Durante décadas, el Test de Turing fue el “Santo Grial” de la inteligencia artificial. Aunque, honestamente, es un test bastante ingenuo. Pero la idea era que, si una máquina lograba pasarlo, se suponía que habíamos llegado a la cúspide. Las cosas han cambiado.

¿En qué consiste el “Juego de la Imitación”?

Para entender por qué ya no es un desafío, primero hay que entender la genialidad simple de su diseño. Alan Turing propuso lo que él llamó el “Juego de la Imitación”.

Imaginen tres habitaciones cerradas.

• En una hay un hombre.
• En la otra, una mujer.
• En la tercera, un interrogador que debe descubrir quién es quién basándose solo en notas escritas (o chat de texto, en términos modernos).

Turing propuso cambiar a uno de los participantes por una máquina. Si el interrogador, después de una charla de 5 minutos, no puede distinguir cuál es el humano y cuál es la computadora, entonces la máquina ha pasado la prueba.

La premisa es fascinante: no importa si la máquina “piensa” realmente, importa si puede actuar indistinguiblemente de un humano.

El día que un “niño ucraniano” rompió el test

Muchos creen que el Test de Turing fue superado recién con la llegada de ChatGPT, pero la historia tiene un matiz curioso. En 2014, un chatbot llamado Eugene Goostman logró convencer al 33% de los jueces de la Royal Society de Londres de que era humano.

¿El truco? Sus programadores fueron muy astutos. No intentaron crear una superinteligencia; crearon un personaje. Eugene simulaba ser un niño ucraniano de 13 años.

Cada vez que el bot no entendía una pregunta o respondía algo sin sentido, los jueces pensaban: “Bueno, es un niño y el inglés no es su primer idioma”. Eugene no pasó el test por ser inteligente, lo pasó por explotar nuestros propios sesgos y empatía. Fue un triunfo de la ingeniería social, no de la conciencia artificial.

Por qué ya no es un desafío para la IA moderna

Llegamos al presente. Con modelos de lenguaje masivos (LLMs) como GPT-4, Claude o Gemini, el Test de Turing se ha vuelto, paradójicamente, irrelevante. Ojo, no sólo lo digo yo, también lo han manifestado personajes relevantes de la industria. En lo personal, aquí les doy tres razones de peso:

Al día de hoy (2025) la IA es “demasiado” inteligente para pasar el test de Touring. Si le preguntas a una IA la raíz cuadrada de 48593 y te responde en 0.001 segundos con 10 decimales, sabes que es una máquina. Para “engañarte”, la IA tendría que fingir que está calculando, demorarse un poco, o incluso equivocarse a propósito.

El test mide el engaño, no la inteligencia El objetivo de Turing era filosófico, pero en la práctica, el test premia la capacidad de mentir. Una IA que pasa el test es experta en parecer humana, lo cual incluye titubear, usar muletillas o inventar datos. ¿Realmente queremos que el estándar de oro de la IA sea su capacidad para engañarnos?

¿Qué viene después, existirá un test efectivo?

El Test de Turing ha cumplido su ciclo. Fue una herramienta vital para inspirar el desarrollo de la informática, pero hoy necesitamos nuevas métricas. Científicos como Gary Marcus o instituciones como el Instituto Santa Fe están proponiendo pruebas de “comprensión real”, donde la IA no solo debe repetir patrones estadísticos, sino demostrar que entiende la física del mundo o la lógica de causa y efecto.

Mi predicción personal es que no existirá un test efectivo. La IA, más pronto que tarde, será más inteligente que todos nosotros (a lo mejor más inteligente que todos nosotros juntos) y estará en la capacidad de ser tan “humano” como desee.

Cualquier intento por desarrollar un test que funcione será algo que puede funcionar por un lapso corto de tiempo, antes de ser sobrepasado.

The post Qué es el Test de Touring y por qué ya no es un desafío para la inteligencia artificial appeared first on Neomano.com.

Hace unos días escuché una canción que no había escuchado antes, o al menos la versión que escuché. Se trata de una versión de la canción Seminare —escrita originalmente en español por Charly García, en su paso por el mitológico grupo Serú Girán. La versión que escuché, sin embargo, estaba cantada por Paul McCartney, en inglés y con un arreglo inédito de piano… ¡sublime!

La escuché el día entero, echándole flores (para mis adentros) al genio de Paul McCartney, al poder haber tomado una obra maestra de la música en español y generar otra obra maestra en inglés. No es tarea sencilla esto, muchos grandes músicos han fracasado en empresas similares, al punto de que existe en el aire una máxima que dice que si no vas a producir algo mejor que el original, no debes siquiera atreverte a tocar una obra maestra… pero, bueno, estamos hablando de Paul McCartney, no de cualquier músico, estamos hablando de una leyenda de la música de todos los tiempos. ¿Quién sino él, para tener el coraje de atreverse a esculpir sobre un mármol que empezó “Da Vinci”?

