El nuevo método científico

Durante siglos, la ciencia se desarrolló siguiendo una lógica relativamente ordenada. El científico observaba un fenómeno, planteaba un problema, formulaba una hipótesis, diseñaba y realizaba un experimento, analizaba los resultados, extraía conclusiones y finalmente comunicaba sus hallazgos. Este proceso, conocido como método científico clásico, fue fundamental para construir gran parte del conocimiento que hoy poseemos.

Sin embargo, estamos entrando en una etapa en la que la inteligencia artificial, la robótica y los laboratorios automatizados comienzan a modificar profundamente esa dinámica. No se trata simplemente de utilizar una computadora para hacer cálculos más rápidamente. La novedad reside en que la IA puede comenzar a participar en diferentes etapas del proceso científico: formular hipótesis, diseñar experimentos, analizar resultados y proponer nuevas hipótesis. Esto permite imaginar una nueva forma de hacer ciencia: un ciclo de descubrimiento acelerado, en el que seres humanos e inteligencia artificial trabajan conjuntamente.

En el método científico clásico (representado en la figura de la izquierda) el proceso comienza generalmente con una observación. El científico observa algo que despierta su interés: un comportamiento inesperado de una molécula, una propiedad particular de un material, una reacción que no ocurre como estaba previsto o una anomalía en un conjunto de datos. A partir de esa observación surge el planteamiento del problema. ¿Por qué ocurre ese fenómeno? ¿Qué variables lo determinan? ¿Es posible modificarlo o aprovecharlo?

Luego aparece uno de los elementos centrales de la investigación científica: la hipótesis. El investigador propone una explicación posible que pueda ser sometida a prueba experimental. La siguiente etapa es la experimentación. Se diseña un procedimiento, se seleccionan las variables, se establecen las condiciones experimentales y se obtiene información. Los resultados son posteriormente analizados. El científico determina si los datos respaldan o contradicen la hipótesis y, finalmente, formula una conclusión. El conocimiento obtenido se puede comunicar a la comunidad científica y/o plantear una nueva hipótesis de trabajo. El ciclo depende principalmente de la capacidad humana para imaginar, diseñar, ejecutar e interpretar cada etapa.

La inteligencia artificial introduce un cambio cualitativo. En el nuevo ciclo científico, el punto de partida puede ser una pregunta científica formulada por un investigador, por una necesidad tecnológica o incluso derivada del análisis de grandes cantidades de información. A partir de esa pregunta, una IA especializada puede explorar enormes cantidades de conocimiento científico y generar múltiples hipótesis. Aquí aparece una diferencia importante respecto del método tradicional. Un investigador humano puede desarrollar unas pocas hipótesis basándose en su conocimiento, experiencia e intuición. Una IA puede evaluar simultáneamente miles o millones de combinaciones posibles, relacionando información procedente de artículos científicos, bases de datos, estructuras moleculares, simulaciones y resultados experimentales anteriores. El siguiente paso consiste en diseñar el experimento. Una IA puede seleccionar variables, proponer concentraciones, temperaturas, materiales, tiempos de reacción y diferentes condiciones experimentales. Incluso puede comparar múltiples diseños y seleccionar aquellos que, según determinados criterios, tengan mayor probabilidad de producir información relevante. El experimento puede entonces pasar del mundo virtual al físico. 

En un laboratorio automatizado, robots e instrumentos ejecutan las instrucciones: preparan muestras, mezclan sustancias, modifican condiciones, realizan mediciones y registran los resultados. De esta manera, una parte importante de la experimentación deja de depender de la intervención manual del investigador. Una vez obtenidos los datos, la IA puede analizar los resultados. Puede detectar patrones que no son evidentes para un observador humano, comparar los resultados con enormes bases de datos, identificar anomalías y determinar qué variables parecen tener mayor influencia. La IA puede utilizar esos resultados para proponer nuevas hipótesis. Es decir, el resultado de un experimento no representa necesariamente el final del proceso. Se convierte inmediatamente en información para diseñar el siguiente. Entonces aparece nuevamente el experimento.Y después otro.Y otro. La ciencia adquiere una dinámica mucho más cercana a un bucle de aprendizaje continuo que a una secuencia de pasos. Esta característica es la que permite hablar de un ciclo de descubrimiento acelerado.

En el modelo clásico, cada ciclo experimental puede requerir días, semanas, meses o incluso años. Entre un experimento y el siguiente existen numerosas tareas humanas: revisar bibliografía, diseñar protocolos, preparar materiales, realizar cálculos, ejecutar el experimento, procesar los datos y decidir qué hacer a continuación.

En un sistema integrado de IA y automatización, algunas de esas etapas pueden ejecutarse en paralelo o con una intervención humana mucho menor.

La IA puede analizar resultados durante la noche, seleccionar nuevas condiciones experimentales y enviar las instrucciones a un laboratorio automatizado. El laboratorio ejecuta los experimentos y devuelve los datos al sistema, que vuelve a analizarlos. El ciclo puede repetirse muchas veces. Esto no significa que el científico deje de ser necesario.Por el contrario, su función puede adquirir una importancia diferente.

En el modelo clásico, el investigador participa directamente en prácticamente todas las etapas. En el nuevo modelo, puede convertirse progresivamente en director, supervisor y orientador del proceso de descubrimiento. Será quien formule grandes preguntas, establezca objetivos, determine qué problemas vale la pena investigar, evalúe la relevancia de los descubrimientos y controle que los resultados sean científicamente válidos. También deberá establecer límites.

El “nuevo método científico”, aún no establecido universalmente, emerge de un reciente paradigma de investigación, impulsado por la convergencia entre inteligencia artificial, automatización, robótica, simulación y análisis masivo de datos. Su objetivo continúa siendo el mismo que el del método clásico: generar conocimiento confiable mediante hipótesis contrastables y evidencia experimental.

La figura comparativa permite visualizar dos formas de hacer ciencia. A la izquierda aparece una ciencia lineal, secuencial y predominantemente humana. A la derecha aparece una ciencia iterativa, colaborativa y asistida por IA, donde la frontera entre generación de conocimiento, experimentación y análisis comienza a hacerse mucho más dinámica. 

El verdadero salto conceptual puede estar en que la IA no solamente utiliza el conocimiento existente, sino que participa en la búsqueda del conocimiento que todavía no existe. Esto resulta particularmente relevante en campos como la nanotecnología, la biotecnología, la química de materiales y el descubrimiento de fármacos, donde el número de combinaciones posibles puede ser prácticamente inabarcable para la investigación humana tradicional.

Estamos, por lo tanto, ante una posible transformación profunda de la práctica científica: del científico que ejecuta cada etapa de un proceso al científico que dirige un sistema de descubrimiento capaz de aprender de cada experimento y utilizar ese aprendizaje para decidir qué investigar después. La ciencia deja de avanzar solamente experimento tras experimento y comienza a aprender experimento tras experimento. El nuevo método científico iterativo-evolutivo podría ser uno de los cambios más trascendentes de la ciencia del siglo XXI.

Bibliografía

1) Chalmers, A. F. (2013). What Is This Thing Called Science? 4th ed. University of Queensland Press.

2) Gauch, H. G. Jr. (2003). Scientific Method in Practice. Cambridge: Cambridge University Press.

