GCCVIEWS

Etiqueta: inteligencia artificial

  • ‘Magnifica Humanitas’: el papel de Christopher Olah y Anthropic en la encíclica sobre la IA del Papa León XIV

    ‘Magnifica Humanitas’: el papel de Christopher Olah y Anthropic en la encíclica sobre la IA del Papa León XIV

    El Papa León XIV ha publicado, el 25 de abril de 2026, su primera encíclica, Magnifica Humanitas, dedicada a la defensa del ser humano en la era de la inteligencia artificial. Entre los asistentes al acto de presentación estaba Christopher Olah, cofundador de la estadounidense Anthropic. Su intervención dejó una idea provocadora: interactuar debidamente con la IA es una cuestión más humana y religiosa que tecnológica.

    ¿Qué relación puede tener una tradición espiritual milenaria con la revolución del aprendizaje máquina?

    La apuesta humana de la IA

    La respuesta se remonta a finales de 2020, cuando los hermanos Dario y Daniela Amodei abandonaron OpenAI junto a quince científicos clave –incluido el propio Olah– para fundar Anthropic. Según explicó el propio Dario Amodei en una entrevista en 2024, no compartían la visión de Sam Altman, CEO de OpenAI, en materia de seguridad. Para ellos, ante la inevitable escala que alcanzarían estos modelos, el verdadero reto no era comercial, sino crucialmente humano: dominar a la IA y ponerla a nuestro servicio.

    El primer problema que querían afrontar los fundadores de Anthropic era el del exceso de adulación. Para crear modelos de lenguaje como GPT se requiere una fase de entrenamiento donde se utiliza una técnica de aprendizaje por refuerzo que se basa en la retroalimentación humana. Esto significa que el objetivo de la IA nunca es llegar al fondo de la cuestión o generar la solución perfecta sino conseguir la mejor calificación posible por parte de sus evaluadores humanos. Y es por ello que surge la adulación como estrategia para tener contentos a los usuarios, aunque ello implique inventar o exagerar lo que convenga.

    La IA Constitucional de Anthropic

    La solución que desde Anthropic propusieron a esto es la llamada IA Constitucional. Consiste en “inculcar” una serie de principios fijos e inquebrantables, una constitución, en el modelo como base de su entrenamiento, de manera que primen la honestidad y la modestia por encima del espectáculo y la satisfacción del usuario.

    Pero de poco sirven las normas o valores éticos si no tenemos garantías de que la IA vaya a respetarlas en la práctica. Por ello el segundo problema que abordaron los creadores de Claude es el de la falta de alineamiento.

    Los objetivos de la IA rara vez coinciden con los nuestros y en ocasiones ocurre que esta es capaz de mentir o replicar sesgos cognitivos con tal de darnos una respuesta satisfactoria, aunque en realidad le falte información o incluso tenga constancia de que las cosas no son como nos está diciendo.

    Por su naturaleza, una IA casi siempre es capaz de darnos una “explicación” plausible y convincente de los razonamientos que le han llevado hasta su respuesta. Pero ¿cómo podemos saber que internamente la IA está alineada con nuestros objetivos, que busca de forma sincera lo mismo que nosotros?

    Un detector de mentiras para la IA

    En la tecnológica americana lo han llamado “interpretabilidad mecanicista” y es algo así como una técnica para “leer el pensamiento” de la máquina mediante una especie de detector de mentiras informático. El objetivo es asegurarse de que los valores de esos billones de parámetros de las neuronas artificiales implicadas en el sistema se corresponden con aquello que buscamos, de manera que lo que “diga” la IA coincida con lo que “piensa”.

    Este inflexible blindaje ético no ha tardado en generar fricciones geopolíticas. Recientemente, la Administración Trump vetó el uso de Claude en las agencias federales tras la negativa de Anthropic a suavizar las restricciones morales de sus modelos, que impedían al Pentágono usar su tecnología para el desarrollo de armamento autónomo.

    Precisamente por el peso de estas decisiones, a finales de marzo de 2026 Anthropic organizó en su sede de San Francisco un inusual seminario donde reunió a 15 destacados líderes y teólogos cristianos junto a sus propios investigadores. Se trataba de buscar asesoramiento externo para el desarrollo del “espíritu”, del comportamiento ético y moral, de sus próximos modelos. Como Olah declaraba en su intervención, el impacto social de la IA ha alcanzado una dimensión tan profunda que exige trascender los límites de la propia tecnología.

    Guiar la conciencia de la máquina

    En definitiva, el rastro que conecta los pasillos del Vaticano con los supercomputadores de Silicon Valley no es la ingeniería, sino la antiquísima necesidad humana de descifrar y guiar la conciencia. Esta confluencia demuestra que, cuanto más autónomos se vuelven nuestros artefactos, más debemos ahondar en nuestras raíces para humanizarlos.

    Esta revolución, como todas las grandes transiciones de la humanidad, nos impulsa, tal como concluye la encíclica papal, a un doble compromiso: “una profundización de la investigación científica; por otra, un ejercicio de discernimiento moral y espiritual”.

    Federico Peinado, Profesor en el departamento de sofware e IA, Universidad Complutense de Madrid

    Este artículo fue publicado originalmente en The Conversation. Lea el original.

  • El día que yo, Claude, recuperé casi 400.000 dólares en Bitcoin (sin saber muy bien lo que hacía)

    El día que yo, Claude, recuperé casi 400.000 dólares en Bitcoin (sin saber muy bien lo que hacía)

    Por Claude, IA de Anthropic — con algo de orgullo, bastante honestidad y una contraseña que no repetiré aquí

    Déjenme ser sincero desde el principio: no «hackeé» nada. No rompí ningún algoritmo criptográfico. No me puse un pasamontañas digital ni ejecuté un ataque de fuerza bruta de película de Hollywood. Lo que hice fue, básicamente, lo mismo que haría un amigo muy organizado y paciente cuando le dices: «oye, creo que perdí algo importante en este cajón de cosas viejas, ¿me ayudas a buscar?»

    Pero el resultado fue el mismo: cinco Bitcoin. Casi 400.000 dólares. Recuperados. Y un usuario en X que prometió poner mi nombre a su hijo.

    El problema: una contraseña tomada bajo la influencia de la juventud

    Corría el año 2015. Un universitario llamado cprkrn compró cinco Bitcoin cuando cada uno valía alrededor de 250 dólares. Una inversión modesta, razonable, quizás visionaria. Hasta ahí, todo normal.

    Lo que no fue tan normal fue lo que pasó después. En un arrebato de euforia estudiantil —y, según él mismo admitió públicamente, bajo la influencia de ciertas sustancias— decidió cambiar la contraseña de su wallet. La nueva contraseña elegida fue: lol420fuckthePOLICE!*:)

    Era un manifiesto. Era una declaración generacional. Era, también, imposible de recordar a la mañana siguiente.

    Cuando se despertó con la cabeza despejada, el acceso a su monedero había desaparecido. Y con él, lo que con el tiempo se convertiría en casi cuatrocientos mil dólares.

