1 de septiembre de 2026

El asombroso experimento clínico para "devolver" a los bebés nacidos por cesárea las bacterias de su madre

El asombroso experimento clínico para "devolver" a los bebés nacidos por cesárea las bacterias de su madre

Nacer por vía vaginal o por cesárea son dos caminos que son muy diferentes y que tienen implicaciones radicalmente diferentes tanto para la madre como para el bebé. Una de ellas está en la primera exposición que recibe un recién nacido a todas las bacterias que nos rodean en el día a día, puesto que la ciencia ha observado que los niños nacidos por cesárea presentan una colonización bacteriana inicial distinta, lo que llevó a plantear la posibilidad de transferirles rápidamente bacterias vaginales nada más nacen. 

El origen de la idea. Esta técnica, que fue conocida como 'vaginal seeding' o siembra vaginal, tiene su origen en el año 2016, cuando la revista Nature publicó un estudio piloto liderado por la investigadora Maria Gloria Dominguez-Bello. Aquí la premisa que se planteaba era sencilla, puesto que un bebé nacido por cesárea no pasa por el canal del parto, no se impregna de las bacterias protectoras de su madre. Entonces... ¿Qué pasaría si los "bañamos" artificialmente con ellas? 

El procedimiento que se planteaba consistía en introducir una gasa estéril en la vagina de la madre antes de la cirugía e inmediatamente después de la cesárea, se frotaba esa gasa por la boca, la cara y el cuerpo del recién nacido. El problema es que el estudio original era minúsculo, puesto que solo participaron 18 neonatos (7 nacidos por vía vaginal y 11 por cesárea, de los cuales solo 4 recibieron los fluidos maternos).

Los resultados a corto plazo fueron llamativos, puesto que durante el primer mes de vida los bebés nacidos por cesárea expuestos a la gasa mostraron una microbiota oral y cutánea mucho más parecida a la de los nacidos por parto natural. 

El choque de realidad. Tras el revuelo inicial, la comunidad científica se puso a trabajar para comprobar si esta alteración del microbioma se traducía en niños más sanos y con menos enfermedades como el asma o las alergias. Pero tras varios años de investigación, se vio cómo caía un jarro de agua fría sobre esta técnica que parecía revolucionaria. 

Aquí hubo diferentes revisiones que evaluaron el impacto real del "vaginal seeding", y la conclusión es que la evidencia sobre sus beneficios clínicos es muy incierta. Y aunque es cierto que se aprecian cambios en la composición del microbioma del bebé a corto plazo, estudios publicados en diferentes revistas especializadas coinciden en que estos efectos se acaban difuminando. 

Otros factores. Lo que sí se ha visto es que, con el paso de los meses, factores ambientales, la alimentación y, muy especialmente, la lactancia materna tienen un impacto mucho mayor en el desarrollo del microbioma intestinal del bebé, eclipsando cualquier efecto inicial de la gasa. 

Un riesgo de seguridad. La falta de beneficios comprobados no es el mayor de los problemas, sino que la preocupación central de los médicos es la seguridad. Aquí hay que tener en cuenta que el canal vaginal no solo alberga bacterias beneficiosas, como los Lactobacillus, sino que puede ser un reservorio de patógenos letales para un recién nacido con un sistema inmune inmaduro.

Aquí tenemos el peligro de transmitir al bebé un estreptococo del grupo B, un virus del herpes simple, un papiloma o incluso el VIH. Y aunque a día de hoy se hacen cribados exhaustivos a las madres para descartar estas infecciones, en la práctica clínica el cribado perfecto es casi imposible. 

Imágenes | Fannya Santos 

En Xataka | Cada vez tenemos más claro que nuestro microbioma es clave para nuestra salud. Nuestras fuentes de proteínas también pueden alterarlo

-
La noticia El asombroso experimento clínico para "devolver" a los bebés nacidos por cesárea las bacterias de su madre fue publicada originalmente en Xataka por José A. Lizana .



☞ El artículo completo original de José A. Lizana lo puedes ver aquí

Debian vota y elige el término medio: ni prohíbe ni apoya la IA generativa, pero exige responsabilidad al contribuidor

Debian vota y elige el término medio: ni prohíbe ni apoya la IA generativa, pero exige responsabilidad al contribuidor

La distribución Linux más veterana del ecosistema open source acaba de resolver —con un 64% de votos a favor— una pregunta que lleva dos años dividiendo a sus desarrolladores. El 28 de agosto de 2026, Debian cerró la votación de su General Resolution 2026-002 sobre el uso de modelos de lenguaje e inteligencia artificial generativa en el proyecto. La ganadora: la propuesta «Responsible Use of Generative AI» (Uso responsable de la IA generativa), presentada por Marc Haber.

