Richard Boyd, Co-Fundador y CEO de Tanjo Inc – Serie de Entrevistas

Richard Boyd es un empresario, autor y conferencista en una variedad de temas que van desde la educación hasta la atención médica, pasando por mundos virtuales, juegos de computadora, aprendizaje automático y interfaces humano-computadora. Durante tres décadas, Richard ha liderado o ayudado a crear algunas de las empresas y servicios de tecnología más innovadoras en varias industrias, incluyendo la creación y dirección de cuatro empresas en la región del Parque de Investigación de Carolina del Norte. Richard vendió su última empresa a Lockheed Martin (LMT ) y se quedó como Director de los Laboratorios de Mundos Virtuales.

Richard es co-fundador y CEO de la empresa de inteligencia artificial y aprendizaje automático Tanjo Inc, con sede en la región del Parque de Investigación de Carolina del Norte.

Ha estado trabajando en VR desde los 90, y en 2001 co-fundó 3Dsolve. ¿Cuáles fueron algunos de los proyectos iniciales en los que trabajó 3Dsolve?

El proyecto más impactante para 3dsolve fue ayudar al Comando de Entrenamiento y Doctrina del Ejército de los Estados Unidos (TRADOC) a aprender a aprovechar el aprendizaje por simulación para operaciones tácticas de unidades pequeñas. Creamos el primer curso de “instrucción multimedia interactiva de nivel 4” (IMI) para el Ejército que pasó la validación de TRADOC. Esencialmente, esto consistió en aprovechar el valor de “práctica segura en un entorno 3D completamente simulado para unidades terrestres”. El primer curso fue de más de 100 horas de instrucción en un mundo de juego 3D basado en colaboración para el MOS 25B10 (especialidad militar) para comunicaciones.

En ese momento, estábamos enviando soldados a Afganistán e Irak y entrenándolos para trabajar en DTOCs (centros de operaciones tácticas digitales) cuando no teníamos DTOCs en los Estados Unidos para entrenarlos. 3Dsolve viajó a Fort Hood, Fort Gordon y varias otras instalaciones para encontrar equipo, reunirse con expertos en la materia y construir los DTOCs virtuales donde los soldados podrían entrenar. Los resultados de la validación determinaron que los soldados que utilizaban este método se entrenaban en un tiempo más corto con un grado de conocimiento más alto (y tasas de aprobación de clase) que en cualquier método de aula utilizado anteriormente. Considero que esto es el comienzo de la industria de juegos serios.

También serví en la junta asesora del Colab de ADL (Aprendizaje Distribuido Avanzado), donde se crearon los estándares para contenido de aprendizaje reutilizable. Trabajé con Phillip Dodds allí en estándares 3D para SCORM (Modelo de referencia de objeto de contenido compartible). Nota lateral: Phillip fue el que tocó el órgano en la película de Spielberg Encuentros cercanos del tercer tipo.

También serví en otro organismo de estándares internacionales llamado 3DIF, presidido por Intel (INTC ) y Boeing, donde creamos un estándar ECMA internacional con el mismo nombre para formatos de intercambio 3D. La idea era capturar finalmente todo el valor de los modelos 3D CAD construidos para todo lo que se hace en el mundo y traducirlo para su uso en juegos serios y documentos técnicos 3D. Sigue vivo en Adobe Acrobat y otras plataformas.

Seguimos trabajando con cascos y varios periféricos de RV, colaborando con pioneros de la industria como Warren Robinett, el Dr. Fred Brooks, Alan Kay y otros. Mi co-fundador David Smith creó una plataforma de código abierto completa junto con Alan Kay llamada OpenCroquet, que sigue vivo hoy.

¿Cómo cambió su vida después de que Lockheed Martin adquirió 3Dsolve en 2007?

Uno de los proyectos pioneros en los que trabajamos en 3Dsolve que llevó a Lockheed a comprarnos fue una simulación de un submarino de la clase Los Ángeles. En ese momento, la Marina todavía estaba reservando barcos completos para entrenamiento. Hicimos pioneros en la idea de “Simulación de barco total”, replicando el submarino completo en un entorno de juego multijugador. Usamos el motor de juegos Unreal de Epic Games y realmente transformamos el entrenamiento para estos buques. En Lockheed, creamos simulaciones de destructores, el Buque de Combate Litoral y todos los sistemas de sub-sistemas.

