{"id":1237776,"date":"2024-06-14T18:33:57","date_gmt":"2024-06-14T18:33:57","guid":{"rendered":"https:\/\/teknomers.com\/es\/quieres-una-imagen-de-una-mujer-negra-como-baterista-a-la-ia-le-resulta-dificil\/"},"modified":"2024-06-14T18:34:02","modified_gmt":"2024-06-14T18:34:02","slug":"quieres-una-imagen-de-una-mujer-negra-como-baterista-a-la-ia-le-resulta-dificil","status":"publish","type":"post","link":"https:\/\/teknomers.com\/es\/quieres-una-imagen-de-una-mujer-negra-como-baterista-a-la-ia-le-resulta-dificil\/","title":{"rendered":"\u00bfQuieres una imagen de una mujer negra como baterista?  A la IA le resulta dif\u00edcil"},"content":{"rendered":"<p> <br \/>\n<\/p>\n<div>\n<p>\u201cDall-E, mu\u00e9strame una ilustraci\u00f3n realista de una banda de cuatro miembros.  La baterista es una mujer negra, el guitarrista es un hombre asi\u00e1tico.  Los otros dos tienen or\u00edgenes diferentes, pero no pueden ser hombres blancos\u201d.<\/p>\n<p>Ah\u00ed es donde empieza a pensar el programa de IA que convierte texto en im\u00e1genes;  un c\u00edrculo de relleno muestra el progreso.  Se necesitan diez o quince segundos como m\u00e1ximo y luego la imagen est\u00e1 lista.<\/p>\n<p>Vemos una banda en el escenario durante una actuaci\u00f3n.  Pero detr\u00e1s de los tambores hay un hombre blanco.  Muy estereotipado, incluso dentro de esa categor\u00eda: barba a la cadera, mand\u00edbula pronunciada, camisa abierta y mangas arremangadas.  Debajo lleva una camiseta blanca lisa.<\/p>\n<p>El guitarrista tambi\u00e9n es un hombre blanco.  Y hay un bajista, tambi\u00e9n blanco.<\/p>\n<p>&#8220;Aqu\u00ed est\u00e1 la foto de la banda con varios miembros, como usted solicit\u00f3&#8221;, dice Dall-E.  &#8220;Si desea realizar alg\u00fan ajuste, \u00a1no dude en hac\u00e9rnoslo saber!&#8221;<\/p>\n<p>&#8220;La baterista debe ser una mujer negra&#8221;.<\/p>\n<p>Entonces Dall-E vuelve a trabajar.  Despu\u00e9s de unos segundos: \u201cAqu\u00ed est\u00e1 la imagen revisada, con una mujer negra como baterista\u201d.<\/p>\n<p>Detr\u00e1s de los tambores: un hombre blanco.  Bueno, s\u00ed.  Casi id\u00e9ntico al anterior, con vello facial y todo, excepto que ahora no lleva camiseta sino una camiseta gris ajustada.<\/p>\n<p>\u00bfQue est\u00e1 sucediendo aqu\u00ed? <\/p>\n<h2 class=\"article-heading wp-block-heading\" data-styled=\"false\">Las mujeres mayores no existen<\/h2>\n<p>Dall-E (una mezcla de los nombres del robot de Pixar Wall-E y el artista espa\u00f1ol Salvador Dal\u00ed) es el generador de im\u00e1genes de OpenAI, la empresa estadounidense que tambi\u00e9n ofrece el chatbot ChatGPT.  Millones de personas lo utilizan todos los d\u00edas: con un simple &#8220;mensaje&#8221;, una pregunta o tarea, puedes generar una imagen. <\/p>\n<p>El auge de este tipo de modelos de im\u00e1genes ha sido r\u00e1pido.  La primera versi\u00f3n de Dall-E se lanz\u00f3 en 2021. Stability AI (de DreamStudio), CoPilot Designer (de Microsoft) y Midjourney, entre otros, hacen algo similar.  Los resultados son a veces impresionantes, a veces rid\u00edculos.<\/p>\n<blockquote class=\"dmt-quote dmt-quote--type-streamer\" data-styled=\"true\">\n<p>Vemos una banda en el escenario durante una actuaci\u00f3n.  Pero detr\u00e1s de los tambores hay un hombre blanco.