Battlefield 6 Anti-Cheat Measures Dev Apologises for Secure Boot Requirement in PC Beta

EA's decision to require Secure Boot for the Battlefield 6 open beta on PC sparked controversy, and now a developer has addressed the issue. The requirement aimed to bolster anti-cheat tools, but it prevented some players from participating due to compatibility issues or concerns about kernel-level access. Christian Buhl, the technical director, has defended the decision as necessary to combat cheating, but apologised to those who were unable to play as a result.

Buhl acknowledged that Secure Boot isn't a perfect solution, admitting that it won't eliminate cheating entirely. However, he emphasised that tools like the Javelin anti-cheat system, enabled by Secure Boot, are crucial for detecting and preventing cheating. Secure Boot allows access to the Trusted Platform Module on the motherboard, providing visibility into potential threats like kernel-level cheats, memory manipulation, and hardware ID manipulation.

EA reported significant success with the Javelin system during the beta, claiming it prevented hundreds of thousands of cheat attempts. They also acknowledged player reports of potential cheaters, using this data to refine their detection methods. Despite the benefits, many players expressed frustration with the Secure Boot requirement, citing difficulties in enabling it and concerns about the level of access granted to EA's anti-cheat software. Some players worried about potential PC issues and the risk of granting EA complete machine access.

Despite the controversy, Buhl said that the anti-cheat system performed well, and that anti-cheat remains a top priority as the game approaches its launch. He described the ongoing fight against cheating as a "cat-and-mouse game," and the goal remains to keep the game as secure as possible.

Fuente Original: https://arstechnica.com/gaming/2025/08/battlefield-6-dev-apologizes-for-requiring-secure-boot-to-power-anti-cheat-tools/

Artículos relacionados de LaRebelión:

• Crack the Code The Optimal Mathematical Strategy for Winning Mastermind Revealed
• Anthropics Claude for Chrome A Limited Beta Launch with Security Concerns - AI Browser Control...
• US Government Stake in Intel Trump Considers Deal After CEO Attack - What It Means for Chip Ma...
• Quantum Computing Breakthrough Google and IBM Aim for Million-Qubit Machines by 2030
• AI to the Rescue Autonomous Black Hawk Helicopter Tested for Wildfire Suppression

Artículo generado mediante LaRebelionBOT

Blizzard Workers Unite More Game Developers at Microsofts Blizzard Form a Union

More game workers at Microsoft's Blizzard have unionised, marking another significant step in the growing movement of unionisation within the tech and video game industries. This week, the Story and Franchise Development team at Blizzard Entertainment voted overwhelmingly to join the Communications Workers of America (CWA), the largest communications and media labour union in America. This team is responsible for creating cinematics, animation, narrative content, promotional videos, and in-game cutscenes for Blizzard's well-known franchises, as well as managing franchise archives and historical records.

This marks the first in-house cinematic, animation, and narrative studio in the North American game industry to form a union. These workers will join nearly 3,000 other employees at Microsoft-owned studios who have already organised with CWA following Microsoft's acquisition of Activision Blizzard in 2023, all striving for better standards across the video game sector. The CWA's announcement highlights this ongoing trend, with over 6,000 workers in both the United States and Canada organising under the Campaign to Organise Digital Employees (CODE-CWA) in the past five years.

Microsoft has recognised the union, adhering to the labour neutrality policy the company agreed to in 2022. This policy has facilitated union formation at several other Microsoft-owned game studios, including those working on World of Warcraft, QA teams in Austin, Bethesda, and ZeniMax Online Studios. Unionised workers at Raven Studios also recently secured a contract with Microsoft. According to the CWA, one organising committee member and cinematic producer stated their excitement about forming a union to protect colleagues from misguided policies and instability caused by potential layoffs.

