Mostrando entradas con la etiqueta Tecnología. Mostrar todas las entradas
Mostrando entradas con la etiqueta Tecnología. Mostrar todas las entradas

lunes, 13 de julio de 2026

Tecnomagnates totalitarios

  I

  La catástrofe moral de los tecnomagnates totalitarios: nos roban los datos, nos roban la democracia, en El País, por Shoshana Zuboff, 12 jul 2026:

Un grupo de caciques corporativos son los responsables del colapso democrático al que asistimos a escala mundial. Con sus algoritmos han conseguido que los ciudadanos naveguemos en un lodo informativo mientras los líderes políticos improvisan ante cada nueva crisis. Cuando las prácticas empresariales entrañan un coste moral y humano inaceptable, hay que abolirlas. Se hizo con el trabajo infantil. Y con la esclavitud

El 10 de noviembre de 2019, la presidenta electa de la Comisión, Ursula von der Leyen, viajó de Bruselas a Berlín para entregarme el Premio Axel Springer por La era del capitalismo de la vigilancia. Parecía consciente de la importancia histórica de aquel momento en el que Europa era la única fuerza geopolítica capaz de frenar la caída precipitada hacia la distopía digital.

“Creemos que lo más importante es el ser humano. Europa pone los valores, los derechos, la confianza y el Estado de derecho por delante de todo lo demás, y eso debe valer también para la estrategia europea en la era digital. Para nosotros, las nuevas tecnologías nunca significarán nuevos valores… Las personas somos, ante todo, ciudadanos, dotados de derechos y con el control de nuestra propia vida… Tanto en el mundo analógico como en el digital…”.

La utopía tecnológica devino en distopía

La presidenta electa era consciente de que las demás grandes potencias iban a pulverizar esos valores. “En EE UU, el mercado es tradicionalmente lo más importante… En Asia, el Gobierno tiende a dominar y el individuo tiene que aceptar un papel subordinado al del grupo. Rusia exige a los proveedores de internet que instalen equipos de red capaces de identificar el origen del tráfico y filtrar contenidos”. “Por el contrario”, subrayó, “Europa tiene una larga tradición de equilibrio entre el poder del Estado y el del mercado y, al mismo tiempo, otorga una prioridad especial al individuo. Esa es la gran ventaja de Europa a la hora de dar forma a la era digital. Y todavía no es demasiado tarde. Por supuesto, el progreso no está garantizado. Hay que seguir trabajando”.

Recuerdo el ambiente que se respiraba en la sala después de sus palabras. El viento helador azotaba las ventanas que dominaban la ciudad, pero allí dentro compartíamos una sensación de esperanza, calidez y solidaridad al ver que la mujer que iba a presidir la UE comprendía verdaderamente la importancia y la oportunidad que ofrecía esta próxima gran transformación. También nos tranquilizó ver que comprendía que la UE era la única de las grandes potencias que había institucionalizado y estaba dispuesta a actuar en defensa de los valores, derechos y leyes capaces de forjar un siglo democrático y digital para Europa y para todos los que, en todo el mundo, están desesperados por huir de la distopía.

El paradigma dominante: 1997

La mayoría de nosotros sabemos que las sociedades democráticas están siendo objeto de asedio en todo el mundo y que los regímenes autoritarios están en auge. Sabemos que las grandes empresas tecnológicas son más poderosas que nunca. El motor que impulsa la etapa más reciente del desarrollo tecnológico, la que suele denominarse “IA generativa”, pretende apoderarse de toda la información generada por los seres humanos, el capital y los recursos naturales. Esta es una realidad a la vista de todos, pero su explicación no está tan clara. ¿Por qué hay un retroceso de la democracia y una explosión del autoritarismo? No son hechos aleatorios ni meras coincidencias. Están unidos como dos caras de la misma moneda, son una distopía accidental creada por los líderes políticos democráticos en una hoguera de ignorancia, desorientación moral y confusión intelectual.

Volvamos por un instante al soleado 2 de julio de 1997, en los inicios de Internet como red pública, cuando el presidente Bill Clinton subió a un estrado de la Casa Blanca para presentar el Libro Blanco Clinton-Gore sobre el comercio electrónico ante un gran salón en el que se apiñaban la flor y la nata del sector tecnológico estadounidense. Ese informe fue un punto de partida fundamental de la locura que iba a azotar las décadas siguientes. Clinton dijo que el comercio electrónico era “el Salvaje Oeste de la economía global”, y se comprometió a que siguiera siéndolo.

Internet, dijo, debía ser una zona de libre comercio mundial, un lugar en el que el Gobierno hiciera todo lo posible para no estorbar… Era la interpretación clásica del credo neoliberal, que da prioridad al libre mercado por encima de cualquier otra consideración social.

Clinton y Gore envolvían su ideología en la demencial mitología de Silicon Valley para la que internet es una zona ajena a la sociedad llamada “ciberespacio”, en la que no se aplican las normas, los derechos ni las leyes de las democracias del mundo real. La prioridad era hacer negocio, sin las restricciones de la gobernanza democrática. “Queremos que el sector privado se autorregule. Queremos animar a todos los países a que no intervengan con impuestos discriminatorios, aranceles, regulaciones innecesarias y burocracias engorrosas”.

El hecho de que EE. UU. cediera el nuevo espacio global de la información al capital privado, ya en esa etapa inicial de una inmensa transformación estructural hacia una civilización de la información, fue un trágico autogol que dejó vacío el lugar en el que debería haber habido una gobernanza democrática. EE. UU. y las demás democracias abandonaron a sociedades enteras, empezando por la suya propia, a merced de nuevas formas de violencia digital de los Estados y el mercado. Renunciaron a la oportunidad de sentar las bases de un siglo digital democrático en las primeras décadas, que son las fundamentales, y privaron al mundo de una alternativa clara al modelo chino de civilización de la información basada en la vigilancia autoritaria.

Si esto les suena a algo, es porque, en la actualidad, los líderes de todo el mundo elegidos democráticamente están reproduciendo el mismo conflicto, esta vez con el título de “inteligencia artificial”.

Los vacíos son efímeros, y el vacío de gobernanza democrática que se produjo en los inicios de internet como espacio público lo ocuparon a toda velocidad el capitalismo de vigilancia y los típicos depredadores siempre al acecho en cualquier fiebre del oro carente de leyes.

Un año después del regalo de Clinton, en una entrevista concedida a la BBC en 1998, Eric Schmidt anticipaba el vendaval antidemocrático que se avecinaba. Cuando se le preguntó por las ideas políticas de Silicon Valley, Schmidt —en aquel entonces director ejecutivo de la empresa de software Novell y que poco después sería el primer director ejecutivo de Google— respondió sin vacilar: “Estamos en contra de los gobiernos, las regulaciones y el Congreso”.

BBC: En realidad, lo que quieren es la jungla, ¿no? ¿Que sobrevivan los más poderosos y no haya red de seguridad para los que están por debajo?

Schmidt. ¡Exacto!

BBC. ¿Y se enorgullece de ello?

Schmidt. [con una amplia sonrisa] ¡Sí!

La exigencia de Schmidt de tener una autoridad absoluta y no tener que responder ante nadie era todavía más desvergonzada por su convicción de que era inevitable que, sin gobernanza democrática, un internet controlado y gestionado por Silicon Valley introdujera cambios inimaginables y peligrosos en la sociedad. “Nunca se ha hecho un experimento en el que se escuche verdaderamente a los 100 o 200 millones de personas que están conectadas a la Red… Nunca en la historia se ha hecho un experimento de anarquía de tales dimensiones. Van a pasar todo tipo de cosas”.

A pesar de los riesgos sin precedentes y, por tanto, imprevisibles que Schmidt auguraba, en la entrevista insistió en que sus colegas y él tenían derecho a dirigir todo sin injerencias y apeló a los mismos argumentos vacíos que utilizaban un siglo antes los oligarcas de la Edad Dorada y que hoy repiten los dueños del sector tecnológico: “Queremos que el Gobierno se mantenga apartado de nuestros asuntos”, declaró a la BBC. “Queremos libertad para perseguir nuestros propios intereses… y también queremos que el Gobierno nos deje en paz”.

Gracias a la doctrina de Clinton-Gore, la élite de Silicon Valley se salió con la suya porque se atribuyó una autoridad experimental sobre una transformación de trascendencia histórica en las condiciones globales de la comunicación humana, la integridad de la información, el destino de la verdad y la distribución del conocimiento en una civilización de la información.

Así comenzó un experimento que, después de varias décadas, continúa todavía hoy, lleno de las incertidumbres y tragedias de la anarquía informativa global basada en la propiedad privada y “autorregulada” del espacio de la información, sin restricciones ni rendición de cuentas. En este proyecto no habría derechos ni derecho a tener derechos, ni para los sujetos humanos ni para los ciudadanos; no había leyes por las que regirse, ni transparencia, ni gobernanza democrática… Serían las empresas las que determinaran las respuestas a todas las cuestiones relacionadas con el conocimiento, la autoridad y el poder. ¿Quién sabe? ¿Quién decide? ¿Quién decide quién decide?

¿Qué podía salir mal?

La nueva lógica económica nació en Google en 2002, solo un año después de nombrar a Eric Schmidt director ejecutivo de la nueva empresa. Estaban en la sombría situación de emergencia causada por el estallido de la burbuja de las puntocom y Silicon Valley todavía no había averiguado cómo convertir a los “usuarios” y sus datos en dinero.

En plena crisis, un pequeño grupo de ingenieros y científicos de datos que trabajaban en estrecha colaboración con los fundadores de Google, Larry Page y Sergey Brin, se toparon con un descubrimiento y una gran idea. Primero descubrieron que, cada vez que un “usuario” navegaba por internet, dejaba, sin saberlo, un rastro de señales de comportamiento que era posible captar, transformar en datos, agregar y analizar para revelar aspectos ocultos de información personal muy predictiva y después utilizarlos con el fin de predecir comportamientos futuros.

Entonces llegó la gran idea de Larry Page: buscar, conocer y aprovechar esas experiencias y esos comportamientos de todas las personas que utilizaban internet. Los enormes caudales de datos personales permitirían hacer predicciones de comportamiento que se podrían vender al por mayor como cualquier otra mercancía —barriles de petróleo, toneladas de trigo—, empezando por la famosa “tasa de clics”. Cada paso de la operación se diseñó para pasar inadvertido para el “usuario”.

Esos nuevos caudales de datos eran lo que yo llamo “excedente conductual”, porque la empresa no los necesitaba para prestar sus servicios a los “usuarios”. Desde el punto de vista de Google, el objetivo dejó de ser el usuario como ser humano real. A los “usuarios” los redefinieron como reservas pasivas y sin costes de datos generados por humanos para la extracción, la obtención de ingresos y el lucro, sin contar en absoluto para el proyecto comercial del capitalismo de vigilancia.