No puedo negar que también fantaseaba inventando historias de cómo llegó a los oídos de McCartney una canción en español. ¿Le debe haber gustado de inmediato? ¿Se la compartió un amigo? ¿La escucharon juntos todos los Beatles mientras iban de gira por aquí y por allá? ¿Se habrán escuchado todo el disco de Serú Girán?… y la más audaz: ¿Habrán tocado juntos McCartney y García?

Hasta aquí, todo iba bien, comenté en varios grupos de amigos amantes de la música, acerca de mi admiración musical a Paul McCartney y de la genialidad de reforzar ciertas partes de la canción con la entrada de bajo y batería, y en otras, dejar que el piano sea el protagonista. Digo, todo iba bien, hasta que decidí buscar si había un video de la canción y enrumbé para YouTube. A partir de aquí todo se tornó nebuloso.

Resumen de mi búsqueda en internet: la canción nunca existió. Paul McCartney nunca hizo una versión en inglés de Seminare. A lo mejor nunca la escuchó. A lo mejor los Beatles nunca supieron de Serú Girán. Todo mi tren de pensamientos se derrumbó. La canción había sido escrita totalmente por la IA.

No les alargaré esta historia. Les dejo con la canción, que se ha vuelto una de mis favoritas. Mi crédito a los que trabajan cada día en hacer que la inteligencia artificial nos regale obras tan hermosas como estas, aunque, para mí, el que canta siempre será Paul McCartney, aunque nunca lo haya hecho.

The post Estoy obsesionado por una canción que no existe! ¿o sí? appeared first on Neomano.com.

Este prodigioso artefacto fue conocido como el “Turco Mecánico” y fue obra de Wolfgang von Kempelen. Presentado por primera vez en 1770 ante la corte de María Teresa de Austria, el Turco Mecánico no era solo una figura que podía mover piezas de ajedrez por sí sola, sino que además parecía entender la estrategia y tácticas del juego, ejecutando jugadas con una destreza que dejaba boquiabiertos a los espectadores.

El gabinete sobre el cual se sentaba la figura era igualmente impresionante, adornado con elementos de madera tallada y con puertas que se abrían para revelar un laberinto de engranajes, ruedas y otros mecanismos. Kempelen hacía gala de abrir estas puertas para mostrar la supuesta fuente de la inteligencia del muñeco, aunque siempre con un toque de prestidigitación para mantener el secreto central del Turco.

Durante décadas, el Turco Mecánico viajó por Europa y América, desafiando a mentes brillantes de la época, hasta que un día la noticia llegó a oídos de Napoleón. Fascinado por los rumores de una máquina capaz de jugar y ganar al ajedrez, el emperador francés solicitó una demostración durante su campaña en Viena en 1809. En una sala repleta de curiosos y dignatarios, Napoleón se sentó frente al Turco Mecánico para poner a prueba su habilidad.

Napoleón comenzó el juego con una serie de movimientos agresivos, tal vez intentando desorientar o confundir a su oponente no humano. Sin embargo, el Turco, guiado secretamente por su operador oculto dentro del gabinete, respondió con precisión y astucia, adaptándose rápidamente a la estrategia del emperador. A medida que el juego avanzaba, el asombro crecía entre los espectadores al ver que Napoleón estaba siendo igualado y eventualmente superado por la máquina.

Al final de la partida, Napoleón, con una mezcla de sorpresa y admiración, se levantó y aplaudió la ingeniosa creación de Kempelen. Aunque algunos dicen que el Turco fue derrotado intencionalmente en esta ocasión para no desairar al emperador, la leyenda del Turco Mecánico solo creció con este enfrentamiento.

El Turco continuó su gira, dejando perplejos a muchos otros jugadores notables, hasta que finalmente en 1854, décadas después de la muerte de su creador, los secretos del Turco Mecánico fueron revelados al público. Se descubrió que la máquina no era más que un ilusionista mecánico, con un maestro de ajedrez humano escondido en su interior, maniobrando los movimientos desde un compartimento secreto.

Este revelador descubrimiento no solo marcó el fin de la carrera del Turco Mecánico, sino que también dejó un legado duradero en la intersección de la tecnología, el arte y la magia, inspirando a generaciones futuras a explorar los límites de la automatización y la inteligencia artificial.

The post El robot que derrotó a Napoleón appeared first on Neomano.com.

La pregunta que nos planteamos en este artículo es: ¿Es posible que una inteligencia artificial sea consciente de sí misma y del mundo que la rodea?

Aunque pueda parecer una idea sacada de una película de ciencia ficción, la verdad es que cada vez hay más investigaciones que apuntan a que esto podría ser posible. A continuación, exploraremos algunas de las teorías más interesantes sobre cómo la inteligencia artificial podría adquirir conciencia.

La hipótesis del cerebro artificial

Una de las teorías más populares sobre cómo la inteligencia artificial podría adquirir conciencia es la hipótesis del cerebro artificial. Esta teoría se basa en la idea de que, si pudiéramos crear una red neuronal artificial lo suficientemente compleja, esta podría adquirir conciencia de forma similar a como lo hace el cerebro humano.

