo sobre el estado de tu salud y su proyección a futuro en base a tus hábitos en menos de una hora.

El objetivo de Neko es enfocar la salud desde el punto de vista preventivo, monitorear los datos del paciente para poder hacer seguimientos exhaustivos durante los años de la evolución de su salud y ofrecer recomendaciones médicas inmediatas, evitando los largos periodos de espera para conocer los resultados. Aunque su objetivo es ofrecer los datos médicos a un coste virtualmente bajo y en un tiempo ínfimo, actualmente se acercan bastante a esta proyección. En 15 minutos, capturan 15 GB de datos de salud a un coste relativamente bajo.

Figura 6: Escaneo de microcirculación por Neko Health

¿Pero cómo pretenden prevenir enfermedades antes de que se desarrollen? Neko investiga métodos y tecnologías basadas en la detección de la alteración o pérdida de funciones biológicas, en contraste a la detección de sintomatología desarrollada por causa de la enfermedad ya existente. Esto permitirá a los pacientes ir un paso por delante de su salud y parar el desarrollo de enfermedad antes de que el daño comience a ocurrir. Su análisis se basa en diferentes pasos. 

Fases del escaneo

La primera fase consiste en la recolección de datos haciendo un escaneo de toda tu piel. Toman imágenes de alta resolución y a partir de estas modelan una imagen digital de tu cuerpo con marcadores sobre su forma, la piel y la distribución de temperatura usando métodos de Computer Vision.

La segunda fase del escaneo mide tu salud cardiovascular usando aparatología médica en 7 puntos diferentes de cuerpo, analizando tu pulso y cómo se mueve la sangre por el sistema arterial, lo cual les permite conocer la distribución de tu sistema sanguíneo. También analizan la microcirculación, que ocurre en los vasos sanguíneos más pequeños del cuerpo y está altamente relacionada con el desarrollo de problemas de salud. Finalmente, toman una muestra de sangre de la cual pueden extraer más perspectivas.

Figura 7: Modelo Virtual extraído en las instalaciones de Neko

Todos los datos recopilados son analizados en base a múltiples diferentes metodologías, ofreciendo resultados precisos, valiosos y visuales al personal médico que posteriormente evaluará el estado de tu salud contigo.

La importancia de los datos

El enfoque de Neko Health pretende ser individual y específico al paciente y el momento en el que se le está examinando. No proponen comparar métricas y valores generales como se ha estado haciendo tradicionalmente, sino en analizar la salud del individuo en base a sus propias estadísticas.

Como Neko Health, podemos encontrar múltiples empresas que se dedican a reforzar la medicina en base a los datos personales de cada paciente y proyectar su bienestar. Que tengamos la fortuna de estar viviendo en la Era de los datos y de la Inteligencia Artificial nos permitirá seguir viendo cómo soluciones innovadoras similares a esta continúan evolucionando y potenciando el desarrollo sanitario, junto con la longevidad y calidad de vida de nuestra sociedad.

Saludos,

Autor: Afina Nurorva, Investigadora Telefónica Innovación Digital

Contactar con Afina Nurova

Google Maps: Los taxistas, ciclistas y autobuseros

Soy un "power user" de Google Maps. Lo uso siempre. Para cualquier desplazamiento por Madrid. Desde ir al trabajo, hasta hacer una ruta que me conozca de memoria. La razón es que me he visto atrapado en Madrid, en estos más de treinta años que llevo conduciendo por esta ciudad, en innumerables ocasiones. Una obra, un accidente, una carrera de 10Km, un corte de calles por polución, o cualquier otro evento pueden hacer que tu día se arruine encerrado en un atasco. Así que no me desplazo en mi "malignomovil" sin usar Google Maps.

Figura 1: Un Google Maps para Taxistas, bicicletas y Autobuseros 

Entre los problemas que tiene Google Maps en Madrid, hay tres que tengo muy localizados, y que son bastante problemáticos. El primero es el de las rutas erróneas - del que ya os he hablado otra vez-, el segundo es el famoso túnel de la M-30 donde tienes que configurar las balizas BlueTooth y no es que vayan muy allá, y el tercero, que es del que voy a hablaros hoy, es el de los datos de los Taxistas y Autobuseros.

