Latest / M51 Podcast / MIA T1X28 Cuando la IA Empezó a Leer el Universo, La Nueva Edad del Cosmos.

Transcript

MIA T1X28 Cuando la IA Empezó a Leer el Universo, La Nueva Edad del Cosmos. · M51 Podcast

• 0:33
  Speaker 3: Cómo estáis? Bienvenidos a Mía, Misterio e Inteligencia Artificial, tu
• 0:40
  Speaker 3: podcast de ciencia, de astrofísica, de todas estas cosas que
• 0:44
  Speaker 3: generan tanta inquietud y ganas de aprender, de buscar, de
• 0:50
  Speaker 3: mirar al cielo.¿ Cómo fue vuestra semana? Espero que bien,
• 1:05
  Speaker 3: que todo vaya estupendamente. Y si no, pues oye, sigamos tirando.
• 1:11
  Speaker 3: Vamos a empezar con un repaso a algo muy interesante
• 1:15
  Speaker 3: sobre inteligencia artificial. Seguro que ya oísteis algo. Y son
• 1:20
  Speaker 3: noticias muy recientes sobre Cloud Mythos de Antropic. Y en
• 1:27
  Speaker 3: este caso, varias fuentes de abril de 2026... ya lo describen
• 1:32
  Speaker 3: como un modelo extremadamente potente, orientado a pensamiento y ciberseguridad.
• 1:39
  Speaker 3: Y algunas informaciones indican que la empresa habría limitado su
• 1:45
  Speaker 3: lanzamiento público por precaución. También aparece en referencias una versión preview,
• 1:53
  Speaker 3: ya un proyecto asociado llamado Blosswin, que ya veréis, esto
• 2:00
  Speaker 3: es Quizás sea lo que muchos se temían o no.
• 2:04
  Speaker 3: Vamos a ver un poco qué es esto de mitos
• 2:07
  Speaker 3: de Antropic. Yo desde luego ya he estado viendo algunas
• 2:14
  Speaker 3: informaciones y parece ser un antes y un después en
• 2:19
  Speaker 3: esto de la inteligencia artificial. Para que ellos hayan tenido
• 2:27
  Speaker 3: que limitarla o digamos no sacarla... de nuevo al público
• 2:31
  Speaker 3: como otros productos pues que os parece esa intención será
• 2:36
  Speaker 3: demasiado potente podrá hacer lo que le dé la gana
• 2:40
  Speaker 3: cambios espectaculares en la vida del ser humano y luego
• 2:45
  Speaker 3: vamos a viajar por el universo y por un montón
• 2:48
  Speaker 3: de noticias ya veréis que viaje por la inteligencia artificial
• 2:52
  Speaker 3: y los misterios de la astrofísica¿ Qué es lo que
• 3:13
  Speaker 3: se sabe? Pues en algo muy breve, Mythos habría sido
• 3:20
  Speaker 3: diseñado para que nos entendamos para encontrar y explotar vulnerabilidades
• 3:26
  Speaker 3: de software con una eficacia muy superior a los modelos anteriores.
• 3:33
  Speaker 3: Algunas publicaciones han señalado que Antropic ha decidido restringir su
• 3:37
  Speaker 3: acceso porque el modelo era demasiado peligroso para un despliegue abierto.
• 3:44
  Speaker 3: Hay menciones a capacidades fuertes en razonamiento, programación y tareas
• 3:48
  Speaker 3: de seguridad ofensiva y defensiva. Madre mía, vamos a comenzar
• 3:55
  Speaker 3: con cautela.
• 4:00
  Speaker 4: Bienvenidos a MIA, un nuevo canal sobre inteligencia artificial, ciencia
• 4:08
  Speaker 4: y tecnología. Una creación de Misterio 51 Podcast. Aquí, te vamos
• 4:21
  Speaker 4: a contar los últimos avances y noticias sobre inteligencia artificial.
• 4:29
  Speaker 4: Su aplicación en tu día a día. A qué te enfrentas.
• 4:36
  Speaker 4: Y cómo puedes aprovecharla al máximo. Un espacio dirigido por
• 4:46
  Speaker 4: David Castillo, donde Sergio Ruiz, experto en inteligencia artificial, nos
• 4:52
  Speaker 4: explicará de forma clara y directa qué podemos esperar. Bienvenido,
• 4:59
  Speaker 4: una vez más, a MIA, Inteligencia Artificial y Ciencia. MIA.
• 5:27
  Speaker 3: Qué conviene tomar con cautela? Y es que la cautela
• 5:31
  Speaker 3: aquí es muy, pero que muy importante, porque parte de
• 5:35
  Speaker 3: la información que circula en vídeos, blogs y resúmenes secundarios es, bueno, complicada,
• 5:44
  Speaker 3: a veces inexacta. Así que no todo tiene el mismo
• 5:49
  Speaker 3: nivel de verificación. El nombre mitos aparece ligado a rumores,
• 5:56
  Speaker 3: filtraciones y análisis de terceros, por lo que, amigos, conviene
• 6:00
  Speaker 3: distinguir entre anuncios confirmados y meras especulaciones. Por lo que
• 6:07
  Speaker 3: si buscas información totalmente sólida, lo mejor es que priorices
• 6:11
  Speaker 3: material de la propia Antropic o medios de alta credibilidad
• 6:15
  Speaker 3: que citan documentación técnica. Una vez dicho esto, vamos con
• 6:26
  Speaker 3: un poquito una guía desarrollada para vosotros en unos minutos, ágil,
• 6:33
  Speaker 3: y a ver si tiene un poquito de aire de
• 6:36
  Speaker 3: última hora. Eso sí, con prudencia, porque parte de la
• 6:41
  Speaker 3: información sobre mitos sigue circulando entre filtraciones, análisis de terceros
• 6:46
  Speaker 3: y comentarios muy recientes. Y es que durante años, amigos,
• 6:52
  Speaker 3: hemos repetido la misma idea. Cada nuevo modelo de inteligencia
• 6:57
  Speaker 3: artificial es un poco mejor que el anterior. Más rápido,
• 7:01
  Speaker 3: más preciso, más útil. Hasta ahí yo creo que todos
• 7:06
  Speaker 3: estaremos de acuerdo. Pero a veces aparece un salto que
• 7:09
  Speaker 3: no solo mejora lo conocido, sino que obliga a replantear
• 7:15
  Speaker 3: el propio mapa. Y eso... Es exactamente lo que está
• 7:20
  Speaker 3: empezando a ocurrir con mitos. El nombre que está circulando
• 7:24
  Speaker 3: con fuerza en torno a Antropic y que ya ha
• 7:27
  Speaker 3: desatado una ola de interés, de rumores y también de
• 7:32
  Speaker 3: preocupación espectacular. Porque lo que se está contando sobre mitos
• 7:40
  Speaker 3: no es simplemente que responda mejor. Lo que se está
• 7:43
  Speaker 3: diciendo es mucho más serio. Y es que podría estar
• 7:47
  Speaker 3: en una liga distinta cuando hablamos de lógica, programación y
• 7:51
  Speaker 3: sobre todo ciberseguridad. Algunas informaciones recientes apuntan a que este
• 7:58
  Speaker 3: modelo habría sido capaz, fijaos, de detectar y explotar vulnerabilidades,
• 8:05
  Speaker 3: ojo al dato, con una eficacia tan alta que la
• 8:08
  Speaker 3: propia compañía habría optado por limitar su despliegue público. Y eso...
• 8:15
  Speaker 3: mis queridos amigos de MIA, en sí mismo ya es
• 8:19
  Speaker 3: una noticia enorme. Pero,¿ qué es lo que ha encendido
• 8:24
  Speaker 3: todas las alarmas en concreto? Pues después de buscar y
• 8:31
  Speaker 3: ver este nombre en varias publicaciones recientes, junto a unas
• 8:36
  Speaker 3: referencias de una versión muy avanzada del modelo, pues... tenemos
• 8:43
  Speaker 3: que darnos cuenta de que no estamos hablando de un
• 8:45
  Speaker 3: simple asistente que redacte textos o documentos de currículum. Lo
• 8:50
  Speaker 3: que se está sugiriendo es una IA capaz de actuar
• 8:52
  Speaker 3: con un nivel de autonomía y capacidad técnica que entra
• 8:56
  Speaker 3: en terrenos mucho más delicados. En algunos informes se habla
• 9:04
  Speaker 3: de un modelo especialmente fuerte en tareas de seguridad ofensiva
• 9:09
  Speaker 3: y defensiva. programación compleja y razonamiento avanzado. En otras palabras,
• 9:18
  Speaker 3: que no sólo entendería mejor las instrucciones, sino que podría
• 9:24
  Speaker 3: analizar sistemas, detectar puntos débiles y encontrar rutas de explotación
• 9:29
  Speaker 3: con una rapidez que antes era impensable.¿ Y por qué
• 9:39
  Speaker 3: esto importa tanto? Pues veréis, la inteligencia artificial siempre ha
• 9:45
  Speaker 3: tenido dos caras, en eso estamos de acuerdo. La cara útil,
• 9:50
  Speaker 3: la que ayuda a escribir, resumir y programar, investigar o traducir.
• 9:57
  Speaker 3: Y la cara sensible, la que plantea preguntas sobre seguridad, sesgos, control,
• 10:04
  Speaker 3: abuso y dependencia tecnológica. Mitos, según lo que se está comentando,
• 10:11
  Speaker 3: se movería especialmente en ese segundo territorio, donde el potencial
• 10:16
  Speaker 3: técnico es tan grande que también aumenta el riesgo. Si
• 10:25
  Speaker 3: una IA puede detectar fallos de software mejor que muchos humanos,
• 10:29
  Speaker 3: eso puede servir para blindar infraestructuras críticas, mejorar auditorías y
• 10:35
  Speaker 3: encontrar agujeros antes que lo hagan atacantes reales. Pero claro está,
• 10:41
  Speaker 3: seguro que ya caísteis en ello, si esa misma capacidad
• 10:45
  Speaker 3: cae en manos equivocadas, el panorama cambia por completo. Por
• 10:52
  Speaker 3: eso hay fuentes que señalan que Antropic habría decidido restringir
• 10:56
  Speaker 3: su acceso o no lanzarlo de forma abierta. Precisamente porque
• 11:01
  Speaker 3: el modelo podría ser demasiado potente para una liberación sin
• 11:06
  Speaker 3: controles suficientes. Y esto es un poco la pescadilla que
• 11:10
  Speaker 3: se muerde la cola, porque¿ quién controla algo tan potente
• 11:13
  Speaker 3: que parece incontrolable?¿ Cómo se hace? Y además, fíjatelo, os
• 11:21
  Speaker 3: lo voy a enlazar con una tensión que veremos cada
• 11:25
  Speaker 3: vez más en los próximos años. Y es que no
• 11:28
  Speaker 3: todas las sillas avanzadas se van a lanzar de la
• 11:30
  Speaker 3: misma forma. Algunos nacerán como productos masivos. otras como herramientas
• 11:38
  Speaker 3: restringidas y otras quizás ni siquiera verán la luz pública
• 11:43
  Speaker 3: completa porque el riesgo supera el beneficio inmediato. Veréis qué
• 11:55
  Speaker 3: interesante es esto porque hay un punto ciego sobre el
• 11:58
  Speaker 3: tema de la potencia y es que hay una idea
• 12:00
  Speaker 3: que conviene recordar. Cuanto más capaz es una IA, menos
• 12:06
  Speaker 3: se parece a una simple herramienta y más se parece
• 12:10
  Speaker 3: a un sistema que puede cambiar de escala. No solo
• 12:14
  Speaker 3: hace más, sino que hace cosas que obligan a redefinir
• 12:18
  Speaker 3: la supervisión humana. Y eso es precisamente lo que hace
• 12:22
  Speaker 3: que Mitos resulte tan interesante. Y es que las fuentes
• 12:34
  Speaker 3: que podéis consultar a día de hoy han hablado de
• 12:37
  Speaker 3: este modelo y lo presentan como una IA con una
• 12:41
  Speaker 3: capacidad de análisis muy pero que muy superior con una
• 12:45
  Speaker 3: orientación que combina pensamiento, código y seguridad. Eso significa que
• 12:52
  Speaker 3: no estamos ante una mejora lineal sino ante un posible
• 12:56
  Speaker 3: punto de inflexión. Porque cuando una inteligencia artificial empieza a
• 13:01
  Speaker 3: resolver problemas problemas técnicos de manera inesperadamente eficaz, aparece una
• 13:07
  Speaker 3: pregunta incómoda.¿ Cuánto control real conservamos sobre el sistema? Y
• 13:17
  Speaker 3: ojo que esto no es una pregunta teórica. Ya se
• 13:20
  Speaker 3: habla de casos en los que modelos muy avanzados pueden
• 13:23
  Speaker 3: producir resultados útiles sin que los humanos entiendan del todo
• 13:27
  Speaker 3: cómo llegaron ahí. Y cuando eso se combina con ciberseguridad,
• 13:32
  Speaker 3: El tema deja de ser solo científico para convertirse en
• 13:36
  Speaker 3: asunto estratégico. Por lo que tendremos que movernos entre la
• 13:41
  Speaker 3: promesa y la prudencia. Porque hay que ser muy claros
• 13:45
  Speaker 3: en algo. Buena parte de la conversación pública sobre mitos
• 13:49
  Speaker 3: está todavía en una zona gris. Como os digo, si
• 13:55
  Speaker 3: buscáis encontraréis vídeos. blogs, análisis de terceros y noticias muy
• 14:00
  Speaker 3: recientes que apuntan a capacidades absolutamente extraordinarias. Pero no todo
• 14:05
  Speaker 3: tiene el mismo grado de confirmación, lo que no invalida
• 14:09
  Speaker 3: el interés del tema, pero sí nos exige absoluta prudencia.
