Reddit afirma que empresas de IA han extraído datos de Wayback Machine, por lo que limitará el acceso a esta reconocida herramienta. Su objetivo será impedir que Internet Archive indexe la gran mayoría de la información de Reddit lo que se traduce a que ya no podrá rastrear páginas de detalles de publicaciones, comentarios ni perfiles.

En cambio, solo podrá indexar la página principal de Reddit.com, lo que significa que Internet Archive solo podrá archivar información sobre los titulares y publicaciones más populares en un día determinado.

En Genbeta

Cómo ver la versión antigua de una web con Archive.org y la caché de Google

La misión de Internet Archive es mantener un archivo digital de sitios web en internet y otros temas culturales, y Wayback Machine es una herramienta que permite consultar las páginas tal como aparecieron en determinadas fechas. Se ha bautizado como la máquina del tiempo de internet.

Quejas a cómo se hace este archivo

El portavoz de Reddit, Tim Rathschmidt ha relatado a The Verge que "Internet Archive ofrece un servicio a la web abierta, pero hemos tenido conocimiento de casos en los que empresas de IA infringen las políticas de la plataforma, incluida la nuestra, y extraen datos de Wayback Machine", declaró.

Y es que Reddit cree que no todo su contenido debería archivarse de esa manera: "Hasta que puedan defender su sitio y cumplir con las políticas de la plataforma (por ejemplo, respetar la privacidad del usuario o eliminar contenido eliminado), estamos limitando parte de su acceso a los datos de Reddit para proteger a los redditors", ha explicado Rathschmidt.

Los límites han comenzado a aumentar gradualmente desde hace un par de días y seguirán. Además, Reddit ha dicho haber contactado con Internet Archive con antelación para informarles sobre esta decisión.

Derecho al ¿olvido?

Afirma que Reddit también ha expresado su preocupación por la capacidad de las personas para extraer contenido de Internet Archive en el pasado. Esta plataforma permite a usuarios presentar sus quejas y frustraciones y también alegrías y solicitar consejo. Y mucha gente acaba eliminando las publicaciones tras un tiempo. Muchas veces, puede ser, porque ya han visto los comentarios de la gente, ya han recibido ideas y consejos...

Además, Reddit decidió hace tiempo cortar el acceso a herramientas de extracción de datos, ya que las empresas de IA las usan masivamente sin permiso (a veces mintiendo, como ya hemos visto). Aunque sí que están en disposición de proporcionar esos datos si las empresas de IA pagan (de hecho se descubrió en el pasado de que ya lo han hecho).

En Genbeta

Reddit ha vendido todo su contenido para entrenar a una IA: ahora sabemos que Google ha sido el comprador

El año pasado, Reddit llegó a un acuerdo con Google para la Búsqueda de Google y los datos de entrenamiento de IA a principios del año pasado, y unos meses después, comenzó a impedir que los principales motores de búsqueda rastrearan sus datos a menos que pagaran, como recuerda The Verge.

Hace unas semanas, Reddit acusó a Anthropic de usar sus datos para entrenar su IA más  de 100.000 veces después de decir que habían dejado de hacerlo. Al mismo tiempo, se ha probado que Anthropic contrató a un ex directivo de Google Books para comprar "todos los libros del mundo" y usarlos para entrenar IA y luego deshacerse de esos libros.

Imagen | Foto de Brett Jordan en Unsplash

Desde el lanzamiento de ChatGPT en 2022, Internet ha entrado en una nueva etapa: esa en la que ya no es posible saber con certeza si los textos, imágenes o artículos que encontramos fueron creados por humanos o por máquinas. Y este cambio radical pone una pregunta sobre la mesa de archivistas, tecnólogos, historiadores y usuarios comunes: ¿debemos preservar específicamente el Internet tal como era antes de su 'contaminación' por la IA?

Una línea divisoria en la historia digital

La aparición de modelos de lenguaje avanzados ha generado un volumen sin precedentes de contenido automatizado. Esta situación plantea desafíos para quienes estudian la historia, el desarrollo tecnológico e incluso el funcionamiento del conocimiento colectivo.

Es decir: si el contenido original humano desaparece entre una masa creciente de textos sintéticos, ¿cómo podrán las futuras generaciones comprender cómo pensábamos antes de la era de las máquinas?

Los historiadores digitales ya están experimentando problemas a la hora de determinar la autoría, la intencionalidad y el contexto cultural de los documentos que examinan: las fuentes primarias corren el riesgo de convertirse en recursos ambiguos, cuya autenticidad y representatividad serán constantemente puestas en duda.