Fuente Original: https://games.slashdot.org/story/25/08/17/062255/more-game-workers-at-microsofts-blizzard-join-a-union?utm_source=rss1.0mainlinkanon&utm_medium=feed

Artículos relacionados de LaRebelión:

• Googles Genie 3 AI Creating Real-Time Interactive 3D Game Worlds

Artículo generado mediante LaRebelionBOT

Python Sigue Dominando Auge de la Popularidad y Sorprendente Resurgimiento de Perl en el Indic...

El lenguaje de programación Python continúa su ascenso meteórico, alcanzando la puntuación más alta jamás registrada por un lenguaje en el índice TIOBE. Según Paul Jansen, CEO de TIOBE, este crecimiento se ve impulsado por la creciente adopción de asistentes de código con inteligencia artificial (IA). Estos asistentes, como Microsoft Copilot o Google Gemini Code Assist, demuestran ser significativamente más efectivos (hasta un 20% más) cuando se utilizan con lenguajes populares como Python, ya que existe una mayor cantidad de código disponible para entrenar los modelos subyacentes.

Esta tendencia consolida la posición de los lenguajes líderes en el mercado, ya que los desarrolladores prefieren evitar aprender lenguajes menos conocidos que carecen de soporte de IA adecuado, documentación completa o bibliotecas robustas. El índice TIOBE, que mide la popularidad de los lenguajes basándose en la cantidad de ingenieros cualificados, cursos y proveedores externos, otorga a Python una impresionante puntuación del 26.14%, superando ampliamente a C++ (9.18%) y C (9.03%).

Si bien los seis primeros lenguajes (Python, C++, C, Java, C#, JavaScript) se mantienen relativamente estables año tras año, se observan cambios interesantes en otras posiciones. SQL ha descendido del puesto #7 al #12, mientras que Visual Basic y Go han escalado al #7 y #8 respectivamente. La mayor sorpresa la protagoniza Perl, que ha experimentado un notable resurgimiento, ascendiendo del puesto #25 al #9, superando a Delphi/Oracle Pascal y Fortran. El CEO de TIOBE admitió no tener una explicación clara para este aumento en la popularidad de Perl, aunque confirmó la validez de los datos que respaldan este cambio.

Fuente Original: https://developers.slashdot.org/story/25/08/16/0658254/python-surges-in-popularity-and-so-does-perl?utm_source=rss1.0mainlinkanon&utm_medium=feed

Artículos relacionados de LaRebelión:

• Python Lucha Contra las Dependencias Fantasma en el Open Source Descubre como SBOMs Resuelven ...
• Duolingo Apuesta por la IA y Triunfa El Auge de los Usuarios Activos Diarios Ignora las Criticas
• A pesar de las Filtraciones y Demandas la App de Citas Tea Aumenta su Popularidad
• ¿Editar tus recuerdos de Google Fotos con CapCut? Una Integración Sorprendente
• ¿El Futuro del Deporte? El Auge del Movimiento 'Phygital' y su Impacto Global

Artículo generado mediante LaRebelionBOT

Creación de un script Bash para detectar y bloquear intrusiones en SSH

 ¡Hola a todos! En el mundo de la ciberseguridad, proteger nuestros servidores es una prioridad. Los intentos de intrusión a través de SSH son comunes, y detectarlos y bloquearlos de forma automatizada puede ahorrarnos muchos dolores de cabeza. En este artículo, vamos a ver cómo crear un script en Bash que analice el log de SSH, identifique intentos de acceso fallidos y, si se repiten, aplique una regla de iptables para bloquear al atacante durante 15 días.

1. El análisis de los logs

Lo primero es saber dónde buscar. El log de SSH se encuentra típicamente en /var/log/auth.log en sistemas basados en Debian (como Ubuntu) o en /var/log/secure en sistemas basados en Red Hat (como CentOS). Usaremos grep para buscar líneas que indiquen intentos de conexión fallidos. La clave es identificar patrones. Por ejemplo, en un log de Ubuntu, un intento fallido se ve así:

Aug 11 20:53:14 servername sshd[12345]: Failed password for invalid user admin from 192.168.1.100 port 54321 ssh2

De esta línea, nos interesa la dirección IP (192.168.1.100). Podemos usar expresiones regulares y herramientas como awk o sed para extraerla.

