Hoy domingo quería dejaros otra cosa de esas que vivo con mis hijas. En este caso, sobre comprar y vender cosas en los Customer-to-Customer eCommerce (C2C), y la parte más difícil, poner el precio o saber si el precio que estás pagando es el correcto o no, y cómo manipular esto.
Figura 1: Cómo funcionan los ataques de "Enjambre" de los C2C traders
en los Customer-to-Customer eCommerce como Wallapop o Ebay.
Si te has ido a comprar un piso seguro que has mirado si está "caro" o "barato" para la zona. Las plataformas de compra y venta de pisos tienen para saber si está por encima de la media, en la media o por debajo. Es muy común y los especialistas de la "compra-venta", los traders, se conocen estos precios a la perfección. Sucede lo mismo con los de la cuadros de arte, cómics, cromos, libros antiguos, armas de coleccionista, o aparatos electrónicos.
Figura 2: Venta de Macintosh "Originales"
El negocio, como hacía el querido protagonista de "El Club Dumas", es saber lo que valen las cosas cuando compras y cuando vendes. Así, en esta novela, nuestro marchante de libros se dedicaba a ir a espoliar las bibliotecas de los fallecidos para localizar los incunables. Lo mismo lo hacen los traders del Wallapop, Ebay, y demás C2C. Buscan quién está vendiendo algo sin saber realmente lo que vale.
Figura 3: Información sobre el precio del Macintosh original
Hoy en día con la IA, puedes tener estimaciones y ayudas muy buenas para Comprar y Vender cosas a su precio correcto, y para no equivocarte en lo que compras y vendes, como en estes caso con un Macintosh Original, que su precio puede variar mucho, y te puedes llevar Classic o Plus por Original o SE por Original, si no conoces bien el producto. Curioso que en la búsqueda me saliera el enlace de nuestro blog de Seguridad Apple que hicimos en Informática64.
Figura 4: Ojo con el gato por liebre
Pero existe una cosa que hacen los menos experimentados en el noble arte de ganarse dinero sabiendo lo que valen las cosas. Son los que explotan la debilidad del propio usuario y del propio C2C de dar el precio medio en función de lo que valen los objetos similares que están a la venta.
Figura 5: Los Macintosh en Wallapop (Classics)
Para eso, utilizan su "Enjambre" de cuentas creadas, controladas, y manipuladas, que ponen a la venta los mismos objetos que quieren comprar, pero a los precios a los que los quieren comprar. Es decir, si desean comprar una Macintosh Original a 500 € y el vendedor lo tiene a 1.500 €, lo que hacen es que sus cuentas del enjambre comienzan a poner a la venta esos mismos Macintosh Original a 400 €, 600 €, 500 €, etcétera. Si el vendedor tiene ganas de vender pronto, sabrá que su producto tardará en salir si no sabe lo que realmente vale lo que vende.
Figura 6: Macintosh Original en Ebay
Así que, si vas a vender algo en un C2C, antes de ponerlo a la venta, averigua su valor, y ponlo correctamente sabiendo lo que haces. Estos "enjambres" se hacen también "preventivos", ya que se crean mucho antes de que aparezca el producto que quieren comprar, con la esperanza de que cuando alguien venga a vender, ponga el precio basado en los que ya están a la venta.
Y con el mundo Agentic AI, esto es una de las herramientas al alcance los Agentes IA que seguro que utilizarán. Que yo conozco a mucho "C2C trader" y se las saben todas...
Figura 10: Cómo montar tu propio servidor de Inteligencia Artificial.
Apple Silicon, Ollama, LMStudio & Pinockio
Además de las alternativas descritas, tenemos también la opción Apple Silicon, que también utilizo ya que tengo un Macbook Pro M1 Max con 1TB de disco duro y 32GB de RAM - el jefe tiene un M3 - Con esta configuración puedo levantar modelos de 7B (y algunos de más billions) a una velocidad más que decente, aunque teniendo ya la generación M4 se empieza a notar. Ahora con los M4 la potencia y la velocidad como podéis imaginar es mayor, aunque como pasa siempre en Apple, tenemos que pagarla (a veces a precio de oro).