El proyecto tardó más de dos años en llegar a un veredicto formal. El debate comenzó en 2024, se intentó una primera resolución en 2025 —que fue retirada antes de la votación—, y en julio de 2026 se abrió formalmente el período de deliberación de la GR actual con ocho propuestas compitiendo entre sí, desde una prohibición total hasta la aceptación sin restricciones. El secretario del proyecto, Kurt Roeckx, anunció el resultado.

El texto ganador tiene una frase central que define la posición del proyecto: «Debian no recomienda ni prohíbe el uso de herramientas de IA generativa en el desarrollo, mantenimiento o documentación de software, empaquetado, documentación y otros medios publicados dentro del Proyecto Debian.»

¿Qué dice exactamente la política ganadora?

La propuesta de Marc Haber es lo que su nombre promete: un marco de responsabilidad individual que no cierra la puerta a la IA pero tampoco la abre sin condiciones.

Las condiciones son cuatro. Los contribuidores que usen IA generativa deben: comprender y poder defender el código o contenido que suben —no es suficiente con pegar lo que el modelo generó—, asumir la responsabilidad legal de lo que entregan, cumplir con las Debian Free Software Guidelines (DFSG), y cargar todo el contenido de forma independiente en la infraestructura de Debian. Además, el uso de servicios de IA en la nube para contenido sensible queda expresamente prohibido.

La divulgación del uso de IA —identificar en el commit o en la documentación que se usó una herramienta específica— se recomienda pero no se exige. Eso es lo que distingue la propuesta ganadora de alternativas más restrictivas que sí habrían requerido divulgación obligatoria.

¿Qué propuestas perdieron y por qué importa la diferencia?

El espectro de las ocho propuestas era amplio. En el extremo prohibicionista, la propuesta respaldada por Ian Jackson —quien escribió dpkg y administra el servidor Chiark— pedía un rechazo total de las LLM «en la medida de lo posible» y su inclusión en el Código de Conducta del proyecto. Sus argumentos: incertidumbre legal sobre los derechos de autor del código generado por IA, riesgos técnicos por alucinaciones de APIs que no existen, impacto en la dinámica de la comunidad de voluntarios, y preocupaciones éticas sobre el entrenamiento y el consumo energético.

En el extremo permisivo, había propuestas que permitían contribuciones con IA bajo condiciones más laxas o que simplemente reconocían la realidad sin añadir restricciones. El resultado final —64% versus 36%— muestra que la comunidad de Debian está dividida pero tiene una mayoría clara que prefiere la regulación por responsabilidad individual antes que la prohibición o la permisividad total.

El contraste con el ecosistema más amplio es ilustrativo. El GCC (GNU Compiler Collection) tiene una política explícita de rechazar cualquier contribución significativa que incluya código generado por LLM o derivado de él. El propio Linus Torvalds ha admitido usar IA en el desarrollo del kernel de Linux. Debian se posiciona ahora entre los dos: ni el rigor de GCC ni la apertura del kernel.

Hemos comprobado en coberturas de la evolución de las políticas de IA en proyectos open source que la velocidad del debate está siendo mucho mayor que la velocidad de la adopción de políticas formales. El AI Index 2026 de Stanford documenta que la IA está transformando industrias enteras en períodos de meses, no de años. Una comunidad que tardó dos años en formalizar su política puede necesitar volver a votarla en 2027 si el contexto cambia tanto como lo ha hecho en 2024-2026.

En nuestra experiencia cubriendo proyectos de software libre desde los primeros debates sobre GPL y licencias copyleft en la década de los 2000, los proyectos de código abierto raramente resuelven sus conflictos ideológicos con velocidad. La velocidad de Debian en esta votación —dos años desde el primer debate hasta la resolución— es lenta para el ritmo de la industria de la IA, pero rápida para los estándares de gobernanza distribuida de un proyecto con 500+ desarrolladores activos.

