{"id":1044,"date":"2016-04-12T04:03:59","date_gmt":"2016-04-12T04:03:59","guid":{"rendered":"http:\/\/rogerbit.com\/wprb\/?p=1044"},"modified":"2016-04-12T04:03:59","modified_gmt":"2016-04-12T04:03:59","slug":"el-hombre-que-convencio-a-stephen-hawking-de-que-los-robots-no-van-a-destruirnos","status":"publish","type":"post","link":"https:\/\/rogerbit.com\/wprb\/2016\/04\/el-hombre-que-convencio-a-stephen-hawking-de-que-los-robots-no-van-a-destruirnos\/","title":{"rendered":"El hombre que convenci\u00f3 a Stephen Hawking de que los robots no van a destruirnos"},"content":{"rendered":"<p>Demis Hassabis es el responsable de la hist\u00f3rica victoria de AlphaGo cuyo objetivo es que los softwares de inteligencia artificial de Google logren dominar el funcionamiento del cerebro<\/p>\n<p><img src=\"http:\/\/www.technologyreview.es\/files\/169313\/deepmind_ia_google_cuerpo.jpg\" alt=\"\" \/><\/p>\n<p>Paredes acolchadas, iluminaci\u00f3n l\u00fagubre y un techo con un papel pintado con un estampado de flores. No parece lugar para realizar descubrimientos capaces de alterar la trayectoria de la sociedad. Pero dentro de estos pasillos simulados y claustrof\u00f3bicos, Demis Hassabis cree que puede sentar las bases para <strong>un software lo suficientemente inteligente como para resolver los problemas m\u00e1s grandes de la humanidad<\/strong>.<\/p>\n<p>El responsable, cuyo car\u00e1cter sensato parece enmascarar la audacia de sus ideas, confirma: <strong>&#8220;Nuestro objetivo es muy grande&#8221;<\/strong>. Hassabis lidera un equipo de aproximadamente 200 inform\u00e1ticos y neurocient\u00edficos de Google DeepMind, el grupo de Londres (Inglaterra) <strong>responsable del software AlphaGo<\/strong> que venci\u00f3 al campe\u00f3n mundial de Go en una serie de cinco partidas este mes, logrando as\u00ed un hito de la computaci\u00f3n (ver <a href=\"http:\/\/www.technologyreview.es\/robotica\/49627\/ibm-derroto-a-kasparov-y-ahora-google-vence-al\/\" target=\"_blank\"><em>IBM derrot\u00f3 a Kasparov y ahora Google vence al campe\u00f3n mundial de Go<\/em><\/a>).<\/p>\n<p>Hassabis describe su esfuerzo como el programa Apolo de la inteligencia artificial (IA), pues aspira a<strong> &#8220;resolver la inteligencia, y despu\u00e9s aplicarla para resolver todo lo dem\u00e1s&#8221;<\/strong>. Lo que hoy se considera un software inteligente est\u00e1 especializado en realizar una tarea determinada, como reconocer caras. Hassabis quiere crear lo que denomina una <strong>inteligencia artificial gen\u00e9rica<\/strong>. Una que, al igual que un humano, podr\u00eda aprender a asumir casi cualquier tarea. Imagina que har\u00eda cosas tan diversas como mejorar la medicina al formular y probar teor\u00edas m\u00e9dicas y corretear por ah\u00ed en unos \u00e1giles cuerpos de robot.<\/p>\n<p><iframe loading=\"lazy\" src=\"https:\/\/www.youtube.com\/embed\/nMR5mjCFZCw\" width=\"580\" height=\"435\" frameborder=\"0\"><\/iframe><\/p>\n<p>Lograr eso requerir\u00e1 que el software de DeepMind explore m\u00e1s all\u00e1 del mundo ordenado de piedras negras y blancas del Go. El programa <strong>necesita hacer frente al complejo mundo real<\/strong>, o empezar con una aproximaci\u00f3n pixelada y l\u00fagubre de \u00e9l.\u00a0 El mundo simulado de DeepMind se llama Labyrinth (Laberinto), y la empresa lo utiliza para que su software se enfrente a<strong> tareas cada vez m\u00e1s complicadas<\/strong>, como recorrer laberintos. Eso deber\u00eda impulsar a los investigadores de DeepMind a desarrollar un software a\u00fan m\u00e1s inteligente, y lograr que asuma decisiones y problemas m\u00e1s dif\u00edciles. Para ello emplean t\u00e9cnicas demostradas por AlphaGo y otro software anterior que aprendi\u00f3 a jugar a unos videojuegos de Atari de la \u00e9poca de la d\u00e9cada de 1980 <a href=\"http:\/\/www.technologyreview.es\/blog\/347\/30910\/la-inteligencia-artificial-de-google-juega-al\/\" target=\"_blank\">como <em>Invasores Espaciales <\/em>mejor que un humano<\/a>. Pero para triunfar, Hassabis tambi\u00e9n tendr\u00e1 que ingeniar soluciones para algunos retos duraderos de la IA.