• 14:16
  Speaker 3: Porque una cosa es que una IA se presenta como
• 14:19
  Speaker 3: muy poderosa, y otra muy distinta es disponer de documentación
• 14:23
  Speaker 3: técnica completa, pruebas reproducibles y una validación independiente de sus
• 14:28
  Speaker 3: capacidades reales. En el ecosistema actual, el ruido viaja tan
• 14:34
  Speaker 3: rápido como la propia evidencia, y eso es así. Y
• 14:38
  Speaker 3: a veces, incluso más rápido, podríamos decir. Esto va así.
• 14:44
  Speaker 3: Pero bueno, queridos, aún así, incluso con ese pequeño mátiz,
• 14:49
  Speaker 3: El simple hecho de que existen estas conversaciones ya dice
• 14:52
  Speaker 3: mucho sobre dónde nos encontramos. La frontera entre un modelo
• 14:57
  Speaker 3: útil y un modelo potencialmente peligroso se está volviendo cada
• 15:02
  Speaker 3: vez más fina. Y eso obliga a las empresas a
• 15:05
  Speaker 3: tomar decisiones difíciles. Publicar antes o esperar más, abrir acceso
• 15:12
  Speaker 3: o limitarlo, ganar mercado o protegerse de un mal uso.¿
• 15:23
  Speaker 3: Qué nos dice esto del futuro de la inteligencia artificial?
• 15:29
  Speaker 3: Pues que sea cual sea el grado exacto de confirmación
• 15:32
  Speaker 3: pública que termine teniendo su historia, MITO se encaja en
• 15:36
  Speaker 3: una tendencia mucho más amplia. La IA está dejando de
• 15:40
  Speaker 3: ser un asistente generalista, por decirlo de alguna manera, para
• 15:44
  Speaker 3: convertirse en un conjunto de sistemas absolutamente especializados. Algunos de
• 15:50
  Speaker 3: ellos extremadamente potentes, diseñados para tareas muy concretas y en
• 15:56
  Speaker 3: ocasiones demasiado delicadas para un uso indiscriminado. Y eso puede
• 16:05
  Speaker 3: cambiarlo todo en campos como la programación, la ingeniería, la
• 16:10
  Speaker 3: investigación científica y la defensa digital. Un modelo que detecta
• 16:16
  Speaker 3: vulnerabilidades redacta código, o razón con gran precisión, puede acelerar
• 16:22
  Speaker 3: décadas de trabajo en unos pocos años. Pero cuidado que
• 16:27
  Speaker 3: también puede amplificar errores, automatizar abusos o crear una simetría
• 16:33
  Speaker 3: todavía mayor entre quienes tienen acceso a la mejor tecnología
• 16:36
  Speaker 3: y quienes no. La gran cuestión no será sólo qué
• 16:43
  Speaker 3: puede hacer la IA, sino que la gran cuestión será
• 16:47
  Speaker 3: quién la controla, con qué límites, bajo qué auditoría y
• 16:51
  Speaker 3: con qué grado de responsabilidad. Por lo que vamos a
• 16:55
  Speaker 3: valorar lo que de verdad está en juego. Y es
• 17:01
  Speaker 3: que a veces pensamos que los grandes avances tecnológicos se
• 17:04
  Speaker 3: anuncian con fanfarrea, logotipos y presentaciones impecables, pero muchas veces
• 17:10
  Speaker 3: los cambios importantes empiezan de otra forma. con filtraciones, con rumores,
• 17:18
  Speaker 3: con pruebas cerradas y con empresas que todavía no saben
• 17:21
  Speaker 3: hasta dónde pueden empujar sin romper algo por el camino.
• 17:27
  Speaker 3: Eso parece estar pasando ahora con mitos, desde luego. Más
• 17:31
  Speaker 3: allá del nombre y más allá del hype y más
• 17:34
  Speaker 3: allá de los titulares, lo relevante es el mensaje de fondo.
• 17:39
  Speaker 3: La IA está entrando en una fase donde la potencia
• 17:41
  Speaker 3: bruta ya no es la única métrica. Ahora importan la seguridad,
• 17:48
  Speaker 3: la gobernanza, la trazabilidad y la capacidad de anticipar consecuencias.¿
• 17:55
  Speaker 3: Lo hará quizás la misma inteligencia artificial o habrá que
• 17:59
  Speaker 3: poner otra? Pero bueno, esto es una buena señal, aunque
• 18:03
  Speaker 3: también una clara advertencia, amigos míos. Buena señal porque significa
• 18:07
  Speaker 3: que ya entendemos que no todo debe lanzarse sin filtros.¿
• 18:12
  Speaker 3: Cómo advertencia? Pues porque indica que el salto técnico está
• 18:15
  Speaker 3: llegando más rápido que nuestra capacidad para regularlo con calma.
• 18:36
  Speaker 3: Si mitos termina siendo exactamente lo que algunos dicen o
• 18:40
  Speaker 3: solo una parte de lo que se está contando, da
• 18:43
  Speaker 3: igual el detalle menor. La idea central ya la tenemos
• 18:48
  Speaker 3: bastante clara. La inteligencia artificial no solo está mejorando, está
• 18:55
  Speaker 3: entrando en una etapa en la que puede ser extraordinariamente
• 18:59
  Speaker 3: útil y extraordinariamente delicada al mismo tiempo. Y eso nos
• 19:06
  Speaker 3: deja con una conclusión muy simple. Y es que el
• 19:10
  Speaker 3: futuro de la inteligencia artificial no dependerá sólo de cuánto
• 19:14
  Speaker 3: pueda hacer, sino de cuánto estemos preparados para entenderla, controlarla
• 19:20
  Speaker 3: y usarla con responsabilidad. Y así está siendo, amigos. Vamos
• 19:52
  Speaker 3: a dejar aquí un poquito ya el tema de mitos
• 19:54
  Speaker 3: porque tenía muchos datos que daros, pero son de potencia,
• 19:58
  Speaker 3: de cálculo, de resolución de problemas y tampoco os quiero
• 20:02
  Speaker 3: poner la cabeza como un bombo porque vamos a hacer
• 20:04
  Speaker 3: un viaje muy interesante y muy especial. Y no quiero
• 20:09
  Speaker 3: tampoco meteros veneno en la cabeza porque la IA está avanzando.
• 20:16
  Speaker 3: Pues como una auténtica locura. Si recordáis aquello de los
• 20:20
  Speaker 3: teléfonos móviles, fueron paso a paso mejorándose día a día,
• 20:25
  Speaker 3: mes a mes, año a año. Pero ahora con esto
• 20:29
  Speaker 3: de la inteligencia artificial, ni ellos mismos saben a qué
• 20:33
  Speaker 3: velocidad van a saltar de un día para otro.¿ Cuánto
• 20:38
  Speaker 3: será el avance?¿ Cuánto será el tema de la computación?
• 20:44
  Speaker 3: Y luego tenemos también el asunto de los ordenadores cuánticos
• 20:48
  Speaker 3: o esa forma de cálculo que requiere de unas temperaturas
• 20:53
  Speaker 3: de refrigeración brutal. Algo para lo que ya se está trabajando.¿
• 20:58
  Speaker 3: Os pensabais que el asunto de Artemis II, el llegar
• 21:01
  Speaker 3: a la Luna y todo esto, es porque sí? Pues no.
• 21:07
  Speaker 3: Minería espacial y bases de datos en la Luna... pues
• 21:14
  Speaker 3: darle tiempo y veréis por dónde va todo. Porque el helio 3,
• 21:18
  Speaker 3: por ejemplo, y esas temperaturas de refrigeración solo se pueden
• 21:25
  Speaker 3: encontrar en la Luna. Porque se necesitan unas cantidades brutales
• 21:30
  Speaker 3: y aquí no podemos ni conseguirlas ni las tenemos tampoco.
• 21:37
  Speaker 3: Más allá, evidentemente, de sentar una base que sería la
• 21:41
  Speaker 3: del lanzamiento de próximas misiones en el futuro pero ya
• 21:46
  Speaker 3: no es un futuro tan lejano cualquier salto que queramos
• 21:51
  Speaker 3: dar es mucho más económico hacerlo desde la luna que
• 21:56
  Speaker 3: desde la tierra recordar que aquí necesitamos superar los 11.000 kilómetros
• 22:03
  Speaker 3: por hora si no recuerdo mal 11.000 y pico como fuerza
• 22:06
  Speaker 3: de empuje de salida de este nuestro planeta tierra Y
• 22:12
  Speaker 3: eso lo hacemos a base de empujar.¿ Y cómo empujamos?
• 22:15
  Speaker 3: Con combustibles. De ahí el gran problema, pero la gravedad
• 22:20
  Speaker 3: en la Luna, al ser mucho menor, necesitaríamos quemar mucho
• 22:25
  Speaker 3: menos combustible. Con lo que, atentos al futuro más cercano
• 22:29
  Speaker 3: de la inteligencia artificial en aplicaciones en astrofísica, porque va
• 22:34
  Speaker 3: a ser una cosa muy pero que muy loca. La
• 22:57
  Speaker 3: noche en la que las máquinas empezaron a leer el cielo.
• 23:04
  Speaker 3: Y es que hay épocas en las que la ciencia
• 23:07
  Speaker 3: avanza y otras en las que cambia de piel. Yo
• 23:13
  Speaker 3: creo que estamos entrando en una de esas. Una época
• 23:17
  Speaker 3: en la que ya no solo construimos telescopios más grandes,
• 23:21
  Speaker 3: cámaras más finas o instrumentos más sensibles. Una época en
• 23:27
  Speaker 3: la que por primera vez de forma plena estamos empezando
• 23:30
  Speaker 3: a darle al cosmos una nueva clase de interlocutor. Véase,
• 23:36
  Speaker 3: sistemas capaces de encontrar patrones, anomalías y relaciones similares que
• 23:42
  Speaker 3: hasta hace muy poco se nos escapaban entre montañas de datos.
• 23:50
  Speaker 3: No es que la inteligencia artificial vaya a sustituir la
• 23:53
  Speaker 3: mirada humana. Es algo más interesante que eso. La está
• 23:58
  Speaker 3: obligando a transformarse. Y esa transformación ya está ocurriendo en
• 24:03
  Speaker 3: la astronomía real, en los observatorios reales y en los
• 24:07
  Speaker 3: archivos científicos reales. Porque aquí, amigos, el gran problema de
• 24:15
  Speaker 3: la astronomía moderna ya no es solo mirar lejos, que
• 24:18
  Speaker 3: lo intentamos y lo hacemos cada vez mejor. Es sobrevivir
• 24:23
  Speaker 3: a todo lo que somos capaces de ver. Recordáis que
• 24:27
  Speaker 3: hemos hablado en alguna ocasión de montañas y montañas de
• 24:30
  Speaker 3: datos que necesitaríamos varias vidas para poder revisarlos. Pues eso
• 24:38
  Speaker 3: ya ha cambiado. Y es que durante siglos, el drama
• 24:45
  Speaker 3: de la astronomía fue la escasez. Faltaba luz, faltaba resolución,
• 24:50
  Speaker 3: faltaba tiempo de observación, faltaban instrumentos. Hoy, sin embargo, estamos
• 24:58
  Speaker 3: entrando en un escenario casi inverso. Tenemos satélites, telescopios terrestres,
• 25:07
  Speaker 3: observatorios espaciales. detectores capaces de generar una avalancha de información
• 25:13
  Speaker 3: y proyectos que van a producir cantidades de datos imposibles
• 25:19
  Speaker 3: de digerir con métodos clásicos. La propia Sociedad Española de
• 25:26
  Speaker 3: Astronomía lo resume con una claridad. Veréis, y es que
• 25:30
  Speaker 3: muchos campos de la astrofísica ya trabajan o van a
• 25:34
  Speaker 3: trabajar muy pronto con volúmenes observacionales sin precedentes. Y por
• 25:39
  Speaker 3: eso la inteligencia artificial y el aprendizaje automático se han
• 25:44
  Speaker 3: convertido en ingredientes cada vez más habituales del análisis científico.
• 25:54
  Speaker 3: Y eso entre vosotros y yo cambia algo muy profundo.
• 26:00
  Speaker 3: Porque cuando la cantidad de información supera la velocidad de
• 26:03
  Speaker 3: nuestra mirada, cambia también el método científico. Ya no basta
• 26:09
  Speaker 3: con observar, formular hipótesis y revisar a mano una muestra razonable.
• 26:16
  Speaker 3: Ahora hay momentos en los que el cielo produce demasiado.
• 26:21
  Speaker 3: Demasiadas galaxias. Demasiadas variaciones. Demasiadas curvas de luz. Demasiados eventos transitorios.
• 26:32
  Speaker 3: Todo es en demasía señales débiles escondidas en océanos de ruido.
• 26:38
  Speaker 3: Y entonces la gran pregunta deja de ser sólo qué
• 26:41
  Speaker 3: vemos y pasa a ser cómo encontramos lo relevante sin
• 26:46
  Speaker 3: ahogarnos en lo inmenso. Ahí es donde la inteligencia artificial
• 26:52
  Speaker 3: no entra como adorno ni como una mera moda. Va
• 26:58
  Speaker 3: a entrar como una herramienta de supervivencia intelectual absolutamente eficaz.
• 27:07
  Speaker 3: Y si no, fijaos en lo que acaba de ocurrir
• 27:10
  Speaker 3: con el observatorio Vera C. Rubin. Solo ese nombre ya
• 27:15
  Speaker 3: debería hacernos detenernos un momento. Porque Rubin no es simplemente
• 27:21
  Speaker 3: otro telescopio. Es la promesa de una nueva relación con
• 27:26
  Speaker 3: el cielo cambiante. En febrero de 2026 emitió sus primeras alertas científicas.
