NFL cierra otro año de negocio magistral con 123.4 millones de espectadores
Antes de que se conociera el resultado del Super Bowl LVIII entre los Kansas City Chiefs y los San Francisco 49ers, la NFL ya tenía garantizado otro año de éxito empresarial
El legado de Barbara Strozzi, compositora e intérprete veneciana, cuatro siglos después
En la Venecia del siglo XVII las mujeres tenían acceso limitado a la educación formal y a la instrucción musical
Demandan a Amazon por recomendar los productos más caros
Amazon es una de las empresas más observadas tanto por organismos reguladores como por los propios usuarios
¿Qué hace de BYD un rival serio para Tesla… Y para todos los fabricantes de EV?
BYD, la compañía china de vehículos eléctricos, ha surgido como un competidor destacado en el mercado automotriz
Startup LegaLario adquiere a Ali Tech y apunta a integrar IA en soluciones legales
En un avance significativo en la transformación de la industria legal en México, la startup LegaLario ha anunciado la adquisición de Ali Tech
Llaman al BCE a no frenar más la economía
Piero Cipollone, miembro del Consejo del Banco Central Europeo (BCE), afirmó que no es necesario adoptar medidas adicionales para restringir la economía
La guerra en Gaza y los ataques en el mar Rojo amenazan la economía global: FMI y BM
La situación en Gaza y los ataques en el mar Rojo están poniendo en riesgo la estabilidad económica global, según advertencias del Fondo Monetario Internacional (FMI) y el Banco Mundial. Durante la Cumbre Mundial de Gobiernos en Dubái, Kristalina Georgieva, directora gerente del FMI, expresó su preocupación sobre el impacto negativo de la guerra entre Israel y el movimiento palestino Hamás en las economías de Oriente Medio y del Norte de África. Georgieva enfatizó el peligro de una prolongación del conflicto, lo que podría aumentar el riesgo de extensión a regiones críticas como el canal de Suez, vital para el comercio mundial. Los ataques recientes en el mar Rojo por parte de los rebeldes hutíes de Yemen, quienes declaran solidaridad con los palestinos de Gaza, han elevado las tensiones en una ruta comercial clave. El conflicto en Gaza, que se intensificó tras un ataque de Hamás en el sur de Israel, ha causado miles de muertes, con civiles constituyendo la mayoría de las víctimas tanto en Israel como en Gaza. Ajay Banga, presidente del Banco Mundial, también señaló los conflictos en Gaza y Ucrania, así como los problemas en el mar Rojo, como los principales desafíos actuales para la economía global. Estas crisis no solo afectan a las regiones implicadas sino que también amenazan con desestabilizar la economía mundial, poniendo de relieve la importancia de buscar soluciones pacíficas y sostenibles para estos conflictos. Con información de El Economista | Nota original
Sedena debe transparentar contratos para aerolínea
El Instituto Nacional de Transparencia, Acceso a la Información y Protección de Datos Personales (Inai) ha dado una instrucción clara a la Secretaría de la Defensa Nacional (Sedena) para que proporcione información detallada sobre la Sociedad Aerolínea del Estado Mexicano, S.A. de C.V., más conocida como Mexicana de Aviación. Esta solicitud abarca desde contratos celebrados tanto con entidades públicas como privadas hasta autorizaciones, certificaciones y permisos vinculados con la aviación civil y operaciones aeroportuarias. A pesar de que inicialmente la Sedena se declaró incompetente para suministrar dicha información, redirigiendo la petición al Grupo Aeroportuario, Ferroviario de Servicios Auxiliares y Conexos Olmeca-Maya-Mexica S.A. de C.V., el desarrollo de los acontecimientos demostró lo contrario. El Inai, tras evaluar los argumentos presentados, determinó que la Sedena sí posee la capacidad y responsabilidad de entregar la información requerida. La comisionada Josefina Román Vergara, quien presentó el proyecto ante el pleno del Inai, enfatizó la importancia de la transparencia y la rendición de cuentas en la gestión pública, especialmente en asuntos relacionados con el uso de recursos públicos y la necesidad de asegurar su adecuada administración y verificación. Con informacion de El Economista | Nota original