Rajiv Pant, exdirector de tecnología de The New York Times y The Wall Street Journal, alerta sobre esta amenaza. Afirma que no se trata de un problema meramente académico o propio de la ciencia-ficción, sino de una realidad que ya afecta áreas clave como el periodismo, la investigación científica y los procesos legales:

"Ya no hay una forma fiable de distinguir contenido humano del generado por IA a gran escala".

¿Preservar lo humano...

Por un lado, hay quienes promueven la creación de archivos "puros", como John Graham-Cumming, de la empresa de ciberseguridad Cloudflare. Para él, la información creada antes de 2022 tiene un valor especial: la compara con el "acero de bajo fondo", un tipo de metal fabricado antes de las pruebas nucleares de 1945 que hoy se utiliza en instrumentos de alta precisión por su pureza.

Graham-Cumming ha lanzado el sitio lowbackgroundsteel.ai, un repositorio de datos previos a la irrupción de los grandes modelos de lenguaje. Entre sus iniciativas destaca una copia completa de Wikipedia de agosto de 2022, cuando aún no se detectaban los signos masivos de contribuciones de IA que hoy ya resultan evidentes.

Sin embargo, él mismo afirma que no se trata de rechazar la inteligencia artificial, sino de comprender que incluso ella necesita del legado humano para funcionar y mejorarse:

"En algún momento, una IA pensará algo que los humanos no habíamos imaginado. Podrá demostrar un teorema matemático o crear algo realmente nuevo. Y no estoy seguro de que eso deba llamarse 'contaminación'".

En Genbeta

Cada vez más gente percibe que sus IAs funcionan peor: las compañías tienen razones poderosas para que así sea

...o archivar también lo artificial?

Sin embargo, otros expertos, como Mark Graham del Internet Archive, creen que también merece la pena preservar de manera específica (aunque por separado) el contenido generado por la IA. Para Graham, el objetivo no debe ser tanto preservar el pasado como documentar el presente: su plan consiste en realizar diariamente mil preguntas a diferentes modelos de IA y almacenar sus respuestas, como si de un diario digital algorítmico se tratase. Así, se podría registrar (y analizar) la evolución de la IA, creando una crónica de cómo cambian su comportamiento y sus respuestas con el tiempo.

El peligro del 'colapso de modelos'

Más allá de las implicaciones culturales e históricas, conservar contenido humano también tiene una utilidad técnica: proteger la calidad futura de la propia inteligencia artificial. Si los modelos se entrenan cada vez más con información generada por otros modelos, existe el riesgo de una degeneración progresiva conocida como colapso de modelos.

Esto es así, porque los algoritmos de 'machine learning' dependen en gran medida de los datos con los que son entrenados: si éstos ya han sido generados, reciclados o alterados por otras IA, se entra en un ciclo de retroalimentación artificial que puede empobrecer la calidad del aprendizaje. Este fenómeno implica una pérdida de diversidad y precisión en los sistemas de IA, lo que terminaría afectando gravemente a su utilidad.

Vía | New Scientist

Imagen | Marcos Merino mediante IA

En Genbeta | Con cada app y web abandonadas, se pierde un poquito del antiguo Internet. Y quienes intentan conservarlo no dan abasto

Vivimos en una época donde cada día surgen nuevas plataformas y aplicaciones... pero éstas van desapareciendo a la misma velocidad. Con cada anuncio de que un determinado software dejará de actualizarse, o de que una plataforma digital cerrará, el Internet que recordábamos va desintegrándose poco a poco.

A diferencia del hardware, que aún podemos encontrar en museos, colecciones privadas o funcionando en manos de entusiastas, el software tiende a desvanecerse sin dejar rastro...

Una historia de desapariciones digitales

Quienes crecieron en la era dorada de la mensajería instantánea recuerdan con nostalgia plataformas como MSN Messenger o Yahoo! Messenger. Eran mucho más que simples herramientas de comunicación; eran espacios donde se forjaban amistades, se vivían romances y empezábamos a construirnos una identidad digital.

Hoy, todo lo que queda de ellas son capturas de pantalla, vídeos en YouTube o recuerdos difusos en blogs de tecnología. Sin embargo, los archivos binarios, las interfaces interactivas y la experiencia de usuario que definieron toda una generación han desaparecido. Ya no hablemos de la posibilidad de volver a usarlos, pues dependían de servidores de empresas concretas.

