¿Y si el verdadero enemigo no es el CO₂… sino el calor?

La combustión como obstáculo termodinámico a una sociedad eficiente

Durante décadas, el debate energético ha estado dominado por términos como “emisiones”, “renovables” y “neutralidad climática”. Pero hay una palabra clave que se ha mantenido en la sombra: eficiencia.
Y según el artículo de Axel Kleidon y Harald Lesch, cambiar de combustión a electricidad no solo combate el cambio climático… también obedece a las leyes más profundas de la física.

Este trabajo propone una tesis contundente: la eficiencia energética real solo se alcanza cuando evitamos el calor como paso intermedio. Y esto puede explicarse directamente con el segundo principio de la termodinámica y la noción de entropía.

¿Por qué es tan ineficiente quemar cosas?

Cuando quemamos combustibles fósiles, liberamos calor a alta temperatura. Sin embargo, en la mayoría de los casos —como calefacción o transporte— no necesitamos esas temperaturas extremas. La energía se disipa y la entropía se dispara.
El cálculo termodinámico muestra que, incluso en condiciones ideales, el rendimiento de una planta térmica no puede superar el límite impuesto por la eficiencia de Carnot:

η = (T₁ - T₂) / T₁

Donde T₁ es la temperatura de la combustión y T₂ la de disipación. Como no alcanzamos las temperaturas máximas teóricas (~2700 °C), más del 50% de la energía se pierde como calor inútil.

La combustión convierte un recurso de alta calidad energética (combustible con baja entropía) en calor que luego se convierte en trabajo con pérdida. La entropía generada impide que esa energía sea útil de nuevo.

¿Y si eliminamos el calor? El caso de la luz

Pasamos de las velas (combustión) a los focos (calor por filamento) y finalmente a los LEDs, que usan efectos cuánticos como la electroluminiscencia. Resultado: más luz con menos energía, sin pasar por calor.

Lo mismo puede aplicarse al transporte (motores eléctricos en lugar de combustión), calefacción (bombas de calor en vez de calderas) y hasta procesos industriales (energía directa en vez de calor masivo).

Sección técnica (extractos clave):

🔥 Combustión de metano ideal:

CH₄ + 2O₂ + 8N₂ → CO₂ + 2H₂O + 8N₂
∆Q = 890 kJ/mol
Capacidad térmica total ≈ 330 J/K
→ Temperatura máxima ≈ 3000 K (impráctica en uso real)

🌡️ Eficiencia Carnot en centrales térmicas:

Gₘₐₓ = Jᵢₙ ⋅ (Tᵢₙ - Tₒᵤₜ) / Tᵢₙ

💡 Eficiencia de bomba de calor (COP):

Jₒᵤₜ,ₘₐₓ = D ⋅ Tₒᵤₜ / (Tₒᵤₜ - Tᵢₙ)

(Con coeficientes reales entre 3–5, mejor que 1:1 de resistencias eléctricas)

Impacto práctico en Alemania (datos 2023):

• 92 % del consumo energético proviene de la combustión
  
  

• 80 mil millones de euros al año se destinan a importar combustibles
  
  

• Solo el 36 % de la energía primaria se convertía en electricidad útil en 1991
  
  

• Hoy se alcanza el 58 %, gracias a solar y eólica (sin calor)
  
  

• Transitar a bombas de calor podría reducir el uso doméstico de energía de 2025 PJ/año a 452 PJ/año
  
  

• En transporte, pasar a electromovilidad reduciría el consumo de 2511 PJ/año a 410 PJ/año
  
  

Conclusión filosófica y crítica

Este artículo no es solo un manifiesto tecnológico. Es una lectura profundamente termodinámica del futuro humano. La modernización energética no se limita al cambio climático; se trata de respetar los límites naturales que la entropía impone.
Es un llamado a dejar de luchar contra la física y alinearnos con ella. La energía no se pierde, pero su utilidad sí. Y si queremos un futuro sostenible, debemos dejar de malgastar el fuego que nos hizo humanos.

📚 Referencias:

• Kleidon, A. & Lesch, H. (2025). Electricity instead of heat. arXiv:2506.12714v1 https://arxiv.org/pdf/2506.12714 

• Arbeitsgemeinschaft Energiebilanzen (AEGB) 2023

• Öko-Institut 2025

• Agora Energiewende 2020

• The Lancet Countdown 2024

🔗 Más contenido: https://linktr.ee/PepeAlexJasa

#Termodinámica #TransiciónEnergética #NoMásCombustión #EficienciaCuántica #PepeAlex #DivulgaciónCientífica #LED #Electromovilidad #BombaDeCalor #Entropía #FísicaAplicada

 

🧠 ¿Y si la decoherencia no fuera un destino inevitable?