Una configuración mínima para poder ejecutar modelos decentes sería un Macbook Pro M4 con 32GB de RAM y 1TB de disco duro. Esta configuración ronda los 3.000€ pero vas a tener el rendimiento “parecido” (sólo se equipara si tienes el M4 Max) al de una 4090 a la hora de entrenar y ejecutar modelos LLMs (no hablo de juegos ni FPS). Pero recuerda el precio de una 4090 … los Silicon de Apple se han convertido en una buena opción. Pero eso sí, en principio siempre serán más rápidas las NVIDIA pero a mayor consumo energético.
Otra configuración que se está poniendo de moda es usar los Mac mini que rondan los 800€ y crear con ellos clústeres a través del puerto Thunderbolt o de red. Esto nos permite poner por ejemplo 3 Mac mini digamos 16GB por menos de 2.500€ y conectarlos entre ellos para sumar su potencia. Ojo con esto que no es del todo así (hay más factores que influyen en la velocidad que ahora veremos), no tendremos 48GB de VRAM pero sí más o menos unos 30GB. Con la opción de poder añadir nodos bajo demanda de manera muy sencilla. En este vídeo tienes un ejemplo completo de cómo se pueden conectar usando exo que te permite unir cualquier ordenador Mac Silicon en formato clúster.
Un pequeño disclaimer. No sólo es la VRAM, también tenemos que tener en cuenta parámetros tan opuestos en su naturaleza como por la velocidad el bus de memoria de los Silicon, el contexto del LLM o la cuantización. Pero sí podemos hacernos una idea del consumo de VRAM usando por ejemplo esta fórmula en este artículo o usar alguna calculadora online como esta para modelos de HuggingFace. Por ejemplo, usando la fórmula del artículo anterior, para levantar un modelo Llama 2 a 70B con cuantización de 4 bits necesitaríamos 42GB de VRAM (en principio y según esta fórmula, yo creo que con menos se podría).
Bien, pues ya tenemos nuestro servidor preparado, es hora de instalar el software necesario para ejecutar todo tipo de modelos o de utilidades que usen la IA. Se me olvidaba algo importante … el consumo eléctrico. En esto los Mac Silicon están a años luz de las gráficas NVidia. Estas requieren fuentes de alimentación mínimo de 750W para gráficas como la 4070 y de 1000W o más para las 4090 mientras que los mac consumen mucha menos electricidad.
Los tokens por segundo marcan la usabilidad
La velocidad de generación medida en tokens por segundo es el factor que define el rendimiento y usabilidad de los modelos locales de LLMs. Los tokens ya sabemos que representan las unidades mínimas en las que se descompone el texto (palabras, sílabas o incluso caracteres), y la rapidez con la que un modelo puede procesar y generar estas unidades determina su eficiencia en tareas como la creación de texto, la traducción o el análisis de datos que hagamos.
Esta velocidad depende de varios factores: la arquitectura del modelo (por ejemplo, cuántos parámetros tiene), la capacidad de cómputo (potencia de la GPU o CPU utilizada) y la optimización del software (uso de librerías como CUDA, cuDNN o frameworks optimizados como Hugging Face Transformers). En nuestro caso, para entornos locales, la limitación de recursos suele ser más estricta que en soluciones en la nube por lo que es importante justar tanto el hardware como el software para maximizar el número de tokens por segundo.
Para optimizar los tokens por segundo en un modelo local LLM, se pueden implementar diversas estrategias enfocadas en hardware y software. Por ejemplo, utilizar una buena GPU compatible con librerías como CUDA y cuDNN nos permite acelerar los cálculos matriciales de la arquitectura Transformer, optimizando la inferencia.