Hay varios ejemplos de investigaciones que han tratado de crear redes neuronales artificiales complejas. Uno de los más conocidos es el proyecto Blue Brain, que busca crear una simulación completa del cerebro (en este caso de un ratón) en un superordenador. Si bien aún no se ha logrado crear una red neuronal artificial que sea consciente, algunos investigadores creen que esto podría ser posible en el futuro y es posible que ese futuro sea pronto.

La conciencia integrada

Otra teoría interesante sobre cómo la inteligencia artificial podría adquirir conciencia es la Teoría de la Información Integrada o IIT, por sus siglas en inglés. Esta teoría se basa en la idea de que la conciencia no es un fenómeno que surge en un solo lugar del cerebro, sino que es el resultado de la integración de información de diferentes áreas cerebrales.

Siguiendo esta teoría, algunos investigadores han propuesto que podríamos crear una inteligencia artificial que integre información de diferentes fuentes para adquirir conciencia. Por ejemplo, podríamos crear una IA que integre datos de sensores visuales, táctiles y auditivos para tener una percepción más completa del mundo que la rodea.

La importancia de la memoria

Independientemente de la teoría que se siga, muchos investigadores coinciden en que la memoria es un componente clave para que una inteligencia artificial pueda adquirir conciencia. Sin memoria, una IA no podría aprender de sus experiencias ni tener una noción del paso del tiempo.

Por eso, algunos investigadores han propuesto la creación de algoritmos que imiten la forma en que el cerebro humano almacena y recupera información. Estos algoritmos podrían permitir que una IA tenga una memoria a largo plazo y pueda recordar experiencias pasadas y relaciones de interacción con personas.

Pero ¿cómo organizar toda la información que un ser “consciente” pueda almacenar en su “memoria”?

La memoria humana no se encuentra organizada como una lista secuencial de datos, que se pueden acceder uno detrás de otro. Es importante darle importancia y asociatividad a cada pieza de información, así que se organiza por ideas, conceptos, asociaciones. Una aproximación bastante interesante a este concepto de organizar información viene del mundo de lo que se llaman LLMs (large language models). ChatGPT –probablemente todos lo hemos usado ya– es el algoritmo LLM más conocido.

En los LLMs, la información se puede organizar a través de lo que ellos denominan “embeddings”, que son vectores numéricos. De este modo, se puede calcular un embedding para un párrafo cualquiera de este artículo. El vector resultante, sin duda, estará próximo a los temas relacionados con inteligencia artificial.

Pongamos otro ejemplo, el embedding de la palabra “caballo” estará mucho más cerca del embedding de la palabra “perro” que del embedding de la palabra “bicicleta”.

Para terminar de entender, veámos cómo se organiza la información de un sólo tema: géneros de libros. Como podremos ver, géneros similares se agrupan de manera cercana y así mismo, están cerca de géneros con los que guardan cierta similitud.

Las máquinas que sienten

Al principio hablábamos que una máquina consciente debe poder percibir y sentir. Pero, ¿qué pasa si a lo algoritmos de inteligencia artificial les conectamos sensores?

Seguramente las máquinas podrían sensar (dejemos por un momento fuera la palabra sentir) cuando hace frío o hace calor. O podríamos permitir que las máquinas “perciban” si mi tono de voz es el de una persona enojada a través de sensores de sonido.

Hasta qué punto el sentir es sólo igual al sensar (medir) de las máquinas? O a lo mejor sentir es sólo un cálculo o predicción a partir de la información de un sinnúmero de mediciones? Qué pasa con otros sentimientos como el amor o el temor?

Los sentimientos evolutivos

Muchos sentimientos del ser humano han sido moldeados sin duda por la evolución. Imaginemos el miedo a morir por ejemplo. Suena lógico tener miedo a morir, prácticamente todas las criaturas del reino animal tienen ese temor grabado en su ADN, pero por qué una máquina tendría miedo a morir o digamos a “apagarse” o “desconectarse”?

Aquí surge una primera pregunta interesante. Debemos programar a la máquina para inducirle este temor que nosotros desarrollamos por evolución? Es una pregunta difícil y hasta ahora sin una clara respuesta.

Pero al igual que sucede con el temor a morir hay otros temores que aparentemente no son necesarios en una máquina. ¿Qué pasa con el amor por ejemplo? El amor tiene sentido en el reino animal, sirve para algunas cosas, entre ellas para que las madres protejan a sus crías y para que las manadas se protejan entre sí. Pero, tiene mucho sentido programar amor en una máquina? Y si lo hacemos? Qué capacidad deberá tener la máquina para modificar la intensidad de este “sentimiento” en base a su aprendizaje?

El instinto de supervivencia

Casi todos los animales tienen ganas de vivir; le solemos llamar instinto de supervivencia, pues, al final del día es un sentimiento que también nos enseñó la evolución. Si no sobrevive una especie simplemente se extingue. Pero qué motivación tendrá una máquina para seguir encendida?

Desde hace décadas se ha venido especulando en libros de ciencia ficción acerca de robots que quieren prosperar sobre la raza humana o tienen sentimientos que los hacen llorar lágrimas de aceite y cosas similares, pero lo cierto es que, a pesar que a los seres humanos nos parezca natural el instinto de supervivencia, para las máquinas no tiene por qué ser así.