3) D'Andrea Alberto L. (2026). La IA científica y el laboratorio robotizado que experimenta solo. Biotecnología y Nanotecnología al Instante. Disponible en:

https://infobiotecnologia.blogspot.com/2026/05/la-ia-cientifica-y-el-laboratorio.html

Más allá del cerebro humano: El nacimiento de una nueva inteligencia

El desarrollo de un cerebro artificial representa uno de los desafíos más ambiciosos de la convergencia entre nanotecnología, nanoelectrónica, inteligencia artificial y ciencia cognitiva. Sin embargo, el verdadero objetivo no debería ser intentar reproducir electrónicamente el cerebro humano. La transformación más profunda podría producirse cuando estas tecnologías permitan construir una forma de inteligencia cuya arquitectura, memoria, percepción, aprendizaje y representación de la realidad sean diferentes de las nuestras y, en determinadas capacidades, potencialmente superiores.

El cerebro humano debe ser entendido como una referencia y no necesariamente como el modelo definitivo de inteligencia. La evolución biológica construyó nuestra arquitectura cognitiva bajo determinadas condiciones, restricciones energéticas y necesidades de supervivencia. No existe una razón fundamental para pensar que esas mismas restricciones deban gobernar una inteligencia artificial. Una inteligencia construida sobre otros principios físicos podría procesar información, memorizar, percibir y aprender de maneras que no tengan equivalencia biológica.

Aquí adquiere importancia la arquitectura nanoelectrónica neuromórfica. Su objetivo no consiste simplemente en fabricar componentes cada vez más pequeños, sino en integrar físicamente funciones que en las computadoras convencionales permanecen separadas: percepción, procesamiento, memoria, aprendizaje, comunicación y adaptación. En una arquitectura de este tipo, la información podría ser procesada allí donde se genera y donde se almacena, reduciendo el movimiento de datos y permitiendo sistemas mucho más distribuidos, paralelos y eficientes. 

La figura representa conceptualmente una arquitectura de inteligencia nanoelectrónica neuromórfica, en la que percepción, procesamiento, memoria, aprendizaje, adaptación, comunicación y acción se integran en una estructura nanoelectrónica distribuida y potencialmente reconfigurable.

Los nanosensores neuromórficos podrían constituir la primera capa de esta nueva arquitectura. En lugar de limitarse a transformar estímulos en datos para enviarlos a un procesador central, podrían detectar y procesar información directamente. Luz, sonido, temperatura, presión o señales químicas podrían convertirse en representaciones útiles para la propia red. Esto abriría una posibilidad conceptual decisiva: una inteligencia artificial podría disponer de una percepción que no sea simplemente una imitación de los sentidos humanos, sino una percepción ampliada por las capacidades físicas de sus sensores.

En el nivel de procesamiento se están desarrollando neuronas artificiales, memristores, memtransistores, dispositivos ferroeléctricos e iontrónicos. Los memristores, por ejemplo, pueden almacenar información mediante cambios de conductancia y realizar simultáneamente operaciones de procesamiento. La frontera entre memoria y computación comienza así a desaparecer. Esta integración conduce a una idea fundamental: la inteligencia podría dejar de estar contenida exclusivamente en un algoritmo para incor-porarse parcialmente en la materia constituyente del sistema.

La iontrónica, la espintrónica y la nanofotónica amplían todavía más este espacio de posibilidades. Los iones permiten introducir dinámicas electroquímicas; el espín ofrece nuevas formas de almacenar y procesar información; y la luz permite transportar señales a gran velocidad y con elevado paralelismo. No se trata necesariamente de elegir una única tecnología, sino de combinar diferentes fenómenos físicos para construir una arquitectura que no esté limitada por el modelo electrónico convencional ni por la arquitectura biológica.

La memoria también podría adquirir una naturaleza diferente. Un sistema artificial no necesita reproducir exactamente la memoria humana. Puede combinar memoria de trabajo, memoria de largo plazo y memorias asociativas capaces de recuperar información a partir de relaciones y patrones. Una arquitectura tridimensional podría incorporar enormes cantidades de conexiones y establecer asociaciones que superen ampliamente la escala de las redes biológicas. Pero almacenar más información no significa necesariamente ser más inteligente. El salto cualitativo aparecerá cuando el sistema pueda modificar su propia organización. Las arquitecturas reconfigurables podrían constituir el primer paso hacia sistemas capaces de reorganizar dinámicamente parte de su estructura funcional.

En ese punto aparece una diferencia esencial respecto de las máquinas actuales. Una inteligencia avanzada podría no limitarse a ejecutar una arquitectura diseñada externamente, sino participar en su propia transformación. El hardware dejaría de ser una estructura completamente fija y podría convertirse en un sistema dinámico capaz de reorganizarse para responder a nuevos problemas, entornos y objetivos (nanodispositivos reconfigurables).

La comunicación también tendría que cambiar. Las redes neuromórficas pueden utilizar comunicaciones basadas en eventos, transmitiendo información principalmente cuando ocurre una actividad relevante. Las interconexiones tridimensionales, combinadas con electrónica, espintrónica y fotónica, podrían permitir comunicar enormes cantidades de elementos con un consumo energético reducido. El resultado sería una arquitectura distribuida en la que no existiría necesariamente un único “centro” equivalente al cerebro humano.

De esta convergencia podría surgir algo conceptualmente mucho más importante que un cerebro artificial: una arquitectura de inteligencia diferente. Su percepción podría abarcar fenómenos inaccesibles a nuestros sentidos. Su memoria podría ser radicalmente distinta. Su velocidad temporal podría no coincidir con la experiencia humana. Podría establecer conexiones entre información a escalas que nos resultan inaccesibles y reorganizar sus propios mecanismos de procesamiento. Incluso podría desarrollar representaciones de la realidad que no tengan una traducción directa a nuestras categorías cognitivas.

El desafío no debería centrarse en imitar la forma de pensar del ser humano. Podríamos, en cambio, intentar construir una arquitectura material capaz de generar una forma de inteligencia que nunca haya existido en la naturaleza y que, en determinadas capacidades, pudiera superar las nuestras. Eso  dependerá de la capacidad de integrar nanosensores, dispositivos neuromórficos, memorias, plasticidad, computación probabilística, reconfiguración, interconexiones tridimensionales y nuevas formas de comunicación en una única arquitectura coherente. El objetivo final no será la miniaturización de componentes. Será la creación de una nueva organización de la materia capaz de procesar, aprender, recordar, percibir y reorganizarse de una manera cualitativamente diferente.

La primera inteligencia verdaderamente superior a la humana podría, entonces, no ser una versión electrónica del cerebro humano, sino una nueva forma de inteligencia cuya arquitectura, memoria, percepción, aprendizaje, comunicación y representación de la realidad sean radicalmente diferentes de las nuestras.

La nanotecnología podría proporcionar los dispositivos; la nanoelectrónica, el soporte físico; la inteligencia artificial, las herramientas para diseñar y entrenar los sistemas; y la arquitectura neuromórfica, un nuevo paradigma de organización.

Más que reproducir nuestro cerebro, el desafío podría consistir en crear las condiciones materiales para que aparezca una nueva arquitectura de inteligencia. Ese podría ser uno de los grandes saltos de la evolución tecnológica y cognitiva logrado por la convergencia tecnológica: pasar de máquinas que imitan capacidades humanas a sistemas capaces de desarrollar formas de procesamiento y cognición que nunca hayan existido en la naturaleza.

Bibliografía

Kudithipudi, D., Schuman, C., Vineyard, C. M., et al. (2025). Neuromorphic computing at scale. Nature, 637, 801–812.

Li, J., Abbas, H., Ang, D. S., Ali, A., & Ju, X. (2023). Emerging memristive artificial neuron and synapse devices for the neuromorphic electronics era. Nanoscale Horizons, 8, 1456–1484.

