Tecnologías Emergentes

(BD-04) ¿Cuál es el objetivo principal del proyecto ABIDE lanzado por la Agencia de Defensa Europea (EDA)?. Crear una plataforma de reclutamiento basada en perfiles de redes sociales. Mejorar el rendimiento de sistemas C4ISR mediante Big Data e IA para el apoyo a la toma de decisión. Desarrollar exoesqueletos para combatientes a pie. Sustituir por completo al personal humano en la gestión de la información.

(BD-05) Dentro del ciclo de Big Data, ¿en qué fase se someten los datos a algoritmos como 'machine learning' para extraer información valiosa?. Obtención. Preparación de los datosñ. Transformación y análisis. Publicación.

(BD-06) ¿Cuál es el propósito del Proyecto Z liderado por el Ejército de los Estados Unidos?. Detectar objetos automáticamente en imágenes satelitales mediante radar. Predecir desastres naturales para misiones de ayuda humanitaria. Analizar perfiles en redes sociales para identificar y reclutar futuros soldados. Gestionar el inventario de repuestos de aeronaves en tiempo real.

(BD-07) En el ciclo de Big Data, ¿cuál es el propósito fundamental de la fase de 'Preparación de los datos'?. Recopilar datos de fuentes heterogéneas como sensores o redes sociales. Trasladar los datos recolectados al formato más adecuado para su procesamiento. Presentar informes y gráficos al usuario final. Extraer información valiosa mediante técnicas de aprendizaje automático.

(BD-08) Dentro de las iniciativas de la OTAN, ¿qué capacidad específica se está desarrollando para entender percepciones y comportamientos a partir de fuentes públicas como redes sociales y medios de streaming?. Information Environment Assessment (IEA). ACT Innovation Hub. TIDE Sprint. BIDADEMS.

(BD-09) En el contexto de la logística militar, ¿cuál es la principal diferencia entre la logística preventiva y la logística predictiva según el estudio?. La preventiva es exclusiva del entorno civil y la predictiva del entorno militar. La logística predictiva solo se aplica a buques de la armada. La preventiva se basa en planes fijos de inspección y la predictiva usa analítica avanzada para predecir fallos. La logística preventiva utiliza sensores RFID y la predictiva no los utiliza.

(BD-10) El programa francés ARTEMIS, en su fase actual, incluye líneas de investigación prioritarias. ¿Cuál de las siguientes es una de ellas?. Detección de objetos en imágenes satelitales y mantenimiento de equipos en operaciones. Creación de una red social exclusiva para soldados franceses. Desarrollo de nuevos combustibles biológicos. Automatización total de la administración financiera del Ministerio.

(BD-11) ¿Qué desafío del Big Data se menciona como crítico debido a que los repositorios de datos confidenciales son objetivos prioritarios para ataques externos?. Datos multi-estructurados. Potencia de procesamiento. Regulaciones y reglamentos. Ciberseguridad.

(BD-12) En el contexto de la OTAN, ¿qué evento organiza la agencia ACT para promocionar la innovación y el desarrollo rápido de capacidades CIS en entornos de coalición?. Argus. TIDE Sprint. Artemis. BIDADEMS.

(BD-13) ¿Cuál es el objetivo principal de la capacidad 'Information Environment Assessment' (IEA) impulsada por la OTAN?. Automatizar el mantenimiento predictivo de vehículos terrestres. Gestionar el despliegue físico de sensores en el campo de batalla. Sustituir a los analistas humanos en la toma de decisiones estratégicas. Evaluar percepciones y comportamientos a partir de información pública y redes sociales.

(BD-14) ¿Qué beneficio aporta el Big Data al escenario de Inteligencia en Ciberseguridad según el estudio?. Elimina la necesidad de usar firewalls físicos en los CIS desplegables. Permite el borrado automático de todos los logs de red para ahorrar espacio. Mejora la conciencia situacional para identificar vulnerabilidades y atacantes. Garantiza el cumplimiento automático del Reglamento General de Protección de Datos.

(BD-15) ¿Qué es Big Data?. Son bases de datos que contienen presupuestos de cantidades muy elevadas, por ejemplo, en ministerios o universidades. Es la tecnología que permite incluir la notación de cifras de 64 bits. Son las herramientas que permiten visualizar los datos en pantalla con mejor resolución para personas que tienen problemas de visión. Es un conjunto de datos masivos, demasiado complejos o que cambian con demasiada rapidez para ser analizados manualmente o con métodos tradicionales.