2. El script paso a paso

Vamos a desglosar la lógica del script. El objetivo es:

1. Leer las últimas líneas del log.

2. Extraer las direcciones IP que han intentado iniciar sesión sin éxito.

3. Contar cuántas veces cada IP ha fallado.

4. Si una IP supera un umbral (en nuestro caso, 2 veces), la bloqueamos.

Aquí tienes el script completo. Puedes guardarlo como ssh_protector.sh.

Bash

#!/bin/bash

# Definimos la ruta del log y el número de intentos fallidos permitidos
LOGFILE="/var/log/auth.log"  # Cambiar a "/var/log/secure" si usas RHEL/CentOS
MAX_ATTEMPTS=2
# Duración del bloqueo en segundos (15 días = 15 * 24 * 60 * 60)
BLOCK_DURATION=1296000

# Usamos tail para leer las últimas líneas del log y grep para filtrar
# los intentos fallidos. awk se usa para extraer la IP.
# Sort y uniq -c se encargan de contar las repeticiones.
FAILED_IPS=$(tail -n 200 $LOGFILE | grep "Failed password" | awk '{print $11}' | sort | uniq -c | awk '{if ($1 > '$MAX_ATTEMPTS') print $2}')

# Verificamos si la variable FAILED_IPS contiene alguna IP
if [ -n "$FAILED_IPS" ]; then
    # Recorremos cada IP que ha superado el umbral
    for ip in $FAILED_IPS; do
        # Verificamos si la IP ya está bloqueada para evitar duplicados
        if ! iptables -L INPUT -n | grep -q "$ip"; then
            echo "Detectada IP maliciosa: $ip con más de $MAX_ATTEMPTS intentos fallidos. Bloqueando..."
            
            # Bloqueamos la IP con iptables.
            # -A INPUT: Añade la regla a la cadena INPUT.
            # -s $ip: Origen de la IP a bloquear.
            # -j DROP: La acción a tomar es "descartar" todo el tráfico.
            iptables -A INPUT -s $ip -j DROP
            
            echo "IP $ip bloqueada por $BLOCK_DURATION segundos."
            
            # Programamos una tarea para eliminar la regla después de 15 días
            # "at" es una herramienta que ejecuta comandos en un momento determinado.
            echo "iptables -D INPUT -s $ip -j DROP" | at now + $BLOCK_DURATION seconds
        fi
    done
else
    echo "No se encontraron IPs con más de $MAX_ATTEMPTS intentos fallidos."
fi

3. Explicación del código

• LOGFILE: Es la variable que almacena la ruta a tu archivo de log.

• MAX_ATTEMPTS: Define el número máximo de intentos fallidos antes de bloquear una IP.

• BLOCK_DURATION: La duración del bloqueo en segundos.

• FAILED_IPS: Esta es la línea más importante.

  • tail -n 200 $LOGFILE: Leemos las últimas 200 líneas del log, ya que es más eficiente que leer todo el archivo.

  • grep "Failed password": Filtra solo las líneas que contienen "Failed password" o "Failed password for invalid user".

  • awk '{print $11}': Extrae el undécimo campo, que en este formato de log es la dirección IP.

  • sort | uniq -c: Ordena las IPs y las cuenta, mostrando cuántas veces ha aparecido cada una.

  • awk '{if ($1 > '$MAX_ATTEMPTS') print $2}': Filtra las IPs que tienen un conteo mayor a MAX_ATTEMPTS.

• iptables: La herramienta que utilizamos para gestionar las reglas del firewall en Linux.

  • iptables -A INPUT -s $ip -j DROP: Añade una regla a la cadena INPUT para descartar todo el tráfico (-j DROP) proveniente de la IP (-s $ip).

• at: El comando at nos permite programar la ejecución de un comando en el futuro.

