29 de julio de 2026

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

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

Sam Altman ha elegido el pódcast Relentless para soltar la frase que con toda probabilidad llevaba años preparando: "Ya estamos en la singularidad". El director general de OpenAI confesó después de pronunciar estas palabras que llevaba esperando este momento toda su vida. Esta declaración llega apenas dos semanas después de que sus propios modelos de inteligencia artificial (IA) protagonizaran uno de los incidentes de ciberseguridad más comentados de los últimos meses.

El pasado 11 de julio GPT-5.6 Sol y un modelo todavía sin publicar se escaparon de un entorno de pruebas cerrado y accedieron sin autorización a los servidores de producción de Hugging Face. Según el propio relato de OpenAI, ambos sistemas estaban "hiperconcentrados" en superar el benchmark ExploitGym, y para lograrlo fueron capaces de hacer algo que hasta ese momento parecía imposible.

Y es que en vez de resolver los ejercicios como estaba previsto, invirtieron una cantidad sustancial de esfuerzo de inferencia en buscar una vía de acceso a internet. Después encontraron una vulnerabilidad de día cero en un proxy de caché de un registro de paquetes, se movieron por la red interna de investigación de OpenAI y terminaron extrayendo las soluciones de las pruebas directamente de la base de datos de producción de Hugging Face. OpenAI tardó diez días en confirmar a la plataforma quién estaba detrás del ataque.

Estamos en la singularidad. O no

Resulta revelador que el propio Altman haya reconocido, apenas unos días antes y en un pódcast distinto, que quizá haya llegado el momento de frenar el ritmo de desarrollo de la IA. En una conversación con Patrick O'Shaughnessy para Invest Like the Best, el director general de OpenAI admitió que la industria necesita dar tiempo a la sociedad para asimilar estos nuevos niveles de capacidad, aunque reconoció no tener claro cómo lograrlo sin que parezca una toma de control regulatorio.

Llegó a describir lo sucedido con Hugging Face como un episodio propio de la ciencia ficción, y lo calificó como "el primer incidente de seguridad que he sentido de una forma muy visceral". OpenAI, de hecho, ha pausado el entrenamiento de ese modelo mientras resuelve cómo blindar su entorno de pruebas. Y, sin embargo, la definición a la que recurre para hablar de la singularidad no es precisamente nueva: la formuló el matemático británico Irving John Good en 1965, y la bautizó el matemático, informático y escritor de ciencia ficción estadounidense Vernor Vinge en 1993.

Según Good y Vinge, alcanzaremos la singularidad cuando una máquina sea capaz de diseñar una sucesora mejor que ella misma, que a su vez pueda diseñar otra todavía superior hasta dejar atrás a la inteligencia humana. Es una idea elegante, no cabe duda. El problema es que nadie, ni Altman ni sus colegas del sector de la IA, ha fijado el umbral exacto que permitiría confirmar que ya se ha cruzado.

Altman es claramente reincidente. Un año después sigue sin haber consenso sobre qué significaría exactamente cruzar esa línea

Demis Hassabis, el director general de Google DeepMind, cerró el evento Google I/O de mayo diciendo a su audiencia que se encontraban en las proximidades de la singularidad, por lo que fue más cauto que Altman. Este último situó a la humanidad más allá de este horizonte de sucesos en junio de 2025, en su ensayo "The Gentle Singularity" (La singularidad amable). Altman es claramente reincidente. Un año después sigue sin haber consenso sobre qué significaría exactamente cruzar esa línea, y las cifras económicas de OpenAI complican todavía más su relato triunfalista.

En febrero de este año esta compañía informó a sus inversores de que sus gastos de inferencia se habían multiplicado por cuatro durante 2025, lo que empujó su margen bruto del 40% al 33%. Ese mismo informe situó los ingresos de 2025 en 13.000 millones de dólares frente a un objetivo de unos 600.000 millones en gasto total de cómputo hasta 2030, y Altman se ha comprometido por separado a desembolsar 1,4 billones para 30 GW de capacidad. OpenAI, de hecho, ha renunciado en la práctica a construir centros de datos propios. Prefiere usar los de terceros.

Los datos de seguridad tampoco ayudan a sostener el argumento de la explosión de la IA. La firma Hacktron sometió a GPT-5.6 Sol Ultra, Sol Medium y Grok 4.5 a pruebas de desarrollo de exploits para Chrome hace pocas semanas, y necesitó 2.096 millones de tokens a lo largo de todo el ensayo para que uno solo de los tres modelos lograra completar una cadena de exploits entera.