(BD-16) ¿Qué simbolizan las 5 Vs en la tecnología Big Data?. Volumen, Velocidad, Variedad, Veracidad y Valor. Velocidad, Variedad, Vulnerabilidad, Veracidad y Volumen. Variedad, Velocidad, Versatilidad, Volumen y Vulnerabilidad. Volumen, Versatilidad, Variedad, Velocidad y Veracidad.

(BD-17) ¿Qué son los datos estructurados?. Son datos que tienen cierta estructura flexible y metadatos definidos, como XML, HTML, JSON y las hojas de cálculo (Excel, CSV…). Son datos definidos por su formato, tamaño y longitud. Son datos que contienen información personal. Son datos sin formato específico, como ficheros de texto (Word, PDF, correos electrónicos…) o contenido multimedia.

(BD-18) ¿Qué son los datos semiestructurados?. Son datos que tienen cierta estructura flexible y metadatos definidos, como XML, HTML, JSON y las hojas de cálculo (Excel, CSV…). Son datos definidos por su formato, tamaño y longitud. Son datos que contienen información personal. Son datos sin formato específico, como ficheros de texto (Word, PDF, correos electrónicos…) o contenido multimedia.

(BD-19) ¿Qué son los datos NO estructurados?. Son datos que tienen cierta estructura flexible y metadatos definidos, como XML, HTML, JSON y las hojas de cálculo (Excel, CSV…). Son datos definidos por su formato, tamaño y longitud. Son datos que contienen información personal. Son datos sin formato específico, como ficheros de texto (Word, PDF, correos electrónicos…) o contenido multimedia.

(BD-20) ¿Cuál de las siguientes afirmaciones NO es una ventaja de la tecnología Big Data respecto a las tecnologías de tratamiento de datos tradicionales. El Big Data permite que todos los datos puedan ser almacenados en un solo repositorio. La tecnología Big Data ocupa mucho menos espacio de almacenamiento en los servidores que las tecnologías tradicionales. Big Data trabaja con tecnologías no relacionales (NoSQL). Las relaciones entre datos se crean en función de las necesidades del momento. La tecnología Big Data está orientada al procesamiento en tiempo real y sobre flujos de datos continuos.

(BD-21) ¿En qué consiste el proyecto CESADAR?. Es un proyecto español que usa tecnología Big Data y se trata de un sistema centralizado creado por la empresa Arisnova y explotado por Navantia, en el que se reciben los datos registrados en los buques para su explotación. Se usa para un análisis predictivo. Con este sistema se consigue adelantarse y prevenir averías, entre otras cosas. Es un proyecto de los Estados Unidos que usa la tecnología Big Data para controlar los horarios laborales de los miembros del ejército. Es un sistema que utiliza el ejército de la India para mejorar el cifrado de sus comunicaciones mediante el uso de tecnología Big Data. Es un proyecto subvencionado por el Ministerio de Pesca y Agricultura para detectar las zonas con mayores bancos de peces mediante el análisis de las capturas utilizando tecnología Big Data.

(BD-22) ¿Qué nos aporta la tecnología Big Data en relación a la evaluación del entorno social?. Permite analizar grandes volúmenes de datos públicos procedentes de webs, redes sociales y medios, transformándolos en conocimiento útil para detectar tendencias, medir la efectividad de mensajes y anticipar comportamientos, aunque con el riesgo de desinformación. Impulsa el mantenimiento preventivo y predictivo mediante sensores y modelos analíticos que reducen costes, mejoran la disponibilidad de activos y optimizan decisiones. Facilita la recopilación, análisis y visualización de datos sobre personas, recursos, tráfico y riesgos, mejorando la respuesta en desastres. Mejora la conciencia situacional respecto a la seguridad de nuestras redes y sistemas informáticos. Identifica vulnerabilidades, atacantes y posibles contramedidas.