A partir de ese momento, los ordenadores de Google, a los que denominaban “nuestra IA”, empezaron a decir a los anunciantes dónde invertir y el dinero fluyó. Todo dependía de conseguir la máxima extracción de datos, preferiblemente la totalidad. Cada paso de la secuencia operativa estaba pensado para que el usuario no se diese cuenta. Cuantos más datos, más precisas serían las predicciones y más conocimientos, riqueza y poder tendría Google.

En la vida real, si una persona le quita algo a alguien a escondidas y lo vende para sacar provecho, eso se llama robar. En los primeros tiempos de Google, esas operaciones todavía exigían una reflexión moral. Page y Brin insistían en recopilar y guardar los datos sin pensárselo. Otros defendían la transparencia. Page temía que la transparencia provocara una gran revuelta de los “usuarios” y movilizara a los legisladores para que tomaran medidas contra la empresa. Al final, fue él quien hizo el pronunciamiento definitivo: “No pueden enterarse jamás”.

En lugar de limitarse a prestar servicio a los “usuarios”, Google proporcionaría a las máquinas su excedente conductual. El director ejecutivo, Eric Schmidt, se apresuró a instaurar una “estrategia de ocultación”. Puede que la democracia muera en la oscuridad, pero entonces se decidió que la oscuridad era la única forma de que sobrevivieran las operaciones del capitalismo de vigilancia. Esa posición condenó a Google —y, con el tiempo, a la oleada de capitalistas de la vigilancia que le siguió— a una lucha a muerte permanente contra la democracia. Tenían que eliminar la posibilidad de cualquier ley o derecho que acabase con su latrocinio.

Hoy, el capitalismo de vigilancia sirve de intermediario en casi todos los contactos humanos con las estructuras digitales, los flujos de información y los productos y servicios digitales, además de ser el terreno institucional por el que pasan casi todos los caminos hacia la participación económica, política y social. El Libro Blanco sentó el paradigma y el vocabulario para una nueva era en la que las empresas tecnológicas se regulan a sí mismas sin que la gente pueda hacer nada. Todos los presidentes estadounidenses posteriores a Clinton reforzaron su mensaje. Y, sobre todo, las sociedades democráticas pagaron un precio muy alto por el fracaso político de unos líderes que fomentaron una nueva economía depredadora sin tener en cuenta las consecuencias de que la materia prima que impulsa el crecimiento económico sea el comportamiento humano.

La red mundial de anarquía informativa sobrealimentada que Eric Schmidt previó con tanto entusiasmo ya está aquí. Resulta asombroso pensar que, en este desfile zombi hacia la distopía, nuestros espacios de información siguen disponibles para que los compre o alquile cualquier persona, empresa, político, grupo de financiación opaca, potencia extranjera, fábrica de desinformación, granja de bots, dictador, sociópata, narcisista, megalómano o multimillonario (o billonario) malintencionado cuyo propósito es conseguir unos fines personales, comerciales o políticos, todo ello envuelto en un grado de secretismo que solo los extraordinarios privilegios ocultos de las plataformas pueden proporcionar.

Es decir, la anarquía informativa, que incluye la desinformación, la polarización, la disfunción electoral y más cosas, favorece la autocracia y transforma la política y las formas de gobierno en todo el mundo. ¿Por qué? Porque, en el empeño de tener todos los datos humanos, la preferencia del algoritmo por la información corrupta atrae la participación, dispara los flujos de datos y, por consiguiente, es buena para el negocio. En esas condiciones, ninguna democracia puede sobrevivir.

Los espacios actuales de la información están a años luz del arquetipo democrático de la plaza pública, y eso hace que las democracias de todas las regiones sufran una presión implacable. Desde Brasil hasta Rumanía, pasando por Noruega, Polonia, España, Australia, India, Reino Unido y muchos otros países, vemos a líderes democráticos que se debaten en el vacío, obligados a improvisar soluciones para cada nueva crisis. En la mayoría de los casos, hay un deseo desesperado de proteger las elecciones, las instituciones o a la población del caos e incluso de la muerte por culpa de la anarquía informativa. En mayo de 2022, el comisario nombrado por Biden para presidir la Agencia de Alimentos y Medicamentos de Estados Unidos (FDA), el doctor Robert Califf, apareció en la CNN para explicar la conclusión a la que había llegado la Agencia de que “la desinformación” se había convertido en la principal causa de muerte en EE. UU. y tenía un efecto “inquietante” en la esperanza de vida de los estadounidenses.

Nos han vuelto a engañar

En 2019, pensé que la tercera década que iba a comenzar enseguida sería probablemente el momento en el que las democracias, con la UE al frente, ocuparían el vacío creado y recuperarían la renovación y la reconstrucción democráticas. Pero en 2022 llegó Sam Altman con su empresa, OpenAI, y, para aprovechar la ventaja de ser el primero en llegar al mercado, sacó de repente, sin previo aviso ni preparación institucional, su IA ChatGPT directamente al mercado de consumo. Altman y su equipo no tenían ni idea de lo que pasaría; solo sabían que querían ser los primeros.

La periodista Karen Hao siguió atentamente aquellos primeros años de la aparición de OpenAI en la escena mundial, con su obsesivo afán por dominar absolutamente todos los recursos. Su IA generativa está “entrenada con el mayor volumen de datos y la mayor potencia de cálculo que se haya utilizado jamás…, la forma maximalista del aprendizaje profundo”, observa. “Se alimenta de las inmensas reservas de datos acumuladas mediante el capitalismo de vigilancia…, con la ayuda de una cultura de investigación en IA que considera que tiene la responsabilidad moral de consumir todos los datos que sean posibles”.

Estábamos ante una nueva ola de latrocinio, tan despreciable y desvergonzada como la primera.

La carrera por recopilar todos los datos silenció todas las dudas morales o legales, mientras las empresas de IA se lanzaban en busca de todo —voces, rostros, material protegido por derechos de autor—, repasaban cada página de internet y, pese a ello, se quejaban de que no era suficiente. A los inversores de Meta se les aseguró que la empresa alimentaba su IA absorbiendo los “cientos de miles de millones de imágenes y vídeos de sus páginas, además de publicaciones, mensajes y comentarios”. El director ejecutivo, Mark Zuckerberg, confesó que Meta tenía planes para rastrear, capturar y convertir en datos los comportamientos de sus usuarios cuando interactuaban con sus servicios y productos de IA. Los artistas y los abogados, ya no tan ingenuos, acusaron a las empresas de “robar la propiedad intelectual del mundo”.

Totalitarios con ánimo de lucro

Para comprender bien a los grandes directivos del capitalismo de vigilancia no hay que fijarse solo en su papel económico como dueños de oligopolios y monopolios, ni en su posición social y política de oligarcas, sino, sobre todo, en la función sin precedentes que desempeñan desde el punto de vista de la civilización, como totalitarios con ánimo de lucro, unos totalitarios que se han atrincherado en los espacios vírgenes de un mercado inédito de predicción humana que ellos mismos han creado.

El totalitarismo con ánimo de lucro es un nuevo régimen de poder que se diferencia en varios aspectos fundamentales del totalitarismo político analizado tras la II Guerra Mundial por pensadores del siglo XX como Hannah Arendt, George Orwell y muchos otros. No obtiene el dominio total a través de la ideología y el terror, como hicieron en su día Hitler y Stalin.

El totalitarismo con ánimo de lucro presenta una visión del futuro en la que todos los ámbitos de la sociedad se remodelan como ciencia de la información que solo los líderes tecnológicos pueden gobernar. Y en ese futuro imaginado, no tienen cabida los ciudadanos. Después de varias décadas capturando, analizando y comercializando el excedente conductual, hace falta muy poca violencia para pasar a la siguiente etapa de la evolución totalizadora, en la que se redefine a la humanidad como mero “excedente humano”, los restos de la difícil era suboptimizada de los seres humanos.

Es justo decir que estos caciques corporativos no son, ni mucho menos, meros bros, “colegas”, sino los líderes más peligrosos de la historia del capitalismo moderno. En los últimos tiempos, la brusca introducción de la denominada “IA generativa” en el ámbito del consumo y el espíritu totalitario de su labor —patente en su pretensión absolutista de quedarse con todos los contenidos, el capital y los recursos energéticos del mundo— no han hecho más que reforzar lo peligrosos que nos deben parecer no solo sus máquinas sino ellos mismos. Este totalitarismo con ánimo de lucro que utiliza los datos indica un futuro que se aparta del ser humano y, en esencia, se postula como enemigo de la democracia. Ese no es el futuro que buscamos. No es el destino inevitable de nuestro pueblo ni de nuestra época.

La clave de este drama es la lección de que el capitalismo de la vigilancia lo inventó un grupo concreto de personas, en un momento y lugar concretos y por razones concretas. No encarna el destino de la tecnología digital, ni es una expresión ineludible del capitalismo de la información. Se construyó de forma intencionada en un momento histórico para resolver un problema de alguien y promover los intereses de alguien.

¿Qué significa perder la democracia?

¿Entenderán nuestros hijos el significado de la expresión “democracia liberal” y su compromiso moral?En 2024, el número de autocracias fue superior al de democracias por primera vez desde 2002, el año en el que se inventó el capitalismo de vigilancia. Entonces, había 91 autocracias que constituían el 72% de la población mundial. En 2024 había 88 democracias y, de ellas, el tipo de régimen menos común eran las democracias liberales, solo 29, que englobaban a menos del 12% de la población mundial de ese momento (900 millones); la cifra más baja en 50 años.

El año 2025 fue peor. En 2024, el grado de democracia para el ciudadano medio del mundo era el mismo que en 1985; en 2025 alcanzó los niveles de 1978. Había 92 autocracias, en las que vivían 6.000 millones de personas —es decir, el 74% de la población mundial—, y 87 democracias. Como EE. UU. dejó de ser una democracia liberal, esta categoría solo acogía ya al 7% de la población mundial. Según los investigadores de V-Dem, el instituto sueco que recopila estos datos cada año, la desinformación y la polarización son elementos fundamentales que contribuyen a este colapso democrático y al ascenso de las autocracias.

Si usted fuera un simple oligarca, o incluso algún tipo de tecnobro, y se enterase de todo esto, ¿su primera reacción no sería intentar remediarlo? Porque ellos pueden remediarlo. ¿Por qué no lo hacen? Porque estas condiciones son la expresión de su poder sobre la sociedad. Lo único que amenaza ese poder es la propia democracia: el Estado de derecho, la gestión de las instituciones democráticas, las leyes de privacidad que acaban con el excedente conductual, las leyes que acusan a los líderes tecnológicos de ser ladrones.

El mayor temor de los directivos de las grandes tecnológicas, esos totalitaristas con ánimo de lucro, es lo que representa la Unión Europea. Su inquietud es consecuencia de los importantes logros legislativos y judiciales de la UE: el RGPD [Reglamento General de Protección de Datos], la Directiva sobre privacidad electrónica, el derecho al olvido, la Ley de Servicios Digitales, la Ley de Mercados Digitales, la Ley de Inteligencia Artificial Las empresas consideran que estos marcos normativos son amenazas para su existencia. La Ley de Inteligencia Artificial, el primer intento integral de regular la IA en todo el mundo —que inevitablemente desencadenará un efecto Bruselas multinacional—, empujó a los líderes del sector tecnológico a dedicar todos los esfuerzos de sus equipos de abogados y grupos de presión a desmontar las principales exigencias de la nueva legislación.

