criterio de información

Un intérprete en una negociación no escucha cada palabra: capta el sentido de frases enteras. En microscopía electrónica ocurre algo parecido: hay que saber qué grosor tiene el cristal y con qué inclinación está en el haz, y solo se cuenta con el patrón de difracción, un dibujo de miles de puntos claros y oscuros.

En la década de 1980, la competencia de reconocimiento de voz de DARPA puso fin al debate entre métodos estadísticos y reglas escritas a mano, estableciendo un estándar unificado para todo el campo.

En el almacén hay cajas con manzanas y peras. Hay muchas manzanas y pocas peras. Pero cuando el encargado dice «fruta con piel lisa», por alguna razón recordamos más a menudo la rara pera que la frecuente manzana. Eso es el efecto de la tasa base inversa: un fallo persistente en cómo el cerebro resuelve la ambigüedad entre categorías.

Una computadora cuántica es como un copo de nieve frágil sobre una palma cálida. El más mínimo soplo de calor o una ligera vibración, y se convierte en una gota. Para que el copo sobreviva, se corrige constantemente, restaurando su forma original. Esto es la corrección de errores cuánticos.

Un puerto de montaña conecta dos valles. En uno, la proteína está plegada; en el otro, desplegada. Para pasar de uno a otro, hay que cruzar la silla, el punto más alto del camino. En la ciencia de las proteínas, este punto se llama estado de transición, y la coordenada que indica la distancia hasta él se denomina commitador.

Una estrella de neutrones es el núcleo que fue de una estrella masiva, comprimido hasta el tamaño de una ciudad. Una cucharadita de su materia pesa como una montaña. Pero dentro de esta esfera ultradensa puede esconderse una sorpresa: bajo una presión inimaginable, los neutrones se descomponen en quarks y la estrella adquiere un núcleo nuevo, más compacto.

En combate, un piloto necesita entender al instante qué objeto es y cuáles son sus intenciones. Los sistemas convencionales esperan datos completos del radar, como un portero que solo reacciona después del disparo. El nuevo algoritmo funciona como un portero experimentado: a partir de los primeros movimientos del delantero, predice la maniobra del objetivo.

Un IA común ve las imágenes médicas como rompecabezas de fragmentos desconocidos: dos imágenes no emparejadas las considera completamente diferentes. Es como intentar distinguir a gemelos sin saber que son familia. En medicina, los pacientes con la misma enfermedad se ven casi iguales en la resonancia, y el algoritmo se equivoca al confundir a los «parientes».

Un panel inteligente para controlar las ondas de radio, que viajan a la velocidad de la luz, funciona como una orquesta: cientos de elementos diminutos, los «instrumentos», cambian la fase (el momento de entrada) según las órdenes del voltaje. De esta manera, toda la superficie dirige el haz hacia la dirección deseada, como el sonido en una sala.

Un grupo de búsqueda rastrea un campo brumoso. Al principio, las personas se dispersan ampliamente: una alta 'temperatura' de búsqueda significa una gran variedad de intentos. Al encontrar un rastro, se acercan. Pero la velocidad de acercamiento es crítica: si se estrecha el círculo demasiado pronto, el mejor hallazgo quedará fuera.

Evaluar la calidad de una imagen es tarea de un inspector meticuloso con un juego de herramientas. La red neuronal IQA-T1 actúa exactamente así: no solo observa la imagen, sino que aplica ora un espectroscopio, ora un luxómetro.

En una habitación ruidosa, una persona distingue la voz deseada gracias a los dos oídos, que captan la diferencia en la llegada del sonido. Una computadora con varios micrófonos actúa de la misma manera: recibe pistas espaciales, de dónde habla cada uno. Antes, estas pistas se usaban para enfocarse en una sola dirección, como el haz de una linterna.

El flotador en el tanque del inodoro es un controlador ideal: al detectar el nivel de agua, lleva instantáneamente el sistema al equilibrio sin mirar al pasado. Los ingenieros aplicaron este principio a las redes neuronales.

Una computadora cuántica se parece a una orquesta sin director: cada cúbit es un músico, y el más mínimo fallo arruina toda la sinfonía. Para que la música no se convierta en cacofonía, se inventaron los códigos cuánticos que corrigen errores.

En un mapa topográfico, las gotas de lluvia eligen su camino: al caer en una ladera, fluyen hacia el río A; en otra, hacia el río B. El observador solo ve los meandros de los ríos (variables de respuesta Y) y sabe de qué ladera proviene el agua (instrumento Z), pero no ve las gotas en sí (factores no observables ε).

Los modelos estadísticos son un intento de tender una telaraña matemática perfecta sobre el paisaje irregular de los datos. Cuando el modelo se resiste, emite tensión, pero nos hemos acostumbrado a ignorarla. Los investigadores pasan horas escudriñando gráficos de residuos, tratando de adivinar dónde el modelo «cruje por las costuras». Squealer traduce esa resistencia en sonido.

