Inteligencia Artificial

Los expertos predicen lo cerca que está la inteligencia artificial (IA) de superar la prueba más dura del mundo

¿Puede entregarnos la traducción de una antigua escritura palmirena hallada en una lápida romana? ¿Cuántos pares de tendones sostiene un hueso sesamoideo concreto en un colibrí?

Éstas son solo dos de las muchas, variadas y desafiantes preguntas que se presentan al último examen de la humanidad (se abrirá en una nueva ventana), o HLE, la prueba aparentemente irresoluble reservada solo a los mejores y más brillantes. Pero no es para nosotros.

Prueba académica definitiva para la IA

No deje que el nombre apocalíptico le engañe. El HLE no trata de que los humanos se vuelvan irrelevantes. Se trata de celebrar lo que sabemos que la IA aún no puede tocar. Se creó para determinar si los modelos de IA como ChatGPT y Gemini pueden responder a las preguntas más difíciles que se les ocurran a los expertos.

Básicamente, el HLE se diseñó específicamente para ver exactamente dónde falla la IA actual y qué queda fuera del alcance de la tecnología de IA existente. Este nuevo punto de referencia se presentó en un estudio publicado en la revista «Nature»(se abrirá en una nueva ventana).

El HLE es un verdadero esfuerzo de colaboración, con unas dos mil quinientas preguntas de cerca de mil colaboradores afiliados a más de quinientas instituciones de cincuenta países. Los colaboradores son principalmente expertos en ciencias, humanidades y artes, y abarcan más de cien campos altamente especializados.

«Lo que hizo extraordinario este proyecto fue la escala», comentó Tung Nguyen, profesor titular del Departamento de Informática e Ingeniería de Texas A&M, en un comunicado de prensa(se abrirá en una nueva ventana). «Esa diversidad es exactamente lo que deja al descubierto las lagunas de los sistemas de IA actuales: quizás irónicamente, son los humanos trabajando juntos».

Los sistemas de IA no superaron precisamente esta dura prueba, al menos al principio. Los primeros resultados en 2025 mostraron que muchas de las IA obtuvieron menos del 10 % en el examen. Sin embargo, en marzo de este año, Gemini 3.1 Pro alcanzó un 45,9 % de precisión, seguido de cerca por GPT-5.4 con un 40,3 %.

Superar los límites del conocimiento humano

«Cuando los sistemas de IA empiezan a rendir muy bien en pruebas de referencia humanas, es tentador pensar que se acercan a la comprensión humana», explica Nguyen. «Pero el HLE nos recuerda que la inteligencia no es solo el reconocimiento de patrones: es profundidad, contexto y experiencia especializada».

Nguyen contribuyó con setenta y tres de las preguntas -la segunda cifra más alta, y escribió el mayor número de preguntas en matemáticas e informática. «Por ahora, el último examen de la humanidad se erige como una de las evaluaciones más claras de la brecha entre la IA y la inteligencia humana, y a pesar de los rápidos avances tecnológicos, sigue siendo amplia».

Nguyen subrayó que cuando la IA supera las métricas tradicionales, la brecha resultante crea retos que van más allá de lo meramente académico. «Sin las herramientas de evaluación precisas, los responsables políticos, los desarrolladores y los usuarios corren el riesgo de malinterpretar lo que los sistemas de IA hacen realmente. Los puntos de referencia sirven de base para medir los avances e identificar los riesgos».

El HLE es una prueba de realidad para la IA, que demuestra que nuestro conocimiento único sigue poniendo el listón más alto de lo que cualquier algoritmo puede alcanzar. «No se trata de una carrera contra la IA», concluye Nguyen. «Es un método para entender dónde estos sistemas son fuertes y dónde tienen dificultades. Esa comprensión nos ayuda a construir tecnologías más seguras y fiables. Y, lo que es más importante, nos recuerda por qué la experiencia humana sigue siendo importante».