(BD-23) ¿Qué nos aporta la tecnología Big Data en relación a la logística?. Permite analizar grandes volúmenes de datos públicos procedentes de webs, redes sociales y medios, transformándolos en conocimiento útil para detectar tendencias, medir la efectividad de mensajes y anticipar comportamientos, aunque con el riesgo de desinformación. Impulsa el mantenimiento preventivo y predictivo mediante sensores y modelos analíticos que reducen costes, mejoran la disponibilidad de activos y optimizan decisiones. Facilita la recopilación, análisis y visualización de datos sobre personas, recursos, tráfico y riesgos, mejorando la respuesta en desastres. Mejora la conciencia situacional respecto a la seguridad de nuestras redes y sistemas informáticos. Identifica vulnerabilidades, atacantes y posibles contramedidas.

(BD-24) ¿Qué nos aporta la tecnología Big Data en relación a la asistencia humanitaria y rescate?. Permite analizar grandes volúmenes de datos públicos procedentes de webs, redes sociales y medios, transformándolos en conocimiento útil para detectar tendencias, medir la efectividad de mensajes y anticipar comportamientos, aunque con el riesgo de desinformación. Impulsa el mantenimiento preventivo y predictivo mediante sensores y modelos analíticos que reducen costes, mejoran la disponibilidad de activos y optimizan decisiones. Facilita la recopilación, análisis y visualización de datos sobre personas, recursos, tráfico y riesgos, mejorando la respuesta en desastres. Mejora la conciencia situacional respecto a la seguridad de nuestras redes y sistemas informáticos. Identifica vulnerabilidades, atacantes y posibles contramedidas.

(BD-25) ¿Qué nos aporta la tecnología Big Data en relación a la ciberseguridad?. Permite analizar grandes volúmenes de datos públicos procedentes de webs, redes sociales y medios, transformándolos en conocimiento útil para detectar tendencias, medir la efectividad de mensajes y anticipar comportamientos, aunque con el riesgo de desinformación. Impulsa el mantenimiento preventivo y predictivo mediante sensores y modelos analíticos que reducen costes, mejoran la disponibilidad de activos y optimizan decisiones. Facilita la recopilación, análisis y visualización de datos sobre personas, recursos, tráfico y riesgos, mejorando la respuesta en desastres. Mejora la conciencia situacional respecto a la seguridad de nuestras redes y sistemas informáticos. Identifica vulnerabilidades, atacantes y posibles contramedidas.

[DESCARTADA · Big Data] ¿Qué tecnología de Big Data se describe como un framework de código abierto que permite procesar datos de forma rápida en clusters y funciona sobre Hadoop o Kubernetes?. Hive. MapReduce. Spark. Cassandra.

(IA-01) ¿Cómo se define fundamentalmente la Inteligencia Artificial según el material proporcionado?. La ciencia e ingeniería encargada de diseñar y programar máquinas para realizar tareas que requieren inteligencia. Un conjunto de algoritmos exclusivamente diseñados para la simulación de redes neuronales biológicas. El desarrollo de hardware avanzado capaz de procesar datos masivos en centros de datos estratégicos. La automatización de procesos industriales mediante el uso de robots programados con reglas fijas.

(IA-02) ¿Por qué el 'Edge Computing' es relevante para el despliegue de IA en entornos tácticos militares?. Reduce la potencia de procesamiento necesaria para ejecutar algoritmos de Deep Learning. Permite realizar el procesamiento cerca de donde se genera el dato para mitigar problemas de latencia y bajo ancho de banda. Aumenta la seguridad al enviar todos los datos a la nube para su cifrado centralizado. Sustituye la necesidad de utilizar sensores en el campo de batalla.

(IA-03) ¿Qué problema busca resolver la IA Explicable (XAI)?. La opacidad de los sistemas denominados 'caja negra', permitiendo entender el porqué de una decisión. La falta de potencia de cálculo en los dispositivos móviles tácticos. El crecimiento exponencial de los datos generados por el Internet de las Cosas (IoT). La imposibilidad de traducir protocolos de comunicación entre diferentes naciones OTAN.

(IA-04) En el contexto de la ciberseguridad para IA, ¿en qué consiste el 'envenenamiento de los datos'?. Cifrar la base de datos para que el sistema inteligente no pueda acceder a la información. Instalar virus informáticos tradicionales en el hardware donde se aloja la IA. Eliminar todos los registros de logs para que el sistema no aprenda de experiencias pasadas. Introducir datos maliciosos durante la fase de entrenamiento para corromper el comportamiento del modelo.