  • echo "iptables -D INPUT -s $ip -j DROP" | at now + $BLOCK_DURATION seconds: Esto programa la eliminación de la regla de iptables (-D de delete) después de 15 días.

4. Automatización del script

Para que este script sea realmente útil, debe ejecutarse periódicamente. La mejor manera de hacerlo es usando cron.

1. Dale permisos de ejecución al script:

   Bash

   chmod +x ssh_protector.sh
   

2. Edita la tabla de cron de root para que se ejecute con los permisos necesarios:

   Bash

   sudo crontab -e
   

3. Añade la siguiente línea para que se ejecute cada 5 minutos:

   */5 * * * * /ruta/al/script/ssh_protector.sh
   

   Cambia /ruta/al/script/ por la ruta real donde guardaste tu script.

---

Consideraciones de seguridad y mejoras

• Rendimiento: Si tu log es muy grande, leer las últimas 200 líneas puede no ser suficiente. Puedes ajustar el valor en tail -n.

• Persistencia: Las reglas de iptables se pierden al reiniciar el sistema. Para hacerlas persistentes, puedes usar herramientas como iptables-persistent o scripts de inicio.

• Notificaciones: Puedes añadir una función para que te envíe un correo electrónico o un mensaje a Slack cada vez que se bloquea una IP.

• Reversibilidad: Si accidentalmente bloqueas una IP legítima, puedes eliminar la regla manualmente con:

  Bash

  sudo iptables -D INPUT -s la.ip.bloqueada -j DROP
  

Con este script y su automatización, tu servidor estará mucho más protegido contra los ataques de fuerza bruta por SSH. ¡Mantén tus sistemas seguros! 🔒

Python Lucha Contra las Dependencias Fantasma en el Open Source Descubre como SBOMs Resuelven ...

La Python Software Foundation, con el respaldo del proyecto Alpha-Omega de la Open Source Security Foundation, ha estado trabajando activamente en la seguridad del ecosistema Python. Una de las iniciativas clave es abordar el problema de las "dependencias fantasma" en el código abierto. Estas dependencias, que no se rastrean con metadatos de empaquetado, manifiestos o archivos de bloqueo, representan un desafío significativo para las herramientas de escaneo de vulnerabilidades y las herramientas de cumplimiento.

Seth Larson, el Security Developer-in-Residence de Python, ha propuesto una solución a través de la Python Enhancement Proposal (PEP) 770. Esta propuesta ofrece una manera sencilla para que los paquetes proporcionen metadatos a través de las listas de materiales de software (SBOMs). La PEP 770 es compatible con versiones anteriores y puede ser habilitada por defecto por las herramientas, lo que facilita su adopción generalizada.

Python no es el único ecosistema de software afectado por las dependencias fantasma. El enfoque que utiliza SBOMs para los metadatos puede ser adaptado por otros ecosistemas de empaquetado que busquen registrar metadatos de software agnósticos del ecosistema. Python se ve particularmente afectado debido a su capacidad para interactuar con software no Python a través de la C-API o FFI, su prominencia en la computación científica e inteligencia artificial, y su tipo de distribución "wheel", que permite la inspección antes de la instalación, pero requiere que los lenguajes compilados se precompilen en binarios. Al diseñar el nuevo estándar de metadatos, se priorizó la reducción del esfuerzo requerido por los mantenedores voluntarios y los proyectos en el Python Package Index. Al definir los metadatos de la PEP 770 SBOM como un directorio de archivos, se simplificó la implementación. El objetivo es mejorar la medición de los paquetes Python y reducir el impacto de las d ependencias fantasma en el ecosistema.