Al principio fue un desafío adaptarse de una empresa de tecnología de juegos a las capas adicionales de supervisión y presentación de informes necesarias en un contratista de defensa de 100 años. Aprendimos a crear nuestra propia realidad. Formé una organización informal llamada Laboratorios de Mundos Virtuales y la modelé según los famosos Skunkworks de LM en California. De hecho, los Skunkworks se convirtieron en miembros de VWL. Aprendimos en el primer año que cada vez que se presenta una propuesta de patente, se recibe un cheque, y otro cuando se otorga la patente. Entonces, esto se convirtió en nuestro programa de incentivos. Nos sentábamos a inventar cosas en AR, RV y AI. Al final de mi período de 5 años y medio allí, habíamos acumulado más de 100 solicitudes de patente en un pequeño grupo de alrededor de 40 personas.

Uno de los programas más divertidos y relevantes fue la creación del Marco de Mundos Virtuales del DOD. Habíamos sido parte de varios ejercicios de juegos de guerra conjuntos a gran escala y vimos las frustraciones por la falta de interoperabilidad entre sistemas propietarios que necesitaban trabajar juntos en estos ejercicios de simulación en vivo, constructiva y virtual. Nuestra primera reacción fue que este era un problema resuelto… ¡Se llama Internet! Si la comunidad de adquisiciones podía hacer que todos se adhirieran a los servicios web, podríamos construir sistemas de entrenamiento integrados mejor. Y WebGL acababa de pasar la prueba del Consorcio de la World Wide Web. Había llegado el momento de un cambio en los negocios habituales. El Pentágono emitió una solicitud de propuesta para un “marco de mundo virtual común” para la simulación integrada. El jefe de ese programa en el Pentágono era un piloto de la Fuerza Aérea creativo y ex llamado Frank Digiovanni. Lo llamamos D9. Me recuerda mucho a las historias del coronel John Boyd, quien abogó por la destrucción creativa de nuestros programas de aviones de combate y la forma de pensar en la Fuerza Aérea.

El problema era que D9 nos dijo explícitamente a nuestro equipo de adquisiciones que “no quería ninguna empresa como Lockmart” para construir ese nuevo marco. Pero David y yo nos presentamos allí, junto con la lista habitual de alrededor de 17 proveedores que ofrecían en el programa, y ganamos. Aprendimos después que todos los demás se presentaban con una solución propietaria y trataban de hacer que el gobierno la adoptara. Nos presentamos para nuestra presentación verbal en el edificio Reagan en Washington D.C. con nada, pero dijimos que la respuesta a este problema profundo radicaba en la arquitectura de Internet. Dijimos que podríamos diseñarlo en unos meses y tener un prototipo funcional en seis. También dijimos que debería ser de código abierto. Ganamos “de manera clara y convincente” según D9, porque nuestro enfoque era tan fresco y diferente y “fuera de la caja”.

Cuando regresé a Orlando para explicar esta nueva victoria a la dirección de nuestra división de Lockheed Martin, me llamaron la atención. Me felicitaron, pero luego preguntaron sobre la parte de código abierto. “¿Qué significa esto para nuestro negocio de simulación constructiva existente?”, preguntaron. Mi respuesta: “Lo desmantelará por completo”. Hubo una pausa, y luego la inevitable pregunta: “¿Cómo ganaremos dinero? ¿Cuál es el modelo de negocio?” Mi respuesta: “Los modelos de negocio serán legión”. Todavía disfruto de las cejas fruncidas confundidas que esa respuesta evocó. Pasé por todas las formas en que Red Hat logró construir un negocio de varios miles de millones de dólares sobre la base de software gratuito, pero no creo que nunca se sintieran cómodos con la interrupción.

Mi título en ese momento era Director de Tecnología Emergente y Disruptiva, junto con mi título de Arquitecto Jefe de Laboratorios de Mundos Virtuales. Trabajé durante el año siguiente tratando de hacer que Lockheed aceptara más autodestrucción y destrucción creativa de Schumpeter. Describí la innovación en grandes organizaciones como Lockheed como similar al parto. La gente ama la idea de tener hijos. Es bueno para la sociedad y muy gratificante. Los hijos son nuestro futuro. Pero a través de la lente incorrecta, los hijos también pueden considerarse parásitos. Desde el momento en que se establecen en el útero, comienzan a tomar recursos. Si no fuera por las condiciones protectoras del útero, los anticuerpos de la madre saldrían a destruir al bebé. La innovación en Lockheed era como eso. Todos quieren y hablan de innovación, pero nadie quiere sacrificar sus recursos por ella cuando el pago es tan lejano. (Ver mi animación de pizarra sobre cómo la innovación es como el parto.)

