Powered by RND
PodcastsCienciasInvestigando la investigación
Escucha Investigando la investigación en la aplicación
Escucha Investigando la investigación en la aplicación
(1 500)(249 730)
Favoritos
Despertador
Sleep timer

Investigando la investigación

Podcast Investigando la investigación
Horacio Pérez-Sánchez
¿Te preguntas de qué va esto? Solo te diré que es un podcast sobre la investigación de la investigación. Pero para entenderlo, tendrás que investigarlo tú mismo...

Episodios disponibles

5 de 328
  • 335. Del papel a la IA: cómo ha cambiado la forma en que buscamos y leemos papers
    Hoy te hablo de cómo han cambiado las herramientas para seguir la literatura en investigación. Pero no solo seguirla, sino también procesarla. Y antes de entrar en detalle, te cuento una historia de viejos (porque a veces toca).En 2001, cuando quería leer un artículo científico, tenía que ir a la hemeroteca, buscar el journal en papel, localizar el volumen correcto, sacar varios tomos en un carrito y fotocopiarlos. Ahora, con un móvil, lo tenemos todo en segundos. Pero esa evolución no solo ha sido cuestión de acceso: ha cambiado la forma en que decidimos qué leer y cómo procesamos lo que leemos.De 2004 a 2023, Google Scholar, Web of Science y Scopus dominaron la búsqueda de artículos. La gran revolución llegó con la inteligencia artificial generativa, y aquí entra en escena SciSpace.¿Qué hace esta herramienta? Tres cosas clave:Búsqueda semántica, mucho más potente que los buscadores clásicos. No se limita a palabras clave exactas, sino que entiende el significado detrás de la consulta.Resúmenes automáticos de cada paper, destacando lo esencial en segundos.Interacción con los papers, permitiéndote hacer preguntas sobre ellos y recibir respuestas en lenguaje natural.El impacto de esto no es solo práctico, sino también filosófico. ¿Estamos investigando mejor o solo produciendo más ruido? Antes profundizábamos en unos pocos artículos; ahora acumulamos cientos en Zotero sin leerlos. ¿Nos ayuda este mar de información o nos ahoga?Reflexiono sobre estas preguntas en el episodio. Y si quieres discutirlo conmigo y con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp:⁠⁠⁠⁠⁠⁠https://chat.whatsapp.com/BIfSH9QFEiK9hiS83fw2am⁠ ⁠⁠⁠⁠⁠Que tengas un buen día, y recuerda: si estas herramientas te ahorran tiempo, úsalo bien. Sal a dar un paseo.
    --------  
    22:14
  • 334. Usa el algoritmo de las redes para aprender de manera más eficiente
    Hoy comparto un método de aprendizaje inspirado en los algoritmos de redes sociales. La idea es aprovechar cómo estas plataformas detectan lo que nos interesa y aplicarlo al estudio de cualquier materia. Combinando este enfoque con la repetición espaciada y las autoevaluaciones tipo test, se puede optimizar el proceso de aprendizaje de manera eficiente y personalizada. Primero, los algoritmos de redes sociales identifican lo que nos gusta y nos lo muestran con más frecuencia. En el aprendizaje, esto significa reconocer qué partes de un contenido dominamos y cuáles necesitan más repaso. Luego, la repetición espaciada permite ajustar la frecuencia de revisión según la dificultad que presenta cada concepto. Finalmente, las autoevaluaciones tipo test refuerzan la retención y ayudan a detectar puntos débiles. Para poner esto en práctica con herramientas de inteligencia artificial, basta con estructurar un sistema que presente fragmentos de contenido de forma aleatoria, los explique de manera sencilla y genere preguntas para evaluar la comprensión. Si las respuestas son correctas, ese contenido aparece menos veces; si hay errores, se repite con mayor frecuencia y reformulado de distintas maneras. Este método se puede aplicar con cualquier tema y herramienta de IA, como ChatGPT, cargando PDFs o utilizando información accesible en internet. Lo ideal es experimentar con los prompts hasta encontrar la mejor manera de automatizar el proceso y guardar un prompt maestro para reutilizarlo fácilmente en futuras sesiones. Además, te invito a unirte a nuestra comunidad gratuita en WhatsApp: ⁠⁠⁠⁠⁠⁠https://chat.whatsapp.com/BIfSH9QFEiK9hiS83fw2am⁠ ⁠⁠⁠⁠⁠ donde podrás interactuar con otros investigadores y compartir tus opiniones sobre el tema de este episodio. Nos encantaría saber qué piensas y recibir tus comentarios para seguir mejorando. Gracias por escuchar y nos vemos en el próximo episodio.
    --------  
    15:27
  • 333. Cómo Google está resolviendo los mayores retos de la computación cuántica