Los datos de satélites y ciudadanos alimentan indicadores de biodiversidad escalables, que ayudan a los planificadores, consultores y gestores a comparar riesgos, orientar estudios y actuar antes

Las decisiones sobre la biodiversidad dependen a menudo de datos incompletos. Un mismo lugar puede tener varias encuestas realizadas en distintos años por distintos equipos y con distintos métodos. Esto dificulta la comparación de las ubicaciones, la detección temprana de las tendencias y la explicación de las compensaciones cuando se plantean nuevas infraestructuras, usos del suelo o medidas de conservación.

El equipo del proyecto GUARDEN(se abrirá en una nueva ventana), financiado con fondos europeos, se propuso mejorar la situación con una práctica caja de herramientas de supervisión. Mediante la combinación de unos indicadores basados en satélites, la modelización de inteligencia artificial (IA), las plataformas de ciencia ciudadana, los sensores acústicos y las herramientas de realidad aumentada, pretende posibilitar actualizaciones más frecuentes de la información sobre la biodiversidad y los servicios ecosistémicos y apoyar la aplicación de esa información en la planificación del mundo real.

Indicadores satelitales y de IA a escala de paisaje

Los resultados más consistentes de GUARDEN proceden de la combinación de la observación de la Tierra con la modelización ecológica basada en IA. Como explica Pierre Bonnet, coordinador del proyecto, «en condiciones reales, la combinación de datos de observación de la Tierra con modelos ecológicos basados en IA demostró ser uno de los métodos de seguimiento más sólidos y escalables dentro de GUARDEN». Estos indicadores de hábitat obtenidos por satélite se diseñaron para que pudieran repetirse en diferentes paisajes y contextos de gobernanza, lo que permite realizar comparaciones entre zonas y contextos.

Para facilitar el uso de los resultados, el equipo de GUARDEN hizo accesible su conjunto de mapas a través de la herramienta cartográfica web GeoPl@ntNet(se abrirá en una nueva ventana). Este método funciona mejor cuando se trata de patrones a escala de paisaje y seguimiento de tendencias, mientras que las características locales a pequeña escala y las especies raras pueden seguir siendo difíciles de captar sin un trabajo de campo específico.

Métodos de combinación para reducir los ángulos muertos

En GUARDEN se trató la supervisión como un problema combinado, porque cada método se rompe de una manera diferente. Las observaciones de la ciencia ciudadana a través de plataformas específicas, como MINKA y Pl@ntNet, pueden proporcionar valiosos registros sobre el terreno; sin embargo, son sensibles a un esfuerzo de muestreo desigual y al sesgo del observador. Los sensores acústicos pueden ser muy repetibles, pero su rendimiento disminuye cuando las grabaciones quedan camufladas por el viento, la lluvia y la maquinaria o cuando las especies objetivo son escasas.

La conclusión que se obtiene en el proyecto es contundente: «Una lección clave fue que ningún método de control es suficiente por sí solo. Los resultados más fiables surgieron cuando las herramientas se combinaron explícitamente, al compensar cada una los ángulos muertos de las demás». Antes de que los datos entraran en los modelos, en GUARDEN se añadían capas de control de calidad que incluían comprobaciones de duplicados y anomalías, puntuación de confianza para las identificaciones, umbrales de incertidumbre y validación cruzada mediante conjuntos de datos de referencia y muestras revisadas por expertos.

Validación sobre el terreno, evaluación comparativa y cambios sobre el terreno

La validación fue iterativa, se mezclaron estudios de campo específicos, programas de seguimiento existentes, evaluaciones de expertos y observaciones ciudadanas. Un avance técnico notable fue la evaluación comparativa del marco de aprendizaje profundo de GUARDEN a través de los retos internacionales GeoLifeCLEF(se abrirá en una nueva ventana) y PlantCLEF(se abrirá en una nueva ventana), que proporcionaron referencias externas de rendimiento y ayudaron a calibrar los modelos.