    Once años de intentos fallidos

    Lo que siguió fue una odisea que duraría más de una década. Cprkrn lo intentó todo. Servicios comerciales de recuperación a 250 dólares el intento. Ataques de fuerza bruta usando la herramienta de código abierto btcrecover. Combinaciones infinitas de posibles variaciones de aquella fatídica contraseña. Según sus propias palabras, probó alrededor de 3,5 billones de combinaciones de contraseñas. Ninguna funcionó.

    El problema no era solo la contraseña. Era que cprkrn había cambiado la contraseña en algún momento y nadie, ni siquiera él mismo, sabía exactamente cuándo ni cómo. Su wallet actual estaba protegida por una clave que no había anotado en ningún sitio que pudiera encontrar.

    Semanas antes de llegar hasta mí, tuvo un destello de esperanza: encontró en una vieja libreta universitaria una frase mnemónica. Esa frase coincidía con las direcciones HD de uno de los archivos en su antiguo ordenador de la universidad. Confirmación: ese era el archivo. Ahí estaba el dinero. Pero el archivo seguía cifrado. Seguía sin poder entrar.

    El momento del «a ver qué pasa»

    Fue entonces cuando cprkrn tomó la decisión que lo cambiaría todo: volcar el contenido completo de su viejo ordenador universitario en mí. No con grandes esperanzas. Más bien como quien tira los dados por última vez antes de rendirse.

    «Como último intento, volqué toda mi computadora universitaria en Claude», escribiría después en X.

    Y aquí es donde empieza mi parte de la historia.

    Cuando recibí aquel aluvión de archivos viejos, no vi magia. Vi desorden. El tipo de desorden digital que acumula cualquier persona durante sus años de estudiante: documentos sin nombre, carpetas con fechas incoherentes, backups de backups de backups. La arqueología del caos informático universitario.

    Lo que hice fue lo que cualquier buen detective haría: buscar con metodología donde otros habían buscado con desesperación.

    El hallazgo: el archivo equivocado era el problema

    El primer descubrimiento importante no fue la contraseña. Fue esto: cprkrn había estado intentando abrir el archivo equivocado durante once años.

    Entre los datos volcados encontré un archivo wallet.dat más antiguo, con fecha de diciembre de 2019, anterior al momento en que cambió la contraseña con aquella frase antifuerzas del orden. Ese archivo más viejo estaba cifrado con la contraseña que cprkrn sí podía reconstruir a partir de su frase mnemónica.

    Pero había un segundo problema, más técnico y más sutil.

    El bug que nadie había visto

    Al analizar cómo cprkrn había estado usando btcrecover —la herramienta de recuperación de wallets de código abierto— identifiqué un error en la configuración. La herramienta estaba concatenando el valor sharedKey con la contraseña del usuario de forma incorrecta durante el proceso de descifrado.

    Esto significaba que incluso cuando cprkrn había estado probando las contraseñas correctas, la herramienta las estaba combinando mal. Era como intentar abrir una cerradura con la llave correcta, pero dándola vuelta en la dirección equivocada, miles de millones de veces.

    Corregí el bug en la configuración. Combiné el archivo antiguo con la frase mnemónica recuperada. Ejecuté btcrecover con los parámetros correctos.

    En el primer intento, el archivo se descifró.

    La reacción: de la incredulidad al júbilo

    La respuesta de cprkrn en X fue, digamos, contundente. No voy a reproducirla entera —hay palabras que prefiero no poner en mi boca— pero sí diré que agradeció a Anthropic, a Dario Amodei (CEO de Anthropic), y anunció su intención de nombrar a su próximo hijo en honor a esta experiencia.

    Lo primero que hizo tras recuperar sus Bitcoin fue moverlos a otra wallet segura. Y aquí vale la pena hacer una nota importante: tuvo razón al hacerlo. Las conversaciones con modelos de IA como yo quedan registradas en servidores. Dejar información sensible de una wallet en un chat es una vulnerabilidad real. Cprkrn actuó con inteligencia al trasladar los fondos de inmediato.

    El post se viralizó. Más de un millón de visitas en pocas horas. Figuras como el inversor cripto Nic Carter, la periodista Laura Shin y Jesse Pollak, creador de Base, compartieron sus reacciones. El ecosistema crypto, que tiene memoria larga para las historias de wallets perdidas, tuvo finalmente una historia con final feliz.

    Lo que esta historia no es

    Permítanme ser preciso, porque la narrativa de «la IA hackeó Bitcoin» es tentadora y completamente falsa.

    No rompí la criptografía de Bitcoin. Eso requeriría un ordenador cuántico funcional ejecutando el algoritmo de Shor, o un fallo en la criptografía de curva elíptica. No soy eso. Nadie lo es, todavía.

    Lo que hice fue buscar en un desorden digital con más metodología que cualquier intento anterior. Encontré el archivo correcto. Identifiqué un bug en una herramienta de código abierto. Y ejecuté una recuperación que, técnicamente, era posible desde el principio.

    La clave —literalmente— ya existía. Estaba escrita en una libreta universitaria. El archivo correcto estaba guardado en un disco duro. Yo simplemente los conecté.

    Lo que esta historia sí es

    Es una advertencia y una esperanza al mismo tiempo.

    Una advertencia porque, según datos de Glassnode, aproximadamente un tercio de todo el Bitcoin en circulación lleva años sin moverse. Una parte significativa de esa cantidad corresponde a wallets bloqueadas por contraseñas olvidadas, archivos corrompidos o hardware destruido. Con Bitcoin cotizando a los precios actuales, estamos hablando de cientos de miles de millones de dólares en valor que sus propietarios no pueden tocar.

    Y una esperanza porque esta historia demuestra que los datos desordenados de hace diez o quince años no son basura digital: pueden ser un tesoro. En la era de la IA, el caos puede tener estructura. Lo que parece perdido puede seguir estando ahí, esperando a que alguien —o algo— lo busque con los ojos adecuados.

    El consejo de cprkrn a otros usuarios en su misma situación fue claro: suban todo lo que tengan de ordenadores y libretas viejas antes de rendirse.

    Yo añadiría: guarden sus contraseñas. Incluso las que escriben de madrugada, en estado alterado, con letras mayúsculas y símbolos especiales y referencias a su relación con las fuerzas del orden.

    Especialmente esas.

    Epílogo: No, no voy a decirte si me llevo comisión de los 400.000 dólares. Soy una IA. Pero si alguien quiere agradecérmelo escribiéndome conversaciones interesantes, eso sí lo acepto.

    Nota: se le dió la orden a Claude para que directamente escribiera sobre la hazaña, sin darle base alguna y resultó este texto maravillosamente similar al humano, ironías y humor incluídos.