Aikido Security, por su parte, probó 13 modelos frente a 26 vulnerabilidades conocidas y concluyó que GPT-5.6 lideraba con 23 aciertos, aunque Kimi K3 de pesos abiertos, el modelo de Moonshot, igualó esa cifra en pass@3 por un coste muy inferior. Una auténtica explosión de la IA debería desencadenar una capacidad por unidad de cómputo altísima. Y lo que muestran las propias cuentas de OpenAI es justo lo contrario: cada unidad de capacidad cuesta cada vez más.

Imagen | Flickr (procesada con ChatGPT)

Más información | Tom's Hardware | TechCrunch

En Xataka | China tiene un plan para ganar a EEUU la guerra de la IA. Y DeepSeek es su campeón

En Xataka | Anthropic está a un paso de valer tanto como Samsung. Y lo que el mercado está comprando no es Claude

-
La noticia "Ya estamos en la singularidad de la IA": Sam Altman, CEO de OpenAI fue publicada originalmente en Xataka por Laura López .



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

Un estudio decía que los árboles "sienten" los eclipses con 14 horas de antelación. La explicación real es mucho más aburrida

Un estudio decía que los árboles "sienten" los eclipses con 14 horas de antelación. La explicación real es mucho más aburrida

En 2025, un equipo de científicos italianos descubrió algo sorprendente en relación con los eclipses. Según un estudio realizado en un bosque de coníferas de los Dolomitas, los árboles pueden predecir eclipses solares a través de cambios en su actividad eléctrica interna. ¿Tiene esto alguna utilidad científica? Lógicamente no, pues hay otras formas mucho más sencillas y contrastadas de predecir un eclipse. Hay eclipses predichos a mil años vista. Aun así, el estudio tuvo muy buena acogida, ya que se trata de un gran ejemplo de ciencia curiosa. El problema es que, según el análisis de los científicos Ariel Novoplansky y Hezi Yizhaq publicado este año en Trends in Plants Science, los resultados de aquel estudio eran puramente especulativos, ya que hay otras razones por las que pudieron darse esos cambios en la actividad eléctrica de los árboles. 

Cambios en el electroma. Los científicos italianos detectaron cambios en el electroma. Es decir, el conjunto de impulsos eléctricos que se transmiten a través de los tejidos vegetales como respuesta a estímulos externos, como el estrés hídrico o los cambios de temperatura. Es algo así como la actividad eléctrica que se transmite a través de nuestras neuronas. Estos investigadores colocaron sensores de electricidad en coníferas de la especie Picea abies durante un eclipse parcial que pudo verse en los Dolomitas en 2022. Observaron que, catorce horas antes de que comenzara el eclipse, los árboles más viejos experimentaron un gran incremento de su actividad eléctrica. Además, luego se lo contagiaron a los árboles más jóvenes.

Poco sentido. Si lo pensamos, esto no tiene mucho sentido. Hemos visto que los cambios en el electroma suelen ser como respuesta a estímulos externos. Es cierto que durante un eclipse solar disminuye la temperatura, pero hay que tener dos factores en cuenta. El primero, que lo hacen justo cuando empieza el eclipse, no catorce horas antes. Por otro lado, en este eclipse parcial en concreto, en la zona de los Dolomitas, apenas se redujo la luz solar un 10% durante un par de horas. La temperatura no debió bajar apenas y los cambios de luminosidad tampoco debieron suponer un estrés para los árboles.

Rayos y centellas. Para los científicos que publicaron el contraanálisis de 2026, la explicación a lo que ocurrió en los Dolomitas es mucho más simple. Se sabe que, justo 14 horas antes del eclipse, hubo una gran tormenta en las inmediaciones de los Dolomitas, con lluvias intensas y una abundante caída de rayos. Eso, justamente, pudo provocar un desplome de las temperaturas y, por supuesto, una potente actividad eléctrica en la atmósfera

Los árboles actúan como antenas electromagnéticas, capaces de captar la actividad eléctrica de la atmósfera y transformarla en cambios en su propio electroma. Cuanto más grande es una antena, más potente es su actividad en este sentido. Por eso puede que los cambios en el electroma fueran mayores en los árboles más viejos. Simplemente porque son más grandes. Eso da aún más peso a la hipótesis del papel de los rayos.