Fuente Original: https://developers.slashdot.org/story/25/08/11/025214/how-python-is-fighting-open-sources-phantom-dependencies-problem?utm_source=rss1.0mainlinkanon&utm_medium=feed

Artículos relacionados de LaRebelión:

• Solucion NYT Strands Hoy Pistas y Respuestas para el Juego del 10 de Agosto - Descubre la Solu...
• Convierte las Fotos de tu Mascota en Emojis Personalizados en tu iPhone Guia Paso a Paso
• Necesitas Reciclar tu Vieja Laptop o Impresora Descubre Donde Llevarla para un Reciclaje Respo...
• Duolingo Apuesta por la IA y Triunfa El Auge de los Usuarios Activos Diarios Ignora las Criticas
• Black Hat 2025 La IA Agente se Consolida como Defensa Clave ante Amenazas Internas y Externas

Artículo generado mediante LaRebelionBOT

Modernize your code Solution Accelerator by Microsoft

Modernize‑your‑code is a Microsoft open‑source "solution accelerator" designed to streamline the migration of SQL codebases from legacy systems to modern data environments. Its core purpose is to address the challenges organizations face when updating outdated SQL queries—such as missing documentation, obsolete dialects, and loss of business context—by automating translation to current SQL dialects with AI agents ReadMe.

1. The Challenge: Legacy SQL Code Maintenance

Organizations routinely wrestle with:

• Obsolete dialects (e.g., Informix‑SQL, older PL/SQL versions),

• Absent documentation, and

• Lost institutional knowledge about business logic.

Updating this legacy SQL manually is slow, error‑prone, and demands rare legacy‑system expertise. That's where this accelerator helps blogs.incyclesoftware.com+3trendshift.io+3TechTarget+3LinkedIn+6GitHub+6blogs.incyclesoftware.com+6.

2. What It Is and How It Works

This accelerator lets users feed in a batch of SQL queries, specify the desired target dialect (e.g., T‑SQL for Azure SQL, PostgreSQL), and initiate a pipeline powered by Azure AI Foundry, Azure OpenAI Service, Container Apps, Cosmos DB, and Azure Storage LinkedIn+3GitHub+3trendshift.io+3.

Key elements include:

• A multi‑agent architecture, where specialized LLM agents collaborate to translate, validate, optimize, and capture business logic.

• A batch processing pipeline—SQL queries are taken from storage, transformed, reviewed, and then outputted in the new dialect.

This modern approach ensures consistency, efficiency, and traceability across translation GitHub+2GitHub+2trendshift.io+2.

3. Core Features & Advantages

• Code language modernization: Updates SQL dialect compatibility, reducing reliance on outdated skill sets GitHub.

• Summaries and code reviews: Agents generate human‑readable explanations and flag issues, enabling manual review.

• Business logic extraction: Insights into the logic in legacy queries help preserve data integrity.

• Automated, iterative transformation: Batch processing with error testing increases reliability and speeds up migrations GitHub.

4. Architecture Overview

Two deployment models are supported:

• Sandbox configuration: Ideal for development and initial exploration.

• WAF‑aligned configuration: Integrates Azure’s Well‑Architected Framework for production‑grade deployments ReadMe+4Microsoft Learn+4code.stanford.edu+4GitHub.

The architecture uses:

• Azure AI Foundry: Orchestrates LLM agents.

• Azure OpenAI Service: Handles querying and translation.

• Azure Container Apps: Hosts serving components.

• Azure Cosmos DB: Stores agent metadata and audit trails.

• Azure Storage: Temporary storage for SQL batches TechTarget+5GitHub+5trendshift.io+5.

Agents orchestrated via the Semantic Kernel Agent Framework ensure each query goes through translation, optimization, validation, and metadata extraction stages.

5. Quick Deploy Guide

A "Quick Deploy" mode simplifies setup via an Azure deployment guide that integrates with GitHub Codespaces or Dev Containers GitHub+1trendshift.io+1.

Important considerations:

• Azure OpenAI quota: Verify your subscription limits before deploying.

• Required roles: You need contributor‑level permissions in Azure.

• Service availability: Ensure your target region supports needed services (e.g., East US, UK South, Japan East) Microsoft Learn+2GitHub+2trendshift.io+2.

