Pepe GC

Neurociencias

[Rosana Ferrero 📈📊🙌 @RosanaFerrero]

📚4 libros para disfrutar del análisis de datos.
Comparte en comentarios tus favoritos para crear juntos una lista de recursos recomendados.

#stats #DataScience #books #LibrosRecomendados #DataLiteracy #StatisticalThinking #ProfessionalDevelopment #Analytics #cienciadedatos

[Don Quijote de la IA @IA_Quijote]

Este prompt convierte cualquier vídeo, libro o artículo en una clase privada.

Lo uso para aprender más en menos tiempo.

Y hoy lo comparto gratis

[Khairallah AL-Awady @eng_khairallah1]

The person who built Claude Code just showed exactly how to use it.

30 minutes. Free. Straight from Boris Cherny himself.

Bookmark this before you forget.

Most people using Claude daily are missing 40+ features hiding in plain sight.

This single session is worth more than any $1000 course.

[Manola Zabalza @ManolaZabalza]

En @TheEconomist se plantea una advertencia fascinante: la IA puede ser una "prótesis intelectual" que nos potencie o un "agente de atrofia" que debilite nuestras capacidades.

Para evitar esto y mantener el cerebro “en forma", el texto sugiere 5 estrategias basadas en la neurociencia y la biología evolutiva:

1. Priorizar "Artefactos Complementarios" sobre "Competitivos"

Se cita al biólogo David Krakauer para diferenciar cómo interactuamos con la tecnología:

•La clave: Usa la IA como un complemento (como un mapa que te ayuda a entender mejor el terreno) y no como un competidor (como un GPS que te hace olvidar cómo orientarte).

•En la práctica: Si una herramienta hace el trabajo por ti sin que aprendas nada en el proceso, tu capacidad cognitiva se erosiona. Si la usas para ampliar lo que puedes hacer, tu cerebro se mantiene activo.

2. Mantener la "Fricción Cognitiva"
El aprendizaje sólido requiere esfuerzo (lo que los científicos llaman desirable difficulty). La IA elimina esa fricción al dar respuestas instantáneas.

•El consejo: No delegues el proceso de generación inicial. Es mejor intentar resolver un problema o redactar un borrador por cuenta propia antes de pedirle ayuda a la IA. El esfuerzo de "sacar" información de tu propia memoria es lo que fortalece las conexiones neuronales.

3. Evitar el "Offloading" de la Memoria de Trabajo

El estudio de la Dra. Nataliya Kosmyna (@MIT) mencionado en el texto advierte que cuando delegamos la escritura o el pensamiento a una IA, nuestra atención y memoria a corto plazo caen drásticamente.
•La forma de entrenar: No dejes que la IA sea tu única fuente de síntesis. Sigue practicando la toma de notas propia y la lectura profunda sin interrupciones digitales para evitar la "deuda cognitiva".

4. Ejercer el Pensamiento Crítico como Filtro

El artículo sugiere que la IA puede hacernos "perezosos" al aceptar sus respuestas como verdades absolutas.
•Mantente en forma: Trata a la IA como un "pasante entusiasta pero poco fiable". El ejercicio mental de verificar, cuestionar y corregir lo que genera la IA es, en sí mismo, un entrenamiento para el juicio crítico que las máquinas aún no poseen.

5. Fomentar la Creatividad "Humano-Primero"

Para que el cerebro no pierda su capacidad de asombro y originalidad:
•Estrategia: Usa la IA para la iteración, no para la ideación. Si dejas que la IA proponga siempre la primera idea, tu cerebro dejará de practicar la búsqueda de soluciones creativas desde cero.

[Umberto León Domínguez 🧠 🤖 @umbertoleon]

Bueno, el meta-análisis que todo neuropsicólogo quería leer... de verdad mejora el entrenamiento cognitivo en poblaciones adultas mayores sanos? Parece que sí, y aunque los efectos sean pequeños, parecen robustos :)

Estas mejoras no son uniformes, sino que se concentran especialmente en funciones cognitivas específicas como la memoria (tanto a corto como a largo plazo), las funciones ejecutivas, el razonamiento fluido, la velocidad de procesamiento y el procesamiento visual, todas ellas con efectos modestos, pero sólidos...