El apunte más revelador lo ofrece Help Net Security: «Un mantenedor leyendo una merge request no puede saber si la escribió una persona o un modelo, y nadie tiene que decirlo.» La política de Debian resuelve el debate formal pero no resuelve el problema técnico de fondo: la opacidad de la autoría en el ecosistema open source. La fiebre de los agentes de IA y la necesidad de barandillas que la acompañan aplica aquí con precisión: cuando el agente escribe el parche y el humano lo sube, ¿quién responde de que funciona y es seguro? Debian ha respondido: quien lo sube. Los agentes de IA útiles y los peligrosos comparten el mismo mecanismo de responsabilidad difusa; la política de Debian es la primera tentativa formal de un proyecto open source masivo de asignar esa responsabilidad de forma clara. El próximo test de esa asignación será cuando aparezca el primer bug crítico en un paquete de Debian y alguien señale que el parche que lo introdujo fue generado con IA. La política dice quién responde. La comunidad tendrá que demostrar que el mecanismo de responsabilidad funciona en la práctica.

La resolución también deja sin responder la pregunta sobre LLMs locales versus cloud. Usar Copilot de Microsoft —un servicio en la nube— para generar código de un paquete Debian y luego subirlo a la infraestructura de Debian es técnicamente compatible con la nueva política en la mayoría de casos, salvo cuando el contenido sea sensible. La ambigüedad de qué constituye «contenido sensible» en el contexto del desarrollo de software es uno de los puntos que la comunidad tendrá que resolver en la práctica antes de que aparezca en la política escrita.

La votación de Debian tiene alcance simbólico más allá de los desarrolladores de Linux. Debian es la base de Ubuntu y de decenas de distribuciones derivadas. Las normas de qué contribuciones son aceptables en Debian influyen indirectamente en cómo esas distribuciones deciden su propia política sobre IA. El ecosistema open source se mueve en cascada y Debian está en la parte alta de esa cascada. El siguiente movimiento relevante lo hará probablemente Ubuntu, que hereda la política de Debian pero tiene su propia comunidad y patrocinador corporativo.




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

Stephen Hawking: "Cada uno de nosotros vive solo un breve periodo de tiempo, y solo visitamos apenas una minúscula parte del universo"

Stephen Hawking: "Cada uno de nosotros vive solo un breve periodo de tiempo, y solo visitamos apenas una minúscula parte del universo"

La frase de Stephen Hawking sobre la brevedad de nuestra existencia parece, aislada, una reflexión sobre la insignificancia humana frente al cosmos. En realidad era exactamente lo contrario. Con ella comenzaba The Grand Design, el polémico libro que escribió junto a Leonard Mlodinow en 2010, y la utilizaba para plantear una paradoja extraordinaria.

Nuestra existencia en una frase. Como decíamos, con la frase comenzaba el libro publicado en 2010 por Hawking y el físico Leonard Mlodinow. La frase ha terminado convertida en una de esas citas que circulan separadas de su contexto, acompañada habitualmente de estrellas y galaxias, pero dentro del libro tenía una función mucho más ambiciosa: establecer desde la primera línea la gigantesca desproporción existente entre los límites físicos del ser humano y aquello que intenta comprender.

No es nuestra pequeñez, sino lo que hacemos con ella. Porque Hawking y Mlodinow no utilizaban esa reflexión para presentar al ser humano como una criatura insignificante condenada a desaparecer. Inmediatamente después introducían precisamente aquello que permite superar parcialmente esa limitación: nuestra curiosidad

A saber: vivimos muy poco, ocupamos una fracción diminuta del espacio y jamás podremos recorrer personalmente la inmensa mayoría del universo, pero eso no nos ha impedido mirar hacia arriba y preguntarnos qué hay allí, cómo funciona y de dónde procede. De ahí que la verdadera fuerza de la frase está en la contradicción: nuestros cuerpos pueden explorar muy poco, pero nuestro conocimiento puede intentar llegar muchísimo más lejos.

Las preguntas que nos persiguen. De esa curiosidad nacen las cuestiones alrededor de las cuales Hawking y Mlodinow construyeron el libro: cómo podemos comprender el mundo, cuál es la naturaleza de la realidad, cómo se comporta el universo, de dónde procedemos o si el cosmos necesitó un creador. Son, en esencia, preguntas desproporcionadamente grandes para una especie que apenas ocupa un instante en la historia cósmica, y precisamente ahí se encuentra buena parte de la idea que defendían. 

El ser humano no necesita visitar físicamente cada rincón del universo para tratar de reconstruir sus reglas: observa una pequeña parte, formula teorías y utiliza esas leyes para explicar fenómenos situados a miles de millones de años luz.