<\/p>\n<p><strong>Mejora personal<br \/>\n<\/strong><\/p>\n<p>Hassabis, de 39 a\u00f1os de edad, lleva trabajando en crear inteligencia durante gran parte de su vida. Un prodigio del ajedrez que<strong> se gradu\u00f3 en el instituto antes de tiempo<\/strong> para forjarse una carrera exitosa dentro de la industria de los videojuegos, despu\u00e9s obtuvo un doctorado en neurociencia y public\u00f3 una investigaci\u00f3n de alto nivel sobre<strong> la memoria y la imaginaci\u00f3n<\/strong>.<\/p>\n<p>Hassabis cofund\u00f3 DeepMind en 2011 para transferir a las m\u00e1quinas algo de lo que hab\u00eda aprendido sobre la inteligencia biol\u00f3gica. La empresa revel\u00f3 un software que aprendi\u00f3 a dominar juegos de Atari en diciembre de 2013, y a principios de 2014 fue adquirida por Google por unos <strong>400 millones de libras<\/strong>, lo que equivale a unos 575 millones de d\u00f3lares o unos 506 millones de euros (ver <a href=\"http:\/\/www.technologyreview.es\/informatica\/46565\/asi-es-el-hombre-que-disena-la-inteligencia-de\/\" target=\"_blank\"><em>As\u00ed es el hombre que dise\u00f1a la inteligencia de Google<\/em><\/a>).<strong>DeepMind creci\u00f3 deprisa<\/strong>, con la contrataci\u00f3n de docenas de investigadores y la publicaci\u00f3n de veintenas de trabajos en importantes conferencias de aprendizaje de m\u00e1quinas y de IA. El pasado mes de enero, revel\u00f3 la existencia de AlphaGo, y el hecho de que hab\u00eda vencido al mejor jugador europeo de Go en octubre de 2015. En marzo, AlphaGo gan\u00f3 al campe\u00f3n del mundo, Lee Sedol (ver <a href=\"http:\/\/www.technologyreview.es\/robotica\/49704\/cinco-lecciones-del-historico-triunfo-de-alphago\/\" target=\"_blank\"><em>Cinco lecciones del hist\u00f3rico triunfo de AlphaGo sobre la inteligencia humana<\/em><\/a>).<\/p>\n<p><img loading=\"lazy\" src=\"https:\/\/www.technologyreview.com\/i\/images\/demis.jpg?sw=600\" alt=\"\" width=\"288\" height=\"360\" \/><\/p>\n<p><em><strong>Foto: <\/strong>Demis Hassabis lidera un grupo dentro de Google que intenta &#8220;resolver la inteligencia&#8221;. <strong>Cr\u00e9dito:<\/strong> Google DeepMind.<\/em><\/p>\n<p>Los juegos de Atari y Go son muy diferentes, pero DeepMind abord\u00f3 ambos bajo el mismo enfoque, ligeramente inspirado en la manera en que los animales aprenden nuevos trucos mediante<strong> un sistema de recompensas y castigos<\/strong> por parte de un entrenador. Se trata del<strong>aprendizaje reforzado<\/strong>, como se ha denominado, en el que el software es programado para explorar un entorno nuevo y ajustar su comportamiento para aumentar alg\u00fan tipo de recompensa virtual.<\/p>\n<p>El software de DeepMind para Atari, por ejemplo, se program\u00f3 \u00fanicamente para poder <strong>controlar y visualizar la pantalla de juego, y con el objetivo de aumentar su puntuaci\u00f3n<\/strong>. Para docenas de t\u00edtulos, varias horas de pr\u00e1ctica bastan para que el software gane por sus propios medios a un experto humano.<\/p>\n<p>AlphaGo combina el aprendizaje reforzado con otros componentes, como un sistema que aprendi\u00f3 a evaluar posibles movimientos al analizar decenas de millones de disposiciones de tablero de partidas de unos jugadores expertos en Go, y un mecanismo de b\u00fasquedas que selecciona los movimientos m\u00e1s prometedores. Pero <strong>fue el aprendizaje reforzado lo que habilit\u00f3 a AlphaGo <\/strong>para alcanzar un nivel lo suficientemente alto como para ganar a los campeones tras jugar contra s\u00ed mismo millones de veces.