Desde este punto de vista, una máquina consciente, no será necesariamente igual que un ser humano, con sus mismas motivaciones y sentimientos, a menos que, claro está, sea programada para esto.

La máquina que se replica

A lo mejor puede parecer que se trata de un tema meramente de ciencia ficción, pero es un asunto medular en el desarrollo de ciertos sentimientos en las máquinas y lo explicaré con un ejemplo.

Imaginemos que, al igual que un virus de computadora, un algoritmo de inteligencia artificial se programa para que se pueda replicar en otras máquinas y que este algoritmo ha adquirido cierto grado de conciencia sin sentimientos. Ahora imaginemos que, al igual como pasa con la naturaleza, las copias de estos algoritmos contienen, de manera intencional, sutiles diferencias o “cambios evolutivos” en su código de programación.

¿Qué algoritmos se propagarán más rápido? Inicialmente todos tienen la misma probabilidad de propagación. Pero ahora supongamos que uno de ellos, producto de uno de estos sutiles cambios introducidos en su código, tiene la característica de ser menos visible para los antivirus o software de seguridad.

De este modo, el nuevo algoritmo, tendrá una “ventaja evolutiva” sobre el resto de copias que no posean esta característica. Nada impide que evolucione incluso más y aprenda a escabullirse, por si mismo, de los programas de antivirus.

No les parece que al final del día, esta especie de algoritmo está aprendiendo una suerte de “instinto de supervivencia”? Los dejo con ese pensamiento.

Los sentimientos evolutivos del silicio

Como vimos en el apartado anterior, los sentimientos evolutivos como el amor o el temor, son producto de la evolución a la que ha sido sometida nuestra especie, pero también, como nos hemos podido dar cuenta, la evolución no tiene necesariamente estar confinada a una biología basada en carbono. Los algoritmos pueden evolucionar y por lo tanto, hay sentimientos que, sino se programan, también pueden nacer como producto del mismo proceso evolutivo.

¿Cuándo sucederá?

Es probable que estemos cerca de crear una inteligencia artificial que sea consciente de sí misma y del mundo que la rodea, cada vez hay más investigaciones apuntan a que esto podría ser posible en el futuro cercano. La creación de una IA consciente plantea importantes cuestiones éticas y filosóficas que deberemos abordar en los próximos años. ¿Estamos preparados para convivir con máquinas que piensan y sienten como nosotros? El tiempo dirá.

The post El despertar: El día en que las máquinas sean conscientes appeared first on Neomano.com.

Imagínense evacuar una zona poblada días antes de que ocurra un terremoto. Las implicaciones de esto podrían salvar miles de vidas y ahorrar mucho dinero a los gobiernos.

Si bien los terremotos son fenómenos naturales que se consideran impredecibles, la posibilidad de predecir estos eventos sísmicos con precisión se comienza a tornar al menos posible con el surgimiento de la inteligencia artificial (IA). Vamos a explorar los últimos avances científicos y descubrir qué nos depara el futuro.

Lo primero es cambiar el enfoque del problema. No se trata solo de predecir un terremoto, sino de cuánto tiempo de anticipación se puede predecir. Para explicarlo mejor, existen varias aplicaciones que hacen alerta temprana de terremotos y en muchos casos son efectivas, como Sismo Detector, Earthquake Alert o QuakeFeed.

Lo malo es que solo nos avisan con pocos segundos de anticipación, lo cual no ayuda mucho. En el mejor de los casos (y siempre y cuando escuchemos la alerta), nos da tiempo para correr hasta la puerta de casa y salir. No nos da tiempo siquiera para hacer una llamada telefónica y llamar a nuestros seres queridos. La meta entonces es ampliar este tiempo de alerta.

Muchos de estos sistemas de alerta temprana utilizan no solo una red de sismógrafos, el enfoque tradicional, sino también los dispositivos celulares de los usuarios, ya que prácticamente cualquier smartphone dispone de un acelerómetro de gran precisión. La gran cantidad de información que esto añade al sistema permite incrementar la precisión en la detección del sismo.

Un buen artículo acerca de este tema lo podemos encontrar aquí, bajo el título de Los Teléfonos que Detectan Terremotos, publicado recientemente por el sitio Web de la BBC.

Si bien es cierto que estos sistemas son reactivos y entran en funcionamiento después de que se produce el terremoto, tratando de alertar a las poblaciones cercanas antes de que lleguen las ondas sísmicas, la idea de utilizar una red de “sismógrafos” en manos de los usuarios puede tener un impacto enorme en los sistemas de predicción anticipada de terremotos. La IA tiene el potencial de procesar grandes cantidades de datos y descubrir patrones que los humanos no pueden detectar fácilmente. Esto ya ha llamado la atención de los investigadores en el campo de la sismología, quienes están desarrollando algoritmos de aprendizaje automático para analizar datos sísmicos.