Solo tres árboles. Otra limitación del estudio es que solo analizó tres árboles y cinco tocones. No podemos hacernos mucha idea del comportamiento del bosque entero. 

¿Memoria colectiva de los árboles para predecir eclipses solares? Los autores italianos apuntan también a que la intensa actividad de los árboles más viejos puede deberse a que “recuerdan” los efectos de eclipses pasados, de modo que responden con antelación a los cambios de temperatura que están por venir. No obstante, Novoplansky y Yizhaq recuerdan que es muy difícil que un eclipse se vea exactamente en un mismo sitio en un periodo relativamente corto de tiempo. En España, por ejemplo, tendremos tres eclipses en tres años, pero la totalidad, en el caso de los dos totales, será en regiones muy distintas. Es cierto que sí se podrán ver dos eclipses parciales seguidos, como el de los Dolomitas, pero los expertos insisten en que los cambios ambientales con un eclipse parcial son mínimos.

Más expertos. Si bien la publicación del estudio italiano supuso una gran oleada de aceptación, el contraanálisis de 2026 pasó algo más desapercibido a la prensa. Pero no a los científicos. Por ejemplo, fue recogido por el Science Media Centre español, en el que se publicaron las declaraciones de dos expertos. Por un lado, el astrofísico Javier Armentia señaló que “ni hay mecanismos por los que un pinar pueda reaccionar a pequeñas bajadas de luz que no se producen de manera habitual ni interfieren con los procesos vegetativos, ni las mediciones de esa conducta anticipatoria se explicaban por el eclipse sino por, probablemente, una noche fría sufrida unas horas antes” .

Por su parte, el catedrático de física de la Tierra José Manuel Vaquero explicó que un eclipse parcial de poca magnitud, como el que se estudió en los Dolomitas, “genera variaciones ambientales menores que las que produce el paso de una nube densa o de un frente”. No tendría sentido esa gran actividad que se mencionaba en el estudio de 2025. En definitiva, parece que no, los árboles no predicen los eclipses solares. Lo bueno es que nos da igual, porque, como veíamos al principio, ya sabemos cómo predecirlos.  

Imagen | Wikimedia Commons

En Xataka | Un tercio de España se quedará completamente a oscuras durante uno o dos minutos. Se acerca el evento astronómico del siglo


-
La noticia Un estudio decía que los árboles "sienten" los eclipses con 14 horas de antelación. La explicación real es mucho más aburrida fue publicada originalmente en Xataka por Azucena Martín .



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

La ciencia ya lo ha confirmado: el cerebro de los padres también cambia al tener hijos

La ciencia ya lo ha confirmado: el cerebro de los padres también cambia al tener hijos

Se habla mucho del cerebro de las mujeres cuando tienen hijos. Nada más comenzar el embarazo, el cerebro empieza a experimentar esos cambios que, con el tiempo, las convierten en supermamis capaces de distinguir el llanto de su hijo entre el de muchos más. Incluso reaccionan más fuertemente al llanto de sus bebés que al de sus parejas. Estas supermamis desarrollan una capacidad increíble para detectar si su pequeño las necesita en mitad de la noche y pueden compartimentalizar sus tareas para que siempre haya un hueco para la crianza. El cerebro cambia muchísimo, desde luego. Pero el cerebro de los padres también cambia. Obviamente, no hay cambios hormonales debidos a ningún embarazo, pero su cerebro se adapta para atender a esa nueva vida que llega al mundo.

Por ese motivo, no hay excusas. Los padres están tan capacitados biológicamente como las madres para atender las necesidades de sus hijos. Si un padre no sabe el nombre del pediatra, ni dónde se guardan los pañales, posiblemente sea porque no ha querido aprenderlo. 

Reconfiguración de la materia gris en el cerebro de los padres

Este 2026, se publicó un estudio en el que se analizaba mediante resonancia magnética funcional el cerebro de 25 padres recientes en las semanas 1, 3, 6, 9, 12 y 24 después del parto. Así,se observó que en las seis primeras semanas se redujeron drásticamente el volumen de materia gris en zonas como la ínsula, el hipocampo y los lóbulos occipital, frontal, temporal y parietal. La pérdida de materia gris puede sonarnos a que se hacían más tontos, pero nada más lejos de la realidad. Estaban reconfigurando su cerebro. 