<\/p>\n<p>Hassabis cree que <strong>el enfoque del aprendizaje reforzado representa la clave <\/strong>para conseguir que el software de aprendizaje de m\u00e1quinas realice cosas mucho m\u00e1s complejas que los trucos que hace hoy, como transcribir nuestras palabras, o entender el contenido de las fotos. El experto explica: &#8220;No creemos que observar sea suficiente para la inteligencia, tambi\u00e9n <strong>hay que actuar. Es la \u00fanica manera<\/strong> de entender realmente el mundo&#8221;.<\/p>\n<p>El entorno 3D de DeepMind, Laberinto, que se bas\u00f3 en <a href=\"http:\/\/openarena.wikia.com\/wiki\/Main_Page\" target=\"_blank\">una r\u00e9plica de fuente abierta del videojuego de disparos en primera persona <em>Quake<\/em><\/a>, est\u00e1 dise\u00f1ado para proporcionar los pr\u00f3ximos pasos para probar esa idea. La empresa ya lo ha utilizado para poner a prueba a los agentes con un juego en el que han de explorar unos laberintos generados al azar durante 60 segundos, ganando puntos al recoger manzanas o encontrar una salida (que lleva a otro laberinto generado al azar). Los futuros retos podr\u00edan requerir una planificaci\u00f3n m\u00e1s compleja, por ejemplo, <strong>aprender que las llaves sirven para abrir puertas<\/strong>. La empresa tambi\u00e9n probar\u00e1 el software de otras maneras, y est\u00e1 considerando enfrentarlo al videojuego <em>Starcraft <\/em>y hasta al p\u00f3quer (ver <a href=\"http:\/\/www.technologyreview.es\/robotica\/49828\/alphago-esta-aprendiendo-a-echar-faroles-en-el\/\" target=\"_blank\"><em>AlphaGo est\u00e1 aprendiendo a echar faroles en el p\u00f3ker<\/em><\/a>). Pero presentar retos cada vez m\u00e1s dif\u00edciles dentro de Laberinto representar\u00e1 el hilo principal de las investigaciones durante alg\u00fan tiempo, asegura Hassabis. &#8220;Deber\u00eda bastar para el pr\u00f3ximo par de a\u00f1os&#8221;, dice.<\/p>\n<p>Otras empresas e investigadores que trabajan en IA estar\u00e1n observando atentamente. <strong>El \u00e9xito del aprendizaje reforzado de DeepMind ha sorprendido a muchos investigadores <\/strong>de aprendizaje de m\u00e1quinas. La t\u00e9cnica fue establecida durante la d\u00e9cada de 1980, y no se ha demostrado tan ampliamente \u00fatil ni potente como otras maneras de entrenar software, seg\u00fan <a href=\"http:\/\/homes.cs.washington.edu\/~pedrod\/\" target=\"_blank\">Pedro Domingos<\/a>, un profesor de aprendizaje de m\u00e1quinas en la Universidad de Washington (EEUU). DeepMind fortaleci\u00f3 la venerable t\u00e9cnica al combinarla con un m\u00e9todo llamado <strong>aprendizaje profundo<\/strong>, que recientemente ha proporcionado unos grandes avances en la capacidad de los ordenadores para decodificar informaciones como im\u00e1genes y provoc\u00f3 un reciente auge en la tecnolog\u00eda del aprendizaje de m\u00e1quinas (ver <a href=\"http:\/\/www.technologyreview.es\/informatica\/42965\/aprendizaje-profundo\/\" target=\"_blank\"><em>Aprendizaje profundo<\/em><\/a>).<\/p>\n<p><strong>&#8220;Lo que ha logrado DeepMind es impresionante&#8221;<\/strong>, afirma Domingos. Pero tambi\u00e9n se\u00f1ala que es demasiado pronto para poder confirmar si lo que Hassabis cree que representa un motor de cohete no quede reducido a un simple fuego artificial. &#8220;El optimismo de Demis acerca del aprendizaje reforzado de momento no est\u00e1 justificado por su historial&#8221;, dice Domingos. &#8220;Los progresos del aprendizaje de m\u00e1quinas y la inteligencia artificial no son lineales; observamos <strong>saltos repentinos de progresos y despu\u00e9s largos\u00a0per\u00edodos\u00a0de progresos lentos<\/strong>&#8220;.