Europa, como el resto del mundo, ha sufrido los ataques constantes de las fuerzas de la desinformación y la polarización y ha tenido que luchar contra las facciones políticas autocráticas tanto dentro de sus propias instituciones como en muchos de los Estados miembros. Elon Musk intentó inclinar la balanza electoral en Alemania a favor de la extrema derecha. Mark Zuckerberg grabó un vídeo ridículo que irrumpió en el espacio informativo el 7 de enero de 2025, poco antes de que tomara posesión su nuevo mecenas, Donald Trump. En él incluía un mensaje especial para la presidenta Von der Leyen: “Vamos a colaborar con el presidente Trump para presentar resistencia a los gobiernos de todo el mundo que persiguen a las empresas estadounidenses y presionan para que haya más censura… Europa tiene un número cada vez mayor de leyes que institucionalizan la censura y hacen difícil crear allí ninguna cosa innovadora”. Luego llegó Trump con sus juegos de palabras orwellianos, pensados para menospreciar e insultar a aquellos interlocutores a los que más teme.

Regreso al futuro

De pronto pareció que muchos líderes de la UE estaban cambiando su discurso. Clinton volvió a estar presente y su discurso de 1997 reapareció sobre la mesa. Se hablaba todo el tiempo de “desregulaciones”, “simplificación”, “competitividad”, “pruebas de estrés”, “diálogos de aplicación” y “leyes ómnibus” y se decía que “el exceso de burocracia nos está frenando, pero necesitamos más estudios y largos aplazamientos para aplicar los cambios”. Volvieron a arrastrar al centro del debate el manido tópico de la “innovación”, siempre como supuesto objeto de ataques de las regulaciones. ¡Y de los derechos de los ciudadanos! Muchas organizaciones de la sociedad civil entre las más destacadas de Europa publicaron análisis detallados en los que se demostraba que los cambios legislativos propuestos debilitarían o eliminarían del todo los derechos y las protecciones que con tanto esfuerzo se habían logrado incluir en la Ley de IA y otras victorias legislativas fundamentales de las últimas décadas.

El discurso de la presidenta Von Der Leyen en la Cumbre de Competitividad de Copenhague, celebrada a finales de 2025, dejó claro cuál era el nuevo contexto: evocó a Clinton como si fuera el fantasma de las Navidades futuras, con expresiones como “acelerar”, “combinar capital público y privado”, “aumentar a escala más deprisa y más barato”, “simplificación”, “¡necesitamos la desregulación!”. El lenguaje de la presidenta constituye un retroceso hasta los primeros días de la era digital, cuando todavía no conocíamos los daños y la violencia que genera la mercantilización de la humanidad y su transformación en mero excedente humano. Cuando aún no podíamos imaginar el ansia de cambiar la democracia y los derechos de la mayoría por la riqueza y el poder de unos pocos. Las empresas tecnológicas son infinitamente ricas y no hay nada que les impida “innovar”, independientemente de a qué se refieran con eso. Estamos, además, ante una profunda ironía. Nos dicen que hay un conflicto entre innovación y regulación, cuando la verdad es que ninguna de las dos tiene nada que ver con los hechos actuales.

Pero los hechos dan a entender que no quieren innovar. El capitalismo de vigilancia ha sido increíblemente lucrativo para las empresas, los ejecutivos y los inversores. Ahora, al mismo tiempo que están entrando con fuerza en nuevas dimensiones de la inteligencia artificial, insisten en su obsesión por los objetivos y las actividades del capitalismo de vigilancia y el proyecto totalitario con ánimo de lucro.

En cuanto a la “regulación”, si pensamos en los daños que provocan estas operaciones comerciales —tan graves que están destruyendo la democracia en todo el mundo—, veremos que la ventana para poner en práctica una verdadera regulación se ha cerrado. Cuando las prácticas empresariales entrañan un coste moral y humano inaceptable, la experiencia histórica nos dice que hay que reconocer la necesidad de abolirlas, no perder el tiempo en negociar unas normas. La regulación no resolvió la plaga del trabajo infantil. Tampoco era humanamente posible regular la esclavitud humana. Las sociedades no regatean con una catástrofe moral. Subrayan la necesidad de un cambio fundamental. Si la contribución culpable de los capitalistas de la vigilancia a la destrucción de la democracia no es una catástrofe moral a la misma altura, nada lo será jamás.

¿Nos está fallando la presidenta Von der Leyen, o le estamos fallando nosotros a ella? Europa se desplaza hacia la derecha, precisamente empujada por las mismas fuerzas y dinámicas que ella pretendía derrotar con sus soluciones de 2019. La derecha se ha organizado en torno a nuevas palancas de poder en todas las instituciones de la UE. Los algoritmos están de su parte.

Qué necesita el futuro de nosotros

Para que la democracia sobreviva una generación más, hay que desmantelar la violencia de los poderes totalitarios del mercado que no tienen precedentes y que ahora se concentran en las principales empresas tecnológicas, al tiempo que reestructuramos nuestras sociedades para que triunfe la democracia. El presidente del Gobierno español, Pedro Sánchez, ha comprendido esta emergencia democrática tal vez mejor que ningún otro líder político actual. En el elocuente discurso pronunciado en 2026 ante la Cumbre Mundial de Gobiernos en Dubái, llamó a crear un nuevo movimiento encabezado por una “Coalición de los Dispuestos Digitales” para “recuperar el control” del “Estado fallido” en el que se han convertido las plataformas de redes sociales que ignoran la ley. Sánchez anunció una serie de medidas con las que España pretende sentar ejemplo. Entre ellas se incluyen: 

1) Exigir responsabilidades penales a los directivos de las empresas tecnológicas por los contenidos ilegales y nocivos que aparezcan en sus plataformas; 

2) Calificar como delito la manipulación del algoritmo y la amplificación de contenidos ilegales; 

3) Identificar una “huella” de odio y polarización que ponga al descubierto las actividades perjudiciales de las plataformas e imponer “costes legales, morales y económicos” a su despliegue; 

4) Investigar y perseguir a Grok, Instagram, TikTok y otras plataformas cuya “injerencia” manipuladora, por ejemplo, en contenidos electorales, constituya una forma de “coacción extranjera”.

Es importante destacar que, en encuesta tras encuesta y sondeo tras sondeo, los ciudadanos de la UE, igual que los de otros países y continentes, en especial nuestros jóvenes de la generación Z, obligados a alcanzar la mayoría de edad en el intenso escaparate del internet salvaje que prometía Clinton, sueñan con el tipo de futuro que prometió la presidenta Von der Leyen en 2019. Están deseosos de acabar con la impotencia de los ciudadanos, la complicidad de los legisladores y el mito de la inevitabilidad que nos paraliza a tantos invadidos de una resignación casi sin remedio. Y seamos claros. La crisis actual no se resolverá cambiando el poder privado de los gigantes tecnológicos por el poder público del Estado. Volvamos al principio y llenemos el vacío con instituciones mediadoras concebidas para proteger a las personas y a la democracia de la ambición de poder total que es igualmente peligrosa si procede del mercado como del Estado.

Esto es lo que el futuro necesita de nosotros ahora mismo si queremos que la democracia sobreviva otra generación.

La conciencia de la situación, la comprensión del momento histórico y el sentimiento de que se nos presenta una oportunidad inmensa para rescatar y ampliar nuestro legado democrático pueden contribuir a suscitar un nuevo debate y un nuevo movimiento que llegue a todas las sociedades y todos los continentes.

La adhesión a la democracia tiene su origen necesariamente en la adhesión al bienestar y las posibilidades de las personas. El concepto de “democracia” es la idea más revolucionaria de la larga historia de la humanidad que insiste en la dignidad de los seres humanos, nuestro derecho inalienable a gobernarnos nosotros mismos. Es, en esencia, una expresión de respeto y fe en nosotros mismos y en los demás.

Por consiguiente, en el fondo, la defensa de la democracia es un acto de amor que ofrecemos por adelantado a un futuro aún indeterminado. Para ello debemos armarnos de nuestra fe en la comunidad, el país y la sociedad global en cuyas manos ponemos a nuestros hijos y a las generaciones venideras. Pero no basta con eso. Si queremos que la democracia sobreviva en las próximas décadas, tiene que haber suficientes personas en suficientes sociedades que decidan amar lo humano y el tipo de futuro que solo nosotros podemos construir. Ya sabemos que el amor es siempre una apuesta, pero ¿alguien la ha rechazado alguna vez?

Von der Leyen lo dijo aquella noche en Berlín: Europa pone los valores, los derechos, la confianza y el Estado de derecho por delante de todo lo demás. Esa es la gran ventaja de Europa a la hora de dar forma a la era digital. Y todavía no es demasiado tarde… El progreso no está garantizado. Tenemos que seguir trabajando. ¡Vamos a ello!

Shoshana Zuboff (Nueva Inglaterra, EE UU, 1951) es filósofa, psicóloga social y profesora emérita de la Harvard Business School. En 2019 publicó La era del capitalismo de la vigilancia (Paidós), libro que destapó la recopilación y mercantilización casi sin freno de datos personales por parte de las empresas tecnológicas. En 2025 fue votada en un especial de Ideas como la pensadora tecnológica más influyente.

Este es un texto trabajado y ampliado por Shoshana Zuboff para Ideas al hilo del discurso que pronunció el pasado 23 de junio durante la cumbre Lucha por nosotros, no por ellos, organizada por European Digital Rights, la red más amplia de Europa en defensa de los derechos y las libertades digitales.

II

¿Está obsoleto el reglamento europeo de IA antes incluso de su aplicación plena?, Fernando Maldonado, en El País, 13-VII-2026:

Europa diseñó el AI Act pensando en plataformas digitales capaces de afectar derechos fundamentales. Pero la inteligencia artificial empieza a parecerse más a infraestructura crítica que a un producto digital. Y cuando eso ocurre, el reto ya no es solo qué reglas aplicar, sino qué tipo de gobernanza puede operar a la misma velocidad que los sistemas que intenta supervisar.

 Europa aprendió a escribir las reglas del juego antes de saber si tendría equipo para jugarlo. Ahora, mientras Bruselas pule sus leyes, el resto del mundo empieza a tratar la inteligencia artificial menos como software y más como infraestructura estratégica.

Durante años, el debate sobre IA giró alrededor de una idea relativamente estable. Los sistemas podían equivocarse, discriminar, manipular o desinformar, pero seguían perteneciendo al mismo mundo que las plataformas digitales: el de los contenidos, los datos y los servicios.

El AI Act nace ahí. Europa construyó su regulación pensando en sistemas capaces de afectar derechos fundamentales. Cuanto mayor fuera el impacto potencial sobre las personas, mayor debía ser el control.

La lógica sigue funcionando. El problema es que la tecnología empieza a desplazarse más rápido que las categorías con las que intentamos describirla.