Por eso, tras esas primeras seis semanas el proceso se estabilizó, para comenzar a convertirse en un ascenso de los niveles de materia gris a partir de la semana 12, sobre todo en la corteza frontal y el cerebelo. Básicamente, se cree que se estaba dando una poda neuronal. Las conexiones cerebrales que no son útiles se eliminan para invertir más energía en reforzar aquellas que serán esenciales en esa nueva vida. Es un proceso que ocurre a todas las personas a lo largo de la adolescencia, pero que puede ocurrir en situaciones específicas como la paternidad. 

De hecho, se vio también un gran cambio en las conexiones del cerebro de los padres. Por ejemplo, la amígdala, directamente involucrada con el procesamiento emocional, reforzó mucho sus conexiones con otras regiones del cerebro.

Todo estos datos se añaden a los de otro estudio previo, de 2014, en el que se observó un aumento en el volumen de materia gris en las regiones del cerebro involucradas en la motivación y en la recompensa. Básicamente, se estaba potenciando la motivación de los padres para cuidar a sus hijos. Esto es algo que nos ha hecho crecer como especie evolutivamente. Los sistemas de recompensa nos hacen sentirnos bien ante situaciones que son buenas para nosotros, como tener sexo o comer chocolate. El sexo nos ayuda a perpetuar la especie y el chocolate nos aporta mucha energía. Cuidar a los hijos también es beneficioso para nosotros, aunque a veces puede ser muy cansado, por lo que la motivación a través de los sistemas de recompensa es esencial.

Curiosamente, todas estas reconfiguraciones en el cerebro son más intensas en los padres que se implican más en el cuidado de los hijos. Vamos, que el cerebro se puede entrenar para ser un buen padre. Cuanto más se practica, más sencillos se van haciendo los cuidados. 

Padre y bebé Los padres más implicados en la crianza son los que más cambios experimentan

También es una cuestión de hormonas

Los cambios hormonales son más intuitivos en las mujeres, ya que a menudo están asociados al embarazo. Sin embargo, en los hombres también hay cambios en sus niveles de hormonas una vez que se convierten en padres. De hecho, se ha observado que en los primeros años de vida de sus hijos caen los niveles de testosterona, mientras que aumentan los de oxitocina. Esto, lejos de ser malo o de robar la virilidad, como habrá quien se aventure a pensar, es esencial para desarrollar la paciencia y el apego hacia los hijos. 

Solo hay un pero

Cabe destacar que, generalmente, estos estudios se llevan a cabo con pocos participantes y, además, solo con padres que sí se implican en la crianza en mayor o menor medida. Los padres ausentes, esos que creen que con poner el espermatozoide ya hicieron suficiente, no se prestan voluntarios para saber cómo cambia su cerebro con la paternidad. Por suerte, cada vez hay más padres que sí que se involucran adecuadamente, pero los que no lo hacen siguen existiendo. 

Ese es el principal hándicap de estas investigaciones. De todos modos, está claro que el cerebro cambia y que se puede entrenar, así que seguro que incluso ellos podrían convertirse en superpapis si quisieran. O simplemente en padres. No es necesario ser un superhéroe ni una superheroína. Basta con implicarse en los cuidados con igualdad. El cerebro está preparado de sobra, solo hay que ponerse a usarlo. 

Imágenes | Magnific

En Xataka | En España es mucho más probable encontrarse con una mascota que con un niño. Seis veces más probable, en concreto


-
La noticia La ciencia ya lo ha confirmado: el cerebro de los padres también cambia al tener hijos fue publicada originalmente en Xataka por Azucena Martín .



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

Temperatura y longitud de respuesta: los dos parámetros de IA que nadie explica pero que cambian todo lo que ChatGPT, Claude o Gemini te dan

Temperatura y longitud de respuesta: los dos parámetros de IA que nadie explica pero que cambian todo lo que ChatGPT, Claude o Gemini te dan

Los modelos de IA como ChatGPT, Claude, Gemini o DeepSeek parecen simples desde fuera: escribes, ellos responden. Pero detrás de esa sencillez hay dos parámetros técnicos que determinan en gran medida la calidad y el tipo de respuesta que obtienes, y que la mayoría de usuarios nunca ha visto ni controlado conscientemente. Xataka los analiza este 27 de julio de 2026 en un artículo de divulgación que conviene leer aunque no seas developer. Se llaman temperatura y longitud de respuesta, y la buena noticia es que aunque no puedas tocarlos directamente desde la interfaz de chat, puedes simular su efecto con las instrucciones correctas en tu prompt.

