10 de octubre de 2026

Proyecto Timestamper: un intento de salvaguardar de forma inmutable el legado cultural y científico de la humanidad.

Proyecto Timestamper: un intento de salvaguardar de forma inmutable el legado cultural y científico de la humanidad.

El Proyecto Timestamper es, además de una iniciativa con nombre de película de ciencia-ficción, un intento de dejar constancia de la existencia de libros, películas, música, artículos científicos, pinturas y páginas web antes de que la inteligencia artificial generativa pudiera generar fakes y copias modificadas de forma masiva. El proyecto ha registrado colecciones enormes: por ejemplo, 85 millones de artículos científicos y 339.000 millones de capturas de páginas web. Esta es su descripción oficial:
Project Timestamper es una iniciativa de código abierto destinada a proteger la integridad del patrimonio de información de la humanidad en la era de la IA generativa. En este proyecto se asignan marcas de tiempo criptográficas al contenido histórico más valioso usando la cadena de bloques de Bitcoin. De este modo se crea una prueba permanente de la existencia de dicho contenido a mediados de la década de 2020. Etas marcas de tiempo generadas se comparten públicamente para garantizar que el contenido creado por humanos en el pasado pueda identificarse claramente, incluso cuando el contenido generado por IA llegue a dominar nuestra cultura.

Cómo funciona Timestamper

¿Cómo funciona TimeStamper? Para certificar una obra, ya sea un PDF, una película, una imagen, una base de datos o cualquier otro tipo de archivo, se calcula un hash o huella digital de cada archivo. Es una especie de identificador criptográficamente seguro que cambiaría si se modificara el contenido, aunque fuera en lo más mínimo. El siguiente paso es guardar esas huellas en el lugar probablemente más seguro e inmutable que hay en la red hoy en día: la cadena de bloques (blockchain) de Bitcoin. Esto lo hace mediante OpenTimestamps, un estándar abierto que aprovecha una de las principales características de la cadena de bloques: su capacidad para marcar de forma indefectible el tiempo y el hecho cierto de que unos acontecimientos sucedieron antes que otros. De este modo, cualquiera puede comprobar más adelante que un archivo concreto ya existía en una fecha determinada. La ventaja es que el Proyecto Timestamper no conserva necesariamente los archivos ni demuestra quién los creó. Al ser un proyecto de código abierto se puede acceder a todos los datos, que están en Github, ordenados por tipos de archivo: desde los trabajos científicos las películas, libros e incluso genomas públicos. En el FAQ y el Porqué hay más información, algo sobre sus creadores e incluso un pequeño blog, donde explican precisamente la hercúlea tarea que supone por ejemplo el registro de 339.000 millones de páginas web. Me ha parecido una iniciativa tan ambiciosa por su alcance como ingeniosa por la forma de llevarlo a cabo, así que solo podemos desearles parabienes. Relacionados:

# Enlace permanente



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

Por qué faltan diez días en el calendario de tu móvil si viajas hasta octubre de 1582

Por qué faltan diez días en el calendario de tu móvil si viajas hasta octubre de 1582

Si abres el calendario de un iPhone y retrocedes más de cuatro siglos, vas a encontrarte con una curiosidad: del 4 de octubre de 1582 pasa al 15 de octubre. Esto solo te serviría si tuvieras un DeLorean y quisieras viajar a esa fecha concreta, aunque detrás de esos diez días que se evaporan sin dejar rastro hay una explicación. Apple es consciente de esa laguna temporal.

Once minutos y catorce segundos. Julio César instauró el calendario juliano en el año 45 a. C. Para ese calendario el año duraba 365,25 días. Y tenía un bisiesto cada cuatro años. Astronómicamente hablando, el año solar ronda los 365,2422 días. Esa diferencia de 11 minutos y 14 segundos al año generaba un día entero de desfase cada 130 años aproximadamente.

En el siglo XVI, el retraso acumulado por el calendario juliano era de diez días. No habría habido problemas de no ser por la religión: el Concilio de Nicea del año 325 fijó la Pascua tras el equinoccio de primavera del 21 de marzo. Para 1582, el equinoccio real se iba al 11 de marzo. De seguir acumulando desfase en el calendario, la Pascua corría el riesgo de terminar en verano.

