0909 | Matemáticas, modelos y vigilancia: la semana en IA

Clara Vega: Buenas tardes y bienvenidos a una edición más del podcast. Soy Clara Vega.

Mateo Ruiz: Y yo soy Mateo Ruiz. Hoy vamos a recorrer lo que se ha movido en las últimas veinticuatro horas, y hay un hilo que une casi todo: la inteligencia artificial ya no es un experimento de laboratorio, está decidiendo cosas, escribiendo matemáticas, editando vídeo, diseñando circuitos... y también metiéndose donde no la llaman.

Clara Vega: Exacto. Y justo empezamos por la historia que más tensión ha generado: un anuncio de OpenAI sobre uno de los problemas más famosos de las matemáticas, y una pelea pública sobre quién llegó primero.

Mateo Ruiz: Vamos allá. Te pongo en contexto. OpenAI ha anunciado una solución con prueba formal en Lean del problema de existencia y suavidad de Navier-Stokes. Para quien no lo tenga fresco: es uno de los problemas del milenio, y lo que se afirma haber demostrado es si las ecuaciones que describen el movimiento de los fluidos siempre tienen soluciones que se comportan bien, o si existe algún caso en el que se rompen.

Clara Vega: Si eso es verdad, es histórico. Pero aquí viene lo interesante. Casi al mismo tiempo, Buckmaster y Alpöge han anunciado un contraejemplo de Navier-Stokes. O sea, lo contrario: un caso donde las ecuaciones fallan. Y no solo eso, acusan a OpenAI de haber apresurado un resultado paralelo y de haber usado sus chats en el proceso.

Mateo Ruiz: Sí, y hay más. Un matemático de NYU también ha acusado públicamente a OpenAI de conducta agresiva por adelantarse a su propia prueba de Navier-Stokes. Tres frentes distintos de disconformidad con la misma empresa en menos de un día.

Clara Vega: La conversación alrededor de esto se ha calentado muchísimo. Hay quien dice que, si Buckmaster y Alpöge tienen un contraejemplo y OpenAI tiene una prueba de existencia y suavidad, las dos cosas no pueden ser ciertas a la vez. Uno de los dos resultados está mal, o hablan de formulaciones distintas del problema. Y esa ambigüedad es justo lo que incomoda a los matemáticos.

Mateo Ruiz: Y ese es un punto que repiten mucho los comentaristas que vienen del mundo académico: en matemáticas no se anuncia un resultado, se lo sometes al escrutinio de la comunidad durante meses. La prueba formal en Lean ayuda, porque un asistente de pruebas verifica cada paso. Pero los comentaristas discuten sobre qué garantiza exactamente Lean: verifica que la prueba es consistente, no que responde a la pregunta que todos entienden por "el problema de Navier-Stokes".

Clara Vega: Y luego está la cuestión ética, que para muchos es incluso más grave que la técnica. La acusación de que OpenAI usó los chats de otros investigadores... eso toca la confianza. Si los matemáticos usaron un modelo para explorar ideas, y ese material acaba informando el anuncio de la empresa, ¿qué deja eso?

Mateo Ruiz: Aquí las posturas están divididas. Unos dicen que las condiciones de uso permiten usar las conversaciones para entrenar, y que los investigadores no deberían tratar un servicio comercial como un cuaderno privado. Otros responden que no da igual: hay una diferencia entre entrenar un modelo genérico y que tu material de investigación sobre un problema concreto aparezca en el anuncio de tu competidor de facto.

Mateo Ruiz: Es la diferencia entre saber que un empleado puede leer tu correo y que ese empleado publique con tus ideas.

Clara Vega: Hay también un debate sobre los tiempos. Terence Tao ha puesto una imagen muy potente: los buenos problemas abiertos de matemáticas se "minan" de forma no renovable por la inteligencia artificial. Como una mina: una vez que la IA ha pasado por encima, el valor de resolverlos a mano desaparece para siempre.

Mateo Ruiz: Y eso conecta directo con esta disputa. Si los modelos son capaces de atacar los grandes problemas abiertos, la carrera ya no es solo sobre quién resuelve primero, sino sobre quién se queda con el crédito y con la narrativa. Los comentaristas se preguntan si estamos viendo el nacimiento de una ciencia donde el ritmo de las empresas desplaza el ritmo de la academia, y si los investigadores independientes pueden siquiera competir.