Durante su tiempo en Lockheed Martin, una de las patentes que co-autorizó suena como algo salido de una película de ciencia ficción, llamada el holodeck. ¿Qué es exactamente el holodeck?

En 2009, me invitaron a Los Ángeles por James Cameron durante la producción de su película Avatar. Habíamos trabajado con Jim antes (en “The Abyss”) y quería mostrarme su nueva cámara 3D que había inventado con Vince Pace (a quien también conocíamos de “The Abyss”). Pero lo que realmente me cautivó fue el conjunto virtual dentro del gran hangar de aviones Hughes. Pasé mucho tiempo allí con una pequeña pantalla plana solo caminando por el mundo virtual de Pandora. Escribí sobre esto para Armed Forces Journal y concebí con David Smith la idea de construir un gran campo de entrenamiento virtual del tamaño de un campo de fútbol. En ese momento, estábamos trabajando en un programa llamado Future Immersive Training Environment (FITE) para los Marines. En ese programa, el marine llevaría una computadora portátil en la espalda y el casco. Todo ese equipo adicional realmente causó algunas preocupaciones sobre entrenamiento negativo. Nunca olvidaré al sargento que se lo puso y dijo: “tenemos que entrenar como luchamos, ¿verdad?” y luego se tiró al suelo y rodó, aplastando todos los electrónicos en pedazos inútiles. El concepto de Holodeck era más como el Volumen de James Cameron para filmar; donde los actores tienen trajes de seguimiento de luces y toda la instrumentación está alrededor de ellos. La pantalla de visualización de cabeza era aún necesaria, pero era inalámbrica y ligera. Más como la Oculus Quest de hoy. Incluso averiguamos cómo hacerlo afuera, en la luz del sol.

En 2015, escribió que no deberíamos preocuparnos tanto por las máquinas que toman el control, sino que deberíamos averiguar cómo lograr el equilibrio correcto entre humanos y automatización para optimizar los resultados. ¿Sigue pensando que la sociedad se preocupa demasiado por la IA o las máquinas que toman el control?

Cuando personas muy inteligentes con una gran cantidad de experiencia en este espacio (como Ray Kurzweil, Stephen Hawking, Elon Musk, James Cameron y Bill Gates) expresan preocupaciones, debemos prestar atención y rastrear el progreso hacia la inteligencia artificial general y las implicaciones para la sociedad. Si hemos aprendido algo recientemente, es que la experiencia en el dominio es importante, y siempre debemos prestar atención a las advertencias de personas con una experiencia más profunda que la nuestra.

Dicho esto, para el futuro predecible, estamos viendo una interrupción más incremental que merece atención y acción inmediatas. Mi frase destilada sobre la imperativa del siglo XXI de lograr el equilibrio correcto entre humanos y automatización para optimizar los resultados es un tema crítico ahora. Realmente creo que cualquier persona que no lo haga bien está condenada a ser irrelevante pronto, no solo no competitiva. Cuando JP Morgan reemplazó 320,000 horas al año de revisión de préstamos con un sistema de aprendizaje automático llamado COIN, interrumpieron a sí mismos y crearon de inmediato un beneficio de $300 millones para su línea de fondo. Y ese beneficio es ahora una anualidad. Cualquiera de sus competidores que todavía tenga ese costo no podrá competir.

Creo que esto es cierto y es imperativo para las empresas, los gobiernos, incluso las personas. Estoy en la junta de un colegio comunitario en Carolina del Norte con 70,000 estudiantes. Estoy tratando constantemente de guiar a los estudiantes y nuestro plan de estudios hacia aquellos trabajos que aún serán realizados por humanos dentro de cinco años. Cuando encuentro a estudiantes que quieren ingresar a la radiología, les explico que las máquinas ya son mejores que los humanos para leer rayos X. Considere un nuevo campo o cómo ese campo probablemente cambiará con esa realidad. Esto no es futurismo. Es ahora.