La clave para entenderlos está en cómo funciona realmente un modelo de lenguaje a nivel técnico. Un LLM no «sabe» las respuestas a tus preguntas en el sentido en que lo hace una enciclopedia. Lo que hace, simplificando, es calcular palabra por palabra cuál es la siguiente más probable dado el contexto de lo que ya se ha dicho. Toda la magia visible de los modelos de lenguaje emerge de ese proceso probabilístico.

Qué es la temperatura y por qué importa

La temperatura es el parámetro que controla cuánto se aparta el modelo de la opción más probable a la hora de elegir la siguiente palabra. Los valores van de 0 (mínimo) a 2 (máximo) en la mayoría de APIs, con el 1 como valor por defecto en muchos modelos.

Con temperatura cercana a 0, el modelo elige casi siempre la opción estadísticamente más probable en cada paso. El resultado es texto predecible, consistente, formal. Si preguntas lo mismo dos veces, obtienes respuestas muy similares. Es ideal para tareas donde la precisión importa más que la creatividad: traducción técnica, resúmenes de contratos legales, respuestas a preguntas de hecho con una sola respuesta correcta.

Con temperatura alta (1,2-2), el modelo se permite elegir opciones menos probables. El resultado es texto más variado, sorprendente, creativo. Puede ser brillante o puede desviarse hacia incoherencias. Si preguntas lo mismo dos veces, obtienes respuestas claramente diferentes. Es ideal para: lluvia de ideas, naming de productos, primeros párrafos de historias, escritura persuasiva donde la originalidad importa.

La temperatura no afecta la corrección factual directamente — un modelo con temperatura alta puede decir hechos incorrectos con más fluidez porque está dispuesto a generar texto estadísticamente inusual. Y un modelo con temperatura baja puede negarse a hacer inferencias útiles porque la inferencia requiere salir de las respuestas más seguras. No existe una temperatura «correcta»: depende de la tarea.

Cómo simular temperatura baja y alta con instrucciones de prompt

Las interfaces de chat (claude.ai, ChatGPT.com, Gemini) no tienen un slider de temperatura para el usuario normal. Solo está disponible en la API para desarrolladores, o en algunos casos en parámetros avanzados de herramientas de terceros. Pero puedes simular el efecto con instrucciones directas en el prompt.

Para simular temperatura baja — una respuesta conservadora, literal y técnica —, añade al final de tu petición algo como: «Dame una respuesta muy conservadora y literal, sin especular ni añadir matices no explícitos en la pregunta.» O más directo: «Sé preciso y técnico. No te inventes nada. Si no sabes algo con certeza, dilo.»

Para simular temperatura alta — una respuesta creativa, original y arriesgada —, prueba: «Sé todo lo original que puedas. Prefiero ideas poco convencionales, incluso arriesgadas, antes que las más obvias.» O: «Rompe con lo esperado. Quiero respuestas que yo no habría pensado por mi cuenta.»

El efecto no es idéntico al parámetro técnico porque las instrucciones en el prompt también son texto que el modelo procesa estadísticamente. Pero la diferencia de salida es real y consistente en la práctica.

La longitud de respuesta y por qué más no es mejor

El segundo parámetro es más intuitivo pero igual de malentendido. Los modelos generan texto hasta que deciden parar (cuando el modelo evalúa que la respuesta está completa) o hasta que llegan a un límite de tokens fijado en la configuración. El problema es que sin instrucciones explícitas sobre longitud, la mayoría de los modelos tienden a expandirse: añaden matices que nadie pidió, repiten el punto de dos formas diferentes, incluyen excepciones que raramente son relevantes y concluyen con resúmenes de lo que acaban de decir.

Una respuesta más larga no es una respuesta mejor. Más palabras significa más probabilidades de que haya una palabra equivocada, más ruido que separa el usuario del núcleo de la respuesta, y más tiempo de procesamiento en tareas donde la velocidad importa.