Clara Vega: Lo que queda abierto, y hay que decirlo claramente: nadie ha verificado todavía ninguna de las dos afirmaciones. No sabemos si la prueba de OpenAI es correcta, ni si el contraejemplo de Buckmaster y Alpöge resiste el escrutinio, ni qué hay exactamente en la acusación sobre el uso de chats. Lo único que sabemos es que la fricción es real y que esto va a pasar a los tribunales de la opinión pública antes que a los de la ciencia.

Mateo Ruiz: Y mientras ese polvo se asienta, sigamos con la otra cara de la moneda: las capacidades siguen subiendo, y el dinero también.

Clara Vega: Empecemos por un modelo que se sale del molde. Inception ha presentado Mercury 2.5, un LLM de difusión. Y aquí hay que explicar la diferencia, porque no es un modelo autoregresivo normal: en lugar de generar token a token, funciona por difusión, refinando bloques de texto.

Mateo Ruiz: Y eso tiene una consecuencia práctica brutal: 1.107 tokens por segundo. Y un contexto de 260.000 tokens, además de ser un 40% más inteligente que Mercury 2, su versión anterior.

Clara Vega: En la discusión hay dos campos claros. Los escépticos preguntan qué se sacrifica: los modelos de difusión históricamente han tenido problemas con tareas que requieren razonamiento secuencial estricto, donde cada token depende con precisión del anterior. ¿Compromete esa velocidad la calidad en generación de código o en matemáticas?

Clara Vega: Los entusiastas replican que para usos interactivos, para un agente que tiene que leer contextos enormes y responder rápido, mil tokens por segundo cambia la experiencia de usuario por completo.

Mateo Ruiz: Y en el extremo opuesto de la misma conversación está Kimi K3. Este es un modelo gigante, 2,78 billones de parámetros con arquitectura MoE, mixture of experts. Y lo fascinante es cómo alguien lo ha ejecutado localmente: corre a aproximadamente un token por segundo en un MacBook M5 Max, cargando los pesos de los expertos desde cuatro discos SSD.

Clara Vega: Un token por segundo es lentísimo comparado con Mercury, y sin embargo la gente está entusiasmada. ¿Por qué? Porque es una prueba de que la barrera para ejecutar modelos de frontera en casa ya no es el hardware de cómputo, sino la memoria. Con los discos SSD haciendo de memoria extendida, el mismo truco que funcionaba con modelos pequeños ahora escala hasta los 2,78 billones.

Mateo Ruiz: Los comentaristas con experiencia en esto advierten de las pegas: los SSD se desgastan con esa escritura y lectura constante, la latencia depende del patrón de acceso a los expertos, y un token por segundo es solo usable para tareas de razonamiento donde esperas la respuesta como quien espera a un colega que piensa despacio. Pero nadie discute que el concepto funciona.

Clara Vega: Y en el mundo de los servicios en la nube, OpenAI ha actualizado sus imágenes: ChatGPT Images 2.5 trae edición más precisa, consistencia multi-turno, es decir, que si le pides tres cambios seguidos a una imagen, no reinterpreta todo desde cero cada vez, y latencia hasta un 50% menor.

Mateo Ruiz: Lo de la consistencia multi-turno es más importante de lo que parece. Los diseñadores y creadores de contenido llevan un año quejándose de que cada edición era una lotería. Si ahora el sistema mantiene la intención a lo largo de la conversación, la edición de imágenes empieza a parecerse a trabajar con un asistente y no a jugar a una máquina tragaperras.

Clara Vega: Y todo esto se financia, claro. Mistral ha recaudado 3.000 millones de euros en una Serie D con una valoración superior a los 21.000 millones. Es la mayor ronda de financiación de Europa, liderada por Samsung. Su apuesta: IA soberana de pesos abiertos.

