XIXº Encuentro "Smart city: la interconexión social inteligente del Multiverso" - La Energía Fotovoltaica en la Smartcity

    Hoy nos hemos reunido en el Parador Nacional de Toledo para analizar "La Energía Fotovoltaica en la Smartcity", basándonos en el contenido de las investigaciones y datos recogidos en el libro.

 

      Proporcionamos una visión integral de los aspectos técnicos, económicos y legales de la energía fotovoltaica. 

   Se describe el funcionamiento de los sistemas eléctricos y la ingeniería eléctrica, incluyendo la generación, distribución y almacenamiento de energía desde los fundamentos de la física de semiconductores hasta el diseño de sistemas y el marco regulatorio, abarcando también los elementos necesarios para comprender la viabilidad y el potencial de la energía solar como una alternativa energética sostenible.
 

   Se exploran los fundamentos científicos del cambio climático y la necesidad de una transición energética hacia fuentes renovables, poniendo el énfasis en la eficiencia, optimización y necesidad de un conocimiento técnico sólido, destacando la complejidad y la importancia de este área.
 

   Finalmente, se evalúan la rentabilidad y la viabilidad económica de la energía solar, considerando diversas métricas y modelos de sistemas.
 

   La energía solar fotovoltaica transforma de manera directa la luz solar en electricidad empleando una tecnología basada en el efecto fotovoltaico. La energía solar fotovoltaica no emite gases de efecto invernadero, por lo que no contribuye al calentamiento global. De hecho, se muestra como una de las tecnologías renovables más eficientes en la lucha contra el cambio climático. 

 

   Coincidencia, hoy (fin de semana) han estado los de Iberdrola corrigiendo el desplazamiento de una torre de alta tension detras de mi casa. 

 

ChatGPT reduce la actividad cerebral según M.I.T.

   Según un innovador estudio del MIT, utilizar ChatGPT para tareas de escritura reduce significativamente la actividad cerebral y el aprendizaje, ya que los investigadores descubrieron que los usuarios de IA mostraron la conectividad neuronal más débil en comparación con aquellos que usaban motores de búsqueda o dependían únicamente de sus propias habilidades de pensamiento.

    El estudio de cuatro meses del MIT Media Lab reveló que los participantes que usaron ChatGPT completaron tareas de escritura un 60% más rápido, pero mostraron una reducción del 32% en la "carga cognitiva germana", es decir, el esfuerzo mental necesario para procesar la información y convertirla en conocimiento significativo. Esta eficiencia tiene un costo significativo, ya que los investigadores identificaron un fenómeno que llaman "deuda cognitiva", donde delegar tareas mentales a la IA debilita las habilidades fundamentales de pensamiento con el tiempo. Los ensayos producidos por usuarios de ChatGPT carecían de originalidad y mostraban una notable similitud entre sí, y los participantes reportaron un sentido mínimo de autoría sobre su trabajo en comparación con aquellos que dependieron únicamente de su propio cerebro.

• Los usuarios de ChatGPT se volvieron cada vez más pasivos con cada ensayo subsiguiente, a menudo simplemente copiando y pegando contenido generado por IA

• El deterioro cognitivo persistió incluso después de que los participantes dejaron de usar herramientas de IA, lo que sugiere que el uso habitual de IA puede causar cambios duraderos en el procesamiento de la información

• Los cerebros en desarrollo de los jóvenes pueden ser particularmente vulnerables a estos efectos, lo que genera preocupación sobre la adopción generalizada de la IA en entornos educativos

    Los escaneos EEG revelaron diferencias dramáticas en la conectividad neural entre los tres grupos de estudio. Los participantes que dependían únicamente de sus cerebros exhibieron las redes más fuertes, con 79 conexiones en la Banda Alfa, cruciales para la atención interna y el procesamiento semántico durante el pensamiento creativo. Los usuarios de motores de búsqueda mostraron un compromiso moderado, mientras que los usuarios de ChatGPT presentaron una conectividad significativamente más débil, con solo 42 conexiones en la Banda Alfa.

  La disparidad se extendió también a otras bandas de frecuencia cerebral. La actividad en la Banda Theta, asociada con la memoria de trabajo y el control ejecutivo, mostró 65 conexiones para los usuarios que solo usaban su cerebro, en comparación con solo 29 para los usuarios de LLM.

  Esta reducción sistemática de la conectividad cerebral se correlacionó directamente con el nivel de apoyo externo utilizado, lo que indica que cuanto más dependían los participantes de la asistencia de IA, menos se involucraban sus cerebros con el material procesado.