Cuando los mapas y las observaciones sobre el terreno divergían, la solución era diagnosticar y ajustar en lugar de descartar. Bonnet señala: «Cuando surgían discrepancias entre las observaciones sobre el terreno y los resultados de los modelos, se trataban como señales de mejora y no como fallos». Entre las causas se incluyen las lagunas en los datos de formación, los efectos de escala y los factores de gestión local, con ajustes locales en caso necesario, incluidas las expectativas legales.

En la práctica, los frutos de GUARDEN han servido para revisar las opciones de trazado de las infraestructuras de transporte, han ayudado a concentrar los estudios de campo en los puntos conflictivos señalados por el modelo, han contribuido a priorizar la gestión de los hábitats periurbanos y han permitido detectar más rápidamente las especies potencialmente invasoras gracias a los datos de los ciudadanos.

El mayor experimento de creatividad del mundo puso a prueba la inteligencia artificial contra los humanos

Siempre hemos considerado la creatividad como un subproducto único de la conciencia humana, como un rasgo humano definitorio. Eso es lo que nos separa del mundo de la tecnología y las máquinas.

Sin embargo, investigaciones recientes han demostrado que ChatGPT ya puede superar a la persona media en tareas creativas. ¿Las máquinas pueden igualar o incluso superar la creatividad humana? ¿Se va a sustituir a personas creativas como escritores, diseñadores y artistas?

La inteligencia artificial frente a la creatividad humana

Un equipo de investigación dirigido por Karim Jerbi, del Departamento de Psicología de la Universidad de Montreal (Canadá), ha llevado a cabo la mayor comparación realizada hasta ahora entre la creatividad humana y la de las máquinas. Utilizando una prueba estándar de creatividad, enfrentaron a más de cien mil participantes de Australia, Canadá, Nueva Zelanda, Reino Unido y Estados Unidos con nueve de los sistemas de inteligencia artificial más avanzados.

Los resultados revelaron que GPT-4 obtuvo una puntuación superior a la media humana en la prueba. Gemini Pro de Google igualó el rendimiento humano medio.

Sin embargo, GPT-4 siguió utilizando las mismas palabras una y otra vez. «Microscopio» apareció en el 70 % de sus respuestas, seguido de «elefante» (60 %). Como era natural que los voluntarios evitaran repetirse, la palabra más común fue «coche» (1,4 %), seguida de «perro» (1,2 %) y luego «árbol» (1 %).

«Aunque la inteligencia artificial ya puede alcanzar el nivel de creatividad humana en determinadas pruebas, tenemos que ir más allá de este engañoso sentido de la competición», explicó Jerbi, coautor del estudio, en un comunicado de prensa(se abrirá en una nueva ventana). «La inteligencia artificial generativa se ha convertido sobre todo en una herramienta extremadamente poderosa al servicio de la creatividad humana: no sustituirá a los creadores, sino que transformará profundamente su forma de imaginar, explorar y crear, para aquellos que decidan utilizarla».

En el marco de la prueba, se pidió a los voluntarios que nombraran, en menos de cuatro minutos, diez palabras lo menos relacionadas posible entre sí. Un individuo puntuaba más alto en creatividad cuando los significados de las palabras estaban más alejados.

Triunfa el talento creativo

Por otra parte, el 10 % de las personas más creativas superó sistemáticamente a todos los sistemas de inteligencia artificial probados. Sus hallazgos se publicaron en la revista «Scientific Reports»(se abrirá en una nueva ventana).

Los investigadores también probaron modelos de inteligencia artificial y humanos en tareas de escritura creativa, como haikus, resúmenes de películas y relatos cortos. También en este caso, los individuos más creativos superaron a la inteligencia artificial, especialmente en poesía y sinopsis argumentales.

Un resultado interesante fue que GPT-4 Turbo, una versión más rápida, barata y mejorada de GPT-4, obtuvo resultados mucho peores en la prueba. Eso significa que los nuevos modelos de inteligencia artificial no son necesariamente más creativos. Los investigadores sugieren que eso se debe a que las nuevas versiones están diseñadas para ser más rápidas y rentables, posiblemente a expensas de la creatividad.