Bula papal de Gregorio XIII con la instauración del calendario gregoriano Bula papal de Gregorio XIII con la instauración del calendario gregoriano. Imagen de Wikipedia

Dormir el cuatro y despertar el quince. El papa Gregorio XIII promulgó en febrero de 1582 la bula Inter gravissimas. Para corregir unos doce siglos y medio de desviación astronómica, la Iglesia tomó una decisión: aparte de adoptar el nuevo calendario gregoriano, borró de este diez días. Desaparecieron.

La Iglesia eligió octubre para meter tijera por dos razones: porque en ese mes apenas había festividades religiosas relevantes y porque el recorte respetaba a san Francisco de Asís. En las poblaciones donde entró en vigor el calendario gregoriano, sus habitantes se acostaron el jueves 4 de octubre de 1582 y despertaron el viernes 15. Como si les hubiesen aplicado el desneuralizador de Men in Black.

Una frontera, dos fechas distintas. España, Italia, Portugal y Polonia adoptaron el cambio en octubre de 1582, Francia lo hizo en diciembre y los países protestantes y ortodoxos decidieron no acatar el cambio. Cruzar una frontera en Europa podía implicar un salto temporal de diez días.

El Imperio británico esperó hasta septiembre de 1752: en vez de diez días, el retraso les obligó a eliminar once. Rusia adoptó el calendario gregoriano en 1918 y Grecia en 1923: ambos países saltaron trece días. Más allá de la curiosidad, la transición obligó a recalcular alquileres, salarios e intereses bancarios.

Apple es fiel a la época. La empresa optó por respetar a Gregorio XIII y adaptar el calendario del iPhone según la entrada en vigor del calendario gregoriano. Por eso vemos que desaparecen diez días si retrocedemos en el calendario a octubre de 1582. Android, por cierto, está adaptado igualmente al salto temporal, pero el calendario de Google solo deja retroceder hasta 1900.

Vía | JeuxVideo

Imagen de portada | Iván Linares

En Xataka | He cambiado el calendario de Apple por Notion Calendar. Ahora mis datos y mi tiempo viven bajo el mismo techo

-
La noticia Por qué faltan diez días en el calendario de tu móvil si viajas hasta octubre de 1582 fue publicada originalmente en Xataka por Iván Linares .



☞ El artículo completo original de Iván Linares lo puedes ver aquí

Dormir 80 minutos menos durante seis semanas nos hace engordar, según un nuevo estudio

Dormir 80 minutos menos durante seis semanas nos hace engordar, según un nuevo estudio

Dormir entre 7 y 8 horas es importante. Aunque no todos lo hagamos, es algo que tenemos bastante asumido. Aun así, no dejan de sorprendernos las nuevas consecuencias que se van descubriendo que podría acarrear descansar durante menos tiempo. Por ejemplo, según un estudio reciente, dormir poco podría hacernos engordar, con todo lo que eso conlleva.

Solo seis semanas. En este estudio participaron 95 personas con riesgo cardiometabólico elevado, que aseguraron dormir normalmente más de 7 horas. Durante seis semanas, algunos tuvieron que acostarse 90 minutos más tarde. Equivaldría más o menos a 80 minutos menos de sueño. Después, durante otras seis semanas, volvieron a su rutina de sueño habitual. Otros hicieron lo mismo, pero en orden inverso: primero el sueño adecuado y después el restringido. A lo largo de las 12 semanas que duró el estudio se analizaron tanto su sueño como su actividad mediante pulseras. 

Además, se tomaron datos de su peso, la circunferencia de la cintura, la composición corporal y los niveles de hormonas asociadas al apetito. Al comparar todos estos datos, se vio que esas seis semanas fueron suficientes para alterar su peso.

Medio kilo. De media, los participantes ganaron una libra de peso, equivalente más o menos a medio kilo. Esto puede parecernos poco. Sin embargo, los autores del estudio recuerdan que solo se hizo un análisis de seis semanas. Si lo extrapolamos a un año entero, la ganancia de peso puede ser considerable. Lógicamente no será algo exacto, pero en las 52 semanas que tiene un año serían unos 4 kilos. 