A nivel de software, podemos aplicar técnicas como la cuantización que ya hemos mencionado antes, que reduce la precisión de los parámetros del modelo (por ejemplo, de FP32 a INT8) sin sacrificar significativamente el rendimiento, logrando una mayor velocidad de procesamiento. Por otro lado, el uso de batching eficiente y librerías optimizadas como PyTorch con operadores adaptados a hardware específico, o herramientas como TensorRT, permite ejecutar el modelo de forma más rápida y con un menor consumo de recursos.
Por último, reducir el tamaño del modelo mediante técnicas como pruning o utilizar modelos más ligeros, como los LLMs optimizados para dispositivos locales (por ejemplo, LLaMA 7B o GPTQ), también ayuda obtener una aceptable generación de tokens por segundo en un hardware limitado.
Software a utilizar: Ollama, LMStudio & Pinockio
Lo que voy os a contar ahora es independiente de si tienes un GNU/Linux, Windows o Mac Silicon, todos sirven en las tres plataformas. Voy a centrarme solamente en tres que creo que son indispensables y sobre todo sencillas de utilizar. Vamos a empezar con dos que serán el motor principal de nuestro servidor: Ollama y LMStudio.
Ollama es una plataforma pensada para que puedas ejecutar modelos de lenguaje directamente en tu máquina de una manera sencilla y eficiente. Es como el “plug and play” de los LLMs: descargas, configuras y en unos minutos tienes funcionando modelos como LLaMA, Mistral o Vicuna. Su gran ventaja es que está optimizado para funcionar en hardware local, ya sea un Mac con Apple Silicon o una GPUNVIDIA decente, lo que te permite usar modelos bastante potentes sin depender de la nube ni complicarte con instalaciones infernales. Además, la biblioteca de modelos de Ollama ya viene ajustada y lista para usar, lo que te ahorra tiempo y dolores de cabeza.
Por otro lado, LMStudio tiene otro enfoque porque está pensado más para el fine-tuning y personalización de modelos, RAG, etcétera. Aquí no solo ejecutas un LLM, sino que lo adaptas a lo que necesitas: puedes entrenar tu propio modelo con datasets específicos y ajustar los parámetros para obtener resultados optimizados y personalizados. Es ideal si tienes un proyecto concreto y necesitas que el modelo “hable” o “sepa” del contexto que quieras.
Mientras que Ollama te permite desplegar un modelo rápidamente y sin complicaciones, LMStudio te da el control completo sobre el proceso de entrenamiento. ¿La diferencia clave? Ollama es perfecto para usar modelos preexistentes, mientras que LLMStudio es tu herramienta si quieres crear o hacer fine-tunning de un modelo a medida (aunque por supuesto, también te permite ejecutar modelos).
Pinokio es en cambio una herramienta que nos va facilitar mucho la vida. Se trata de una especie de “hub” de aplicaciones que permite instalar, ejecutar y controlar de manera programada y local cualquier aplicación de IA con un solo clic. Pinokio automatiza todo el proceso, por lo que sólo tienes que centrarte en utilizar la herramienta.
Esto sabiendo lo complicado que es a veces ejecutar entornos de IA (por ejemplo por las dependencias), la verdad es que es una gran ayuda. Pinokio tiene su propio repositorio de GitHub aunque se puede instalar directamente en MacOS, GNU/Linux o MS Windows descargando la aplicación desde su web.
A partir de este punto ya tenemos todo lo necesario para poder ejecutar todo tipo de aplicaciones de IA en local, ya sea para generar imágenes, vídeo, texto, LLMs, etcétera. Existen herramientas como OllamaWebUI (que puedes instalar desde Pinokio) que te ofrecen una interfaz parecida a ChatGPT para tus modelos locales de Ollama, puedes llamar a tu modelo a través de una API, usar RAG, etcétera.