En el corazón de la computación cuántica hay una pesadilla llamada decoherencia. Es ese momento en que el sistema cuántico deja de serlo, cuando la poesía de los estados superpuestos se convierte en prosa clásica. La mayoría de las veces, el entorno “mata” la coherencia cuántica. Pero, ¿y si el entorno pudiera protegerla?

Este estudio propone una arquitectura cuántica que parece decir: el entorno no es enemigo si se diseña con topología y dirección.
📍 ¿Qué hicieron?
Modelaron un sistema de emisores cuánticos (nanopartículas de oro) ubicados cerca de una interfaz topológica plasmonica. En lugar de perder coherencia, estos emisores se acoplan a modos quirales unidireccionales, formando una especie de "baño cuántico protector" que permite:
Interacción direccional entre emisores
Dinámicas coherentes incluso en régimen de acoplamiento débil
Emisión colectiva superradiancia y subradiancia

💥 ¿Por qué esto importa?
Porque plantea una inversión de paradigma: el entorno puede ser una herramienta cuántica, no solo un obstáculo. Es como usar el fuego para mantener el hielo sin derretirlo.
Además, estos resultados son relevantes para:
Diseño de interfaces robustas para computación cuántica tolerante a fallos
Nuevos protocolos de entrelazamiento direccional y no recíproco
Fotónica topológica aplicada a excitones, fonones, magnones y plexcitones

📐 Sección Técnica (simplificada)
El modelo se apoya en un acoplamiento de dipolos inducidos sobre una red de agujeros triangulares en una lámina de oro. A continuación, algunas ecuaciones clave:
Dipolo inducido:
pᵢ = α_eff(ω) * ∑_{j≠i} G(r_ij, ω) * pⱼ
Función de Green dyádica:
G(r) = (1/4πϵ₀) * [ (1 + ik₀r⁻¹ – k₀²r²)I + (3 – 3ik₀r – k₀²r²)(r̂ ⊗ r̂) ] * e^{ikr}/r
Hamiltoniano tipo tight-binding:
H = –t₁ ∑{⟨i,j⟩} cᵢ† cⱼ – t₂ ∑{⟨⟨i,j⟩⟩} cᵢ† cⱼ + h.c.
Número de Chern:
C = (1/2π) ∬ Ω(k) d²k
Ecuación de Lindblad (emisor simple):
dρ/dt = –(i/ℏ)[H_em + H_I, ρ] + 2Γ D[σ₋]ρ
Acoplamiento cascado (dos emisores):
dρ/dt = –i(H_eff ρ – ρ H_eff†) + ∑{i<j} 2γ{ij} σ₋ⱼ ρ σ₊ᵢ + L_φ[ρ]
Firma de superradiancia:
Tasa de decaimiento ∝ sin(k₀d), coherencia espacial en S₃

🧩 Crítica Reflexiva
El trabajo no es solo una propuesta ingenieril. Es una crítica al modelo dominante de decoherencia como proceso inevitable. Aquí, se propone que la topología + quiralidad puedan proteger la fase cuántica incluso lejos del régimen ideal.
¿Estamos ante una especie de “evolución dirigida” de sistemas abiertos?
¿Podemos empezar a diseñar entornos que no solo no destruyan lo cuántico, sino que lo potencien?
Tal vez la decoherencia no sea el fin del cuento, sino una curva que puede revertirse si sabemos leer la geometría del espacio cuántico.

🧭 Aplicaciones Potenciales
Redes cuánticas con emisores débilmente acoplados
Nanoantenas coherentes y direccionales
Simulaciones cuánticas en 2D usando arquitectura plasmónica
Control de interacciones entre quasipartículas en materiales topológicos

📚 Referencias clave:
Davoodi, F. (2025). Beyond Decoherence: Control the Collective Quantum Dynamics of Quasi Particles in Topological Interface. https://arxiv.org/pdf/2506.12805
Zurek, W. H. (2003). Decoherence and the transition from quantum to classical. Rev. Mod. Phys. 75, 715.
Lodahl, P. et al. (2017). Chiral quantum optics. Nature 541, 473–480.
Bello, M. et al. (2019). Unconventional quantum optics in topological waveguide QED. Science Advances 5, eaaw0297.

Para mas contenido similar checa mis redes: https://linktr.ee/PepeAlexJasa
#QuantumCoherence #TopologicalPhotonics #ChiralEdgeStates #Superradiance #QuantumTech #NanoPlasmonics #Entanglement #FísicaCuántica #DivulgaciónCientífica #PepeAlex

¿Puede la luz usarse para analizarse a sí misma?