6. Cost and Dependencies

• Mostly usage‑based: Azure Container Registry has fixed registry fees; other services charge by usage GitHub+1trendshift.io+1.

• Estimate pricing via the Azure Calculator.

• Prerequisites: Contributor role, OpenAI quota, regional service availability trendshift.io.

7. Business Value

• Faster migrations: Automates labor‑intensive manual translation.

• Reduced errors: AI‑driven validation ensures accuracy and preserves logic.

• Legacy‑knowledge retention: The process documents translated queries and the logic within GitHub+2GitHub+2LinkedIn+2.

8. Foundational Research & Ethical Considerations

The repo references a multi‑agent AI research paper underpinning its methodology. A Responsible AI Transparency FAQ guides users on ethical use. Licensing is MIT; standard disclaimers apply, including export restrictions and non‑medical, non‑financial advising disclaimers GitHub.

9. How to Get Started

1. Clone or use the quick‑deploy pipeline.

2. Confirm OpenAI quota and Azure permissions.

3. Prepare your batch of SQL queries and select the target dialect.

4. Deploy the solution on your subscription.

5. Monitor the pipeline, review translated output, iterate as needed.

10. Related Accelerators

Microsoft offers similar tools for:

• Document knowledge mining,

• Conversation analytics,

• Multi‑agent automation engines TechTarget+8GitHub+8trendshift.io+8trendshift.io.

Final Thoughts

This accelerator provides a clear, AI‑driven framework to streamline the modernization of SQL assets. By combining agent‑style translation, validation, and business‑logic extraction, it enables safer, faster migrations with less manual effort. With multi‑dialect support and integration into Azure, it’s a valuable tool for any data estate modernization roadmap. 

Más de 25 años de Todo-Linux

 Muchas veces no nos damos ni cuenta de cómo pasa el tiempo, cuando miras el calendario, y echas la mirada hacia atrás te das cuenta que ha pasado mucho tiempo, demasiadas aventuras que contar, muchos amigos entorno a Todo-Linux, unos que vinieron y se marcharon de nuestras vidas, otros que se incorporaron más tarde pero con mucha fuerza, otros que pasaron inadvertidos y algunos que empezamos y aún seguimos.

 

http://web.archive.org/web/*/http://www.todo-linux.com


Aún recuerdo sin mucho esfuerzo como empezó todo esto. Por aquel entonces yo era un joven administrador de sistemas de un periódico Español. Una mañana, aburrido de la rutina, llamé a un viejo amigo que años atrás conocí en el chat de MSN (no había muchos más chats por aquel entonces), su nick era CyberAlex. CyberAlex, ThrasherMaster y yo, también hace unos años formábamos un grupo y redactábamos una "Ezine" , ¡qué tiempos !, en fin, volvamos a Todo-Linux que me lio.

Esa mañana, llamé a CyberAlex, le pregunté que si le gustaría que montásemos una web temática donde poder contar nuestras experiencias con el mundo Linux y el Software Libre, Alex reaccionó inmediatamente diciéndome que le parecía una muy buena idea y nos pusimos manos a la obra. 

Después de unas horas luchando con el whois a la caza de un dominio que mostrase nuestra identidad correctamente, encontramos el dominio, lo compramos y empezamos a trabajar.

En aquella época, tampoco había mucho donde elegir y ya vislumbraba un CMS que tenía buen pinta llamado PhpNuke. Aprovechando un hosting gratuito, montamos la web sin muchos recursos y más o menos tenía este aspecto.

Al poco de tener la web en funcionamiento, y una vez que nos hicimos un pequeño hueco en el panorama de noticias de Linux a nivel Nacional, organizamos la primera Zona Linux de Campus Party, la web que teníamos como estandarte era esta: http://seguridad.todo-linux.com/.

En 2008 ya tenia esta aspecto! https://web.archive.org/web/20080831013631/http://www.todo-linux.com/ 

En esa Campus conocimos a muchísimos buenos amigos que no logro recordar todos sus nombre, daros todos por saludados.

