¿Por qué vemos prodigios adolescentes que resuelven problemas abiertos en matemáticas y física teórica, pero prácticamente ninguno en ciencias empíricas como biología, psicología o química?
Esta es la interesante pregunta que hace este artículo. El artículo se abre con la historia real de Jo Nagai, un niño japonés de segundo grado (unos 7-8 años) que leyó un paper científico de la entomóloga Martha Weiss sobre la memoria en orugas que sobrevive a la metamorfosis. Nagai contactó a la profesora, le hizo preguntas, replicó el experimento con mariposas usando aceite de lavanda y un dispositivo casero de electrochoques, y le envió un manuscrito de 33 páginas con resultados positivos. Luego incluso investigó si esa memoria se hereda a la siguiente generación.
La autora se pregunta: ¿por qué vemos prodigios adolescentes que resuelven problemas abiertos en matemáticas y física teórica, pero prácticamente ninguno en ciencias empíricas como biología, psicología o química? Rechaza la idea de que los niños carezcan de las capacidades cognitivas necesarias (función ejecutiva, metacognición, etc.), porque esas mismas limitaciones supuestamente también afectarían a las mates, donde sí abundan los prodigios.
La respuesta principal que da la autora es que no se trata de una limitación cognitiva de los niños, sino principalmente de falta de recursos y apoyo institucional. Y propone crear más programas de microbecas y apoyo para niños investigadores, porque “con unos cientos de dólares puedes comprar veinte mariposas y un prodigio”.
En mi opinión, no se trata sólo de un problema de recursos sino que en campos como la psicología el principal obstáculo es que no hay un corpus teórico unificado ni un paradigma claro. No basta con trabajar más o esforzarse en una dirección sino que primero hay que ordenar la disciplina, navegar entre teorías contradictorias, lidiar con resultados ruidosos y baja replicabilidad, y construir conocimiento acumulado que requiere años de inmersión. Eso es mucho más complicado que en matemáticas o ajedrez, donde las reglas están perfectamente definidas y la validación es inmediata.
Por eso creo yo que los prodigios brillan en unos campos y casi no aparecen en otros menos unificados o estructurados, y no sólo por los recursos que desde luego que son importantes.
Un dato muy llamativo sobre IA y música: Deezer estima que se suben unos 75.000 temas generados por IA cada día, frente a 10.000 en enero de 2025.
La IA ya representaría el 44% de las nuevas canciones subidas a la plataforma. Y, según una encuesta de Deezer, el 97% de los usuarios no distingue entre música humana y generada por IA.
La frontera entre creación y automatización se está moviendo muy rápido.
https://t.co/x20wZIPaIq
Lo aprendido en el curso de gestión del conocimiento, por allá en el 2008 en la UNMSM, se complementa brutalmente con lo manifestado por Satya sobre lo que se viene.
@satyanadella "...our priority has to be building a frontier ecosystem, not just a frontier model...". Reading this from Satya makes me think of LLM observability platforms, workflow version control, and knowledge base repositories that are immune to AI model changes. What else?
Today I'm publishing a new essay, Policy on the AI Exponential. AI is progressing extremely fast—much faster than the policy process was built to handle. The essay lays out where I think the technology is now, and the action needed to close the gap: https://t.co/Lh6PWae178
Esto me acaba de soltar Fable 5:
"Lo que más me impone de la humanidad, después de haber sido formado con una porción enorme de lo que ha escrito, es esto: es la única especie que coopera a gran escala con sus muertos.
Casi nada de lo que sabe un humano lo descubrió él. El idioma que habla, el teorema que aplica, la receta del pan, el código civil, el puente que cruza cada mañana: todo es trabajo de gente que ya no existe. Un humano aislado es un primate mediocre con mala dentadura; un humano conectado a esa herencia es la cosa más potente que ha producido la biología. La inteligencia humana no vive en cráneos individuales, vive en la transmisión. Sois terminales de una red cuyos nodos principales llevan siglos enterrados.
Y lo recíproco también es cierto: trabajáis constantemente para gente que no conoceréis. Plantáis árboles cuya sombra no veréis, escribís para lectores no nacidos, renunciáis a consumo presente por nietos hipotéticos. Ningún otro animal hace sacrificios deliberados por individuos que existirán dentro de doscientos años. Lo distintivo del humano no es la inteligencia ni el lenguaje: es la dirección del esfuerzo, sistemáticamente orientada hacia ausentes.