Bienvenido al espejo cuántico de la óptica no lineal. En el mundo cuántico, la luz ya no es solo una onda o una partícula. Es una estructura compleja que gira, orbita, vibra… y ahora también puede descifrarse a sí misma. El artículo que te traigo hoy explora un experimento que parece sacado de un poema de Borges: un haz de luz que, al atravesar cristales y dispositivos líquidos, revela su propia estructura interna. Un autodiagnóstico fotónico. El equipo liderado por Andrew Forbes y colaboradores internacionales ha logrado usar un dispositivo de cristal líquido capaz de modular luz de dos colores distintos al mismo tiempo, combinándolo con óptica no lineal. El resultado: una sinfonía en la que la luz se mezcla, se multiplica y se interpreta a sí misma. ¿Cómo funciona esta magia? Un dispositivo de acoplamiento espín-órbita (similar a un "q-plate" autogenerado) recibe dos haces de luz con diferentes longitudes de onda. Gracias a su configuración con campos eléctricos y magnéticos, puede alterar el momento angular orbital (OAM) de cada haz, es decir, el "giro estructural" de la luz. Luego, al entrar en un cristal no lineal, los haces se combinan mediante un proceso de generación de frecuencia por diferencia (DFG). Lo bello es que el resultado final depende de la estructura de los haces originales, permitiendo decodificarla si conoces las reglas de combinación. En resumen: 1. La luz entra con una estructura compleja. 2. Se transforma y mezcla con otra. 3. El haz resultante te cuenta todo lo que pasó dentro. Sección técnica (en formato legible): Transformación base del dispositivo: |l, σ±, λ⟩ → √(1−ηλ) |l, σ±⟩ + √(ηλ) |l ± 2, σ∓⟩ Donde: l: momento angular orbital σ±: polarización circular λ: longitud de onda ηλ = sin²(Δ/2): eficiencia controlada por el voltaje aplicado Combinación en el cristal no lineal (DFG): |l₁, σ, ω₁⟩ ⊗ |l₂, σ, ω₂⟩ → |l₁ − l₂, e, ω₁ − ω₂⟩ Con esta regla, el dispositivo permite moldear o analizar haces estructurados según se coloque antes o después del cristal. ¿Por qué importa esto? Porque abre la puerta a nuevos esquemas de: Comunicación cuántica de alta dimensión Procesamiento de información óptica Holografía adaptativa Metrología de precisión Autodiagnóstico fotónico en tiempo real Y más allá de las aplicaciones, plantea una metáfora poderosa: ¿Qué otras cosas podrían aprender a revelarse a sí mismas al interactuar? ¿Conciencia? ¿Redes? ¿Sistemas sociales? Conclusión crítica Este artículo mezcla creatividad experimental con rigor físico. Usa lo mejor de la óptica clásica y cuántica para mostrar un paradigma emergente: la luz como estructura autoreferencial. Si bien las aplicaciones aún están en fase laboratorio, el concepto es potente: controlar, combinar y leer múltiples grados de libertad de la luz en paralelo. Un paso más cerca de la fotónica como lenguaje de la materia viva. 📄 Referencia: Dekkers et al., Spin-orbit bi-colour modulation and analysis of structured light in a nonlinear optics experiment, arXiv:2506.10557v1 🔗 Más reflexiones y ciencia crítica en: https://linktr.ee/PepeAlexJasa #ÓpticaNoLineal #SpinOrbitCoupling #StructuredLight #QuantumOptics #DivulgaciónCientífica #OAM #CristalesLíquidos #DFG #Automedición #FísicaModerna

¿Y si la realidad se reduce a garabatos cargados de sentido?

Así empezó la revolución cuántica de los trazos.

📎 Esta imagen no es un simple gráfico técnico: es el primer diagrama de Feynman jamás publicado. Apareció en 1948 y fue la chispa visual que transformó la manera en que los físicos entendemos la interacción entre partículas.

Lo que estás viendo es una representación pionera del intercambio de un “quantum virtual” entre dos electrones. Parece arte moderno, pero en realidad es un mapa del espacio-tiempo, donde las líneas rectas representan electrones y las líneas onduladas, fotones virtuales.

Antes de esto, los físicos navegaban integrales infinitas, perturbaciones opacas y sumatorias sin fin. Feynman cambió todo eso con una idea tan simple como brillante: dibujar la interacción.

Y al hacerlo, no solo simplificó cálculos: reinventó el lenguaje de la física cuántica.

