algoritmos

La estructura de las noticias ha evolucionado significativamente, alejándose del tradicional esquema de pirámide invertida hacia un formato más centrado en el clickbait. Este cambio responde a la necesidad de captar la atención de los lectores, utilizando titulares que a menudo distorsionan la realidad o manipulan las expectativas. Aunque algunos medios intentan atraer sin engañar, el clickbait engañoso se ha convertido en una práctica común, afectando no solo a las noticias, sino también a contenidos en plataformas como YouTube y TikTok.

Durante el verano, las plataformas digitales como Instagram y TikTok experimentan un cambio notable en sus recomendaciones, reflejando el ambiente estival. Los feeds se llenan de contenido relacionado con vacaciones, festivales y actividades al aire libre, lo que altera las rutinas y hábitos de consumo de los usuarios. Este fenómeno se traduce en un aumento del engagement y en una mayor confianza del público hacia los creadores de contenido.

Las marcas de agua en textos generados por inteligencia artificial (IA) están en el centro del debate legislativo en la Unión Europea. Un reciente test a ciegas permite a los usuarios intentar identificar textos que contienen marcas de agua SynthID-Text, un método que será implementado por herramientas como Claude y Gemini. Aunque el test es rápido, los resultados son inquietantes: los textos son tan similares que resulta difícil distinguir los que están marcados.

Los modelos de lenguaje actuales, aunque capaces de generar argumentos coherentes y opuestos sobre un mismo tema, no demuestran inteligencia en el sentido humano. Este comportamiento se debe a que simplemente responden a instrucciones recibidas, lo que significa que pueden producir textos bien elaborados sin comprender realmente su contenido o la relación entre ellos. Por lo tanto, la capacidad de cambiar de opinión o de argumentar no implica una comprensión profunda por parte de la máquina.

En la mitad de los años 90, la web estaba en plena expansión, pero encontrar información valiosa era un proceso complicado que requería negociar con los motores de búsqueda de la época. A diferencia de la actualidad, donde Google actúa como el principal portal, motores como AltaVista, Lycos y Excite intentaban organizar el caos de Internet, cada uno con sus propias características y limitaciones. La búsqueda pre-Google no era inferior, sino que reflejaba un Internet diferente, donde los directorios eran cruciales y la clasificación de resultados era inestable.

La inteligencia artificial (IA) se ha integrado en nuestra vida diaria gracias a los avances en modelos de lenguaje. Sin embargo, la evaluación de su rendimiento se ha vuelto compleja. Un reciente estudio publicado en Science por investigadores de Princeton, MIT, Cambridge y Google DeepMind propone alternativas al tradicional test de Turing y a los rankings actuales. Según José Hernández-Orallo, autor principal del estudio, la pregunta original de Turing sobre si una máquina puede simular a un humano ya tiene respuesta afirmativa.

En las últimas décadas, la economía digital se ha sustentado en la creencia errónea de que plataformas como Google y Facebook podían servir como canales estables para la distribución de contenido. Sin embargo, la llegada de la inteligencia artificial generativa ha alterado este panorama, reduciendo drásticamente el tráfico que estas plataformas envían a los editores. Un estudio reciente indica que el tráfico desde Google ha caído un 34% en un año, afectando especialmente a los pequeños editores que dependían de este flujo.

Anthropic ha destacado los resultados de dos problemas criptográficos que su modelo de seguridad AI, Mythos, ha abordado, identificando debilidades en los fundamentos matemáticos de dos algoritmos. Aunque es difícil discernir hasta qué punto los informes de la compañía son simplemente una estrategia de marketing, los hallazgos son significativos, ya que podrían indicar avances importantes en la ruptura de criptografía esencial para la privacidad y la seguridad.

En el ámbito de la inteligencia artificial, surge la pregunta de si estas tecnologías han evolucionado más allá de ser simples «loros estocásticos». Para evaluar su progreso, se han desarrollado diversas pruebas, como el Humanity’s Last Exam (HLE), que abarca 2.500 preguntas de múltiples disciplinas. Recientemente, los modelos han mostrado mejoras significativas, alcanzando tasas de acierto del 35 al 50% en menos de un año.

Kimi K3, el último modelo de Moonshot AI, ha irrumpido en el panorama de la inteligencia artificial, recordando la sorpresa que causó DeepSeek hace un año y medio. Este modelo chino ha demostrado su capacidad al igualar o superar a sistemas estadounidenses más costosos, lo que plantea interrogantes sobre el liderazgo en este campo. Con 2,8 billones de parámetros y un enfoque en modelos abiertos, Kimi K3 refleja una estrategia china que prioriza la innovación y la colaboración en un ecosistema competitivo.