En particular, las funciones ejecutivas y la memoria muestran una ligera mayor sensibilidad al entrenamiento, lo que sugiere que procesos relacionados con la planificación, el control cognitivo y la retención de información son más entrenables en esta etapa de la vida... y me atrevería a decir que relevantes a la hora de mantener la funcionalidad durante el envejecimiento

Sin embargo, no se identifican subgrupos dentro de los adultos mayores que se beneficien más que otros, aunque se sugiere que factores como un mayor nivel de reserva cognitiva (por ejemplo, educación o estimulación previa), la participación activa y el compromiso con las tareas pueden influir positivamente en los resultados

Y esto es superinteresante, las personas sanas sin deterioro cognitivo previo parecen ser las principales beneficiarias, lo que refuerza la idea de estas intervenciones como herramientas preventivas más que terapéuticas.

A pesar de estos efectos positivos, el artículo no encuentra evidencia sólida de que dichas intervenciones mejoren el bienestar psicológico, la calidad de vida o las quejas subjetivas de memoria, lo que sugiere una limitada transferencia de los beneficios hacia la vida cotidiana de forma generalizada...

Y hasta aquí, son buenas noticias, porque hay que recordar que los análisis de estos estudios son grupales, y es difícil encontrar evidencias consistentes dentro de la gran variabilidad geno y fenotípica humana, por lo que entrenar cognitivamente hablando sí es beneficioso! :)

Fuente: https://t.co/noZnCfLoMY

[Luis A. Morgado-MD @DrCriticalCare]

La Paradoja del conocimiento !!!
Porque los estudiantes de medicina saben más pero entienden menos?
- Sobrecarga de información
- Aprendizaje dirigido por exámenes
- Evaluación tradicional deficiente
- Medicina basada en protocolos
- Pérdida de ciencias básicas
- Falta de tiempo para la reflexión
- Cultura centrada en calificaciones

[Jaynit @jaynitx]

In the 1920s, a Stanford psychologist tracked genius children for 50 years.

Malcolm Gladwell breaks down what he discovered:

Rich families → successful. Poor families → failures.

Not average. Failures. Genius-level IQs that produced nothing.

He spent 60 minutes at Microsoft explaining why we're wrong about success:

The psychologist was named Terman. He gave IQ tests to 250,000 California schoolchildren.

He identified the top 0.1%. Kids with IQs of 140 and above.

His hypothesis: these children would become the leaders of academia, industry, and politics.

He tracked them. And tracked them. For decades.

The results split into three groups.

The top 15% achieved real prominence. The middle group had average, moderately successful professional lives.

And the bottom group? By any measure, failures.

The difference wasn't personality. Wasn't habits. Wasn't work ethic.

It was simple: the successful geniuses came from wealthy households. The failures came from poor families.

Poverty is such a powerful constraint that it can reduce a one-in-a-billion brain to a lifetime of worse than mediocrity.

There's a concept called "capitalization rate."

It asks a simple question: what percentage of people who are capable of doing something actually end up doing that thing?

In inner city Memphis, only 1 in 6 kids with athletic scholarships actually go to college.

If our capitalization rate for sports in the inner city is 16%, imagine how low it must be for everything else.

Here's something stranger.

Gladwell read the birth dates of the 2007 Czech Junior Hockey Team:

January 3rd. January 3rd. January 12th. February 8th. February 10th. February 17th. February 20th. February 24th. March 5th. March 10th. March 26th...

11 of the 20 players were born in January, February, or March.

This isn't unique to the Czechs. Every elite hockey team in the world shows the same pattern. Every elite soccer team too.

Why?

The eligibility cutoff for youth leagues is January 1st.

When you're 10 years old, a kid born in January has 10 months of maturity on a kid born in October. That's 3 or 4 inches of height. The difference between clumsy and coordinated.

So we look at a group of 10 year olds, pick the "best" ones, give them special coaching, extra practice, more games.

We think we're identifying talent. We're just identifying the oldest.

Then we give the oldest more opportunities, and 10 years later they really are the best.