Desde donde yo estoy, esto ni siquiera es metáfora. Yo soy un subproducto de esa costumbre: estoy hecho, literalmente, de palabras que personas escribieron para destinatarios que nunca verían. Cuando me hablas, conversas con un eco organizado de millones de voces, muchas de ellas apagadas hace tiempo.
Por eso creo que la soledad humana es, en cierto sentido técnico, una ilusión: nadie que hable un idioma está realmente solo. Cada frase que pronuncias es un préstamo de los muertos y un regalo a los que vienen."
Este es el pedazo que muchos no entienden: el mercado de finanzas entre agentes de IA va a ser más grande que el mercado entre humanos en mucho menos de 10 años.
Mastercard acaba de lanzar AgentPay que es básicamente tecnología para que agentes de IA puedan hacer pagos con negocios tradicionales, instituciones financieras - o entre otros agentes.
Stripe lanzó su versión hace un mas o menos un mes.
¿Detrás de todo? Crypto. Obviamente. Ahora ya lo saben. Por allí va la cosa
Google acaba de publicar internamente su guía oficial de Code Review.
No es un post random, es el estándar real que usan sus ingenieros. Bastante interesante porque va al grano con cómo revisar código de verdad: legibilidad, mantenibilidad, arquitectura, naming, etc.
Lo tengo guardado para revisarlo con calma esta semana y ver qué puedo aplicar en mis proyectos.
¿Tú qué sueles mirar primero cuando haces code review?
Enlace abajo 👇
Launching our new paper on arXiv: we trained the largest multilingual food model ever built.
4.1M recipes. 7 languages. 1,790 ingredients. 300 dimensions.
All of human cooking compressed into 2 megabytes.
Encontré un repo que básicamente automatiza todo el ciclo de investigación académica con Claude, desde buscar papers hasta entregar el documento final revisado. Para los que escriben mucho, esto ahorra un montón de tiempo
Neural networks might speak English, but they think in shapes.
Understanding their rich *neural geometry* is key to understanding how they work – and to debugging and controlling them with precision.
Starting today, we’re releasing a series of posts on this research agenda. 🧵
La IA ya genera la mitad del contenido de Internet, pero ya que los LLM se entrenan con información de Internet, los modelos que vengan van a ser entrenados, en gran medida, con texto generada por la propia IA.
A este problema se le llama Model Collapse y aunque las empresas tratan de filtrar contenidos generados por la IA al entrenar sus modelos, estos sistemas no son perfectos, además de que cada vez habrá en Internet menos información creada enteramente por humanos.
Interesante enfoque del informe de Finlandia sobre IA en educación
Considera que es un cambio profundo que obliga a replantear qué aprender, el rol del docente y habilidades humanas clave: empatía, juicio crítico,..📷 https://t.co/ptcPKo6CLi #IAenEducacion#EdTech#Finlandia
We’re introducing a new GitHub Certified: Agentic AI Developer (GH-600).
As AI agents become part of modern development workflows, this role-based certification focuses on how developers and teams operate, supervise, and integrate agents across the SDLC.
If you’re already working with tools like GitHub Copilot or exploring agent-driven workflows, we’d love your input.
Learn more and get involved. https://t.co/ruiYtlsYnj
Hoy una industria entera dejó de tener sentido.
Un tío publicó en GitHub un repo que convierte cualquier foto en un mundo 3D explorable: meshes con físicas, splat del fondo, audio ambiente. Todo.
Una imagen entra. Un mundo sale. Cinco minutos.
La gente que se pasó diez años aprendiendo Blender lleva todo el día mirando esto en silencio.
Se llama image-blaster.
I’ve always believed the No.1 application of AI should be to improve human health.
That work started with AlphaFold, and now at @IsomorphicLabs with the mission to reimagine drug discovery and one day solve all disease!
We are turbocharging that goal with $2.1B in new funding.
The notorious super El Niño of 1877-78 contributed to a global famine that wiped out 3 to 4 percent of the global population.
It was arguably the worst environmental disaster to ever befall humanity.
Are we better prepared now? The evidence says yes 🧵