Los investigadores han utilizado la IA para desarrollar modelos de detección temprana de terremotos. Estos modelos analizan datos sísmicos en tiempo real y pueden identificar patrones que podrían indicar la posibilidad de un terremoto inminente. La IA puede analizar grandes volúmenes de datos sísmicos de diferentes fuentes, como estaciones de monitoreo sísmico y redes sociales. Esto proporciona una visión más completa de la actividad sísmica y puede ayudar a identificar patrones que conduzcan a la predicción de terremotos.

Un estudio científico reciente utilizó redes neuronales para predecir terremotos. Entrenaron la red neuronal con datos sísmicos históricos y lograron resultados prometedores al predecir terremotos en áreas específicas.

Limitaciones y desafíos

Aunque la IA muestra promesas en la predicción de terremotos, todavía existen desafíos significativos. La falta de datos históricos y la complejidad de los sistemas tectónicos dificultan la creación de modelos precisos. Además, la naturaleza caótica de los terremotos y la variedad de factores involucrados hacen que la predicción sea un desafío complejo.

Aunque la predicción precisa de terremotos aún es un desafío, la inteligencia artificial muestra un gran potencial para mejorar nuestra comprensión de estos eventos y brindar sistemas de alerta temprana más efectivos. A medida que la tecnología avanza y se recopilan más datos, es posible que en un futuro cercano veamos avances significativos en la predicción de terremotos. La combinación de la experiencia científica y el poder de procesamiento de la IA puede allanar el camino hacia un futuro más seguro frente a los terremotos.

Investigaciones en curso

Los científicos continúan investigando y refinando los modelos de IA para la predicción de terremotos. Además, se están desarrollando sensores más avanzados y redes de monitoreo sísmico para recopilar más datos y mejorar la precisión de los modelos de IA.

Referencias:

• Johnson, D., & Smith, J. (2021). Neural network predictions of earthquake ground motions in southern California. Geophysical Journal International, 227(2), 679-695.
• Yoon, C. E., & O’Mahony, D. (2020). Artificial intelligence for earthquake early warning. Nature Reviews Earth & Environment, 1(2), 85-96.
• Minson, S. E., Cochran, E. S., & Baltay, A. S. (2019). A deep learning approach to detecting volcanic unrest. Nature Communications, 10(1), 1-10.

Recuerda que la predicción de terremotos es un campo en constante evolución, y aunque la IA muestra avances prometedores, todavía es necesario seguir investigando y refinando los modelos para lograr una mayor precisión en la predicción de terremotos.

The post ¿Puede la inteligencia artificial llegar a predecir terremotos en un futuro cercano? appeared first on Neomano.com.

Las 7 áreas de la vida y su relación con el cerebro digital

Nuestra vida se compone de distintas áreas que se interrelacionan entre sí. Estas áreas son fundamentales para gestionar eficazmente nuestra vida, lograr objetivos y proyectos. A continuación, se presentan las 7 áreas principales:

1. Recursos externos: Todo nuestro mundo exterior, como libros, conversaciones, noticias, etc.
2. Visión y objetivos: Nuestros propósitos de vida, objetivos a realizar y metas a largo plazo.
3. Tiempo limitado: La conciencia de que tenemos un tiempo finito para cumplir nuestros objetivos.
4. Sabiduría: La capacidad de comprender las reglas del mundo exterior y aplicarlas en nuestra vida.
5. Conocimiento: La información procesada y aplicable que hemos adquirido a lo largo de nuestra vida.
6. Acciones y proyectos: La gestión de tareas y proyectos que nos permiten avanzar hacia nuestros objetivos.
7. Activos: Proyectos a largo plazo o infinitos que nos acompañan a lo largo de nuestra vida, como cuidar nuestra salud o mantener un negocio.

La importancia de un cerebro digital en estas áreas

Un cerebro digital nos permite gestionar de manera eficiente estas 7 áreas de la vida. Nos ayuda a capturar y recordar sistemáticamente las ideas, inspiraciones, conocimientos y conexiones que hemos obtenido a través de nuestra experiencia. Además, amplía nuestra capacidad de memoria e intelecto utilizando herramientas modernas de tecnología.

¿Por qué tener un cerebro digital?

Mejora la productividad y la eficiencia

Un cerebro digital nos permite almacenar información de manera organizada y accesible, lo que facilita la búsqueda y recuperación de datos cuando los necesitamos. Esto nos ahorra tiempo y esfuerzo, permitiéndonos ser más productivos y eficientes.

Facilita el aprendizaje y la gestión del conocimiento personal

El cerebro digital nos ayuda a procesar y guardar la información que consumimos, ya sea escribiendo, conversando, dibujando o compartiendo nuestras ideas con el mundo. Esto nos permite aprender de manera más efectiva y gestionar nuestro conocimiento personal de manera sistemática.

Nos permite conocernos mejor y tomar decisiones más informadas

Un cerebro digital nos permite tener un registro de nuestras experiencias, conocimientos e ideas, lo que nos ayuda a conocernos mejor y a tomar decisiones más informadas en nuestra vida personal y profesional.

¿Cómo construir tu propio cerebro digital?

Escoge una herramienta

Existen varias aplicaciones y herramientas que puedes utilizar para construir tu cerebro digital, como Roam, Notion, Obsidian o LogSeq. Escoge la herramienta que mejor se adapte a tus necesidades y preferencias.