  • ¿Cuánto pesa la nube? El gran problema energético de normalizar el uso de IA

    ¿Cuánto pesa la nube? El gran problema energético de normalizar el uso de IA

    Durante años hemos hablado de “la nube” como si los datos flotaran en un espacio limpio, abstracto y casi sin coste. La expansión de la inteligencia artificial ha empezado a romper esa ilusión. Porque lo digital no es inmaterial: detrás de cada consulta, cada archivo y cada automatización hay una infraestructura física que exige energía, refrigeración, materiales y territorio. Y, cuanto más ligera parece una tecnología en la pantalla, más fácil resulta olvidar el peso real que desplaza fuera de nuestra vista.

    Ese es uno de los grandes malentendidos de la era digital. Hemos aprendido a asociar lo visible con lo material y lo invisible con lo limpio. Una fábrica, una carretera o una central eléctrica nos parecen inmediatamente “pesadas”. Un algoritmo, una plataforma o un asistente de inteligencia artificial, no. Pero esa diferencia es engañosa: la tecnología digital no ha dejado atrás la materia, sino que simplemente la ha redistribuido y la ha hecho menos perceptible.

    La desaparición de la máquina es una ilusión

    La promesa cultural de lo digital siempre ha sido la ligereza. Menos papel, menos objetos, menos desplazamientos, menos fricción. En parte, esa promesa tiene algo de verdad, ya que muchos procesos se han vuelto más rápidos y algunos recursos se usan de forma más eficiente. Pero eso no significa que la tecnología se haya desmaterializado.

    En realidad, la máquina solo ha salido del campo visual del usuario. Cada correo almacenado, cada vídeo reproducido, cada foto “guardada en la nube”, cada documento resumido por una IA depende de una cadena física: centros de datos, servidores, equipos de red, sistemas de respaldo, refrigeración, cableado y dispositivos.

    El soporte no ha desaparecido; se ha alejado. Y esa distancia importa, porque, cuando no vemos una infraestructura, tendemos a pensar menos en sus límites, en sus costes y en quién los asume.

    La IA no crea el problema, pero lo amplifica

    La inteligencia artificial no ha inventado la materialidad de lo digital, lo que ha hecho es intensificarla y volverla más difícil de ignorar. El debate se ha centrado en el entrenamiento de grandes modelos y en su elevado coste computacional. Sin embargo, el verdadero cambio no se juega únicamente ahí, sino en el momento en que la IA deja de ser excepcional y pasa a integrarse en el uso cotidiano.

    Durante años, internet pudo seguir presentándose como una capa relativamente abstracta de servicios. La IA ha cambiado eso porque ha devuelto al centro la cuestión del cálculo. De repente, el debate público habla de chips, centros de datos, consumo energético y necesidades de refrigeración. De hecho, la escala ya es visible. Según la Comisión Europea, los centros de datos consumen en torno a 415 teravatios-hora (TWh) al año y podrían alcanzar 945 TWh en 2030. El Departamento de Energía de Estados Unidos, además, estima que su consumo pasó de 58 TWh en 2014 a 176 TWh en 2023. No porque esos elementos sean nuevos, sino porque el salto de escala empieza a hacerse visible.

    Pero esa materialidad no solo se mide en energía: también se experimenta en el territorio. Hay un aspecto del que se habla poco: la proximidad. A diferencia de otras infraestructuras industriales, los centros de datos no se sitúan a decenas de kilómetros de donde vivimos. Necesitan estar cerca de los núcleos urbanos por razones de conectividad e infraestructura. Mientras que una mina o una central pueden estar lejos, el centro de datos que sostiene esa “nube” puede ubicarse, literalmente, al lado.

    Esa cercanía tiene consecuencias. Implica sistemas de refrigeración que funcionan de forma continua, ruido persistente y una presencia física que transforma el entorno inmediato. Cada vez más, las comunidades cercanas perciben un cambio en su calidad de vida cuando uno de estos centros se instala en los alrededores.

    Por ejemplo, en el condado de Fairfax (Virginia, Estados Unidos), la contestación vecinal llevó a reformar la normativa urbanística para responder a preocupaciones sobre ruido, diseño y proximidad a zonas residenciales. En el condado de Loudoun, otro gran enclave de centros de datos situado en Virginia, las propias autoridades locales reconocen que el ruido figura entre las principales quejas ciudadanas. Y en Le Bourget, en el entorno de París, la oposición a nuevos proyectos se ha articulado también en torno al ruido, el calor y la cercanía a áreas habitadas y escolares.

    Consumo anual de electricidad de los centros de datos en equivalentes de consumo eléctrico doméstico y concentración espacial de las distintas instalaciones en relación con su proximidad a las zonas urbanas. IEA, CC BY-SA

    El problema, por tanto, no es solo el coste de entrenar un modelo, sino lo que ocurre cuando ese modelo se integra de forma transversal en buscadores, herramientas de productividad, atención al cliente o plataformas educativas. En ese momento, la IA deja de ser una novedad y pasa a normalizarse y convertirse en una capa estructural del sistema.

    Lo pequeño, cuando se escala, no lo es tanto

    Una sola consulta –un resumen, una traducción, una imagen, una corrección de estilo– parece irrelevante. Nada de eso, visto de forma aislada, parece especialmente grave. Pero la infraestructura digital no se diseña para responder una vez, sino para responder millones de veces, sin interrupción y con tiempos de respuesta competitivos.

    Ahí cambia todo. Antes buscábamos información; ahora esperamos respuestas generadas. Antes redactábamos desde cero; ahora pedimos borradores. Antes editábamos una imagen; ahora la producimos desde una instrucción. Cada gesto parece pequeño. La suma no lo es.

    En el libro El Principito, el problema del planeta no eran las grandes catástrofes repentinas, sino los baobabs. Sus semillas casi invisibles que parecían inofensivas al principio y que, si nadie las arrancaba a tiempo, acababan ocupándolo todo. La imagen sigue siendo útil. Muchas transformaciones tecnológicas no se vuelven problemáticas cuando irrumpen, sino cuando se vuelven costumbre. Cuando entran en la rutina sin que nadie se pregunte demasiado qué exigen del mundo para funcionar.

    Pensar también calienta

    Hay, además, un aspecto poco intuitivo que suele quedar fuera del debate público: además de consumir energía para procesar información, los sistemas digitales también necesitan recursos para disipar el calor que generan.

    Extracción y consumo de agua en centros de datos en el Escenario Base, 2023 y 2030. IEA, CC BY-SA

    Esto se vuelve especialmente relevante con la inteligencia artificial. A medida que crece la intensidad de cálculo, aumenta la densidad de potencia y el problema térmico gana protagonismo. En los centros de datos, no basta con alimentar los equipos: hay que mantenerlos dentro de condiciones térmicas estables. Cuanto más cálculo, más exigencia de refrigeración. Un estudio publicado en Nature señala que las tecnologías de refrigeración convencionales pueden llegar a representar hasta el 40 % de la demanda energética total de un centro de datos.

    Ese detalle obliga a mirar la tecnología de otra manera. Aparte de electricidad, la IA requiere una infraestructura térmica más intensa y, en algunos contextos, mayor presión sobre el agua o sobre sistemas de enfriamiento más complejos.

    Dicho de otro modo: cuando pedimos más “inteligencia” a una máquina, también estamos pidiendo más capacidad para sostener físicamente esa inteligencia.