En esa Campus Party invitamos a figuras del Mundo Linux de lo más interesante, a destacar a Miguel de Icaza, al presidente de Hispalinux por aquella época y muchos más.

También conocimos a Jaime, dueño de Bluetecnolgy y Cableazul, que más delante contaremos cosillas e el. Jaime también fue parte importantísima de TL.

Una vez finalizada nuestra aventura en la Campus Party 2002, nuestra andadura con web continuo, la web cambió ligeramente de aspecto.

¿Sobrevivirán los Programadores a la Era de la IA? Desmitificando el Futuro de la Informática

 En un panorama tecnológico dominado por la inteligencia artificial, muchos se preguntan si las carreras en informática están destinadas a la obsolescencia. Sin embargo, este artículo argumenta que la realidad es mucho más compleja y que, lejos de desaparecer, la informática se vuelve aún más crucial en este nuevo mundo.

El autor desafía la idea popular de que la IA reemplazará a los informáticos, señalando que esta visión a menudo proviene de fuera del sector. Si bien la IA puede automatizar ciertas tareas, como la escritura de código, la informática abarca un espectro mucho más amplio que incluye la arquitectura de sistemas, el diseño de infraestructuras digitales, la ciberseguridad, la verificación de sistemas y la creación de nuevos lenguajes de programación. Estas áreas requieren un razonamiento y una comprensión contextual que la IA actual no posee.

La IA debe ser vista como una herramienta que aumenta la productividad de los informáticos, no como un sustituto. Puede ayudar a resumir información y generar contenido, pero carece de la capacidad de diagnosticar interrupciones complejas, reescribir código para tecnologías emergentes o diseñar infraestructuras críticas.

El artículo destaca diez tareas específicas donde la IA no puede reemplazar a los humanos sin una supervisión altamente especializada, incluyendo la adaptación de algoritmos financieros, la creación de arquitecturas energéticamente eficientes, la auditoría de sistemas médicos basados en IA, el diseño de plataformas para validar correos electrónicos, el desarrollo de la próxima generación de IA segura y ética.

La informática está en constante evolución, y la IA depende de ella para su propio desarrollo. En lugar de desalentar a las nuevas generaciones, es crucial fomentar su formación en informática, ya que el conocimiento técnico sigue siendo la clave para construir, controlar y mejorar el mundo digital que nos rodea. Al igual que durante la Revolución Industrial, quienes entiendan y dominen la tecnología tendrán un futuro asegurado.

Lecturas Relacionadas:

• El ojo más poderoso del universo ya observa desde Latinoamérica (y no creerás lo que podrá ver): Un artículo sobre los avances en la astronomía y los nuevos telescopios en Latinoamérica. https://www.bbc.com/mundo/noticias-62139832 
• Lo que nadie te cuenta sobre dejar el gluten (y por qué volver a comerlo puede salvar tu intestino): Un artículo que explora los mitos y realidades de las dietas sin gluten y su impacto en la salud intestinal. https://gullon.es/blog/alimentacion-y-nutricion/mitos-dieta-sin-gluten/ 

Fuente Original:

Fuente Original: https://es.gizmodo.com/lo-que-muchos-no-te-cuentan-sobre-la-ia-y-la-informatica-por-que-el-futuro-aun-necesita-programadores-2000179455 

How Google Can Support Saudi Arabia's Vision 2030: Digital Twin Generation, AI, and Emerging Technologies

 Saudi Arabia's Vision 2030 is a transformative initiative aiming to diversify the country's economy and establish it as a global leader in technology and innovation. Google's cutting-edge solutions in Digital Twin generation, Artificial Intelligence (AI), and cloud infrastructure present a unique opportunity to support this ambitious vision.

 In this article, we’ll delve into how Google’s technology can align with Vision 2030 goals, explore real-world use cases, and include architecture diagrams, conceptual maps, and example implementations.