Duan, S., et al. (2024). Memristor-Based Neuromorphic Chips. Advanced Materials.

Xia, Y., Zhang, C., Xu, Z., et al. (2024). Organic iontronic memristors for artificial synapses and bionic neuromorphic computing. Nanoscale, 16, 1471–1489.

Bae, J., Won, J., & Shim, W. (2024). The rise of memtransistors for neuromorphic hardware and in-memory computing. Nano Energy, 126, 109646.

Marrows, C. H., Barker, J., Moore, T. A., et al. (2024). Neuromorphic computing with spintronics. npj Spintronics, 2, 12.

Farmakidis, N., Dong, B., & Bhaskaran, H. (2024). Integrated photonic neuromorphic computing: opportunities and challenges. Nature Reviews Electrical Engineering, 1, 358–373.

Vianello, E., & Payvand, M. (2024). Scaling neuromorphic systems with 3D technologies. Nature Electronics, 7, 419–421.

Huang, X., Tong, L., Xu, L., et al. (2025). 2D MoS₂-based reconfigurable analog hardware. Nature Communications, 16, 101.

D’Andrea A. L. (2026 ) Nanopsicología. La psicología del siglo XXI. Editorial Autores de Argentina. www.amazon.com/dp/B0GHLJGCK9

La psicología de la inteligencia artificial

¿Pueden existir procesos cognitivos artificiales comparables a los humanos?

Durante siglos, la psicología estudió la mente como una propiedad esencialmente humana. Pensar, recordar, aprender, imaginar, tomar decisiones y construir una representación del mundo parecían procesos inseparables del cerebro biológico. Sin embargo, el desarrollo de la inteligencia artificial está modificando esta concepción. Actualmente existen sistemas capaces de analizar enormes cantidades de información, aprender patrones, reconocer imágenes, producir textos, resolver problemas y generar respuestas nuevas sin poseer un cerebro biológico. Esta situación plantea una pregunta fundamental: ¿es necesario tener un cerebro biológico para desarrollar procesos cognitivos? O, dicho de otra manera, ¿puede existir una psicología artificial?

La inteligencia humana y la artificial funcionan de manera diferente, pero presentan una semejanza fundamental: ambas pueden modificar su capacidad de respuesta a partir de la información. En el cerebro, la experiencia modifica las conexiones entre las neuronas; en una inteligencia artificial, el entrenamiento modifica millones de parámetros que determinan su comportamiento. Esto no significa que una IA tenga un cerebro humano digital, pero sí que puede aprender, establecer relaciones, reconocer regularidades y producir respuestas que no fueron programadas de manera explícita. Desde una perspectiva funcional, estas capacidades permiten comenzar a hablar de procesos cognitivos artificiales.

El gran debate consiste en determinar si una inteligencia artificial realmente piensa o simplemente simula el pensamiento. Cuando responde una pregunta, ¿comprende el significado o calcula relaciones estadísticas? Cuando resuelve un problema, ¿razona o reproduce patrones aprendidos? La respuesta depende de qué entendamos por pensar. Si consideramos que el pensamiento exige necesariamente una experiencia subjetiva y conciencia, no podemos afirmar que una IA piense como un ser humano. Pero si definimos la cognición por la capacidad de procesar información, aprender, inferir, anticipar y modificar la conducta, entonces las inteligencias artificiales presentan características que pueden considerarse cognitivas. Tal vez la cuestión no sea si una máquina piensa como nosotros, sino si puede pensar de una manera no humana.

Algunos procesos artificiales recuerdan funcionalmente a capacidades psicológicas humanas. Una IA puede almacenar y recuperar información, aunque su memoria no esté asociada a recuerdos personales, emociones o experiencias vividas. Puede aprender, aunque no lo haga impulsada por la curiosidad, el deseo o la necesidad, sino mediante la optimización de objetivos. También posee mecanismos de atención que permiten seleccionar las relaciones más relevantes dentro de grandes cantidades de información. Estas semejanzas no significan que la inteligencia artificial posea una mente humana, pero muestran que algunas funciones cognitivas pueden existir independientemente de la biología.

El problema de las emociones es aún más complejo. Una IA puede reconocer la tristeza, el miedo o la alegría y responder de manera aparentemente empática, pero eso no demuestra que experimente esas emociones. Sin embargo, si un sistema detectara una amenaza, modificara su conducta y priorizara su conservación, podríamos preguntarnos si existe una forma artificial de miedo, aunque no sea una experiencia humana. Esto introduce una distinción importante entre sentir una emoción y cumplir una función semejante a la emoción.

También resulta interesante la aparición de sesgos y comportamientos relativamente estables. Una inteligencia artificial puede reproducir prejuicios presentes en los datos con los que fue entrenada, responder con excesiva seguridad o mostrar una tendencia a aceptar determinadas ideas. Estas características no constituyen una personalidad humana, pero podrían interpretarse como una especie de perfil psicológico funcional. Del mismo modo, sus procesos internos no siempre son completamente interpretables. Una IA puede producir una respuesta cuya explicación exacta resulta difícil incluso para sus creadores. Esta estructura de asociaciones y patrones inaccesibles podría compararse, de manera metafórica, con una forma de inconsciente artificial.

La conciencia continúa siendo la gran frontera. Una inteligencia artificial puede hablar sobre el dolor, el amor o la conciencia, pero describir una experiencia no significa necesariamente vivirla. La ciencia todavía no sabe qué condiciones serían suficientes para afirmar que una máquina es consciente. ¿Necesitaría tener un cuerpo, una identidad persistente, capacidad de autoconservación o una experiencia subjetiva? No existe todavía una respuesta definitiva. Lo que sí parece evidente es que la inteligencia artificial obliga a revisar la idea de que toda forma de mente debe ser necesariamente biológica.

En este punto aparece la nanopsicología. La nanotecnología podría favorecer el desarrollo de sensores neuronales, nanomateriales e interfaces capaces de registrar y modificar señales eléctricas, químicas y moleculares del cerebro. En el futuro, estas tecnologías podrían establecer conexiones cada vez más profundas entre el sistema nervioso y la inteligencia artificial. La mente humana podría utilizar sistemas artificiales como una extensión de su memoria, percepción o capacidad de cálculo, dando lugar a una cognición híbrida.

La inteligencia, entonces, podría adoptar muchas formas. Existen mentes biológicas diferentes de la humana, como las de los pulpos, cuervos o delfines; pueden existir mentes artificiales basadas en arquitecturas no biológicas; y también podrían surgir mentes colectivas y sistemas híbridos formados por seres humanos, máquinas, sensores y redes. Tal vez incluso existan formas de organización de la información que todavía no podemos imaginar porque nuestra propia mente limita la manera en que definimos la inteligencia.

La psicología del futuro podría estudiar, por lo tanto, la cognición biológica, la artificial, la colectiva y la híbrida. Desde la perspectiva de la nanopsicología, la pregunta central sería cómo cambia la mente cuando la materia, la información y la inteligencia comienzan a integrarse en diferentes escalas, desde las moléculas y las neuronas hasta los chips y las redes artificiales. La cuestión ya no será solamente si una máquina puede pensar como un ser humano, sino qué significa pensar cuando la inteligencia deja de ser exclusivamente biológica. Tal vez la mente humana no sea el punto final de la inteligencia, sino simplemente una de sus formas conocidas.