«Nuestro estudio demuestra que algunos sistemas de inteligencia artificial basados en grandes modelos lingüísticos ahora pueden superar la creatividad humana media en tareas bien definidas», comentó Jerbi. «El resultado puede resultar sorprendente —incluso inquietante—, pero nuestro estudio también pone de relieve una observación igualmente importante: incluso los mejores sistemas de inteligencia artificial siguen estando por debajo de los niveles alcanzados por los humanos más creativos».

«Al confrontar directamente las capacidades humanas y las de las máquinas, estudios como el nuestro nos empujan a replantearnos qué entendemos por creatividad», concluyó.
Imagen: © www.thesmartcityjournal.com

Este método innovador ayuda a reconocer situaciones de estrés psicológico o trauma respetando la privacidad de las personas que hablan, lo que podría tener grandes implicaciones en líneas de atención telefónica o servicios de telemedicina

La investigación, publicada recientemente en la revista científica Applied Sciences, ha desarrollado una tecnología que funciona utilizando una arquitectura denominada adversaria, que permite reconocer a personas que han sido víctimas de violencia de género a partir de biomarcadores relacionados con aspectos espectrales de la voz. “Este tipo de interpretación en las características del habla es muy parecido al que llevamos a cabo las personas de manera intuitiva. Nuestro estudio lo que hace es trasladar ese conocimiento a redes neuronales que, en cierta medida, imitan cómo procesa el cerebro humano este tipo de información”, explica una de las autoras del trabajo, Carmen Peláez Moreno, catedrática del Dpto. de Teoría de la Señal y Comunicaciones de la UC3M e investigadora de UC3M4Safety. 

Para llevar a cabo la investigación, el equipo trabajó con voluntarias que participaron en experimentos diseñados mediante realidad virtual. Durante las pruebas, las participantes visualizaron vídeos con y sin contenido violento, mientras se analizaban los cambios en su comportamiento y en su voz en función de las emociones experimentadas. “A partir de estas grabaciones observamos que existían comportamientos muy distintos ante los mismos estímulos entre personas que habían sufrido violencia y aquellas que no”, señala la investigadora. “Fue un hallazgo por serendipia: buscando otra cosa, descubrimos que era posible detectar si una persona había sido víctima de violencia únicamente analizando su señal de voz”.

Este avance abre la puerta a importantes aplicaciones prácticas. Por un lado, la tecnología podría utilizarse como herramienta de apoyo para la detección temprana y no invasiva de problemas de salud mental en entornos clínicos. Por otro, permitiría su integración en plataformas digitales como asistentes virtuales o recursos de atención social. Con ello, se facilitaría la identificación temprana de víctimas de violencia de género y se contribuiría a reducir el problema de la infradenuncia, ofreciendo apoyo especializado de forma más rápida y eficaz.

“Si conseguimos identificar indicios de violencia de género cuando una persona llama a una línea de ayuda, acude al médico o a un servicio social, podemos actuar antes de que ocurra un suceso fatal, e incluso antes de que la propia persona se reconozca como víctima, lo que facilitaría la recuperación psicológica de estas, que debe comenzar mucho antes de que los casos lleguen a los medios de comunicación”, concluye Carmen Peláez.

La investigación se enmarca en el proyecto Bindi, desarrollado por el equipo UC3M4Safety, cuyo objetivo es luchar contra la violencia de género mediante la prevención de agresiones, la recogida de pruebas y la asistencia temprana a las víctimas a través de la tecnología. El equipo de UC3M4Safety está liderado por Celia López Ongil y Clara Sainz de Baranda Andújar, e integra personal investigador del Instituto de Estudios de Género (IEG), de la Escuela Politécnica Superior y de todas las facultades de la UC3M, reuniendo a especialistas de más de quince áreas de conocimiento, entre ellas ingeniería, ciencias sociales y humanidades.