¿Cómo piensa que los humanos piensan linealmente y las máquinas piensan exponencialmente? Claramente, usted es un pensador exponencial, ¿por qué es tan difícil para los humanos pensar exponencialmente?

El 70% de los estadounidenses no puede leer y comprender la sección de ciencia del New York Times (estudio de la Universidad Estatal de Michigan). Autores como Dan Ariely, en su libro de mayor venta “Predictably Irrational”, y otros hablan sobre cómo los humanos simplemente no somos buenos en el pensamiento estadístico. El pensamiento exponencial y logarítmico tampoco es muy universal. Mi mentor y héroe Alan Kay tiene una gran charla TED sobre universales y no universales en la educación. Escribí sobre esto en un artículo en el sitio web Getting Smart sobre repensar la educación desde los primeros principios. Básicamente, el razonamiento abstracto y deductivo es difícil a menos que se enseñe. Absolutamente tenemos un problema de educación que obstaculiza nuestra capacidad para comprender el progreso de la Ley de Moore o la probable propagación de una pandemia.

La pandemia actual arroja otra luz brillante sobre las implicaciones de tener líderes que no pueden pensar exponencialmente (o prestar atención a la experiencia).

Ha trabajado en RV desde los 90, ¿cómo se siente sobre algunas de las aplicaciones de consumidor de RV actuales, como la Oculus Quest?

Cada vez que veo el ascenso de la curva de la montaña rusa de la histeria de RV, comienzo a recordar a todos los tres principales restricciones que están evitando la adopción generalizada.

1. Algunos humanos serán físicamente incapaces de disfrutar de RV 3D estereoscópico para siempre.
2. La fricción de la configuración y la conexión hace que sea una experiencia que no muchos encontrarán deliciosa.
3. La fragilidad de los sistemas significa que solo los expertos en aficiones querrán manipular y solucionar problemas de conexión fallidos

Los humanos no han tenido una actualización en mucho tiempo (desde el Pleistoceno, según mi opinión) y algunos de nosotros tienen mucha dificultad para adaptarse a las pantallas 3D estereoscópicas. Una parte significativa de la población nunca se sentirá cómoda con RV inmersivo debido a cómo están cableados físicamente. Entonces, dejándolos a un lado por un momento, nos quedamos con el segundo gran problema: la fricción horrible de conexión a estos dispositivos. Hay demasiado cableado y ajuste antes de que uno pueda entrar en una experiencia. Y tercero es la fragilidad y la fragilidad de todos estos dongles y conectores adicionales.

La Oculus Quest superó con creces mis expectativas al eliminar por completo las segundas y terceras restricciones. En mi familia, pasamos tiempo en contenido de Oculus Quest casi todos los días. Esto es, en mi opinión, el gran avance que RV necesitaba. Ahora solo necesitamos ir la última milla y ver cómo podemos adaptar la tecnología para satisfacer a aquellos que tienen restricciones físicas que impiden disfrutar de RV.

¿Cuál fue su inspiración para lanzar Tanjo?

Descubrí el aprendizaje automático en 2009 mientras dirigía los Laboratorios de Mundos Virtuales en Lockheed Martin. El aprendizaje automático ya existía, por supuesto, pero ese fue el año en que entendí completamente hasta dónde había llegado y cómo era fundamentalmente diferente de la “inteligencia artificial” que habíamos estado utilizando en juegos de computadora y simulaciones de DOD antes de entonces.

Ahora pienso en la IA como avanzando en 3 etapas. En la primera etapa, que duró desde alrededor de 1958 hasta 2009 (mi marcador arbitrario), no le pedíamos a una computadora que computara algo hasta que los humanos lo entendieran completamente y pudieran descomponerlo en puertas lógicas pequeñas y frágiles y sentencias de si / entonces. Luego se lo alimentábamos a las computadoras como máquinas de estado finito o árboles de comportamiento jerárquico y ejecutábamos los programas. Al final, todo era solo código. No había nada mágico en ello.

La siguiente fase es el aprendizaje automático, donde un humano no necesariamente entiende cómo decirle a una máquina que conduzca un coche. Ahora simplemente alimentamos una gran cantidad de datos de entrenamiento a un grupo de bibliotecas de aprendizaje automático bien diseñadas que luego infieren su propia comprensión. Hoy en día, un sistema de aprendizaje automático puede simplemente ver 100 horas de video y conducir un vehículo autónomo perfectamente en cualquier lugar. (Suelo hacer la broma de que “en cualquier lugar, excepto en Roma”).