Durante los últimos meses, Bruselas ha ajustado algunas posiciones. El acuerdo político alcanzado en mayo retrasa parcialmente determinadas obligaciones para sistemas de alto riesgo, pero mantiene intacta la lógica central del reglamento. Reducir daños relacionados con deepfakes, manipulación o usos abusivos de sistemas biométricos.

Bruselas ha comprado tiempo, pero mantiene intacta la lógica del reglamento.

Mientras tanto, algo distinto empieza a ocurrir fuera de Europa. En Estados Unidos, los gigantes de IA han comenzado a probar modelos capaces de detectar vulnerabilidades informáticas de forma autónoma. No es el único frente. En logística, algunos sistemas ya toman decisiones sobre rutas, inventario y precios en cadenas de suministro globales sin intervención humana. En energía, hay redes eléctricas donde algoritmos gestionan en tiempo real el equilibrio entre producción y demanda. La lista se alarga.

El cambio no está solo en que estos sistemas hagan cosas nuevas, sino en que empiezan a hacerlas a una velocidad y escala difícil de supervisar manualmente. Cuando eso ocurre, el problema deja de parecerse al de una plataforma digital.

Ahí es donde la conversación cambia de naturaleza.

Europa sigue mirando principalmente al individuo: privacidad, discriminación o manipulación. El regulador europeo diseña el AI Act pensando en el ciudadano que puede ser perjudicado por una decisión algorítmica. Esa es una preocupación legítima, y seguirá siéndolo.

Pero en Washington empieza a circular otro vocabulario. Infraestructuras críticas vulnerables, ciberseguridad ofensiva o ventaja geopolítica. La IA deja de verse solo como una tecnología comercial y empieza a entrar en categorías más cercanas a las de energía, telecomunicaciones o defensa.

El desplazamiento es sutil, pero cambia el tipo de preguntas que empiezan a hacerse los reguladores. Y no implica necesariamente que ambas lógicas sean incompatibles. Las redes eléctricas también tienen regulación de derechos del consumidor. Las telecomunicaciones combinan estándares de seguridad nacional con protecciones individuales. Lo que sí cambia es la arquitectura de gobernanza. Quién tiene autoridad, qué se revisa antes del despliegue y qué órganos pueden intervenir en tiempo real.

Ese es el ajuste que el AI Act, en su diseño actual, no contempla con suficiente claridad.

Esto ocurre en un mal momento para Europa. La región intenta regular una industria cuyo liderazgo pertenece todavía a otros. Mientras Estados Unidos concentra gran parte de los modelos más avanzados y China acelera su capacidad industrial, Europa sigue buscando una posición competitiva propia dentro de la cadena de valor de la IA. Europa ha conseguido situar la regulación en el centro del debate global y, al mismo tiempo, apenas participa en el desarrollo de los sistemas que intenta gobernar.

Durante bastante tiempo, eso no parecía necesariamente un problema. Existía la idea de que el llamado Brussels Effect volvería a funcionar. Igual que ocurrió con el GDPR, las grandes tecnológicas terminarían adaptándose al estándar europeo y exportándolo al resto del mundo.

Esa hipótesis no era infundada. Con el GDPR funcionó, aunque con más fricción de lo que se recuerda. Muchas empresas mantuvieron versiones diferenciadas para el mercado estadounidense durante años. La pregunta ahora es si con la IA se repetirá ese patrón o si las condiciones son distintas.

Hay razones para pensar que lo son. Los modelos de IA se copian, se ajustan y se redistribuyen con una rapidez que no tiene equivalente en la protección de datos. Y fuera de Europa empieza a asumirse que limitar determinadas capacidades tiene un coste estratégico que el GDPR nunca tuvo. Por primera vez, algunas empresas parecen dispuestas a mantener versiones diferenciadas de sus sistemas según región, no por fricción, sino por cálculo. Si eso se consolida, el Brussels Effect deja de funcionar por inercia.

Hay otra cuestión todavía más incómoda. Regular es relativamente sencillo. Hacer cumplir la regulación es otra cosa muy distinta.

Sobre el papel, Europa prohibirá determinados usos especialmente sensibles de la IA. La eficacia real del AI Act, sin embargo, no depende solo de lo que digan sus artículos. Depende de los organismos nacionales que lo apliquen, de las normas técnicas que lo desarrollen y de la capacidad de las autoridades para auditar sistemas en producción. Ahí es donde se decidirá buena parte de lo que el reglamento consiga realmente. En la implementación, no solo en el texto.

Y ahí la asimetría es visible. ¿Quién perseguirá una aplicación distribuida fuera de la UE? ¿Quién verificará técnicamente que un watermark no ha sido eliminado? ¿Quién auditará modelos que evolucionan constantemente?

El regulador europeo tiene un bolígrafo. El atacante, un clúster de GPUs. En la práctica, la velocidad de adaptación de los sistemas empieza a ser mayor que la velocidad de respuesta institucional. Ahí es donde el diseño del enforcement importa tanto como el diseño de la norma.

Algo parecido ocurrió en los mercados financieros de alta frecuencia. La supervisión humana dejó hace tiempo de operar en tiempo real. Primero ocurre la operación. Después llega la reconstrucción.

No es casual que el FMI haya empezado a advertir sobre posibles “fallos correlacionados” en el sistema financiero asociados a modelos capaces de descubrir vulnerabilidades a gran escala. El problema deja de parecerse a un error puntual y empieza a acercarse más a un riesgo sistémico.

La respuesta no fue desregular, sino rediseñar el marco de supervisión. Algoritmos que vigilan algoritmos, obligaciones de registro en tiempo real y cortafuegos automáticos.

La IA empieza a acercarse a esa lógica. No porque las máquinas sean conscientes, sino porque la escala y velocidad de sus interacciones complican cada vez más seguirlas con detalle. La pregunta no es solo cómo limitarlas, sino cómo diseñar la supervisión para que opere en el mismo plano temporal que los sistemas que supervisa.

Hay quien argumenta que la regulación puede hacer precisamente eso. No solo contener el desarrollo de la IA, sino moldear su arquitectura. Un marco que exija trazabilidad, separación de funciones o mecanismos de auditoría nativos puede incentivar que los propios sistemas se puedan supervisar por diseño. No es una solución completa, pero es una palanca que el AI Act no ha explorado con suficiente ambición.

Europa fue probablemente la primera región en comprender que esta tecnología necesitaba reglas. Y escribir esas reglas tuvo valor. Puso sobre la mesa preguntas que nadie más estaba dispuesto a hacer en voz alta.

Ahora empieza a descubrir algo más difícil. Que las reglas escritas, por sí solas, quizá no basten para sistemas que evolucionan a otra velocidad.

La cuestión ya no es solo cómo evitar discriminaciones algorítmicas o etiquetar deepfakes. Es qué ocurre cuando los sistemas sobre los que funciona parte de la economía empiezan a evolucionar más rápido de lo que las instituciones pueden entender, supervisar o corregir. Y qué tipo de arquitectura de gobernanza, no solo de normas, puede sostener esa tarea.

Europa tiene la legitimidad para hacer esa pregunta. Lo que todavía no tiene, del todo, es la respuesta.

sábado, 20 de junio de 2026

La IA ya escribe novela y poesía

 LA IA ya escribe novelas y poemas, en El País, por Nadal Suau 20 jun 2026 

La irrupción de la inteligencia artificial en el ámbito de la escritura plantea un dilema crucial: ¿seguirá siendo literatura?

La IA es hoy el tabú y el terror de la literatura. Cuando la premio Nobel Olga Tokarczuk confesó que la utiliza para investigar o incluso testear estructuras, el templo se partió en dos, y vuelve a hacerlo cada vez que un relato premiado levanta sospechas de haber sido intervenido por algoritmos. Sin embargo, la IA ya no dejará jamás de ser un agente real operando en el mundo, y es en ese mundo en el que escribiremos. A medio y largo plazo, resulta imposible especular con lo que ocurrirá, pero a corto plazo (tan corto que ya estamos ahí) diría que van a convivir tres fenómenos: la escritura de IA, la escritura con IA y la escritura sin IA. Debemos exigir, mientras aún sea posible, que nadie nos cuele una cosa por otra.

Por supuesto que la IA escribirá (ya escribe) artículos, papers, novelas, poemas. Lo hará, además, con cierto grado de competencia, puesto que la mayor parte de la producción escrita responde a fórmulas predecibles. Esto resulta evidente en la literatura comercial rutinaria, basada en repetir tramas, arquetipos o escenas, pero también en la literatura “de prestigio” convencional. En ambos casos, el mercado, sea mainstream o de nicho, le plantea en la práctica prompts ineludibles al autor, al exigir tal tipo de confesiones, giros narrativos o discursos de fondo. Si hablamos de la ficción literaria (esa redundancia anglosajona tonta, pero útil), a eso se añaden los tics que imponen las escuelas de escritura y, sobre todo, los requisitos de las becas de creación, esos paliativos insuficientes de la pobreza, que poco a poco están obligando a que todos los libros parezcan escritos por una sola voz dando vueltas a los mismos temas, imaginario y bibliografía. No parece descabellado que un estándar medio de calidad, homologable en ambas circunscripciones, esté al alcance de Claude —otra cosa son las obras excepcionales—.

Pero aquí topamos con una paradoja. Para que la IA escriba, alguien tiene que proporcionarle directrices que le expliquen qué escribir. De hecho, la escritura de IA implica la aparición de un nuevo género extraño, el prompt, una forma breve de escritura humana que exige precisión, especificidad, y síntesis, eso sí, alejada radicalmente de lo que siempre habíamos considerado literatura. En semejante proceso, ¿el prompt es escritura subsidiaria o central?

La escritura sin IA se irán convirtiendo en escritura contra la IA, obligada a estudiar sus marcas de autoría para esquivarlas

En segundo lugar, existe la escritura con IA. Me temo que, si hiciéramos una macroencuesta entre periodistas, guionistas, académicos o novelistas suministrándoles una buena dosis previa de Pentotal, pronto descubriríamos que esta ya es hoy la forma de escritura hegemónica: el autor escribe con autonomía, pero acude al chatbot para acelerar el estudio previo, proponer frases o pasajes alternativos para escoger el mejor, corregir ortografía o gramática, someter un inédito a escrutinio, etcétera. ¿Hasta qué punto podrán un lector o un programa fiscalizar esta clase de operaciones? Soy escéptico al respecto.

La escritura con IA tampoco es inocente ni aséptica, y tendrá consecuencias: aplanamiento del estilo, homogenización del trasfondo ideológico, pérdida del control del lenguaje. Por otro lado, parece complicado que la industria y sus trabajadores renuncien indefinidamente a una herramienta tan poderosa. Es aquí donde se sustentan el tabú y el terror, en la vergüenza de admitirlo y en el recelo que despierta la amenaza de que el proceso creativo, por mucho que lo parapetemos tras una mística ancestral, se acabe revelando un hecho tan estadístico y automatizable como otro cualquiera.