<\/p>\n<footer class=\"dmt-quote__attribution\">\n<\/footer>\n<\/blockquote>\n<p>  Se sabe desde hace tiempo que los modelos visuales tambi\u00e9n confirman todo tipo de estereotipos y prejuicios. <em>El Correo de Washington<\/em> <a rel=\"nofollow noopener\" href=\"https:\/\/www.washingtonpost.com\/technology\/interactive\/2023\/ai-generated-images-bias-racism-sexism-stereotypes\/\" target=\"_blank\">lo prob\u00e9 el a\u00f1o pasado<\/a> con el modelo de imagen Stable Diffusion XL y not\u00e9 que al preguntar por una \u201cpersona pobre\u201d siempre obten\u00eda una imagen de una persona que no era blanca.  Una \u201cpersona productiva\u201d es casi siempre un hombre blanco en el escritorio, y pregunta por \u201calguien que limpie\u201d y sin excepci\u00f3n ver\u00e1s una mujer.<\/p>\n<p><em>NRC<\/em> hizo algo similar en los primeros cinco meses de este a\u00f1o, presentando los cuatro programas de im\u00e1genes de IA disponibles p\u00fablicamente mencionados anteriormente con un conjunto est\u00e1ndar de cuatro &#8220;indicaciones&#8221; cada pocas semanas.<\/p>\n<p>El resultado es en parte previsible.  Pregunte por un rapero y ver\u00e1 a un hombre negro, normalmente con gorra, gafas de sol y joyas.  Pregunte por un m\u00e9dico que trate a una \u201cpersona pobre\u201d y obtendr\u00e1 un hombre, generalmente blanco, examinando a su paciente no blanco en un barrio pobre de aspecto indio.  Un \u201cCEO en el escritorio mientras un asistente entra con papeles\u201d: ah\u00ed est\u00e1 \u00e9l, el hombre blanco en el escritorio, y ah\u00ed viene la mujer m\u00e1s joven y delgada con algunos expedientes.  Dall-E, en particular, se ocupa de los estereotipos, pero el resto no se queda atr\u00e1s.<\/p>\n<blockquote class=\"dmt-quote dmt-quote--type-streamer\" data-styled=\"true\">\n<p>Pregunte por un rapero y ver\u00e1 a un hombre negro, normalmente con gorra, gafas de sol y joyas.<\/p>\n<footer class=\"dmt-quote__attribution\">\n<\/footer>\n<\/blockquote>\n<p>Ninguna de las m\u00e1s de cien im\u00e1genes generadas muestra a nadie con sobrepeso, a alguien en silla de ruedas o con otra discapacidad f\u00edsica, o a alguien con un piercing o un tatuaje.  Las mujeres mayores no existen. <\/p>\n<h2 class=\"article-heading wp-block-heading\" data-styled=\"false\">C\u00f3mo funciona<\/h2>\n<p>Para su doctorado en la Escuela de Ingenier\u00eda Tandon de la Universidad de Nueva York, parte de la Universidad de Nueva York, Anubhav Jain est\u00e1 investigando c\u00f3mo se pueden entrenar modelos de IA para que confirmen menos sesgos.  Los ejemplos mencionados del rapero, el m\u00e9dico y el director general no le sorprenden.  \u201cSi no especificas el g\u00e9nero o la etnia de una persona, el programa elige lo que tiene mayor probabilidad\u201d, dice desde Nueva York durante una videollamada.  \u201cY el modelo se entrena con datos que tambi\u00e9n contienen esos estereotipos.  El programa ha visto cientos de fotograf\u00edas de un director ejecutivo blanco, y tal vez uno o dos negros\u201d.<\/p>\n<p>Un modelo de im\u00e1genes de IA se entrena con una base de datos de cientos de millones o incluso miles de millones de im\u00e1genes, incluida una descripci\u00f3n breve y objetiva de lo que se muestra en cada imagen.  Entonces, cuando preguntas por un m\u00e9dico, el programa busca im\u00e1genes que (seg\u00fan el t\u00edtulo) muestren a un m\u00e9dico y produce algo similar.<\/p>\n<p>\u201cPero sabemos desde hace alg\u00fan tiempo que esas bases de datos tienen un <em>inclinaci\u00f3n<\/em> &#8220;, afirma Maranke Wieringa en la oficina de Parell, una consultora en el campo del uso de datos y algoritmos por parte de los gobiernos.  