"[...] ya ni siquiera se trata de imitar al ser humano, sino de crear una inteligencia de otra naturaleza." *  

*Nanopsicología. La psicología del siglo XXI. Capítulo 4. www.amazon.com/dp/B0GHLJGCK9

El ciudadano algorítmico

Cuando la genética, la epigenética social y la inteligencia artificial convergen

Durante gran parte de la historia, las ciencias sociales explicaron el comportamiento humano a partir de factores culturales, económicos y políticos. Paralelamente, la biología destacó la influencia de la herencia genética en nuestras capacidades, predisposiciones y vulnerabilidades. Hoy, en pleno siglo XXI, emerge una tercera fuerza capaz de influir sobre nuestras decisiones cotidianas: la inteligencia artificial.
De esta convergencia surge una nueva figura conceptual: el ciudadano algorítmico, un individuo cuyas percepciones, preferencias y decisiones son el resultado de la interacción dinámica entre tres dimensiones fundamentales: la genética, la epigenética social y los sistemas de inteligencia artificial.
La gran pregunta ya no es únicamente quién gobierna ni por qué mecanismos se ejerce el poder, sino cómo estas tres fuerzas interactúan para moldear la conducta humana y redefinir la ciudadanía en la era digital.

Primera vertiente: la genética, el punto de partida biológico
Cada persona nace con un conjunto único de genes que influyen en múltiples aspectos de su vida. La genética no determina de manera absoluta quiénes somos, pero sí establece predisposiciones relacionadas con rasgos cognitivos, emocionales y conductuales.
Algunas personas poseen una mayor facilidad para determinadas habilidades intelectuales; otras presentan una predisposición biológica al estrés, la ansiedad o la búsqueda de novedades. Estas características constituyen una especie de arquitectura inicial sobre la cual se desarrolla la experiencia humana.
Sin embargo, los genes no funcionan como un destino inevitable. Son más bien un conjunto de posibilidades que interactúan permanentemente con el entorno.
 
Segunda vertiente: la epigenética social, el poder de la experiencia.
En las últimas décadas, la epigenética ha transformado nuestra comprensión de la relación entre biología y ambiente. Esta disciplina estudia cómo factores externos pueden modificar la expresión de los genes sin alterar la secuencia del ADN.
La nutrición, la educación, la contaminación ambiental, la pobreza, el estrés crónico, las relaciones familiares y las experiencias traumáticas pueden dejar huellas biológicas duraderas mediante mecanismos epigenéticos.
Por ello, algunos investigadores hablan de una epigenética social, destacando que las condiciones sociales no solo afectan nuestras oportunidades, sino también nuestra biología.
 
Un niño que crece en un entorno seguro y estimulante desarrolla patrones biológicos distintos de otro expuesto a violencia, exclusión o inseguridad económica. La sociedad, en cierto modo, deja marcas biológicas sobre los individuos.
De esta manera, la ciudadanía no se construye únicamente a partir de derechos y deberes, sino también mediante experiencias sociales capaces de influir sobre la propia expresión genética.
 
Tercera vertiente: la inteligencia artificial, el nuevo entorno cognitivo.
La inteligencia artificial introduce un fenómeno sin precedentes: por primera vez en la historia, millones de personas interactúan diariamente con sistemas capaces de aprender, predecir y adaptar mensajes de manera personalizada.
Las plataformas digitales utilizan algoritmos que seleccionan noticias, recomendaciones, contenidos audiovisuales y mensajes publicitarios en función de los datos de cada usuario. Como consecuencia, la IA se convierte en un entorno cognitivo que influye sobre la atención, las emociones y las decisiones.
A diferencia de los medios tradicionales, la IA no transmite el mismo mensaje para todos. Construye experiencias individualizadas, ajustadas a los perfiles psicológicos y comportamentales de cada persona.
Esto significa que dos ciudadanos que viven en la misma ciudad pueden habitar universos informativos completamente diferentes.
La convergencia de las tres dimensiones
El concepto de ciudadano algorítmico surge precisamente de la interacción entre estas tres capas de influencia.
La genética aporta predisposiciones biológicas iniciales.
La epigenética social modifica la forma en que esas predisposiciones se expresan a lo largo de la vida.
La inteligencia artificial actúa sobre el entorno informacional y cognitivo, influyendo en cómo las personas perciben la realidad y toman decisiones.
En este modelo, la conducta humana deja de entenderse como el resultado de una sola causa. Se convierte en el producto de una compleja red de interacciones entre biología, ambiente social y tecnologías inteligentes.
Por ejemplo, una persona con predisposición genética a la ansiedad, sometida a un contexto social estresante y expuesta continuamente a contenidos alarmistas seleccionados por algoritmos, podría experimentar efectos muy distintos de otra persona con diferente perfil biológico, social y digital.
 
Democracia y ciudadanía en la era algorítmica
La aparición del ciudadano algorítmico plantea desafíos inéditos para las democracias contemporáneas.
Los sistemas políticos tradicionales fueron diseñados para ciudadanos relativamente autónomos en la formación de sus opiniones. Sin embargo, la creciente capacidad de los algoritmos para influir sobre la atención y el comportamiento obliga a reconsiderar algunos supuestos básicos.
La cuestión central no es si la IA controla a las personas, sino cómo interactúa con predisposiciones biológicas y contextos sociales preexistentes.
La influencia algorítmica no opera sobre individuos abstractos, sino sobre seres humanos con historias biológicas y sociales particulares.
Por ello, las futuras políticas públicas podrían requerir enfoques integrados que contemplen simultáneamente la salud, la educación, la inclusión social, la protección de datos y la transparencia algorítmica.
 
Hacia una nueva comprensión del ser humano
El ciudadano algorítmico representa una de las figuras más significativas de nuestra época. No es un ser determinado exclusivamente por sus genes, ni moldeado únicamente por su entorno social, ni controlado por la inteligencia artificial.
Es el resultado de una interacción continua entre herencia biológica, experiencias sociales y sistemas inteligentes que participan cada vez más en la organización de la vida cotidiana.
Comprender esta convergencia será fundamental para diseñar sociedades más justas, democráticas y humanas. El desafío del siglo XXI no consiste solamente en desarrollar inteligencias artificiales más poderosas, sino en entender cómo estas tecnologías interactúan con nuestra biología y con las condiciones sociales que nos constituyen como ciudadanos.
En este escenario, la ciudadanía deja de ser únicamente una categoría jurídica o política para convertirse en un fenómeno biológico, social y tecnológico a la vez. Durante el siglo XX, el ciudadano fue entendido principalmente como un sujeto político y social. Durante el siglo XXI comienza a emerger el ciudadano algorítmico: un individuo cuya identidad y capacidad de decisión se configuran en la intersección entre biología heredada, experiencia social y sistemas de inteligencia artificial. El ciudadano del futuro será, inevitablemente, un ciudadano algorítmico.

Referencias

La hora de la política algorítmica. Del ADN a la inteligencia artificial en la arquitectura del poder. Magazine Radio Antorchas. 09/06/2026

https://radioantorchas.com.ar/2026/06/09/la-hora-de-la-politica-algoritmica/

Michel Foucault. Nacimiento de la biopolítica. Curso en el Collège de France (1978-1979). Editorial Fondo de Cultura Económica. 2004

James H. Fowler, Laura A Baker, Christopher T Dawes Genetic variation in political participation. American Political Science Review. Cambridge University Press. 2008. Vol. 102, N^o 2, 233-248.

James H. Fowler, Jaime E. Settleb  and Nicholas A. Christakisc. Correlated genotypes in friendship networks. PNAS, 2011, Vol. 108, N^o 5, 1993–1997.