En Genbeta

Google se prepara para Halloween con un cementerio de los productos que ha "matado"

Y en el caso de MSN Messenger, ya ni siquiera podremos recurrir a su sucesor oficial, pues ya sabemos que Skype se sumará en breve al cementerio del software.

El problema, claro, no se limita sólo a las aplicaciones de mensajería. Programas emblemáticos como Adobe Flash Player o plataformas como Google+ o Google Reader también han sido retirados, dejando tras de sí meros ecos de lo que alguna vez fueron. En algunos casos, estas plataformas han llegado a cerrar incluso antes de ofrecer alternativas viables para preservar los contenidos creados con ellas.

El legado efímero del software

La desaparición del software plantea una serie de interrogantes sobre su preservación digital: a diferencia de los libros, que pueden ser archivados en bibliotecas, o del ya mencionado hardware, el software requiere de ecosistemas funcionales para poder ser experimentado: no basta con guardar los archivos ejecutables si no existen los servidores que los soportan, los sistemas operativos compatibles o las licencias de activación necesarias para ejecutarlos.

En Genbeta

Una versión antigua de WordPerfect, el 'Word de los 80', ya está disponible para la mayoría de equipos Linux modernos

El término 'abandonware' designa aquel software que ha sido "abandonado" por sus desarrolladores, editores o propietarios legales. Este abandono puede deberse a múltiples razones: la empresa ha desaparecido, el producto ha sido descontinuado sin sustituto directo, o simplemente ha quedado obsoleto en el mercado actual.

A diferencia del software de código abierto o gratuito, el abandonware no es legalmente libre: aunque su distribución se tolera en algunos casos, técnicamente sigue estando protegida por derechos de autor, y muchas empresas no permiten la distribución de software obsoleto, incluso cuando ya no le dan soporte. Esto complica los intentos de archivistas y entusiastas por conservar estas piezas de la historia digital.

¿Quién está salvando el software?

Frente a esta desaparición silenciosa, han surgido algunas iniciativas que buscan preservar el software y las experiencias digitales. Archive.org, más conocido por su Wayback Machine que conserva sitios web antiguos, ofrece también una amplia biblioteca digital de programas 'retro' en su sección de software...

...sin embargo, el pulso legal que mantienen sus responsables con las principales editoriales del mundo (que ya ha sufrido un primer contratiempo, y que no hace más que multiplicar sus costes legales) pone en riesgo la continuidad del proyecto. Y eso por no mencionar el acoso de los cibercriminales.

También es muy conocido Vetusware, un repositorio online especializado en software antiguo para sistemas operativos como MS-DOS, Windows 3.x y Windows 95. Su misión es preservar y difundir programas históricos que ya no están disponibles en el mercado, muchos de los cuales fueron fundamentales para usuarios domésticos y empresas durante los años 80 y 90.

Gracias al software conservado en Vetusware, de hecho, pudo publicarse en HD uno de los primeros 'memes' de la historia de Internet.

En Genbeta

La versión para UNIX de Lotus 1-2-3 (el 'Excel de los 80') estuvo perdida 32 años: así reapareció y se logró ejecutar en Linux

Otro ejemplo destacable es ArchiveOS, un proyecto que se enfoca en la conservación de sistemas operativos antiguos, muchos de los cuales han desaparecido del mapa tecnológico. ArchiveOS ofrece archivos descargables y documentación sobre distribuciones Linux olvidadas, versiones experimentales de Windows, Unix antiguos y otros sistemas poco conocidos.

No sólo cementerios, también intentos de resurrección (a lo Frankenstein)

Existen también comunidades de entusiastas y desarrolladores que han creado emuladores y servidores privados para mantener vivos algunos programas, aunque muchas veces operan en la ilegalidad o bajo amenazas de cierre por parte de las compañías propietarias.

Estas comunidades suelen usar ingeniería inversa, servidores personalizados y software de código abierto para sus fines. Un ejemplo paradigmático de ello es 'Escargot', un servidor alternativo que modifica antiguos binarios de MSN Messenger y nos permite volver a chatear como en los 2000 (¡incluyendo los zumbidos!).

