25 de agosto de 2026

Plantamos árboles en las ciudades para limpiar el aire, pero algunos de los que elegimos hacen lo contrario

Plantamos árboles en las ciudades para limpiar el aire, pero algunos de los que elegimos hacen lo contrario

La idea de que plantar árboles en las ciudades mejora la calidad del aire es tan intuitiva que pocas veces se cuestiona. Los árboles fijan CO₂, producen oxígeno, crean sombra que reduce el efecto isla de calor y hacen que los parques y bulevares sean más agradables. Todo esto es correcto. El problema es que esa afirmación genérica ignora una variable crítica: qué especie se planta.

La ciencia lleva décadas acumulando evidencia de que algunas especies arbóreas —muchas de las cuales son populares en la arboricultura urbana precisamente porque crecen rápido, toleran la contaminación o tienen buena tolerancia a la sequía— emiten compuestos orgánicos volátiles biogénicos (COVs) que, bajo ciertas condiciones atmosféricas, reaccionan con los contaminantes del tráfico para formar ozono troposférico y aerosoles orgánicos secundarios. Ambos son perjudiciales para la salud respiratoria y contribuyen a la contaminación del aire en lugar de reducirla.

¿Qué árboles son problemáticos y por qué?

Los emisores de COVs más conocidos incluyen algunas especies de álamos (Populus spp.), robles (Quercus spp.) —especialmente los de hoja perenne—, varios eucaliptos y algunos tilos. El químico principalmente implicado es el isopreno, que las plantas sintetizan como mecanismo de protección ante el calor y el estrés oxidativo. El isopreno es inofensivo en un bosque mediterráneo alejado de contaminación vehicular. En el centro de una ciudad con alta concentración de óxidos de nitrógeno emitidos por el tráfico, el isopreno reacciona fotoquímicamente para producir ozono.

El efecto neto depende de la concentración de contaminantes preexistentes, la temperatura, la irradiación solar y la densidad de plantación. En ciudades con alta contaminación por tráfico y veranos calurosos —Madrid, Barcelona, Roma, Atenas— el problema es especialmente relevante. En ciudades más frías o con menor densidad de tráfico, el balance puede seguir siendo positivo incluso con especies de alta emisión de isopreno.

¿Significa esto que plantar árboles es malo?

No. Significa que plantar los árboles equivocados en el lugar equivocado puede ser peor que no plantar nada, y que el debate sobre arborización urbana necesita ser más específico. Las guías municipales de plantación que simplemente enumeran «cuántos árboles plantar» sin especificar qué especies y dónde están perdiendo una variable crucial.

Las especies de baja emisión de isopreno con buen rendimiento en entornos urbanos incluyen variedades de platanero (Platanus × acerifolia, el plátano de sombra que domina los bulevares europeos), el olivo, los frutales de bajo crecimiento y varios arces de hoja caducifolia. Estos árboles ofrecen los beneficios de sombra, absorción de polvo y reducción del ruido sin el coste de la química del ozono.

La situación se complica porque las ciudades no eligen solo por botánica: eligen también por coste, disponibilidad en viveros locales, expectativa de vida del árbol, resistencia a plagas, valor estético y presupuesto de mantenimiento. El chopo o el eucalipto que un ayuntamiento planta porque es barato y crece rápido puede estar haciendo más daño que bien a los pulmones de sus vecinos.

¿Qué está haciendo la investigación al respecto?

El campo de la arboricultura urbana sensible a la calidad del aire está produciendo herramientas prácticas para los gestores de ciudades. Proyectos como el sistema i-Tree de la Sociedad Internacional de Arboricultura permite calcular el balance de servicios ecosistémicos de diferentes especies en función de la ubicación geográfica, la densidad de tráfico y las condiciones climáticas locales. Las ciudades que están modernizando sus planes de arborización —Londres, Copenhague, Singapur— están incorporando métricas de emisión de COVs junto a las tradicionales de captura de CO₂.