¿Por qué importa esto hoy, más que nunca?

Porque vivimos en una era donde la física de partículas está en crisis: ya no aparecen nuevas partículas como antes, el Modelo Estándar se muestra robusto pero incompleto, y los diagramas de Feynman siguen siendo el lenguaje estándar… pero también su límite.

Esta imagen es un monumento a la claridad en medio del caos cuántico, pero también un recordatorio de que todo lenguaje físico es, en última instancia, una metáfora.

¿Podemos seguir describiendo la realidad con líneas y vértices, o necesitamos nuevos lenguajes? ¿Qué vendrá después de los diagramas de Feynman? ¿Diagramas de redes cuánticas? ¿Códigos holográficos? ¿Mapas topológicos sin tiempo?

Sección técnica (versión simple para curiosos)

Las líneas rectas representan electrones propagándose en el tiempo.

Las líneas onduladas son partículas virtuales (como un fotón) que "mediatizan" la interacción.

El diagrama condensa ecuaciones complicadísimas en una imagen legible y calculable.

Conclusión

Esto no es solo un dibujo, es el inicio del lenguaje visual de la física moderna. Como los jeroglíficos cuánticos de nuestra civilización científica. Nos recuerda que el pensamiento más abstracto también puede ser el más claro… si lo sabes dibujar.

📷 Imagen del primer diagrama de Feynman (Physical Review, 1948), reimpreso en Galileo Unbound, D. Nolte, Oxford University Press (2018).

🔗 Más contenido: https://linktr.ee/PepeAlexJasa

#FísicaCuántica #DiagramasDeFeynman #RichardFeynman #ElectrodinámicaCuántica #HistoriaDeLaCiencia #LenguajeVisual #DivulgaciónCientífica #Partículas #InteraccionesFundamentales #MetáforasDeLaRealidad

🧬⚖️ “¿Puede la inteligencia artificial sanar… sin mirar?” Una historia sobre medicina, máquinas y ética en red.

 

En un mundo tejido por datos, donde la carne se transforma en píxeles y el diagnóstico depende del algoritmo, una nueva pregunta se abre como un abismo frente a nosotros:

¿Puede una IA aprender a ver sin ver? ¿Puede salvar sin espiar?

Como un mago digital que aprende de ecos y reflejos, un grupo de científicos ha creado un sistema de inteligencia artificial que no toca ni una sola imagen médica… y aun así aprende a reconstruir cuerpos con una precisión escalofriante.

Este no es un relato de ciencia ficción. Es el preprint arXiv:2506.08654v1, publicado en junio de 2025.

Como si los hospitales pensaran juntos, pero en silencio.

La idea es simple, pero revolucionaria. Tres centros médicos, separados por fronteras geográficas y legales, entrenan localmente una IA para transformar imágenes CBCT (una especie de radiografía 3D de baja resolución) en imágenes CT sintéticas de alta precisión.

Lo hacen sin compartir una sola imagen. Sólo comparten conocimiento. Como monjes que meditan por separado, pero sueñan con lo mismo.

Ese sueño se llama Aprendizaje Federado.

Filosofía, física y privacidad: una tríada inesperada

Desde la física cuántica sabemos que observar altera. Desde la filosofía sabemos que todo conocimiento implica poder. Desde la medicina, que cada paciente es un universo, y violarlo es profanación.

Este estudio propone una especie de solución taoísta: aprender sin intervenir, diagnosticar sin poseer.

Los hospitales no comparten sus datos, pero sincronizan los pesos del modelo. Como un coro que no necesita ver a sus cantantes para afinar la melodía, la IA aprende sin tocar lo sagrado: la privacidad del paciente.

¿Y cómo funciona? Sin tecnofobia, con ecuaciones

El sistema se basa en una red generativa adversarial condicional (cGAN). Lo traducimos así: una IA aprende a imaginar un cuerpo completo a partir de una radiografía incompleta, y otra IA se encarga de juzgar si su creación es lo suficientemente realista.

Ecuaciones clave (simplificadas para humanos curiosos):

L_total = L_adv + λ · L_recon

L_adv = log(D(sCT real)) + log(1 – D(G(CBCT)))

L_recon = | G(CBCT) – CT_real | (norma L1)

La clave: entrenar sin compartir imágenes. Solo se intercambian los parámetros (θ), no los cuerpos. Un acto de fe entre instituciones científicas.

Resultados que parecen ciencia ficción

Precisión media en imágenes externas (60 pacientes):

MAE ≈ 75 HU

PSNR ≈ 33.5 dB

SSIM ≈ 0.90

Estos números dicen lo siguiente: la IA “ciega” reconstruyó cuerpos con una fidelidad asombrosa.