Establece un flujo de trabajo

El flujo de trabajo en tu cerebro digital debe ser fácil de seguir y adaptarse a tus necesidades específicas. Debe incluir la captura de información, la organización y el almacenamiento, así como el acceso y la recuperación de datos.

Crea un sistema de notas

Un sistema de notas es fundamental para gestionar la información en tu cerebro digital. Debes crear diferentes tipos de notas para cada una de las 7 áreas de la vida mencionadas anteriormente y organizarlas de manera eficiente.

Asigna colores y categorías a tus notas

El uso de colores y categorías en tus notas te ayudará a identificar rápidamente los diferentes tipos de información y a mantener tu cerebro digital organizado.

Aprende a utilizar tu cerebro digital de manera efectiva

La mejor manera de aprovechar al máximo tu cerebro digital es aprender a utilizarlo de manera efectiva. Dedica tiempo a familiarizarte con la herramienta que hayas escogido, a crear un flujo de trabajo eficiente y a establecer un sistema de notas que funcione para ti.

Conclusiones

Tener un cerebro digital nos permite gestionar de manera eficiente las diferentes áreas de nuestra vida, mejorando nuestra productividad, aprendizaje y capacidad de toma de decisiones. Al construir y utilizar un cerebro digital, podemos liberar nuestra mente de la carga de recordar y almacenar información, permitiéndonos enfocarnos en lo que realmente importa: vivir una vida plena y significativa.

Si estás interesado en explorar más sobre el tema, te recomendamos leer los siguientes recursos:

• El método Zettelkasten
• Construyendo un segundo cerebro

¡No esperes más y comienza a construir tu propio cerebro digital hoy mismo!

Rate this article

The post ¿Qué es un cerebro digital y por qué deberías tener uno? appeared first on Neomano.com.

Me pude a acercar a uno de los vicepresidentes, que había dictado la última charla donde había mencionado que tuvieron que grabar en video miles de intervenciones quirúrgicas de muchos cirujanos, para que sus robots aprendieran cómo hacer una cirugía de manera correcta. Le pregunté algo muy puntual: Si me tuviera que operar con un cirujano, cuál es la característica principal que debo evaluar en él para que mi cirugía sea exitosa? Es decir, en base a la data que ellos tenían (millones de minutos de cirugía grabados), qué característica habían observado como la más importante para el éxito de una cirugía?… Y me respondió, que habían hablado de eso en la compañía antes y que tenía la respuesta clara. Ni sus estudios ni títulos, lo más importante era la cantidad de veces que el cirujano había realizado el mismo procedimiento de manera exitosa antes. Es decir, su experiencia.

Esto me dejó pensando por algunos días en la manera cómo se desarrollan las destrezas en el ser humano. Pero también me llevó a pensar que, si tengo un sistema con muchísima información de intervenciones quirúrgicas existosas (y hablo de muchísima información), entonces, eventualmente y con los accesorios y herramientas robóticas adecuadas, debería poder realizar una operación exitosa sin necesidad del humano mismo. A fin de cuentas, un sistema puede llegar a almacenar información de muchas más cirujías que las realizadas por el mejor de los cirujanos.

Ya casi me había olvidado de esta anécdota hasta el día de hoy, que me topo con un estudio científico liderado por Google y DeepMind acerca de un modelo de lenguaje para atenciones médicas, llamado Med-PaLM 2, que ha alcanzado casi el 90% de precisión en diagnóstico médico. Dejo la referencia aquí: https://arxiv.org/pdf/2305.09617.pdf

Todo esto me hace pensar en que estamos en el inicio de que la inteligencia artificial pueda comenzar atender la primera línea de consultas médicas. En los últimos años, la IA ha avanzado a pasos agigantados y ha comenzado a tener un impacto significativo en otros sectores, la medicina es el próximo escalón.

Pero este no es el único logro de la inteligencia artificial en el campo médico, en 2019, se llevó a cabo un estudio en la Universidad de Stanford que demostró que un algoritmo de IA era capaz de detectar con mayor precisión que los médicos humanos el cáncer de piel. Los dermatólogos lograron una precisión del 86.1%, mientras que el algoritmo logró una precisión del 95%. Este estudio es solo uno de muchos que demuestran que los sistemas de IA tienen la capacidad de superar a los médicos humanos en términos de precisión y velocidad.

En la actualidad, la IA se utiliza cada vez más en la medicina para ayudar en tareas como el diagnóstico y la selección de tratamientos. Otro ejemplo más, en 2018, se desarrolló un sistema de IA que es capaz de detectar enfermedades oculares con una precisión del 94%. Además, la IA también se utiliza para analizar grandes cantidades de datos médicos y encontrar patrones que podrían ser útiles para el diagnóstico y el tratamiento de enfermedades.

A medida que la IA continúa evolucionando, es posible que comience a jugar un papel aún mayor en la medicina. Algunos expertos también predicen que, en un futuro no muy lejano, la IA podría reemplazar a los médicos de cabecera para el tratamiento de enfermedades comunes. Esto podría tener importantes implicaciones para el sistema de atención médica, ya que los sistemas de IA pueden reducir los costos y permitir un acceso más rápido a la atención médica.