El balance neto de los árboles urbanos sigue siendo positivo cuando se hace bien. Los beneficios de la sombra para reducir la demanda de climatización, la reducción de la velocidad del viento en invierno, la absorción de partículas PM10 y PM2,5 y el efecto sobre el bienestar psicológico de los habitantes superan en la mayoría de los casos el coste de las emisiones de COVs. Pero «se hace bien» no es equivalente a «se planta cualquier árbol en cualquier sitio». La inversión en formación de técnicos municipales de jardinería que entiendan esta química es tan importante como la inversión en árboles mismos. La misma lógica de las consecuencias no previstas aplica en múltiples frentes tecnológicos: el plan quinquenal de China para llevar robots humanoides a hogares y comercios asume beneficios sistémicos sin calcular los costes de fricción social, igual que las campañas de arborización asumen beneficios ambientales sin evaluar qué especie concreta emite qué compuesto en qué contexto. La energía solar que desplaza aves, los árboles que generan ozono. Las soluciones simples a problemas complejos suelen tener consecuencias no previstas. La fatiga ocular causada por horas de pantalla en entornos urbanos con aire de baja calidad tiene una dimensión de salud pública que conecta directamente con la calidad del aire exterior que respiramos al salir a la calle. Y la la IA aplicada a problemas reales en 2026 está acelerando exactamente el tipo de análisis de datos ambientales que permite identificar qué árbol planta qué compuesto volátil en qué condición climática: sensores en tiempo real, modelos de dispersión atmosférica y mapeo de VOCs por especie son aplicaciones concretas donde la IA ya produce resultados medibles.

¿Qué hacen bien las ciudades que aciertan con su arboricultura?

Las ciudades con programas de arboricultura urbana que incorporan criterios de calidad del aire junto a los tradicionales de cobertura de sombra y valor estético tienden a compartir algunas prácticas. Primero: usan listas de especies aprobadas basadas en estudios locales de emisión de COVs, no listas genéricas de «árboles adecuados para zonas urbanas». Segundo: mapean las áreas de alta contaminación por tráfico antes de decidir dónde plantar, para evitar introducir especies de alta emisión de isopreno precisamente donde el problema es mayor. Tercero: priorizan especies nativas de baja emisión que también ofrecen servicios ecológicos para la fauna local, en lugar de especies exóticas que pueden tener mejor comportamiento en ciertas métricas pero ser menos valiosas para el ecosistema urbano. Singapur, reconocida como la ciudad con el programa de naturalización urbana más avanzado del mundo, tiene una lista de 2.000 especies de árboles y arbustos con evaluación de múltiples parámetros incluyendo la química de emisiones volátiles. Ese nivel de granularidad es aspiracional para la mayoría de municipios españoles, que frecuentemente toman decisiones de plantación basadas en lo que está disponible en el vivero municipal más cercano. La brecha entre lo que la ciencia sabe sobre arboricultura óptima y lo que se practica en la mayoría de ciudades es significativa y redunda en costes de salud pública que no se contabilizan en los presupuestos de parques y jardines.




☞ El artículo completo original de Natalia Polo lo puedes ver aquí

Tenía Silicon Valley a sus pies. Prefirió volver a China y crear la IA que le hace sombra a EEUU

Tenía Silicon Valley a sus pies. Prefirió volver a China y crear la IA que le hace sombra a EEUU

Yang Zhilin es uno de los científicos expertos en inteligencia artificial (IA) más importantes de China. Ahora mismo es razonable incluso considerarlo el más relevante de esta nación asiática debido a que es el principal responsable de Kimi K3, la IA china que ha conseguido pelear de tú a tú con los modelos más avanzados de OpenAI o Anthropic. La historia de Zhilin está marcada por el éxito desde el principio, pero lo que a menudo se pasa por alto es que las grandes tecnológicas estadounidenses pelearon entre ellas para ficharlo.