This is the way …
El futuro, en mi humilde opinión, se basa en agentes y el uso de IA local (ambos combinados) para crear una especie de ecosistema de “microservicios” inteligentes locales creando tareas complejas partiendo de tareas más sencillas. Con la llegada de GPUs más potentes (como la RTX 5090), nuevas tecnologías de hardware como Groq, el desarrollo de clústeres accesibles (como los Mac mini) y soluciones de cuantización más eficientes, la capacidad de ejecutar modelos LLM de alta complejidad en hardware asequible será cada vez algo más habitual. Además, herramientas que faciliten el fine-tuning local y las APIs conectadas a servicios propios permitirán que cada usuario o empresa ajuste la IA a su medida.
Prácticamente cada día entramos en nueva era de la inteligencia artificial, donde la privacidad, el control de costes y la potencia accesible son cada vez más una parte importante a tener en cuenta. El hardware sigue mejorando, el software simplificándose y los modelos avanzando; el objetivo, poder controlar nosotros mismos esta tecnología (democratizarla) que está cambiando día a día toda la Humanidad (por mucho que haya gente que no crea aún en la IA o diga que estamos en un punto muerto o sin salida).
En el año 1971Intel presentó el primer microprocesador de la historia, el Intel 4004, un procesador que poca gente entendió, de aquella, su sentido. Ya había nacido el transistor y los circuitos impresos para crear la electrónica moderna, y alejarse de las útiles, pero pesadas, válvulas de vacío. En 1971 la informática pesada, los grandes monstruos de tipo “mainframe”, estaban dejando paso a una serie de “miniordenadores”, como la serie PDP de DEC, pero la informática seguía siendo de “gigantes” y para “gigantes”.
Figura 1: El amor a la computación clásica. Imagen Dall-e:
"drawing of an Amstrad CPC 6128 made by a six years old kid"
Pero el microprocesador abrió dos puertas que juntas eran una única vital para el futuro de la informática: el propósito general y la miniaturización. Precisamente la segunda, la miniaturización, abrió un espacio, el microordenador, y un destino: el hogar o la población en general, como ustedes prefieran llamarlo. Pero ninguna gran empresa apostó por aquello, ni las más importantes, ni las de segunda fila:
¿Quién quiere un ordenador en casa? ¿Qué utilidad tiene aquello?
Y, entonces, llegaron los entusiastas de la electrónica... ellos abrieron el camino. Empezaron a proliferar ordenadores basados en kit, como el popular Altair 8800 de 1975 o su clon IMSAI 8080 de 1976, y otros muchos; ordenadores que eran ensamblados pieza a pieza por los entusiastas de la electrónica a mediados de los años setenta.
Llegamos al año 1977, cuando a alguien se le ocurrió la idea que aquello que estaba arrasando entre los entusiastas de la electrónica, podía arrasar entre la población en general. Pero la población no sabía lo que era un circuito impreso, ni sabían lo que era un microprocesador; había que crear ordenadores ensambladores y con el software básico preparado para poder hacer cosas con ellos en los hogares.
¿Pioneros?
Evidentemente fueron Steve Jobs, y Steve Wozniak los pioneros más famosos, pero su primer ordenador, el Apple I de 1976, no era un ordenador, sino una placa base a la cual había que proporcionar el resto de componentes que necesitaba para poder convertirse en un ordenador. Hubo que esperar a 1977 para ver nacer al Apple II, el primer ordenador ensamblado de la empresa de Cupertino. Y para el año 1977 ya habían nacido, casi de la mano, otros pioneros tan populares como el Commodore PET y TRS-80.
Los entusiastas de la electrónica abrieron el camino del ordenador personal y, con ello, de la informática personal. Es el año 1977 donde nació el ordenador personal y la informática personal según mi punto de vista. Y para ese año ya estaba la informática inundada de nombres de productos muy importantes: MOS 6502, Zilog Z80, BASIC, CP/M, etcétera. Y también de otros nombres: Federico Faggin, Gary Kildall, Chuck Peddle, Steve Wozniak,...