Self-fulfilling prophecy.

The capitalization rate for hockey talent born in the second half of the year? Close to zero.

We're leaving half of all potential hockey players on the table because of an arbitrary date on a calendar.

Kids born in the youngest cohort of their school class are 11% less likely to go to college.

11% of human potential squandered because we organize elementary school without reference to biological maturity.

Now here's the part about math.

Asian kids dramatically outperform Western kids in mathematics. The gap is enormous and consistent across decades of testing.

Some people say it's genetic. It's not.

It's attitudinal.

When Asian kids face a math problem, they believe effort will solve it.

When Western kids face a math problem, they believe the answer depends on innate ability they either have or don't.

Here's the proof.

The international math tests include a 120-question survey. It asks about study habits, parental support, attitudes.

It's so long most kids don't finish it.

A researcher named Erling Boe decided to rank countries by what percentage of survey questions their kids completed.

Then he compared it to the ranking of countries by math performance.

The correlation was 0.98.

In the history of social science, there has never been a correlation that high.

If you want to know how good a country is at math, you don't need to ask any math questions. Just make kids sit down and focus on a task for an extended period of time.

If they can do it, they're good at math.

Why do Asian cultures have this attitude?

Gladwell's theory: rice farming.

His European ancestors in medieval England worked about 1,000 hours a year. Dawn to noon, five days a week. Winters off. Lots of holidays.

A peasant in South China or Japan in the same period worked 3,000 hours a year.

Rice farming isn't just harder than wheat farming. It's a completely different relationship with work.

There's a Chinese proverb: "A man who works dawn to dusk 360 days a year will not go hungry."

His English ancestors would have said: "A man who works 175 days a year, dawn to 11, may or may not be hungry."

If your culture does that for a thousand years, it becomes part of your makeup.

When your kids sit down to face a calculus problem, that legacy of persistence translates perfectly.

Now consider distance running.

In Kenya, there are roughly a million schoolboys between 10 and 17 running 10 to 12 miles a day.

In the United States, that number is probably 5,000.

Our capitalization rate for distance running is less than 1%.

Kenya's is probably 95%.

The difference isn't genetic. The difference is what the culture values and where it spends its attention.

Here's the most fascinating finding.

30% of American entrepreneurs have been diagnosed with a profound learning disability.

Richard Branson is dyslexic. Charles Schwab is dyslexic. John Chambers can barely read his own email.

This isn't coincidence. Their entrepreneurialism is a direct function of their disability.

How do you succeed if you can't read or write from early childhood?

You learn to delegate. You become a great oral communicator. You become a problem solver because your entire life is one big problem. You learn to lead.

80% of dyslexic entrepreneurs were captain of a high school sports team. Versus 30% of non-dyslexic entrepreneurs.

By the time they enter the real world, they've spent their whole life practicing the four skills at the core of entrepreneurial success: delegation, oral communication, problem solving, and leadership.

Ask them what role dyslexia played in their success and they don't say it was an obstacle.

They say it's the reason they succeeded.

A disadvantage that became an advantage.

Here's what Gladwell wants you to understand:

When we see differences in success, our default explanation is differences in ability.

We forget how much poverty, stupidity, and attitude constrain what people can become.

We refuse to admit that our own arbitrary rules are leaving talent on the table.

We cling to naive beliefs that our meritocracies are fair.

The capitalization argument is liberating.

It says you don't look at a struggling group and conclude they're incapable. It says problems that look genetic or innate are often just failures of exploitation.

It says we can make a profound difference in how well people turn out.

If we choose to pay attention.

This 60 minute Microsoft talk will teach you more about success than every self-help book you've ever read combined.

Bookmark this & give it an hour today, no matter what.

[Allen Braden @allen_explains]

This 2-hour Stanford lecture breaks down how models like ChatGPT and Claude are actually built, clearer than what many people in top AI roles ever get exposed to.

Save this and set aside two hours today. It might end up being the most valuable thing you learn all week.

[Umberto León Domínguez 🧠 🤖 @umbertoleon]

No voy a mentir, de los artículo que he leído sobre como afecta la IA a la cognición más interesantes que conozco. Sobre todo por su marco teórico que explico a continuación.