En Tanjo, estamos utilizando el aprendizaje automático en proyectos de corta duración para dar a los bancos y las instituciones de educación superior y las empresas Fortune 2000 la ampliación de la inteligencia y la automatización que está transformando la forma en que trabajan. Rutinariamente vemos rendimientos de la inversión de 10 veces de nuestras implementaciones. Y ese rendimiento suele ser una anualidad. ¿Cuántas inversiones de tecnología hemos visto antes que creen este tipo de ganancias de productividad? Hemos tenido mediciones de ROI validadas de hasta 600 veces; y un resultado vergonzoso de 1600 veces. No usamos el último como un estudio de caso porque se siente demasiado hiperbólico.

¿Podría discutir las Personas Animadas de Tanjo (TAP) y cómo funcionan?

Nuestro gran avance llegó cuando nos dimos cuenta de que estos sistemas de inteligencia de máquina asombrosos y extraños que estábamos construyendo miraban a las personas de la misma manera que miraban los objetos de información. Corrimos un experimento temprano con un conjunto de datos de entrenamiento de una aplicación de citas popular. Nuestro pequeño cerebro de aprendizaje automático creó gráficos de interés y mapas de sentimiento de cada persona a partir de su agotamiento de datos que surgieron pareciendo algo así como un perfil de Myers Briggs. Pensamos brevemente en hacer una aplicación de citas de aprendizaje automático en 2014. Fue una consideración muy breve, porque no cumplía con los objetivos ambiciosos que teníamos para hacer un trabajo significativo.

En su lugar, lo llamamos el “Motor de Empatía” y creamos lo que llamamos “Personas Animadas de Tanjo” a partir de estos patrones de comportamiento humano de aprendizaje automático.

La firma de análisis Gartner nos otorgó un premio “Proveedor fresco” en 2018 por este avance. Estamos ayudando a los investigadores de mercado a modelar y comprender (y con suerte, a forjar conversaciones más profundas y significativas con sus clientes; así como usarlo para modelar poblaciones de personas para estudiar la salud y el bienestar. Por ejemplo, podemos crear un modelo de población sintética de un código postal o un condado y simular qué intervenciones y mensajes fomentan un mejor comportamiento para reducir la propagación de un virus, o para reducir la obesidad, el tabaquismo, etc.

¿Utiliza el aprendizaje supervisado para educar a Tanjo?

El equilibrio entre humanos y máquinas es tan importante en la entrada como en la salida de estos sistemas. La supervisión humana absolutamente ayuda a entrenar el “Cerebro” de uno de nuestros sistemas de aprendizaje automático más rápido. Cuando creamos el cerebro de NC que unirá los 58 colegios comunitarios de Carolina del Norte, trabajamos con facultades y administradores de algunos de los mejores colegios aquí para asegurarnos de que su clasificación de diferentes áreas de conocimiento y cómo clasificaba el contenido era válido.

Uno de los productos de Tanjo es el ContractBot para el análisis de contratos. ¿Qué es el ContractBot y para qué tipo de empresas está diseñado principalmente?

Creamos Contractbot inicialmente para la industria contable. En 2017, FASBI (Interpretaciones de la Junta de Estándares de Contabilidad Financiera) estaba lanzando nuevas reglas sobre el reconocimiento de ingresos y el reconocimiento de arrendamientos para las empresas. Las firmas contables estaban celebrando conferencias en todo el país para prepararse a sí mismas y a sus clientes para estos cambios. Con nuestra lente de aprendizaje automático, nos dimos cuenta de que esta era una oportunidad perfecta para un sistema de aprendizaje automático estrecho para trabajar junto a los contadores para aumentar dramáticamente la velocidad del análisis, así como aumentar la precisión. Entrenamos un sistema en más de cuatro millones de contratos: desde una página de compra manuscrita escaneada hasta contratos con cien páginas de garantías y descargos y descripciones de pagos de hitos. Aprendió muy rápido a entender el lenguaje y clasificar los documentos o secciones de documentos y aplicar las reglas de negocio para analizar casi instantáneamente lo que le tomaría a un contador humano todo el día.