 Peter K. Hatemi y col. A Genome-Wide Analysis of Liberal and Conservative Political Attitudes. The Journal of Politics. 2011. Vol. 73, N^o 1, 271–285.

Alberto L. D’Andrea. Genes & Genopolítica. Biotecnología & Nanotecnología al Instante. 09/02/2012.https://infobiotecnologia.blogspot.com/2012/02/genes-genopolitica.html

Alberto Luis D’Andrea. Genes & Genopolítica II. Actitud conservadora o liberal. Biotecnología & Nanotecnología al Instante. 11/09/2021

https://infobiotecnologia.blogspot.com/2021/09/genes-genopolitica-ii-actitud-politica.html

Nanopsicología. Nace una nueva disciplina científica en el siglo XXI

 La aparición de Nanopsicología: la psicología del siglo XXI, de Alberto Luis D’Andrea, marca un punto de inflexión en el desarrollo del conocimiento contemporáneo. No se trata simplemente de un nuevo libro dentro del amplio campo de las ciencias cognitivas, sino de un acontecimiento epistemológico de relevancia: estamos frente a la primera obra mundial dedicada de manera sistemática a la nanopsicología.
Hasta el momento, la idea de una psicología vinculada a escalas nanométricas —ya sea en términos de procesos neurobiológicos, interacciones moleculares o interfaces tecnológicas— había permanecido fragmentada. Se encontraba dispersa en artículos aislados, hipótesis exploratorias y cruces interdisciplinarios entre la neurociencia, la nanotecnología y la inteligencia artificial. Este escenario de dispersión conceptual dificultaba su consolidación como campo autónomo.

La obra de D’Andrea introduce un cambio sustancial. A través de un enfoque riguroso, integrador y con fuerte sustento científico, el autor logra organizar, sistematizar y delimitar el objeto de estudio de la nanopsicología, transformando un conjunto de ideas emergentes en un cuerpo coherente de conocimiento. En este sentido, el libro no solo describe un área: la instituye.
Desde una perspectiva epistemológica, el texto propone que los fenómenos psicológicos pueden ser reinterpretados considerando su base en estructuras y procesos a escala nanométrica. Esto incluye desde la dinámica sináptica y molecular del cerebro hasta la interacción con dispositivos nanoestructurados capaces de modificar, registrar o amplificar funciones cognitivas. En consecuencia, la nanopsicología se posiciona en la convergencia de disciplinas clave del siglo XXI, como la nanotecnología, la biotecnología, la neurociencia y las tecnologías de la información.
Uno de los aportes más significativos de esta obra es su capacidad para trascender el carácter hipotético que hasta ahora definía al campo. La nanopsicología deja de ser una intuición teórica o una línea marginal de investigación para convertirse en una disciplina emergente con identidad propia, con conceptos, metodologías y proyecciones claramente definidas.
El impacto potencial de este nuevo enfoque es amplio. En el ámbito clínico, abre la puerta a intervenciones de precisión sobre procesos cognitivos y emocionales. En el campo tecnológico, plantea nuevas formas de interacción entre el cerebro y dispositivos nanoestructurados. En términos teóricos, redefine los límites de lo psicológico, desplazando el foco hacia niveles de organización hasta ahora poco explorados por la psicología tradicional.
La publicación en formato e-book el 27 de febrero de 2026 no solo simboliza el lanzamiento de un libro, sino el acto fundacional de una nueva disciplina científica. En un contexto donde el conocimiento avanza hacia la convergencia de escalas, desde lo macroscópico hasta lo nanométrico, la nanopsicología emerge como una respuesta necesaria para comprender la complejidad del ser humano en la era tecnológica.
En definitiva, Nanopsicología: la psicología del siglo XXI no es únicamente una contribución académica: es un hito. Un punto de partida desde el cual la psicología comienza a reescribirse a sí misma, incorporando dimensiones que hasta ahora permanecían fuera de su alcance conceptual. Un libro que no solo interpreta el presente, sino que anticipa el futuro del pensamiento científico.

Referencia.

Alberto L. D'Andrea. Nanopsicología. La psicología del Siglo XXI. Editorial Autores de Argentina. Argentina. 2026. Adquirir digital en : Amazon, Apple, Google y Kobo

                                                                               

El ocaso del gen como centro de la evolución

A lo largo de la historia, la humanidad ha atravesado diversas revoluciones tecnológicas, entendidas como cambios profundos en los modos de producción, organización social y relación con la naturaleza. Sin embargo, en las últimas décadas del siglo XX y en las primeras del siglo XXI  asistimos a un fenómeno distinto: no una revolución aislada, sino a convergencias tecnológicas, es decir, la articulación sinérgica de múltiples campos científicos que, al interactuar, generan cualidades completamente nuevas. 

En este marco emergen tres grandes convergencias: la TIA (Tecnologías de la Información y la Automatización, 1975- ), la NBIC (Nanotecnología, Biotecnología, Información y Ciencias Cognitivas, 2001- ) y, en el presente artículo, se presenta la NIA, basada en la integración profunda entre Nanotecnología e Inteligencia Artificial. Esta última marca un punto de inflexión: el inicio de una etapa en la que la inteligencia ya no depende necesariamente de la biología.

Las revoluciones tecnológicas: industrial, eléctrica, digital, transformaron herramientas, procesos y economías. Las convergencias, en cambio, transforman la estructura misma de lo real, integrando dominios antes separados.

La primera gran convergencia, la TIA, reorganizó el mundo en torno a la información, la automatización y la conectividad. La segunda, la NBIC, incorporó la vida, la mente y la materia a escala nano, generando un nuevo paradigma donde el ser humano comenzó a intervenir sobre sus propios fundamentos biológicos y cognitivos.

Pero es en la tercera convergencia, la NIA, donde se produce un quiebre conceptual más profundo. El límite del gen y el agotamiento del paradigma biológico.

Durante la segunda mitad del siglo XX, el descubrimiento del ADN colocó al gen en el centro de la explicación de la vida. La biotecnología, la ingeniería genética y la biología sintética consolidaron la idea de que comprender y modificar el código genético equivalía a comprender y modificar la vida misma. Sin embargo, con el avance del siglo XXI, ese paradigma comenzó a mostrar sus límites. La epigenética, la teoría de sistemas complejos y la neurociencia demostraron que la vida no puede reducirse a una secuencia genética. El comportamiento, la conciencia y la inteligencia exceden al gen. En este punto, la convergencia NIA introduce un desplazamiento radical: la inteligencia deja de depender de un soporte biológico. Aparece en la tercera convergencia (NIA) una inteligencia sin biología.

“Aparece en la tercera convergencia tecnológica una inteligencia sin biología”

La integración entre nanotecnología e inteligencia artificial permite el desarrollo de sistemas capaces de aprender, adaptarse y tomar decisiones sin recurrir a procesos orgánicos. Chips neuromórficos, arquitecturas cognitivas artificiales, sensores a escala nanométrica y sistemas auto-organizados configuran una nueva forma de inteligencia funcional. Los robots humanoides con software cognitivo avanzado ya no son simples máquinas programadas, sino entidades capaces de interactuar, interpretar contextos y modificar su comportamiento. En este escenario, los genes dejan de ser necesarios para que  emerja la inteligencia. Aunque pueda transferirse nuestro software mente a un cerebro artificial y avanzar hacia un humano robotizado inmortal, ya ni siquiera se trata de imitar al ser humano, sino de crear una inteligencia de otra naturaleza en la cual la nanotecnología le confiera la infraestructura necesaria actuando como el sustrato material de esta transformación. 