Un estudio más realista. En realidad, este no es el primer estudio que se ha llevado a cabo para estudiar cómo afecta dormir poco a la masa corporal. Sin embargo, en estudios previos se habían hecho restricciones muy drásticas del sueño. Normalmente, los participantes se despertaban tras 4 horas durmiendo. Esto es algo que, en nuestro día a día, no solemos mantener en el tiempo. Iríamos arrastrándonos por la vida. En cambio, dormir 5 o 6 horas es algo que muchas personas sí que mantienen de forma crónica. Por eso se decidió analizar cómo afecta al peso esa restricción más moderada del descanso.

También afecta al sedentarismo. Algo curioso que se vio en este estudio es que las personas obligadas a dormir menos fueron también más sedentarias durante su día. Incluso si se descontaban las horas extras que pasaban despiertos, su sedentarismo aumentó una media de 17 minutos al día. De nuevo puede parecer poco, pero se vio en un periodo corto de tiempo y al final todo suma.

Enfermedades asociadas. El aumento de peso y sedentarismo propician la obesidad y la aparición de enfermedades como la diabetes tipo 2 o las afecciones cardíacas. Por eso, dormir bien es importante por causas multifactoriales. Todo está relacionado.

Aún no se saben los motivos. A pesar de que las consecuencias son bastante llamativas, estos científicos no saben cuáles son las causas de esta relación. Aunque en el estudio se midieron algunos parámetros como las hormonas, no se conoce el mecanismo completo. Sí que es cierto que hay investigaciones anteriores en las que se ha visto que dormir poco puede aumentar la resistencia a la insulina, entre otros factores que también se relacionan con la obesidad y las patologías del corazón. Sin embargo, de nuevo, no sabemos qué relación hay entre el sueño y esa resistencia a la insulina.

Todo esto debe seguir estudiándose, especialmente en población general, no solo en personas que ya tienen cierto riesgo cardiometabólico. Mientras tanto, recuerda que dormir bien es importante por muchos motivos. Lo más evidente es que nos ayuda a estar más descansados durante el día, pero debemos prestar atención a todo lo demás. 

Imágenes |Magnific

En Xataka | Pensábamos que apagar el hambre con Ozempic era el remedio definitivo contra la obesidad. Hasta que nos fijamos en el músculo

-
La noticia Dormir 80 minutos menos durante seis semanas nos hace engordar, según un nuevo estudio fue publicada originalmente en Xataka por Azucena Martín .



☞ El artículo completo original de Azucena Martín lo puedes ver aquí

La IA creará más empleo del que destruye en EE. UU., según McKinsey: el problema son los 11 millones que tendrán que cambiar de profesión

La IA creará más empleo del que destruye en EE. UU., según McKinsey: el problema son los 11 millones que tendrán que cambiar de profesión

El McKinsey Global Institute calcula que la automatización reducirá en Estados Unidos una demanda de trabajo equivalente a 36 millones de empleos hasta 2035, mientras otros motores de la economía generarán unos 41 millones. El saldo es positivo. La mala noticia está en el reparto: unos 11 millones de personas tendrán que cambiar de profesión por completo, y casi la mitad no tiene un camino claro para hacerlo.

El informe se titula Workforce in motion, tiene 82 páginas y se publicó el 29 de septiembre de 2026. Lo firman María Jesús Ramírez, Kweilin Ellingrud, Tanguy Catlin, Diego Castresana y Anna Kortis. Su frase de cabecera resume la tesis: el reto de la próxima década es la movilidad, no la escasez.

Es un diagnóstico menos apocalíptico que los de los últimos años, como señalaba esta semana el analista Antonio Ortiz. Pero leído entero, el informe tranquiliza bastante menos que su titular.

¿Qué dice exactamente el informe de McKinsey?

Dice que en 2035 habrá en Estados Unidos más demanda de empleo que hoy, pero en ocupaciones distintas de las que se pierden. Los 36 millones de empleos afectados equivalen al 21 % de las horas de trabajo actuales, y la ganancia neta ronda los 5 millones.

Conviene leer bien la cifra grande. Esos 36 millones no son 36 millones de despidos. Unos 25 millones de trabajadores seguirían en su ocupación, aunque con tareas distintas, porque el crecimiento de su sector compensa lo que se automatiza. Los 11 millones restantes, cerca del 7 % de los empleados actuales, son los que tendrían que irse a otra profesión.