 Quizás el hallazgo más alarmante del estudio del MIT fue el impacto severo en la formación y recuperación de la memoria entre los usuarios de ChatGPT. Más del 83% de los participantes que utilizaron la herramienta de IA no pudieron citar con precisión ensayos que habían escrito apenas unos minutos antes. Esto contrasta drásticamente con los usuarios que solo usaron su cerebro o motores de búsqueda, donde solo el 11,1% experimentó dificultades similares de recuerdo.

Este déficit de memoria sugiere que, cuando la IA se encarga del trabajo cognitivo pesado, nuestros cerebros no logran codificar adecuadamente la información en las redes de memoria a largo plazo. Como señaló un investigador: "La tarea se ejecutó, y se podría decir que fue eficiente y conveniente, pero como mostramos en el artículo, básicamente no integraste nada de eso en tus redes de memoria."

Las implicaciones son especialmente preocupantes en entornos educativos, donde la formación de la memoria es esencial para el aprendizaje y la retención del conocimiento. Cuando se les pidió reescribir ensayos sin usar ChatGPT, los participantes recordaron poco de su propio trabajo previamente presentado, demostrando cómo delegar el pensamiento a la IA puede interrumpir fundamentalmente los procesos naturales de aprendizaje y consolidación de la memoria.

 

 Los hallazgos del estudio del MIT plantean preguntas profundas sobre el papel de la IA en la educación, ya que los estudiantes que se vuelven dependientes de herramientas como ChatGPT pueden desarrollar patrones cognitivos fundamentalmente diferentes. La investigadora principal, Nataliya Kosmyna, enfatizó la urgencia de comprender estos efectos, particularmente porque los cerebros en desarrollo de los jóvenes podrían ser los más vulnerables a estos cambios. Esta preocupación se ve amplificada por otras investigaciones que muestran que un mayor uso de la IA se correlaciona con una mayor soledad y una menor motivación, a pesar de los aumentos en la productividad.

Las implicaciones del estudio se extienden más allá del aula hacia entornos profesionales donde el pensamiento crítico es esencial. Aunque la investigación involucró un tamaño de muestra relativamente pequeño y está a la espera de revisión por pares, proporciona la primera evidencia neurológica integral de cómo los asistentes de escritura con IA afectan la cognición humana.

A medida que las herramientas de IA se integran cada vez más en la vida cotidiana, estos hallazgos sugieren que tal vez debamos reconsiderar cómo equilibramos la conveniencia tecnológica con el desarrollo cognitivo, especialmente para las generaciones más jóvenes cuyos cerebros aún están formando vías neuronales cruciales.

 

Fuentes 

 

 https://economictimes.com/magazines/panache/is-chatgpt-making-us-dumb-mit-brain-scans-reveal-alarming-truth-about-ais-impact-on-the-human-mind/articleshow/121955720.cms

 

 https://the-decoder.com/mit-study-shows-cognitive-debt-through-chatgpt-heres-what-it-means-in-real-world-practice/

 

      https://www.perplexity.ai/discover/tech/mit-study-reveals-chatgpt-use-BeMUO9oFTveU7t2EC6ikrQ

 

 https://www.theweek.in/news/health/2025/06/19/chat-gpt-might-not-be-good-for-your-brain-new-mit-study-finds.html

 

 https://www.business-standard.com/technology/tech-news/mit-study-ai-chatgpt-impact-student-cognitive-engagement-learning-writing-125061900921_1.html

¿Qué son los metadatos de una foto?

 

Los metadatos son datos sobre los datos. En el contexto de una foto, son información incrustada en el archivo de imagen que describe la propia imagen. Los tipos más comunes de metadatos son los EXIF (Exchangeable Image File Format), pero también existen IPTC (International Press Telecommunications Council) y XMP (Extensible Metadata Platform).

Estos datos pueden incluir:

·            Información de la cámara: Marca, modelo, número de serie, configuración de la lente, apertura, velocidad de obturación, ISO, distancia focal.

·            Información de la toma: Fecha y hora exacta en que se tomó la foto.

·            Localización (si está activada): Coordenadas GPS de dónde se tomó la foto.

·            Configuración de software: Si la foto fue editada, puede haber información sobre el programa usado (Photoshop, Lightroom, etc.).

·            Información del fotógrafo/editor: Derechos de autor, descripción de la imagen, palabras clave (estas son más comunes en IPTC/XMP).

---

¿Cómo localizar los metadatos?