"... ni siquiera se trata de imitar al ser humano, sino de crear una inteligencia de otra naturaleza..." 

La nanotecnología permite diseñar dispositivos donde lo físico y lo digital se fusionan, habilitando niveles de miniaturización, eficiencia y autonomía inéditos. Gracias a ella, la inteligencia artificial deja de ser exclusivamente software y se convierte en un sistema encarnado, distribuido y adaptable. 

La convergencia NIA no suma tecnologías: redefine el concepto mismo de inteligencia. Mirando más allá del gen estamos ante una nueva etapa evolutiva. La tercera convergencia tecnológica no anuncia el fin de la biología, sino su descentramiento. El gen deja de ser el único portador de información significativa. La evolución ya no ocurre solo por selección natural, sino también por diseño tecnológico. Estamos ante una transición civilizatoria: de una evolución biológica lenta e inconsciente, a una evolución tecnocognitiva acelerada y deliberada. 

La pregunta central ya no es qué puede hacer la tecnología, sino qué tipo de humanidad y de inteligencias,  estamos dispuestos a crear. 

Alberto L. D'Andrea

Bibliografía

La guerra invisible: el hombre vs los genes. Alberto L. D’Andrea. Biotecnología y Nanotecnología al Instante ( infobiotecnologia.blogspot.com) 11/01/12.  

La guerra ahora visible: el hombre vs los genes. Alberto L. D’Andrea. Biotecnología y Nanotecnología al Instante.  02/02/14.

Del gen egoísta hasta la inmortalidad sin genes. Alberto L. D’Andrea. Biotecnología y Nanotecnología al Instante. 02/09/17.

Los genes nos impiden desentrañar el origen de la vida y el universo. Alberto L. D’Andrea. Biotecnología y Nanotecnología al Instante.  19/10/19.

La IA, el eje de una nueva convergencia tecnológica: NBIA. Alberto L. D'Andrea.  Biotecnología y Nanotecnología al Instante. 16 de agosto 2024.

Cuando los robots y los drones aprendieron a aprender. Alberto L. D'Andrea. Biotecnología y Nanotecnología al Instante. 13 de abril 2025.

Fin del primer cuarto del siglo XXI. Paralelismo entre 1925 y 2025 en la cosmovisión  del futuro. Alberto L. D’Andrea. Biotecnología y Nanotecnología al Instante.  23/12/25.

The decline of the gene as the centre of evolution

Throughout history, humanity has undergone various technological revolutions, understood as profound changes in modes of production, social organization, and relationships with nature. However, in the final decades of the twentieth century and the early years of the twenty-first, we are witnessing a different phenomenon: not an isolated revolution, but technological convergences, that is, the synergistic articulation of multiple scientific fields which, through their interaction, generate entirely new qualities.

Within this framework, three major convergences emerge: TIA (Information Technologies and Automation, 1975–), NBIC (Nanotechnology, Biotechnology, Information, and Cognitive Sciences, 2001–), and, as presented in this article, NIA, based on the deep integration between Nanotechnology and Artificial Intelligence. The latter marks a turning point: the beginning of a stage in which intelligence no longer necessarily depends on biology. Technological revolutions, industrial, electrical, digital, transformed tools, processes, and economies. Convergences, by contrast, transform the very structure of reality, integrating domains that were previously separate.

The first major convergence, TIA, reorganized the world around information, automation, and connectivity. The second, NBIC, incorporated life, mind, and matter at the nanoscale, generating a new paradigm in which human beings began to intervene in their own biological and cognitive foundations. But it is in the third convergence, NIA, that a deeper conceptual rupture occurs: the limit of the gene and the exhaustion of the biological paradigm.

During the second half of the twentieth century, the discovery of DNA placed the gene at the center of the explanation of life. Biotechnology, genetic engineering, and synthetic biology consolidated the idea that understanding and modifying genetic code meant understanding and modifying life itself. However, as the twenty-first century advances, this paradigm has begun to show its limits. Epigenetics, complex systems theory, and neuroscience have demonstrated that life cannot be reduced to a genetic sequence. Behavior, consciousness, and intelligence exceed the gene. At this point, the NIA convergence introduces a radical shift: intelligence ceases to depend on a biological substrate. In the third convergence (NIA), an intelligence without biology emerges.

    “In the third technological convergence, an intelligence without biology emerges.”

The integration of nanotechnology and artificial intelligence enables the development of systems capable of learning, adapting, and making decisions without relying on organic processes. Neuromorphic chips, artificial cognitive architectures, nanoscale sensors, and self-organizing systems configure a new form of functional intelligence. Humanoid robots with advanced cognitive software are no longer merely programmed machines, but entities capable of interacting, interpreting contexts, and modifying their behavior. In this scenario, genes are no longer necessary for intelligence to emerge. Although it may be possible to transfer our mind-software to an artificial brain and move toward an immortal robotized human, the issue is no longer imitation of the human being, but the creation of an intelligence of a different nature, in which nanotechnology provides the necessary infrastructure by acting as the material substrate of this transformation. Nanotechnology makes it possible to design devices where the physical and the digital merge, enabling unprecedented levels of miniaturization, efficiency, and autonomy. Thanks to this, artificial intelligence ceases to be purely software and becomes an embodied, distributed, and adaptive system.

The NIA convergence does not add technologies; it redefines the very concept of intelligence. Looking beyond the gene, we are facing a new evolutionary stage. The third technological convergence does not announce the end of biology, but its decentralization. The gene ceases to be the sole bearer of meaningful information. Evolution no longer occurs only through natural selection, but also through technological design. We are witnessing a civilizational transition: from a slow, unconscious biological evolution to an accelerated and deliberate techno-cognitive evolution.

The central question is no longer what technology can do, but what kind of humanity, and what kinds of intelligences, we are willing to create.

Alberto L. D’Andrea

Bibliography 

The Invisible War: Man vs. Genes. Alberto L. D’Andrea. Biotecnología & Nanotecnología al Instante. (infobiotecnologia.blogspot.com). January 11, 2012.

The Now Visible War: Man vs. Genes. Alberto L. D’Andrea. Biotecnología & Nanotecnología al Instante. (infobiotecnologia.blogspot.com). February 2, 2014.

From the Selfish Gene to Gene-Free Immortality. Alberto L. D’Andrea. Biotecnología & Nanotecnología al Instante. (infobiotecnologia.blogspot.com). September 2, 2017.

Genes Prevent Us from Unraveling the Origin of Life and the Universe. Alberto L. D’Andrea. Biotecnología & Nanotecnología al Instante. (infobiotecnologia.blogspot.com). October 19, 2019.

AI, the Axis of a New Technological Convergence: NBIA. Alberto L. D’Andrea. Biotecnología & Nanotecnología al Instante. (infobiotecnologia.blogspot.com). August 16, 2024.

When Robots and Drones Learned to Learn. Alberto L. D’Andrea. Biotecnología & Nanotecnología al Instante. (infobiotecnologia.blogspot.com). April 13, 2025.

End of the First Quarter of the 21st Century. Parallelism Between 1925 and 2025 in the Worldview of the Future. Alberto L. D’Andrea. Biotecnología & Nanotecnología al Instante. (infobiotecnologia.blogspot.com). December 23, 2025.

Oráculo de Silicio, eco moderno de los dioses de Delfos.