<\/p>\n<p>Hassabis reconoce que <strong>&#8220;muchas&#8221; personas de su campo dudan del potencial del aprendizaje reforzado<\/strong>, pero dice que pronto se convencer\u00e1n. El experto asegura: &#8220;Cu\u00e1nto m\u00e1s lejos lo llevamos, m\u00e1s sentimos que nuestra tesis es correcta, y creo que estamos cambiando el campo al completo. Bajo nuestra perspectiva, el aprendizaje reforzado <strong>va a ser tan importante como el aprendizaje profundo <\/strong>durante los pr\u00f3ximos dos o tres a\u00f1os&#8221;.<\/p>\n<p><strong>La seguridad primero<br \/>\n<\/strong><\/p>\n<p>Los primeros resultados de DeepMind puede que justifiquen la afirmaci\u00f3n de Hassabis de que el aprendizaje reforzado pronto encontrar\u00e1 muchas aplicaciones \u00fatiles. La victoria de AlphaGo <strong>sorprendi\u00f3 a los jugadores profesionales de Go y a los inform\u00e1ticos <\/strong>porque el juego es demasiado complejo para ser abordado por un software que dependa principalmente del c\u00e1lculo de los posibles resultados de diferentes movimientos. Ese fue el m\u00e9todo que emple\u00f3 DeepBlue de IBM para vencer al entonces campe\u00f3n mundial de ajedrez Garry Kasparov en 1997. De media, un jugador de ajedrez dispone de unos 35 movimientos posibles en cada turno; en Go, rondan los 250. <strong>Existen m\u00e1s posiciones posibles de Go que \u00e1tomos en el universo<\/strong>. &#8220;El ajedrez es un juego de c\u00e1lculo&#8221;, explica Hassabis, pero &#8220;el Go es demasiado complejo, por lo que los jugadores utilizan su intuici\u00f3n. Es de una clase totalmente distinta. Se puede pensar en AlphaGo como <strong>una intuici\u00f3n sobrehumana en lugar de un c\u00e1lculo sobrehumano<\/strong>&#8220;.<\/p>\n<p><img loading=\"lazy\" src=\"https:\/\/www.technologyreview.com\/i\/images\/deepmind.4x1200.jpg?sw=600\" alt=\"\" width=\"580\" height=\"407\" \/><em><strong><br \/>\nFoto: <\/strong>El campe\u00f3n mundial de Go, Lee Sedol, analiza una partida durante su derrota de 4-1 ante el software AlphaGo de DeepMind. <strong>Cr\u00e9dito: <\/strong>Google DeepMind.<\/em><\/p>\n<p>Tanto si estamos de acuerdo en que AlphaGo demuestra intuici\u00f3n o no, habilitar el software para dominar unas tareas m\u00e1s complejas claramente ser\u00e1 \u00fatil. DeepMind <a href=\"https:\/\/deepmind.com\/health\" target=\"_blank\">est\u00e1 colaborando con el Servicio Nacional de Salud de Reino Unido en un proyecto<\/a> para<strong>entrenar al software para ayudar al personal m\u00e9dico<\/strong> a detectar las se\u00f1ales de problemas renales que a menudo pasan desapercibidas y son responsables de un gran n\u00famero de muertes evitables. El grupo tambi\u00e9n colabora con divisiones comerciales de Google donde, seg\u00fan Hassabis, su tecnolog\u00eda podr\u00eda permitir nuevos asistentes virtuales y mejorar los sistemas de recomendaciones, que resultan cruciales para productos como YouTube (unos sistemas similares tambi\u00e9n alimentan algunos de los productos de publicidad de Google).<\/p>\n<p>Mirando m\u00e1s all\u00e1, DeepMind necesitar\u00e1 realizar muchos descubrimientos rompedores para seguir avanzando hacia la meta de Hassabis de resolver la inteligencia, incluso durante los pr\u00f3ximos a\u00f1os de experimentaci\u00f3n dentro de Laberinto. Una de las piezas m\u00e1s cruciales que falta es un truco conocido como<strong> fragmentaci\u00f3n de la informaci\u00f3n<\/strong>. Este proceso es empleado por humanos y animales para lidiar con las complejidades del mundo. Hassabis lo explica con el ejemplo de tener que llegar al aeropuerto. Podemos concebir c\u00f3mo llegar y ejecutar el plan sin necesidad de pensar en exactamente d\u00f3nde colocar los pies mientras andamos hacia la puerta, ni en c\u00f3mo girar el pomo, ni en controlar cada contracci\u00f3n de los m\u00fasculos. Podemos planificar y tomar acciones al trabajar con <strong>conceptos de alto nivel que ocultan muchos detalles<\/strong>, y adaptarnos a nuevas situaciones al recombinar los &#8220;trozos&#8221;, o conceptos, que ya conocemos. &#8220;Es probablemente <strong>uno de los problemas m\u00e1s centrales que queda dentro de la IA<\/strong>&#8220;, asegura Hassabis.