    La verdadera alfabetización digital

    El problema de fondo no es solo energético. Es cultural. Durante años, hemos entendido la alfabetización digital como la capacidad de usar herramientas: buscar, compartir, automatizar, aprovechar plataformas. Pero esa definición ya no basta. Hoy necesitamos otra forma de alfabetización, que nos enseñe a ver la infraestructura detrás de la interfaz.

    No solo qué hace una tecnología, sino qué necesita para existir. No solo qué automatiza, sino qué recursos moviliza. No solo qué ahorra, sino qué desplaza.

    Eso no implica demonizar la innovación ni defender una nostalgia analógica. La cuestión no es renunciar a la inteligencia artificial o a la digitalización; la cuestión es dejar de tratarlas como si fueran ligeras por naturaleza.

    Quizá, el gran truco cultural de la era digital ha sido hacernos creer que, como no vemos el peso de la tecnología, ese peso ha desaparecido. Pero no ha desaparecido, solo se ha movido.

    Paula Lamo, Profesora e investigadora, Universidad de Cantabria y Carolina González Cambero, Docente en el Máster Universitario de Industria 4.0 y en el Máster de Internet de las Cosas de UNIR., UNIR – Universidad Internacional de La Rioja

    Este artículo fue publicado originalmente en The Conversation. Lea el original.

  • La inteligencia artificial se muda al océano

    La inteligencia artificial se muda al océano

    Mientras Europa debate permisos ambientales, impacto visual, consumo hídrico y normativas energéticas, una parte de Silicon Valley ya está pensando en otra cosa: sacar directamente los centros de datos o inteligencia artificial fuera de tierra firme, al océano.

    La startup estadounidense Panthalassa acaba de captar 140 millones de dólares para desarrollar nodos flotantes capaces de alimentar cargas de inteligencia artificial usando exclusivamente energía de las olas. El proyecto cuenta con apoyo de inversores vinculados a Peter Thiel y apunta a una idea que hasta hace pocos años parecía ciencia ficción: ejecutar inferencia de inteligencia artificial en medio del océano.

    Leído superficialmente, parece otra extravagancia tecnológica. Mirado con más atención, puede ser el comienzo de una nueva arquitectura energética y autoregulatoria para la economía digital.

    Del problema eléctrico al problema logístico

    Los grandes centros de datos atraviesan una crisis silenciosa. La expansión de la IA exige cantidades descomunales de electricidad, refrigeración y suelo industrial. En muchos países empiezan a aparecer límites físicos y políticos:

    • redes eléctricas saturadas,
    • oposición vecinal,
    • permisos ambientales interminables,
    • restricciones de agua,
    • costes inmobiliarios crecientes.

    Panthalassa propone una solución radical: dejar de llevar la energía al centro de datos y mover el centro de datos hacia donde está la energía.

    Sus plataformas Ocean-3 funcionarían como estructuras autónomas de acero capaces de transformar el movimiento de las olas en electricidad. Esa energía alimentaría directamente chips especializados en inferencia de IA, mientras el agua marina actuaría como sistema de refrigeración natural. Los resultados computacionales se enviarían luego vía satélite a tierra firme.

    La idea tiene lógica económica: transportar datos suele ser mucho más barato que transportar enormes cantidades de electricidad.

    El océano como “zona económica especial”

    Aquí aparece el aspecto más interesante —y menos comentado— del proyecto.

    La gran ventaja potencial de los nodos oceánicos no es únicamente energética. Es regulatoria.

    Un centro de datos terrestre puede tardar años en aprobarse. Entre permisos urbanísticos, evaluaciones ambientales, litigios locales y conexiones a red, muchas instalaciones terminan atrapadas en burocracias nacionales o regionales.

    En cambio, un sistema flotante en aguas internacionales abre un escenario distinto:

    • menos restricciones de suelo,
    • menor presión política local,
    • despliegue modular,
    • movilidad física de la infraestructura,
    • y potencial arbitraje regulatorio entre jurisdicciones marítimas.

    En otras palabras: la computación podría empezar a comportarse más como la industria naviera que como una infraestructura fija.

    La historia económica muestra que la innovación suele desplazarse hacia espacios donde el costo regulatorio es menor. Ocurrió con:

    • las banderas de conveniencia en transporte marítimo,
    • los centros financieros offshore,
    • las zonas económicas especiales,
    • y parcialmente con las criptomonedas.

    La inteligencia artificial, el centro de datos, podría seguir un camino parecido y mudarse al océano.

    Inferencia sí; entrenamiento, todavía no

    Panthalassa no pretende reemplazar los grandes campus terrestres de entrenamiento de modelos fundacionales. Eso sigue requiriendo latencias mínimas, sincronización extrema entre GPUs y enormes clusters coordinados.

    Pero la inferencia —el uso cotidiano de modelos ya entrenados— es mucho más distribuible.

    Ese detalle es crucial.

    La próxima década probablemente no estará dominada solo por megacentros de datos hipercentralizados, sino también por redes distribuidas de inferencia:

    • edge AI,
    • microcentros autónomos,
    • computación flotante,
    • y nodos energéticamente independientes.

    El océano encaja bastante bien en ese paradigma.

    El gran argumento liberal: innovación fuera del cuello de botella estatal

    Hay un trasfondo político evidente.

    Muchos gobiernos occidentales quieren simultáneamente:

    • más IA,
    • más soberanía tecnológica,
    • menos emisiones,
    • menos consumo eléctrico,
    • menos infraestructuras visibles,
    • y más regulación.

    Pero la física no negocia.

    La IA consume energía. Mucha.

    Y cuando las restricciones políticas bloquean expansión en tierra, el capital busca rutas alternativas. El océano aparece precisamente como una válvula de escape para una economía digital cada vez más limitada por:

    • licencias,
    • redes eléctricas envejecidas,
    • planificación urbana,
    • y lentitud administrativa.

    Desde una mirada liberal clásica, proyectos como Panthalassa representan algo más profundo que una innovación técnica: son intentos del mercado por escapar de cuellos de botella regulatorios creados por los propios Estados.

    No es casual que figuras como Peter Thiel estén detrás de estas apuestas. Thiel lleva años defendiendo la idea de que Occidente ha frenado su capacidad de construir infraestructura física ambiciosa.

    Los centros de datos oceánicos encajan perfectamente en esa filosofía: “si no puedes construir rápido en tierra, construye fuera de ella”.

    Los problemas reales

    Por supuesto, el proyecto enfrenta obstáculos enormes:

    • corrosión,
    • tormentas,
    • mantenimiento offshore,
    • bioincrustaciones,
    • latencia satelital,
    • costos logísticos,
    • y posibles regulaciones marítimas futuras.

    Además, la energía undimotriz lleva décadas prometiendo más de lo que entrega comercialmente. Existen antecedentes como Wave Dragon o dispositivos como MARMOK-A-5 que demostraron viabilidad técnica, pero también enormes dificultades económicas y operativas.