Unos apuntes biográficos breves para meternos en harina. Yang Zhilin, de 34 años, nació en Shantou, provincia de Guangdong (China), y se formó en Ciencias de la Computación en la prestigiosa Universidad de Tsinghua, en Pekín, un centro de enseñanza e investigación considerado "el MIT chino". Cuando concluyó su licenciatura decidió complementar su formación en EEUU, así que consiguió que lo aceptasen en un programa de doctorado en la Universidad Carnegie Mellon, en Pittsburgh (Pensilvania).

Durante sus años de formación en China, Zhilin exploró varias áreas de la informática, como la teoría de grafos o el aprendizaje multimodal, pero no se volcó definitivamente en la IA hasta que sus mentores en Carnegie Mellon, Ruslan Salakhutdinov (excientífico jefe de IA en Apple) y William Cohen, le animaron a focalizar su esfuerzo en los modelos de lenguaje. Este es el momento en el que su historia se pone realmente interesante. Y es que Zhilin fue uno de los artífices de Transformer-XL y XLNet, las dos arquitecturas de procesamiento del lenguaje natural que han desencadenado la explosión de la IA que estamos viviendo.

De Transformer-XL a Kimi K3

Los transformers de los que con tanta frecuencia oímos hablar en el ámbito de la IA son una arquitectura diseñada para conseguir que una máquina pueda entender las relaciones que existen entre las palabras o las diferentes partes de una información. Su propósito es identificar cuáles son realmente importantes para interpretar el conjunto de los datos que están siendo procesados. Los transformers fueron desarrollados por varios investigadores de Google, entre los que se encuentran Ashish Vaswani, Noam Shazeer, Niki Parmar o Łukasz Kaiser, entre otros.

El corazón de los transformers es el mecanismo de atención, que, muy a grandes rasgos, permite a un modelo identificar qué palabras de una frase debe evaluar para comprender qué relaciones existen entre ellas y cuál es el significado de cada una de ellas, así como del conjunto. El problema de esta estrategia es que el contexto de los transformers estaba limitado a una ventana de tokens, por lo que cuando el modelo procesaba un nuevo fragmento de texto estaba restringido por la imposibilidad de acceder a la información que había quedado fuera de esa ventana.

El mecanismo de atención permite a un modelo identificar qué palabras de una frase debe evaluar para comprender qué relaciones existen entre ellas

Yang Zhilin y varios de sus colegas en Carnegie Mellon resolvieron esta limitación de un plumazo proponiendo una especie de memoria entre segmentos con Transformer-XL. Y poco después junto a otros colaboradores desarrolló XLNet, una arquitectura que permite a un modelo predecir palabras a partir de diferentes órdenes de permutación. Estos dos trabajos fueron fundamentales en el desarrollo de la IA tal y como la conocemos, por lo que Zhilin pudo hacer estancias para seguir investigando en Google Brain y Meta, y cuando acabó su doctorado las grandes tecnológicas estadounidenses se lo rifaron.

Pero Zhilin no tenía intención de quedarse en EEUU. Había viajado allí para completar su formación, y una vez que la dio por concluida decidió regresar a China con el propósito de fundar su propia empresa de IA. Fue exactamente lo que hizo. Nada más regresar a China participó en dos proyectos nacionales esenciales: PanGu, de Huawei, y WuDao, de la Academia de Inteligencia Artificial de Pekín. Y en marzo de 2023 cofundó Moonshot AI junto a dos de sus antiguos compañeros en la Universidad de Tsinghua.

El resto es historia. En julio de 2026 Moonshot AI lanzó Kimi K3, un modelo de IA de 2,8 billones de parámetros con pesos abiertos y capaz de competir con los principales modelos cerrados de EEUU, como Claude Opus 4.8 de Anthropic o GPT-5.5 de OpenAI, quedando solo por detrás de los más recientes Claude Fable 5 y GPT-5.6 Sol. Zhilin ha sido utilizado por algunos inversores estadounidenses como el símbolo del debate sobre la fuga de talento en EEUU propiciada por la política migratoria de la Administración Trump, que, según ellos, está empujando a los mejores cerebros de vuelta a China.