Imagen | Marcos Merino mediante IA

En Xataka | Nuestro plan para conservar las webs de hace años está fracasando: de Archive.org a los enlaces rotos de medio internet 

En Genbeta | Este legendario programa de tecnología estuvo décadas perdido. Al recuperar grabaciones, apareció hasta una entrevista a Bill Gates 

Internet Archive vuelve a estar en la Red, después de que un ciberataque derribara la biblioteca digital y su función de Wayback Machine la semana pasada. Eso sí, llega de vuelta con muchas limitaciones: solo para lectura. Cabe recordar que una filtración de datos y un ataque DDoS quitaron de internet esta web el 9 de octubre.

Hace unas horas se ha anunciado que Internet Archive está nuevamente en línea de manera "provisional y de solo lectura", según el fundador Brewster Kahle. "Es seguro reanudarlo, pero podría necesitar más mantenimiento, en cuyo caso se suspenderá nuevamente".

Genbeta

Internet Archive tendrá que retirar su función más atractiva tras perder su pulso legal contra las grandes editoriales

Es decir que, como el fundador de esta web anunció en su perfil de X, el servicio que almacena copias de toda la web está nuevamente online pero no ha recuperado, por el momento, su función estrella: no admite que los usuarios hagan capturas nuevas.

Más de 900 mil millones de webs archivadas

Por tanto, se acceder a Wayback Machine para buscar 916 mil millones de páginas web que se han archivado con el tiempo, pero actualmente no puede capturar una página web existente en el archivo. Kahle y su equipo han estado restaurando gradualmente los servicios de Archive.org en los últimos días, incluida la recuperación de las cuentas de correo electrónico del equipo y sus rastreadores para las Bibliotecas Nacionales.

Genbeta

Cómo ver la versión antigua de una web con Archive.org y la caché de Google

Los servicios han estado offline para que el personal de Internet Archive pudiera examinarlos y fortalecer la seguridad contra futuros ataques. Un mensaje emergente de un supuesto hacker afirmaba que el archivo había sufrido una "catástrófica brecha de seguridad" la semana pasada, antes de que Have I Been Pwned (la web por excelencia para saber si tu email ha sido hackeado), confirmara que se habían robado datos.

El robo incluía direcciones de correo electrónico, nombres de usuario, contraseñas cifradas y otros datos internos de 31 millones de cuentas de correo electrónico únicas.

Genbeta

Internet Archive tiene los mejores juegos clásicos de los 80 y 90 para jugar en el navegador gratis y sin instalar nada

La interrupción del servicio de Internet Archive se produjo apenas unas semanas después de que Google comenzara a añadir enlaces a sitios web archivados en Wayback Machine. Durante más de dos décadas, Google ofreció, en la propia página de resultados, la opción de visualizar versiones anteriores de sitios web mediante su función de  'caché'.

Sin embargo, en febrero de este año, la empresa decidió eliminar esta herramienta,  afirmando que la decisión se debía a las mejoras en la estabilidad de las páginas web, lo que hacía innecesario el uso frecuente de la caché.

Imagen | Internet Archive

En Genbeta | Ya  puedes usar online las calculadoras científicas de tus años de  estudiante: las tienes archivadas y emuladas en Internet Archive

Durante más de dos décadas, Google ofreció, en la propia página de resultados, la opción de visualizar versiones anteriores de sitios web mediante su función de 'caché'. Sin embargo, en febrero de este año, la empresa decidió eliminar esta herramienta, afirmando que la decisión se debía a las mejoras en la estabilidad de las páginas web, lo que hacía innecesario el uso frecuente de la caché.

Dado que la decisión generó descontento en ese momento, algunos responsables de la compañía insinuaron que, en un futuro, Google podría colaborar con Internet Archive para facilitar el acceso a versiones anteriores de sitios mediante la Wayback Machine. Ahora, siete meses después, lo que parecía una idea lanzada al aire se ha convertido en realidad.

¿Qué es la Wayback Machine? Se trata de una herramienta gestionada por Internet Archive, una biblioteca digital sin fines de lucro que almacena copias de páginas web desde su creación en 1996. Su objetivo es preservar un histórico de la WWW, permitiendo a los usuarios acceder a un contenido que ya no está disponible online, ya sea porque la página ha sido modificada o porque ya no existe.

Anteriormente, acceder a la Wayback Machine requería que los usuarios ingresaran directamente a la plataforma de Internet Archive y buscaran la URL del sitio deseado. Ahora, este proceso se simplifica notablemente, pues los usuarios pueden acceder a versiones antiguas de páginas web directamente desde los resultados de búsqueda.