La forma de acceder a los metadatos varía según el sistema operativo y el software que uses:

En Windows:

1.      Haz clic derecho sobre el archivo de la imagen.

2.      Selecciona "Propiedades".

3.      Ve a la pestaña "Detalles". Aquí encontrarás una gran cantidad de información EXIF, incluyendo la cámara, la fecha, la exposición y, a veces, la ubicación GPS.

 

En macOS:

1.      Abre la imagen con la aplicación "Vista Previa" (Preview).

2.      En la barra de menú, ve a "Herramientas" > "Mostrar inspector" (o usa el atajo Cmd + I).

3.      Haz clic en el icono de información (i) y luego en las pestañas como "EXIF" o "GPS" para ver los detalles.

En dispositivos móviles (iOS/Android):

·            iOS (iPhone/iPad): Abre la aplicación "Fotos", selecciona la imagen y desliza hacia arriba para ver parte de la información, como la fecha, la hora, el modelo de la cámara y, si está disponible, un mapa con la ubicación. Para más detalles, necesitarás una aplicación de terceros.

·            Android: Abre la aplicación "Galería" o "Fotos", selecciona la imagen, toca los tres puntos (o el icono de "Más") y busca "Detalles" o "Información".

Con software de visualización y edición de fotos:

Programas como Adobe Lightroom, Photoshop, IrfanView, o GIMP tienen secciones dedicadas a mostrar y, a menudo, editar metadatos. Normalmente, los encontrarás bajo opciones como "Información de archivo", "Metadatos" o "Propiedades".

Herramientas online y de escritorio para metadatos:

Hay muchas herramientas gratuitas disponibles que te permiten ver metadatos, y algunas incluso editarlos o eliminarlos:

·            Online:

o   Pic2Map: Te permite subir una imagen y ver su información EXIF, incluyendo la ubicación en un mapa si está disponible.

o   Metapicz: Una herramienta sencilla para ver los metadatos EXIF de una imagen.

·            De escritorio:

o   ExifTool (línea de comandos): Una herramienta muy potente y versátil para leer, escribir y editar metadatos. Es para usuarios más avanzados.

o   Exif Viewer (extensión de navegador): Algunas extensiones para Chrome o Firefox te permiten ver los metadatos de las imágenes directamente desde el navegador.

---

¿Cómo usar los metadatos?

Los metadatos son increíblemente útiles para una variedad de propósitos:

1.      Organización y gestión de fotos: Puedes ordenar tus fotos por fecha de toma, modelo de cámara, o incluso por la lente usada. Esto es especialmente útil para fotógrafos con grandes colecciones.

2.      Análisis de la técnica fotográfica: Si eres fotógrafo, puedes examinar los metadatos de tus propias fotos o de las de otros para entender qué configuraciones de cámara se usaron para lograr un efecto específico (ej. "¡Ah, esta foto fue tomada con ISO 400 y una apertura f/2.8!").

3.      Derechos de autor y autoría: Puedes incrustar información de derechos de autor y contacto en los metadatos, lo que ayuda a proteger tu trabajo y a que la gente sepa quién es el creador de la imagen.

4.      Geolocalización: Si la función GPS estaba activada en tu cámara o móvil, los metadatos te mostrarán exactamente dónde se tomó la foto. Esto es genial para recordar viajes o para catalogar imágenes por ubicación.

5.      Privacidad y seguridad: Es crucial entender que los metadatos pueden contener información sensible como tu ubicación. Si vas a compartir fotos públicamente, especialmente en redes sociales, es una buena práctica eliminar los metadatos sensibles para proteger tu privacidad. Muchas plataformas de redes sociales eliminan automáticamente los metadatos al subir una foto, pero no todas.

6.      Optimización para motores de búsqueda (SEO): En el contexto de las imágenes para sitios web, los metadatos IPTC y XMP pueden incluir palabras clave, descripciones y títulos que ayudan a los motores de búsqueda a entender de qué trata la imagen, mejorando su visibilidad en los resultados de búsqueda de imágenes.

---

¿Cómo editar o eliminar metadatos?

Como te mencioné, puedes editar o eliminar metadatos por razones de privacidad o para añadir información propia (como derechos de autor).

·            En Windows: En la pestaña "Detalles" de las propiedades de la imagen, verás un enlace que dice "Quitar propiedades e información personal". Aquí puedes seleccionar qué información quieres eliminar.

·            En macOS: En la "Vista Previa", si bien puedes ver muchos metadatos, para editarlos o eliminarlos de forma más granular, necesitarás software de terceros o herramientas más avanzadas.

·            Software de edición de fotos: Programas como Lightroom o Photoshop te permiten editar y añadir metadatos IPTC/XMP (como derechos de autor, descripciones, palabras clave).