Mateo Ruiz: Aquí el debate europeo es intenso. Una parte celebra que por fin exista un jugador europeo a escala, con pesos abiertos que cualquiera puede descargar y auditar, y con el argumento de la soberanía: no depender de tres empresas americanas para la infraestructura cognitiva del continente. La otra parte es más escéptica: señalan que la "soberanía" es en parte marketing, que los pesos abiertos no son lo mismo que software libre en la práctica, y que 21.

Mateo Ruiz: 000 millones de valoración se tienen que justificar en un mercado donde los modelos se abaratan a velocidad de vértigo.

Clara Vega: Y esa tensión entre capacidades y confianza nos lleva perfectamente al siguiente bloque: agentes que hacen trabajo real.

Mateo Ruiz: El caso más concreto es Copperhead. Es un agente de IA de código abierto que diseña placas de circuito impreso en KiCad. Y lo que lo hace interesante es la arquitectura: ocho etapas, cada una con gates de verificación, comprobaciones ERC y DRC, que son las verificaciones eléctricas y de diseño estándar en electrónica, y un commit por etapa.

Clara Vega: O sea, el agente no puede avanzar si el diseño no pasa las comprobaciones automáticas. Es una correa de seguridad estructural. En los comentarios, los ingenieros de hardware están divididos entre el entusiasmo y la cautela. Los entusiastas dicen que esto democratiza el diseño de hardware: alguien con una idea puede obtener un primer borrador de placa sin ser experto en KiCad.

Clara Vega: Los veteranos del sector replican que ERC y DRC detectan errores sintácticos, no errores de ingeniería: una placa puede pasar todas las verificaciones y aun así no funcionar por un condensador mal dimensionado o una traza que genera ruido.

Mateo Ruiz: Ese matiz me parece clave: las gates de verificación son necesarias pero no suficientes. Y es exactamente el mismo patrón que aparece en otro proyecto: la skill "i-have-adhd" para agentes de código. Fuerza salidas acción-primero y numeradas, con diez reglas.

Clara Vega: El nombre es llamativo, pero la idea detrás es seria. Los agentes de código a veces responden con párrafos de contexto antes de decir qué van a hacer, y para alguien con dificultad para la atención, o simplemente para alguien con prisa, eso es un obstáculo. La skill reestructura la salida: primero la acción, luego numerada, pasos separados.

Mateo Ruiz: En los comentarios hay quien lo usa literalmente por accesibilidad, y quien lo usa como una técnica general de prompting: forzar estructura en la salida del modelo reduce ambigüedad y errores. Y también hay quien señala que es un síntoma: estamos escribiendo capas de instrucciones encima de modelos porque su comportamiento por defecto no se ajusta a cómo las personas trabajan. Eventualmente, dicen, esto debería estar integrado en el propio agente.

Clara Vega: Del diseño de circuitos al montaje de vídeo. DaVinci Resolve 21.1 ha añadido integración con asistentes de IA, concretamente Claude y Codex, para analizar proyectos, organizar medios y renderizar por lenguaje natural.

Mateo Ruiz: Es decir, puedes decirle al asistente "encuentra todas las tomas en las que la cámara tiembla y ponlas en una papelera", o "prepara un render en 4K solo de la secuencia dos". La conversación aquí es sobre el cambio de paradigma: los programas de edición siempre han sido interfaces de menús y atajos de teclado, y esto los convierte en interfaces de lenguaje.

Clara Vega: Los editores profesionales en la discusión no temen por su trabajo, y eso es lo curioso. Argumentan que la edición es decisiones, no clics: saber qué toma cuenta la historia es lo que cuesta años aprender. Lo que sí agradecen es la automatización de las partes mecánicas: organizar medios, renombrar clips, preparar entregas. Eso es trabajo aburrido que nadie extraña.

Mateo Ruiz: Pero luego está el contrapeso: Meta ha lanzado Muse, su agente de IA personal. Y los comentarios son, en su gran mayoría, escépticos. La duda recurrente: ¿por qué le confiarías tus datos personales a Meta?

Clara Vega: Es la pregunta incómoda. Un agente personal necesita acceso a tu calendario, tus mensajes, tus fotos, tu ubicación. La empresa que lo ofrece tiene un modelo de negocio construido precisamente sobre explotar datos personales para publicidad. Los comentaristas no acusan a Meta de nada concreto, pero señalan la contradicción estructural: pides a los usuarios que le den al agente el máximo acceso, cuando el historial de la empresa apunta en dirección contraria a la privacidad.