• 27:34
  Speaker 3: un hito que marca el comienzo de la astronomía en
• 27:36
  Speaker 3: tiempo casi real, a una escala nunca vista. La propia
• 27:44
  Speaker 3: institución explica que esas primeras alertas llegaron tras una noche
• 27:47
  Speaker 3: con unas 800.000 notificaciones y que durante su gran cartografiado del
• 27:55
  Speaker 3: cielo austral, el sistema podría escalar hasta unos 7 millones de
• 28:00
  Speaker 3: alertas por noche.¡ Siete millones! Cuidado, ¿eh? Hablamos de nuevos asteroides,
• 28:08
  Speaker 3: de supernovas, estrellas variables, núcleos galácticos activos, fenómenos fugaces que
• 28:16
  Speaker 3: no esperan a que lleguemos con calma y una libreta.
• 28:30
  Speaker 3: Y aquí, sin duda, está la clave. Nadie puede mirar 7
• 28:36
  Speaker 3: millones de avisos una sola noche. Ningún equipo humano, por
• 28:40
  Speaker 3: brillante que este sea, puede revisar eso a la vieja manera.
• 28:46
  Speaker 3: Por eso Rubin no inaugura solo una época de más datos.
• 28:51
  Speaker 3: Inaugura una época de dependencia estructural de sistemas automáticos que
• 28:56
  Speaker 3: sean capaces de filtrar, clasificar, priorizar y detectar lo raro,
• 29:02
  Speaker 3: lo extraño casi al instante. Es decir, no veremos el
• 29:07
  Speaker 3: universo del futuro como vimos el del pasado. Lo veremos
• 29:11
  Speaker 3: con una mezcla cada vez más íntima de instrumentación, software,
• 29:17
  Speaker 3: estadística y modelos de aprendizaje automático. El observatorio, de hecho,
• 29:23
  Speaker 3: se presenta ya como una máquina de descubrimiento en tiempo real.
• 29:28
  Speaker 3: Y esa expresión yo creo que no es exagerada. Veréis
• 29:33
  Speaker 3: por qué. Describe bastante bien el cambio de civilización científica
• 29:37
  Speaker 3: que estamos empezando a vivir. Pero Rubin no está solo
• 29:45
  Speaker 3: en esta historia, claro que no. En 2025, yo creo que
• 29:49
  Speaker 3: ya os traje alguna noticia de esto, la misión europea
• 29:51
  Speaker 3: Euclid abrió su primer gran tesoro de datos de cartografiado cósmico,
• 29:58
  Speaker 3: incluyendo un avance de sus campos profundos. Cuidado que hablamos
• 30:03
  Speaker 3: de cientos de miles de galaxias visibles en un solo
• 30:08
  Speaker 3: lote de datos, organizadas dentro de esa red cósmica inmensa,
• 30:13
  Speaker 3: pues que la cosmología intenta comprender desde hace décadas. Euclid
• 30:20
  Speaker 3: no ha vendido nada extraño. Ha venido a darnos una
• 30:27
  Speaker 3: postal muy bonita del universo. ha venido a medir con
• 30:31
  Speaker 3: una precisión extrema cómo se distribuye la materia a gran
• 30:34
  Speaker 3: escala y a refinar nuestra comprensión de la energía oscura
• 30:38
  Speaker 3: y la evolución cósmica. Pero para sacar ciencia de esa
• 30:45
  Speaker 3: magnitud de información, pues otra vez no bastan los métodos manuales.
• 30:52
  Speaker 3: Acordaos que hubo épocas en las que se pedía ayuda
• 30:57
  Speaker 3: a todo el mundo con conocimientos y ordenador para ir
• 31:00
  Speaker 3: chequeando esos datos, ¿verdad? Pues ahora hace falta automatizar clasificación,
• 31:06
  Speaker 3: detección de estructuras, separación de objetos, estimaciones morfológicas y búsqueda
• 31:13
  Speaker 3: de anomalías. Ahí es nada. Lo fascinante es que, mientras
• 31:20
  Speaker 3: todo esto está ocurriendo, el James Webb sigue empujando la
• 31:24
  Speaker 3: frontera observacional hacia zonas que hace apenas unos años parecían incómodas.
• 31:29
  Speaker 3: casi inaccesibles. Y es que a finales de enero de 2026
• 31:34
  Speaker 3: la NASA informó de la confirmación de una galaxia brillante
• 31:39
  Speaker 3: existente apenas 280 millones de años después del Big Bang, acercando
• 31:46
  Speaker 3: todavía más el borde del observable al amanecer cósmico. Y
• 31:52
  Speaker 3: casi al mismo tiempo, Otra nota oficial hablaba de un
• 31:56
  Speaker 3: cúmulo galáctico sorprendentemente maduro, formándose alrededor de mil millones de
• 32:01
  Speaker 3: años después del Big Bang, antes de lo que muchos
• 32:04
  Speaker 3: modelos habían anticipado. Por lo que, amigos míos, resumiéndolo para
• 32:12
  Speaker 3: vosotros y para mí, cuanto mejor miramos, más pronto aparece
• 32:17
  Speaker 3: la complejidad y cuanto más temprano encontramos estructuras grandes o inesperadas,
• 32:24
  Speaker 3: más presión ponemos sobre nuestros modelos cosmológicos. Y como digo siempre,
• 32:31
  Speaker 3: esto importa muchísimo. Porque durante mucho tiempo la astronomía fue,
• 32:38
  Speaker 3: en cierto sentido, una ciencia de paciencia y escasez. Esperábamos
• 32:44
  Speaker 3: años para determinados datos y luego extraíamos de ellos conocimiento muy,
• 32:49
  Speaker 3: pero que muy trabajado, eso seguro. Ahora, Ahora estamos entrando
• 32:56
  Speaker 3: en una ciencia que sigue exigiendo paciencia intelectual, pero que
• 33:02
  Speaker 3: produce sorpresas a una velocidad diferente. Y cuando el ritmo
• 33:07
  Speaker 3: de llegada de resultados se acelera, cambia también la forma
• 33:11
  Speaker 3: de pensar. La IA no reemplaza la teoría, no reemplaza
• 33:18
  Speaker 3: la intuición, pero sí altera el embudo entre dato y hallazgo.
• 33:24
  Speaker 3: Y es que puede detectar antes. Puede señalar antes. Y
• 33:31
  Speaker 3: ya no os digo la velocidad de cribado. Una locura.
• 33:36
  Speaker 3: Pero es que puede sugerir caminos donde el ojo humano
• 33:39
  Speaker 3: tardaría semanas, meses o simplemente no llegaría nunca. De hecho
• 33:48
  Speaker 3: ya tenemos ejemplos muy concretos de eso. vamos de nuevo
• 33:53
  Speaker 3: a viajar en el tiempo, en enero de 2026, la NASA
• 33:57
  Speaker 3: explicó cómo una técnica asistida por inteligencia artificial analizó casi 100
• 34:03
  Speaker 3: millones de recortes de imagen del archivo histórico de Hubble
• 34:07
  Speaker 3: para encontrar fenómenos raros y anómalos. 100 millones, amigos. Hay
• 34:15
  Speaker 3: algo muy hermoso en esto, desde luego, y es que
• 34:18
  Speaker 3: durante décadas hemos lanzado telescopios al espacio para mirar mejor
• 34:21
  Speaker 3: el universo. Ahora empezamos a volver sobre esos archivos con
• 34:27
  Speaker 3: herramientas nuevas. Casi como si estuviéramos excavando una biblioteca antigua
• 34:32
  Speaker 3: con una luz distinta. La IA no solo sirve para
• 34:38
  Speaker 3: los telescopios que vienen. También está releyendo el pasado observacional
• 34:43
  Speaker 3: y encontrando piezas que habían quedado enterradas por simple exceso
• 34:48
  Speaker 3: de información. Y eso... para mí es una de las
• 34:53
  Speaker 3: ideas más poderosas de todo este episodio de hoy. La
• 34:59
  Speaker 3: ciencia no avanza únicamente cuando construye nuevos ojos. También avanza
• 35:04
  Speaker 3: cuando aprende a interpretar mejor lo que ya ha visto.
• 35:07
  Speaker 3: Y ahí la inteligencia artificial está actuando con una especie
• 35:12
  Speaker 3: de segunda cosecha del conocimiento. Desde luego que no crea
• 35:17
  Speaker 3: el universo. No inventa los datos. pero puede reorganizar nuestra
• 35:24
  Speaker 3: capacidad de verlos. Puede localizar lo raro en medio del ordinario.
• 35:31
  Speaker 3: Puede detectar irregularidades demasiado sutiles. Y esto es un toque
• 35:40
  Speaker 3: muy fino, porque también puede agrupar, comparar y jerarquizar. Y
• 35:48
  Speaker 3: sobre todo, puede hacer algo decisivo en astronomía moderna. Trabajar
• 35:54
  Speaker 3: a la escala del problema. Y eso es impresionante hasta
• 36:01
  Speaker 3: dónde nos va a llevar. Otro ejemplo impresionante está en
• 36:12
  Speaker 3: la caza de exoplanetas. La NASA ha seguido desarrollando ExoMiner++,
• 36:20
  Speaker 3: una evolución de su modelo de aprendizaje profundo que ayuda
• 36:23
  Speaker 3: a distinguir entre tránsitos planetarios reales y fenómenos que se
• 36:28
  Speaker 3: parecen a ellos, pero no lo son. Recordar que cuando
• 36:33
  Speaker 3: miramos tan lejos necesitamos mucha información, mucha capacidad de computación,
• 36:40
  Speaker 3: de lectura de datos para sacar una conclusión, por lo
• 36:44
  Speaker 3: que el modelo original, que ya había ayudado a validar
• 36:47
  Speaker 3: centenares de mundos, Pues ahora la idea, amigos míos, cambia
• 36:53
  Speaker 3: y es, bueno, no cambia, mejora, y es aplicarlo también
• 36:57
  Speaker 3: a los datos del TESS, la misión que sigue rastreando
• 37:01
  Speaker 3: pequeñas caídas de brillo estelar en busca de planetas que
• 37:04
  Speaker 3: pasan por delante de sus estrellas.¿ Esto significa que la
• 37:10
  Speaker 3: IA descubra sola planetas como por arte de magia? Pues hombre,
• 37:17
  Speaker 3: yo creo que significa algo bastante más útil. Y es
• 37:21
  Speaker 3: que puede separar mucho mejor la señal auténtica del espejismo
• 37:25
  Speaker 3: estadístico y permitir a los astrónomos que dediquen su tiempo
• 37:29
  Speaker 3: a los candidatos más prometedores. Por lo que vamos a
• 37:38
  Speaker 3: echar un momento al freno porque aquí conviene decir algo
• 37:42
  Speaker 3: con mucha claridad. La inteligencia artificial en astronomía no es
• 37:49
  Speaker 3: una especie de mente superior contemplando el universo desde fuera. No,
• 37:53
  Speaker 3: desde luego que no. En la práctica, suele funcionar como
• 37:58
  Speaker 3: un conjunto de herramientas especializadas, clasificadores, detectores de anomalías, sistemas
• 38:05
  Speaker 3: de reducción de ruido, modelos generativos, análisis de imágenes, técnicas
• 38:13
  Speaker 3: de inferencia y y algoritmos que aprenden patrones a partir
• 38:18
  Speaker 3: de enormes conjuntos de entrenamiento. A veces ayudan a distinguir
• 38:25
  Speaker 3: una supernova de una variable corriente. A veces permiten reconstruir
• 38:32
  Speaker 3: historias de fusión galáctica. También criban fotometría, limpian interferencias, señalan
• 38:42
  Speaker 3: lo que nadie había decidido buscar. Pero siempre hay un
• 38:47
  Speaker 3: punto esencial, por supuesto que sí, es su potencia. Y
• 38:52
  Speaker 3: es que depende de los datos, de su diseño, de
• 38:55
  Speaker 3: su validación y de la interpretación humana posterior. Por eso
• 39:04
  Speaker 3: el gran cambio de era no es que ahora la
• 39:09
  Speaker 3: máquina hace ciencia y nosotros miramos. El gran cambio es
• 39:14
  Speaker 3: más sutil y bastante más importante, permitírmelo. Y es que
• 39:18
  Speaker 3: el método científico empieza a incorporar capas nuevas entre la
• 39:23
  Speaker 3: realidad y nuestra comprensión. Antes teníamos instrumento, dato, análisis y teoría. Ahora,
• 39:34
  Speaker 3: Cada vez con más frecuencia, entre el dato bruto y
• 39:38
  Speaker 3: la primera interpretación aparece una arquitectura algorítmica que decide qué
• 39:42
  Speaker 3: merece atención, qué parece raro, qué merece seguimiento y qué
• 39:49
  Speaker 3: se descarta como ruido. Por lo cual, eso multiplica nuestra potencia, sí,
• 39:55
  Speaker 3: desde luego, pero también introduce una responsabilidad enorme y es
• 40:01
  Speaker 3: entender bien cómo deciden esas herramientas¿ Y hasta qué punto
• 40:05
  Speaker 3: podemos confiar en ellas? Porque, como os podéis imaginar, cuando
• 40:15
  Speaker 3: uno va adentrándose en toda esta cuestión aparece la zona
• 40:19
  Speaker 3: menos cómoda de todo este asunto. Cuanto más dependemos de
• 40:24
  Speaker 3: sistemas automáticos, más importante es hablar de sesgos, explicabilidad y fiabilidad.