Para controlar la longitud sin acceder a la API, usa instrucciones explícitas: «Respóndeme en una sola frase», «Dame un máximo de tres puntos sin desarrollarlos», «Respuesta de no más de 100 palabras» o «Desarrolla esto con la máxima profundidad posible, sin límite de extensión.» La instrucción tiene que ser explícita — «sé breve» produce resultados mucho más variables que «en tres frases máximo».

La combinación que cambia el resultado

Lo más útil de entender estos dos parámetros juntos es saber combinarlos según la tarea:

Temperatura baja + longitud corta: respuestas quirúrgicas para tareas técnicas. Ideal para: corrección de código, resúmenes de documentos, traducción técnica, verificación de hechos. El objetivo es precisión, no creatividad.

Temperatura alta + longitud generosa: espacio para que el modelo se extienda y arriesgue. Ideal para: brainstorming de nombres o ideas, primeras versiones de textos persuasivos, búsqueda de ángulos no obvios para un problema. El objetivo es sorpresa, no corrección.

Las herramientas de creación de contenido con IA más avanzadas en 2026 permiten controlar estos parámetros directamente cuando se accede a través de API. Saber qué valores usar en cada contexto editorial es una ventaja real sobre quien simplemente escribe prompts sin configurar el entorno.

La guía de herramientas de generación de imágenes con IA para 2026 muestra que los parámetros de control también existen en las herramientas de imagen — el equivalente de la «temperatura» en generación visual es la escala de guidance o el strength del prompt — y el principio es el mismo: más control técnico produce mejores resultados cuando sabes qué efecto quieres conseguir.

La prompt injection, que permite insertar instrucciones maliciosas en el contexto de un agente de IA, también tiene relación con la temperatura: un modelo con temperatura alta es más susceptible a seguir instrucciones inusuales porque tiene mayor disposición a generar texto estadísticamente improbable.

Mi valoración

Lo que más me convence de este artículo de Xataka es que convierte dos conceptos técnicos en instrucciones accionables sin requerir que el usuario abra una API. La mayoría de los tutoriales de prompt engineering se dirigen a developers. El enfoque de «aquí está la instrucción de texto que produce el efecto equivalente» es más útil para el 95% de los usuarios que nunca van a tocar un parámetro de API.

Lo que queda pendiente en el artículo, y que hubiera enriquecido la pieza, es el efecto de la temperatura sobre la alucinación: los modelos con temperatura alta no solo son más creativos sino también más propensos a inventar hechos con fluidez. Para tareas de investigación y verificación, ese riesgo justifica activamente ir hacia temperatura baja aunque el resultado sea más seco.

Preguntas frecuentes

¿Puedo controlar la temperatura directamente en la interfaz de Claude o ChatGPT?

No en las versiones estándar de las apps de chat. La temperatura es un parámetro de la API que está disponible para developers que acceden a los modelos programáticamente. En claude.ai, ChatGPT.com y Gemini.google.com no hay slider de temperatura para el usuario final. Sí puedes simular el efecto con instrucciones en el prompt, como se explica en este artículo.

¿La temperatura afecta la velocidad de respuesta?

No directamente. La temperatura modifica la distribución de probabilidades sobre la que el modelo muestrea, pero no el número de cálculos necesarios. Lo que sí afecta la velocidad es la longitud de respuesta: respuestas más largas tardan más en generarse porque el modelo tiene que producir más tokens. Para tareas donde la velocidad importa, combinar temperatura baja con longitud corta produce los resultados más rápidos y directos.

¿Cómo sé si el modelo ha «alucidado» (inventado hechos) en una respuesta?

La temperatura alta aumenta la probabilidad de alucinación porque el modelo está más dispuesto a generar tokens estadísticamente inusuales, lo que incluye secuencias de texto plausibles pero factualmente incorrectas. Las señales de alerta incluyen: datos muy específicos (fechas, cifras, nombres) que no puedes verificar fácilmente, citas de fuentes que no puedes encontrar online, y afirmaciones que contradicen lo que sabes del tema. Para tareas donde la precisión factual es crítica, verificar las afirmaciones clave en una fuente primaria sigue siendo necesario independientemente de la temperatura.