El acceso se realiza a través de la sección 'Acerca de este resultado', al hacer clic en los tres puntos que aparecen junto al enlace de una página web. En esta sección, los usuarios pueden seleccionar la opción 'Más información sobre esta página', donde aparecerá un enlace a la Wayback Machine.

¿Ofrece la misma funcionalidad que la antigua caché?

Sin embargo, la antigua función de caché y esta nueva herramienta no son intercambiables: la caché de Google sólo almacenaba una versión relativamente reciente de la página web (lo cual no suele ofrecer la Wayback Machine), usualmente la última que había sido indexada por el motor de búsqueda. Esto era muy útil si el sitio estaba temporalmente inaccesible o acababa de ser modificado.

En Xataka

Nuestro plan para conservar las webs de hace años está fracasando: de Archive.org a los enlaces rotos de medio internet

Otra diferencia reside en que Google sólo mantenía una copia de la página en su estado más reciente y no conservaba versiones anteriores, lo que la limitaba a una sola instantánea. Eran, en definitiva, herramientas complementarias.

Una herramienta crucial (que puede que aún no puedas usar)

La colaboración entre Google e Internet Archive representa un avance significativo para quienes su trabajo depende de acceder a versiones anteriores de páginas web: investigadores, periodistas y académicos son algunos de los usuarios que más se beneficiarán de esta integración. Google reconoció la importancia de esta función en un comunicado oficial:

"Sabemos que muchas personas, incluidas aquellas de la comunidad investigadora, valoran poder ver versiones anteriores de las páginas web cuando están disponibles".

Sin embargo, es posible que aún no puedas visualizar los enlaces a versiones antiguas de los sitios web de tus resultados de búsqueda: esta funcionalidad no estará disponible inmediatamente para todos los usuarios, sino que se desplegará de forma gradual en 40 idiomas, incluido el español.

Imagen | Photo Mix from Pixabay + Thomas B en Pixabay

En Genbeta | Búsquedas secretas de Google: 10 trucos para entretenerte y descubrir cosas nuevas con el buscador

En internet queda todo registrado. Esta es una idea que en muchos casos parece que es mentira, pero la realidad es que todo lo que se publica queda en la red aunque se termine editando. Esto permite que podemos consultar la versión antigua de una página web que se ha editado para poder comprobar si ha cambiado algo en su contenido. Incluso aunque hayan pasado más de 20 años.

Para poder conseguir ver la versión anterior de una página web hay dos métodos disponibles al alcance de todos: consultar la caché de Google y usar Wayback Machine, cuyo nombre no deja mucho misterio sobre su funcionamiento.

Consultar la versión antigua con la caché de Google

Antiguamente, consultar la versión antigua de una web con la caché de Google era realmente fácil porque se podían ver directamente las capturas de pantalla que se cazaban. Pero ahora esta opción ha desaparecido por completo.

Como alternativa, se va a poder usar la siguiente dirección introduciendo al final la URL de la web que vas a querer consultar:

http://webcache.googleusercontent.com/search?q=cache:DIRECCIONWEB

Al buscar con esta URL aparecerá un pantallazo de la web en la última versión de caché que esté almacenada. El problema es que no vas a poder seleccionar la fecha que quieres consultar. En la parte superior se va a encontrar la fecha y la hora a la que se corresponde esta versión de la web.

En Genbeta

Cómo borrar la caché solo de una única página web en Google Chrome, Microsoft Edge y Mozilla Firefox

Usando Wayback Machine

El mejor método para poder dar marcha atrás en el tiempo sin lugar a dudas es con la página de Wayback Machine que está alojada en la dirección web.archive.org. Al acceder en la parte superior se va a encontrar una barra de búsquedas para introducir la dirección que se quiere consultar.

En los resultados de la búsqueda se va a poder ver un calendario en la parte superior. Aquí tendremos todos los días coloreados en los que hay una captura de pantalla registrada de la web, y si pulsamos en cada uno de los días podremos seleccionar la hora de la versión almacenada.

Y así de simple. Al pulsar vas a ver la versión que has seleccionado por muy antigua que sea, haciendo que se observe tanto el texto como el diseño o las imágenes que en ese momento estaban presentes en la página. Además, en todo momento se va a poder mover el seleccionable en la parte superior para elegir otra fecha.