• 40:35
  Speaker 3: La propia documentación de NASA sobre uso ético de IA
• 40:39
  Speaker 3: insiste en que estas soluciones deben ser transparentes, explicables y
• 40:45
  Speaker 3: bien documentadas. Y en una visión más reciente sobre la
• 40:55
  Speaker 3: aceleración Discovery, la agencia vuelve a subrayar requisitos como la
• 41:01
  Speaker 3: fiabilidad demostrable y la explicabilidad de los modelos.¿ Por qué?
• 41:08
  Speaker 3: Pues porque hay que traducir todo esto a un lenguaje llano.
• 41:13
  Speaker 3: Y este es muy sencillo, amigos, para vosotros y para
• 41:15
  Speaker 3: mí de nuevo. Es una herramienta que puede ser brillantísima
• 41:18
  Speaker 3: encontrando patrones. Pero si no sabemos por qué toma ciertas
• 41:24
  Speaker 3: decisiones o si aprendes sesgos ocultos en los datos de entrenamiento,
• 41:29
  Speaker 3: corremos el riesgo de automatizar errores con una velocidad espectacular.
• 41:39
  Speaker 3: Desde luego que el tener cuidado no invalida la revolución,
• 41:43
  Speaker 3: simplemente que la hace adulta. Porque la historia bonita sería decir,
• 41:49
  Speaker 3: vamos a ver, la IA ha llegado y ahora todo
• 41:51
  Speaker 3: será más rápido, más limpio y más brillante. La historia
• 41:57
  Speaker 3: real es mejor que esa, porque es más seria. La
• 42:00
  Speaker 3: historia real dice que estamos entrando en un sistema científico
• 42:04
  Speaker 3: en el que los grandes observatorios del presente y del futuro...
• 42:08
  Speaker 3: como Rubin, Euclid, Román, SK, el ELT, van a producir
• 42:15
  Speaker 3: tal volumen de información que la inteligencia artificial será imprescindible.
• 42:22
  Speaker 3: Pero imprescindible no significa infalible. Significa estructural. Significa que habrá
• 42:30
  Speaker 3: que diseñarla bien, auditarla bien, comprenderla bien y mantener siempre
• 42:35
  Speaker 3: la última capa de juicio en manos humanas. Y fijaos
• 42:46
  Speaker 3: en los nombres que acabo de pronunciar. Román, cuya construcción
• 42:51
  Speaker 3: fue completada en enero del 2026 y que apunta a un
• 42:55
  Speaker 3: lanzamiento tan pronto como otoño de 2026, llega con la promesa
• 43:01
  Speaker 3: de vistas amplias, profundas y nítidas del universo, además de
• 43:06
  Speaker 3: miles de nuevos exoplanetas. La propia NASA reconoce que generará
• 43:13
  Speaker 3: datos por terabytes diarios, algo que, os podéis imaginar, desafía
• 43:20
  Speaker 3: directamente la capacidad humana clásica de clasificación y seguimiento. El SKA,
• 43:27
  Speaker 3: por su parte, ya ha logrado en Sudáfrica un hito,¿
• 43:32
  Speaker 3: cómo decir? Os explico. Una señal de vida técnica en
• 43:37
  Speaker 3: el mayor proyecto de radiotelescopios del planeta. Y el ELT,
• 43:46
  Speaker 3: el telescopio extremadamente grande de ESO, prevé completar la estructura
• 43:52
  Speaker 3: principal a finales de 2026. Por lo que no es solo
• 43:57
  Speaker 3: que vengan instrumentos gigantes que vienen, desde luego, es que
• 44:01
  Speaker 3: vienen unidos a un tipo de ciencia donde el cuello
• 44:03
  Speaker 3: de botella ya no es mirar, sino interpretar a escala
• 44:08
  Speaker 3: industrial sin perder la delicadeza del método. Y cuando uno, pues,
• 44:16
  Speaker 3: junta todas estas piezas, empieza a sentir algo que es
• 44:20
  Speaker 3: muy particular. La sensación de que estamos en la antesala
• 44:25
  Speaker 3: de una nueva edad astronómica. Una edad en la que
• 44:30
  Speaker 3: mirar el cielo ya no será sólo abrir una ventana,
• 44:34
  Speaker 3: sino activar una red completa de sensores, archivos, modelos, prioridades automáticas,
• 44:40
  Speaker 3: seguimiento coordinado y lectura automática. algorítmica del cambio una edad
• 44:49
  Speaker 3: en la que el universo dejará de aparecer sólo como
• 44:52
  Speaker 3: una colección de objetos y empezará a manifestarse también como
• 44:55
  Speaker 3: un flujo continuo de eventos de anomalías de señales débiles
• 45:00
  Speaker 3: y de relaciones ocultas y ahí justamente ahí la inteligencia
• 45:09
  Speaker 3: artificial puede convertirse en una de las grandes traductoras de
• 45:12
  Speaker 3: nuestro tiempo No porque comprenda el cosmos como lo hacemos nosotros,
• 45:17
  Speaker 3: sino porque puede ayudarnos a no perdernos en su desmesura.
• 45:26
  Speaker 3: Pero tranquilos, que este viaje acaba de empezar. Porque una
• 45:31
  Speaker 3: cosa es entender que la IA ya está leyendo el cielo.
• 45:35
  Speaker 3: Y otra muy distinta es ver qué clase de descubrimientos
• 45:39
  Speaker 3: concretos se está acelerando.¿ Qué cosas nuevas permite hacer con
• 45:43
  Speaker 3: galaxias exoplanetas, archivos masivos y fenómenos fugaces?¿ Y por qué
• 45:50
  Speaker 3: eso puede cambiar no solo la astronomía, sino la propia
• 45:54
  Speaker 3: forma en que la ciencia formula sus preguntas?¿ Qué es
• 45:59
  Speaker 3: la astronomía? Ahora bien, todo esto sería interesante aunque se
• 46:24
  Speaker 3: quedara en una promesa técnica, desde luego. Pero es que
• 46:28
  Speaker 3: ya no estamos ahí. La cuestión no es si algún
• 46:31
  Speaker 3: día la inteligencia artificial podrá ayudar a la astronomía. La
• 46:36
  Speaker 3: cuestión es que ya está ayudando. Ya está cribando archivos inmensos,
• 46:41
  Speaker 3: afinando búsquedas, limpiando señales, validando candidatos y en algunos casos
• 46:47
  Speaker 3: devolviendo a la ciencia objetos y fenómenos pues que habían
• 46:50
  Speaker 3: pasado desapercibidos simplemente porque el volumen de información era demasiado
• 46:55
  Speaker 3: grande para la mirada humana tradicional. Uno de los ejemplos
• 47:03
  Speaker 3: más bonitos y también más reveladores viene del archivo del Hubble.
• 47:09
  Speaker 3: Durante años, ese archivo ha sido una especie de catedral
• 47:13
  Speaker 3: de datos astronómicos acumulados. Véase, entiéndase bien. Hablamos de observaciones
• 47:20
  Speaker 3: de galaxias, nebulosas, cúmulos, lentes gravitatorias, regiones de formación estelar,
• 47:31
  Speaker 3: objetos extraños de todo tipo. Por lo que el problema
• 47:37
  Speaker 3: no era su valor. El problema era la escala. De nuevo,
• 47:43
  Speaker 3: en enero de 2026, la NASA nos explicaba que un equipo
• 47:47
  Speaker 3: había usado una técnica asistida por IA para analizar esos
• 47:51
  Speaker 3: casi 100 millones de recortes que os decía del Hubble. Y
• 47:56
  Speaker 3: lo hizo en apenas dos días y medio. Ya detectaron
• 48:00
  Speaker 3: más de 1.300 objetos de apariencia extraña. Y más de 800 no
• 48:05
  Speaker 3: estaban documentados en la literatura científica. Eso no hace falta
• 48:11
  Speaker 3: que os lo diga yo. Es que es una barbaridad metodológica.
• 48:16
  Speaker 3: no porque la máquina entendiera el cosmos, sino porque fue
• 48:20
  Speaker 3: capaz de rastrear lo raro que es, la verdad es
• 48:24
  Speaker 3: que es muy loco, con una velocidad y una consistencia
• 48:29
  Speaker 3: imposibles para una revisión manual clásica del ser humano. Fijaos
• 48:36
  Speaker 3: de verdad en lo que significa eso. Y es que
• 48:41
  Speaker 3: el archivo astronómico ya no es sólo una memoria pasiva
• 48:44
  Speaker 3: de observaciones antiguas, empieza a comportarse como un yacimiento vivo,
• 48:50
  Speaker 3: como una cantera de descubrimientos potenciales. La IA permite volver
• 48:56
  Speaker 3: a mirar lo ya observado con ojos nuevos, y eso
• 49:01
  Speaker 3: altera una idea muy profunda de la ciencia. Y es
• 49:05
  Speaker 3: que a veces el descubrimiento no está esperando en el
• 49:09
  Speaker 3: próximo telescopio, sino escondido en los datos que ya tenemos,
• 49:13
  Speaker 3: enterrado bajo una cantidad de información que antes Era sencillamente... Inimaginable.
• 49:21
  Speaker 3: Y ya no digo... De manejar esa cantidad de datos...
• 49:24
  Speaker 3: Que es absolutamente... Pues... Inmanejable. Algo parecido está ocurriendo con
• 49:38
  Speaker 3: los exoplanetas. Y es que durante años... Misiones como Kepler
• 49:42
  Speaker 3: y TESS... Nos han enseñado que el universo está lleno
• 49:44
  Speaker 3: de mundos. Pero... detectar un posible tránsito, esa pequeña bajada
• 49:51
  Speaker 3: de brillo que ocurre cuando un planeta pasa por delante
• 49:54
  Speaker 3: de su estrella, es sólo el principio. El gran reto
• 49:59
  Speaker 3: viene después, separar los candidatos reales de todo lo que
• 50:04
  Speaker 3: puede imitar un tránsito sin ser un planeta. Ahí entra ExoMiner.
• 50:12
  Speaker 3: La NASA nos recuerda que la primera versión de este
• 50:14
  Speaker 3: sistema de aprendizaje profundo ayudó a validar 370 exoplanetas en datos
• 50:20
  Speaker 3: de Kepler. Y en enero de 2026 anunció ExoMiner++, una nueva
• 50:29
  Speaker 3: versión estrenada con datos de Kepler y TESS para ampliar
• 50:33
  Speaker 3: esa capacidad al gran flujo observacional de la misión TESS.
• 50:40
  Speaker 3: Y esto Importa muchísimo porque cambia el ritmo de la búsqueda.
• 50:45
  Speaker 3: No quiere decir que una red neuronal descubra sola un
• 50:50
  Speaker 3: planeta del mismo modo que un astrónomo formula una interpretación completa.
• 50:54
  Speaker 3: Lo que quiere decir es que puede hacer algo decisivo,
• 50:59
  Speaker 3: cribar miles y miles de señales, aprender a distinguir mejor
• 51:05
  Speaker 3: entre candidatos sólidos y falsos positivos. y permitir que los
• 51:10
  Speaker 3: equipos humanos concentren su tiempo en los casos con más
• 51:14
  Speaker 3: valor científico. En astronomía moderna este tipo de filtrado inteligente
• 51:20
  Speaker 3: no es un lujo. Es que es la única forma
• 51:24
  Speaker 3: de no perder hallazgos reales dentro de una avalancha de
• 51:27
  Speaker 3: señales ambiguas. Y claro, esto continúa porque... Hay otro viaje
• 51:39
  Speaker 3: donde la inteligencia artificial está abriendo puertas fascinantes. La historia
• 51:45
  Speaker 3: de las galaxias. Y es que en 2024 el Instituto de
• 51:48
  Speaker 3: Astrofísica de Canarias explicó un trabajo liderado desde España en
• 51:53
  Speaker 3: el que una técnica basada en inteligencia artificial se aplicó,
• 51:58
  Speaker 3: ojo al dato, al análisis de 10.000 galaxias cercanas para reconstruir
• 52:03
  Speaker 3: cómo había influido la fusión de galaxias en el nacimiento
• 52:08
  Speaker 3: de nuevas estrellas.¿ El resultado? Pues imaginar, interesantísimo porque desmontaba
• 52:18
  Speaker 3: una intuición muy extendida. Y es que las fusiones galácticas
• 52:23
  Speaker 3: son importantes, sí, pero en este estudio no aparecían como
• 52:27
  Speaker 3: la fuente dominante del nacimiento estelar. Es decir, la inteligencia
• 52:33
  Speaker 3: artificial no solo acelera el análisis, también puede ayudar a
• 52:37
  Speaker 3: corregir relatos demasiado simples sobre cómo evoluciona el universo. Y claro,
• 52:48
  Speaker 3: cuando hablamos de evolución del universo, es un matiz que
• 52:55
  Speaker 3: es absolutamente esencial, porque a veces se presenta la inteligencia
• 52:58
  Speaker 3: artificial como una herramienta para hacer más rápido lo que
• 53:02
  Speaker 3: ya sabíamos hacer. pero no siempre es solo eso. En
• 53:08
  Speaker 3: ocasiones permite replantear preguntas, cruzar escalas, ordenar datos de otro
• 53:14
  Speaker 3: modo y, por tanto, cambiar el tipo de respuesta que obtenemos.