(IA-05) En la arquitectura de un sistema inteligente, ¿qué función cumple el módulo de Percepción?. Ejecuta las acciones físicas necesarias sobre el entorno operativo. Capta los datos del entorno mediante el uso de sensores físicos o lógicos. Transforma la información en conocimiento mediante reglas de razonamiento simbólico. Evalúa el impacto de una decisión tomada para ajustar el comportamiento del sistema.

(IA-06) ¿En qué se diferencia el Aprendizaje Supervisado del Aprendizaje No Supervisado?. El supervisado solo se utiliza para tareas de visión computacional y el no supervisado para lenguaje. El no supervisado es el único que permite la creación de redes neuronales profundas. El supervisado no requiere intervención humana inicial, a diferencia del no supervisado. El supervisado utiliza datos etiquetados con respuestas correctas, mientras que el no supervisado busca estructuras en datos sin etiquetas.

(IA-07) ¿Qué caracteriza al 'Aprendizaje por Refuerzo' en los sistemas inteligentes?. La necesidad de disponer de un catálogo de datos perfectamente etiquetados desde el inicio. El sistema toma decisiones libres que son valoradas externamente mediante una señal de recompensa. La resolución de problemas mediante reglas de lógica simbólica predefinidas. El uso exclusivo de árboles de decisión para minimizar el error matemático.

(IA-08) ¿Cuál es la principal diferencia jerárquica entre Machine Learning (ML) y Deep Learning (DL)?. ML requiere datos masivos (Big Data) mientras que DL funciona mejor con conjuntos de datos pequeños. DL es un subconjunto de ML que utiliza redes neuronales multicapa para aprender de grandes cantidades de datos. ML se refiere a sistemas físicos (robótica) y DL a sistemas de software puros. DL es una tecnología de razonamiento simbólico que supera las limitaciones numéricas de ML.

(IA-09) Dentro de las disciplinas de IA, ¿cuál es el objetivo del módulo de Actuación?. Desencadenar una acción que produzca un impacto en el entorno tras una decisión. Identificar patrones ocultos en grandes volúmenes de datos no estructurados. Representar el conocimiento para optimizar la búsqueda de soluciones. Ajustar los pesos de las conexiones neuronales durante la fase de entrenamiento.

(IA-10) ¿Cómo puede el 'Sesgo en los datos' afectar a un sistema de toma de decisiones militares?. Puede provocar que el sistema tome decisiones no confiables o injustas al haber aprendido de datos no balanceados que no representan fielmente la realidad. Garantiza que el sistema siempre favorezca a las unidades con mayor tecnología. Impide que el adversario realice ataques de 'envenenamiento de datos'. Aumenta la velocidad de respuesta del sistema al simplificar las variables de entrada.

(IA-11) ¿Cuál es uno de los mayores retos en la creación de equipos 'Hombre-Máquina' (Human Machine Teaming)?. Asegurar que las máquinas no requieran ningún tipo de mantenimiento físico en el campo. Lograr que los humanos y las máquinas dispongan de buenos 'modelos mentales' de las conductas del otro. Lograr que las máquinas tengan emociones humanas para empatizar con el personal operativo. Sustituir completamente el control humano por autonomía total en sistemas críticos.

(IA-12) ¿Cuál NO es una ventaja que nos pueda aportar el uso de la IA?. Aumento de la velocidad: Aceleración en el análisis y la acción táctica. Mejora de la calidad: Mejora exponencial en la toma de decisiones. Mejora de la eficiencia: Automatización y optimización de procesos repetitivos. Descargo de responsabilidad: Al delegar totalmente la toma de decisiones sobre la IA, se consigue eliminar la posibilidad de responsabilidades penales ante una decisión fallida.

(IA-13) Dentro del marco del ‘Machine Learning’, ¿qué es el Aprendizaje Supervisado?. Es un tipo de entrenamiento en el que la máquina aprende a partir de un conjunto de datos etiquetados (ejemplos ya resueltos). Es un tipo de entrenamiento en el que la máquina recibe datos brutos sin etiquetas previas y busca patrones por sí sola. Es un tipo de entrenamiento en el cuál la máquina toma decisiones libremente en un entorno y recibe “recompensas” o “penalizaciones”. Es un tipo de entrenamiento donde la máquina busca las respuestas en una base de datos ya predefinida e inmutable.