·            Herramientas de terceros: ExifTool es la herramienta más poderosa para editar metadatos. También hay aplicaciones con interfaz gráfica que lo hacen más fácil de usar, como ExifCleaner.

Siempre ten cuidado al editar o eliminar metadatos, ya que podrías borrar información útil. Si no estás seguro, haz una copia de la foto antes de modificar sus metadatos.

 

XVIIIº Encuentro "Smart city: la interconexión social inteligente del Multiverso" – La I.A. aplicada al cultivo del espárrago

  Hoy nos hemos reunido en la finca familiar para ver los resultados de los trabajos de aplicación de la I.A. en la Optimización del Riego y la Fertilización de espárragos de una hectárea que hemos estudiado. La inteligencia artificial (IA) está abriendo caminos muy interesantes en la agricultura, y el cultivo de espárragos no es una excepción. La clave de esta aplicación de la IA reside en la capacidad de analizar grandes cantidades de datos complejos para tomar decisiones más informadas y precisas sobre cuándo y cuánto regar y fertilizar.

 

1. Recopilación de Datos Multidimensionales:

·            Sensores de Suelo: Se utilizan diversos tipos de sensores enterrados en el suelo para medir parámetros cruciales como la humedad, la temperatura, la conductividad eléctrica (indicativa de la concentración de sales y nutrientes) y el pH en diferentes profundidades. Estos datos se transmiten en tiempo real a una plataforma central.

·            Estaciones Meteorológicas: Estaciones meteorológicas locales o datos de pronóstico hiperlocales proporcionan información sobre la temperatura del aire, la humedad relativa, la precipitación, la radiación solar y la velocidad del viento. Estos factores influyen directamente en la evapotranspiración de las plantas y la necesidad de riego.

·            Datos de la Planta: Sensores en la planta (aunque menos comunes en espárragos en comparación con otros cultivos, se están explorando) o análisis de imágenes pueden proporcionar información sobre el estado hídrico y nutricional de la planta, como la temperatura de la hoja o el índice de verdor.

·            Datos Históricos: Se incorporan datos históricos de rendimiento del cultivo, condiciones climáticas de años anteriores, programas de riego y fertilización previos, y análisis de suelo históricos. Esto permite a los modelos de IA aprender de las experiencias pasadas.

·            Topografía y Tipo de Suelo: La información sobre la topografía del terreno y los diferentes tipos de suelo dentro del campo es crucial, ya que la retención de agua y la disponibilidad de nutrientes varían significativamente.

2. Modelado y Aprendizaje Automático:

·            Modelos de Evapotranspiración (ET): La IA utiliza modelos sofisticados para calcular la evapotranspiración del cultivo, que es la cantidad de agua que se pierde por evaporación del suelo y transpiración de las plantas. Estos modelos consideran las condiciones meteorológicas, la etapa de crecimiento del espárrago y las características del cultivo.

·            Modelos de Necesidades Hídricas Específicas: Basándose en la ET y otros factores, la IA puede predecir las necesidades hídricas específicas del espárrago en diferentes momentos de su ciclo de crecimiento. Por ejemplo, las necesidades de agua pueden ser mayores durante el período de máximo crecimiento de los brotes.

·            Modelos de Dinámica de Nutrientes: La IA analiza cómo los nutrientes se mueven y están disponibles en el suelo en función del tipo de suelo, el riego, la fertilización y la absorción por parte de la planta. Esto ayuda a optimizar la aplicación de fertilizantes para evitar deficiencias o excesos.

·            Algoritmos de Aprendizaje Automático: Se utilizan algoritmos de aprendizaje automático (como redes neuronales, regresión, árboles de decisión, etc.) para identificar patrones complejos en los datos y aprender las relaciones entre las variables (clima, suelo, planta, riego, fertilización y rendimiento). Estos modelos se actualizan continuamente con nuevos datos para mejorar su precisión con el tiempo.

 

Mejoras y Evidencias Directas:

La IA para optimizar el riego y la fertilización puede conducir a mejoras significativas en el rendimiento (5-20%+), la eficiencia del uso del agua (10-30% de reducción) y la reducción del uso de fertilizantes (5-15%+), además de mejorar la calidad y permitir la detección temprana de problemas. La IA en la optimización del riego y la fertilización del espárrago representa una transición hacia una agricultura más inteligente y de precisión. Al aprovechar el poder del análisis de datos y el aprendizaje automático, los agricultores pueden tomar decisiones más informadas, utilizar los recursos de manera más eficiente y, en última instancia, lograr cultivos de espárragos más productivos y sostenibles.