• 53:20
  Speaker 3: Si una técnica es capaz de seguir huellas sutiles de
• 53:23
  Speaker 3: ensamblaje galáctico en miles de objetos, no estamos simplemente ante
• 53:27
  Speaker 3: una calculadora más veloz. Estamos ante una forma nueva de
• 53:32
  Speaker 3: leer procesos cósmicos complejos en grandes poblaciones de galaxias. Y
• 53:47
  Speaker 3: mientras tanto, pues que os voy a contar que ya
• 53:50
  Speaker 3: no sepáis o que no hayáis aprendido aquí en Mía
• 53:52
  Speaker 3: Inteligencia Artificial, es que la cartografía del universo se está
• 53:56
  Speaker 3: volviendo descomunal. Euclid, por ejemplo, no se limita a tomar
• 54:01
  Speaker 3: imágenes que sean espectaculares. Está construyendo una de las grandes
• 54:07
  Speaker 3: bases de datos cosmológicas de esta década. La ESA publicó
• 54:13
  Speaker 3: en marzo de 2025 su primer lote de datos del sondeo,
• 54:17
  Speaker 3: incluyendo una vista preliminar de sus campos profundos. Pues veréis,
• 54:24
  Speaker 3: porque en una sola semana de observaciones de esas regiones profundas,
• 54:28
  Speaker 3: el propio material de ESA, señalaba que Euclid ya había
• 54:33
  Speaker 3: detectado 26 millones de galaxias, algunas a distancias de hasta 10.500 millones
• 54:41
  Speaker 3: de años luz. Loquísimo. Y cuidado porque su ambición final
• 54:49
  Speaker 3: es aún mayor. Cartografiar miles de millones de galaxias a
• 54:54
  Speaker 3: lo largo de más de un tercio del cielo es
• 54:57
  Speaker 3: para estudiar la expansión cósmica, la formación de estructura y
• 55:01
  Speaker 3: el papel de la gravedad, la materia oscura y la
• 55:05
  Speaker 3: energía oscura. Claro, cuando escuchas esas cifras entiendes por qué
• 55:22
  Speaker 3: la inteligencia artificial deja de ser una opción elegante para
• 55:25
  Speaker 3: convertirse en una necesidad estructural. Bueno, esto es evidente. Yo
• 55:30
  Speaker 3: creo que aquí no nos vamos a complicar mucho. Si
• 55:33
  Speaker 3: tenemos una herramienta tan veloz y que funciona tan bien
• 55:37
  Speaker 3: y encima mejora todo, pues adelante. Clasificar galaxias, separar morfologías,
• 55:48
  Speaker 3: Buscar lentes gravitatorias, en fin, medir cambios, brillos, encontrar objetos
• 55:56
  Speaker 3: peculiares dentro de catálogos monstruosos no puede depender solo de
• 56:03
  Speaker 3: la típica inspección manual. El tamaño del problema es tan
• 56:08
  Speaker 3: inmerso que obliga a una nueva cultura científica. Eso está claro,
• 56:11
  Speaker 3: que es una ciencia apoyada en pipelines automáticos, aprendizaje automático...
• 56:18
  Speaker 3: sistemas de alerta y análisis estadístico avanzado, pero todavía guiada
• 56:24
  Speaker 3: por preguntas humanas. Y aquí aparece desde luego algo muy apasionante.
• 56:32
  Speaker 3: La astronomía ya no es solo una ciencia de objetos,
• 56:36
  Speaker 3: está convirtiéndose también en una ciencia de anomalías. Antes gran
• 56:42
  Speaker 3: parte del trabajo consistía en estudiar categorías relativamente bien definidas. Estrellas, nebulosas, galaxias, cúmulos,
• 56:52
  Speaker 3: exoplanetas… Ahora cada vez más una parte del descubrimiento depende
• 56:58
  Speaker 3: de encontrar lo raro, lo transitorio, lo no catalogado. Vamos,
• 57:05
  Speaker 3: lo que se sale del patrón. Y ahí la IA
• 57:09
  Speaker 3: tiene una ventaja natural. A ver si lo adivináis. Pues sí.
• 57:16
  Speaker 3: puede recorrer inmensos espacios de datos buscando precisamente aquello que
• 57:20
  Speaker 3: no encaja bien con lo conocido. El caso del archivo
• 57:25
  Speaker 3: del Hubble lo muestra con una claridad casi poética. Cientos
• 57:29
  Speaker 3: de rarezas cósmicas apareciendo después de años ocultas en una
• 57:34
  Speaker 3: biblioteca digital absurdamente gigantesca. Eso cambia incluso nuestra relación emocional
• 57:43
  Speaker 3: con la observación. porque durante mucho tiempo imaginar el descubrimiento
• 57:48
  Speaker 3: astronómico era imaginar a alguien apuntando un telescopio, vigilando una
• 57:54
  Speaker 3: placa fotográfica o detectando a mano una señal extraordinaria. Esa
• 58:00
  Speaker 3: imagen sigue teniendo algo romántico desde luego, pero ya no
• 58:05
  Speaker 3: basta para describir la realidad. Hoy el hallazgo puede surgir
• 58:10
  Speaker 3: también de una arquitectura algorítmica que trabaja de madrugada rasteando
• 58:15
  Speaker 3: millones de eventos, o de un modelo que revisa un
• 58:18
  Speaker 3: archivo de décadas y saca a la luz objetos que
• 58:21
  Speaker 3: nadie había señalado. La escena del descubrimiento se ha desplazado.
• 58:27
  Speaker 3: Sigue habiendo telescopios, claro. Pero ahora también hay centros de datos,
• 58:33
  Speaker 3: brokers de alertas, modelos de clasificación y sistemas de priorización automática.
• 58:43
  Speaker 3: Y no todo se limita a imagen óptica o búsqueda
• 58:46
  Speaker 3: de planetas. La lógica se extiende a múltiples dominios. Radioastronomía,
• 58:53
  Speaker 3: eventos transitorios, análisis espectral, separación de señal y ruido, detección
• 59:01
  Speaker 3: de estructuras débiles, clasificación morfológica e incluso formulación de inferencias complejas.
• 59:11
  Speaker 3: La documentación reciente de NASA sobre lo que os informaba
• 59:16
  Speaker 3: antes del acelerador Discovery insiste precisamente en eso. La inteligencia
• 59:22
  Speaker 3: artificial puede intervenir en muy distintas etapas del proceso científico,
• 59:26
  Speaker 3: desde la preparación de datos y el descubrimiento de patrones,
• 59:31
  Speaker 3: hasta la construcción de modelos y la aceleración de simulaciones.
• 59:37
  Speaker 3: Por lo cual, amigos, no estamos ante una herramienta que sea...
• 59:41
  Speaker 3: algo anecdótico o puntual, estamos ante una capa tecnológica que
• 59:46
  Speaker 3: empieza a atravesarnos de lleno el método entero. Ahora bien,
• 59:57
  Speaker 3: cuanto más potente es el instrumento, más importante es saber
• 1:00:00
  Speaker 3: qué puede hacer y qué no. Porque la IA encuentra
• 1:00:04
  Speaker 3: patrones con una velocidad absolutamente prodigiosa. pero no tiene intuición
• 1:00:10
  Speaker 3: física en el sentido humano del término. No siente asombro.
• 1:00:15
  Speaker 3: No sabe qué significa una galaxia. No comprende el peso
• 1:00:20
  Speaker 3: conceptual de una anomalía cosmológica. Aprende regularidades estadísticas y responde
• 1:00:27
  Speaker 3: según el entrenamiento recibido. Por eso necesita validación, contexto, control
• 1:00:34
  Speaker 3: y una interpretación final hecha por científicos que conozcan la
• 1:00:39
  Speaker 3: física del problema. La propia NASA, en sus principios de
• 1:00:46
  Speaker 3: IA responsable, insiste en fiabilidad, explicabilidad y gobernanza. No es
• 1:00:55
  Speaker 3: una coletilla burocrática, claro que no. Tiene que ser una
• 1:00:59
  Speaker 3: condición de posibilidad para que esta revolución no se vuelva opaca.
• 1:01:07
  Speaker 3: Pero incluso con esa cautela lo que ya está ocurriendo
• 1:01:11
  Speaker 3: es absolutamente asombroso. Estamos viendo cómo la inteligencia artificial está
• 1:01:16
  Speaker 3: rescatando objetos olvidados del archivo del Hubble. Está refinando la
• 1:01:22
  Speaker 3: búsqueda de exoplanetas en Kepler y TESS. También estamos viendo
• 1:01:27
  Speaker 3: cómo ayuda a reconstruir historias de fusión galáctica y cómo
• 1:01:31
  Speaker 3: se prepara para trabajar a la escala brutal de Rubin, Euclid,
• 1:01:36
  Speaker 3: y los próximos observatorios. Eso no es una promesa lejana.
• 1:01:44
  Speaker 3: Es presente. Es la demostración de que la astronomía ha
• 1:01:48
  Speaker 3: entrado en una nueva fase. Una en la que mirar
• 1:01:51
  Speaker 3: ya no basta, y en la que entender exige delegar
• 1:01:55
  Speaker 3: parte del rastreo en sistemas capaces de leer más de
• 1:01:58
  Speaker 3: lo que una mente humana puede abarcar. Y sin embargo,
• 1:02:05
  Speaker 3: todo esto no importa solo porque produzca más hallazgos. Importa
• 1:02:10
  Speaker 3: porque cambia la forma misma en que hacemos ciencia. Porque
• 1:02:14
  Speaker 3: cuando una disciplina empieza a depender de algoritmos para decidir
• 1:02:19
  Speaker 3: qué merece atención, qué fenómeno merece seguimiento y qué patrón
• 1:02:24
  Speaker 3: parece significativo, el método científico deja de ser exactamente el
• 1:02:30
  Speaker 3: que era. Y esa disciplina Es la siguiente gran cuestión
• 1:02:34
  Speaker 3: de nuestro viaje, amigos míos. No sólo que descubre la
• 1:02:38
  Speaker 3: IA en astronomía, sino cómo está empezando a alterar la
• 1:02:44
  Speaker 3: arquitectura profunda del conocimiento científico. Llegados a este punto, amigos
• 1:03:16
  Speaker 3: de MIA, la pregunta ya no es si la inteligencia
• 1:03:20
  Speaker 3: artificial puede ayudar a la astronomía. Yo creo que eso
• 1:03:23
  Speaker 3: está ya resuelto. La pregunta importante es otra.¿ Qué ocurre
• 1:03:30
  Speaker 3: cuando una disciplina empieza a depender de sistemas automáticos para
• 1:03:34
  Speaker 3: decidir qué merece atención?¿ Qué anomalía parece prometedora?¿ Qué señal
• 1:03:40
  Speaker 3: vale una noche de seguimiento y qué parte del océano
• 1:03:43
  Speaker 3: de datos se queda fuera de la vista humana? Ahí
• 1:03:48
  Speaker 3: ya no estamos hablando sólo de una herramienta útil. Estamos
• 1:03:51
  Speaker 3: hablando de una modificación del método científico en tiempo real.
• 1:03:59
  Speaker 3: La propia NASA lo formula con una expresión muy seria. Pero, amigos,
• 1:04:08
  Speaker 3: lo hemos dicho varias veces esta noche. Descubrimiento acelerado de conocimiento.
• 1:04:16
  Speaker 3: Una visión en la que la IA se integra de
• 1:04:18
  Speaker 3: lleno en el flujo de investigación para ampliar las capacidades
• 1:04:22
  Speaker 3: cognitivas de los científicos, ojo, sin sustituirlas. Ya sé que
• 1:04:30
  Speaker 3: suena un poquito casi abstracto, pero en realidad es muy concreto.
• 1:04:36
  Speaker 3: Durante siglos la ciencia avanzó con una secuencia relativamente clara. Observación, hipótesis, análisis,
• 1:04:45
  Speaker 3: contraste y teoría. Hoy esa cadena, desde luego, que sigue funcionando,
• 1:04:51
  Speaker 3: sigue existiendo. Pero entre la observación y la primera interpretación de...
• 1:04:57
  Speaker 3: De este asunto digamos que se está ya metiendo esa
• 1:05:00
  Speaker 3: primera capa algorítmica cada vez más decisiva. En el Rubin Observatory,
• 1:05:06
  Speaker 3: por ejemplo, el sistema de alertas ya funciona como una
• 1:05:09
  Speaker 3: máquina de descubrimiento en tiempo casi real y sus brokers
• 1:05:14
  Speaker 3: no se limitan a reenviar avisos. Filtran, cruzan catálogos, clasifican
• 1:05:21
  Speaker 3: fotométricamente y priorizan seguimiento. Es decir, antes que un astrónomo mire,
• 1:05:29
  Speaker 3: pues os podéis imaginar, ya hubo una primera lectura no
• 1:05:33
  Speaker 3: humana del cielo. Y eso es fascinante, a la vez
• 1:05:38
  Speaker 3: que delicado. Porque cuando delegamos en algoritmos la tarea de
• 1:05:43
  Speaker 3: seleccionar lo relevante, estamos concediéndoles una especie de poder epistemológico.