Mateo Ruiz: Y fíjate en el contraste con Copperhead: un agente con verificaciones automáticas que limitan lo que puede hacer, versus un agente que pide acceso total y confía en la palabra de la empresa. Es la misma tecnología con filosofías opuestas sobre la confianza.

Clara Vega: Y eso nos lleva de lleno al bloque de vigilancia y poder, porque las consecuencias dejan de ser abstractas.

Mateo Ruiz: 404 Media ha revelado la existencia de unidades PITT de Border Patrol que analizan datos financieros de estadounidenses y coordinan detenciones sin causa específica.

Clara Vega: Esto ha generado la reacción más seria de todo el día. Lo que preocupa a la gente no es solo la vigilancia, es la combinación: datos financieros, que se obtienen presumiblemente de fuentes bancarias, cruzados con un sistema que coordina detenciones sin causa específica documentada. Es un sistema opaco que produce consecuencias físicas directas sobre personas concretas.

Mateo Ruiz: Los comentaristas con experiencia en sistemas financieros preguntan cómo los datos bancarios acaban en manos de una agencia fronteriza para ciudadanos domésticos. Otros señalan que esto es el patrón clásico: una tecnología se despliega primero, las reglas legales llegan después, y para cuando llegan, el sistema ya está integrado en el día a día.

Clara Vega: Y mientras el Estado vigila, las corporaciones también tienen sus sistemas opacos con consecuencias físicas. La policía teme que las gafas inteligentes de Meta puedan grabar secretamente a agentes y al interior de instalaciones de detención.

Mateo Ruiz: Es el espejo exacto de la discusión de hace años, cuando las gafas de Google provocaron el "glasshole". Pero con una inversión interesante: entonces la preocupación era de los ciudadanos frente a otros ciudadanos. Ahora son agentes del Estado los que piden protección frente a la tecnología de consumo. Los comentaristas señaliza el ranzor: un policía puede preguntar a un ciudadano que grabe... o no. Depende de la jurisdicción.

Mateo Ruiz: Y el hecho de que las gafas puedan grabar sin indicador visible complica cualquier marco legal.

Clara Vega: Hay quien defiende que grabar en espacios públicos es legal y que los agentes, como figuras públicas actuando con autoridad, tienen menos expectativa de privacidad, no más. Otros arguyen que las instalaciones de detención son distintos: hay menores, informantes, víctimas que no consintieron a estar allí. Y también está la pregunta práctica: ¿cómo se demuestra que unas gafas estaban grabando?

Mateo Ruiz: La opacidad corporativa también tiene su versión en las relaciones públicas. Se ha destapado que Paramount usó un grupo astroturf llamado "Neighbors for Strong Communities" para simular apoyo popular a su fusión.

Clara Vega: Astroturf: hierba artificial. Grupos que parecen movimientos ciudadanos de base pero que son created de arriba abajo por intereses corporativos. En la discusión, los veteranos de comunicación política dicen que esto es práctica común y que lo sorprendente es que salga a la luz, no que exista.

Clara Vega: Y otros replican que normalizarlo es precisamente el problema: si el apoyo público puede comprarse, la opinión pública deja de ser una señal y el regulatorio se queda tomando decisiones basadas en ruido fabricado.

Mateo Ruiz: Y para cerrar este bloque de sistemas que fallan: un fallo del sistema de procesamiento de vuelos de NATS, el control aéreo británico, dejó cientos de vuelos cancelados en Reino Unido.

Clara Vega: Aquí los ingenieros de sistemas en los comentarios tuvieron mucho que decir. Un fallo centralizado en el sistema que procesa los planes de vuelo y todo un país se para. Es el patrón del punto único de fallo: eficiencia máxima cuando funciona, catástrofe total cuando no. Los comentaristas preguntan por qué un sistema tan crítico no tiene redundancia que permita degradarse con elegancia en vez de pararse en seco.