Cada semana, los médicos hacen millones de preguntas a los asistentes de IA junto a la cama del paciente. Pero estas herramientas suelen evaluarse con ejercicios de examen, no con lo que se pregunta en una clínica real. Un grupo de investigadores decidió cambiar eso. Reunieron 620 preguntas reales de doctores de 30 especialidades, desde cardiología hasta oncología.

Un chef no gasta ingredientes preparando el plato entero para probar el sabor; simplemente prueba una gota de salsa. La misma lógica está en el método de ‘emparejamiento informativo’ para predecir la resistencia de los metales.

Un laboratorio envía a un robot una lista de mil moléculas candidatas para un nuevo fármaco. El robot predictor, entrenado con datos antiguos, da para cada una una evaluación de 'apta o no apta'. Pero cuando la lista proviene de un área desconocida —otro virus o un tumor raro—, el robot empieza a confundirse. Su confianza sigue siendo alta, pero los aciertos reales caen a cero.

Pruebas un plato en un restaurante, pero no has visto el menú. Le haces preguntas al camarero: ¿está muy salado? ¿qué especias tiene? — y por las respuestas intentas adivinar qué chef lo preparó.

El termostato mantiene la habitación a 20 grados. Abre la ventana en invierno y encenderá la calefacción para recuperar el equilibrio. El cerebro hace algo parecido: predice constantemente lo que ocurrirá en el instante siguiente y se corrige si se equivoca. Así aprende.

Dos especialistas observan la misma imagen de una mama. Uno es un médico experimentado; el otro, un programa de inteligencia artificial. A veces sus opiniones coinciden, a veces divergen. De la frecuencia con la que se ponen de acuerdo depende la precisión con la que, juntos, distinguen el tejido sano del tumor.

Si escribes la receta de una proteína en una hoja y la envías a la imprenta, una errata en una sola letra puede arruinar toda la tirada. La célula se enfrenta al mismo problema cuando copia su ADN, una larga instrucción compuesta por cuatro "letras" químicas.

La mano descansa sobre la mesa y llegan dos vibraciones cortas a la muñeca, una tras otra. Hay que decir cuál es más fuerte. La tarea parece simple, pero la respuesta depende de cuál vibración fue primero. Si la primera es débil y la segunda fuerte, la diferencia parece mayor que cuando se invierten.

El mejor asistente de IA para científicos ha salido peor en el examen que un estudiante mediocre en un control. Solo un 21% de respuestas correctas, y eso es el techo para los cuatro modelos más potentes. Los problemas de la nueva prueba no los escribieron programadores, sino estudiantes de posgrado: personas que lidian a diario con la ciencia real. La prueba se llama COMPOSITE-STEM.

Un cuchillo de cocina y un pelador de verduras por separado sirven para distintas tareas, pero cuando un cocinero aprende una receta nueva, a menudo agarra el mismo cuchillo para todo. Parece que el cerebro hace algo similar cuando aprende una nueva habilidad para distinguir imágenes.

Para distinguir una proteína de otra, es necesario describir su forma y composición. Existen decenas de estas descripciones: longitud de la molécula, carga, solubilidad. Pero no todas son igualmente útiles. Un método llamado Differentiable Information Imbalance (DII) sabe seleccionar las características más informativas, descartando las superfluas.

Los antiguos registros meteorológicos guardan sorpresas: la columna del termómetro salta de repente medio grado, no por el clima, sino porque en la estación cambiaron el instrumento. Estos cambios bruscos en los datos se denominan puntos de cambio, y separarlos de las verdaderas señales climáticas es una tarea con la que lidian los estadísticos.

Las zeolitas, minerales porosos, funcionan como esponjas diminutas con orificios de un tamaño estrictamente definido. A través de esos orificios pasan moléculas de un tipo y se quedan atrapadas otras; así funcionan la purificación del agua, la separación de gases y la catálisis en la petroquímica.

El médico observa una imagen del seno para encontrar una masa sospechosa. Si la imagen es bonita y suave, pero la masa desapareció, de poco sirve. Con este problema se encontraron los investigadores que desarrollaron una nueva forma de probar los programas para la tomografía fotoacústica.

El intérprete se distrae con cada susurro en la sala, y una reunión de una hora se convierte en dos. Algo parecido ocurre en la lucha contra una epidemia: el servicio de rastreo de contactos intenta reconstruir la cadena de contagios, pero siempre se le escapa algo.

El microscopio de fluorescencia se parece a un fotógrafo que dispara en la oscuridad: cuantas más fotos, mejor se ve, pero cada foto cuesta fotones. En una célula viva, el suministro es limitado; de lo contrario, la luz simplemente mataría la muestra.

Las corrientes oceánicas se entrelazan como una telaraña pegajosa: cada perturbación deja una huella que no desaparece al instante. Los climatólogos solían tratar los empujones aleatorios en esa telaraña como invisibles y sin memoria, pero una nueva investigación muestra que el ruido tiene memoria, y esa memoria refuerza los vínculos entre nodos distantes.