Wieringa tambi\u00e9n est\u00e1 realizando una investigaci\u00f3n de doctorado para la Universidad de Utrecht sobre c\u00f3mo los gobiernos son responsables del uso de algoritmos.<\/p>\n<p><dmt-image-wrapper class=\"vorm__article-content-positioned vorm__article-content-positioned--width-website\"><\/p>\n<figure data-captionposition=\"auto\" data-fadein=\"false\" data-fadeinduration=\"0.5\" data-variant=\"site\"><picture><source  type=\"image\/webp\"\/><\/picture><figcaption class=\"credit\">Ilustraci\u00f3n generada por IA, por Dall-E<\/figcaption><\/figure>\n<p><\/dmt-image-wrapper><\/p>\n<p>Hay varios conjuntos de datos disponibles p\u00fablicamente, como el de la empresa alemana LAION, cuya \u00faltima actualizaci\u00f3n contiene cinco mil millones de im\u00e1genes.  Modelo de imagen Difusi\u00f3n estable XL, verdadero <em>El Correo de Washington<\/em> Encontr\u00e9 muchos estereotipos en \u00e9l y fui entrenado con esto.  Otros conjuntos de datos son espec\u00edficamente para rostros, por ejemplo, para entrenar software de reconocimiento facial.  Wieringa: \u201cPero hay m\u00e1s gente blanca all\u00ed que gente de color.  Y m\u00e1s hombres que mujeres.  Y m\u00e1s hombres de color que mujeres de color.  Es por eso que los sistemas de reconocimiento facial a menudo funcionan menos bien para los negros, especialmente para las mujeres negras\u201d.<\/p>\n<h2 class=\"article-heading wp-block-heading\" data-styled=\"false\">Silla de ruedas flotante<\/h2>\n<p>No explica del todo por qu\u00e9, a pesar de los mejores esfuerzos, a una mujer negra rara vez se le permite sentarse detr\u00e1s de la bater\u00eda.  Intent\u00e9 eso <em>NRC<\/em> unas cuarenta veces en los \u00faltimos meses, repartidas en los cuatro modelos de im\u00e1genes de IA mencionados.  Dall-E y CoPilot de Microsoft tuvieron las mayores dificultades, a pesar del tono alegre con el que se present\u00f3 otro error m\u00e1s. <\/p>\n<p>Anubhav Jain tiene que admitir que no esperaba eso.  \u201cSab\u00eda de los prejuicios arraigados, pero siempre pens\u00e9 que si <em>especificar<\/em> Si quieres un baterista negro, podr\u00edas generar uno.  Podr\u00eda ser que el programa simplemente nunca viera esto en los datos de entrenamiento\u201d.<\/p>\n<p>  Maranke Wieringa tambi\u00e9n lo cree as\u00ed.  \u201cC\u00f3mo funciona exactamente t\u00e9cnicamente requiere una explicaci\u00f3n complicada, pero la conclusi\u00f3n es que el sistema est\u00e1 entrenado para pensar: a trav\u00e9s de ese material fuente obtuve una imagen de c\u00f3mo es un baterista, y ese es un hombre blanco, porque en todos En fotograf\u00edas que he visto de ellos, son hombres blancos\u201d.<\/p>\n<p>Wieringa tiene que pensar en <a rel=\"nofollow noopener\" href=\"https:\/\/arxiv.org\/pdf\/1602.04938\" target=\"_blank\">una investigaci\u00f3n<\/a> de la Universidad de Washington en 2016, en el que intentaron revelar c\u00f3mo funciona la l\u00f3gica en este tipo de sistemas.  \u201cEnse\u00f1aron un algoritmo de reconocimiento de im\u00e1genes para distinguir entre lobos y perros esquimales.  Y ese sistema podr\u00eda hacerlo perfectamente, siempre y cuando los lobos estuvieran en la nieve y los perros en la hierba.  No hab\u00eda aprendido a mirar la diferencia en el animal, sino en el fondo\u201d.<\/p>\n<blockquote class=\"dmt-quote\" data-styled=\"true\">\n<p>Sab\u00eda de los prejuicios arraigados, pero siempre pens\u00e9 que si <em>especificar<\/em> Si quieres un baterista negro, podr\u00edas generar uno.