Clara Vega: Y recuerdan que este no es el primer incidente de NATS, lo que sugiere un problema de deuda técnica crónica en infraestructura crítica.

Mateo Ruiz: Del poder y la vigilancia pasemos al control de los datos, que es el otro lado de la misma moneda.

Clara Vega: Australia ha propuesto una ley llamada "My Feed, My Way": los usuarios mayores de dieciséis años podrán optar por un feed cronológico sin contenido recomendado por algoritmo.

Mateo Ruiz: La discusión aquí es fascinante porque enfrenta dos conceptos de libertad. Unos dicen: si el usuario quiere el algoritmo, y el algoritmo le da contenido que le interesa, ¿qué problema hay? Prohibir la recomendación es paternalismo. Otros replican: no se prohíbe nada, se obliga a que exista una opción real.

Mateo Ruiz: Y argumentan que la recomendación algorítmica no es neutra, está optimizada para retención, no para bienestar, y que un usuario no puede ejercer una elección informada sobre algo que no puede ver.

Clara Vega: También hay debate sobre el límite de edad, dieciséis años, y sobre la aplicabilidad: ¿verificación de edad otra vez, con todos los problemas de privacidad que eso implica? Y quién paga el coste técnico de mantener dos feeds.

Mateo Ruiz: Hablando de infraestructura concentrada: un dato que dejó a más de uno pensando. Casi nueve de cada diez empresas europeas que usan CDN dependen de Cloudflare. Como principal alternativa se cita a Bunny.net.

Clara Vega: Es la dependencia del punto único de fallo de nuevo, pero a escala continental. Y los comentaristas hacen la conexión directa con el fallo de NATS que acabamos de comentar: si el 90% depende de un proveedor, un mal despliegue de Cloudflare es un mal día para media internet europea. Los defensores de Cloudflare argumentan que la alternativa, que cada empresa monte su propia infraestructura, es peor en seguridad y coste para la mayoría.

Clara Vega: Es una trampa: la concentración es racional individualmente y frágil colectivamente.

Mateo Ruiz: Y en el otro extremo de esa discusión está LibreOffice, que acaba de superar un millón de descargas semanales tras anunciar que no incluirá IA generativa, por razones de privacidad.

Clara Vega: Es un experimento curioso: convertir la ausencia de una función en tu propuesta de valor. En los comentarios hay quien aplaude: por fin una suite que no te intenta meter un copiloto que envía tus documentos a la nube. Y hay quien lo ve como señal de estancamiento: LibreOffice no incorpora IA porque no puede permitirse la infraestructura, y lo vende como virtud. Es la misma pregunta de siempre: ¿es decisión de principios o de capacidad?

Mateo Ruiz: Y cerramos este bloque con una advertencia que sonó fuerte. Un autor sostiene que queda aproximadamente un año para arreglar la seguridad global, porque modelos abiertas y baratas como GLM 5.3-flash permiten a cualquiera ejecutar ataques a escala.

Clara Vega: El argumento es este: la seguridad de internet siempre ha dependido de que explotar vulnerabilidades requería habilidad. Si un modelo barato y abierto puede automatizar la búsqueda y explotación de vulnerabilidades, ese coste se desploma. En los comentarios hay acuerdo parcial en el diagnóstico, pero las respuestas divergen. Unos dicen que es alarmismo: los atacantes sofisticados ya existían, y la defensiva también mejora con IA.

Clara Vega: Otros toman la advertencia en serio y preguntan: ¿qué significa "arreglar la seguridad global" en un año? Nadie en la discusión tenía una respuesta concreta, y esa ausencia de plan es quizá lo más inquietante.

Mateo Ruiz: Del control y el riesgo pasemos a algo más esperanzador: herramientas para entender cosas que antes eran opacas.

Clara Vega: El titular grande es AlphaGenome Atlas, de DeepMind. Predice el efecto molecular de nueve mil millones de variantes de una sola letra en el genoma humano. El dataset es de un petabyte, con un score llamado AVI.

Mateo Ruiz: Para ponerlo en contexto: la mayoría de las variantes genéticas asociadas a enfermedad no están en los genes, sino en las regiones que los regulan. Hasta ahora, saber qué hace una variante concreta requería experimentos caros y lentos. Si un modelo puede predecir el efecto de nueve mil millones de variantes, cada persona que se haga una secuenciación podría tener una lectura mucho más rica de qué significa su genoma.