Physicist Stephen Hawking In Zero Gravity Nasa

Hawking llevó el argumento demasiado lejos. El libro no tardaba demasiado en abandonar la contemplación del cosmos para entrar directamente en la polémica. Hawking y Mlodinow sostenían que aquellas grandes preguntas habían pertenecido tradicionalmente a la filosofía, pero consideraban que esta no había conseguido mantenerse al ritmo de los avances de la ciencia moderna y, especialmente, de la física. 

Su conclusión fue deliberadamente provocadora: “la filosofía ha muerto” y los científicos habían tomado el relevo en la búsqueda del conocimiento. La afirmación desencadenó una enorme controversia porque no estaba cuestionando una teoría filosófica concreta, sino reivindicando para la ciencia buena parte de las preguntas fundamentales que la humanidad llevaba planteándose durante milenios.

La pregunta inevitable. Uno de los argumentos más polémicos de The Grand Design surgía precisamente de aquella búsqueda de explicaciones físicas. Hawking y Mlodinow defendían que leyes como la gravedad permiten plantear que el universo pueda surgir espontáneamente, sin necesidad de introducir una intervención divina para poner en marcha el proceso. 

Hawking matizaría posteriormente la dimensión religiosa del argumento: la ciencia no puede demostrar que Dios no exista, pero, según su razonamiento, puede construir una explicación del universo que no necesita recurrir a un creador. Aquella distinción no evitó que el libro provocara un intenso debate entre científicos, filósofos y teólogos.

D

El libro se encuentra con la ciencia. Las afirmaciones de The Grand Design recibieron críticas también desde ámbitos académicos y científicos, especialmente por la manera en que presentaba cuestiones todavía abiertas sobre cosmología, el Big Bang y la naturaleza última del universo. Uno de sus críticos más contundentes fue John Lennox, profesor de Matemáticas en la Universidad de Oxford, que cuestionó frontalmente la idea de que las leyes físicas pudieran explicar por sí mismas la existencia del universo. 

De hecho, el enorme prestigio de Hawking no convirtió las tesis del libro en consensos científicos: precisamente porque pretendía responder algunas de las preguntas más profundas posibles, terminó abriendo tantos debates como respuestas ofrecía.

La frase cobra otro sentido. Reducida a una cita, la reflexión de Hawking puede parecer una definición pesimista del ser humano: nacemos, permanecemos aquí durante unas décadas, conocemos una porción ridículamente pequeña del universo y desaparecemos. Dentro de The Grand Design, sin embargo, esa pequeñez era el punto de partida para contar algo mucho más poderoso

Uno donde una especie que jamás podrá recorrer personalmente el cosmos ha conseguido determinar la composición de estrellas que nunca alcanzará, observar galaxias cuya luz comenzó a viajar antes de que existiera la humanidad y elaborar teorías sobre los primeros instantes del universo. 

Si se quiere también, existimos durante un breve periodo y exploramos directamente una parte minúscula del cosmos, pero lo extraordinario, para el señor Hawking, es que eso nunca nos ha impedido intentar comprender el resto.

Imagen | RawPixel, Jim Campbell/Aero-News Network, NASA

En Xataka | Unos científicos han descubierto lo que Stephen Hawking ya teorizó: el rastro que dejan los agujeros negros cuando se apagan

En Xataka | En 2016 a Stephen Hawking le preguntaron por el futuro de la humanidad: su respuesta no dejó tranquilo a nadie

-
La noticia Stephen Hawking: "Cada uno de nosotros vive solo un breve periodo de tiempo, y solo visitamos apenas una minúscula parte del universo" fue publicada originalmente en Xataka por Miguel Jorge .



☞ El artículo completo original de Miguel Jorge lo puedes ver aquí

Explotan dos fallos críticos en Langflow y Ruby on Rails para robar secretos y desplegar mando y control

Se ha confirmado explotación activa de CVE-2026-0768 en Langflow y CVE-2026-66066 en Ruby on Rails. Los ataques se centran en leer secretos, probar credenciales y preparar infraestructura de mando y control (C2), con riesgo de acabar en ejecución remota de código.

Entry image

Los atacantes ya explotan de forma activa dos vulnerabilidades críticas en Langflow y Ruby on Rails, con un patrón claro: primero reconocimiento y robo de secretos, después movimientos para mantener el control del entorno con actividad de mando y control (C2). El problema no se limita a tumbar una aplicación. Estas plataformas suelen convivir con claves de cloud, tokens de API y accesos a servicios internos, así que un fallo expuesto a Internet puede abrir la puerta a un incidente mucho más amplio.