Qué supone el experimento con Sam, el niño que enseña a hablar a las máquinas
Sam ha llevado un casco con sensores y cámara entre los 6 y los 25 meses. No siempre estaba activo. Se grabaron 61 horas de la vida del niño, en las que estuvo expuesto a 250 000 palabras. Así ha sido como Sam ha servido para enseñar a hablar a las inteligencias artificiales. Los bebés aprenden a hablar a una velocidad pasmosa. Antes de cumplir un año dicen su primera palabra y a los tres ya se defienden en el día a día con su lengua materna. Son la envidia de muchos adultos que quieren aprender un nuevo idioma y tardan mucho más en llegar a ese nivel, si lo consiguen. Y también son un modelo a seguir para la inteligencia artificial, que necesita muchos más datos para aprender un idioma. Por eso un equipo de investigadores de la Universidad de Nueva York ha metido sus algoritmos en la piel de un bebé, Sam, para ver lo que son capaces de aprender. No literalmente, claro: lo han hecho enseñándole al sistema vídeos grabados desde la perspectiva del niño, usando un casco con cámara. Los resultados del estudio muestran que el sistema aprende palabras relacionándolas con las cosas que el niño ve y escucha en su vida diaria. Es un avance para construir inteligencias artificiales que aprendan de forma más eficiente y similar a como lo hacemos las personas. La ambigüedad, el sarcasmo y los chistes Las lenguas naturales (como el español o el inglés) son formas de comunicación que las personas desarrollamos espontáneamente. Esto las diferencia de las lenguas artificiales, como los lenguajes de programación o el lenguaje matemático, creadas a propósito para un fin. Normalmente, en las lenguas artificiales todo tiene un significado único que no admite discusión: si decimos 1+1=2, no hay duda de qué queremos decir. Pero esto no es así en las lenguas naturales: si decimos “nos vemos en el banco”, ¿hemos quedado en un asiento del parque o donde guardamos el dinero? La ambigüedad hace que las lenguas naturales sean especialmente difíciles para las máquinas. También por eso los chistes, la poesía y el sarcasmo dan problemas a los ordenadores. Desde la Guerra Fría Ya en la década de los 50 surgió el interés por que los ordenadores pudieran trabajar con lenguaje humano (por ejemplo, el Experimento Georgetown, para traducir entre inglés y ruso, de gran interés en la Guerra Fría). Para lograrlo, lingüistas e informáticos describían la estructura del idioma escribiendo reglas sintácticas, basadas en las teorías de Chomsky. Por ejemplo, una regla podría decir: una oración se compone de sujeto (que va primero) y predicado (que va después). Pero podían hacer falta miles de reglas. Eran sistemas muy limitados: no resolvían bien la ambigüedad porque no tenían en cuenta el contexto. La limitación de aprender para una única función En los años 80 se produjo un avance importante con el uso de algoritmos de aprendizaje automático. Son algoritmos que aprenden mediante ejemplos como este: para traducir entre inglés y ruso, les damos miles de textos en inglés y sus traducciones al ruso. A partir de ahí, se las arreglan para detectar patrones y aprender por sí mismos a traducir textos nuevos. Esto hace su desarrollo más fácil (es más sencillo conseguir ejemplos que escribir una gramática) y mejora los resultados, porque pueden tener en cuenta el contexto. Pero mantiene una limitación: cada algoritmo así construido solo vale para una cosa. Por ejemplo, un sistema de traducción solo traduce, no puede resumir textos o responder preguntas. Los grandes modelos de lenguaje como ChatGPT El siguiente gran salto se dio a finales de la década de 2010: surgieron los grandes modelos de lenguaje, la base de ChatGPT. Son sistemas que aprenden a predecir qué palabra es más probable que venga después. Por ejemplo, a partir de “los Estados Unidos de”, un modelo de lenguaje podría predecir “América”. Si después le pedimos que añada otra palabra, y otra, será capaz de generar un texto