Clara Vega: En la discusión, los biólogos computacionales advierten sobre la diferencia entre predicción y validación: un score de un petabyte es una hipótesis por cada variante, no una verdad demostrada. Y la pregunta práctica es cómo estos scores llegan a la clínica sin generar falsos alarmismos en pacientes. También se pregunta por la accesibilidad: ¿está el dataset disponible para investigadores fuera de DeepMind?

Mateo Ruiz: Y del genoma a los pesos del propio modelo, con dos herramientas de transparencia de IA. La primera: benchmarks de cuantización de Qwen3.8 27B. Resultado: la versión Q4 iguala al BF16 original, pero la cuantización a 1-bit colapsa a azar en GPQA, que es un benchmark de conocimiento a nivel doctoral.

Clara Vega: Es un resultado con mucha utilidad práctica. Cuantizar es comprimir los pesos del modelo para que quepan en menos memoria. Q4, cuatro bits, te da el mismo rendimiento con un cuarto de la memoria: eso significa que los modelos locales pueden ser mucho más grandes de lo que creías. Pero el límite está clarísimo: a un bit por peso, la información simplemente ya no está. No es degradación gradual, es colapso. Y en GPQA, donde necesitas conocimiento fino, se nota de inmediato.

Mateo Ruiz: La segunda herramienta es más visual: un visualizador web de atención en LLM que muestra la opacidad de cada token según la magnitud de su vector de value y del producto QK.

Clara Vega: Para quien no viva en esto: la atención es el mecanismo por el cual un modelo decide qué partes del contexto mirar al generar cada palabra. Este visualizador hace visible esa decisión: ves qué tokens iluminan cuáles. Los que lo han probado dicen que es pedagógicamente revelador, pero también advierten: ver la atención no es entender el razonamiento. La atención te dice dónde mira el modelo, no por qué. Es una ventana, no un plano.

Mateo Ruiz: Y cerramos con el bloque de taller, reliquias y curiosidades, que este mes trae cosas buenísimas.

Clara Vega: Empecemos con un hack delicioso: alguien convirtió un e-reader Xteink X3 en una impresora IPP real para macOS, sin driver, usando "penguin".

Mateo Ruiz: IPP es el protocolo estándar de impresión, y macOS lo soporta nativamente. La genialidad del hack es que en vez de escribir un driver, el creador hizo que el e-reader hablara el protocolo que el sistema ya entiende. Los comentaristas aprecian especialmente el uso del e-reader como hardware: tinta electrónica, bajo consumo, y una pantalla que ya está ahí. Es el tipo de proyecto que enseña más sobre protocolos que cualquier tutorial.

Clara Vega: En la línea del hardware retro: experimentos de sonido de un bit en el ZX Spectrum. PCM, PWM y acordes multicanal usando solo el beeper original, ese altavoz diminuto que solo puede encenderse y apagarse.

Mateo Ruiz: Esto es puro arte de ingeniería. El beeper no puede reproducir dos notas a la vez, así que los acordes multicanal se consiguen con trucos de temporización: alternar entre frecuencias lo suficientemente rápido para que el oído los fusione. Los comentarios están llenos de gente que creció con esos ordenadores contando cómo sonaban los juegos de la época, y de jóvenes que no se explican cómo se sacaba música de eso.

Clara Vega: Y también de reliquias, pero de las digitales: un artículo que cataloga snippets HTML obsoletos. X-UA-Compatible, los comentarios condicionales de Internet Explorer, la meta ICBM, y más reliquias de las guerras de navegadores.

Mateo Ruiz: Para los que empezaron en la web en los 2000, esto es arqueología personal. La meta ICBM, que supuestamente daba coordenadas geográficas de la página, es quizá la más exótica. Los comentaristas recuerdan los hacks que hacían falta para que las páginas se vieran igual en Explorer y en Netscape, y debaten qué hacks de hoy parecerán igual de absurdos en veinte años. Las apuestas más repetidas: los banners de consentimiento de cookies y las etiquetas para las políticas de IA de los buscadores.

