-
Han mapeado el cerebro de una mosca: qué significa realmente (y qué no)
El nuevo connectoma de la mosca reúne 166.691 neuronas y 125 millones de sinapsis. Explicamos qué se ha mapeado, cómo se hizo y por qué no es una mente digital.
-
La IA publica 719 manuscritos matemáticos: qué está probado y qué sigue en revisión
OpenAI publica 719 manuscritos matemáticos generados con IA. Analizamos qué verifica Lean, qué sigue pendiente y por qué comprender una prueba importa.
-
Aprendizaje federado verificable: cómo entrenar una IA sin confiar ciegamente en el servidor
Google combina aprendizaje federado, privacidad diferencial y TEE para entrenar modelos con garantías auditables. Explicamos la arquitectura, los resultados de Gboard y sus límites.
-
La IA que aprende a leer la Luna: el modelo fundacional de NASA e IBM
NASA e IBM han liberado un modelo fundacional para analizar la Luna. Te explicamos cómo funciona, qué aporta y qué límites conviene tener presentes.
-
GPT‑6 Astra ya está aquí: el salto de los LLM que responden a los agentes que actúan
OpenAI lanza GPT‑6 Astra, un modelo pensado para actuar sobre ordenadores y completar flujos de trabajo. Analizamos capacidades, benchmarks, precio, riesgos y qué hay realmente detrás del salto hacia los agentes.
-
Kimi K3 libera sus pesos: así es el gigante open weight de 2,8 billones de parámetros
Kimi K3 libera sus pesos: 2,8 billones de parámetros, arquitectura MoE, contexto de un millón de tokens y capacidades agénticas y multimodales.
-
El día en que las matemáticas aprendieron a hablar: el verdadero hito de los LLM
Los LLM han demostrado que gran parte de la complejidad del lenguaje puede emerger de vectores, probabilidades y relaciones matemáticas. ¿Podría nuestro cerebro hacer algo parecido?
-
Entendiendo y aplicando las funciones de activación
Las redes neuronales se componen de capas de neuronas que suman entradas ponderadas y luego aplican una función de activación para introducir no linealidad. Sin esa transformación, una red profunda se comportaría como una combinación lineal simple y no podría aprender patrones complejos. Las funciones de activación controlan el flujo de información y permiten…
-
Series temporales: modelos clásicos y avanzados para predecir el futuro
Las series temporales son registros ordenados en el tiempo. Su análisis permite extraer patrones y prever cómo evolucionará un fenómeno en el futuro. Para modelar estos datos se utilizan técnicas estadísticas y de machine learning que descomponen la serie en nivel, tendencia, estacionalidad y ruido. En esta entrada repasamos los modelos más usados —ARIMA,…
-
La IA resuelve su primer problema en FrontierMath
El 23 de marzo de 2026, el mundo de la investigación matemática vivió un hito: por primera vez una inteligencia artificial resolvió un problema abierto del banco de pruebas FrontierMath Open Problems. Esta colección, creada por Epoch AI, reúne problemas que no habían sido resueltos por humanos ni por sistemas de IA y cuyos resultados se pueden verificar automáticamente.…