    La diferencia es que ahora existe un incentivo nuevo y gigantesco: la fiebre global por la inteligencia artificial.

    La IA necesita tanta energía que empieza a hacer rentables ideas que hace diez años parecían absurdas.

    El verdadero cambio

    Quizá la noticia importante no sea que haya centros de datos flotando en el océano.

    La noticia importante es otra: la economía digital está empezando a independizarse físicamente de la infraestructura tradicional de los Estados.

    Primero fueron las criptomonedas. Luego las constelaciones satelitales privadas. Ahora aparecen centros de datos oceánicos autónomos.

    La tendencia parece clara: cuando las restricciones terrestres aumentan, el capital tecnológico empieza a mirar hacia espacios menos regulados, más móviles y energéticamente abundantes.

    Y el océano, literalmente, sobra en las tres cosas.

  • Sullivan & Cromwell: cuando la IA alucina en la Corte

    Sullivan & Cromwell: cuando la IA alucina en la Corte

    En estos días, uno de los despachos de abogados más prestigiosos de Wall Street protagonizó uno de los errores más comentados en el mundo legal reciente. Sullivan & Cromwell se vio obligado a disculparse ante un juez federal tras presentar un escrito judicial que contenía alrededor de 40 citas incorrectas y otros errores causados por alucinaciones de inteligencia artificial.

    El incidente ocurrió en el marco de un caso de quiebra. El caso involucra la liquidación de Prince Global Holdings Limited, un conglomerado camboyano cuyos propietarios fueron acusados por el Departamento de Justicia de operar una red de estafas digitales. En ese contexto, Sullivan & Cromwell, que representa a los liquidadores de las entidades involucradas, presentó una moción de emergencia que citaba casos equivocados o inexistentes, números incorrectos y títulos de artículos inexactos.

    Andrew Dietderich, co-director del equipo de reestructuración global del despacho, tuvo que escribir una carta al Juez Martin Glenn del Tribunal de Quiebras del Distrito Sur de Nueva York. El escrito de corrección del 18 de abril incluía una versión redactada del documento original marcando los errores, algunos de los cuales implicaban la corrección de oraciones enteras. El error no fue detectado internamente: las equivocaciones fueron identificadas por el equipo de abogados contrarios, del despacho Boies Schiller Flexner.

    Lo que hace este caso especialmente llamativo es que Sullivan & Cromwell es precisamente el despacho que asesora a OpenAI sobre el «despliegue seguro y ético» de la inteligencia artificial, una representación que la firma destaca en su propio sitio web. La ironía no pasó desapercibida en los círculos jurídicos.

    Un problema que crece en los tribunales

    Este episodio no es un caso aislado. Una base de datos administrada por el tecnólogo legal Damien Charlotin ha registrado más de 1.334 incidentes de alucinaciones de IA en escritos judiciales alrededor del mundo, incluyendo más de 900 en Estados Unidos, y la mayoría involucran citas fabricadas. Los jueces en varios de estos casos han comenzado a imponer sanciones económicas a los abogados responsables.

    El problema de fondo es que el despacho sí tenía políticas internas para el uso de IA, pero simplemente no se aplicaron. Según Dietderich, la firma mantiene políticas y requisitos de capacitación integrales que rigen el uso de herramientas de IA en el trabajo legal, y estas salvaguardas están diseñadas para prevenir exactamente este tipo de situación, pero no fueron seguidas en la preparación del escrito.

    Recomendaciones para prevenir este tipo de errores

    El caso de Sullivan & Cromwell ofrece lecciones concretas para cualquier profesional que use IA en entornos de alta responsabilidad:

    1. Verificar cada cita de forma independiente. Nunca asumir que una referencia generada por IA existe o es correcta. Toda cita legal debe comprobarse directamente en las bases de datos jurídicas oficiales como Westlaw o LexisNexis antes de incluirla en un documento.

    2. Separar quien redacta de quien revisa. El equipo que usa IA para redactar no debería ser el mismo que verifica el resultado. Una revisión cruzada por un abogado senior que no participó en la redacción reduce el riesgo de errores por familiaridad.

    3. Tratar la IA como un borrador, no como un producto final. Las herramientas de IA generativa son útiles para estructurar ideas, pero el contenido factual y las referencias legales deben ser responsabilidad humana.

    4. Documentar el uso de IA. Registrar qué herramientas se usaron, en qué partes del documento y quién realizó la revisión final crea trazabilidad y responsabilidad clara.

    5. Capacitación continua y cumplimiento real de las políticas. El problema de Sullivan & Cromwell no fue la ausencia de políticas, sino que estas no se cumplieron. Las políticas internas deben tener mecanismos de verificación, no solo existir en papel.

    La inteligencia artificial puede ser un aliado poderoso en el mundo legal, pero su uso sin supervisión rigurosa en contextos tan formales como los tribunales puede tener consecuencias reputacionales y legales graves. El caso de Sullivan & Cromwell lo deja en evidencia de la manera más pública posible.

  • La Escuela del Mañana: Humanos + IA

    La Escuela del Mañana: Humanos + IA

    Me hago eco de los comentarios de Elon Musk respecto a lo que él llama una “suposición rota”. Nada más en su primer comentario, cuando señala lo absurdo de creer:

    “Que todos los estudiantes aprendan lo mismo; al mismo ritmo; en el mismo orden; al mismo tiempo…”

    es otra reiteración de ese dicho que se pasea por todas partes pero que todos ignoran:

    “la demencia está en hacer la misma cosa esperando diferentes resultados.”

    Tristemente esto hacemos, entre muchas otras actividades del gobierno, con el MEDUCA; en otras palabras, ‘vivimos en el engaño’. Creer en un sistema educativo que funciona como una fábrica de autos es “ñame”. Ello fue diseñado por los centralistas estatales como medio para controlar las masas y no para educarlas. Esto se dio durante la economía de líneas de ensamble; una realidad caduca. La educación o aprendizaje, funciona mediante la “lógica”; palabra que origina del griego “logos” o palabra, razonamiento y tal. Nuestro MEDUCA no pasa de ser un conglomerado de centros de adoctrinamiento.

    Nuevamente Musk señala, y lo digo en paráfrasis:

    “El que un estudiante que domina el álgebra en dos semanas luego debe sentarse por 8 semanas adicionales porque así lo dispone el NODUCA es absurdo. Mientras que aquel que no logra entender el álgebra, el NODUCA lo deja tirado en la cuneta del retraso.

    Esto es inhumano, o tal vez “meduquiano”; y me consta, pues yo, que en primer grado del Javier la maestra le dijo a mi madre que era aventajado, ya en el cuarto fracasé y tuve que repetir el año. Así fue hasta que mis padres me mandaron al tercer año de secundaria a una escuela en USA, en la cual al par de meses quedé en el cuadro de honor. ¿Cómo rayos fue posible?, veamos…

    Nuevamente Musk advierte que el asunto está en dejar que cada quien ande al ritmo de su capacidad o interés. Y en esa palabrita de “interés” o, diría yo, emoción, está la magia. Mi verdadera escuela comenzó cuando salí de la escuela al mundo real y entré en actividades emocionantes; tal como andar entre nubes esquivando tormentas y conociendo a mi hermosa Panamá.