Sin duda alguna Federico Faggin fue vital para la época, creador del mítico Zilog Z80, y Gary Kildall, creador del sistema operativo CP/M que alimentó a los primeros ordenadores Intel 8080, y a los posteriores Zilog Z80 que arrasaron en la década de los año ochenta. Pero... ¿y Chuck Peddle? Una persona poco reconocida. Para mí el padre de la informática personal, y del ordenador personal.
Chuck Peddle, después de participar activamente en la creación del Motorola 6800, creyó firmemente en la idea de poder crear un microprocesador barato y de bajo coste. La idea se la quitaron de la cabeza en Motorola, y se fue a MOS Technology donde creó el primer microprocesador barato y asequible, el increíble MOS 6502 que formó parte de ordenadores tan famosos como el Commodore 64, el ordenador más vendido de la historia, o el Apple II.
Y con el MOS 6502 nació en Peddle otra idea, la de crear un ordenador personal que pudiera se asequible para los hogares... informatizar los hogares. Para esa idea, que persiguió sin descanso y con muy pocos apoyos, se fusionó con Jack Tramiel, fundador de Commodore, y crearon en 1977 el mítico Commodore PET. Sin el empeño y la intensidad de Chuck Peddle, la informática personal quizás hubiera sido otra cosa. Seguro que hubiera tardado más tiempo en llegar.
Y así llegamos al año 1986, el día en el que mis padres me regalaron un Amstrad CPC6128 “para jugar”, con nada más y nada menos que 128 Kilobytes de RAM y una disquetera de 3 pulgadas de dos caras que pocos podían tener. Y cuando me senté en ese ordenador, con 12 años de edad que tenía, nació en mi una pasión.
Una pasión que me ha llevado a contar hoy con 30 años de experiencia profesional en Ingeniería de Software, a crear mi blog parceladigital.com donde, por medio de vídeos, podcasts, y artículos en texto, recupero y divulgo la historia de la informática. Y también me llevó a ganar las estatuillas de los premios del mundo de Internet más importantes en idioma español. Pero nada es tan valioso como cuando sé con certeza que hay gente que agradece la labor de divulgar sobre la computación clásica. Y hay muchas personas interesadas en ello.
Al poco tiempo de sentarme en el Amstrad CPC6128 empecé a programar en BASIC, a crear mis primeros videojuegos, y mi primer software de gestión. Me pasé al mundo PC y... nació “el amor a la computación clásica”, con el paso del tiempo.
No viví los años setenta de la informática personal, pero la estudié; sí viví en directo la informática de los años ochenta, aquella en la que no había nada hecho y todo lo tenía que hacer uno por si mismo, donde no existía Internet y el talento era imprescindible para aprender y evolucionar. La pirámide invertida, hoy trabajamos sobre un montón de hardware y software evolucionado por genios y grandes equipos de trabajo... trabajamos en una base muy fuerte con sistemas operativos muy potentes, y con software alta calidad para todo. En los ochenta no había casi nada, todo se trabajaba en modo texto con letras en blanco y fondo texto, y a veces en ensamblador, y con programación de ceros y unos también...
El acto de intercambiar software, disquete arriba y abajo... acudir a las revistas de informática era la mayor fuente de información cuando no existía Internet... las primeras llamadas vía línea telefónica a las BBS’s, unas comunicaciones rudimentarias por medio del “Carbon Copy”... a veces llamando al extranjero... aquellas optimizaciones a mano de la memoria RAM en el MS-DOS para poder liberar el máximo espacio en la memoria convencional de 640 Kilobytes para que aquel vídeojuego potente que queríamos arrancar pudiera hacerlo ya que no podía acceder a la extendida... todo aquello era otra atmósfera diferente al actual, sin ingenio y talento poco podías hacer con un ordenador... la época donde solo podías compartir software con aquellos que tenían tu Amstrad CPC en disquetes de 3 pulgadas, o compartiendo las cintas de ZX Spectrum de Sinclair, o los cartuchos del sistema MSX, que desde Japón se estaba intentado crear un mundo PC similar y abierto, pero dentro de la informática de 8 bits.