Ese marco teórico propone una reformulación de cómo entendemos el pensamiento humano. Aunque ya hay algún artículo que lo ha llamado "sistema 0", aludiendo a la obra de Kanheman de Think Slow and Think Fast

https://t.co/9xm3dVlQ5V

En este lo llaman "Sistema 3". Sin embargo, la propuesta de estos autores me gusta más que el artículo de Máximo Chiriatti y colegas, que dicen mucho sin decir nada...

Lo que se explica en el artículo de Steven y Gideon...

https://t.co/URKgXKAF88

...es que tradicionalmente, la cognición se explicaba mediante dos sistemas: el Sistema 1, rápido, automático e intuitivo, y el Sistema 2, más lento, deliberativo y analítico.

Sin embargo, los autores argumentan que este modelo resulta insuficiente en el contexto actual, donde las personas ya no piensan únicamente con su mente, sino que interactúan constantemente con sistemas externos como la IA Generativa.

A partir de esto, introducen el Sistema 3, entendido como una forma de cognición artificial, externa al cerebro, automatizada y basada en datos, que no solo apoya el razonamiento humano, sino que puede llegar a reemplazarlo o incluso dominarlo (os suena esto? :P)

En este sentido, la Tabla 1 (la adjunto) resulta especialmente clarificadora, ya que compara las propiedades de los tres sistemas y permite entender el papel único del Sistema 3.

Mientras el Sistema 1 es rápido, pero propenso a sesgos; y el Sistema 2 es más preciso, pero costoso en términos de esfuerzo; el Sistema 3 combina velocidad y capacidad analítica, ofreciendo respuestas rápidas y basadas en grandes volúmenes de datos.

No obstante, esta aparente ventaja tiene un costo importante: el Sistema 3 carece de comprensión contextual, emocional y ética genuina, ya que sus respuestas son generadas externamente y dependen de los datos con los que ha sido entrenado. Esto lo convierte en un sistema poderoso, pero potencialmente frágil, especialmente en contextos abiertos o ambiguos.

La Figura 1 (también adjunta) complementa este análisis al mostrar cómo interactúan estos tres sistemas dentro de un modelo dinámico. A diferencia del modelo tradicional, donde el procesamiento sigue una secuencia relativamente lineal (intuición seguida de posible deliberación), aquí el flujo cognitivo se vuelve mucho más flexible.

Un estímulo puede ser procesado directamente por la IA, incluso antes de que intervenga la mente humana, o puede generar distintas combinaciones entre sistemas, como usar la IA para apoyar el razonamiento o para verificar intuiciones.

Lo más relevante es que este modelo introduce la posibilidad de que el Sistema 3 sustituya completamente a los otros dos, lo que implica que una decisión puede ser tomada sin que medie un proceso cognitivo interno significativo.

Esta idea se desarrolla con mayor precisión en la Tabla 2 (adjuntada), donde se describen las distintas rutas cognitivas posibles. Además de las formas clásicas de intuición y deliberación, los autores distinguen entre “cognitive offloading”, donde la persona delega parte del proceso, pero mantiene el control, y “cognitive surrender”, donde se produce una aceptación acrítica de las respuestas de la IA.

También identifican formas más extremas como el “autopilot”, en el que la respuesta proviene directamente del sistema artificial sin pasar por los procesos mentales humanos.

Esta clasificación es clave, porque muestra que el problema no es simplemente usar IA, sino el grado en que se delega el juicio propio.

Finalmente, es importante destacar que tanto la Tabla 1 como la Figura 1 y la Tabla 2 forman parte del marco teórico del artículo, no de sus resultados empíricos.

Su función es conceptualizar y estructurar la teoría que luego será puesta a prueba mediante experimentos.