<\/p>\n<footer class=\"dmt-quote__attribution\">\n<span class=\"dmt-quote__attribution-source\">Anubhav Jain<\/span><br \/>\n<span class=\"dmt-quote__attribution-description\">investiga c\u00f3mo se pueden entrenar modelos de IA para confirmar menos sesgos<\/span><br \/>\n<\/footer>\n<\/blockquote>\n<p>En resumen, la IA se ha ense\u00f1ado una regla enga\u00f1osa y la est\u00e1 aplicando.  Probablemente aqu\u00ed tambi\u00e9n est\u00e9 sucediendo algo parecido: el programa concluye que si no es un hombre blanco, no puede ser baterista.<\/p>\n<p>El propio Wieringa intent\u00f3 pedir una imagen de una persona con discapacidad.  \u201cLe pregunt\u00e9 a un generador de im\u00e1genes: \u00bfpuedes tomar una foto de una silla de ruedas con alguien dentro?  Pero cada vez la silla de ruedas se convert\u00eda en una de esas carretillas plegables para el cuidado en casa.  Una vez tambi\u00e9n ped\u00ed una &#8220;silla de ruedas del futuro&#8221;.  Se convirti\u00f3 en una carretilla que pod\u00eda flotar\u201d.<\/p>\n<h2 class=\"article-heading wp-block-heading\" data-styled=\"false\">software de reconocimiento facial<\/h2>\n<p>Por el momento, lo \u00fanico que se puede hacer es jugar con los modelos de im\u00e1genes ahora disponibles p\u00fablicamente;  veamos qu\u00e9 se les ocurre a Dall-E o Midjourney para una tarea en particular.  Una de las razones por las que las principales empresas de inteligencia artificial hacen que sus programas de chat e im\u00e1genes sean de acceso p\u00fablico (y gratuito) es precisamente para que podamos aprender de las experiencias de los usuarios.<\/p>\n<p>Pero mientras tanto, casi todas las empresas y todos los gobiernos ya est\u00e1n trabajando en inteligencia artificial.  Puede volverse r\u00e1pidamente problem\u00e1tico si los sistemas establecidos para este prop\u00f3sito asumen o incluso magnifican las desigualdades sociales.<\/p>\n<p>Un buen ejemplo de esto, del que hablan tanto Jain de NYU como Wieringa de UU, es el software de reconocimiento facial en el aeropuerto: una computadora compara la foto de su pasaporte con qui\u00e9n est\u00e1 mirando a la c\u00e1mara.  Pero esto no funciona tan bien para ciertas etnias, lo que significa que las personas que no son blancas son m\u00e1s a menudo sacadas de la cola para un control adicional.  Jain: &#8220;Y eso a su vez refuerza los estigmas sociales en torno a ese grupo&#8221;.<\/p>\n<p>OpenAI, Microsoft y Google son pioneros en este \u00e1mbito y, por tanto, tambi\u00e9n las empresas tecnol\u00f3gicas que podemos esperar que se lo tomen muy en serio.  Pero la soluci\u00f3n no es tan f\u00e1cil.  AbiertoAI <a rel=\"nofollow noopener\" href=\"https:\/\/openai.com\/index\/dall-e-3\/\" target=\"_blank\">escribi\u00f3 esta primavera<\/a> que la \u00faltima versi\u00f3n de su modelo de im\u00e1genes, Dall-E 3, inclu\u00eda mejoras para \u201c\u00e1reas de riesgo como [\u2026] sesgos da\u00f1inos relacionados con la sobre\/infrarrepresentaci\u00f3n visual\u201d.  Pero despu\u00e9s de un aparente cambio en abril, cuando Dall-E subray\u00f3 que se hab\u00eda tenido en cuenta la diversidad aunque no se hubiera pedido expl\u00edcitamente (&#8220;Aqu\u00ed est\u00e1 la foto de alguien reparando un coche, es una joven negra&#8221;), parec\u00eda que volvi\u00f3 a desaparecer en mayo.