Rutas Erróneas que te cuestan pitadas, tiempo puntos y accidentes

Usar tanto Google Maps ha hecho que conozca bastante bien sus limitaciones, y la primera de ellas son los giros imposibles que me han costado alguna multa y algún susto de accidente, además de perder tiempo. Esas rutas que están erróneas y que generan problemas no sólo a mí, sino a mucha gente que lo usan y que me gustaría que Google premiara por reportar, para mejorar cuanto antes el producto.

Figura 2: Ruta imposible de hacer

Si se te ocurre hacer la ruta que tienes en la Figura 2, te vas a llevar una pitada sí o sí, además de una bonita multa de tráfico, la perdida de algún punto del carné, y si estás de suerte no generarás ningún accidente de tráfico.

Figura 3: Otro Giro recomendado por Google Maps imposible

Yo he reportado estas rutas algunas veces, y escribí un artículo titulado: "Cómo corregir las rutas erróneas y peligrosas de Google Maps" para que todos los que somos usuarios de esta plataforma nos beneficiemos, pero creo que debido al impacto que tiene esta plataforma en las ciudades, deberán incentivar más desde Google la corrección de estos errores.

Balizas Bluetooth en túneles

Google Maps añadió la opción de configurar Balizas Bluetooth en túneles en Android para evitar que te pierdas en los túneles de la M-30 - por ejemplo -, pero esta opción llevamos un año esperándola en iPhone y aún no la he visto. Así que, cada vez que me toca una ruta que pasa por los túneles, memorizo bien qué punto salida tengo que tomar, para no perderme, que ya me he perdido muchas veces. De este tema ya "haré terapia" en otro artículo.

Datos de Taxistas y Autobuseros

Este es el tema del que quería hablaros hoy, que es algo que también me lleva años comiendo la cabeza, y que me ha hecho perder tiempo y reuniones por fiarme de los datos de Google Maps en estas rutas. Se trata de aquellas rutas que te meten por calles que tienen carriles BUS y Taxi, donde los datos quedan distorsionados.

Figura 4: Atascos creados con 99 Androids y un carrito

Veréis, Google Maps utiliza los datos de - por supuesto todos los Google Maps -  y de los terminales Android para conocer la densidad de tráfico en tiempo real. Esto, lo utilizó un hacker en una demostración muy sencilla donde ponía en rojo las rutas simplemente paseando un carrito con terminales Android. Pero esto mismo sucede si los datos vienen desde fuentes de datos sesgadas, como son los Taxistas y Autobuses, además de los ciclistas, que utilizan los carriles Bus/Taxi/Bici y de los propios pasajeros de un autobús.

Figura 5: La Gran Vía de "subida" con el carril bus/taxi y bici

En la foto de arriba tenéis la Gran Vía de Madrid, donde os aseguro que el carril Bus/Taxi y el Carril Bici funciona muy bien de subida, pero el carril para los vehículos normales está totalmente colapsado siempre, especialmente en días como ayer (noche de Reyes Magos), donde el centro de Madrid estaba a reventar. Sin embargo, como podéis ver en la recomendación de mi ruta de Google Maps me sale azulito.

Figura 6: Sube gran vía la noche de Reyes Magos

en tu vehículo y me dices si es azul

Esto es porque los datos con los que se está alimentando Google Maps no están correctamente limpios, y está chupándose datos sesgados de taxistas, ciclistas, autobuses y autobuseros, algo a lo que deberían meterle un poco más de ingenieros. Además, estos datos son peligrosos porque los taxistas y autobuses tienen permitidas zonas y giros que están prohibidos para el resto de los vehículos en las ciudades, así que deterioran la experiencia de los conductores y generan problemas en las ciudades. 

Conclusiones

Personalmente creo que los datos GPS de plataformas como Waze, Google Maps, o Apple Maps, así com el uso de ellos que hacen plataformas como Uber, Cabify, Volt, FreeNow o las plataformas de movilidad y parking en las ciudades son parte de lo que es una "SmartCity" y es fundamental asegurase de que estos datos generar un buen funcionamiento de la ciudad y no lo contrario, así que hay que poner esfuerzo en mejorar estas cosas. Y nada más, que os hayan traído muchas cosas los Reyes Magos.

¡Saludos Malignos!

Autor: Chema Alonso (Contactar con Chema Alonso)