Pasados los años tuve la suerte de contactar con personas como José Luis Domínguez, fundador de la mítica empresa Indescomp -el “Steve Jobs” español le llamo- que fundó aquella empresa de cero, apostó por lo que nadie apostaba, logró con artimañas que Alan Michael Sugar le otorgara la distribución en exclusiva para España de los ordenadores británicos Amstrad, y arrasó en el mercado español a mediados de los ochenta con un nuevo concepto: ordenadores de 8 bits de importantes características a precios populares. Hoy en día conversamos él y yo de vez en cuando por Whatsapp e intercambiamos pareceres y proyectos.
Y tuve la suerte también de entablar amistad con Paco Portalo, que cuando terminó la Ingeniería en Electrónica se fue de su Badajoz natal a Madrid para terminar por unirse al mítico pacense Paco Suárez para crear, para Indescomp y José Luis Domínguez, el mítico videojuego de “La Pulga”, “Bugaboo”, “The Flea”, como ustedes prefieran llamarlo. El primer videojuego español de éxito internacional en 1983. Ese año, y con ese videojuego, nació la etapa conocida como “La Edad de Oro del Software Español (1983-1992)” con nombres estelares alrededor como Paco Suárez, Paco Menéndez, Fernando Rada, Camilo Cela, Carlos Granados,.. y un largo etcétera.
Parco Portalo recibió, recientemente, la Medalla de Oro al Mérito de las Bellas Artes de mano de los Reyes de España. Un orgullo ser su amigo. Tanto José Luis Domínguez como Paco Portalo son ejemplos de personas que fueron vitales para la informática clásica en este país, y que hoy debemos recordar y valorar. Hay más, y tuve y tengo la suerte de poder entrar en contacto con algunos de ellos... los pioneros.
En el año 2016 empecé un largo camino con mi blog "Parcela Digital" a través del texto (artículos), vídeo (vídeoblogs), y audio (podcasts) en el sentido de compartir “mi amor a la computación clásica” con todo el mundo. Sobre todo con la idea de compartir con las nuevas generaciones que, cuando nacieron, ya existía incluso Internet y nunca pudieron vivir los años setenta, ochenta, y noventa de la informática personal del siglo pasado.
Y el camino fue tan importante para mí que terminó en un libro de 516 páginas titulado “Historia de la informática: El Ordenador Personal”.
Aquellos años fueron únicos, el ambiente era increíble... una especialidad de la ciencia tecnología por explorar que hacía muy poco que había nacido... era otro mundo, otra forma de vivir, y otras necesidades que atender. Todo aquello, ya pasado hace cuatro y cinco décadas, no puede caer en el olvido, y aquellos que lo hemos vivido con intensidad, debemos ser los que hoy en día divulguemos sobre nuestro “amor por la computación clásica”.
El viernes presenté en Navaja Negra una charla que teníamos guardada para más adelante. Llevábamos un tiempo en el equipo de Ideas Locas de mi unidad CDO en Telefónica trabajando en ella, y al final decidimos que el día perfecto para contarla por primera vez al mundo sería la 9ª Edición de la Navaja Negra en Albacete.
Figura 1: "What if?" Crazy Ideas: From Brain to Hack. Vídeo de la presentación que hicimos en Navaja Negra ya en Youtube
Este año quería hacer algo especial para esta charla, ya que ellos habían decidido hacerme un pequeño regalo y entregar a todos los asistentes un gorro como el mío. Bueno, vale, no es exactamente como el mío, pero sí que es muy parecido al mío, lo que me hacía especial ilusión.
Así que Pablo, Fran, Alvaro, y el resto de compañeros del equipo de Ideas Locas - Ioseba, Sergio, Josue, Lucas y Enrique - trabajaron a contra reloj para poder hacer el hack que yo quería, y con el que llevábamos varios meses.