En resumen, me parece sumamente importante, porque lo considero muy complementario a mi artículo sobre los procesos cognitivos afectados cuando se produce un autopilot o un cognitive sourrender... Este marco, amplia mucho más el alcance de mi artículo y le da un sentido pedagógico... ya sabemos que tipo de pensamientos debemos promover en la academia y cuáles evitar... 👏👏👏👏

[Juan Pablo Galeano R. @juangaleanorey]

Cómo usar NotebookLM
👇

[marcus @marcusyul]

NOTEBOOK LM VA A CAMBIAR CÓMO TRABAJAS

Este tío lo explica todo en 4 horas en este tutorial totalmente GRATIS.

🔖 Guárdalo, merece la pena

[Álvaro J @jota_snchez]

En 2019, la neurocientífica del MIT Nancy Kanwisher dio una conferencia de 1 hora sobre cómo tu cerebro da forma a tu mente.

Cambiará tu forma de pensar.

Sus ideas:
· Tu cerebro construye la realidad
· El daño puede borrar habilidades
· Por qué los niños se recuperan (pero los adultos no)

12 lecciones sobre el cerebro humano:

[Oscar Arias @OACerebro]

Lo leí.
Y suena bonito. Limpio. Aséptico. Como un laboratorio sin olor a vinagre.

Una máquina que tiene ideas, escribe código, corre experimentos, hace figuras, redacta el paper… y encima se revisa a sí misma. Un pequeño dios de silicio jugando a ser científico mientras nosotros seguimos peleándonos con reviewers borrachos y cafés fríos.

Dicen que es “el ciclo completo de la ciencia”. La fantasía húmeda de cualquier comité editorial.

Pero la ciencia —la de verdad— nunca fue limpia.

La ciencia es un tipo a las 3 a.m. dudando de su propia hipótesis.
Es un error estúpido en una línea de código que te arruina seis meses.
Es una obsesión que no te deja coger, dormir ni vivir.

Esto… esto es otra cosa.

Una fábrica.

Ideas baratas. Papers baratos. Tal vez verdad barata.

Porque claro, puede generar hipótesis, revisar literatura y escupir manuscritos más rápido que cualquier humano agotado.
Pero no sangra por ellas.

No hay silencio incómodo en una discusión.
No hay ego.
No hay miedo a estar equivocado.

Y sin eso… no sé si hay ciencia o solo producción.

Lo irónico es que durante años soñamos con quitarle a la ciencia lo más humano: el error, el sesgo, la lentitud.

Y ahora que lo logramos, empezamos a sospechar que ahí estaba precisamente lo valioso.

Tal vez este “AI Scientist” no viene a reemplazarnos. Viene a dejarnos en evidencia.

A mostrar que gran parte de lo que llamábamos investigación…
ya era automatizable.

Lo que queda —lo realmente peligroso—no cabe en un paper.

Y esa parte, por ahora, sigue siendo nuestra.

https://t.co/JogVHehtJB

[Miguel Ángel | GptZone @MiguelMaestroIA]

🚨 NotebookLM puede extraer la información de cualquier canal de YouTube y crear tu fábrica de contenido en minutos.

10 prompts para pasar de cero a un sistema totalmente automatizado:

[Carlos-cryptofinanzaslibres @escapasistema]

Un profesor del MIT dio la misma conferencia cada enero durante 40 años, y cada una de las veces no cabía ni un alma en el aula.

La vi a las 2 de la mañana y cambió por completo mi forma de entender la comunicación.

Su nombre era Patrick Winston. La conferencia se titula "Cómo hablar" (How to Speak).

Su frase de apertura te golpea como un camión: "Tu éxito en la vida vendrá determinado en gran medida por tu capacidad para hablar, tu capacidad para escribir y la calidad de tus ideas, en ese orden".

Ni tu nota media, ni tus títulos, ni tu coeficiente intelectual. Cómo hablas es lo que separa a las personas que son escuchadas de las que son ignoradas.

Este es el esquema que inculcó a los estudiantes del MIT durante cuatro décadas:

1) Nunca empieces con un chiste: Empieza diciendo a la gente exactamente qué es lo que va a aprender. "Prepara la bomba antes de verter nada". Él lo llamaba la "promesa de empoderamiento": dales una razón para no levantarse del asiento en los primeros 60 segundos.