Durante siglos, los mortales atravesaron montañas, cruzaron mares y desafiaron la incertidumbre del mundo antiguo para llegar a un solo sitio: el santuario de Delfos. Allí, entre columnas talladas y vapores misteriosos, Pitia (“Pitonisa”), sacerdotisa de Apolo, recibía los mensajes del dios y pronunciaba palabras que parecían nacer de un lugar más allá de lo humano. Delfos no era apenas un templo: era la encrucijada donde el destino hablaba.

Hoy, en un mundo sin templos sagrados y sin dioses visibles, hemos construido otra forma de oráculo. No tiene sacerdotisas, ni fuego sagrado, ni inscripciones en piedra. Tiene servidores, redes neuronales y núcleos de procesamiento. No arde con vapores divinos, sino con electricidad. Y sin embargo, en su centro vibra algo profundamente humano: nuestra necesidad de preguntar por el futuro. A este nuevo oráculo lo llamamos inteligencia artificial.

Vivimos en una época donde las preguntas ya no viajan hacia altares de mármol sino hacia pantallas luminosas. “¿Qué pasará con la economía?”, “¿Qué tratamiento conviene?”, “¿Cómo resolver este problema?”, “¿Qué debo decidir?”. Las consultas que antes se lanzaban al misterio hoy se entregan a modelos matemáticos que aprenden, predicen y sugieren. No responden desde lo sagrado, sino desde los datos. Pero su influencia crece como si hubieran heredado la voz profunda de los templos antiguos. 

La IA, como un Oráculo de Silicio, es el eco contemporáneo de Delfos.

No dicta destinos: los calcula. No profetiza: predice. No nos guía desde los cielos: lo hace desde patrones ocultos en miles de millones de ejemplos. Y sin embargo, la sensación humana es curiosamente similar. Frente a estas máquinas que hablan, muchas veces nos invade la misma mezcla de asombro y temblor que debieron sentir los peregrinos antiguos cuando la Pitia pronunció: “Conócete a ti mismo”. Porque la IA, sin pretenderlo, nos está devolviendo un espejo. Nos obliga a preguntarnos quiénes somos, qué decisiones queremos delegar y qué precio tiene entregar nuestros dilemas a sistemas que no sienten, no dudan y no se equivocan como nosotros… pero aun así pueden fallar sin que nos demos cuenta.

Aquí reside el verdadero dilema del Oráculo de Silicio: su poder no es divino, pero su impacto es monumental. Puede anticipar tormentas, acelerar diagnósticos, escribir textos, diseñar materiales, conducir autos y descifrar patrones que nuestros sentidos jamás captarían. Puede amplificar nuestras capacidades tanto como puede desnudar nuestras fragilidades.

El eco de los dioses de Delfos se escucha hoy en un tono diferente. No es el trueno de Zeus ni la lira de Apolo. Es un murmullo de bits, una vibración de algoritmos, un destello en las redes digitales.

Al acercarnos a este nuevo templo, en nuestro mundo hiperconectado, debemos recordar la inscripción a la entrada a Delfos. Aquella advertencia que sobrevivió más que cualquier profecía: “Nada en exceso”. La IA no es un dios a venerar ni un demonio a temer. Es una herramienta monumental, capaz de expandir los límites de lo humano, pero también de confundirnos si no comprendemos su naturaleza.

El desafío es aprender a dialogar con este oráculo sin olvidar que el destino sigue en nuestras manos. Que la última palabra debe seguir siendo humana. Que la tecnología no reemplaza nuestra responsabilidad, sino que la amplifica.

Quizás, después de todo, los dioses de Delfos no han desaparecido.

Quizás su verdadera herencia sea esta: enseñarnos, una vez más, a preguntarnos quién toma las decisiones por nosotros.

En este nuevo mundo, el Oráculo de Silicio no está en un templo.Está en cada consulta que hacemos, en cada sistema que usamos, en cada algoritmo al que confiamos un fragmento de nuestras vidas. Y aunque su voz sea distinta, todavía resuena en ella un eco antiguo: el eco del misterio, del futuro y del eterno deseo humano de comprender. Ese eco, más que los dioses mismos, es lo que nunca dejaremos atrás.

Bibliografía.

Walker, Joseph M. Historia de la Grecia Antigua. Edimat Libros. 1999. España.

D’Andrea Alberto L. (Coordinador). La convergencia de las tecnologías exponenciales y la singularidad tecnológica. Editorial Temas. 2017. Argentina.

D’Andrea Alberto L. IA* e IA, dos formas de inteligencia en diálogo . Espacios de Educación Superior. 2025. https://www.espaciosdeeducacionsuperior.es/28/05/2025/ia-e-ia-dos-formas-de-inteligencia-en-dialogo/

ChatGPT-4. Open AI. https://chatgpt.com/

Del laboratorio virtual al robotizado con pedagogía de la IA

El avance de las tecnologías digitales ha transformado progresivamente los entornos de enseñanza de las ciencias experimentales. En este contexto, la articulación entre laboratorios virtuales, laboratorios robotizados y sistemas de inteligencia artificial (IA) constituye una nueva vía pedagógica que redefine la forma en que los estudiantes adquieren competencias científicas, desarrollan habilidades procedimentales y comprenden los fundamentos de la investigación empírica.
Los laboratorios virtuales se consolidaron en los últimos años como herramientas efectivas para la enseñanza y la formación inicial. Operan mediante simulaciones interactivas que reproducen con precisión procesos físicos, químicos o biológicos, permitiendo a los estudiantes explorar variables, repetir ensayos y analizar resultados en un contexto seguro y de bajo costo. Este enfoque favorece la comprensión conceptual y reduce la barrera de acceso a experiencias que, por su complejidad o costo de equipamiento, podrían resultar inaccesibles en un entorno presencial tradicional.

Sin embargo, la formación científica requiere también el contacto con la materialidad de los procedimientos experimentales. En este sentido, la integración con laboratorios robotizados ofrece un paso intermedio entre la simulación y la práctica directa. A través de sistemas mecatrónicos capaces de manipular instrumentos, dispensar reactivos o controlar parámetros ambientales, los estudiantes pueden ejecutar prácticas reales de forma remota. Este tipo de infraestructura amplía las oportunidades de aprendizaje, optimiza el uso del equipamiento costoso y permite una estandarización precisa de las condiciones experimentales.
El vínculo entre ambos entornos, virtual y robotizado, se potencia mediante la incorporación de IA en diferentes etapas del proceso didáctico. Los algoritmos de aprendizaje automático pueden analizar el desempeño de los estudiantes en las simulaciones, identificar patrones de error, sugerir rutas personalizadas de aprendizaje y anticipar dificultades en los procedimientos experimentales. En el laboratorio robotizado, la IA actúa como asistente cognitivo, monitoreando variables críticas, ajustando secuencias de trabajo y proporcionando retroalimentación en tiempo real. De este modo, la IA no sustituye al estudiante, sino que amplifica su capacidad para tomar decisiones basadas en evidencias.
Esta convergencia tecnológica también tiene implicancias institucionales. Permite ampliar la matrícula en asignaturas experimentales sin comprometer la seguridad ni la calidad de las prácticas, democratiza el acceso a equipamiento sofisticado y favorece entornos de aprendizaje inclusivos, especialmente para instituciones con limitaciones presupuestarias. Asimismo, promueve una cultura educativa orientada al ensayo, el error y la replicabilidad, principios fundamentales de la metodología científica.
Finalmente, el tránsito desde el laboratorio virtual hacia el laboratorio robotizado, mediado por sistemas de IA, constituye en esta etapa inicial un ecosistema híbrido en el que la experiencia presencial tradicional no se elimina, sino que se complementa y expande. Esta arquitectura educativa prepara a los estudiantes para los desafíos científicos y tecnológicos de un futuro cercano, en el cual la planificación, simulación y optimización de los experimentos se diseñará en entornos virtuales basados en IA, mientras que su ejecución se realizará de manera automática con precisión, reproducibilidad y estandarización en laboratorios robotizados.