Ese número tiene un margen amplio: entre 6 y 16 millones, según el ritmo de adopción. Y obliga a un cambio de velocidad. McKinsey estima unas 770.000 transiciones al año, 3,6 veces la media histórica de unas 215.000.

El informe añade un precedente para rebajar el susto. Entre 2019 y 2022, durante la pandemia, unas 788.000 personas al año hicieron cambios parecidos sin daños duraderos, según recoge Fortune.

El dato incómodo: casi la mitad no tiene camino

Aquí está lo que el titular optimista deja fuera. Solo el 14 % de quienes tendrán que cambiar, uno de cada siete, tiene un camino directo hacia una ocupación en crecimiento. Otro 41 % tiene un camino sinuoso. Y el 45 % afronta lo que el informe llama un camino sin asfaltar.

El reparto tampoco es neutro. Los trabajadores con salarios bajos tienen 7,6 veces más probabilidades que los de salarios altos de necesitar una profesión nueva. Más del 70 % del empleo que desaparece está en los dos quintiles salariales inferiores, y cerca del 60 % del que crece, en los dos superiores.

Las barreras son muy concretas. En torno al 85 % de los empleos que crecen exige una acreditación, y el informe admite que eso puede torcer o bloquear caminos que serían viables. Además, según Fortune, cerca del 76 % de esos empleos no se puede hacer en remoto: están en hospitales, obras y centros de datos.

Hay un dato a favor que merece figurar. Solo alrededor del 3 % de las transiciones previstas, unas 305.000 personas, implicaría cobrar menos. El problema que describe McKinsey no es de sueldo en destino, sino de cómo llegar.

¿Qué trabajos se automatizan más y cuáles crecen?

Los más expuestos son los de oficina y apoyo administrativo, donde McKinsey prevé que se automatice en torno al 80 % de las horas de trabajo actuales. Les siguen tecnología y analítica, con un 70 %, y comercio y ventas, con un 68 %.

En el otro extremo están seguridad pública, con un 28 %, y los profesionales sanitarios, con un 26 %. Más del 75 % de los puestos que necesitarán transición se concentra en tres familias: administración, ventas y transporte y logística. El crecimiento se reparte entre sanidad, construcción y gestión, con unos 5 millones de empleos nuevos solo entre las dos primeras.

El caso del software ilustra la tesis del informe. La demanda de desarrolladores cayó con fuerza desde el máximo de 2022, pero las ofertas han subido cerca de un 15 % desde principios de 2025, sobre todo para perfiles sénior y orientados a IA. Se automatiza parte del trabajo, el producto se abarata, se demanda más, y crece la parte que sigue haciendo una persona.

Ese mecanismo es real y está documentado en otras tecnologías. Lo que el informe no garantiza es que funcione igual para un administrativo de 50 años que para un programador de 30.

¿Sirve este informe para España?

Solo como referencia de método, porque todos los datos son de Estados Unidos. Extrapolar porcentajes a un mercado laboral con otra estructura sectorial, otra pirámide de edad y otro sistema de formación sería un error.

Para una lectura europea hay fuentes mejores. En julio analizamos el mapa de OpenAI sobre qué empleos cambia la IA en Europa y la transición laboral que plantea, con conclusiones parecidas en el tono y distintas en el detalle. Y si lo que buscas es orientación práctica, mantenemos una guía sobre inteligencia artificial y empleo en 2026: qué trabajos cambian, cuáles resisten y cómo prepararte.

El informe sí aporta algo trasladable: la idea de que la barrera principal no es la falta de puestos, sino las credenciales y la geografía. Eso se parece mucho a debates que aquí conocemos bien.

Imparto formación en IA a empresas de sectores como banca, automoción o servicios generales, en cursos de entre 6 y 20 horas. Sirven para que alguien haga mejor su trabajo actual. No convierten a un administrativo en enfermero, y el informe habla justo de ese segundo salto.

Quién firma el pronóstico también importa

McKinsey vende servicios de transformación a las mismas empresas que tendrán que gestionar estas transiciones. No invalida los datos, pero conviene tenerlo presente al leer un marco tan cómodo como «movilidad, no escasez».

Hay además un detalle que casi nadie ha destacado. En 2023, la misma firma pronosticó unos 12 millones de cambios de profesión hasta 2030. Ahora habla de 11 millones hasta 2035. La magnitud es casi idéntica; el plazo se ha movido cinco años. Las previsiones a una década sobre una tecnología que cambia cada trimestre deben leerse así, con el calendario en lápiz.