(IA-14) Dentro del marco del ‘Machine Learning’, ¿qué es el Aprendizaje NO Supervisado?. Es un tipo de entrenamiento en el que la máquina aprende a partir de un conjunto de datos etiquetados (ejemplos ya resueltos). Es un tipo de entrenamiento en el que la máquina recibe datos brutos sin etiquetas previas y busca patrones por sí sola. Es un tipo de entrenamiento en el cuál la máquina toma decisiones libremente en un entorno y recibe “recompensas” o “penalizaciones”. Es un tipo de entrenamiento donde la máquina busca las respuestas en una base de datos ya predefinida e inmutable.

(IA-15) Dentro del marco del ‘Machine Learning’, ¿qué es el Aprendizaje Por Refuerzo?. Es un tipo de entrenamiento en el que la máquina aprende a partir de un conjunto de datos etiquetados (ejemplos ya resueltos). Es un tipo de entrenamiento en el que la máquina recibe datos brutos sin etiquetas previas y busca patrones por sí sola. Es un tipo de entrenamiento en el cuál la máquina toma decisiones libremente en un entorno y recibe “recompensas” o “penalizaciones”. Es un tipo de entrenamiento donde la máquina busca las respuestas en una base de datos ya predefinida e inmutable.

(IA-16) ¿Cómo definiría el concepto de Inteligencia Artificial?. Es un programa que puede percibir, razonar, actuar y adaptarse. Son algoritmos cuyo rendimiento mejora a medida que son expuestos a más datos a lo largo del tiempo. Es un subconjunto del Machine Learning en el cual redes neuronales multicapa aprenden de enormes cantidades de datos. Es cualquier elemento que no esté presente en la naturaleza por sí solo y que haya sido desarrollado por la inteligencia humana.

(IA-17) ¿Cómo definiría el concepto de Machine Learning?. Es un programa que puede percibir, razonar, actuar y adaptarse. Son algoritmos cuyo rendimiento mejora a medida que son expuestos a más datos a lo largo del tiempo. Es un subconjunto del Machine Learning en el cual redes neuronales multicapa aprenden de enormes cantidades de datos. Es cualquier elemento que no esté presente en la naturaleza por sí solo y que haya sido desarrollado por la inteligencia humana.

(IA-18) ¿Cómo definiría el concepto de Deep Learning?. Es un programa que puede percibir, razonar, actuar y adaptarse. Son algoritmos cuyo rendimiento mejora a medida que son expuestos a más datos a lo largo del tiempo. Es un subconjunto del Machine Learning en el cual redes neuronales multicapa aprenden de enormes cantidades de datos. Es cualquier elemento que no esté presente en la naturaleza por sí solo y que haya sido desarrollado por la inteligencia humana.

(IA-19) ¿Qué es una red neuronal?. Es una red informática que se utiliza para conectar equipos remotos y que tiene forma física de neurona. Es un conjunto de servidores que se conectan entre ellos usando fibras basadas en tejidos de neuronas sintetizadas a partir de ADN humano. Es una malla física formada por hilos del grosor de una neurona, que se utiliza para proteger centros de datos y que impide el acceso de personas no autorizadas. Es un tipo de arquitectura informática que intenta imitar de forma simple al cerebro humano conectando capas de “neuronas” artificiales.

(IA-20) ¿Cómo se entrena una red neuronal?. Se ajustan los “pesos” de sus conexiones basándose en los datos de entrenamiento y se verifica su comportamiento con ejemplos nuevos para asegurar su precisión. Se le dan solamente datos de ejemplo que ratifiquen nuestras conclusiones previas. No hace falta entrenar una red neuronal. Este tipo de arquitectura permite su funcionamiento sin la necesidad de entrenamiento previo. El entrenamiento de una red neuronal solamente puede hacerse mediante otra red neuronal previa.