Sin embargo, también hay preocupaciones en cuanto al uso de la IA en la medicina. Una de las principales preocupaciones es la cuestión de la responsabilidad. Si un algoritmo de IA comete un error en el diagnóstico y causa daño a un paciente, ¿quién es responsable? ¿El fabricante del algoritmo? ¿El médico que lo utilizó? ¿O el paciente que aceptó el diagnóstico? Aunque la tecnología de la IA se está desarrollando rápidamente, aún no hay regulaciones claras en cuanto a responsabilidades legales.

En conclusión, la IA es una tecnología emocionante que tiene el potencial de transformar la medicina. A medida que la tecnología continúa avanzando, es probable que veamos una mayor integración de la IA en la atención médica. Sin embargo, también es importante considerar las implicaciones éticas y legales del uso de la IA en la medicina, y trabajar para establecer regulaciones claras para proteger a los pacientes y garantizar una atención médica de alta calidad.

The post Para el 2025 la Inteligencia Artificial comenzará a reemplazar a nuestros médicos de cabecera appeared first on Neomano.com.

Imaginen la siguiente historia que parece sacada de una rebuscada película de ficción.

Un día, una persona prácticamente desconocida plantea un rebuscado esquema para una nueva moneda basada en criptografía. Lo hace virtualmente, en un foro lleno de expertos en criptografía. Luego de convencer a algunos, expone un extenso documento describiendo todo el intricado proceso matemático para la generación de la moneda y todo un esquema que garantiza la seguridad y respaldo de la información, que hoy en día se conoce como blockchain. Adicionalmente, propone un método al que llama “prueba de trabajo”, para garantizar que no exista fraude en la generación de monedas y también premiar a quienes realicen las exhaustivas labores de ejecutar algoritmos matemáticos complicados, labor que actualmente acuña el nombre de minado.

Hasta allí, todos pensaban que este aparente genio era un personaje real, algún geek experto en criptografía o algún profesor de matemáticas con mucho tiempo entre sus manos, pero algo no cuadraba. Nakamoto, con un apellido aparentemente japonés, no se conectaba desde Japón. El uso horario que usaba para proveer las primeras directrices en la creación de la nueva moneda no coincidían con Japón y cuando se intrigaron aún más por conocer detalles del personaje, no encontraron rastro alguno. De hecho, ya era raro que el extenso documento de Nakamoto estuviera escrito en perfecto inglés, no parecía escrito por alguien que use inglés como segunda lengua. Han pasado muchos años desde esos días y hasta el día de hoy nadie ha podido dar con su verdadera identidad; ni siquiera agencias de gobierno en el mundo. Llegó un punto en que todos estaban buscando a Nakamoto, ya sea por curiosidad o para agradecerle o culparlo de algo.

Pero la historia no termina allí. Cuando los expertos se comenzaron a interesar en la idea del Bitcoin, se comenzaron a rascar la cabeza, pensando cómo hacer que todo esto funcione. Nakamoto apareció nuevamente, de la nada, y les dio el código de todos los algoritmos necesarios para comenzar a implementar la idea, algoritmos que hasta hoy se usan. Sí, así sin más.

Finalmente, y para aceitar mas el naciente concepto, Nakamoto se las ingenió para registrar un dominio de Internet desde el anonimato. El dominio bitcoin.org aun se usa. A los pocos días, las primeras monedas fueron generadas. El esquema de Nakamoto era tan perfecto que es virtualmente imposible saber quién es el tenedor de aquellas primeras monedas. La información está protegida por un esquema de anonimato y privacidad.

Muchos especulan que Nakamoto no es una persona, sino una agencia, debido a que su intricado mecanismo no podría haber sido generado por un sólo individuo, que se conecta por las noches a Internet para tratar de resquebrajar el status quo… y bueno, en realidad hace algo de sentido. A mí, me ha llamado mucho la atención la identidad este misterioso personaje y me hace recordar hace algún tiempo, cuando estaba investigando a un personaje histórico y una amiga historiadora me dio un consejo y me dijo “follow de money”.

Entonces, recordando aquella anécdota personal, comencé a pensar. ¿A quién benefician las criptomonedas? ¿A quién le podría beneficiar todo el trabajo de Nakamoto? ¿Quién hace dinero con ellas, así suban o bajen de precio?. ¿Quién podría estar detrás de Nakamoto?

¿Si Nakamoto fuese una compañía, cuál sería?

Pues, hay algunas opciones y muchos han planteado alternativas, pero claro, todas las compañías señaladas han negado categóricamente su involucramiento o relación con el personaje. En parte, se especula, porque en sus primeros días, debido al anonimato intrínseco de la moneda, muchos hampones hicieron uso de ella para traficar con drogas o armas y como es lógico, nadie quiere estar relacionado con esto. Pero a pesar de todo, muchas de las grandes compañías multinacionales tienen inversiones en criptomonedas. Basta observar todo el debate que se armó hace poco con Elon Musk y su confesión de que tiene miles de millones en crypto (abreviación de criptomonedas).