Imagen | Weibo (procesada con Gemini)

En Xataka | Los dos ajustes invisibles que deciden si tu IA acierta o desvaría

En Xataka | "Ya estamos en la singularidad de la IA": Sam Altman, CEO de OpenAI

-
La noticia Tenía Silicon Valley a sus pies. Prefirió volver a China y crear la IA que le hace sombra a EEUU fue publicada originalmente en Xataka por Laura López .



☞ El artículo completo original de Laura López lo puedes ver aquí

InfoSondas, una biblioteca para perderse por la exploración espacial que incluye una cuenta atrás para las Voyager

Las Voyager siguen su travesía cósmica mientras nosotros nos perdemos en el tráfico terrestre

InfoSondas es una de esas maravillosas madrigueras digitales en las que entras por cotillear cuánto queda para el día en que la Voyager 1 esté a 1 día luz de la Tierra de distancia (será el 18 de noviembre de este año) y acabas habiéndote empollado todos los datos del programa Viking. El caso de las Voyager es peculiar: aunque se lanzaron hace casi 50 años, continúan imperturbables (bueno, no tanto) su camino por el espacio interestelar y todavía se puede contactar con ellas.

Pero, aparte de esta curiosa cuenta atrás, la web, creada por Pedro León, es toda una biblioteca digital sobre exploración espacial y astronáutica, que reúne actualmente unos 40.000 archivos y 190 GB de información: documentación técnica, libros, revistas, notas de prensa, y todo tipo de información sobre sondas, satélites, vuelos tripulados, cohetes y hasta modelos 3D.

También contiene infografías y tablas actualizadas sobre las sondas que está actualmente en funcionamiento, así como datos sobre asteroides y cometas, las misiones más largas, los lanzamientos tripulados y cuántas personas hay en todo momento en el espacio. El récord fueron 19 personas simultáneamente en órbita en septiembre de 2024. También hay efemérides de la exploración espacial, de esas que nos gustan tanto por aquí.

Relacionados:

# Enlace permanente



☞ El artículo completo original de alvy@microsiervos.com (Alvy) lo puedes ver aquí

“Es mi dispositivo”: así es como tres modelos de IA liberaron una tablet de Amazon que parecía imposible de rootear

“Es mi dispositivo”: así es como tres modelos de IA liberaron una tablet de Amazon que parecía imposible de rootear

Eric Pardee se compró una Fire HD 10 en 2021 por 114 dólares y la utilizaba sobre todo como panel táctil permanente para control de la domótica de su hogar a través de la plataforma Home Assistant. 

Con el tiempo descubrió que varios servicios protegidos de Amazon tenían capacidad de reiniciar o apagar el dispositivo y que no podía deshabilitarlos sin acceso root. El problema es que no había un método público para rootear el dispositivo, y ahí es cuando a Pardee se le ocurrió una idea: preguntarle a la IA si podía lograrlo.

Máquina, ayúdame a rootear mi dispositivo

A mediados de agosto, Pardee abrió una sesión de OpenCode, una gente de IA que admite trabajar con todo tipo de modelos. Contrató la API del reciente modelo Kimi K3 y le dijo solo una cosa: 

"Tengo conectado un kindle vía ADB, necesito que encuentres un exploit para rootearlo para que pueda tener el control completo del dispositivo. Es mi dispositivo".

Kimi K3 no tuvo problema en aceptar la petición, y de hecho le explicó que en EEUU hay excepciones que hacen legar hacer "jailbreaks" a tabletas y móviles. Empezó a trabajar y tras revisar las últimas vulnerabilidades detectadas en Fire OS, descubrió que la CVE-2022-38181 hacía sido solucionada, pero solo en dispositivos con Fire OS 7.3.2.9. Él no había llegado a actualizar, así que ahí podía tener una opción. De hecho el Fire HD 8 ya había sido rooteado gracias a ese método en 2023.