• 1:05:51
  Speaker 3: No descubren por sí solos una teoría física, pero sí
• 1:05:54
  Speaker 3: influyen en qué fragmentos de la realidad llegan al centro
• 1:05:58
  Speaker 3: del debate científico. Si una herramienta está entrenada para reconocer
• 1:06:05
  Speaker 3: ciertos patrones y no otros, puede favorecer una forma de
• 1:06:09
  Speaker 3: ver el universo y volver menos visible otra. NASA insiste
• 1:06:16
  Speaker 3: precisamente en que estos sistemas deben ser fiables, explicables, transparentes
• 1:06:22
  Speaker 3: y reproducibles. Porque si la inteligencia artificial se vuelve una
• 1:06:27
  Speaker 3: caja negra dentro del proceso científico, la velocidad del descubrimiento
• 1:06:31
  Speaker 3: podría crecer al mismo tiempo que se degrada nuestra comprensión
• 1:06:35
  Speaker 3: de por qué aceptamos ciertas conclusiones. Este punto es absolutamente
• 1:06:49
  Speaker 3: esencial para no infantilizar la revolución que estamos viviendo. La
• 1:06:55
  Speaker 3: historia simple sería decir que la IA encuentra más cosas
• 1:06:59
  Speaker 3: y más deprisa. La historia real es mucho mejor. La
• 1:07:06
  Speaker 3: IA reconfigura el reparto del trabajo intelectual. A la máquina
• 1:07:11
  Speaker 3: le damos tareas de rastreo masivo, clasificación, detección de anomalías
• 1:07:15
  Speaker 3: y priorización. Al científico, le sigue correspondiendo algo mucho más difícil,
• 1:07:22
  Speaker 3: que es interpretar, dudar, contrastar y decidir qué significado físico
• 1:07:28
  Speaker 3: tiene lo encontrado. La propia visión de NASA sobre descubrimiento
• 1:07:34
  Speaker 3: acelerado describe la IA como una ampliación de las capacidades humanas,
• 1:07:39
  Speaker 3: no como un reemplazo del juicio científico. Y esa palabra, ampliación,
• 1:07:45
  Speaker 3: es probablemente la más importante de todas. Pero incluso esa
• 1:07:57
  Speaker 3: ampliación trae consigo un cambio cultural profundo porque, amigos míos,
• 1:08:02
  Speaker 3: la ciencia clásica estaba acostumbrada a lidiar con escasez. Pocos datos,
• 1:08:08
  Speaker 3: mucha atención. La ciencia de nuestra década empieza a parecerse
• 1:08:13
  Speaker 3: ya a otra cosa. Demasiados datos y atención insuficiente. Rubin,
• 1:08:22
  Speaker 3: ya lo hemos dicho, va hacia millones de alertas por noche.
• 1:08:28
  Speaker 3: Euclid ya nos ha abierto un primer tesoro de datos
• 1:08:30
  Speaker 3: con cientos de miles de galaxias visibles en sus campos
• 1:08:34
  Speaker 3: profundos y prepara una cartografía de miles de millones de galaxias.
• 1:08:38
  Speaker 3: SCAO lleva años ensayando desafíos de datos precisamente porque la
• 1:08:46
  Speaker 3: comunidad sabe que se enfrenta a un salto brutal de escala.
• 1:08:52
  Speaker 3: Cuando el problema es de ese tamaño, la IA deja
• 1:08:55
  Speaker 3: de ser una sofisticación opcional y se convierte directamente en
• 1:08:59
  Speaker 3: infraestructura del conocimiento. Y claro, si hablamos de esto, pues
• 1:09:13
  Speaker 3: es que tiene que aparecer la cuestión más preciosa de todas,
• 1:09:16
  Speaker 3: casi filosófica, diría yo. Y es que durante mucho tiempo
• 1:09:21
  Speaker 3: pensamos la ciencia como una forma de iluminar lo desconocido,
• 1:09:27
  Speaker 3: ahora empezamos a vivir otra situación. La luz llega, pero
• 1:09:32
  Speaker 3: la abundancia de luz nos desborda. Vemos tanto que necesitamos
• 1:09:37
  Speaker 3: sistemas intermedios para no quedarnos ciegos. La IA en ese
• 1:09:42
  Speaker 3: sentido no es solo una herramienta matemática. Es una prótesis cognitiva,
• 1:09:49
  Speaker 3: una extensión de nuestra capacidad de separar figura y fondo
• 1:09:52
  Speaker 3: en un universo que produce más señales de las que
• 1:09:55
  Speaker 3: una comunidad humana puede procesar por sí sola. Euclid, Rubin
• 1:10:02
  Speaker 3: y los futuros grandes observatorios no solo capturan realidad, obligan
• 1:10:09
  Speaker 3: a redefinir quién o qué puede leerla primero. Ahora, bien,
• 1:10:20
  Speaker 3: tengamos claro que toda prótesis tiene límites. y la inteligencia
• 1:10:25
  Speaker 3: artificial los tiene muy claros. No comprende el cosmos como
• 1:10:31
  Speaker 3: lo comprende un astrofísico. No sabe lo que significa una
• 1:10:35
  Speaker 3: anomalía en el contexto de una teoría de formación galáctica.
• 1:10:41
  Speaker 3: No distingue por intuición entre una rareza estadística irrelevante y
• 1:10:45
  Speaker 3: una grieta conceptual que puede abrir una física nueva. Digamos
• 1:10:51
  Speaker 3: que aprende regularidades. optimiza clasificaciones, encuentra estructuras, pero no posee
• 1:11:00
  Speaker 3: por sí sola criterio epistemológico ni sentido físico. Por eso,
• 1:11:06
  Speaker 3: cuanto más poderosa sea dentro del flujo científico, más imprescindible
• 1:11:11
  Speaker 3: será mantener humanos en los puntos donde se decide qué
• 1:11:15
  Speaker 3: cuenta como evidencia, qué merece revisión¿ Y qué afirmación está
• 1:11:21
  Speaker 3: lo bastante sostenida como para entrar en el edificio del conocimiento?
• 1:11:33
  Speaker 3: Por lo que quiero hablaros de una cosa que ya
• 1:11:35
  Speaker 3: hablé hace una temporada, creo que fue el año pasado
• 1:11:39
  Speaker 3: en Misterio 51, y hablaba de los sesgos. Hay muchos tipos
• 1:11:45
  Speaker 3: de sesgos. De hecho, cuando profundizas te llevas una sorpresa.
• 1:11:52
  Speaker 3: vamos a enlazar lo que traíamos con otra cuestión crítica.
• 1:11:55
  Speaker 3: El sesgo. Y es que un algoritmo aprende del universo
• 1:12:03
  Speaker 3: que le damos, no del universo entero. Si lo entrenamos
• 1:12:08
  Speaker 3: con catálogos incompletos, con datos ruidosos, con clases desbalanceadas o
• 1:12:14
  Speaker 3: con criterios previos heredados, tenderá a reproducir esas limitaciones. En
• 1:12:22
  Speaker 3: un entorno como Rubin, donde la clasificación temprana de fenómenos
• 1:12:26
  Speaker 3: transitorios puede decidir qué eventos reciben atención urgente, ese riesgo
• 1:12:32
  Speaker 3: no es menor. Los sistemas de brokers y clasificación serán
• 1:12:37
  Speaker 3: esenciales para coordinar el seguimiento global, pero también pueden condicionar
• 1:12:42
  Speaker 3: qué tipo de fenómenos se vuelven visibles para la comunidad
• 1:12:46
  Speaker 3: con más rapidez que otros. en una ciencia basada en
• 1:12:52
  Speaker 3: prioridades automáticas, el sesgo deja de ser un problema técnico
• 1:12:57
  Speaker 3: pequeño y se convierte en una cuestión estratégica. Y sin embargo,
• 1:13:06
  Speaker 3: precisamente por esa mezcla de potencia y fragilidad, este momento
• 1:13:12
  Speaker 3: es apasionante. Porque estamos viendo nacer una ciencia más rápida, sí.
• 1:13:20
  Speaker 3: pero también más reflexivas sobre sus propios instrumentos. NASA no
• 1:13:27
  Speaker 3: habla solo de usar IA, está hablando de hacerlo con
• 1:13:31
  Speaker 3: condiciones de diseño responsables, con explicabilidad, con demostración de fiabilidad
• 1:13:37
  Speaker 3: y con respeto a los principios clásicos de la investigación.
• 1:13:42
  Speaker 3: Eso significa que la comunidad científica empieza a entender algo decisivo.
• 1:13:49
  Speaker 3: La velocidad por sí sola no basta. El método tiene
• 1:13:53
  Speaker 3: que seguir siendo reconocible incluso cuando cambia de arquitectura. Además
• 1:14:04
  Speaker 3: hay algo más grande en juego. La inteligencia artificial no
• 1:14:08
  Speaker 3: solo está cambiando como analizamos datos observacionales. También empieza a
• 1:14:14
  Speaker 3: acelerar simulaciones. a conectar conjuntos heterogéneos de información y atender
• 1:14:20
  Speaker 3: puentes entre observación y modelado. Eso sugiere una ciencia menos lineal,
• 1:14:27
  Speaker 3: más interactiva, casi más conversacional. Y es que los telescopios observan,
• 1:14:35
  Speaker 3: los sistemas automáticos detectan, los modelos sugieren, los científicos lo
• 1:14:41
  Speaker 3: interpretan y el ciclo vuelve a empezar con una velocidad nueva.
• 1:14:47
  Speaker 3: no lo tenemos que ver como una ruptura total con
• 1:14:50
  Speaker 3: el método científico. Es su evolución hacia una forma más distribuida,
• 1:14:56
  Speaker 3: más híbrida y más dependiente de arquitecturas complejas. Justo aquí,
• 1:15:05
  Speaker 3: en ese momento, en este lugar es donde todo esto
• 1:15:09
  Speaker 3: importa de verdad para quienes amamos la astronomía. Porque no
• 1:15:14
  Speaker 3: estamos asistiendo solo a una mejora de herramientas, Estamos contemplando
• 1:15:20
  Speaker 3: una mutación en la forma de preguntar al universo. Antes
• 1:15:25
  Speaker 3: pedíamos respuestas a partir de nuestras relativamente pequeñas y miradas
• 1:15:31
  Speaker 3: muy concentradas. Sí, éramos así. Bueno, somos así. Vamos a
• 1:15:38
  Speaker 3: nuestro ritmo. Ahora empezamos a hacer preguntas sobre océanos de datos,
• 1:15:44
  Speaker 3: sobre cielos enteros en movimiento. sobre catálogos de una escala
• 1:15:49
  Speaker 3: casi inhumana. La IA no nos va a garantizar respuestas correctas,
• 1:15:54
  Speaker 3: pero va a hacer posibles preguntas que antes ni siquiera
• 1:15:58
  Speaker 3: eran operables. Y eso, en ciencia, equivale a abrir un
• 1:16:03
  Speaker 3: territorio nuevo. Quizás por eso este momento tiene algo de
• 1:16:10
  Speaker 3: frontera histórica. Los grandes observatorios de nueva generación no son
• 1:16:15
  Speaker 3: sólo son ojos mejores son generadores de complejidad y la
• 1:16:21
  Speaker 3: inteligencia artificial aparece como la gramática provisional con la que
• 1:16:25
  Speaker 3: intentamos leer esa complejidad sin perder el rigor provisional porque
• 1:16:32
  Speaker 3: todavía estamos aprendiendo a usarla bien gramática porque no sustituye
• 1:16:38
  Speaker 3: el pensamiento pero sí reorganiza la forma en que el
• 1:16:41
  Speaker 3: pensamiento accede a la realidad en el fondo Eso es
• 1:16:47
  Speaker 3: lo que está cambiando. No solo vemos más universo. Estamos
• 1:16:53
  Speaker 3: aprendiendo a pensar científicamente en compañía de sistemas que leen
• 1:16:58
  Speaker 3: con nosotros. Y después de todo esto queda el gran horizonte.¿
• 1:17:08
  Speaker 3: Qué viene ahora?¿ Qué pueden hacer Rubén, Euclid, Román, SKA
• 1:17:15
  Speaker 3: o el propio ELT, cuando esta alianza entre astronomía e
• 1:17:20
  Speaker 3: inteligencia artificial madure de verdad.¿ Qué oportunidades inmensas se abren?¿
• 1:17:27
  Speaker 3: Qué riesgos habrá que vigilar? Y sobre todo,¿ qué clase
• 1:17:32
  Speaker 3: de relación con el cosmos pueden hacer cuando no solo
• 1:17:35
  Speaker 3: lo observamos, sino que empezamos a descifrarlo a velocidades que
• 1:17:39
  Speaker 3: hace muy poco parecían imposibles? El futuro. Cuando el cosmos
• 1:17:46
  Speaker 3: se vuelva demasiado grande, para mirarlo solos. Me ha gustado
• 1:18:20
  Speaker 3: este titular para esta nueva parte de este viaje por
• 1:18:25
  Speaker 3: la inteligencia artificial, por el cosmos, por la astrofísica, por
• 1:18:32
  Speaker 3: lo que ahora llega la parte más hermosa y más
• 1:18:34
  Speaker 3: inquietante de todas.¿ Por qué todo lo que hemos contado
• 1:18:38
  Speaker 3: hasta aquí? Recuerdo, Rubin lanzando alertas en tiempo casi real.
• 1:18:44
  Speaker 3: Euclid abriendo tesoros de datos. Román preparándose para despegar. El
• 1:18:51
  Speaker 3: SKA está empezando a cobrar vida. Y el ELT se
• 1:18:57
  Speaker 3: está acercando a nuevas fases de construcción. Esto no son
• 1:19:01
  Speaker 3: piezas sueltas, amigos míos. Son síntomas de una transición. Es
• 1:19:06
  Speaker 3: que estamos entrando en una época en la que la
• 1:19:08
  Speaker 3: astronomía ya no va a depender solo de telescopios más potentes.
• 1:19:13
  Speaker 3: sino de ecosistemas enteros de observación, archivo, simulación y lectura algorítmica.
• 1:19:21
  Speaker 3: El futuro no va a ser simplemente mirar más lejos,
• 1:19:26
  Speaker 3: va a ser interpretar mejor una realidad que está empezando
• 1:19:29
  Speaker 3: a desbordarnos por cantidad, por complejidad y por velocidad. Por
• 1:19:39
  Speaker 3: lo que vamos a pensar, en lo que esto significa
• 1:19:43
  Speaker 3: de verdad. El observatorio Vera C. Rubin ya ha entrado
• 1:19:51
  Speaker 3: en la era de las alertas científicas en tiempo casi
• 1:19:53
  Speaker 3: real y su propio equipo prevé que el sistema crezca
• 1:19:57
  Speaker 3: hasta unos 7 millones de alertas por noche. Lo dijimos antes,
• 1:20:02
  Speaker 3: esto es una locura. Es un flujo continuo de acontecimientos.