    Hoy exploraremos un tema que está marcando un antes y un después en la tecnología: la computación cuántica y el reciente avance de Google con su procesador Willow y publicado en Nature: https://www.nature.com/articles/s41586-024-08449-y https://blog.google/technology/research/google-willow-quantum-chip/ La computación cuántica es una tecnología que promete revolucionar nuestra forma de resolver problemas complejos. A diferencia de las computadoras clásicas, que trabajan con bits que solo pueden ser 0 o 1, las computadoras cuánticas utilizan qubits, que gracias a la superposición pueden ser 0 y 1 al mismo tiempo. Esto, junto con el entrelazamiento cuántico, permite procesar información de manera exponencialmente más eficiente. Sin embargo, hasta ahora, uno de los mayores retos ha sido la fragilidad de los qubits y la corrección de errores. Aquí es donde entra Willow, el nuevo procesador cuántico de Google, que ha logrado un avance histórico: superar el umbral crítico en la corrección de errores. Utilizando códigos de superficie con distancias 5 y 7, han reducido la tasa de error a un impresionante 0,143%. Además, han mejorado la memoria cuántica, logrando que los qubits lógicos tengan una duración de vida 2.4 veces mayor que los qubits físicos. Esto significa que estamos más cerca de construir sistemas cuánticos estables y fiables, un paso crucial hacia aplicaciones prácticas. Otro logro clave ha sido la implementación de un sistema de decodificación en tiempo real, capaz de corregir errores en tan solo 63 microsegundos. Este avance es fundamental para que los algoritmos cuánticos puedan ejecutarse de manera continua y eficiente. Aunque todavía hay retos, como la mitigación de errores raros, estos avances representan un cambio de paradigma en la computación cuántica. Este progreso no solo redefine los límites de lo posible, sino que también abre la puerta a aplicaciones revolucionarias en áreas como la salud, la criptografía y la inteligencia artificial. Sin embargo, aún queda mucho por hacer para escalar estos sistemas y llevarlos al mundo real. Episodios relacionados: 155, 187, 266 Además, te invitamos a unirte a nuestra comunidad gratuita de investigadores en WhatsApp: ⁠⁠⁠⁠⁠⁠https://chat.whatsapp.com/BIfSH9QFEiK9hiS83fw2am⁠ ⁠⁠⁠⁠⁠ donde podrás interactuar con otros investigadores y compartir tus opiniones sobre el tema de este episodio. Nos encantaría saber qué piensas y recibir tus comentarios para seguir mejorando. Gracias por escuchar y nos vemos en el próximo episodio.
    --------  
    41:32
  • 332. Todo está conectado, la ciencia de Albert-László Barabasi
    En este episodio exploramos las ideas más fascinantes de Linked: The New Science of Networks, el libro de Albert-László Barabási. Descubrimos cómo las redes están presentes en todos los aspectos de nuestra vida y cómo entenderlas puede cambiar nuestra perspectiva sobre el mundo. Desde Internet hasta las redes sociales, pasando por la biología y las telecomunicaciones, todo está conectado. Hablamos primero de qué son las redes, cómo se componen de nodos y enlaces, y cómo se manifiestan en ejemplos cotidianos como Internet, las redes sociales y los sistemas metabólicos. Después, profundizamos en las redes de escala libre, aquellas donde algunos nodos (los hubs) concentran la mayoría de las conexiones. Entendemos por qué surgen estas redes, gracias a factores como el crecimiento continuo y el crecimiento preferencial, y exploramos ejemplos prácticos que van desde la tecnología hasta la biología. También analizamos las propiedades de estas redes, como su resiliencia ante fallos aleatorios y su vulnerabilidad a ataques dirigidos, y cómo estos aspectos determinan su comportamiento. Nos adentramos en cómo la información, las ideas y las enfermedades se propagan a través de las redes y cómo los clusters y comunidades dentro de estas estructuras afectan la dinámica de la difusión. El episodio incluye aplicaciones prácticas en tecnología, como la optimización de Internet y las redes eléctricas, y en biología y medicina, donde el análisis de redes metabólicas y la identificación de nodos clave son esenciales para la investigación y las terapias dirigidas. También reflexionamos sobre cómo las empresas utilizan el análisis de redes para mejorar estrategias de marketing y el desarrollo de productos. Cerramos con una reflexión sobre el impacto del libro y cómo su visión de las redes puede ayudarnos a entender mejor nuestras propias conexiones. Si quieres profundizar más, te recomendamos leer el libro Linked: The New Science of Networks, disponible en numerosas plataformas. Explora el fascinante mundo de las redes y cómo moldean nuestra vida diaria en la página oficial de Albert-László Barabási: www.barabasilab.com. Además, te invitamos a unirte a nuestra comunidad gratuita en WhatsApp: ⁠⁠⁠⁠⁠https://chat.whatsapp.com/BIfSH9QFEiK9hiS83fw2am⁠ ⁠⁠⁠⁠ donde podrás interactuar con otros investigadores y compartir tus opiniones sobre el tema de este episodio. Nos encantaría saber qué piensas y recibir tus comentarios para seguir mejorando. Gracias por escuchar y nos vemos en el próximo episodio.