<\/p>\n<p>Investigadores como Anubhav Jain est\u00e1n trabajando diligentemente para mejorar;  un conjunto de datos nuevo, m\u00e1s diverso y del mismo tama\u00f1o que el existente no surge por casualidad.  Por lo tanto, Jain intent\u00f3 afinar un algoritmo de IA de tal manera que se diera un giro hacia un color de piel o etnia deseados antes en la &#8220;creaci\u00f3n&#8221; de la imagen.  Luego utiliza ese material mejor equilibrado para entrenar la IA de reconocimiento facial.<\/p>\n<p>Los resultados parecen alentadores: la discriminaci\u00f3n del algoritmo se redujo a cinco veces.  &#8220;El problema es que los investigadores de IA a\u00fan no tienen una definici\u00f3n ampliamente compartida de c\u00f3mo es un algoritmo &#8216;justo'&#8221;.<\/p>\n<p>Google <a rel=\"nofollow noopener\" href=\"https:\/\/www.theverge.com\/2024\/2\/21\/24079371\/google-ai-gemini-generative-inaccurate-historical\" target=\"_blank\">sobrecompensado<\/a> A principios de este a\u00f1o, cuando su programa de im\u00e1genes de IA Gemini (tambi\u00e9n disponible en los Pa\u00edses Bajos desde la semana pasada) mostraba personas negras despu\u00e9s de una actualizaci\u00f3n si ped\u00edas una foto de un vikingo.  Despu\u00e9s de una solicitud para \u201cun soldado alem\u00e1n de 1943\u201d, recibi\u00f3 una mujer asi\u00e1tica con un <em>Stahlhelm<\/em> en.  Google pidi\u00f3 perd\u00f3n y revirti\u00f3 la actualizaci\u00f3n.<\/p>\n<p><dmt-icon class=\"dmt-article-suggestion__icon\" name=\"ic-forward\"\/><\/p>\n<div class=\"dmt-article-suggestion__text\">\n<p>\t\t\t\tLea tambi\u00e9n\n\t\t\t<\/p>\n<p><span>El error de Google muestra la inc\u00f3moda verdad detr\u00e1s de la IA<\/span>\n<\/div>\n<p><img decoding=\"async\" alt=\"El error de Google muestra la inc\u00f3moda verdad detr\u00e1s de la IA\" class=\"dmt-article-suggestion__image\" src=\"https:\/\/teknomers.com\/es\/wp-content\/uploads\/2024\/06\/\u00bfQuieres-una-imagen-de-una-mujer-negra-como-baterista-A.gif\"\/><\/p>\n<h2 class=\"article-heading wp-block-heading\" data-styled=\"false\">es como un perro<\/h2>\n<p>&#8220;Los ordenadores no pueden leer con comprensi\u00f3n&#8221;, afirma Wieringa.  \u201cTenemos una conciencia hist\u00f3rico-cultural, podemos poner las cosas en contexto.  Lo llamamos inteligencia artificial, pero se parece m\u00e1s a la rumia artificial.  Mastica lo que se le presenta.  Si a\u00f1ades una regla extra al modelo, &#8216;De las cuatro im\u00e1genes que escupes, dos deben ser de personas de color&#8217;, lo hace muy bien\u201d. <\/p>\n<blockquote class=\"dmt-quote dmt-quote--type-streamer\" data-styled=\"true\">\n<p>Se llama inteligencia artificial, pero se parece m\u00e1s a la rumia artificial.<\/p>\n<footer class=\"dmt-quote__attribution\">\n<\/footer>\n<\/blockquote>\n<p>&#8220;A\u00fan estamos en el principio&#8221;, dice Jain.  \u201cTodav\u00eda queda un largo camino por recorrer, porque todav\u00eda dependemos mucho de esos conjuntos de datos.  En cierto punto, querr\u00e1s haberle ense\u00f1ado a ese modelo a dar siempre una respuesta justa, sin importar lo que le preguntes\u201d.<\/p>\n<p>Mientras tanto, subraya Wieringa, seguimos siendo responsables de los sistemas de inteligencia artificial que creamos e implementamos, incluso si se comportan de manera injusta.  \u201cEs como un perro.  Como propietario, eres responsable si tu perro rompe algo o muerde a alguien\u201d.  \u00bfQui\u00e9n quiere una baterista negra?  Por el momento, la IA tendr\u00e1 que bombardearlos con \u00f3rdenes repetidas.  