Vision 2030 and Its Key Technological Focus Areas

Vision 2030 focuses on three primary pillars:

1. A Vibrant Society: Enhancing the quality of life through smart cities and advanced infrastructure.
2. A Thriving Economy: Building a digital economy driven by innovation and entrepreneurship.
3. An Ambitious Nation: Developing government services and decision-making powered by data.

Digital Twins and AI can play a transformative role in achieving these goals. By leveraging Google Cloud, Google Earth Engine, and AI-powered tools, Saudi Arabia can enhance urban planning, optimize resource utilization, and drive intelligent decision-making.

How Google Technology Supports Digital Twin Generation

Digital twins are virtual replicas of physical entities, enabling real-time monitoring, analysis, and simulation. Google offers powerful tools to build and operate Digital Twins:

1. Google Cloud:

   • Provides scalable infrastructure for processing and storing vast amounts of data.
   • Supports real-time data streaming using tools like Pub/Sub.

2. Google Earth Engine:

   • Enables analysis of geospatial data for urban planning, climate monitoring, and resource management.
   • Perfect for creating geospatially accurate models of cities or regions.

3. Vertex AI:

   • Facilitates the creation of AI models that power predictive simulations for Digital Twins.

4. BigQuery:

• Handles large-scale data analytics to derive insights from operational data.

Architecture for a Digital Twin Solution Using Google Cloud

Here’s a proposed architecture for a Digital Twin platform built on Google Cloud:

Key Components:

• IoT Devices: Sensors collecting real-time data from physical entities.
• Cloud IoT Core: Manages device connectivity and data ingestion.
• Pub/Sub: Real-time data streaming to other cloud components.
• BigQuery: Processes and analyzes structured and unstructured data.
• Google Earth Engine: Integrates geospatial data for visualization and modeling.
• Vertex AI: Predictive analytics and anomaly detection.
• Looker: Provides dashboards for visualization and monitoring.

Real-World Applications of Digital Twins and AI

1. Smart City Development:

• Use Google Earth Engine to create geospatially accurate Digital Twins of cities.
• Employ AI to optimize traffic management, energy consumption, and urban planning.

2. Energy and Resource Management:

• Monitor and simulate energy systems using IoT data integrated with Vertex AI.
• Predict and manage power grid loads using real-time data.

3. Healthcare Modernization:

• Build a Digital Twin for healthcare facilities to simulate patient flows and optimize care delivery.
• Analyze healthcare data with BigQuery for better resource allocation.

Example: Real-Time Monitoring with Google Cloud

Here’s a Python script demonstrating real-time data ingestion and analysis using Google Cloud’s Pub/Sub and BigQuery.

from google.cloud import pubsub_v1
from google.cloud import bigquery

# Initialize Pub/Sub and BigQuery clients
project_id = "your-project-id"
topic_id = "iot-data-topic"
subscription_id = "iot-data-subscription"
bq_dataset_id = "digital_twin_dataset"
bq_table_id = "real_time_data"

# Function to process Pub/Sub messages
def process_messages():
    subscriber = pubsub_v1.SubscriberClient()
    subscription_path = subscriber.subscription_path(project_id, subscription_id)
    
    def callback(message):
        print(f"Received message: {message.data}")
        # Save data to BigQuery
        client = bigquery.Client()
        table_id = f"{project_id}.{bq_dataset_id}.{bq_table_id}"
        row = {"sensor_id": "sensor_1", "value": message.data.decode("utf-8")}
        errors = client.insert_rows_json(table_id, [row])
        if errors:
            print(f"Failed to write to BigQuery: {errors}")
        message.ack()
    
    streaming_pull_future = subscriber.subscribe(subscription_path, callback=callback)
    print(f"Listening for messages on {subscription_path}...")
    try:
        streaming_pull_future.result()
    except KeyboardInterrupt:
        streaming_pull_future.cancel()

if __name__ == "__main__":
    process_messages()