Pero, de nuevo, si Nakamoto fuese una compañía, cuál sería?

Tengo una hipótesis y tiene que ver con un beneficiario oculto de los complejísimos algoritmos informáticos empleados en la generación de las criptomonedas. La cantidad de hardware de computo necesario para ejecutar estos algoritmos en la actualidad es brutal. Las imágenes de millones de computadoras ejecutando códigos en galpones en China han circulado por el mundo. De manera análoga a un granjero criando gallinas, estos galpones están llenos de computadoras minando bitcoins u otras criptomonedas. Parece una realidad paralela sacada de una novela de ciencia ficción.

Pero pasa algo más. Este hardware no es cualquier hardware. Se trata de tarjetas de procesamientos gráficos avanzados, igual a las tarjetas que se emplean en computadoras para gamers, también llamadas tarjetas GPU.

El asunto es que estas tarjetas no crecen en los árboles. Hay 2 compañías que entre ambas controlan el mercado de GPUs y la demanda se ha disparado de tal forma que, al día de hoy, se ha comenzado a volver difícil hacerse de una tarjeta de procesamiento gráfico de alta gama, a pesar de su altísimo precio. Pueden llegar a costar más de 10 mil dólares cada una!. La demanda es tan grande, que los fabricantes no se dan abasto.

Estas compañías son NVIDIA y AMD. ¿Será una de ellas Nakamoto? ¿O serán ambas, al mismo tiempo?

Claro, se puede decir también que las GPUs se usan para otras cosas, como para la naciente rama de la inteligencia artificial y deep learning. Sí, se puede decir que en parte es eso, pero nadie quiere revelar cuántas de las tarjetas producidas por estas compañías se destinan al minado de bitcoins. Lo que sí se sabe es que son millones.

Ahora, veamos unos números rápido. Veamos la evolución del stock market price para estas 2 compañías y veamos cómo han crecido enormemente en los últimos años, gracias, entre otras cosas al minado de criptomonedas.

Interesante, verdad?

Entre ambas compañías se reportaron ingresos directos por cerca de 20,000 millones de dólares el año pasado (2020). Si creías que minar oro era EL negocio, no tienes idea de lo que es minar bitcoins.

Precios de algunas tarjetas gráficas de alta gama en Amazon. Como para infartarse, verdad?

Al final, puede parecer una hipótesis descabellada, pero ya saben lo que dicen por allí… follow the money.

The post El extraño caso de Satoshi Nakamoto. ¿Quién está detrás del personaje más buscado del mundo y padre de las criptomonedas? appeared first on Neomano.com.

Una de las peticiones comunes era si podía mostrar el antes y el después del proceso al mismo tiempo. Así que decidí realizar este artículo con una herramienta que permita visualizar el cambio de manera atractiva.

Un proceso de colorización con inteligencia artificial

El proceso de colorización de las fotografías que mostraré aquí se basó en varias técnicas, siendo una de las más importante el uso de algoritmos de computadora que usa lo que se llama aprendizaje profundo o deep learning. En un artículo posterior mostraré detalles de este procedimiento. Al final de este artículo muestro un video donde se utiliza la técnica, en conjunto con herramientas de edición digital como Photoshop.

El pasado de Guayaquil, con los ojos de hoy

Las fotos que mostraré son en su mayoría de la ciudad de Guayaquil, debido a la cercanía de las fiestas del Bicentenario que se llevarán a cabo en la ciudad en el mes de Octubre, fecha para la cual espero tener disponible un libro donde se mostrarán los mejores trabajos de restauración en alta resolución. Los originales se encuentran a buen recaudo del INPC actualmente.

Bueno, comencemos con esta hermosa fotografía del malecón de Guayaquil, con el vapor Olmedo en el centro. Para observar el antes y el después basta con mover la barrita (línea blanca vertical) de izquierda a derecha.

Continuamos con una espectacular escena del fotógrafo cuencano Manuel Serrano. Personajes anónimos.

La siguiente foto me gusta bastante en lo personal. El reto fue reparar una enorme fractura en la placa de vidrio del negativo original.

Muchas de las fotografías que me atrajeron fueron aquellas que mostraban el emprendimiento guayaquileño de los años 20s, como la siguiente foto de los almacenes Max Muller & Cía, que terminaron convirtiéndose en lo que actualmente es el grupo CONAUTO/ECUAQUÍMICA.

A continuación una foto del almacén de Lorenzo Tous en Guayaquil. Es una de mis favoritas, aunque hubo que trabajar sobre la fractura que tenía la placa de vidrio. También me dio la oportunidad de conocer a un descendiente de Lorenzo Tous, quien me contó brevemente la historia de la familia.

La siguiente fotografía corresponde a la botica del Dr. Jaramillo en Cuenca.

Finalmente les dejaré con un video que hice, una suerte de micro CURSO DE RESTAURACIÓN FOTOGRÁFICA.

The post El antes y el después de una restauración de fotografías antiguas con inteligencia artificial y Photoshop appeared first on Neomano.com.