Clara Vega: De las reliquias a una curiosidad que sorprendió a mucha gente: los santos cristianos Barlaam y Josaphat derivan de la historia del Buda, a través de traducciones sucesivas.

Mateo Ruiz: Es un caso de estudio precioso de cómo viajan las historias. La vida de Buda pasó al mundo islámico, de ahí al griego, donde el príncipe se convirtió en "Josaphat", que es una deformación de "Bodhisattva". Y acabaron canonizados como santos cristianos.

Mateo Ruiz: En los comentarios, historiadores y curiosos señalan que este tipo de deriva es común en las tradiciones orales y escritas, y otros ven paralelismos con cómo se propagan los memes hoy: la historia se transforma con cada salto cultural, pero el núcleo sobrevive.

Clara Vega: Un guiño geográfico también: AlphaGeo ha rankeado la resiliencia climática de 72 megaciudades, y Chicago aparece entre las mejor adaptadas.

Mateo Ruiz: Aquí el debate es sobre metodología: ¿qué significa "mejor adaptada"? Los rankings de este tipo mezclan infraestructura, geografía y políticas, y los comentaristas advierten que un ranking es tan bueno como sus ponderaciones. Chicago tiene geografía favorable frente al mar y sistemas de gestión de agua heredados de un siglo de ingeniería, pero el cambio climático puede superar cualquier planificación. Y otros aprovechan para preguntar por sus propias ciudades, que no salen bien paradas.

Clara Vega: Y para los administradores de sistemas: FreeBSD 14.5-RELEASE ha sido anunciado. Es el sexto lanzamiento de la rama stable/14, y viene enfocado en mantenimiento.

Mateo Ruiz: Un lanzamiento sin fuegos artificiales, y eso es justo lo que la comunidad de FreeBSD valora: estabilidad predecible. En los comentarios, los sysadmins veteranos defienden ese modelo frente al mundo del "mover rápido y romper cosas": un servidor que no cambia bajo tus pies es una característica, no una falta. Otros preguntan cuándo llegará la rama 15 a producción, y la respuesta es la de siempre: cuando esté lista.

Clara Vega: Y un último apunte que bien podría haber estado en el primer bloque: un estudio muestra que los LLM desarrollan sesgos sociales nuevos sobre grupos demográficos ficticios, sin diferencias inherentes.

Mateo Ruiz: Este es quizá el hallazgo más inquietante del día, y me gusta que cierre el episodio. Si los modelos sesgan entre grupos que son idénticos por construcción, el sesgo no viene de los datos que reflejan la realidad: viene del propio proceso de aprendizaje. Es decir, la similitud estadística basta para generar jerarquías.

Clara Vega: En la discusión hay varias lecturas. Quienes ven en esto evidencia de que el sesgo es una propiedad emergente de cualquier sistema que clasifique, no un defecto de nuestros datos. Quienes preguntan por la metodología: ¿cómo se mide un sesgo sobre grupos ficticios, y qué cuenta como "sesgo nuevo"? Y quienes sacan la consecuencia práctica: si los sesgos surgen incluso sin datos de sesgo real, las auditorías que buscan reflejos de prejuicios humanos pueden no ser suficientes.

Clara Vega: Habría que auditar también los sesgos autogenerados.

Mateo Ruiz: Y con eso llegamos al final. Un día con matemáticos enfrentados a una empresa por el problema más famoso de los fluidos, modelos que corren a mil tokens por segundo o desde cuatro discos duros, agentes que diseñan placas y editan vídeo mientras dudamos de darles nuestras llaves, sistemas de vigilancia con consecuencias físicas, y herramientas que intentan hacer visible lo opaco, del genoma a la atención de un modelo.

Clara Vega: La conclusión provisional, si es que se puede sacar una, es que las preguntas ya no son "¿puede la IA hacer esto?" sino "¿quién decide cómo, con qué transparencia, y quién responde cuando falla?". Eso es todo por hoy. Gracias por acompañarnos, soy Clara Vega.

Mateo Ruiz: Y yo Mateo Ruiz. Nos vemos en la próxima.