El giro de tono no es exclusivo de las consultoras. En junio contamos cómo los CEOs de IA que prometían el apocalipsis laboral, de Altman a Amodei, dicen ahora que estaban equivocados. El consenso ha pasado del «se acaba el trabajo» al «habrá trabajo, pero otro».

Creo que el nuevo consenso es más razonable que el anterior e igual de interesado. Decir que el empleo no desaparece es cierto en el agregado, y sirve poco a la persona concreta que está en ese 45 % sin camino.

Llevo desde 2005 leyendo previsiones sobre tecnología y empleo, y las que mejor han envejecido son las que hablaban de tareas y no de titulares. Mi lectura de este informe es que la cifra que importa no es 41 millones ni 36: es ese 14 % con camino directo. Todo lo demás es política de formación por hacer, y eso no lo arregla ningún modelo de IA.




☞ El artículo completo original de Juan Diego Polo lo puedes ver aquí

«Maquinaria inteligente: una teoría herética», un ensayo premonitorio tal y como lo escribió el propio Alan Turing

«Maquinaria inteligente: una teoría herética», un ensayo tal y como lo escribió el propio Alan Turing

Sostengo que es posible construir máquinas capaces de simular con gran fidelidad el comportamiento de la mente humana. Cometerán errores en ocasiones y, a veces, podrán formular afirmaciones nuevas y muy interesantes; en definitiva, sus resultados merecerán tanta atención como los de una mente humana.

– Alan Turing
Intelligent Machinery, a heretical theory (c. 1951)

Me he cruzado por ahí con Maquinaria inteligente: una teoría herética (circa 1951), un ensayo de Alan Turing en el que defiende la posibilidad de que las máquinas pueden llegar a pensar y aprender o, en sus propias palabras, «simular con gran fidelidad el comportamiento de la mente humana». En él responde a algunas objeciones, no sabemos si porque se las hizo alguien o simplemente como ejercicio retórico. Está en el formato original: escaneadas a partir de las copias originales escritas a máquina en papel tan viejo que ya está amarilleado. Una gozada de lectura.

Son sólo diez páginas, que resultan dar en el clavo con la situación actual de la inteligencia artificial. Tanto que parece imposible que fueran escritas hace casi 80 años. Quizá por eso a Turing se le considera no solo un pionero sino un auténtico visionario. En el desarrolla cómo:

  • Las máquinas de aquella época sólo repetían tareas concretas, por eso mucha gente creía que no podrían llegar a «pensar».
  • Hace una explicación de cómo el teorema de incompletitud de Gödel parece mostrar que cualquier máquina tendrá preguntas matemáticas que no podrá resolver, aunque una persona sí, para luego explayarse sobre cómo las máquinas podrían razonar igual que las personas para evitarlo. También menciona el Último teorema de Fermat.
  • Explica cómo las máquinas inteligentes podrían equivocarse y dar respuestas erróneas, como las personas.
  • Deja caer ideas de lo que hoy en día conocemos como aprendizaje por refuerzo y algoritmos genéricos, en los que las máquinas aprenden a partir de «ensayo y error» y en los que variaciones aleatorias producen resultados diferentes, que pueden mejorar o empeorar su funcionamiento para una suerte de selección.

También anticipó las reacciones que todo esto produciría:

Supongamos ahora, a modo de ejemplo, que estas máquinas son una posibilidad real y analicemos las consecuencias de su construcción. Por supuesto, construirlas encontraría una gran oposición, a menos que hayamos avanzado mucho en tolerancia religiosa desde los tiempos de Galileo. Habría una fuerte oposición por parte de los intelectuales, quienes temerían perder sus empleos. Sin embargo, es probable que los intelectuales se equivoquen al respecto.

– Alan Turing

Todo esto llevamos ya años viéndolo en las IAs que usamos a diario: su uso genérico, cómo evitan ciertos problemas, dan respuestas erróneas (a veces) que conviene verificar y cómo aprenden a base de ensayo y error, mejorando en cada nueva versión. Leído ahora, su ensayo, más que una herejía, parece una premonición.

Relacionados:

# Enlace permanente



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