(IA-21) ¿Por qué cuando hablamos de IA en un entorno que utiliza comunicaciones tácticas es preferible el uso de ‘Edge Computing’ frente al ‘Cloud Computing’?. Porque el ‘Edge Computing’ es más barato que el ‘Cloud Computing’ y si se pierde un dispositivo no genera tantas pérdidas económicas. Porque el ‘Edge Computing’ tiene mayor capacidad de proceso que el ‘Cloud Computing’ y da mejores resultados. Porque en entornos remotos o militares con mala conexión (latencia alta, poco ancho de banda, etc…) no se pueden enviar datos a la nube (Cloud Computing) con la suficiente velocidad, confiabilidad ni inmediatez. Es por ello que la IA debe procesar analíticas en tiempo real cerca del dispositivo o incluso en el mismo dispositivo (Edge/Fog Computing). Porque es mucho más fácil de gestionar el acceso de los usuarios al Edge Computing, ya que al ser elementos descentralizados permiten hacer grupos locales más pequeños.

(IA-22) En el ámbito de la IA, ¿en qué consiste el problema del ‘sesgo’?. El problema del sesgo no afecta a los sistemas basados en IA, ya que el sesgo solamente afecta a las decisiones que toman las personas. En que, si una IA aprende con datos incompletos, desequilibrados o malos, tomará decisiones no confiables o favorecerá injustamente a ciertos grupos. La IA es inmune al concepto de sesgo, ya que su carácter matemático y predecible asegura siempre un 100 % de objetividad en sus decisiones. En que el gran volumen de datos utilizado para entrenar las IAs hace que aumente el sesgo. La solución es disminuir el número de datos que se utilizan para entrenar las IAs.

(IA-23) En el ámbito de la IA, ¿en qué consiste el problema de la ‘caja negra’?. En que, si utilizamos carcasas de color negro en los servidores que alojan las IAs, el calor que desprenden al funcionar no es capaz de disiparse y provoca que se estropeen con facilidad. En que, si hay alguna incidencia en la sala que aloja los servidores de IA, todos los datos quedan registrados en una caja negra al igual que ocurre en aviación y podemos reconstruir lo que ha sucedido. En que, aunque la IA suele acertar con un alto índice de precisión, el operador no sabe cómo ha llegado a esa conclusión. Una vez entrenada la IA, su funcionamiento es muy opaco. No se trata de ningún problema sino de una ventaja, ya que el funcionamiento opaco de la IA aumenta las garantías de imparcialidad en su toma de decisiones.

(IA-24) ¿Qué es la IA explicable (XAI)?. En un tipo de IA que explica cualquier temario. Sustituye al personal docente y mejora el aprendizaje de los alumnos. La IA explicable es un problema que aparece cuando la IA da demasiada información. Es un tipo de tecnología que aún está en desarrollo y que permitirá que los usuarios le expliquen cualquier problema personal y se sientan escuchados. Es la solución al problema de la ‘caja negra’. Consiste en diseñar sistemas transparentes que provean al usuario del porqué de una determinada decisión técnica, creando así confianza operativa.

(IoT-01) Dentro de las iniciativas de la Agencia de Defensa Europea (EDA), ¿en qué se centra específicamente el proyecto EuroSWARM?. En la simulación de una red estática de más de 10.000 sensores inalámbricos. En el desarrollo de una arquitectura de mando y control para enjambres de drones coordinados con sensores heterogéneos. En el uso de inteligencia artificial para la identificación biométrica de personal civil. En la creación de una red de robots terrestres para el combate en interiores de edificios.

(IoT-02) En el sistema SAZEC (Sistema de Control de Zonas Desplegables), ¿cuál es la función del componente denominado TIR?. Funcionar como un radar de imagen térmica para la detección e identificación. Controlar el disparo múltiple de los actuadores del sistema. Capturar exclusivamente audio y sonido de largo alcance. Gestionar la conectividad satelital de toda la red de sensores.

(IoT-03) ¿Qué concepto describe WINLAS, adelantándose a lo que hoy se conoce como 'Smart City Sensing'?. Gestión automatizada del tráfico civil mediante drones de combate. Conectividad total de los combatientes mediante implantes neuronales. Uso de redes de sensores para la vigilancia de áreas locales urbanas. Sistemas de riego inteligente para bases militares desplegadas.