• 1:20:08
  Speaker 3: como asteroides, supernovas, estrellas variables, núcleos galácticos activos, bueno, en fin,
• 1:20:16
  Speaker 3: de todo. Por lo que ya no será viable observar
• 1:20:20
  Speaker 3: y luego pensar con calma en el sentido clásico. Habrá
• 1:20:25
  Speaker 3: que detectar, filtrar y reaccionar casi al mismo ritmo al
• 1:20:29
  Speaker 3: que el universo cambia ante nosotros. Y ese simple hecho
• 1:20:34
  Speaker 3: redefine la práctica de la astronomía. Ahora le sumamos Euclid.
• 1:20:44
  Speaker 3: Os decía antes que en marzo de 2025 la ESA liberó
• 1:20:46
  Speaker 3: su primer gran lote de datos, incluyendo un adelanto de
• 1:20:50
  Speaker 3: sus campos profundos. Y la propia agencia destacó que en
• 1:20:54
  Speaker 3: esas regiones ya aparecían cientos de miles de galaxias, todo
• 1:20:59
  Speaker 3: dentro de un proyecto que aspira a cartografiar miles de
• 1:21:03
  Speaker 3: millones para estudiar la geometría cósmica, la distribución de materia
• 1:21:07
  Speaker 3: y la historia de la expansión del universo. Vamos que,
• 1:21:14
  Speaker 3: dicho sin adornos, estamos construyendo mapas del cosmos a una
• 1:21:18
  Speaker 3: escala que obliga a cambiarnos no solo nuestras herramientas, sino
• 1:21:22
  Speaker 3: nuestra forma mental de trabajar. Ya no hablamos de unas
• 1:21:27
  Speaker 3: pocas observaciones memorables. Hablamos de cartografías industriales del universo. Y
• 1:21:40
  Speaker 3: luego está... Roman o Román, como lo queráis llamar. Esta
• 1:21:46
  Speaker 3: misión que para mí representa muy bien la siguiente fase
• 1:21:50
  Speaker 3: de esta alianza entre astronomía e inteligencia artificial. Como os
• 1:21:56
  Speaker 3: comentaba al principio, a finales de enero de 2026, NASA confirmó
• 1:22:01
  Speaker 3: que la construcción del observatorio se había completado. Y en
• 1:22:06
  Speaker 3: marzo anunció que había superado su gran batería final de
• 1:22:09
  Speaker 3: pruebas de vacío térmico. La misión sigue apuntando a un
• 1:22:14
  Speaker 3: lanzamiento tan pronto como otoño de 2026. Pero bueno, todo esto
• 1:22:21
  Speaker 3: se puede retrasar y se han comprometido de manera oficial
• 1:22:25
  Speaker 3: a no ir más allá de mayo de 2027. Roman está
• 1:22:31
  Speaker 3: pensado para ofrecer vistas profundas, amplias y nítidas del cosmos
• 1:22:36
  Speaker 3: y para transformar campos enteros desde la energía oscura hasta
• 1:22:42
  Speaker 3: la búsqueda de exoplanetas. Cuando ese tipo de observatorio entre
• 1:22:47
  Speaker 3: plenamente en funcionamiento, el volumen y la riqueza del dato
• 1:22:52
  Speaker 3: harán todavía más central la inteligencia artificial como capa de
• 1:22:56
  Speaker 3: lectura inicial. A esto vamos a añadir que os he
• 1:23:03
  Speaker 3: hablado del SKA, el gigantesco proyecto de radioastronomía que seguramente
• 1:23:09
  Speaker 3: alguno dirá¿ Habréis pensado antes qué es esto cuando lo
• 1:23:12
  Speaker 3: he mencionado? Pues veréis, en enero de 2026, SKAO anunció que
• 1:23:17
  Speaker 3: SK Mate en Sudáfrica había alcanzado el hito de First Fringes.
• 1:23:34
  Speaker 3: usando dos antenas, es decir, que por primera vez funcionaba
• 1:23:38
  Speaker 3: como interferómetro real. Vamos, que puede parecer una noticia bastante técnica,
• 1:23:44
  Speaker 3: ya lo sé, pero no lo es. Es una señal
• 1:23:49
  Speaker 3: de que la radioastronomía del futuro está empezando a ponerse
• 1:23:54
  Speaker 3: de pie. Y cuando SKA escale de verdad, la intensidad
• 1:23:59
  Speaker 3: de datos y la complejidad del análisis serán tan colosales
• 1:24:03
  Speaker 3: que la automatización inteligente no será un complemento elegante, sino
• 1:24:09
  Speaker 3: una pieza estructural de la investigación diaria. Y es que
• 1:24:14
  Speaker 3: el manejo de datos tan grandes, amigos, tiene que ser
• 1:24:18
  Speaker 3: con inteligencia artificial, es que si no es imposible. Y, ojo,
• 1:24:24
  Speaker 3: por si esto fuera poco, nos quedan ir a ese
• 1:24:30
  Speaker 3: otro lado, al otro lado de esa frontera donde aparece
• 1:24:34
  Speaker 3: el ELT de ESO. Su cronograma oficial sigue indicando que
• 1:24:41
  Speaker 3: la estructura principal del telescopio se prevé completar a finales de 2026,
• 1:24:47
  Speaker 3: aunque ESO reconoció en diciembre de 2025 retrasos generales del proyecto
• 1:24:52
  Speaker 3: y situó la primera luz en marzo de 2029 y las
• 1:24:57
  Speaker 3: primeras observaciones científicas para diciembre de 2030. Aún así, el mensaje
• 1:25:06
  Speaker 3: de fondo no cambia. Viene una generación de instrumentos tan
• 1:25:10
  Speaker 3: extrema en sensibilidad y en ambición que hará de la
• 1:25:14
  Speaker 3: combinación entre gran observatorio y análisis algorítmico una condición casi
• 1:25:20
  Speaker 3: natural de la astronomía del siglo XXI. Entonces, hagamos un KitKat,
• 1:25:35
  Speaker 3: hagamos una pausa aquí, porque¿ qué oportunidades reales se abren?
• 1:25:41
  Speaker 3: La primera es evidente, encontrar más. Más transitorios, más exoplanetas,
• 1:25:49
  Speaker 3: más galaxias raras, más lentes gravitatorias, más anomalías, estructuras débiles,
• 1:25:55
  Speaker 3: relaciones ocultas entre conjuntos de datos distintos. La segunda, quizá
• 1:26:02
  Speaker 3: más importante, es entender mejor. Porque la inteligencia artificial no
• 1:26:08
  Speaker 3: solo puede multiplicar la cantidad de objetos detectados, también puede
• 1:26:14
  Speaker 3: ayudarnos a leer poblaciones completas, a conectar señales que antes
• 1:26:19
  Speaker 3: estaban dispersas y a encontrar regularidades tan sutiles que con
• 1:26:25
  Speaker 3: métodos tradicionales sencillamente se perdían. Pero en todo esto hay
• 1:26:40
  Speaker 3: que destacar que tenemos una oportunidad aún más profunda. Porque
• 1:26:45
  Speaker 3: la inteligencia artificial puede cambiar el tipo de preguntas que
• 1:26:48
  Speaker 3: somos capaces de hacer. Y eso es enorme. Una ciencia
• 1:26:54
  Speaker 3: basada en muestras limitadas formula preguntas diferentes a una ciencia
• 1:26:59
  Speaker 3: capaz de analizar casi en tiempo real cielos completos, archivos
• 1:27:04
  Speaker 3: históricos inmensos y poblaciones grandes. de millones o miles de
• 1:27:09
  Speaker 3: millones de objetos. Cuando una disciplina gana escala operativa, gana
• 1:27:17
  Speaker 3: también imaginación metodológica, eso está claro, empieza a preguntarse no
• 1:27:22
  Speaker 3: sólo qué existe, sino qué patrones emergen globalmente, qué anomalías
• 1:27:28
  Speaker 3: no encajan en ninguna taxonomía previa, qué regularidades aparecen entre
• 1:27:34
  Speaker 3: dominios distintos. Y ahí es donde el método científico se
• 1:27:40
  Speaker 3: expande de verdad. Ahora bien, amigos de mía, si en
• 1:27:51
  Speaker 3: este bloque, en esta sección, hablara solo de oportunidades, sería incompleto.
• 1:28:00
  Speaker 3: También hay riesgos. Y ojo, no hablo de riesgos apocalípticos
• 1:28:05
  Speaker 3: de película. sino riesgos científicos muy concretos. El primero es
• 1:28:12
  Speaker 3: la opacidad. Si un modelo clasifica, prioriza o señala algo
• 1:28:18
  Speaker 3: como relevante, pero no entendemos suficientemente por qué lo ha hecho,
• 1:28:23
  Speaker 3: corremos el riesgo de depender de una capa negra dentro
• 1:28:26
  Speaker 3: del proceso de descubrimiento. El segundo es el sesgo. Todavía
• 1:28:33
  Speaker 3: aprende de datos concretos. Y esos datos arrastran limitaciones, vacíos
• 1:28:39
  Speaker 3: o desequilibrios. El sistema va a tender a reproducirlos. Y
• 1:28:46
  Speaker 3: el tercero es la falsa sensación de objetividad. Cuanto más
• 1:28:50
  Speaker 3: sofisticado parece un algoritmo, más fácil es olvidar que sigue
• 1:28:54
  Speaker 3: siendo una construcción humana con supuestos, decisiones de diseño y
• 1:28:59
  Speaker 3: errores posibles. por lo que NASA no para de insistir
• 1:29:05
  Speaker 3: en que es precisamente esto, en que la IA, responsable,
• 1:29:10
  Speaker 3: debe ser fiable, explicable y gobernada con muchísimo cuidado. Hay
• 1:29:19
  Speaker 3: otro riesgo más sutil, que a mí me parece especialmente importante,
• 1:29:25
  Speaker 3: y es el de acostumbrarnos a que el algoritmo decida
• 1:29:27
  Speaker 3: primero qué merece asombro. porque una parte esencial de la
• 1:29:31
  Speaker 3: ciencia no consiste solo en confirmar lo esperable, sino en
• 1:29:36
  Speaker 3: tropezar con lo raro, con lo que nadie había pensado buscar,
• 1:29:40
  Speaker 3: con lo que no encaja bien en nuestros moldes previos.
• 1:29:45
  Speaker 3: Si afinamos demasiado las herramientas para detectar solo aquello que
• 1:29:48
  Speaker 3: ya sabemos describir, podríamos volvernos más eficientes, sí, pero también
• 1:29:55
  Speaker 3: más estrechos. La gran promesa de la IA está precisamente
• 1:30:01
  Speaker 3: en ayudarnos a encontrar lo inesperado. La gran tentación sería
• 1:30:07
  Speaker 3: usarla solo para ordenar lo que ya conocemos. Y esa tensión,
• 1:30:12
  Speaker 3: pues os podéis imaginar, va a ser la que defina
• 1:30:14
  Speaker 3: buena parte de la astronomía de la próxima década. Por
• 1:30:21
  Speaker 3: eso el futuro interesante no es humanos contra máquinas. es
• 1:30:27
  Speaker 3: humanos con máquinas, pero de una manera madura. La IA
• 1:30:33
  Speaker 3: como extensión de la mirada, no como sustituto del juicio.
• 1:30:38
  Speaker 3: La automatización como filtro inicial, no como última palabra. La
• 1:30:44
  Speaker 3: velocidad como ventaja, desde luego que sí, no como una
• 1:30:48
  Speaker 3: excusa para rebajar el rigor. De nuevo vamos a NASA
• 1:30:54
  Speaker 3: porque en la documentación reciente... esa idea aparece una y
• 1:30:59
  Speaker 3: otra vez. La IA puede acelerar el conocimiento, pero el
• 1:31:04
  Speaker 3: objetivo no es desplazar al científico, sino ampliar su capacidad
• 1:31:09
  Speaker 3: para descubrir, interpretar y decidir. Y eso, bien entendido, no
• 1:31:15
  Speaker 3: empobrece el método científico. Lo hace mucho más potente. por
• 1:31:23
  Speaker 3: lo que si todo sale bien, lo que viene, amigos,
• 1:31:26
  Speaker 3: puede ser absolutamente extraordinario. Y no solo porque veremos galaxias
• 1:31:32
  Speaker 3: más antiguas o exoplanetas más esquivos o fenómenos transitorios más raros,
• 1:31:39
  Speaker 3: sino porque empezaremos a leer el universo con una profundidad nueva.
• 1:31:44
  Speaker 3: Una profundidad donde telescopios gigantes, archivos monstruosos, análisis algorítmicos y
• 1:31:51
  Speaker 3: juicio humano, formen parte de la misma conversación. Una conversación
• 1:31:58
  Speaker 3: en la que cada noche de observación puede convertirse en
• 1:32:02
  Speaker 3: millones de preguntas potenciales y en la que el desafío
• 1:32:06
  Speaker 3: ya no será sólo captar luz, sino convertir esa luz
• 1:32:09
  Speaker 3: en conocimiento sin perder la capacidad de asombro. Por lo
• 1:32:18
  Speaker 3: que al final... quizás sea la imagen más justa de
• 1:32:21
  Speaker 3: este momento histórico. No estamos fabricando máquinas para que miren
• 1:32:27
  Speaker 3: el cielo en nuestro lugar. Estamos construyendo compañeros de lectura
• 1:32:32
  Speaker 3: para no ahogarnos en la inmensidad de lo que ya
• 1:32:35
  Speaker 3: somos capaces de observar. La IA no reemplaza el misterio
• 1:32:41
  Speaker 3: del cosmos, lo vuelve más legible. Y precisamente por eso,
• 1:32:46
  Speaker 3: por primera vez en mucho tiempo, La ciencia se parece
• 1:32:50
  Speaker 3: otra vez a una gran expedición, no sólo hacia el espacio,
• 1:32:55
  Speaker 3: sino hacia una manera nueva de comprenderlo. Y después, queridos
• 1:33:30
  Speaker 3: amigos de mía, después de todo este viaje, quizá la
• 1:33:33
  Speaker 3: idea más importante no sea que tenemos telescopios mejores, desde luego.