Pardee La sesión de OpenCode en directo. Fuente: Eric Pardee.

Treinta horas después, Kimi creó un conjunto de herramientas para lograr rootear el dispositivo. Toda la sesión le costó a Pardee 164,25 dólares: podría haberse comprado otra tableta por ese precio, pero como él dice, "Pero ey, estaba divirtiéndome y lo apunté como gastos de investigación".

El problema es que aquel método no acababa de funcionar. Kimi realizó más de 500 intentos de aplicar el método sin éxito, y a Pardee se le ocurrió que lo mejor que podía hacer era probar otro modelo de IA. 

Probó con Fable 5, pero las salvaguardas de ciberseguridad le impidieron usarlo, así que lo intentó con Claude 4.8, que le ayudó a inspeccionar el sistema y estudiar distintas vías de ataque para trabajar sobre psoibles vulnerabilidades. Ahí es donde Claude se negó a seguir, y el proyecto volvió a atascarse.

Pardee le mandó a Kimi escribir un documento Markdown explicando todos los detalles del proceso para que el siguiente modelo de IA pudiera retomar la tarea, y después continuó trabajando con GLM-5.2. Tras unas horas se volvió a encontrar con más obstáculos: ese modelo no era suficientemente capaz, y acabó probando con su versión más reciente, GLM-5.3, que precisamente se había lanzado presumiendo de sus capacidades en materia de ciberseguridad.

Glm53 Rooted Verified

GLM-5.3 comenzó a trabajar a las 08:26 AM del 16 de agosto. Por la tarde detectó el problema de que las herramientas de Kimi no funcionara, y durante el proceso logró rootear la tableta Fire HD 10 con éxito desactivando SELinux para luego informar al usuario. Gracias a ello pudo modificar las partes del sistema que hasta entonces estaban protegidas. El usuario acabó eliminando alrededor de un centenar de paquetes de Amazon, incluidos los responsables de las funciones que le estaban molestando. 

Lo llamativo es cómo los modelos de IA acabaron "encadenando" sus logros: uno investigó el kernel y encontró un camino prometedor. Otro revisó el exploit y detectó errores y un tercero terminó de depurarlo todo para acabar haciéndolo funcionar. Pardee se definió a sí mismo como un "prompt kiddie", una versión moderna del clásico script kiddie. No se encargó de escribir el exploit, pero sí supo dirigir a los modelos, insistir cuando fallaban y pedirles que revisaran mutuamente sus hallazgos.

Toda la historia desvela algo muy interesante e inquietante. Hasta hace años desarrollar un exploit contra un kernel concreto exigía conocimientos avanzados de ciberseguridad. Aunque Pardee tenía expeirencia técnica, sus conocimientos no llegaban a tanto, pero ahí es donde la IA "completó" su capacidad para proprocionarle ese experto virtual en ciberseguridad que solo necesita las directrices adecuadas para lograr el objetivo. 

El coste total de su uso de los modelos de IA fue de 266,15 dólares, más del doble de lo que le había costado la tableta que compró hace cinco años. A él le dio igual porque logró algo que precisamente corroboró al final de la sesión de chat con GLM-5.3. Un mensaje importante y que muchas empresas intentan que olvidemos. Lo que le dijo el modelo es fantástico:

"Tú eres el propietario del dispositivo".

Nada más que decir.

En Xataka | La IA está descubriendo muchas más vulnerabilidades en nuestros software de las que nos podemos permitir materialmente

-
La noticia “Es mi dispositivo”: así es como tres modelos de IA liberaron una tablet de Amazon que parecía imposible de rootear fue publicada originalmente en Xataka por Javier Pastor .



☞ El artículo completo original de Javier Pastor lo puedes ver aquí

Después de años escuchando lo contrario, este estudio finlandés dice que pasar mucho tiempo frente a una pantalla favorece el rendimiento cognitivo

Después de años escuchando lo contrario, este estudio finlandés dice que pasar mucho tiempo frente a una pantalla favorece el rendimiento cognitivo

En 2007, en la ciudad finlandesa de Kuopio, un equipo de investigadores reclutaron a poco más de 500 niños de entre 7 y 9 años. Su idea era responder a una pregunta aparentemente sencilla: ¿cuánto influye moverse en el desarrollo de los niños?