Este proyecto y otros son estudios de caso que proporcionamos para alentar a cualquier persona en los negocios hoy en día a tomar la lente de equilibrio humano-máquina y echar un vistazo cercano a cada actividad para determinar qué es la mezcla correcta de esfuerzo humano y máquina para optimizar sus negocios.

Cuando JP Morgan utilizó este enfoque para eliminar 320,000 horas anuales de revisión de préstamos, no solo obtuvieron un rendimiento de la inversión de 100 veces ese año, sino que también recibirán esa anualidad de pago cada año. Cualquier competidor de ellos que todavía tenga ese costo no solo será poco competitivo, sino irrelevante.

Uno de los productos más emocionantes que ofrece Tanjo es el Cerebro Empresarial de Tanjo. ¿Qué tipo de aprendizaje automático hay detrás de esto y cuáles son sus casos de uso?

Cuando usamos el aprendizaje automático para ayudar al Departamento de Educación de los Estados Unidos a crear el Registro de Aprendizaje, vimos el poder del aprendizaje automático para organizar y analizar el conocimiento. Cuando hablo de esto, suelo mostrar una diapositiva con una imagen de la última escena de “Raiders of the Lost Ark”; donde un empleado está empujando un carro con un cajón de aspecto aburrido para archivar este artefacto increíblemente potente que puede salvar o destruir el planeta, y tiene una pequeña etiqueta que dice ARC.

Lo que aprendimos del proyecto del Registro de Aprendizaje y otros es que la búsqueda empresarial está rota. Las empresas tienen información no etiquetada y escondida en pequeños lagos y estanques de datos que son inaccesibles o ininteligibles y, por lo tanto, no son transparentes para la consulta. En esta Era de la Información que se acelera, estamos perdiendo conocimiento ganado todos los días debido a métodos de almacenamiento y recuperación deficientes.

El Cerebro Empresarial de Tanjo vive dentro de su firewall, con código fuente completo, se conecta a todo y no tiene nada que hacer excepto leer y escanear y organizar todo lo que tiene acceso y esperar el momento emocionante en que detecta a un humano tratando de hacer algo que podría aprovechar la vasta mapa de información en sus dedos. Debido a que tiene tanto tiempo y poder e intimidad con el conocimiento organizacional, no se contenta con reducir su lectura de “Guerra y Paz” a #novelarusa #Tolstói #historiadeGuerra #historiaDeAmor. En su lugar, lo mapeará con lo que llamamos una “huella dactilar hiperdimensional” de hasta 4,000 conceptos ponderados. Este esfuerzo aparentemente sobrepotenciado rinde grandes dividendos para las instituciones de investigación, los bancos y los colegios con Cerebros Empresariales de Tanjo. Es costumbre que ellos realicen un valor que exceda con creces la tarifa de licencia, solo en el paso de mapeo de conocimiento organizacional que es parte del entrenamiento de su Cerebro Empresarial, cuando la dirección aprende cuánto del conocimiento en el que invierten y dependen realmente está allí y qué significa todo. Cuando se implementa el Cerebro Empresarial, la organización ahora tiene una lente con la que ver cómo se introdujo la información en sus sistemas, quién la promovió, quién la desafió y, en última instancia, cómo se tomaron las decisiones. Está convirtiéndose en una necesidad que es obvia retrospectivamente. Y al igual que el sistema de aprendizaje automático que implementó JP Morgan, paga dividendos para siempre.

¿Hay algo más que le gustaría compartir sobre Tanjo?

Tanjo está trabajando duro en este momento en un Cerebro de Covid-19. Siguiendo la tesis que impulsa a nuestra empresa, estamos determinando cómo lograr el equilibrio humano-máquina para asegurarnos de que la información y los recursos adecuados estén disponibles para las personas que toman decisiones importantes durante esta crisis. La capacidad de Personas Animadas de Tanjo se utilizará para modelar datos de población humana para rastrear la propagación viral, pero también determinar qué medidas y métodos de comunicación y las palabras reales obtendrán el comportamiento que necesitamos para ayudarnos a navegar con éxito fuera de esta crisis hacia un ecosistema más saludable para todos nosotros.

Esta ha sido una conversación fascinante, los lectores que deseen aprender más pueden visitar Tanjo.

https://youtu.be/f0_SbQYD5ec