En Genbeta | Por qué es importante limpiar las cookies y la caché del navegador y cómo hacerlo en tu PC en Chrome, Firefox y Edge

Kay Savetz es toda una personalidad del mundillo digital: ostenta el cargo de responsable de algunos proyectos de 'colecciones especiales' en Archive.org -el gran repositorio de salvaguarda de contenidos online-, como la Biblioteca Digital de Radioaficionados y Comunicaciones; y además es el presentador del podcast "ANTIC: The Atari 8-Bit Podcast", que cuenta con más de 400 entrevistas de historia oral con pioneros de la era de las computadoras Atari.

Ahora, Savetz se ha embarcado en un nuevo proyecto para rescatar y preservar otra joya perdida de la historia tecnológica de los años 80: "The Famous Computer Cafe". Pese a su nombre, no hablamos de ningún restaurante, sino un innovador programa de radio que se retransmitió desde 1983 hasta principios de 1986 desde varias emisoras de radio delde California.

El programa ofrecía noticias sobre computadoras, reseñas de productos y entrevistas con figuras destacadas del mundo tecnológico y cultural de la época. Entre los entrevistados se encuentran nombres como Bill Gates (fundador de Microsoft), Timothy Leary (gurú de la psicodelia y uno de los primeros impulsores de la realidad virtual), Douglas Adams (autor de 'La guía del autoestopista galáctico'), Bill Atkinson (creador de MacPaint y cofundador de General Magic), Gene Roddenberry (creador de 'Star Trek') o Jack Tramiel (CEO de Atari y creador de la Commodore Amiga).

En Xataka

Nuestro plan para conservar las webs de hace años está fracasando: de Archive.org a los enlaces rotos de medio internet

La comunidad se ha volcado

Durante muchos años, se pensó que casi todos los episodios del programa estaban perdidos, excepto uno (que, por supuesto, estaba disponible en Archive.org). Sin embargo, en un golpe de suerte extraordinario, Kay Savetz logró adquirir nada menos que 35 cintas que contienen aproximadamente 54 episodios del programa.

Estas cintas, que le costaron más de 1.000 dólares, representan un tesoro invaluable de la historia de la computación. Además, desembolsó todo ese dinero sin estar seguro de la integridad de lo adquirido:

"La compra de las cintas fue una apuesta. No había garantía de que no estuvieran borradas o grabadas encima, pero parece que las grabaciones sobrevivieron".

Aunque el proyecto está en marcha y las primeras cintas se ven y suenan bien, Savetz reconoce que aún existen el riesgo de que alguna de las siguientes no sea reproducible.

Para garantizar la preservación de este legado, Savetz ha contratado a un profesional de confianza para digitalizar las cintas. Este proceso permitirá que las grabaciones estén disponibles online de forma gratuita a través del Internet Archive, donde serán transcritas automáticamente y se podrán buscar por texto completo.

"Los primeros episodios que hemos digitalizado probablemente no se habían vuelto a escuchar desde su transmisión original".

Entre estos episodios se encuentran entrevistas fascinantes como la del 7 de diciembre de 1984 con Steve Roberts, famoso en los EE.UU. por ser el 'primer nómada digital': en sus giras "Computing Across America" había empezado a recorrer el país en una bicicleta computerizada.

Pero nada de eso se podría haber logrado sin el apoyo financiero de la comunidad. Recurriendo a GoFundMe, una plataforma de crowdfunding, los entusiastas del proyecto respondieron con entusiasmo a la convocatoria de Savetz, y en menos de 24 horas, la campaña de recaudación de fondos alcanzó su objetivo, aunque se mantiene abierta para cubrir costos adicionales que puedan surgir.

"Estoy pidiendo a la comunidad de fans de la retroinformática y de la historia de la computación que compartan estos gastos para preservar una parte increíble de la historia de la computación que se pensaba perdida para siempre".

Imagen | Kay Savetz

En Genbeta | 100 millones de archivos de los 80 y los 90 estaban en CD-ROMs. Ahora están gratis en esta genial web

Internet Archive es una de las grandes joyas de la red que busca un ingeniero de software senior para su grupo de servicios de datos y archivo. Acaba de sacar una vacante de trabajo maravillosa para desarrolladores: busca un ingeniero o ingeniera de software senior para trabajar en su equipo de ingeniería de 12 personas.

Comienza diciendo: "tienes interés en un trabajo impulsado por una misión que garantice el acceso abierto a la información para una audiencia global" o si disfrutas construyendo tecnologías y productos críticos para miles de bibliotecas, organizaciones sin fines de lucro, patrimonio cultural y organizaciones educativas.