“El equipo ha intentando utilizar la tecnología en la resolución de problemas sociales porque creemos que puede ayudar en gran medida a luchas contra la violencia y contra la victimización, además de recuperar a las víctimas de su situación”, concluye la directora del IEG, Celia López Ongil, profesora del Dpto. de Tecnología Electrónica de la UC3M.

Referencia bibliográfica: 

Reyner Fuentes, E., Rituerto González, E., & Peláez-Moreno, C. (2025). Machine Unlearning for Speaker-Agnostic Detection of Gender-Based Violence Condition in Speech. Applied Sciences, 15(22), 12270. https://doi.org/10.3390/app152212270. e-archivo UC3M: https://hdl.handle.net/10016/49236 .

 La aplicación automatizada de políticas establece marcos de control, integra el cumplimiento en los procesos y refuerza la transparencia en toda la organización

Kyndryl, proveedor líder de servicios tecnológicos empresariales de misión crítica, ha anunciado una nueva capacidad para crear flujos de trabajo de IA agéntica gobernados por políticas, diseñada para ayudar a las organizaciones a escalar el uso de agentes de IA en entornos complejos y altamente regulados.

Esta innovación, denominada “policy as code”, permite traducir las normas internas, los requisitos regulatorios y los controles operativos de las organizaciones en políticas legibles por máquinas. Estas políticas gobiernan cómo se ejecutan los flujos de trabajo de IA agéntica, garantizando resultados coherentes, auditables y fiables, y reforzando la confianza en el uso de agentes de IA en procesos críticos.

Las empresas quieren aprovechar los beneficios de integrar la IA agéntica en sus operaciones, pero los desafíos en materia de seguridad, cumplimiento normativo y control siguen siendo un freno para su adopción a gran escala. De hecho, según el último Kyndryl Readiness Report, el 31% de los clientes señala las preocupaciones regulatorias o de cumplimiento como una de las principales barreras para ampliar sus inversiones tecnológicas recientes.

La capacidad “policy as code” de Kyndryl responde a estos retos al definir límites operativos claros y diseñar las acciones de los agentes para que sean comprensibles, revisables y alineadas con los requisitos empresariales y regulatorios definidos por el cliente. Este enfoque permite, además, reducir costes, acelerar la toma de decisiones, minimizar errores y habilitar flujos de trabajo nativos de IA, siempre bajo un marco de control previamente establecido.

“Policy as code” es un elemento clave del Kyndryl Agentic AI Framework, ya que aporta una capa lógica de control que gobierna dinámicamente cómo los agentes de IA se ejecutan, interactúan y operan entre distintos sistemas. Este enfoque se apoya en la experiencia de Kyndryl tras décadas gestionando entornos empresariales complejos y en las casi 190 millones de automatizaciones que la compañía gestiona cada mes en sistemas de misión crítica. Esta base operativa permite un mayor control sobre los agentes, facilita entender cómo y por qué toman decisiones y reduce el riesgo de comportamientos imprevistos cuando están en funcionamiento real.

Integración de flujos de trabajo de IA agéntica gobernados por políticas

La solución “policy as code” de Kyndryl incorpora capacidades diferenciales que facilitan la gobernanza de los flujos de trabajo de IA agéntica, entre ellas:

• Ejecución determinista: los agentes solo realizan acciones permitidas por políticas predefinidas, reduciendo el riesgo operativo.
• Mitigación de alucinaciones: los controles bloquean acciones imprevisibles o no autorizadas a lo largo del flujo de trabajo, evitando impactos operativos derivados de comportamientos erróneos.
• Transparencia por diseño: cada acción y decisión del agente queda registrada y es explicable, facilitando la auditoría y el cumplimiento normativo.
• Supervisión humana: los agentes ejecutan tareas conforme a políticas verificables, supervisadas a través de paneles que garantizan decisiones coherentes y controladas.

Este enfoque estructurado permite a Kyndryl desplegar agentes autónomos sujetos a políticas de forma segura y controlada en sectores como servicios financieros, administraciones públicas, cadenas de suministro y otros ámbitos de misión crítica, donde la fiabilidad y la previsibilidad son esenciales.