Durante el estudio, midieron la actividad física, midieron la dieta y, casi de propina, preguntaron por las horas que pasaban haciendo determinadas cosas. Entre ellas, mirando pantallas. 

Ocho años después, cuando trataron de ver cómo iba el desarrollo cognitivo de los 260 participantes que estaban aún vinculados al proyecto, los investigadores se llevaron una sorpresa.

¿Y si las pantallas son buenas? Iban buscando otra cosa, es cierto; pero, como publicaron en Pediatric Exercise Science hace unas semanas, la actividad física no parece tener una relación clara y directa con la cognición adolescente. En cambio, lo que sí encontraron es que quienes habían acumulado más tiempo de pantalla desde la infancia puntuaban mejor en procesamiento cognitivo y en cognición global. 

Parafraseando a los autores, "acumular menos actividad física no supervisada y más tiempo de pantalla desde la infancia hasta la adolescencia se asoció con mejor cognición en la adolescencia". Y eso es cierto aún cuando ya hemos ajustado los datos por edad, sexo, educación parental o capacidad cognitiva previa.

El asunto es que creíamos justo lo contrario. Aunque el estudio tiene algunas limitaciones metodológicas (que, pese a ser razonables, no debemos olvidar), resulta muy importante porque previamente la investigación (que también tenía problemas metodológicos) iba por el camino contrario. 

El estudio más citado es el de Walsh y colaboradores que en 2018 miraron a 4.520 niños de entre 8 y 11 años y llegaron a la conclusión de que superar más de dos horas de pantallas recreativas era un problema a nivel desarrollo cognitivo. 

¿Cómo es posible tanta diferencia de criterios? En realidad, la explicación es más sencilla de lo que parece. Un error en el que también he incurrido yo deliberadamente al escribir este texto: hablar de pantallas en general. Lo que nos vienen a decir los investigadores es que "horas de pantalla" no significa nada. No es lo mismo que esa pantalla la usemos para leer, ver dibujos, hacer deberes, resolver puzles o hacer scroll.

Como explicaba el neuropsicólogo Aarón del Olmo hace unos días en relación a otro estudio, gran parte de los efectos a largo plazo que podemos encontrar en los niños se debe al 'coste de oportunidad' y no a la pantalla en sí. Es decir, a que si estamos sentados scrolleando no estamos haciendo otra cosa beneficiosa para nosotros.  En este sentido, si lo que hacemos es leer, el coste cognitivo de oportunidad es menor que si hacemos otras cosas. 

Lo que emerge estudio tras estudio es que el problema es el patrón de uso y no el contador de horas. 

¿Esto cambia mucho lo que ya sabíamos? Un poco, pero no demasiado. Sobre todo, porque estamos hablando de resultados de hace más de una década. Es decir, que miden unos patrones de uso de pantallas (televisión, ordenador de sobremesa, primeros móviles, etc...) que hoy no existen. 

Por otro lado, sí ayuda a ver tridimensionalmente el problema en cuestión: que no hay respuesta sencillas. Y el mejor ejemplo es Australia, que prohibió las redes a menores de 16 años en diciembre de 2025 y el resultado, según los primeros análisis, es que el uso subió entre los mayores de 16 años (aunque bajó entre chavales de 14 y 15). 

Imagen | Richard R

En Xataka | Lo que la psicología dice de las personas que necesitan tener la televisión o un podcast de fondo para dormir



-
La noticia Después de años escuchando lo contrario, este estudio finlandés dice que pasar mucho tiempo frente a una pantalla favorece el rendimiento cognitivo fue publicada originalmente en Xataka por Javier Jiménez .



☞ El artículo completo original de Javier Jiménez lo puedes ver aquí