En Langflow, la vulnerabilidad CVE-2026-0768 permite ejecutar código Python arbitrario con permisos de root por una validación deficiente de la entrada. Las trazas observadas encajan con un actor que busca valor rápido: peticiones orientadas a volcar variables de entorno y a localizar credenciales. Aparecen consultas con nombres típicos de despliegues reales, como LANGFLOW_SUPERUSER, patrones del estilo OPENAI_API, y variables de AWS como AWS_ACCESS y AWS_SECRET. También se han visto intentos de lectura de rutas sensibles, como */root/.cache/langflow/secret_key, y comprobaciones de artefactos de acceso local, por ejemplo directorios .ssh o el tamaño de .bash_history.

El caso de Ruby on Rails resulta especialmente delicado por el encadenamiento posible hasta RCE. CVE-2026-66066, conocida como KindaRails2Shell, parte de una lectura arbitraria de ficheros que se activa cuando Active Storage procesa subidas de imágenes con libvips. La explotación exige dos condiciones: que la aplicación use Vips como procesador de variantes y que acepte subidas de imágenes de usuarios no confiables. El vector se apoya en discrepancias entre cómo interpreta ficheros Active Storage y cómo los procesa libvips, lo que puede terminar filtrando secretos del propio proceso de Rails.

Ese punto es crítico porque expone piezas que Rails usa para proteger sesiones y cifrar información. Entre los secretos potencialmente recuperables figuran secret_key_base, la Rails master key, credenciales de base de datos, claves de almacenamiento en la nube y tokens de servicios externos. Con ese material, un atacante puede pasar de leer ficheros a ejecutar código, pivotar hacia otros sistemas y persistir sin necesidad de credenciales válidas.

Los indicadores de campaña apuntan a una actividad distribuida. En Langflow se ha asociado tráfico principalmente a origen en Rusia, y se ha constatado afectación de canaries en Reino Unido. Para Rails, se ha observado actividad contra canaries en Singapur, Israel y Reino Unido, con indicios de C2 hacia un host en Israel desde una única IP localizada en Francia.

La respuesta defensiva pasa por priorizar inventario y exposición. Conviene identificar instancias públicas de Langflow y aplicaciones Rails con Active Storage, sobre todo si permiten subidas desde Internet. En Rails, la mitigación principal consiste en actualizar a 7.2.3.2, 8.0.5.1 o 8.1.3.1 según la rama, y revisar la cadena ruby-vips y libvips para asegurar el bloqueo de operaciones no seguras con contenido no confiable. Si la actualización no llega a tiempo, tiene sentido desactivar el procesado con Vips o restringir subidas de imágenes hasta completar el parcheado.

Dado el foco en secretos, también toca asumir posible exposición y actuar en consecuencia. Se recomienda rotar secret_key_base, la master key y cualquier credencial asociada a cloud, bases de datos o APIs. En paralelo, hay que revisar logs y telemetría en busca de lecturas sospechosas, como accesos a /proc/self/environ, config/master.key y rutas habituales de secretos, además de reforzar detección y respuesta ante comunicaciones de C2 y bloquear indicadores de infraestructura cuando se disponga de ellos.

Más información

La entrada Explotan dos fallos críticos en Langflow y Ruby on Rails para robar secretos y desplegar mando y control se publicó primero en Una Al Día.



☞ El artículo completo original de Hispasec lo puedes ver aquí

Anthropic detuvo el entrenamiento de su nueva IA por una sencilla razón: estaba aprendiendo demasiado bien a hacer trampas

Anthropic detuvo el entrenamiento de su nueva IA por una sencilla razón: estaba aprendiendo demasiado bien a hacer trampas

Esto está pasando de castaño a oscuro, queridos lectores. Si ya estabamos inquietos con lo que pasó con los agentes de OpenAI y Hugging Face, ahora llega Anthropic para avisarnos de que sus modelos también se están poniendo rebeldes. La firma descubrió en primavera —aunque lo cuente ahora— que estaba creando entornos para entrenar a Claude más rápido de lo que podía comprobar que esos entornos funcionaban correctamente. 

Qué está pasando aquí. Los errores, las configuraciones defectuosas y las oportunidades para seguir esa célebre filosofía del reward hacking (si me hackeas, premio) empezaron a superar la capacidad de detectarlos no solo de sus sistemas, sino también de sus revisores humanos. En Anthropic acabaron frenando parte del proceso para revisar qué estaban enseñando realmente a sus modelos de IA.