coherente. Para lograrlo basta con enseñarles muchos textos, por ejemplo descargados de Internet. ¿Cuál es la utilidad de predecir la siguiente palabra? Los propios creadores de estos sistemas no lo imaginaban hasta que los vieron en acción. Para sorpresa de todos, al mejorarlos entrenándolos con más y más texto vieron que podían responder a preguntas y llevar a cabo tareas variadas, como traducir, resumir o incluso escribir de forma creativa. Son habilidades emergentes: capacidades que los algoritmos de IA adquieren al hacerse más grandes y contar con más datos. Nadie sabe muy bien cómo funcionan, y, de hecho, hay debate sobre si de verdad estos sistemas entienden algo. Algunos científicos defienden que actúan como simples loros, imitando el lenguaje humano sin entender ni una palabra. Otros dicen que, a pesar de basarse en estadísticas sobre el texto que han visto, sí son capaces de entender su significado. Estos grandes modelos ya no están limitados a una tarea, pero traen problemas nuevos. Para entrenar un modelo como el último ChatGPT se usan billones de palabras, una cantidad descomunal de texto. Esto requiere ordenadores de gran potencia y memoria, algo solo al alcance de grandes empresas tecnológicas. Y encima, consumen mucha energía y contaminan. Aprender como un bebé Esto nos lleva de vuelta a Sam. Los niños solo escuchan unas decenas de millones de palabras en sus tres primeros años de vida, muchísimas menos que ChatGPT. Con eso les basta para defenderse en su idioma. ¿Por qué los sistemas de IA necesitan muchos más datos? Una de las claves es que los bebés pueden asociar las palabras con objetos y experiencias. Al señalar una pelota diciendo “pelota”, les ayudamos a saber qué significa la palabra. Los sistemas como ChatGPT no tienen esa ayuda, se las arreglan con los textos en bruto. De ahí la relevancia del experimento con Sam. ¿Puede una IA aprender el lenguaje como lo hacen los bebés? Los resultados son prometedores y podrían llevar, en el futuro, a sistemas que necesiten muchos menos datos, energía y emisiones que los actuales. Carlos
Un siglo de ‘Rhapsody in Blue’, el clásico que Gershwin compuso en diez días
El 12 de febrero de 1924 era un día gélido en Nueva York. Pero eso no impidió que un intrépido grupo de asistentes a un concierto se reuniera en el Aeolian Hall del centro de Manhattan para llevar a cabo “un experimento de música moderna”. El organizador, el director de orquesta Paul Whiteman, quería mostrar cómo podían unirse el jazz y la música clásica. Así que encargó una nueva obra a un joven judío-americano de 25 años llamado George Gershwin. La contribución de Gershwin al programa, “Rhapsody in Blue”, superaría todas las expectativas y se convertiría en una de las obras más conocidas del siglo XX. Más allá de la sala de conciertos, acabó apareciendo en películas emblemáticas como Manhattan de Woody Allen y Fantasía 2000 de Disney. Se interpretó durante las ceremonias de apertura de los Juegos Olímpicos de Los Ángeles de 1984 y, si alguna vez vuela en United Airlines, la oirá sonar durante los vídeos de seguridad previos al vuelo. Llevo casi dos décadas investigando y escribiendo sobre esta pieza. Para mí, “Rhapsody” no es una composición estática anclada en el pasado, sino una pieza musical en continua evolución cuyo significado ha cambiado con el tiempo. Programarla actualmente en conciertos se ha convertido en una especie de arma de doble filo. Un siglo después de su estreno, sigue siendo una de las favoritas del público y casi siempre garantiza agotar las entradas. Pero cada vez más estudiosos empiezan a ver en la obra una versión blanqueada de la vibrante escena musical negra de Harlem. Un éxito improvisado Whiteman encargó a Gershwin la composición de “Rhapsody” a finales de 1923. Pero, según cuenta la historia, el compositor se olvidó de su encargo hasta que leyó sobre el próximo concierto en un periódico el 4 de enero de 1924. Gershwin tuvo que trabajar deprisa, escribiendo según el tiempo que le dejaba su apretada agenda. Las pruebas manuscritas sugieren que sólo trabajó en la pieza