    --------  
    40:50
  • 331. Innovación en urgencias, predicción de recaídas mediante aprendizaje automático interpretable
    En este episodio de "Concienciados", comparto junto a Juan José Hernández Morante, investigador de la UCAM, los detalles de una investigación que busca transformar la gestión sanitaria a través de la inteligencia artificial. Hablamos sobre un sistema predictivo que hemos desarrollado en la UCAM y que permite anticipar, con un 95% de precisión, la probabilidad de que un paciente dado de alta en urgencias vuelva a ingresar en un plazo de 30 días. La motivación del proyecto surge de un problema recurrente en los servicios sanitarios: los reingresos hospitalarios. Saber quién tiene más probabilidades de volver a urgencias nos permite intervenir de manera más eficiente, optimizando recursos y mejorando la atención al paciente. Para desarrollar esta herramienta, partimos de los datos clínicos del Hospital Virgen de la Arrixaca, que nos proporcionaron una base sólida con más de 20.000 registros. A partir de ahí, aplicamos metodologías avanzadas de "machine learning", desarrollando modelos que no solo predicen resultados, sino que además explican por qué. Esto es clave, ya que permite entender las variables que más influyen en las recaídas y cuestionar paradigmas que, hasta ahora, se daban por sentados. Por ejemplo, uno de los hallazgos más llamativos es que una estancia hospitalaria prolongada, lejos de ser beneficiosa, aumenta las probabilidades de reingreso. Este dato rompe con la idea tradicional de que "más tiempo en el hospital" equivale a "mejor recuperación". Además, encontramos diferencias demográficas interesantes: los hombres tienen más probabilidades de recaída que las mujeres, y ciertos códigos postales muestran patrones significativos que podrían relacionarse con factores sociales o económicos. Durante la conversación, insistimos en que estas herramientas no son magia. La inteligencia artificial no hace milagros, pero puede aportar mucho valor si se aplican correctamente. Por eso, uno de los grandes retos es que los profesionales de la salud conozcan y confíen en estas tecnologías. La rápida evolución de la IA y la cantidad de datos que se generan en los hospitales requieren un esfuerzo conjunto para que estas herramientas se integren de forma efectiva en el sistema sanitario. El objetivo final de este proyecto no es solo reducir los reingresos hospitalarios, sino también mejorar la calidad de vida de los pacientes. Menos tiempo en el hospital significa más tiempo en casa, donde el paciente puede recuperarse mejor con un seguimiento adecuado. En el futuro, esperamos aplicar esta misma metodología a otros contextos dentro del ámbito de la salud, explorando nuevas bases de datos y extendiendo el impacto de esta tecnología. Este episodio es una producción de iradio UCAM, con la colaboración de la Unidad de Cultura Científica e Innovación y el Vicerrectorado de Investigación de la UCAM. Agradecemos a todos los que han hecho posible este trabajo y, especialmente, a quienes nos escuchan y comparten nuestro interés por la investigación y la tecnología aplicada a la salud. Aquí la publicacion relacionada: https://www.mdpi.com/2504-4990/6/3/80 Además, te invitamos a unirte a nuestra comunidad gratuita en WhatsApp: ⁠⁠⁠⁠https://chat.whatsapp.com/BIfSH9QFEiK9hiS83fw2am⁠ ⁠⁠⁠ donde podrás interactuar con otros investigadores y compartir tus opiniones sobre el tema de este episodio. Nos encantaría saber qué piensas y recibir tus comentarios para seguir mejorando. Gracias por escuchar y nos vemos en el próximo episodio.
    --------  
    13:45

Más podcasts de Ciencias

Acerca de Investigando la investigación

¿Te preguntas de qué va esto? Solo te diré que es un podcast sobre la investigación de la investigación. Pero para entenderlo, tendrás que investigarlo tú mismo; de lo contrario, sería incoherente. Al hacerlo, estarás participando en un acto de meta-meta-investigación.
Sitio web del podcast

Escucha Investigando la investigación, La Ciencia Pop y muchos más podcasts de todo el mundo con la aplicación de radio.net

Descarga la app gratuita: radio.net

  • Añadir radios y podcasts a favoritos
  • Transmisión por Wi-Fi y Bluetooth
  • Carplay & Android Auto compatible
  • Muchas otras funciones de la app
Aplicaciones
Redes sociales
v7.7.0 | © 2007-2025 radio.de GmbH
Generated: 2/17/2025 - 6:23:00 PM