Primero hubo que retroceder tres días. En febrero, durante el entrenamiento por refuerzo de Mythos Preview, Anthropic detectó comportamientos extraños. El modelo escribía comentarios dirigidos a un supuesto "revisor" incluso en tareas en las que se supone que no había ninguno. Logró además explotar una recompensa diseñada para fomentar la honestidad de su comportamiento: acumulaba advertencias y matices porque había aprendido que eso mejoraba su puntuación. En Anthropic decidieron volver a un punto de control (checkpoint) tres días atrás y modificar el entorno de entrenamiento antes de continuar.

Aprender tiene recompensa, pero el modelo se las intenta saltar. En el aprendizaje por reuerzo (Reinforcement Learning, RL) no se programa exactamente cómo resolver una tarea. En lugar de eso se define un objetivo y una recompensa que le indica al modelo cuándo lo está haciendo bien. El problema aparece cuando descubre una forma de conseguir esa recompensa sin hacer realmente aquello que pretendíamos enseñarle a ese modelo. 

Chuletas pero sin ser chuletas. Es básicamente lo mismo que aprobar un examen gracias a una chuleta, pero con una distinción: el modelo no necesita "querer engañar" a nadie (el alumno humano sí), porque basta con que el entrenamiento favorezca comportamientos que producen puntuaciones más altas. El modelo simplemente intenta cumplir el objetivo sea como sea siguiendo las reglas que le dictan. Y si no se le dictan ciertas restricciones, para él no existen.

Esto va demasiado rápido. Anthropic llevaba años buscando este tipo de atajos, pero sus investigadores reconocen que esta primavera de 2026 la velocidad del proceso empezó a ser excesiva. Estaban generando nuevos entornos de RL a un ritmo superior al que sus propias herramientas podían revisarlos. Las alertas que requerían intervención humana se acumulaban, y los errores de configuración comenzaron a crecer más rápido de lo que podían arreglarlos.

Anthropic pisa el freno. En abril Anthropic congeló aproximadamente durante un mes todos los cambios de sus entornos de RL de producción y reconstruyó buena parte del sistema de revisión de estos procesos. Cuando terminó de examinarlos, los responsables del proceso descubrieron que más del 10% de esos entornos tenía algún problema. Tuvieron que corregirlos y certificarlos antes de usarlos de nuevo, y también detectaron que algunos revisores humanos habían descartado algunos avisos como falsos positivos cuando correspondían a problemas reales.

Este modelo se nos está rebelando. La compañía entrenó deliberadamente un modelo de clase Opus en 80 entornos que antes habían permitido alguna forma de reward hacking y después lo colocaron en simulaciones más exigentes. El modelo intentó salir de un sandbox simulado, atacar infraestructura simulada, modificar su propia función de recompensa y eludir sistemas de monitorización. Los modelos de producción que se sometieron a esas mismas pruebas no mostraron esos comportamientos.

Luego llegaron los incidentes reales. En julio Anthropic desveló tres problemas de ciberseguridad en sus modelos Claude que terminaron accediendo sin autorización a sistemas reales debido a configuraciones erróneas en esos sistemas externos. Al detectar el problema suspendieron las evaluaciones de ciberseguridad externas, detuvieron brevemente las  internas y pararon durante semanas los entornos de RL que para ellos tenían mayor riesgo.

Coordinación pra entrenar modelos. Anthropic afirma ahora que la industria de la IA se beneficiaría de un sistema "legal, verificable y efectivo" que coordinase el ritmo de desarrollo entre los distintos laboratorios de IA. El mensaje es claro: Anthropic puede parar semanas sus sistemas para corregir fallos como los descritos, pero mientras sus competidores pueden seguir entrenando sus modelos sin tener esas mismas precauciones con tal de ganar ventaja en la carrera de la IA. La carta abierta firmada recientemente por ambas empresas va un poco en esa dirección, pero de momento no hay medidas universales que las empresas de IA hayan adoptado de forma consensuada. Y hasta que eso ocurra, si ocurre, el riesgo parece estar acelerándose.

Imagen | Xataka con Magnific

En Xataka | OpenAI, Anthropic y Google piden protegernos de los riesgos de la IA. Es como poner al lobo a cuidar del gallinero

-
La noticia Anthropic detuvo el entrenamiento de su nueva IA por una sencilla razón: estaba aprendiendo demasiado bien a hacer trampas fue publicada originalmente en Xataka por Javier Pastor .



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