Claro que la hipótesis verdaderamente provocativa sería que una colaboración intensa entre la IA y el creador ofreciera posibilidades literarias no ya legítimas, sino estimulantes. De momento, los intentos han sido escasos y decepcionantes, pero no sé si eso significa que vayan a serlo indefinidamente. La clave estará en cómo se aborda el proceso, que es lo único importante en la creación artística.

Por último, la escritura sin IA sobrevivirá en busca de un territorio propio, de unas señas de identidad inconfundibles. De momento, la escritura sin IA es la única que los actores del mundo literario (autores, editores, lectores, libreros, críticos) consideramos legítima, en un consenso que todavía no presenta desgaste. Pero no me extrañaría que en breve tenga que conformarse con ser solo la más prestigiosa. Minoritaria, anticomercial, signo de resistencia, ubicada ahí donde la industria del libro adopta formas y cifras artesanales.

En ese panorama, las prácticas más disruptivas serán las más conservacionistas, y a medida que el mercado y las instituciones normalicen el empleo del algoritmo, la escritura sin IA se irá convirtiendo en una escritura contra la IA, es decir, una escritura obligada a estudiar las marcas de autoría de la IA para esquivarlas y confrontarlas con aquello que un humano siga pudiendo escribir por sí solo, y que se parecerá mucho al error, a la reivindicación del error. La perfección siempre ha sido un objetivo artístico un tanto banal, pero estamos a las puertas de que se convierta en un rasgo directamente sospechoso. Así, escribiremos sin IA, de acuerdo, pero con la IA teniendo un papel activo en nuestro trabajo, condicionándolo, haciéndose presente en forma de ausencia forzada, definiendo lo literario como su negativo. Entonces, lo que haremos, ¿seguirá siendo literatura? Porque lo que no va a ocurrir es que volvamos a un mundo sin IA.

O tal vez haya margen para ciertas alternativas al bucle. Un escritor podría (sin dejar de serlo, ¡menuda alquimia!) no escribir, convertir su propia escritura en ausencia activa. O renunciar a leer su contemporaneidad, aislándose en una cabaña. O no publicar, en un gesto que impugnase las condiciones del juego. Sin embargo, si una literatura no se concreta, no se pregunta por cuánto le rodea ni se comunica, ¿sigue siendo literatura? Al parecer, en el siglo XXI todo conduce a la pregunta por la supervivencia.

domingo, 31 de mayo de 2026

Entrevista a la activista pro derechos digitales Frances Haugen

 Frances Haugen: “Estamos peor que cuando filtré los documentos de Facebook”, en El País, Manuel G. Pascual, Barcelona - 31 may 2026:

La ‘garganta profunda’ que expuso los peligros para los adolescentes de las redes sociales considera que la próxima gran batalla legal será contra los personajes de IA con los que interactúan los menores

En septiembre de 2021, The Wall Street Journal publicó los llamados Facebook Files, una serie de reportajes basados en documentos internos de la tecnológica en los que, entre otras cosas, se demostraba que sus ejecutivos eran conscientes de los daños que causaban Instagram y Facebook entre los jóvenes. Fue un bombazo. Provocó la mayor crisis reputacional de la empresa de Mark Zuckerberg, que pocas semanas después rebautizó como Meta. La responsable de todo ello fue la ingeniera Frances Haugen (Iowa City, 42 años), que abandonó su puesto en Facebook con 21.000 documentos internos bajo el brazo. El Senado de EE. UU. la llamó a declarar y se iniciaron investigaciones sobre sus revelaciones.

La base documental aportada por Haugen sirvió para que muchos padres unieran los puntos. Miles de familias de adolescentes volcadas en las redes que habían sufrido trastornos mentales, alimenticios o incluso el suicidio demandaron a la compañía. Muchos de esos pleitos acabaron formando parte de la demanda colectiva presentada en 2023 por miles de particulares y decenas de instituciones educativas contra varias redes sociales. Ese mismo año, los fiscales generales de 41 Estados demandaron a Meta por perjudicar a niños con sus productos y no informar sobre esos peligros.

El tsunami legal ya ha dado sus primeros frutos. Hace dos meses, un jurado de Nuevo México determinó que Meta es culpable de engañar a los consumidores sobre la seguridad de sus plataformas y de poner en riesgo a menores de edad. En Los Ángeles, Meta y YouTube (de Google) perdieron un juicio que las declara culpables de generar adicción entre menores.

Haugen vive en Puerto Rico (entiende el español, pero no lo habla). Atrás quedan sus años en Google, Pinterest o Facebook: ha fundado una ONG, Beyond the Screen, que pretende hacer más transparentes las redes sociales. Atiende en exclusiva a EL PAÍS en Barcelona tras participar como ponente estrella en el I Encuentro Internacional por los Derechos Digitales.

Pregunta. Han pasado cinco años desde su filtración. ¿Cómo describiría la evolución de Meta desde entonces?

Respuesta. Durante los dos primeros años, parecía que habían captado el mensaje. Un mes después de la filtración, salieron a decir que iban a doblar sus esfuerzos en seguridad. Y lo hicieron. Contrataron a mucha gente, desarrollaron muchos sistemas. Pero luego llegó Elon Musk, compró X y despidió a todo su equipo de seguridad y moderación de contenidos. Demostró que no invertir en seguridad no tenía consecuencias. En muy poco tiempo, toda la industria dio un giro radical. Empresa tras empresa, siguieron la línea de Elon. Así que diría que hoy estamos quizás todavía peor que cuando filtré los documentos. No hemos usado todo el potencial de herramientas como la Ley de Servicios Digitales (DSA) [el reglamento de la UE para crear un entorno en línea más seguro y transparente] u otros sistemas que nos permitirían presionar a estas plataformas.

P. Los documentos que filtró empezaron un gran proceso legal contra Meta que ha unido a familias, instituciones educativas y fiscales generales, tanto demócratas como republicanos. ¿Cómo fue posible generar tanto consenso?

R. En EE. UU. damos por hecho que todos los temas importantes se convierten en una lucha interminable y sin salida en la que cuesta ponerse de acuerdo. Las redes sociales son uno de esos temas en los que tanto la gente de derechas como la de izquierdas ve el daño que están sufriendo los niños. Y aunque no todos estemos de acuerdo sobre cómo intervenir, sí hay consenso en torno a que no debería haber adolescentes conectados a las dos de la mañana y que, a menos que haya un plan sobre cómo usar los teléfonos en las escuelas, vamos a seguir sufriendo su poder de distracción. La gente no está dispuesta a seguir aceptando esos costes durante más tiempo.

P. ¿Qué impacto cree que tendrán las recientes sentencias de los juzgados de Nuevo México y Los Ángeles?

R. El caso de Nuevo México es diferente del resto porque se centraron en la explotación infantil: tráfico de niños, intercambio de imágenes sexuales de menores o abuso sexual infantil. Me alegra enormemente la rapidez con la que el jurado ha emitido su veredicto. Normalmente, en casos como este, si la respuesta llega en solo 24 o 48 horas, suele ser favorable a la defensa. Pero había tantas pruebas contra Meta y eran tan contundentes que el jurado se pronunció de inmediato. Espero que veamos más estados que piensen que, si Nuevo México puede ganar de forma tan decisiva, ellos también pueden. Es fácil pensar que el caso de Nuevo México solo implica 325 millones de dólares [el valor de la multa]. Ese Estado solo tiene 2,1 millones de habitantes, pero si extrapolas esa cantidad al tamaño de EE. UU., estamos hablando de unos 55.000 millones de dólares. Y es solo un caso. Si más Estados deciden que no van a aceptar los costes de la explotación infantil, de los desórdenes de los adolescentes o de las autolesiones, saldrá una suma considerable de daños que obligará a rendir cuentas.

P. ¿Cuál será el siguiente paso en este proceso legal?

R. Esperamos que este verano salgan a la luz muchos más documentos como prueba del juicio de California [jurisdicción ante la que están interpuestas las principales demandas]. Veremos también el arranque de la parte federal de las demandas colectivas de las familias, de los particulares y de los distritos educativos. Así que durante los próximos meses veremos cómo van encajando las distintas piezas del puzzle. Ese será el próximo gran frente legal en esta batalla.

P. ¿De qué otra forma se deberían abordar los efectos nocivos de las redes sociales?

R. Históricamente, cuando hay demandas colectivas sobre temas de calado que parece obvio que tendrán éxito, el Congreso acaba destituido. Aunque tengamos buenas soluciones en forma de leyes listas para promulgarse, se pueden quedar en el tintero debido al estancamiento del sistema, como pasó con el tabaco. Solo después de que 46 estados ganaran en los tribunales, las leyes antitabaco empezaron a ser discutidas seriamente.

P. Tanto en EE UU como en Europa hay una creciente preocupación en torno a los efectos de las redes en los niños, pero parece que la inteligencia artificial (IA) no forma parte de esa conversación. ¿Cree que veremos una reacción social parecida?

R. Tenemos muy poca idea de lo que significa tener 14 años hoy en día. Para los adolescentes, es normal tener amigos sintéticos. Character.ai [un sitio que ofrece robots conversacionales personalizados] presume de que el tiempo medio que pasan los usuarios con sus avatares es de dos horas al día. Los amigos digitales realmente no son tus amigos. Son tus cómplices, tus aduladores. Puede que te animen, pero están diseñados para mantenerte en ese sistema, no para que prosperes. En EE UU ya hay demandas por autolesiones o por niños que han muerto como resultado de negligencias y de la falta de supervisión de estos amigos digitales. Si no extendemos la conversación de las redes a los amigos digitales, veremos cómo se repiten muchas cosas.

P. ¿Cree que también se articularán demandas colectivas contra los efectos de la IA en los niños?

R. Las empresas de IA han sufrido juicios mucho antes que las plataformas, comparativamente. OpenAI, por ejemplo, solo hace tres años que sacó al mercado ChatGPT y ya han empezado a recibir demandas por homicidio culposo [hay varios casos documentados de personas que supuestamente se suicidaron inducidas por el chatbot]. En el caso de Instagram, pasaron 15 años antes de que empezaran a afrontar consecuencias legales serias. Durante los diez primeros años de las redes sociales, de 2004 a 2014, creímos que eran divertidas y positivas para el mundo. Las empresas ya se han dado cuenta de que, si no conectan más con el público, no van a prosperar.

P. ¿Cómo es el día después de hacer hacer una filtración como la suya? ¿Pudo encontrar trabajo?

R. Si estás en una posición en la que podrías convertirte en garganta profunda, seguro que también habrás adquirido suficiente experiencia vital como para poder dedicarte a otra cosa. Cuando trabajaba en grandes tecnológicas no era consciente de que este tipo de empresas intentan que sus empleados teman no poder sobrevivir fuera de ellas. Una de las cosas que me permitió a mí dar el paso fue que el algoritmo de YouTube me mostró vídeos sobre cómo arrancar un pequeño negocio. Así es como llegas hasta aquí. He tenido ofertas para volver a la empresa privada, pero ahora estoy centrada en otros proyectos que me apasionan. Será interesante ver cómo reacciona en los próximos 10 años la generación Z, que saben que no son imprescindibles y que no conciben estar mucho tiempo en una misma empresa. Si no tienes la confianza de que, incluso haciendo un buen trabajo, permanecerás en la compañía, entonces tienes menos incentivos para mantener secretos corporativos.