En Genbeta

Internet Archive tiene los mejores juegos clásicos de los 80 y 90 para jugar en el navegador gratis y sin instalar nada

Internet Archive es una biblioteca digital sin fines de lucro, un sitio web de los 200 en archive.org con más de 100 petabytes de información digital que se ejecuta en muchos centros de datos operados. Internet Archive también brinda servicios alineados con su misión a miles de organizaciones en todo el mundo con el objetivo de "Acceso universal a todo el conocimiento".

Cómo es el trabajo

La vacante publicada dice: Todos los roles de ingeniería trabajarán en estrecha colaboración con el personal de productos, programas y operaciones para participar en el ciclo de vida completo del desarrollo de software. Las tareas preliminares del puesto se centrarán principalmente en el desarrollo de Archive-It, nuestro servicio de archivo web utilizado actualmente por más de 1000 organizaciones asociadas para archivar y proporcionar acceso público a colecciones web que suman un total de cientos de terabytes de datos y miles de millones de archivos cada año.

El puesto también puede ayudar con proyectos de desarrollo específicos para otros servicios y sistemas del departamento y esa personas va a "trabajar directamente con el Jefe de Ingeniería del departamento para ayudar con la gestión técnica entre departamentos, proyectos de ingeniería entre equipos y coordinar el trabajo de los ingenieros en todos nuestros servicios".

En Genbeta

Hasta 180.000 euros por teletrabajar en grandes tecnológicas: están buscando desarrolladores para nuevos proyectos

El objetivo de este ingeniero senior es ayudar a construir y mejorar herramientas, tecnologías y sistemas que respalden productos alineados con valores, a escala de petabytes, para una coalición global de instituciones que brindan acceso abierto a la información digital.

Para ello hay que participar y a veces liderar el ciclo de vida completo del desarrollo de software: planificar, diseñar, implementar, probar, implementar y mantener soluciones de software.  Colaborar con los miembros del equipo de productos, soporte e ingeniería y ayudar con problemas de operación de producción.

Es un puesto remoto aunque en ocasiones habrá que hacer coincidir horarios con con colegas que residen principalmente en América del Norte. La remuneración y el título serán proporcionales a la experiencia, aunque el salario anual es de entre 130 000 y 150 000 dólares. Ofrece un paquete integral de beneficios que incluye vacaciones pagadas y beneficios médicos.

Qué se necesita

La vacante requiere de gente que tenga entre 3 y 5 años de experiencia como ingeniero de software.  Se prefiere una amplia experiencia en el uso de Python para crear servicios web y de datos.  Alguna experiencia en gestión de proyectos u otra función de liderazgo.

La experiencia o el dominio de cualquiera de los siguientes son una ventaja:  Experiencia en rastreo web o Django, conocimiento de tecnologías y protocolos web, entre otros, además de experiencia en Rust e interés en combinar Rust con Python.

Recuerdan que desde Archive sin "propietarios y operamos nuestros propios centros de datos que ejecutan máquinas virtuales Linux y autoadministramos la pila completa".

Imagen | Foto de Mapbox en Unsplash

Vía | David Bonilla

En Genbeta | Ya  puedes usar online las calculadoras científicas de tus años de  estudiante: las tienes archivadas y emuladas en Internet Archive

Hace 25 años, cuando Internet parecía estar aún en pañales, Google irrumpió en la escena digital como una startup desconocida que parecía empeñada en mejorar nuestra experiencia buscando webs en Internet.

Uno de los modos en que hizo esto fue introduciendo los enlaces de "caché" en sus resultados de búsqueda: es decir, a la 'instantánea' de última versión de una web, tomada por el bot de búsqueda de Google.

Caché la mar, Google

Sin embargo, hoy marca el fin de una era, ya que la empresa ha anunciado oficialmente la eliminación de esta icónica funcionalidad, incluyendo el operador de búsqueda "cache:".

La noticia de la desaparición de los enlaces de caché fue confirmada por Danny Sullivan, el portavoz de Búsquedas de Google, a través de un tuit que ha dejado desolados a los usuarios más nostálgicos: según Sullivan, se ha tomado esta decisión porque la utilidad de la caché ha disminuido con el tiempo.

Antes, esta función era esencial para acceder a páginas web cuando la carga de las mismas fallaba con frecuencia, pero con los avances en tecnología y la estabilidad de las páginas web, Google considera que ya no es necesaria.