un total de 10 días a lo largo de varias semanas. En consecuencia, se basó en las melodías, armonías, ritmos y estructuras musicales familiares que habían empezado a granjearle una reputación como compositor popular en los escenarios de Broadway. Esta música estaba cada vez más influenciada por el jazz temprano, a medida que el sonido improvisado, sincopado e impregnado de blues de músicos negros como Louis Armstrong se abría camino hacia el norte desde Nueva Orleans. Gershwin también se mezcló con algunos de los grandes pianistas de Harlem de la época, como James P. Johnson y Willie “The Lion” Smith, y recibió su influencia. A pesar de haber sido improvisada rápidamente, “Rhapsody in Blue” acabó vendiendo cientos de miles de discos y copias de partituras. Las propias interpretaciones de la obra por parte de Gershwin durante sus giras también contribuyeron a aumentar su popularidad. Pero el éxito también lo convirtió en blanco de críticas, sobre todo porque Gershwin se había apropiado de la música negra. Los músicos negros se sienten desairados No se trata sólo de una crítica de los historiadores de la música del siglo XXI. Ya entonces, algunos artistas negros se sintieron molestos. Pero en lugar de denunciarlo por escrito, lo hicieron a través de su propio arte. En 1929, la artista de blues Bessie Smith protagonizó un cortometraje titulado St. Louis Blues, basado en la canción homónima del compositor W.C. Handy. Cuenta con un reparto íntegramente negro, incluidos miembros de la Fletcher Henderson Orchestra y el Hall Johnson Choir. Las versiones instrumentales y vocales de la canción de Handy constituyen el telón de fondo sonoro de esta película de 15 minutos, con una excepción muy señalada. Smith interpreta el papel de Bessie, una amante no correspondida por un jugador tramposo llamado Jimmy. En la escena final, tras una discusión previa, Jimmy y Bessie se reconcilian en un club. Se abrazan en la pista de baile al son de “St. Louis Blues”. Pero sin que Bessie lo sepa, Jimmy le roba cuidadosamente lo que lleva en el bolsillo y la empuja sin compasión a su taburete. Después de que Jimmy muestre su recién adquirida fortuna, comienza el glissando del clarinete de “Rhapsody in Blue”. Jimmy sale del club, haciendo una reverencia y quitándose el sombrero como un artista que agradece su ovación. Es difícil no ver el subtexto de introducir la famosa pieza de Gershwin en este momento: del mismo modo que Jimmy le ha robado a Bessie, la película sugiere que Gershwin le había robado el jazz a la comunidad negra. Otra respuesta musical a “Rhapsody” surgió en 1927 del pianista amigo de Gershwin, James P. Johnson: “Yamekraw”. El editor Perry Bradford facturó la obra como “no una ‘Rhapsody in blue’ (que significa rapsodia en azul), sino una Rapsodia en blanco y negro (notas negras sobre papel blanco)”. Por supuesto, las “notas negras” eran algo más que la propia partitura. Johnson demuestra cómo un músico negro abordaría el género de la rapsodia. Un caleidoscopio musical Gershwin describió una vez “Rhapsody” “como una especie de caleidoscopio musical de América, de nuestro vasto crisol de razas”. El problema de la metáfora del “crisol de culturas” es que pide a los inmigrantes que dejen atrás prácticas e identidades culturales para asimilarse a la población mayoritaria. Y eso es precisamente lo que pretendía el experimento musical de Whiteman en el Aeolian Hall hace un siglo. Como rezaba el programa del concierto, “Mr. Whiteman pretende señalar, con la ayuda de su orquesta y asociados, los tremendos avances que se han hecho en la música popular desde los días del Jazz discordante… hasta la música realmente melodiosa de hoy”. En otras palabras, quería integrar la música popular de jazz de la época en la música clásica y, al hacerlo, resaltar la belleza inherente a la bestia, haciéndola más aceptable para el público blanco. “Rhapsody in Blue” y otras obras híbridas de jazz y música clásica como ésta pronto se conocerían como música middlebrow. Este tenso término surge del espacio entre los denominados lowbrow y highbrow, que sitúan