P. En estos momentos puede haber gente que esté pensando en hacer una filtración. ¿Qué les diría?

R. La filtración es la forma en que se obtiene información crítica, y para dársela a un periodista no necesitas convertirte en una garganta profunda. Hay muchísima gente filtrando documentos. Puede que Arturo [Béjar, también exempleado de Meta] o yo seamos muy visibles, pero por cada Frances Haugen hay 100 personas que se aseguran de que el documento adecuado llega a las manos de quien tiene que llegar. Es importante saber cuáles son las formas adecuadas de sacar un documento realmente importante de una organización. Yo, por ejemplo, hasta saqué fotos de la pantalla de mi ordenador porque tenía la sospecha de que un superior me estaba espiando.

P. ¿Cómo se imagina las redes sociales dentro de 10 años?

R. Una de las cosas que más me han llamado la atención en los últimos años es Blue Fever, que en 2023 estuvo en el top10 de apps más descargadas. Es una red social usada principalmente por la generación Z y es distinta porque es anónima y se habla sobre sentimientos y experiencias. Está pensada para ser un espacio seguro. Solemos creer que, cuando actuamos con anonimato, nos comportamos mal. Me abrió los ojos a la idea de que hay mucha gente creativa en el mundo que desarrolla distintos experimentos y de que los jóvenes tienen muchas ganas de dejar de usar Instagram y Facebook. Tengo la sensación de que los actuales movimientos juveniles darán en los próximos cinco años con la clave para que las plataformas que cada uno use sean una elección, para que decidas con tus amigos dónde queréis estar en vez de verte arrastrado a las de siempre. El hecho de que haya mucha gente de 21 o 22 años que no quiera pasarse una década haciendo lo que yo va a crear la masa crítica que nos dará una mayor variedad de opciones.

jueves, 28 de mayo de 2026

Márkov, padre del texto predictivo y de la IA

 De Veritasium en Español.

 ¿Cuántas veces necesitas barajar un mazo de cartas para que estén realmente revueltas? ¿Cuánto uranio se necesita para construir una bomba nuclear? ¿Cómo puedes predecir la siguiente palabra en una oración? Y ¿cómo sabe Google cuál es la página que estabas buscando? La razón por la que tenemos la respuesta a estas preguntas se debe a una extraña disputa matemática en Rusia que tuvo lugar hace más de 100 años.

En 1905, grupos socialistas en toda Rusia se levantaron contra el Zar, el gobernante del imperio. Exigían una reforma política completa o, en su defecto, que renunciara totalmente al poder.

Esto dividió a la nación en dos. Por un lado tienes a los zaristas. Ellos querían defender el statu quo y mantener al zar en el poder. Y, por el otro, tenías a los socialistas que querían una reforma política total. 

Y esta división fue tan profunda que se infiltró en cada parte de la sociedad, al punto de que hasta las matemáticas empezaron a tomar partido. Del lado del Zar estaba Pável Nekrásov, conocido informalmente como "el zar de la probabilidad". Nekrásov era un hombre profundamente religioso y poderoso, y utilizó su posición para argumentar que las matemáticas podían usarse para explicar el libre albedrío y la voluntad de Dios. 

Su némesis intelectual en el lado socialista era Andréi Márkov, también conocido como "Andréi el Furioso". Andréi Márkov era ateo y no tenía paciencia con las personas que no eran rigurosas, como consideraba a Pável Nekrásov, porque a sus ojos las matemáticas nada tenían que ver con el libre albedrío o la religión.

Así que criticó públicamente el trabajo de Nekrásov, incluyéndolo en la lista de abusos de las matemáticas. 

Su disputa se centraba en la idea principal que la gente había utilizado para hacer cálculos de probabilidad durante los últimos 200 años. Y podemos ilustrarlo solamente lanzando una moneda. Cuando yo lanzo la moneda 10 veces, obtengo seis veces cara y cuatro veces cruz, lo cual, obviamente, no es el 50 % / 50 % que esperarías; pero, si sigo lanzando la moneda, al principio la relación varía mucho, pero tras un gran número de lanzamientos vemos que lentamente se estabiliza y se acerca al 50 % / 50 %.

Y, en este caso, tras 100 lanzamientos, terminamos con 51 caras y 49 cruces, lo cual es, casi exactamente, lo que se espera. 

Este comportamiento en el que el resultado promedio se aproxima cada vez más y más al valor esperado a medida que se realizan más pruebas independientes, se conoce como la Ley de los grandes números. Fue probado por primera vez por Jacob Bernoulli en 1713, y fue el concepto clave de la teoría de probabilidad hasta antes de Andréi Márkov y Pável Nekrásov. 

Pero Bernoulli solo demostró que funcionaba para eventos independientes, como lanzar una moneda o cuando se le pide a la gente que adivine el valor de un artículo por separado, donde un evento no influye en los otros.

Pero, ahora, imagina que en lugar de pedirle a cada persona que haga su estimación individualmente, les pides que griten su respuesta en público. 

En este caso, la primera persona podría pensar que es un artículo extremadamente valioso y decir que vale unos 2.000 dólares.

Pero ahora todas las demás personas en la sala están influidas por este valor, y sus conjeturas se vuelven dependientes; y, entonces, el promedio no converge hacia el valor real, sino que se agrupa alrededor de una cantidad más alta. Y así, durante 200 años, la probabilidad se basó en la suposición clave de que se necesita independencia para que la ley de los grandes números se cumpla. Y fue esta idea la que desató la disputa entre Pável Nekrásov y Andréi  Márkov. 

Nekrasov estaba de acuerdo con Bernoulli en que se necesita independencia para obtener la Ley de los grandes números, pero fue un paso más allá: dijo que, si se observa la Ley de los grandes números, se puede inferir que los eventos subyacentes deben ser independientes. 

Tomemos este registro de matrimonios belgas de 1841 a 1845. Se puede ver que cada año el promedio es de alrededor de 29.000, por lo que parece que los valores convergen y por lo tanto se cumple la Ley de los grandes números. Y cuando Nekrásov examinó otras estadísticas sociales como las tasas de criminalidad y natalidad, notó un patrón similar.

Pero, ahora, piensa de dónde vienen todos estos datos: provienen de decisiones de casarse, decisiones de cometer delitos y decisiones de tener hijos, al menos en su mayoría. Así, Nekrásov concluyó que dado que estas estadísticas siguen la Ley de los grandes números, las decisiones que las causan deben ser independientes. Es decir, argumentaba que debían ser actos de libre albedrío. Para él, el libre albedrío no solo era algo filosófico, sino algo que se podía medir: era científico. Pero para Márkov, Nekrásov desvariaba. Le parecía absurdo vincular la independencia matemática con el libre albedrío.

Así que Márkov se propuso demostrar que los eventos dependientes también podían seguir la Ley de los grandes números y que incluso se puede hacer probabilidad con este tipo de eventos. Para esto necesitaba algo donde un evento dependiera claramente de lo que ocurrió antes; y se le ocurrió que esto es lo que sucedía en un texto: que la siguiente letra sea una consonante o una vocal depende, en gran medida, de cuál es la letra actual.

Para probar esto, Márkov recurrió a un poema fundamental de la literatura rusa. Eugenio Oneguin de Alexándr Pushkin.

Tomó las primeras 20.000 letras del poema, eliminó toda la puntuación y los espacios y las unió en una larga cadena de caracteres. Contó las letras, y descubrió que el 43% eran vocales y el 57% eran consonantes. 

Luego, Márkov dividió la cadena en pares superpuestos. Eso le dio cuatro combinaciones posibles: vocal vocal (VV), consonante consonante (CC), vocal consonante (VC) o consonante vocal (CV). Ahora, si las letras fueran independientes, la probabilidad de un par VV sería simplemente la probabilidad de una vocal dos veces, que es aproximadamente 0.18 o un 18 % de probabilidad. Pero, cuando Márkov los contó, encontró que los pares VV solo aparecían el 6% de las veces, mucho menos de lo que sería, si fueran independientes. Y, cuando verificó los otros pares, descubrió que todos los valores diferían enormemente de lo que se predecía en cada caso independiente. Así que Márkov demostró que las letras eran dependientes. Y, para vencer a Nekrásov, lo único que necesitaba hacer ahora era demostrar que estas letras aún seguían la ley de los grandes números. Así que creo una especie de máquina de predicción.

Comenzó dibujando dos círculos, uno para una vocal y otro para una consonante. Estos eran sus estados. Ahora, supongamos que estás en una vocal. Entonces, la siguiente letra podría ser una vocal o consonante. Así que dibujó dos flechas para representar estas transiciones. Pero, ¿cuáles son las probabilidades de estas transiciones?

Markov sabía que si elige un punto de inicio al azar, hay un 43% de probabilidad de que sea una vocal. También sabía que los pares de vocales ocurren aproximadamente el 6% de las veces. Entonces, para encontrar la probabilidad de pasar de una vocal a otra, dividió 0,06 por 0.43 y encontró una probabilidad de transición de aproximadamente 13%. Y, dado que hay un 100% de probabilidad de que haya una siguiente letra, todas las flechas que parten del mismo estado deben sumar 1. Entonces, la probabilidad de que siga una consonante es 1 - 0,13: 0,87%. 

Repitió este proceso para las consonantes para completar su máquina predictiva. Veamos cómo funciona.

Comenzamos con una vocal. Luego generamos un número aleatorio entre 0 y 1. Si es menor a 0,13 obtenemos otra vocal. Y, si es mayor, obtenemos una consonante. Obtuvimos 0,78, así que es consonante; luego generamos otro número y verificamos si es mayor o menor que 0,67: 0,21. Así que es una vocal.

Podemos seguir haciendo esto y llevar un registro de la proporción de vocales a consonantes. Al principio la proporción varía mucho, pero después de un tiempo converge en un valor constante: 43% vocales y 57% consonantes. La división exacta que Márkov había calculado a mano.

Márkov había construido un sistema dependiente, una cadena literal de eventos, y demostró que también seguía la Ley de los grandes números, lo que significaba que observar la convergencia en las estadísticas sociales no probaba que las decisiones subyacentes fueran independientes. En otras palabras, esas estadísticas no prueban para nada el libre albedrío. Márkov había destrozado el argumento de Nekrásov y lo sabía, así que terminó su artículo con una última indirecta a su rival: "Por lo tanto, el libre albedrío no es necesario para hacer probabilidad". De hecho, ni siquiera es necesaria la independencia para hacer probabilidad. Con esta cadena de Markov, como llegó a conocerse, se encontró una manera de hacer probabilidad con eventos dependientes. 