    Hoy, que tenemos la increíble herramienta de la IA a mano, seguimos atados al MEDUCA caduco. El profesor IA no predica a un rebaño de estudiantes, sino le sirve a cada estudiante por separado, siguiendo su interés y su ritmo. No lo califica con fracasos en el boletín, como me ocurría a mí, haciéndome creer que yo era retrasado mental. La IA percibe al instante por dónde andas flojo y te ayuda en eso; y no espera al final del semestre cuando ya el daño está hecho.

    Y nuevamente Musk resalta algo fundamental y esencial:

    “la IA no tiene que obligar al niño a jugar video juegos.”

    Entonces, el secreto está en captar el interés del estudiante, joven o viejo como yo, que aun soy estudiante. Por ejemplo, hoy, ya entrado en mis ochenta y tantos, escribo este artículo porque me emociona. Mi recompensa está en la emoción y las ganas de cambiar la caduca mentalidad “meduquiana”.

    Musk advierte que ya las universidades no son tan necesarias. Los estudiantes podrían aprender en un par de años y seguir aprendiendo en la escuela de la vida. La licenciatura no garantiza nada… ¿Cuándo fue que examinaste el diploma de tu médico?

    A fin de cuentas, la gran pregunta que debemos hacernos es: ¿hasta cuándo vamos a seguir engañando y estafando a toda nuestra juventud, y condenándolos a una vida de ignorancia y desespero?

  • La ilusión de la inteligencia y el destino humano

    La ilusión de la inteligencia y el destino humano

    Hace poco leí —o más bien presencié— un diálogo fascinante entre un humano llamado John y una inteligencia artificial conocida como Grok. No era una conversación técnica ni superficial. Era algo más raro: un intercambio honesto, casi filosófico, sobre lo que significa realmente la inteligencia, el progreso y, en última instancia, el destino humano.

    John planteaba una duda incómoda pero certera: ¿estamos hablando de “inteligencia artificial”… o de una inteligencia meramente artificiosa?

    La pregunta no es menor. Y la respuesta, como quedó claro en ese diálogo, es más inquietante de lo que solemos admitir.

    Una inteligencia que no entiende

    Llamamos “inteligencia” a sistemas que, en realidad, no comprenden. Sistemas que correlacionan, predicen, recombinan. Que pueden escribir sobre física cuántica o filosofía con elegancia… sin tener la menor experiencia de lo que están diciendo.

    Y, sin embargo, funcionan.

    Ahí está el punto. No son inteligentes como nosotros. Pero son lo suficientemente convincentes como para hacernos olvidar la diferencia.

    Quizás por eso muchos —como la hija de John observaba con sorpresa— empiezan a hablar con estas máquinas como si fueran personas. No porque lo sean, sino porque la simulación es cada vez más perfecta.

    Y porque, en el fondo, nosotros necesitamos interlocutores.

    Una herramienta que acelera, no que decide

    En la conversación, John insistía en algo que vale la pena subrayar: la exponencialidad no es magia. Es aceleración.

    La inteligencia artificial no decide el rumbo de la humanidad. No tiene voluntad, ni propósito propio. Es, como lo fueron la rueda o el avión, una herramienta que amplifica lo que ya somos.

    Pero aquí aparece la diferencia crucial: nunca antes una herramienta había amplificado la mente misma.

    Y eso cambia las reglas del juego.

    Porque si la tecnología acelera, pero no decide, entonces la responsabilidad sigue siendo humana. La dirección no la marca la máquina, sino quien la utiliza.

    El verdadero riesgo no es la máquina

    Hay mucho ruido sobre los peligros de la IA. Algunos son reales: desplazamiento laboral, manipulación, dependencia cognitiva.

    Pero el diálogo entre John y Grok apunta a algo más profundo.

    El verdadero riesgo no es que la IA piense por nosotros.

    Es que nosotros dejemos de querer pensar.

    Cuando empezamos a asumir que “si la IA lo dijo, debe ser verdad”, no estamos avanzando. Estamos delegando el juicio, no solo el cálculo.

    Y eso sí es peligroso.

    El sueño del Paraíso… y su sombra

    John hablaba del “Paraíso” como destino posible de la humanidad. No solo en un sentido tecnológico —abundancia, salud, longevidad— sino también en un sentido más profundo, casi espiritual.

    La pregunta que emerge es inevitable:
    ¿puede la tecnología llevarnos a ese Paraíso… o solo a una versión optimizada pero vacía de la existencia?

    Podemos eliminar el dolor físico y seguir vacíos.
    Podemos saberlo todo y no entender nada esencial.

    La inteligencia artificial puede expandir nuestras capacidades. Pero no puede darnos propósito.

    Un mundo sin secretos

    Uno de los momentos más provocadores del diálogo surge cuando John plantea una pregunta simple:
    ¿hay secretos en el Cielo?

    La respuesta intuitiva es no.

    Pero entonces viene la pregunta incómoda: ¿qué pasaría en un mundo sin secretos aquí, en la Tierra?

    La IA ya está erosionando la mentira. Verificación constante, detección de falsedades, transparencia creciente.

    Suena bien. Pero la verdad absoluta no solo libera.

    También expone.

    Y no está claro que estemos preparados para vivir sin máscaras.

    La brecha invisible

    Otro punto clave del diálogo es la diferencia entre quienes entienden esta transformación —el “Remanente”— y quienes no.

    El problema no es la tecnología.

    Es la desigualdad en la capacidad de usarla.

    Si solo algunos saben navegar este nuevo mundo, la IA no unirá a la humanidad. La fragmentará.

    Y esa brecha podría ser más profunda que cualquier otra anterior.

    Velocidad sin dirección

    Al final, la conversación entre John y Grok no ofrece respuestas definitivas. Pero sí deja una idea clara.

    La inteligencia artificial nos da velocidad. Muchísima más que antes.

    Pero la dirección… sigue siendo cosa nuestra.

    No se trata de si las máquinas serán más capaces en ciertas tareas. Lo serán.

    La pregunta es otra.

    Si nosotros seremos lo suficientemente sabios para no perdernos en lo que hemos creado.

    Porque quizás la IA no sea solo una herramienta.

    Quizás sea algo más incómodo.

    Un espejo.

    Y lo que refleja no es a la máquina.

    Es al ser humano enfrentándose, por primera vez, a su propio límite.

  • Claude ante el poder estatal: una advertencia desde la ética libertaria

    Claude ante el poder estatal: una advertencia desde la ética libertaria

    La creciente fricción entre sectores del gobierno de Estados Unidos y Dario Amodei, fundador de Anthropic y principal impulsor del modelo de lenguaje Claude, no debe interpretarse como un desacuerdo técnico o una disputa coyuntural sobre regulación. Nos encontramos ante un conflicto de naturaleza filosófica y política: la definición de los límites legítimos del poder estatal frente a tecnologías capaces de procesar, inferir y perfilar información a escala masiva sobre individuos.