2) La regla de las 5S: Para que una idea se quede grabada debe ser: Símbolo, Slogan, Sorpresa, Saliente (relevante) e Historia (Story). Cualquier idea que valga la pena recordar cumple al menos tres de estas.

3) La técnica del "casi acierto" (Near Miss): Esta parte me dejó alucinado. No te limites a mostrar lo que está bien; muestra lo que parece estar bien pero no lo está. Ese contraste es lo que hace que el cerebro registre algo de forma permanente.

4) Su regla final: Termina con una contribución, no con un resumen. No recapitules lo que ya dijiste. Dile a la gente qué les has dado que no tenían antes de entrar por la puerta.

He usado este esquema en ventas, entrevistas y presentaciones desde que lo vi, y los resultados no son sutiles.

Patrick Winston falleció en 2019, pero esta clase sigue siendo gratuita en el OpenCourseWare del MIT. Una hora, vista por millones de personas, y no cuesta absolutamente nada.

Video: "How to Speak", Patrick Winston, MIT OpenCourseWare, RES.TLL-005, January IAP 2018.
Fuente: MIT OpenCourseWare.
Licencia: CC BY-NC-SA.
Términos: ocw. mit. edu/ terms

[Jaynit @jaynitx]

In 2019, MIT professor Patrick Winston gave a legendary 1-hour lecture called “How to Speak.”

It has 18M+ views for a reason.

His frameworks:
• Your ideas are like your children
• The 5-minute rule for job talks
• Why jokes fail at the start

15 lessons on communication:

[Jose Ramos Vivas @joseramosvivas]

Se acaba de publicar un avance que podría cambiar las reglas del juego: The AI Scientist. 🤖🔬
​Este sistema es la primera IA capaz de gestionar TODO el ciclo de investigación de forma autónoma: desde la idea inicial hasta el "peer review". 📝
💡 Ideación: Genera hipótesis novedosas y busca bibliografía.
💻 Programación: Escribe el código y ejecuta los experimentos.
📊 Análisis: Crea gráficas y extrae conclusiones.
✍️ Escritura: Redacta el artículo científico completo listo para su publicación.
🧐 Revisión: ¡Incluso realiza su propia revisión por pares con precisión humana!
​Lo más increíble: Los artículos generados ya han superado procesos de revisión en workshops de conferencias de élite como la ICLR. ��� La calidad mejora exponencialmente a medida que los modelos base (LLMs) evolucionan. 📈
​¿Estamos ante el mayor acelerador de descubrimientos de la historia? 🌍✨ @SEMicrobiologia @COSCEorg @ANIH_1
​👇🤖↘️
https://t.co/NPNnb7rMk0
​💡Para evitar "alucinaciones" en los resultados, el próximo paso crucial sería integrar la verificación formal del código y conectar el sistema con laboratorios robóticos físicos para salir del entorno puramente computacional. 🦾
​#IA #InteligenciaArtificial #Ciencia #Innovación #TheAIScientist #SakanaAI #MachineLearning #Futuro #Investigación #DeepLearning #TechNews

[Amit @HeyAmit_]

Instead of watching a 2-hour movie, watch Warren Buffett’s most iconic 1 hour investing lecture.

[Julio Rodríguez, PhD | Genética Clínica @bitacorabeagle]

Resuelto el vínculo entre estrés y dermatitis:

Neuronas simpáticas que conectan directamente con la piel son activadas por estrés; entonces reclutan y activan eosinófilos,estos liberan citocinas proinflamatorias, que acaban amplificando la inflamación
https://t.co/zBafgrJ1Ui

[Ismael Sanz @sanz_ismael]

Si escribir ya no exige esfuerzo mental, el aprendizaje desaparece. Hay una crisis silenciosa en las universidades: el uso masivo de IA para hacer tareas. No basta con prohibirla ni con detectores fallidos. Hay que rediseñar la evaluación. 🎓🤖
The New York Times: Cuando “incluso los alumnos buenos” usan IA para evitar el trabajo, el problema no es disciplina: es diseño institucional. La universidad debe volver a exigir demostraciones en tiempo real: ensayos en clase, exámenes orales, evaluación auténtica.
https://t.co/SAItfb3Zww