<\/p>\n<p>Es un problema en el que trabajan muchos grupos de investigaci\u00f3n, incluidos otros dentro de Google. Pero DeepMind lo est\u00e1 abordando de forma inusual para resolverlo antes a trav\u00e9s del<strong> estudio de cerebros reales<\/strong>. La empresa dispone de un equipo de neurocient\u00edficos liderado por un destacado investigador Matthew Botvinick, que hasta finales del a\u00f1o pasado era profesor de la Universidad de Princeton (EEUU). A diferencia de la mayor\u00eda de las investigaciones de neurociencia, sus experimentos est\u00e1n dirigidos tanto a informar c\u00f3mo dise\u00f1ar\u00e1 DeepMind su software como a revelar c\u00f3mo funciona el cerebro.<\/p>\n<p>Un experimento reciente prob\u00f3 una teor\u00eda de Hassabis sobre c\u00f3mo los cerebros humanos organizan los conceptos, con el uso de un procedimiento est\u00e1ndar que <a href=\"https:\/\/en.wikipedia.org\/wiki\/Deese%E2%80%93Roediger%E2%80%93McDermott_paradigm\" target=\"_blank\">crea memorias falsas<\/a>. Para ello, presenta a los sujetos de prueba una lista de palabras relacionadas, como por ejemplo &#8220;fr\u00edo&#8221;, &#8220;nieve&#8221; y &#8220;hielo&#8221;. <strong>La gente tiende a inventar el recuerdo de haber escuchado otras palabras relacionadas<\/strong>, como &#8220;invierno&#8221;.<\/p>\n<p><img loading=\"lazy\" src=\"https:\/\/www.technologyreview.com\/i\/images\/deepmind.3x2760.jpg?sw=600\" alt=\"\" width=\"581\" height=\"398\" \/><em><strong>Foto:<\/strong> Unos empleados de DeepMind durante una partida contra Sedol en Se\u00fal este mes.<strong>Cr\u00e9dito: <\/strong>Google (Getty Images). <\/em><\/p>\n<p>&#8220;Con mi gorro de aprendizaje de m\u00e1quinas puesto, pensaba que eso tiene que representar una enorme pista sobre c\u00f3mo el cerebro organiza ese tipo de informaciones conceptuales&#8221;, recuerda Hassabis. El equipo de DeepMind elabor\u00f3 una teor\u00eda sobre c\u00f3mo trabaja con los conceptos dentro del l\u00f3bulo temporal anterior, y confirm\u00f3 sus predicciones al observar los cerebros de personas que realizaban la tarea de memoria desde dentro de un esc\u00e1ner. Los resultados pueden ayudar a<strong> cambiar c\u00f3mo DeepMind dise\u00f1a sus redes neuronales artificiales<\/strong> para representar la informaci\u00f3n.<\/p>\n<p>Otras cosas de la lista &#8220;por descubrir&#8221; de DeepMind incluyen una manera de combinar las investigaciones realizadas sobre el software para que comprenda el significado de los textos con su trabajo sobre agentes que divagan dentro del Laberinto. Esto podr\u00eda conseguirse mediante carteles colocados dentro del espacio virtual. Hassabis dice que tambi\u00e9n planea crear una forma &#8220;ambiciosa&#8221; de poner los agentes a prueba cuando est\u00e9n listos para un mundo m\u00e1s realista que su Laberinto. En alg\u00fan momento, quiere que<strong> el software de DeepMind asuma el control de robots<\/strong>, los cuales actualmente est\u00e1n limitados por la incapacidad del software de entender el mundo. &#8220;<strong>Existen unos robots incre\u00edbles que no pueden operar al m\u00e1ximo de sus capacidades porque faltan los algoritmos necesarios<\/strong>&#8220;, dice.