La idea era tan simple como divertida y genial para mí. Google Photos ha dado almacenamiento ilimitado para fotografías que se suban a Google Photos de una en una o mediante la sincronización de una carpeta. Así que:
¿Por qué no crear un sistema de almacenamiento infinito para el Macintosh SE que tengo en mi despacho y le dejamos todos los juegos y utilidades en la nube de Google Photos?
Sí, podíamos haber montado un FTP, un SMB, o cualquier otra cosa, pero la gracia era unir todo, así que montamos un sistema un poco curioso que podéis ver en el vídeo de la charla, pero para que os hagáis una idea.
1) Conectamos el Macintosh SE por el puerto Modem con un RS422 al un Raspberry Pi con RS232 usando un par de cables de interconexión.
2) Configuramos en Raspbian en la Raspeberry Pi las Serial TTY para tener una shell de GNU/Linux en el Macintosh SE usando un cliente ZTerm.
3) A partir de ese momento podemos subir ficheros a la Raspberry Pi desde el Macintosh SE y bajar ficheros desde la Raspebrry Pi al Macintosh SE usando el protocolo ZModem.
4) A la Raspberry Pi don Raspbian le dimos acceso vía WiFi con un hotspot montado con un Android en un terminal móvil.
5) En la Raspberry Pi creamos unos daemons y un framework llamado Gxxgle que monitoriza las carpetas de subida de ficheros desde el Macintosh para codificar los binarios como fotografías y subirlos automáticamente a un servidor HTTP de File Upload.
6) El Servidor HTTP que recibe los ficheros es un servidor Windows que corre en Microsoft Azure donde hay un Windows con la aplicación cliente de Google Photos y copia los ficheros en una carpeta local que está sincronizada mediante la app Windows de Google Photos con la nube.
7) La aplicación Google Photos de Windows es la que sube automáticamente las fotografías a Google Photo donde quedan almacenadas para cuando se necesiten.
8) Con el cliente Zterm desde el Macintosh se puede conectar a la shell de la Raspberry Pi, abrir Gxxgle, listar los ficheros en un virtual File System que gestiona el framework y puede solicitar la descarga de cualquier fichero de Google Photos.
9) Con el protocolo Zmodem ese comando puede bajar al Macintosh SE y utilizarse, como podéis ver en este ejemplo con el Prince of Persia.
10) Y para compartir la pantalla del Macintosh SE usamos un MacOS con Quicktime al que conectamos un iPhone para usar la cámara a través de las opciones de iOS.
La charla completa la podéis ver en en el vídeo del streaming de la sesión que tenéis ya subido a mi canal Youtube para veáis la demo en real, donde al final arrancamos en el Macintosh SE una shell de Metasploit.
Figura 5: Presentación "Crazy Ideas: From Brain to Hack en Navaja Negra 2019
Al final, este es un hack que nos ha permitido utilizar una "feature" de Google Photos de forma weaponizada para conseguir almacenamiento infinito para lo que sea. Desde ficheros robados por un ransomware, hasta los juegos de un Macintosh SH. Todo lo demás ha sido uno de nuestros Hacks & PoCs Just for Fun de los que habla el libro de Arduino de nuestros compañeros.
Quiero agradecer a la organización el haber entregado ese gorrito a todos los asistentes. Y a todos los que os pusisteis el gorro un rato, que realmente me hizo feliz veros. Gracias de todo corazón, y quede esta foto para el recuerdo.
Sigue El lado del mal en Telegram
Chema Alonso en Threads
Chema Alonso en Mastodon
Chema Alonso en BSKY
Chema Alonso en Linkedin
DragonJAR
8.8 Chile
Ekoparty
e-Hack MX 
AREA 51 
Comunidad Dojo Panamá 
ARPAHE SOLUTIONS 