Esto debería haber sido un gran avance, porque en el mundo real casi todo depende de otra cosa. Es decir, el clima de mañana depende de las condiciones de hoy. La propagación de una enfermedad depende de quién está infectado ahora, y el comportamiento de las partículas depende del comportamiento de las partículas a su alrededor. Muchos de estos procesos podrían modelarse usando cadenas de Márkov.

La gente piensa que fue un golpe de gracia como: "¡Oh, Nekrásov perdió, Márkov es el mejor!" O, en realidad, no lo notaron y pasó desapercibido. Creo que la gente no se dio cuenta, como que no fue algo muy importante. Y al mismo Márkov aparentemente no le importó mucho cómo podría aplicarse en situaciones prácticas. Escribió: "Solo me interesan las cuestiones de análisis puro. Para mí, el tema de su utilidad me es indiferente." No se imaginaba que esta nueva forma de teoría de probabilidad pronto desempeñaría un papel importante en uno de los desarrollos más significativos del siglo XX.

La mañana del 16 de julio de 1945, Estados Unidos detonó el Gadget, la primera bomba nuclear del mundo. La bomba de plutonio de 6 kg creó una explosión equivalente a casi 25.000 toneladas de TNT. Esta fue la culminación del ultrasecreto proyecto Manhattan, un trabajo de 3 años realizado por algunas de las mentes más brillantes de la época, incluyendo a personas como J. Robert Oppenheimer, John von Neumann y un matemático poco conocido llamado Stanislaw Ulam, padre de la posterior bomba de hidrógeno o bomba H. Incluso después del fin de la guerra, Ulam continuó intentando entender cómo se comportaban los neutrones dentro de una bomba nuclear. 

Una bomba nuclear funciona más o menos así. Digamos que tienes un núcleo de uranio 235. Cuando un neutrón lo impacta, el núcleo se divide, liberando energía, y, muy importante, dos o tres neutrones más. Si esos nuevos neutrones continúan chocando y dividiendo en promedio más de un núcleo de uranio 235, se produce una reacción en cadena descontrolada, lo que resulta en una bomba nuclear. Pero el uranio 235, el combustible fisible que requieren las bombas, era muy difícil de obtener. Así que una de las preguntas clave era cuánto se necesitaba para construir una bomba; y para eso Ulam quería entender cómo se comportaban los neutrones. Pero luego, en enero de 1946, todo se detuvo: Ulam sufrió un caso repentino y grave de encefalitis, una inflamación del cerebro que casi termina con él; su recuperación fue larga y lenta y pasaba la mayor parte de su tiempo en cama. 

Y, para pasar el tiempo, jugaba un sencillo juego de cartas, el solitario, pero mientras jugaba un sinfín de partidas, ganando algunas, perdiendo otras, una pregunta le rondaba la cabeza: ¿Qué probabilidades hay de ganar una partida de solitario barajada al azar?

Era un problema aparentemente fácil, pero difícil de resolver. Jugaba con las 52 cartas donde cada disposición creaba un juego único. Así que el número total de juegos posibles era 52! o aproximadamente 8 por 10 elevado a 67.

Resolver esto analíticamente era imposible, pero Ulam tuvo un destello de inspiración: ¿y si jugaba cientos de partidas y contaba cuántas se podían ganar? Eso le daría una especie de aproximación estadística de la respuesta. En Los Álamos, el resto de científicos lidiaban con problemas mucho más complejos que el solitario, como entender cómo se comportan los neutrones en el núcleo atómico.

En un núcleo atómico hay miles de millones de neutrones interactuando con su alrededor. Entonces, el número posible de resultados es inmenso y calcularlos directamente parece imposible. Pero cuando Ulam regresó al trabajo tuvo una revelación repentina. ¿Y si pudiéramos simular estos sistemas generando muchos resultados aleatorios, como hice con el solitario? Compartió su idea con Von Neumann, quien inmediatamente reconoció su potencial; pero también detectó un problema importante: en el solitario, cada partida es independiente. Cómo se reparten las cartas en una partida no afecta a la siguiente. Pero los neutrones no son así. El comportamiento de un neutrón depende de dónde está y de lo que se ha hecho antes.

No se podía simplemente mostrar resultados aleatorios como en el solitario. En cambio, se necesitaba modelar toda una cadena de eventos donde cada paso influía en el siguiente. Von Neumann se dio cuenta de que necesitaba una cadena de Márkov, así que hicieron una, y así funciona una versión mucho más simplificada. 

El estado inicial es solamente un neutrón viajando a través del núcleo y, a partir de ahí, pueden ocurrir tres cosas. 

1. Puede dispersarse al chocar con un átomo y seguir viajando, lo que resulta en una flecha que regresa a sí misma. 

2. Puede salir del sistema o ser absorbido por un material visible, en cuyo caso deja de participar en la reacción en cadena y así termina su cadena de Márkov. 

3. O puede chocar con otro átomo de uranio 235, provocando un evento de fisión y liberando dos o tres neutrones más que iniciarán sus propias cadenas.

Pero en esta cadena las probabilidades de transición no son fijas, dependen de factores como la posición, la velocidad y la energía del neutrón, así como la configuración y la masa totales del uranio. Así que un neutrón que se mueve rápidamente tendrá un 30% de probabilidad de dispersarse, un 50% de ser absorbido o salir y un 20% de causar fisión. Pero un neutrón más lento tendría diferentes probabilidades.

Después ejecutaron esta cadena en la primera computadora científica del mundo, la ENIAC, creada por Von Neumann. La computadora comenzó generando aleatoriamente las condiciones iniciales de un neutrón y se desplazó a través de una cadena para llevar un registro de cuántos neutrones se producían en promedio por ejecución, conocido como el factor de multiplicación K. Si, en promedio, un neutrón produce otros dos neutrones, entonces K es igual a 2. Y si, en promedio, cada dos neutrones producen tres neutrones, entonces K es igual a 3 entre 2, y así sucesivamente.

Luego, después de recorrer toda la cadena durante un número específico de pasos, recogió el valor promedio de K y lo registró en un histograma. Este proceso se repitió cientos de veces y los resultados se sumaron proporcionando una distribución estadística del resultado. Si resulta que en la mayoría de los casos K es menor que 1, la reacción se extingue. Si es igual a 1, hay una reacción en cadena autosostenida, pero no crece. Y si K es mayor que 1, la reacción crece exponencialmente y tienes una bomba.

Con esto, Von Neumann y Ulam tenían un método estadístico para determinar cuántos neutrones se producían sin necesidad de realizar cálculos exactos. En otras palabras, podían aproximar ecuaciones diferenciales que eran demasiado difíciles de resolver de forma analítica. Ahora lo que faltaba era un nombre para el nuevo método. 

El tío de Ulam era apostador y el muestreo aleatorio y las apuestas altas le recordaban a Ulam el casino de Montecarlo en Mónaco, y el nombre les gustó. Así nació el método de Montecarlo.

El método tuvo tanto éxito que no se mantuvo en secreto por mucho tiempo. A finales de 1948, en otro laboratorio, Argón, en Chicago, los científicos lo utilizaron para estudiar diseños de reactores nucleares y a partir de ahí la idea se propagó rápidamente. Ulam comentó más tarde: "Aún me sorprende ver como unos cuantos garabatos en un pizarrón pudieron cambiar el curso de los asuntos humanos."

Y no sería la última vez que un método basado en las cadenas de Márkov cambiara el curso de los asuntos humanos: en 1993, Internet se abrió al público, y muy pronto se disparó. A mediados de la década de 1990 aparecían miles de páginas nuevas diariamente y el número solo crecía. Esto generó un nuevo problema: cómo encontrar algo en un mar de información que siempre está creciendo.

En 1994, dos estudiantes de doctorado en Stanford, Jerry Yang y David Filo, crearon Yahoo, un motor de búsqueda para solucionar el problema; pero necesitaban dinero, por lo que un año más tarde concertaron una cita con el millonario japonés Masayoshi Son, también conocido como "el Bill Gates de Japón".

Querían recaudar 5 millones de dólares para su emprendimiento, pero Son tenía otros planes. Les ofreció invertir 100 millones de dólares. Eso era 20 veces más de lo que los fundadores pidieron. Así que Jerry Yang lo rechazó diciendo que no necesitaban tanto. Pero Son no estaba de acuerdo: "Jerry, todos necesitan 100 millones de dólares." Antes de que los empresarios pudieran responder, Son intervino de nuevo y preguntó: "¿Quiénes son sus mayores competidores?"

"Excite y Lycos", respondieron los dos. Son ordenó a su socio que anotase esos nombres, y luego dijo: "Si no me dejan invertir en Yahoo!, invertiré en uno de ellos y los destruiré." Y es que Son se dio cuenta de algo: ninguno de los principales motores de búsqueda de entonces tenía una tecnología superior. No tenían una ventaja tecnológica sobre los otros. Solo clasificaban las páginas según la frecuencia en que aparecía un término buscado en alguna página. Así que la batalla por ser el motor de búsqueda número uno se decidía por quién podía atraer más usuarios, quién podía gastar más en marketing

Y el marketing requería mucho dinero, dinero que Son tenía, por lo que podía decidir quién ganaba la guerra. Los fundadores de Yahoo! se dieron cuenta de que no les quedaba otra opción más que aceptar la inversión de Son.

Estamos aquí, justo en el centro de Yahoo! y en 4 años Yahoo! se convirtió en el sitio más popular del planeta. En el tiempo que toma decir esta frase, Yahoo! responderá a 79.00 solicitudes de información en todo el mundo. Los dos hombres ahora valen 120 millones de dólares cada uno.

Pero Yahoo! tenía una debilidad crítica.

La búsqueda por palabras clave de Yahoo! era fácil de engañar. Para lograr que tu página apareciera en los primeros lugares, podías repetir las palabras clave cientos de veces, ocultándolas con texto blanco sobre un fondo blanco. Peter Norvig (de Google): "Algo que no había en esa época era una noción de calidad de resultado. Había una idea de relevancia de si el documento hablaba sobre el tema que te interesaba, pero realmente no había una noción de cuáles eran mejores." Lo que en verdad necesitaban era una forma de clasificar las páginas por relevancia y calidad. Pero, ¿cómo se mide la calidad de una página web?

Para entender eso, tenemos que tomar prestada una idea de las bibliotecas. Peter Norvig: "Recuerdo cuando los libros de la biblioteca tenían una tarjeta con los sellos de todas las fechas de cuando había que devolverlos. Si tomabas un libro y tenía muchos sellos, podías pensar que era un buen libro y si no tenía ninguno, decías: tal vez este no sea el mejor." Los sellos servían como aprobación. Mientras más sellos, mejor debía ser el libro y la misma idea se puede aplicar a la web. En Stanford, dos estudiantes de doctorado, Sergey Brin y Larry Page estaban trabajando en este mismo problema. Brin y Page se dieron cuenta de que cada enlace a una página podía considerarse como una aprobación, y cuantos más enlaces envía una página, menos valioso se vuelve cada voto. 

De lo que se dieron cuenta es de que se puede modelar la web como una cadena de Márkov. Para ver cómo funciona esto, imagina un Internet de juguete con solo cuatro páginas web, llamémoslas Amy, Ben, Chris y Dan. Estas son nuestros estados.