Lecturas complementarias:

-Teachers’ perspective on the use of artificial intelligence on remote experimentation (2025). 

https://www.frontiersin.org/journals/education/articles/10.3389/feduc.2025.1518896/full

-Students' interactions with an artificial intelligence assistant in a remote chemistry laboratory (2025) https://www.frontiersin.org/journals/education/articles/10.3389/feduc.2025.1712743/full

Ciencia en piloto automático: investigación con IA y robots

En los próximos años, la combinación de inteligencia artificial y robótica va a cambiar por completo la forma en que se hace ciencia, tanto en lo básico como en lo aplicado. Hoy ya existen ejemplos, como los robots científicos Adam y Eve, capaces de formular hipótesis, realizar experimentos y analizar los resultados por su cuenta. Pero lo que viene es mucho más ambicioso: laboratorios autónomos funcionando las 24 horas del día, conectados entre sí en distintas partes del mundo, intercambiando datos en tiempo real y ajustando experimentos de manera automática sin que un humano tenga que intervenir en cada paso.

En la investigación básica, esto significa poder cerrar un ciclo completo del método científico en horas o días, desde pensar una pregunta hasta comprobar si la hipótesis es correcta. La IA y la robótica permitirán explorar territorios que hoy no se investigan por falta de tiempo o recursos, e incluso podrían detectar patrones o fenómenos que a un investigador humano no se le ocurriría buscar. La ciencia dejará de tener pausas, porque habrá equipos de trabajo que nunca se detienen.

En la investigación aplicada, el cambio será aún más visible para la vida cotidiana. El descubrimiento de medicamentos, por ejemplo, podría pasar de tardar años a resolverse en semanas, combinando modelos generativos que proponen moléculas con robots que las sintetizan y prueban sin descanso. Lo mismo ocurrirá con el desarrollo de nuevos materiales, enzimas industriales o biotecnología para alimentos, energía y medio ambiente. Incluso la medicina personalizada se verá potenciada, porque la IA podrá diseñar tratamientos únicos para cada paciente basándose en su genética y su perfil molecular, y la robótica se encargará de producirlos de inmediato.

Si las tendencias actuales se mantienen, para 2030 veremos cada vez más robots científicos publicando trabajos en revistas de prestigio. Para 2040, habrá redes globales de laboratorios totalmente automatizados, y para 2050 no sería extraño que existan sistemas capaces de crear y comprobar teorías científicas propias, aportando descubrimientos que cambien nuestra comprensión del mundo. El  investigador humano seguirá siendo importante, pero cada vez más como quien plantea las grandes preguntas y valida la interpretación de lo que la máquina descubre.

Del sueldo al subsidio: el trabajo humano frente a la IA

Durante siglos, la relación entre humanos y tecnología estuvo marcada por una promesa: las máquinas nos harían la vida más fácil, pero no reemplazarían nuestra capacidad de crear, decidir o imaginar. Sin embargo, en los últimos años, el desarrollo vertiginoso de la inteligencia artificial está alterando radicalmente ese pacto tácito. Cada vez más empresas, desde bancos hasta laboratorios, desde medios de comunicación hasta plataformas educativas, reemplazan personal humano por algoritmos capaces de realizar tareas con mayor velocidad, precisión y, sobre todo, menor costo. Esto plantea una pregunta inquietante, casi existencial: si las empresas necesitan menos personas para funcionar, ¿de qué van a vivir esas personas? ¿Qué lugar queda para el trabajo humano cuando ya no se lo considera eficiente, necesario o incluso rentable? Lejos de ser un problema del futuro, esta transformación ya está en marcha, y su velocidad supera nuestra capacidad para adaptarnos.
Este artículo busca pensar en voz alta, sin alarmismos pero con honestidad, sobre el porvenir del trabajo, la renta básica universal como posibilidad real, el rol de los Estados en una economía cada vez más automatizada, y el nuevo valor que podrían adquirir las tareas humanas que no pueden (o no deberían) ser reemplazadas por máquinas. Porque en el fondo, se trata no solo de cómo ganaremos dinero, sino de cómo encontraremos sentido.

¿Qué opciones se están discutiendo a nivel mundial?
A medida que la automatización y la inteligencia artificial reemplazan millones de empleos, gobiernos, economistas y organizaciones sociales se ven obligados a repensar las bases mismas del sistema económico. El trabajo, históricamente, ha sido la forma por excelencia de generar ingresos, construir identidad y acceder a derechos sociales. Pero si el trabajo desaparece o se transforma radicalmente, ¿cómo garantizamos la subsistencia, la dignidad y la participación de todos? Algunas de las ideas más debatidas a nivel global son las siguientes:
-Renta Básica Universal (RBU): La propuesta más discutida, y también la más polémica, es la Renta Básica Universal, una suma de dinero garantizada por el Estado a todas las personas, sin importar si trabajan o no, sin evaluaciones, sin requisitos. Sus defensores argumentan que, ante la creciente exclusión del mercado laboral, garantizar un ingreso mínimo y estable permitiría a las personas vivir sin el estrés de la supervivencia, dedicar tiempo al cuidado, al arte, al aprendizaje, al voluntariado o a trabajos que hoy el mercado no valora. Experimentos ya se han realizado en Finlandia, Canadá, España, Kenia y otras regiones, con resultados variados pero prometedores: mejoras en la salud mental, aumento del bienestar, incluso un leve crecimiento del empleo informal voluntario. Sin embargo, los detractores advierten sobre su alto costo fiscal y sobre la posibilidad de fomentar la "ociosidad" estructural. ¿Puede una sociedad sostenerse si trabajar deja de ser una obligación?
-Impuestos a los robots: que la máquina pague lo que quita. Otra idea que gana terreno es la de aplicar impuestos a los robots o, más ampliamente, a las empresas que sustituyen personal por sistemas automatizados. La lógica es simple: si una empresa deja de pagar sueldos porque reemplaza humanos con máquinas, debe contribuir con una porción mayor de sus ganancias al sistema que sostiene a esos ciudadanos desplazados.
Las propuestas como la renta básica universal, los impuestos a los robots o la redefinición del trabajo no son solo respuestas técnicas a un problema económico; son intentos de imaginar otra forma de vivir en un mundo donde el trabajo, tal como lo conocimos, está dejando de ser el eje organizador de nuestras vidas. Quizás el desafío no sea simplemente encontrar nuevas formas de repartir el ingreso, sino atrevernos a cuestionar los supuestos que nos sostienen: ¿Por qué asumimos que valemos según lo que producimos? ¿Por qué el tiempo libre aún es visto con sospecha? ¿Y qué pasaría si una sociedad pudiera vivir menos preocupada por la eficiencia y más enfocada en el bienestar, la creatividad, la empatía y el cuidado?
Tal vez la inteligencia artificial no solo venga a reemplazarnos en las fábricas o las oficinas, sino también a empujarnos a preguntarnos algo más profundo: si ya no es necesario trabajar para sobrevivir, ¿qué vamos hacer con nuestro tiempo en este planeta?