<\/p>\n<p>El \u00e9xito podr\u00eda suscitar algunas <strong>cuestiones filos\u00f3ficas y \u00e9ticas dif\u00edciles sobre lo que significa ser humano <\/strong>y los casos de uso aceptables de IA. Hassabis afirma que est\u00e1 estimulando el debate sobre los posibles riesgos de la tecnolog\u00eda. (Aunque tambi\u00e9n se\u00f1ala con satisfacci\u00f3n que el f\u00edsico <strong>Stephen Hawking ha dejado de advertir que la IA podr\u00eda eliminar a los humanos <\/strong>despu\u00e9s de reunirse con \u00e9l; el fundador de Tesla, Elon Musk, que ha comparado las investigaciones de IA con &#8220;invocar al diablo&#8221;, tambi\u00e9n ha recibido unas palabras tranquilizadoras). DeepMind tiene un consejo \u00e9tico interno de fil\u00f3sofos, abogados y empresarios. Hassabis afirma que sus nombres probablemente se har\u00e1n p\u00fablicos &#8220;pronto&#8221;, y que tambi\u00e9n trabaja para crear un consejo externo similar compartido por m\u00faltiples empresas de computaci\u00f3n.<\/p>\n<p>Pero el experto considera que los ingenieros a\u00fan no necesitan consejos \u00e9ticos al planificar nuevos experimentos. Seg\u00fan sus palabras: &#8220;<strong>No nos encontramos ni remotamente cerca de cualquier cosa que nos pueda preocupar<\/strong>. Se trata m\u00e1s de poner a todos al corriente&#8221;. Si todo sale tal y como espera Hassabis, su consejo \u00e9tico alg\u00fan d\u00eda tendr\u00e1 que abordar mucho trabajo.<\/p>\n<p><a href=\"http:\/\/www.technologyreview.es\/robotica\/49823\/el-hombre-que-convencio-a-stephen-hawking-de-que\/\">Fuente<\/a><\/p>\n<p>Tal vez pueda interesarte proyectos en IOT, raspberry pi, arduino, pic, rob\u00f3tica, telecomunicaciones, suscribete en\u00a0<a href=\"http:\/\/www.youtube.com\/user\/carlosvolt?sub_confirmation=1\">http:\/\/www.youtube.com\/user\/carlosvolt?sub_confirmation=1<\/a>\u00a0mucho videos con c\u00f3digo fuentes completos y\u00a0diagramas.<\/p>\n<p>&nbsp;<\/p>\n<!-- AddThis Advanced Settings generic via filter on the_content --><!-- AddThis Share Buttons generic via filter on the_content -->","protected":false},"excerpt":{"rendered":"<p>Demis Hassabis es el responsable de la hist\u00f3rica victoria de AlphaGo cuyo objetivo es que los softwares de inteligencia artificial de Google logren dominar el funcionamiento del cerebro Paredes acolchadas, iluminaci\u00f3n l\u00fagubre y un techo con un papel pintado con un estampado de flores. No parece lugar para realizar descubrimientos capaces de alterar la trayectoria [&hellip;]<!-- AddThis Advanced Settings generic via filter on get_the_excerpt --><!-- AddThis Share Buttons generic via filter on get_the_excerpt --><\/p>\n","protected":false},"author":1,"featured_media":1045,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[9],"tags":[],"_links":{"self":[{"href":"https:\/\/rogerbit.com\/wprb\/wp-json\/wp\/v2\/posts\/1044"}],"collection":[{"href":"https:\/\/rogerbit.com\/wprb\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/rogerbit.com\/wprb\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/rogerbit.com\/wprb\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/rogerbit.com\/wprb\/wp-json\/wp\/v2\/comments?post=1044"}],"version-history":[{"count":2,"href":"https:\/\/rogerbit.com\/wprb\/wp-json\/wp\/v2\/posts\/1044\/revisions"}],"predecessor-version":[{"id":1047,"href":"https:\/\/rogerbit.com\/wprb\/wp-json\/wp\/v2\/posts\/1044\/revisions\/1047"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rogerbit.com\/wprb\/wp-json\/wp\/v2\/media\/1045"}],"wp:attachment":[{"href":"https:\/\/rogerbit.com\/wprb\/wp-json\/wp\/v2\/media?parent=1044"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rogerbit.com\/wprb\/wp-json\/wp\/v2\/categories?post=1044"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rogerbit.com\/wprb\/wp-json\/wp\/v2\/tags?post=1044"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}