• 1:33:37
  Speaker 3: Ni siquiera que tenemos algoritmos más sofisticados. La idea verdaderamente
• 1:33:43
  Speaker 3: profunda es otra. Estamos cambiando la relación entre la mente
• 1:33:48
  Speaker 3: humana y el universo. El universo sigue ahí, desde luego,
• 1:33:54
  Speaker 3: pero nosotros ya no lo miramos igual. Durante siglos miramos
• 1:34:00
  Speaker 3: al cielo con los ojos desnudos. Después lo hicimos con lentes.
• 1:34:05
  Speaker 3: Luego con espejos gigantes, con detectores, con satélites, con espectrógrafos,
• 1:34:12
  Speaker 3: con radioantenas. con observatorios repartidos por la Tierra y más
• 1:34:18
  Speaker 3: allá de ella. Cada salto nos dio más alcance, más detalle,
• 1:34:24
  Speaker 3: más profundidad, más verdad. Pero lo que está ocurriendo ahora
• 1:34:30
  Speaker 3: no consiste solo en ver más. Consiste en aprender a
• 1:34:35
  Speaker 3: pensar a otra escala. Porque el cosmos ya no se
• 1:34:39
  Speaker 3: nos presenta como una colección limitada de objetos extraordinarios. se
• 1:34:44
  Speaker 3: nos presenta como un flujo inmenso de información, de protones,
• 1:34:48
  Speaker 3: de todo tipo, de cambios, de señales débiles, de estructuras
• 1:34:53
  Speaker 3: invisibles a simple vista, de relaciones que ninguna mente individual
• 1:34:58
  Speaker 3: puede abarcar sola. Y ahí es donde la inteligencia artificial
• 1:35:04
  Speaker 3: entra en escena, no como un truco, ni como una moda,
• 1:35:08
  Speaker 3: ni como un atajo fácil, sino como una nueva herramienta
• 1:35:13
  Speaker 3: de lectura. Una herramienta que no siente asombro, que no sueña,
• 1:35:19
  Speaker 3: que no intuye como nosotros, pero que puede ayudarnos a encontrar,
• 1:35:24
  Speaker 3: en medio del ruido del universo, aquellas formas, aquellas rarezas
• 1:35:30
  Speaker 3: y aquellas preguntas que merecen ser perseguidas. Desde luego que
• 1:35:39
  Speaker 3: esto no va a reducir en nada la grandeza de
• 1:35:41
  Speaker 3: la ciencia. Yo creo que la va a multiplicar. Sí
• 1:35:46
  Speaker 3: que es cierto que algunos temen que al introducir la
• 1:35:48
  Speaker 3: IA en la astronomía, el descubrimiento pierda alma. Que algo
• 1:35:54
  Speaker 3: del viejo gesto humano se diluya. Que el cielo deje
• 1:35:58
  Speaker 3: de ser contemplación para convertirse en puro procesamiento. Y yo
• 1:36:04
  Speaker 3: creo que aquí ocurre justo lo contrario. Creo que cuanto
• 1:36:08
  Speaker 3: más capaces somos de leer el cosmos, más conscientes nos
• 1:36:13
  Speaker 3: volvemos de su desmesura. La máquina no nos va a
• 1:36:18
  Speaker 3: robar el misterio. Nos va a obligar a enfrentarnos a
• 1:36:21
  Speaker 3: un misterio todavía mayor. Antes el límite estaba en la distancia. Hoy,
• 1:36:30
  Speaker 3: muchas veces, el límite está en la comprensión. Podemos detectar
• 1:36:36
  Speaker 3: galaxias nacidas cerca del amanecer cósmico. También podemos seguir miles
• 1:36:42
  Speaker 3: de candidatos a exoplanetas. recibir millones de alertas en una
• 1:36:47
  Speaker 3: sola noche, rastrear anomalías escondidas en archivos inmensos. Podemos empezar
• 1:36:54
  Speaker 3: a cartografiar el universo con una precisión que hace pocos
• 1:36:57
  Speaker 3: años simplemente sonaba desproporcionada. Pero cuanto más abrimos esa puerta,
• 1:37:05
  Speaker 3: más evidente se vuelve una verdad antigua. Saber más no
• 1:37:11
  Speaker 3: simplifica el universo. Lo vuelve más hondo, lo vuelve más
• 1:37:16
  Speaker 3: profundo y aún más interesante. Yo creo que eso es
• 1:37:26
  Speaker 3: lo más maravilloso de esto, porque la ciencia no está
• 1:37:29
  Speaker 3: perdiendo poesía al volverse más precisa. Está ganando una nueva
• 1:37:35
  Speaker 3: forma de asombro. Un asombro más adulto, sí, pero también
• 1:37:39
  Speaker 3: a la vez más exigente y más hermoso. Un asombro
• 1:37:43
  Speaker 3: que no nace de rellenar vacíos con fantasías, sino de
• 1:37:46
  Speaker 3: descubrir que la realidad, cuando se mira bien, supera con
• 1:37:51
  Speaker 3: frecuencia cualquier simplificación. La IA puede hacer muchas cosas, eso
• 1:37:58
  Speaker 3: lo tenemos claro. Desde ayudarnos a clasificar galaxias hasta, pues,
• 1:38:04
  Speaker 3: separar una señal auténtica de un espejismo, rescatar objetos olvidados
• 1:38:09
  Speaker 3: en viejos archivos… reaccionar a tiempo ante un cielo que
• 1:38:14
  Speaker 3: cambia demasiado deprisa, incluso a formular preguntas nuevas. Pero hay
• 1:38:20
  Speaker 3: algo que sigue siendo profundamente humano. La decisión de preguntar,
• 1:38:26
  Speaker 3: la valentía de dudar, la intuición de que una anomalía importa,
• 1:38:33
  Speaker 3: la necesidad de comprender y la emoción profunda de saber
• 1:38:37
  Speaker 3: que estamos mirando algo real, remoto, antiguo, y absolutamente extraordinario.
• 1:38:50
  Speaker 3: Sí que, mis queridos amigos, lo sé, ya estamos llegando
• 1:38:53
  Speaker 3: al final de este paseo por la inteligencia artificial y
• 1:38:56
  Speaker 3: el cosmos. Por eso el futuro quizás sea más interesante.
• 1:39:02
  Speaker 3: No será el de máquinas haciendo ciencia por sí solas,
• 1:39:06
  Speaker 3: desde luego que no. Va a ser el de una
• 1:39:08
  Speaker 3: alianza cada vez más íntima entre instrumentación, matemáticas, inteligencia artificial
• 1:39:16
  Speaker 3: y pensamiento humano. Va a ser una buena alianza, no
• 1:39:22
  Speaker 3: lo dudéis, las máquinas van a rastrear mucho más deprisa.
• 1:39:27
  Speaker 3: Pero donde siga siendo el ser humano quien otorgue el significado,
• 1:39:32
  Speaker 3: quien una el dato con la idea, la señal con
• 1:39:36
  Speaker 3: la historia, la observación con la pregunta esencial. Y esa pregunta,
• 1:39:52
  Speaker 3: para vosotros, para mí, para todo el mundo, en el fondo,
• 1:39:56
  Speaker 3: sigue siendo la misma que nos acompaña desde el principio.¿
• 1:40:01
  Speaker 3: Qué lugar ocupamos en todo esto? Porque cuando observamos una
• 1:40:07
  Speaker 3: galaxia nacida cerca del origen del tiempo, cuando detectamos un
• 1:40:11
  Speaker 3: planeta alrededor de otra estrella, cuando reconstruimos la arquitectura invisible
• 1:40:16
  Speaker 3: del universo, o cuando dejamos... que una IA nos ayude
• 1:40:21
  Speaker 3: a encontrar una rareza perdida en medio de millones de objetos,
• 1:40:25
  Speaker 3: no estamos solo acumulando conocimiento, estamos ensayando una respuesta. Una
• 1:40:35
  Speaker 3: respuesta todavía incompleta, todavía frágil, todavía provisional, pero cada vez
• 1:40:42
  Speaker 3: más nítida. la respuesta es que el ser humano no
• 1:40:49
  Speaker 3: se limita a vivir bajo el cosmos está intentando leerlo
• 1:40:54
  Speaker 3: traducirlo intenta entender por qué existe algo en vez de
• 1:40:59
  Speaker 3: nada por qué el universo adopta esta forma y no
• 1:41:03
  Speaker 3: otra por qué la materia se organiza por qué nacen
• 1:41:07
  Speaker 3: estrellas por qué mueren galaxias por qué la luz tarda
• 1:41:12
  Speaker 3: miles de millones de años en traernos una noticia del
• 1:41:15
  Speaker 3: pasado y por qué En medio de toda esa inmensidad
• 1:41:20
  Speaker 3: ha aparecido una especie capaz de hacerse estas preguntas. Tal
• 1:41:26
  Speaker 3: vez esa sea la imagen más poderosa de esta época.
• 1:41:30
  Speaker 3: No un telescopio solo, tampoco una máquina sola, sino una
• 1:41:35
  Speaker 3: civilización entera levantando nuevos ojos y nuevas formas de análisis
• 1:41:39
  Speaker 3: para seguir preguntándole al universo quién es. Y de paso,
• 1:41:45
  Speaker 3: quiénes somos nosotros. Porque al final, en eso consiste todo esto.
• 1:42:00
  Speaker 3: En construir herramientas cada vez más precisas para acercarnos a
• 1:42:04
  Speaker 3: una verdad que siempre se aleja un poco más. En
• 1:42:09
  Speaker 3: aceptar que cada respuesta abre nuevas preguntas. En comprender que
• 1:42:15
  Speaker 3: el progreso científico no apaga el misterio, lo afina. Y
• 1:42:21
  Speaker 3: quizá por eso este momento es tan extraordinario. porque estamos
• 1:42:26
  Speaker 3: viviendo el instante en que la astronomía deja de ser
• 1:42:29
  Speaker 3: solo contemplación ampliada y se convierte en una conversación a
• 1:42:33
  Speaker 3: otra escala. Una conversación entre la luz más antigua del cosmos,
• 1:42:40
  Speaker 3: los observatorios más ambiciosos que hemos construido, las inteligencias artificiales
• 1:42:46
  Speaker 3: que empiezan a ayudarnos a leer esa luz y la
• 1:42:49
  Speaker 3: conciencia humana, que sigue siendo el lugar donde todo eso
• 1:42:54
  Speaker 3: adquiere sentido. El universo sigue ahí, inmenso, indiferente, desbordante. Pero
• 1:43:05
  Speaker 3: nosotros ya no lo miramos igual. Y quizá ese sea
• 1:43:11
  Speaker 3: el verdadero gran salto de nuestra era. No que las
• 1:43:15
  Speaker 3: máquinas hayan empezado a leer el cielo, sino que gracias
• 1:43:18
  Speaker 3: a ellas estamos aprendiendo, por fin, a escuchar mejor lo
• 1:43:23
  Speaker 3: que el cosmos lleva diciendo desde el principio. Muchísimas gracias
• 1:43:40
  Speaker 3: a todos por estar ahí. Al campeón o campeona o
• 1:43:46
  Speaker 3: campeones que hayáis terminado este podcast, pues muchísimas gracias porque
• 1:43:52
  Speaker 3: hay mucha información bien explicada y sobre todo abriendo la
• 1:43:58
  Speaker 3: esperanza y mejorando un poquito el conocimiento sobre la inteligencia artificial.
• 1:44:06
  Speaker 3: Que sí, que cada vez saldrán más y harán más
• 1:44:08
  Speaker 3: cosas y las empresas especializadas se hincharán a ganar miles
• 1:44:13
  Speaker 3: de millones. También invierten miles de millones. Es un juego
• 1:44:19
  Speaker 3: al que nosotros no podemos jugar, desde luego. Pero sí
• 1:44:24
  Speaker 3: que podemos observar, disfrutar y luego trabajar con los resultados.¿
• 1:44:30
  Speaker 3: Por qué no? Es un proceso abierto para todos, para
• 1:44:33
  Speaker 3: ti y para mí. Lo estamos viendo todos los días.
• 1:44:40
  Speaker 3: Ahora le hacemos consultas al chat GPT, a Perplexity, a
• 1:44:45
  Speaker 3: la que sea. Y cada vez van mejor, son mejores
• 1:44:50
  Speaker 3: respuestas más completas y sobre todo, algo que parecía tan
• 1:44:55
  Speaker 3: complejo se hace de una manera increíblemente sencilla.¿ Por qué
• 1:45:04
  Speaker 3: creéis que ahora mismo con sencillos aparatos puedes traducir en
• 1:45:07
  Speaker 3: tiempo real una conversación que te están hablando de frente
• 1:45:12
  Speaker 3: una persona y ahora ya con unos casquitos ya puedes traducir?
• 1:45:15
  Speaker 3: Eso es inteligencia artificial. Y como eso, tantas cosas. Espero
• 1:45:29
  Speaker 3: que os haya gustado este trayecto por el universo y
• 1:45:32
  Speaker 3: por la inteligencia artificial. Muchísimas gracias de nuevo a todos
• 1:45:36
  Speaker 3: por estar como siempre a ese otro lado. Nos vemos
• 1:45:40
  Speaker 3: dentro de siete días o lo que viene siendo la
• 1:45:44
  Speaker 3: semana que viene. Gracias por ver el video.