Normalmente, una página web enlaza a otras permitiéndote mover entre ellas. Estas son nuestras transiciones.

En este escenario, Amy solo enlaza a Ben, por lo que hay un 100% de probabilidad de ir de Amy a Ben. Ben enlaza a Amy, Chris y Dan, así que hay un 33% de probabilidad de ir a cualquiera de esas páginas y podemos completar las otras probabilidades de transición de la misma forma. Ahora podemos ejecutar esta cadena de Márkov y ver qué pasa. Imagina que estás navegando en esta red. Comienzas en una página al azar, digamos Amy, y continúas ejecutando la máquina y vas registrando el porcentaje de tiempos que pasas en cada página. 

Con el tiempo, la proporción se estabiliza y las puntuaciones nos dan una medida de la importancia relativa de estas páginas. Pasas más tiempo en Ben, así que Ben se clasifica en primero seguido por Amy, luego Dan y por último Cris. Puede parecer una forma fácil de ganarle al sistema. Solo haz 100 páginas que se enlacen a tu sitio web y así vas a tener 100 votos y siempre vas a estar hasta arriba. 

Pero no sucede así. Aunque en un principio pueden hacer que tu página parezca importante, no hay otros sitios web que se enlacen a ellos, así que después de un tiempo sus contribuciones no importan. Podrías tener muchos enlaces, pero no son enlaces de calidad, por lo que no afectan al algoritmo. Pero aún hay un problema: no todas las páginas están conectadas. En redes como esta una navegación aleatoria puede quedar atrapada en un bucle, sin llegar nunca al resto de la web

Para solucionar esto, podemos establecer una Regla, en la que el 85% del tiempo nuestro internauta aleatorio siga un enlace de manera normal, pero luego durante aproximadamente el 15% del tiempo salte una página al azar. Este factor de amortiguamiento asegura que exploremos todas las partes posibles de la web sin quedarnos atrapados.

Al utilizar cadenas de Márkov, Page y Brin construyeron un motor de búsqueda mejorado y lo llamaron Page Rank. Peter Norvig: "Porque tiene que ver con cómo interactúan las páginas web entre sí y también porque el nombre del fundador es Larry Page, así que lo coló." Con Page rank se obtuvieron mucho mejores resultados de búsqueda, a menudo llevándote al sitio que buscabas de un solo intento. Aunque para algunos esto sonaba como una pésima idea. Peter Norvig: "Otros dijeron: ¿me estás diciendo que la búsqueda los va a llevar al resultado correcto en la primera respuesta? Yo no quiero eso, porque si les lleva tres o cuatro intentos de búsqueda llegar a donde quieren, tengo tres o cuatro intentos de mostrar anuncios, y, si les das la respuesta de inmediato, simplemente los voy a perder. No, no le veo lo bueno a esta mejor búsqueda." 

Pero Page y Brin no estaban de acuerdo: estaban convencidos de que si su producto era muy superior la gente correría a él. Sergéi Brin: "Yo diría que es una democracia que funciona. Si todas las páginas fueran iguales, cualquiera podría crear tantas páginas como quisiera. Yo podría configurar 1000 millones de páginas en mi servidor mañana. No deberíamos tratarlas a todas igual. Revisando los datos por seguridad, descubrimos que teníamos la tecnología para hacer una mejor búsqueda; y nos dimos cuenta del impacto de una búsqueda eficiente." 

Y en 1998 lanzaron su nuevo motor de búsqueda para competir con Yahoo. Inicialmente lo llamaron Backr por los enlaces entrantes que analizaba, pero se dieron cuenta de que tal vez ese no era el nombre más atractivo. Su ambición era enorme y querían indexar todas las páginas de internet y necesitaban un nombre igual de grande. Así que pensaron en el número más grande que se les ocurrió, 10 elevado a la potencia de 100, un Googol. Pero entonces, al intentar registrar su dominio, lo escribieron mal sin querer y así nació Google.

En los siguientes 4 años, Google derrocó a Yahoo para convertirse en el motor de búsqueda más utilizado. "Casi todos los que conocen Internet conocen Google. Para los adolescentes googlear es como respirar. Y hoy Alphabet, la empresa matriz de Google, tiene un valor aproximado de 2 billones de dólares. Cuando Google realiza el más mínimo cambio en sus algoritmos, el efecto puede ser enorme. Google, Google, Google, Google. Están en su mejor momento y la razón es porque están concentrados y están más concentrados que Yahoo, que hace búsquedas, más que Microsoft, que realiza búsquedas con Bing. Yahoo tiene mucho tráfico, siempre lo ha tenido, tiene algunas cualidades realmente buenas, pero no creo que Yahoo sea el lugar a la que la gente acude." (Rocco Pendola y otros)

Y en el centro de este algoritmo de un billón de dólares hay una cadena de Márkov que lo único que hace es observar el estado actual para predecir lo que sucederá después. Pero en la década de 1940, Claude Shannon, el padre de la Teoría de la información, comenzó a hacerse una pregunta distinta. Volvió a la idea original de Markov de predecir texto, pero en lugar de usar solo vocales y consonantes, se centró en letras individuales y se preguntó si en lugar de mirar solo la última letra como predictoria, veía las dos últimas. Con eso obtuvo un texto que se veía así. No tiene mucho sentido, pero se reconocen algunas palabras como whey, of y the.

Pero Shannon estaba seguro de poder hacerlo mejor, así que en lugar de ver letras, pensó en qué pasaría si usara palabras enteras como predictores. Eso le dio frases como esta: "La cabeza y en un ataque a un escritor inglés que el carácter de este punto es, por lo tanto, otro método para las letras que el tiempo de quien sea que haya dicho el problema para un inesperado."

Obviamente, esto no tiene sentido, pero Shannon notó que secuencias de unas cuatro palabras normalmente sí tienen sentido.

Por ejemplo, ataque a un escritor inglés tiene cierto sentido. Shannon descubrió que se pueden hacer predicciones cada vez más precisas sobre cuál será la siguiente palabra al considerar cada vez más las palabras anteriores. Es, más o menos, lo que hace Gmail cuando predice lo que vas a escribir a continuación. Y esto no es una coincidencia. Los algoritmos que realizan estas predicciones se basan en cadenas de Markov. Brian Hayes: "No necesariamente usan letras, usan lo que llaman tokens. Algunos de ellos son letras, algunos son palabras, signos de puntuación, etcétera. Es un conjunto más grande que el alfabeto. El juego es simple: tenemos esta cadena de tokens que podría tener 30 de largo, y preguntamos cuáles son las probabilidades de que el siguiente token sea este". 

Pero los modelos extensos de lenguaje actuales no tratan a todos esos tokens por igual, porque a diferencia de las cadenas de Márkov simples, también utilizan algo llamado atención que le indica al modelo a qué debe prestar atención. Entonces, en la frase "la estructura de la célula" el modelo puede utilizar el contexto previo como sangre y mitocondrias para saber qué célula probablemente se refiere a la biología en lugar de a un grupo de personas y utiliza eso para ajustar su predicción. 

Pero a medida que los modelos extensos de lenguaje se vuelven más comunes, una preocupación es que el texto que producen termine en Internet y eso se convierta en información de entrenamiento para futuros modelos. Brian Hayes: "Cuando comienzas a hacer eso, el juego termina muy pronto. En este caso, llegas a un estado muy aburrido y estable. Simplemente repite lo mismo una y otra vez. Los modelos de lenguaje son vulnerables a este proceso." Y cualquier sistema como este con bucle de retroalimentación se volverá difícil de modelar usando cadenas de Márkov.

Tomemos el calentamiento global como ejemplo. Al incrementarse el dióxido de carbono en el aire, la temperatura promedio de la Tierra aumenta. Pero, a medida que la temperatura aumenta, la atmósfera puede contener más vapor de agua, que es un gas de efecto invernadero increíblemente poderoso. Y, con más vapor de agua, la temperatura aumenta, permitiendo que haya todavía más vapor de agua. Se produce un bucle de retroalimentación positiva que dificulta predecir lo que sucederá a continuación.

Entonces hay sistemas en los que las cadenas de Márkov no funcionan; pero para muchos otros sistemas dependientes ofrecen una forma de calcular probabilidades. 

Lo fascinante es que todos estos sistemas tienen historias extremadamente largas. Podrías rastrear todas las letras de un texto, rastrear todas las interacciones que tuvo el neutrón o rastrear el clima durante semanas. Pero lo hermoso que Markov es que para muchos de estos sistemas puedes ignorar casi todo eso. Puedes solo observar el estado actual y olvidarte del resto. Eso hace que estos sistemas sean sin memoria. Y esta cualidad de no tener memoria es lo que hace que las cadenas de Markov sean poderosas, porque es lo que permite tomar estos sistemas extremadamente complejos y simplificarlos mucho para seguir haciendo predicciones significativas. Como se expresó en un artículo de Ölle Häggström (17-1-2007), resolver problemas a menudo consiste en idear la cadena de Márkov adecuada. Brian Hayes: "Me parece un poco ridículo que este hecho básico de las matemáticas surgiera de una disputa así, que no tenía nada que ver con eso; pero todo indica que fue realmente esa determinación de superar a Nekrásov lo que llevó a Márkov a hacerlo." Pero hay una pregunta que todavía no hemos respondido. 

Al jugar al solitario, ¿cómo sabía Ulam que sus cartas estaban perfectamente barajadas? Es decir, ¿cuántas veces hay que barajar para obtener una disposición de las cartas completamente aleatoria? 

-Si tienes un mazo de cartas, necesitas barajarlo, ¿verdad?

-Okay. 

-¿Cuántas veces si lo barajas, ya sabes, lo divides por la mitad y luego haces barajado americano, cuántas veces tienes que barajarlo para que sea totalmente aleatorio? 

-Dos. 

-¿Dos?

-Voy a decir 26.

-Cuatro veces. No sé. 

-52. 

-Okay, okay, tiene sentido. Siete, son siete. 

-¿En serio?

-Sí. Se puede pensar que barajar cartas es como una cadena de markov donde cada disposición del mazo es un estado y cada que se baraja es un paso. Así que para un mazo de 52 cartas, si las barajas con rifle siete veces, entonces cada disposición del mazo es casi igual de probable. Así que básicamente es aleatorio. Pero yo no puedo barajar así. Lo que yo hago es algo así (barajado de arrastre). ¿Cuántas veces creen que hay que barajar así para que sea aleatorio? ¿Tú qué piensas? y. quizás más importante, ¿cómo crees que lo resolverías?

-Así que, Casper, dinos cuál es la respuesta.

-Son más de 2.000 veces. ¿Qué? Más qué loco, ¿no?

Así que la próxima vez que alguien ofrezca barajar antes de un juego, asegúrate de que lo haga bien. Si mezclas o no, cuenta. Pero la parte interesante no es solo saber eso, sino entender por qué y ver cómo una pregunta simple puede llevarte a unas matemáticas sorprendentemente complejas y de eso se trata.