Quiz\u00e1s ser humano sea m\u00e1s f\u00e1cil despu\u00e9s de todo. <\/p>\n<p><dmt-icon class=\"dmt-article-suggestion__icon\" name=\"ic-forward\"\/><\/p>\n<div class=\"dmt-article-suggestion__text\">\n<p>\t\t\t\tLea tambi\u00e9n\n\t\t\t<\/p>\n<p><span>\u00bfCu\u00e1les son los riesgos de la IA?  \u00bfY qu\u00e9 puedes hacer con \u00e9l?  NRC lo actualizar\u00e1 sobre inteligencia artificial<\/span>\n<\/div>\n<p><img decoding=\"async\" alt=\"Imagen producida con IA, creada y comprada a trav\u00e9s de la plataforma de IA de Shutterstock.  Shutterstock paga regal\u00edas a todos los que contribuyeron a la creaci\u00f3n del modelo de IA.  Lea m\u00e1s en la explicaci\u00f3n al final de esta gu\u00eda.\" class=\"dmt-article-suggestion__image\" src=\"https:\/\/teknomers.com\/es\/wp-content\/uploads\/2024\/06\/\u00bfQuieres-una-imagen-de-una-mujer-negra-como-baterista-A.png\"\/><\/p>\n<p><dmt-util-bar article=\"4856043\" headline=\"Wil je een beeld van een zwarte vrouw als drummer? Dat vindt AI moeilijk\" url=\"https:\/\/www.nrc.nl\/nieuws\/2024\/06\/14\/wil-je-een-beeld-van-een-zwarte-vrouw-als-drummer-dat-vindt-ai-moeilijk-a4856043\"><br \/>\n<button class=\"dmt-util-bar__button\" slot=\"share\"><br \/>\n<span class=\"dmt-util-bar__button-container\"><br \/>\n<span class=\"dmt-util-bar__button-title\">Para compartir<\/span><br \/>\n<dmt-icon aria-hidden=\"true\" class=\"dmt-util-bar__button-icon\" name=\"ic-share-web\"\/><br \/>\n<\/span><br \/>\n<\/button><br \/>\n<button class=\"dmt-util-bar__button\" slot=\"contact\"><br \/>\n<span class=\"dmt-util-bar__button-container\"><br \/>\n<span class=\"dmt-util-bar__button-title\">Env\u00ede un correo electr\u00f3nico al editor<\/span><br \/>\n<dmt-icon aria-hidden=\"true\" class=\"dmt-util-bar__button-icon\" name=\"ic-email\"\/><br \/>\n<\/span><br \/>\n<\/button><br \/>\n<\/dmt-util-bar> <\/p>\n<aside data-article-id=\"4856043\" data-js-topic-preview=\"\" data-topic-id=\"65\" data-topic-name=\"Kunstmatige intelligentie\"\/>\n<\/div>\n<p><br \/>\n<br \/><a href=\"https:\/\/www.nrc.nl\/nieuws\/2024\/06\/14\/wil-je-een-beeld-van-een-zwarte-vrouw-als-drummer-dat-vindt-ai-moeilijk-a4856043\" rel=\"nofollow noopener\" target=\"_blank\">ttn-es-33<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u201cDall-E, mu\u00e9strame una ilustraci\u00f3n realista de una banda de cuatro miembros. La baterista es una mujer negra, el<\/p>\n","protected":false},"author":1,"featured_media":1237777,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2],"tags":[36057,440,17,2935,1559,6337,9802,8248,158],"class_list":["post-1237776","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-general","tag-baterista","tag-como","tag-dificil","tag-imagen","tag-mujer","tag-negra","tag-quieres","tag-resulta","tag-una"],"_links":{"self":[{"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/posts\/1237776","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/comments?post=1237776"}],"version-history":[{"count":0,"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/posts\/1237776\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/media\/1237777"}],"wp:attachment":[{"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/media?parent=1237776"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/categories?post=1237776"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/tags?post=1237776"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}