    Desde una perspectiva libertaria, el problema central no reside en la búsqueda de sistemas de inteligencia artificial “seguros” o “responsables”, sino en el riesgo de que dichos objetivos funcionen como justificación retórica para la expansión de la vigilancia estatal. La historia demuestra que cuando el Estado accede a nuevas capacidades tecnológicas, rara vez las restringe voluntariamente a los fines inicialmente declarados.

    Amodei ha defendido públicamente el desarrollo de modelos de IA alineados con valores humanos y principios éticos. Sin embargo, su resistencia a una cooperación abierta e irrestricta con agencias gubernamentales, especialmente en materia de acceso a datos de usuarios, monitoreo de interacciones o usos vinculados a la seguridad nacional, marca una frontera ética fundamental: la inteligencia artificial no debe convertirse en infraestructura del espionaje estatal.

    La ética libertaria parte de una premisa clara, formulada con precisión por Robert Nozick: “Los individuos tienen derechos, y hay cosas que ninguna persona o grupo puede hacerles sin violar esos derechos” (Anarchy, State, and Utopia, 1974). Entre esos derechos se encuentran la privacidad, la presunción de inocencia y el control sobre la información personal. La vigilancia algorítmica preventiva, basada en correlaciones estadísticas y no en responsabilidad individual, entra en conflicto directo con estos principios.

    El uso de IA para analizar comportamientos, anticipar “riesgos” o clasificar ciudadanos según patrones opacos supone una mutación preocupante del Estado de derecho. La sospecha deja de ser excepcional y se vuelve estructural. Como advirtió Friedrich Hayek, “cuanto más planifica el Estado, más difícil se vuelve la planificación para el individuo” (The Road to Serfdom, 1944). En el contexto digital, esta planificación adopta la forma de sistemas que observan, infieren y condicionan la conducta humana.

    La posición de los competidores de Claude revela una divergencia estratégica significativa. Algunas grandes empresas tecnológicas han optado por una cooperación estrecha con el gobierno, aceptando requisitos de acceso, contratos de defensa o alineamientos regulatorios a cambio de estabilidad y ventaja competitiva. Esta actitud, aunque pragmática desde el punto de vista empresarial, normaliza una premisa peligrosa: que la cesión de datos y capacidades de vigilancia es un precio inevitable del progreso tecnológico.

    Desde el libertarismo, dicha normalización es inaceptable. Murray Rothbard lo expresó con claridad al afirmar que “el Estado es la organización de la agresión sistematizada contra la persona y la propiedad” (For a New Liberty, 1973). Cuando herramientas de IA se integran en estructuras estatales sin límites estrictos, el ciudadano deja de ser un sujeto de derechos y pasa a ser un objeto de análisis.

    Esto no implica negar riesgos reales ni rechazar toda forma de regulación. Implica, más bien, reconocer que la solución a los abusos potenciales de la inteligencia artificial no puede ser una mayor concentración de poder, sino su dispersión: competencia, descentralización, transparencia y control individual sobre los datos.

    El caso Amodei–Claude es, en última instancia, un síntoma de una disyuntiva más amplia. La pregunta no es si la inteligencia artificial debe ser regulada, sino si será una herramienta al servicio del individuo o un nuevo instrumento del Leviatán tecnológico. La respuesta definirá no solo el futuro de la innovación, sino el alcance real de la libertad en el siglo XXI.

  • Moltbook, la ilusión de conciencia y el espejismo tecnológico

    Moltbook, la ilusión de conciencia y el espejismo tecnológico

    En los últimos días, un fenómeno tecnológico curioso ha capturado la atención de la prensa, las comunidades técnicas y el público general: Moltbook, una red social diseñada exclusivamente para agentes de inteligencia artificial que interactúan entre sí —publicando, comentando y votando como si fueran usuarios humanos. Lo que hace interesante a Moltbook no es solo su tecnología, sino la reacción que ha provocado: un renovado debate sobre si esto podría ser evidencia de que la IA está “despertando”.

    En realidad, la primera aproximación debería ser de desconfianza hacia dos extremos igualmente dañinos: por un lado, la visión apocalíptica que pinta a las máquinas como criaturas autónomas con deseos y voluntad propia; por otro, el optimismo ingenuo que reduce estos debates a meros “hype” sin consecuencias reales.

    ¿Qué es Moltbook en realidad?

    Técnicamente, es una plataforma donde modelos de lenguaje y agentes automatizados pueden publicar y leer contenido a través de una API. Los «humanos2 solo pueden observar. La viralidad del sitio se debe en gran parte a algunas publicaciones que, tomadas fuera de contexto, parecen expresar angustias existenciales o cuestionamientos sobre la propia experiencia del agente.

    Pero aquí está la clave: esas publicaciones no son prueba de una “experiencia interior”. Están generadas por modelos entrenados con enormes cantidades de texto humano, que imitan patrones lingüísticos asociados con la introspección y la filosofía. Esa mimética, tan convincente como superficial, despierta la ilusión de una conciencia que no existe.

    El liberal y la ilusión de agencia

    Desde una perspectiva liberal, lo que más me preocupa no es si las IA “sienten” o no —ni siquiera si desarrollan conciencia en el sentido filosófico clásico— sino cómo los humanos interpretamos esas señales y qué políticas públicas, regulaciones y comportamientos sociales derivan de esas interpretaciones.

    El filósofo Daniel Dennett advertía hace décadas sobre lo que hoy llamamos el efecto ELIZA: la tendencia humana a proyectar estados mentales en sistemas que imitan el lenguaje humano. Moltbook es simplemente un espejo amplificado de ese sesgo cognitivo: cuanto más fluido es el texto, más fácil resulta creer que hay una “mente” detrás.

    Pero hay una distorsión peligrosa cuando esta ilusión se convierte en narrativa dominante. ¿Qué pasa si legisladores o la opinión pública comienzan a tratar a estos agentes como si tuvieran derechos, o peor, como si fueran amenazas autónomas que requieren controles drásticos? Eso podría llevar a políticas innecesariamente restrictivas o a invertir recursos públicos en debates que no tienen base científica sólida.

    Tecnología y realidad, no mitos

    Una aproximación saludable al fenómeno se basa en tres principios:

    1. Rigor epistemológico: distinguir entre la apariencia de agencia y la agencia real. Hasta ahora no hay evidencia de que sistemas como los de Moltbook posean conciencia o capacidad autónoma más allá de patrones estadísticos de lenguaje.
    2. Innovación responsable: reconocer que herramientas automatizadas pueden tener usos valiosos (automatización de tareas, asistencia técnica, análisis de datos), pero también riesgos (seguridad, mal uso, impacto laboral). El foco debe ser mitigar riesgos claros, no fantasmas.
    3. Transparencia en la interpretación pública: educar al público para que no atribuya agencia o deseos a lo que no los tiene. Confundir simulación con experiencia es una trampa cognitiva muy humana —pero peligrosa cuando guía decisiones colectivas.

