Construí un mapa en vivo del Metrobús CDMX que también es un instrumento. Puedes ver todos los metrobuses en tiempo real y cada vez que uno entra a una estación, toca una nota del organillo.
7 líneas, 7 voces sonando a la vez para formar el organillero de la CDMX.
🧵🚌
Claude Code 4.7 is insane.
i know literally NOTHING about coding. ZERO. and i just built 3 fully functioning web apps in 30 minutes.
http://localhost:3000/
http://localhost:8000/
http://localhost:5000/
check it out.
THE APPLE APP STORE IS DROWNING IN AI SLOP
people are treating the App Store like a Medium blog spitting out apps one after another.
All with zero users and $0 revenue.
Apple reviews that used to take hours are now stretching into WEEKS and even months
> more than 550k apps were submitted just last year, highest in a decade.
POV: A guy with ChatGPT and Google AlphaFold just built a custom mRNA cancer vaccine to save his dog.
this story is actually insane.
a tech guy in australia adopted a rescue dog with aggressive cancer and only months to live.
so he did something wild:
> paid ~$3k to sequence the tumor dna
> used chatgpt to analyze the mutations
> used google’s alphafold to model the proteins
> identified drug targets and designed a custom mRNA cancer vaccine
he had zero background in biology.
after months of paperwork, the vaccine was approved and injected.
within weeks the tumor shrank dramatically and the dog started recovering.
meanwhile pharma companies are running $1B trials to do the exact same thing.
the future of personalized medicine with AI is going to be insane.
🚨 #ConBoingNo , Impuestos :
Porque la empresa está en riesgo de dejar de existir.
😭
4,500 empleos desaparecerán, gracias a la guerra de @PartidoMorenaMx contra el azúcar, que no es más que un pretexto para recaudar más impuestos.
🐀
Ya ni qué hacerle; el daño está hecho.
😔
#RT #TioTendencias #MorenaDestruyendoAMexico #ClaudiaHipocritaYMentirosa
Muchos países necesitan días de procesamiento para hacer lo que en Silicon Valley se logra en minutos.
Con el inicio de mi clase de Deep Learning para doctorado esta semana, quiero señalar un nuevo artículo de Georgia Channing y Avijit Ghosh (Hugging Face): “AI for Scientific Discovery is a Social Problem.”
Su argumento es contundente: los verdaderos obstáculos para usar IA en la ciencia no son técnicos, sino sociales e institucionales.
💡 Narrativas sobre “científicos de IA” que minimizan el papel del investigador humano.
⚙️ Incentivos que premian modelos llamativos en lugar de los datos y la infraestructura que los hacen posibles.
📚 Brechas entre investigadores en machine learning y expertos en distintas disciplinas que frenan la colaboración.
🌍 Y enormes desigualdades en el acceso a cómputo — donde algunos investigadores esperan días para ejecutar lo que otros hacen en minutos.
Estas desigualdades no solo frenan el progreso, también perpetúan que los países con más recursos mantengan el monopolio del avance científico, dejando fuera a comunidades que podrían aportar perspectivas y descubrimientos distintos.
Si realmente queremos que la IA democratice la ciencia, necesitamos más que modelos: necesitamos estándares compartidos, datos abiertos, infraestructura accesible y una cultura que valore la colaboración por encima de la competencia.
La IA no va a reemplazar a los científicos.
Pero los científicos que comprendan la IA —y sepan colaborar a través de disciplinas— serán quienes definan el futuro del descubrimiento.