La investigación del IFISC (CSIC-UIB) aporta nuevas perspectivas sobre la evolución cultural e histórica de este género musical

Un estudio pionero, publicado en ACM's Journal on Computing and Cultural Heritage y llevado a cabo por científicos del Instituto de Física Interdisciplinar y Sistemas Complejos, centro mixto del Consejo Superior de Investigaciones Científicas y la Universidad de las Islas Baleares (IFISC, CSIC-UIB), ha demostrado que las técnicas de Inteligencia Artificial (IA) son capaces de distinguir los distintos géneros flamencos (palos) analizando únicamente el vocabulario de sus letras. La investigación, que aplica el Procesamiento del Lenguaje Natural y el aprendizaje automático sobre más de 2.000 letras, valida el conocimiento tradicional y propone un enfoque cuantitativo para la conservación de este patrimonio cultural inmaterial.

Este novedoso estudio aporta nuevas perspectivas sobre la evolución cultural e histórica del flamenco, arrojando luz sobre cómo se distinguen los distintos géneros a través del lenguaje. La investigación explora la estructura oculta tras la tradición oral del flamenco, con implicaciones para la conservación del patrimonio cultural y las humanidades digitales.

Los investigadores del IFISC Pablo Rosillo-Rodes, Maxi San Miguel y David Sánchez analizaron más de 2.000 letras de flamenco y aplicaron un método de aprendizaje automático que utiliza métricas basadas en frecuencias de palabras para predecir la categoría de un texto y distinguir diferentes palos basándose únicamente en su contenido léxico (es decir, basado en palabras).

"Descubrimos que, además del ritmo y la tonalidad, el propio léxico contiene información suficiente para clasificar las canciones en su palo correcto con una alta precisión", explica Rosillo-Rodes, autor principal del estudio e investigador doctoral en el IFISC. El investigador añade: "Este enfoque cuantitativo no solo valida el conocimiento tradicional, sino que también desvela nuevas relaciones entre los estilos flamencos".

Patrones léxicos en el flamenco

Utilizando técnicas de lingüística computacional y análisis de redes, los investigadores identificaron palabras características de cada género y trazaron las relaciones entre estilos. "Por ejemplo, observamos los estrechos vínculos históricos conocidos entre soleá y bulerías, y entre tientos y tangos, solo a partir de las letras", añade David Sánchez, investigador principal y profesor titular del IFISC.

El estudio también revela patrones culturales profundos. Por ejemplo, las letras asociadas a las seguiriyas son ricas en vocabulario relacionado con el dolor y la espiritualidad, mientras que las alegrías destacan temas de celebración y geografía, en particular referencias a la ciudad de Cádiz. "El lenguaje del flamenco codifica las experiencias vividas, las luchas y las celebraciones de sus comunidades", afirma el profesor emérito del IFISC Maxi San Miguel.

Además, el estudio construye un "árbol de relaciones" entre los principales palos mediante el cálculo de distancias léxicas y la aplicación de técnicas de análisis de redes. En este árbol, las bulerías emergen como un nodo central que conecta diferentes ramas estilísticas, como los cantes malagueños (fandangos y malagueñas) y los estilos considerados más puros y gitanos (seguiriyas y soleá).

Puente entre inteligencia artificial y patrimonio cultural

Este trabajo representa el primer análisis computacional a gran escala de letras de flamenco y abre nuevas puertas a la investigación de la música tradicional. "Aplicando el aprendizaje automático al patrimonio cultural inmaterial, podemos preservar y comprender mejor las complejas historias que encierran las tradiciones orales", concluye Rosillo-Rodes.

Al tender un puente entre el patrimonio cultural y la inteligencia artificial, este estudio ofrece potentes herramientas para preservar y comprender mejor una de las tradiciones musicales más emblemáticas de España, reconocida por la UNESCO como parte del Patrimonio Cultural Inmaterial de la Humanidad.