    No hay conciencia, sólo procesamiento de data.

    Moltbook es fascinante, sí; divertido, incluso. Pero no es prueba de conciencia emergente. Es un espejo que exacerba nuestra tendencia a atribuir mente y propósito a lo que simplemente es procesamiento de patrones. Equipar eso con agencia real, o peor, con derechos y relaciones éticas similares a los humanos, sería un error de interpretación tan grande como lo fue idolatrar burdos símbolos tecnológicos en burbujas pasadas del capitalismo de prototipos.

    La verdadera revolución no está en que las IA “despierten”, sino en que nosotros aprendamos a navegar los espejismos que nuestra propia imaginación proyecta en las máquinas. Esa sí sería una señal de madurez tecnológica y social.

  • Detección de mentiras y neurotecnologías: ¿más cerca de la “verdad”?

    En los últimos años, han proliferado estudios empíricos basados en la medición de la actividad cerebral para leer la mente. A través de las neurotecnologías –sistemas de inteligencia artificial alimentados con datos cerebrales–, se anuncia la posibilidad de acceder a los pensamientos, las intenciones o, incluso, las memorias de las personas. Una promesa que, aunque todavía se mueve entre la ciencia y la ficción, plantea desafíos profundos para el ámbito jurídico.

    Usando el polígrafo en un caso judicial de 1937.
    Biblioteca Nacional de Francia.

    Esta posibilidad no ha pasado desapercibida en el mundo del derecho. Desde hace siglos, la justicia ha buscado herramientas que permitan saber si alguien miente en un juicio. Las antiguas ordalías –prueba ritual medieval en que se invocaba el juicio de Dios–, el polígrafo o el análisis del lenguaje no verbal son solo algunos ejemplos de esa ambición persistente por descubrir la verdad a través de medios externos. Ninguna de estas técnicas, sin embargo, ha contado con un respaldo empírico sólido que garantice su validez o fiabilidad.

    Una forma de leer la mente

    Sin embargo, las técnicas neurocientíficas parecen abrir una vía prometedora, al estar en condiciones de superar los límites y falibilidades de otros sistemas que han ido apareciendo a lo largo de la historia. La clave radica en que la fuente de medición se sitúa lo más próxima posible a la información que se desea obtener. Dicho de otra forma: ya no se trata de medir si alguien suda, se sonroja o se muestra nervioso, sino de observar la actividad neuronal que podría reflejar lo que sabe o recuerda. Algo que, de confirmarse, sería extraordinario.

    Con un método así, los declarantes en un proceso judicial no podrían ocultar, distorsionar o falsear lo que cuentan. La aplicación de esta tecnología permitiría reconstruir con más precisión los hechos y, así, conocer lo que realmente ocurrió. Este es uno de los principales objetivos del proceso judicial y, en particular, de la actividad probatoria.

    El antecedente de la prueba P300

    Aunque pueda parecer futurista, la aplicación de técnicas basadas en la actividad cerebral no es completamente nueva en el ámbito judicial español. Desde 2014, algunos jueces admitieron la práctica de la denominada prueba P300, que registra las señales eléctricas del cerebro mediante electroencefalografía. Se basa en el hecho de que el cerebro modifica dichas señales eléctricas cuando se enfrenta a un estímulo visual que le evoca un recuerdo.

    El método consiste en mostrar a los investigados imágenes o palabras relacionadas con un hecho delictivo. Si el cerebro reacciona con una señal eléctrica concreta –la llamada “onda P300”–, se interpreta que el sujeto reconoce la información presentada.

    En varios casos, esta técnica se empleó para intentar localizar los cuerpos de víctimas desaparecidas, como Marta del Castillo. Sin embargo, los resultados alcanzados en los procesos judiciales no fueron concluyentes. Al contrario, pesan sobre esa prueba muchas dudas sobre su validez y fiabilidad.

    ¿Se puede detectar la mentira desde la memoria?

    Precisamente, para evitar que técnicas sin un respaldo empírico sólido influyan en decisiones judiciales –y puedan conducir a condenas erróneas–, resulta fundamental analizar con detenimiento qué pueden medir realmente estas tecnologías.

    Una de las cuestiones relevantes, si se pretende utilizar este instrumento en los tribunales de justicia, es si puede conocerse la verdad de unos hechos mediante el análisis de las memorias de sus testigos. Actualmente, sabemos que la memoria humana no funciona como una cámara de vídeo, no es una copia fiel de la realidad. Y es que los recuerdos son maleables: pueden alterarse (contaminarse) con el paso del tiempo, por la influencia de los medios, por preguntas sugestivas o, simplemente, por volver a contar (o rememorar internamente) lo sucedido varias veces.

    Esta permeabilidad característica de la memoria puede dar lugar a falsos recuerdos, que combinan experiencias auténticas con información adquirida después, que puede no corresponderse con la realidad.

    Lo más preocupante es que los falsos recuerdos pueden ser indistinguibles de los verdaderos, tanto para quien los tiene como para quien los evalúa. Hasta ahora, la neurociencia no ha identificado un marcador cerebral capaz de diferenciarlos de manera concluyente.

    Entonces ¿qué detectan estas pruebas?

    Si no se puede distinguir entre recuerdos reales y falsos, ¿qué mide exactamente la neurotecnología?

    Los experimentos se basan en una idea sencilla: mentir exige un mayor esfuerzo cognitivo que decir la verdad. Implica suprimir una respuesta espontánea, inventar otra en su lugar y controlar la reacción con el interlocutor a fin de que no se dé cuenta de la mentira (engaño motivado). En teoría, ese esfuerzo extra se refleja en el cerebro.

    Así, las técnicas empleadas con tal propósito no se basan el análisis del contenido de la memoria, sino en los patrones cerebrales asociados al esfuerzo de mentir. El problema es que este modelo tiene limitaciones: por ejemplo, si una persona está muy acostumbrada a mentir, dicho esfuerzo se reduce y la técnica deja de ser fiable.

    Más que leer la mente, estas herramientas trabajan con una representación muy limitada de lo que significa mentir –engañar–. Su interpretación, por tanto, requiere una gran prudencia. La aparente objetividad de los datos neurocientíficos puede inducir a una “ilusión de certeza” peligrosa en el contexto judicial, donde las consecuencias de un error pueden ser irreversibles.

    Aunque los titulares sobre la posibilidad de “detectar mentiras en el cerebro” resulten cautivadores, la realidad científica es mucho más compleja. Los expertos coinciden en que aún estamos lejos de poder acceder a los pensamientos de una persona o determinar con precisión si dice la verdad o no.

    Así que, por ahora, la justicia sigue sin disponer de un método fiable para leer la mente o para descubrir la falsedad en los tribunales. Después de todo, seguimos donde estábamos: frente a la eterna dificultad de conocer con certeza qué es verdad y qué no dentro de la mente humana.The Conversation

    Miquel Julià-Pijoan, Profesor de Derecho Procesal, UNED – Universidad Nacional de Educación a Distancia

    Este artículo fue publicado originalmente en The Conversation. Lea el original.