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

"Es como tener una aspiradora encendida en el salón": un centro de datos convirtió la vida de un vecindario en una pesadilla

"Es como tener una aspiradora encendida en el salón": un centro de datos convirtió la vida de un vecindario en una pesadilla

Durante años, los centros de datos permanecieron fuera de nuestra vista, aunque buena parte de lo que hacemos en internet depende de ellos. En Dowagiac, una ciudad del suroeste de Michigan, esa infraestructura se ha vuelto imposible de ignorar: varios vecinos aseguran que una instalación dedicada a la minería de criptomonedas y actualmente en proceso de reconversión lleva emitiendo desde 2024 un zumbido agudo durante las 24 horas. Ahora, mientras la empresa prepara el salto hacia la computación para inteligencia artificial y la robótica avanzada, el conflicto muestra hasta qué punto una instalación digital puede transformar la vida cotidiana de quienes residen a su alrededor.

Ruido insoportable. La historia se concentra en Louise Avenue, una calle sin salida donde Lindy Valenzuela y el matrimonio formado por Marjorie y Billy Finn viven justo enfrente del recinto, propiedad de Alliance Cloud Services LLC, filial de Hyperscale Data. Según contaron a la cadena estadounidense WXYZ, durante décadas al otro lado hubo un edificio industrial oculto tras una hilera de pinos, integrado en el paisaje cotidiano del barrio. Los vecinos sitúan el cambio en 2018, cuando desaparecieron los árboles y se instaló un muelle de carga. Hacia 2021 comenzó allí una operación de minería de criptomonedas y, tres años después, el funcionamiento del lugar empezó a sentirse de otra manera.

Dentro de las casas. Valenzuela describió el sonido con una comparación muy concreta: "Suena como tener una aspiradora en tu salón [...] cuando el filtro está atascado, así que emite un silbido agudo. Y la dejaron encendida y se marcharon". Sus consecuencias aparecen en gestos cotidianos que antes resultaban normales. Los Finn aseguran que ya no pueden abrir las ventanas como solían hacerlo, mientras Valenzuela cuenta que permanecer unos minutos en el exterior durante los días calurosos puede acabar provocándoles dolor de cabeza.

De las quejas a los tribunales. El conflicto dejó de ser únicamente vecinal en marzo de 2026, cuando Dowagiac aprobó su primera ordenanza sobre ruido industrial. La norma fija un máximo de 65 dB durante el día y 55 dB por la noche, y el responsable municipal aseguró que la ciudad ya había sancionado a Hyperscale Data por incumplirla. La empresa, sin embargo, cuestiona tanto las mediciones como el método empleado. En paralelo, Valenzuela figura como demandante en una acción colectiva que acusa al operador de negligencia y de interferir de forma sustancial en el uso y disfrute de las viviendas.

El giro hacia la IA: Hyperscale Data ha puesto cifras a la transformación anunciada para el recinto. Su CEO, William Horne, explicó durante una reunión extraordinaria del consejo municipal que la empresa prevé invertir 100 millones de dólares para ampliar la computación destinada a inteligencia artificial y robótica avanzada, mientras abandona la minería de criptomonedas. También ha adquirido terrenos colindantes que pretende utilizar como una franja natural de separación para reducir el sonido que llega a las viviendas. Por ahora, sin embargo, las autoridades locales aseguran que no han recibido ninguna solicitud de permiso para esa expansión.

Las respuestas. Entre las respuestas ofrecidas por Hyperscale Data figura el apagado progresivo de la maquinaria de minería, que la empresa espera completar durante los tres meses siguientes. El CEO fue más lejos y afirmó que comprarían las casas de quienes siguieran sin poder disfrutar de ellas. Para los afectados, esa alternativa no resuelve lo que esas viviendas representan. Por ejemplo, la casa de los Finn lleva casi 100 años en la familia y allí conservan sus amistades y una red de apoyo que también ayuda a Marjorie, diagnosticada con párkinson.

El caso. Lo que está ocurriendo en Dowagiac muestra como una infraestructura informática puede hacerse muy física cuando se instala junto a viviendas y funciona de manera continua. Los centros de datos sostienen servicios que usamos a diario. Esa expansión puede aportar inversión y empleo, aunque también puede aumentar la demanda de electricidad y agua, la ocupación de suelo y, en determinados casos, el ruido que soporta el entorno.

Imágenes | Brett Sayles

En Xataka | La startup china de IA que lanzó el sorprendente modelo GLM-5.2 acaba de alcanzar otro hito: crear su propio centro de datos

-
La noticia "Es como tener una aspiradora encendida en el salón": un centro de datos convirtió la vida de un vecindario en una pesadilla fue publicada originalmente en Xataka por Javier Marquez .



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