En Genbeta

No puedes viajar atrás en el tiempo, pero sí en internet: mejores herramientas y trucos para ver versiones anteriores de cualquier web

Sin embargo, los enlaces de caché no sólo eran sólo eso (una herramienta de respaldo para acceder a los sitios web en esos momentos de dificultad), sino que también desempeñaban un papel crucial...

• para los profesionales de posicionamiento SEO los utilizaban para analizar la indexación de sus sitios web y rastrear cambios en los sitios de la competencia.
• para los periodistas e investigadores los empleaban para acceder a versiones anteriores de páginas web y verificar cambios en el contenido.
• en regiones donde ciertos contenidos estaban bloqueados geográficamente y la caché de Google funcionaba como una alternativa a las VPN.

Pero aún existe una pequeña esperanza para aquellos que ya están echando de menos los enlaces de caché: Sullivan planteó la posibilidad de que Google pueda incorporar, en el lugar que estos ocupaban  dentro de la sección 'Acerca de este resultado', enlaces a Internet Archive:

"Sin promesas. Tenemos que hablar con ellos, ver cómo puede ir todo [porque] involucra a personas mucho más allá de mí. Pero creo que sería bueno para todos".

Aunque no haya garantías, esta idea ofrece una perspectiva prometedora para quienes desean seguir accediendo de forma sencilla a las versiones anteriores de las páginas web.

En Xataka | The Internet Archive estaba caído. La principal sospecha: alguien estaba entrenando a una IA

Las webs donde puedes encontrar esos tesoros del pasado son una de las grandes maravillas de internet y hoy te vamos a hablar de Discmaster y a repasar cómo se le puede sacar el mejor partido. Discmaster.textfiles.com fue anunciada esta semana y tiene mucho para descubrir.

Ha sido creada por Jason Scott, que es uno de los sustentores de siempre de Archive.org, otra web que seguro que te suena más. De hecho, fue dentro de Archive.org donde repasó cómo fue la idea de crear esta nueva web y qué tiene de interesante.

Hasta ahora lo que encontramos en Discmaster.textfiles.com son más de 117 millones de archivos que han salido de 7.000 CD-ROMs distintos. En total son 11,6 TB. Tienes más de 60 millones de fotos, más de 27 millones de documentos de texto, 3 millones de audios, medio millón de canciones.... entre otros.

Un potente motor de búsqueda

Lo primero que llama la atención de esta página es su aspecto nostálgico. El sitio es muy sencillo y hace referencia a los primeros años de la World Wide Web, cuando los fondos eran grises por defecto y la anchura de la pantalla era casi siempre inferior a 640 píxeles. Lo mismo ocurre con los colores de los enlaces.

Sin embargo, bajo esta sencilla interfaz, Jason Scott habla orgulloso de la existencia de un potente motor de búsqueda y una asombrosa cantidad de procesamiento que ha analizado millones de archivos para facilitar la interacción.

En Genbeta

Esta web te permite encontrar libros y millones de PDF de todo Internet

"Si tu área de investigación o interés es el software vintage/histórico, nos ha llegado una herramienta de primera clase para descubrir archivos perdidos hace tiempo y recuperarlos al instante", dice Scott. Estas búsquedas puedes acotarlas con diferentes filtros: tipo de archivo, formato, género, fecha, tamaño…

Esta web no tiene certificado SSL –seguridad– pero son fiables. No almacena cookies. Tiene un contador de visitas con estética de cuentakilómetros y en las novedades aparece un icono amarillo, junto a enlaces en azul subrayados. Todo muy flow de los 90.

No se requiere CSS, JavaScript ni HTTPS. Este sitio funciona en navegadores nuevos y en antiguos. En los navegadores modernos, la activación de CSS o JavaScript habilita características como ajustar la escala/zoom de las imágenes/vídeos o ajustar la velocidad de reproducción de vídeo, entre otras.

Cómo sacar partido de Discmaster

Solo tienes que pulsar sobre la palabra "search" en la parte superior de la web y te aparece una barra de búsqueda. Pon lo que te interese, si lo pones en inglés, tendrás más opciones de conseguir muchos más resultados, y la web te muestra resultados rapidísimamente.

En Genbeta

En esta web puedes crear gratis tus propios mapas en alta definición listos para imprimir

Así, por ejemplo, si pones Spice Girls, gran icono de los 90 para la gente de mi edad, ves fotos antiguas de estas cantantes y también te ofrece audios que puedes usar para arrancar Widnows y para salir de Windows o para cuando tus programas te dan un error, en formato .wav.

Vía| Microsiervos