(IoT-04) ¿Cuál es el principal reto asociado a la 'Gestión Energética' en los dispositivos de IoBT?. La prohibición de usar dispositivos inalámbricos de bajo consumo. El exceso de potencia que suelen generar las baterías militares actuales. La incompatibilidad de los sensores modernos con la energía solar. La dificultad de conectar sensores a fuentes de energía estables o realizar recargas periódicas en combate.

(IoT-05) ¿Cuál es la distinción fundamental entre el concepto de Internet de las Cosas Militar (IoMT) y el Internet de las Cosas en el Campo de Batalla (IoBT)?. El IoBT se refiere únicamente a dispositivos civiles utilizados en combate, mientras que el IoMT se refiere exclusivamente a tecnología de grado militar. El IoMT solo utiliza redes satelitales, mientras que el IoBT se limita al uso de comunicaciones por radio de corto alcance. No existe diferencia alguna; ambos términos se utilizan de manera intercambiable para describir la logística militar automatizada. El IoMT es el concepto general, mientras que el IoBT se enfoca específicamente en la conciencia situacional táctica y la percepción sensorial del combatiente.

(IoT-06) ¿Qué es una red IoT?. Es una red de objetos físicos (Internet of Things) que contienen tecnología incorporada (en inglés embedded) para comunicarse y actuar con el entorno. Es una red formada por dispositivos de muy alta velocidad que permiten velocidades de conexión por encima de 1 Gbps. La red IoT es una red de conmutación de circuitos ideal para realizar conexiones de voz. Es un tipo de red especialmente diseñada para comunicaciones submarinas militares.

(IoT-07) Actualmente, ¿cuántos dispositivos físicos hay conectados a Internet, aproximadamente, y cuál es su evolución prevista en un futuro?. El número de dispositivos físicos conectados nunca puede superar el número de habitantes en el planeta para poder cumplir con los objetivos de sostenibilidad de la agenda 2030. Hoy en día existen más objetos conectados en el planeta que personas. En 2016 había unos 7.400 millones de personas y unos 16.000 millones de dispositivos. En 2020 el número de personas era similar mientras que ya había entre 30.000 y 60.000 millones de dispositivos. En el futuro se espera que la cantidad de dispositivos conectados siga aumentando un ritmo mayor que el de la cantidad de personas en el planeta. Hoy en día existen más objetos conectados en el planeta que personas. En 2016 había unos 7.400 millones de personas y unos 16.000 millones de dispositivos. En 2020 el número de dispositivos conectados empezó a disminuir a consecuencia de la pandemia de COVID-19 y desde entonces no se ha recuperado. En el futuro se espera que la cantidad de dispositivos conectados siga disminuyendo hasta que alcance un límite estable similar al número de habitantes en el planeta. Los dispositivos IoT son sistemas muy caros de los que solamente pude disponer una minoría de personas con altos niveles adquisitivos. Se calcula que, actualmente, su número apenas supera las 10.000 unidades.

(IoT-08) ¿A qué es debido el aumento de dispositivos IoT?. A que los sensores, controladores y transmisores son cada vez más potentes, más baratos y más pequeños. Al aumento de las subvenciones gubernamentales para la adquisición de dispositivos IoT. A que el aumento de su potencia de cálculo los hace ideales para sustituir los grandes servidores de IA con tarjetas gráficas dedicadas. A que están sustituyendo a los ordenadores personales de sobremesa debido a su menor tamaño y mayores capacidades gráficas que los hace ideales para juegos online.

(BC-01) ¿Qué es una red P2P (Peer-to-Peer)?. Es una red entre iguales, que carece de jerarquía, y en la que todos los nodos actúan al mismo nivel de manera descentralizada y sin necesidad de un servidor central. Es un tipo de red inalámbrica. Es la red que utilizan las entidades bancarias, principalmente. Es la red que conforma el núcleo de la tecnología 5G.

(BC-01) ¿Qué NO nos aporta el uso de un "Diario compartido" cuando hablamos de tecnología Blockchain?. Trazabilidad: Cada movimiento queda registrado cronológicamente. Seguridad: La información fluye encriptada y además no hay un punto único de fallo que un atacante podría destruir. Economía: El uso de un diario compartido reduce los costes de almacenamiento ya que el coste de los discos duros donde se guarda la información se reparte entre todos los usuarios de la red. Inmutabilidad: Una vez que un dato es verificado y escrito, es matemáticamente imposible alterarlo o borrarlo.