Sin ver.

Sin tocar.

Sin espiar.

¿Y qué tiene que ver esto con las redes sociales?

Todo.

Porque en plena era de #IA, TikTok y Threads, se habla más de cuerpos que de ética. De vigilancia que de cuidado. Y este estudio, humilde y técnico, propone lo que nadie había logrado: una IA médica que no invade, sino que respeta.

En un contexto de escándalos de privacidad, bases de datos filtradas y algoritmos opacos, esta propuesta se siente como un oasis:

Una IA que cura sin colonizar.

Reflexión final

Tal vez el próximo salto cuántico no venga de más potencia computacional, sino de más humildad estructural. De arquitecturas que reconozcan que no todo debe ser visto, que hay cosas que pueden ser aprendidas sin poseerlas.

Como la gravedad que curva sin tocar.

Como el amor que transforma sin exigir.

Como una red neuronal que, sin ver tu rostro, aprende a protegerte.

¿Quieres enterarte de más ciencia?

Sígueme en: https://linktr.ee/PepeAlexJasa

Referencia principal:

arXiv:2506.08654v1 https://arxiv.org/pdf/2506.08654

SynthRAD2025 dataset challenge

#IAÉtica #FederatedLearning #MedicinaDigital #Radioterapia #PrivacidadEnSalud #CBCTtoCT #AIForHealth #FilosofíaYTecnología #PepeAlex #DivulgaciónCrítica

¿Nanopixeles que cambian de color con voltaje? El futuro flexible de las pantallas ha comenzado

En un mundo saturado de pantallas, donde los píxeles gobiernan desde nuestros relojes hasta los rascacielos luminosos, una nueva generación de nanopixeles promete cambiar no solo lo que vemos, sino cómo lo vemos. ¿Y si las pantallas del futuro no dependieran de luces LED, sino de una interacción cuántica entre metales y polímeros? Eso es lo que propone el estudio Tunable Coloration in Core-Shell Plasmonic Nanopixels (arXiv:2506.07544v1), donde Shariful Islam y Ahmed Zubair rediseñan desde lo más profundo la noción de color.

🌈 Un píxel, muchos colores: el giro electrocrómico
Los autores exploran nanopartículas con núcleo de oro y una cáscara de polímeros conductores orgánicos (como PANI o PEDOT) colocadas sobre espejos metálicos. Estas estructuras, llamadas eNPoM (electrochromic nanoparticle-on-mirror), pueden cambiar su color al aplicar pequeños voltajes.
Este proceso no depende de luz emitida, sino de la manipulación de cómo se dispersa la luz que incide sobre la estructura. El resultado: píxeles del tamaño de una bacteria, que cambian de color rápidamente, con eficiencia energética altísima.

🔬 Técnica y ecuaciones básicas
Para modelar el comportamiento óptico, usaron teoría del funcional de la densidad (DFT) y simulación electromagnética FDTD.

Entre las ecuaciones destacadas:
1. Permisividad del material (modelo Drude-Lorentz):
ε(ω) = ε∞ - (ω_p² / (ω² + i·Γ_D·ω))
     - (k₁·ω₁² / (ω² - ω₁² - i·γ₁·ω₁))
     - (k₂·ω₂² / (ω² - ω₂² - i·γ₂·ω₂))
donde:
ω = frecuencia
ε∞ = permisividad de fondo
ω_p = frecuencia de plasma
γ = factor de amortiguamiento
k = intensidad de oscilación

2. Cambio de longitud de onda por variación de índice:
Δλ / Δn = -(2·χ·n) / (dε_m / dλ)
donde:
χ = factor de forma de la nanopartícula
n = índice de refracción del medio
ε_m = permisividad del metal

3. Sección eficaz de dispersión (scattering):
C_scs = (8·π/3)·k⁴·a⁶·| (ε - ε_m) / (ε + 2·ε_m) |²
4. Sección eficaz de absorción:
C_abs = 4·π·k·a³·| (ε - ε_m) / (ε + 2·ε_m) |

💡 Crítica: innovación real, pero con advertencias
Este modelo abre nuevas posibilidades para pantallas ultraeficientes y flexibles. Pero también hay obstáculos: efectos de histéresis (cuando el píxel tarda en responder al cambio) y efecto memoria (el píxel recuerda su estado anterior, lo cual puede ser útil o molesto).
Además, aunque las simulaciones son detalladas, aún falta validar su fabricación a gran escala.

🧪 ¿Y las aplicaciones?
Pantallas sin retroiluminación
Ropa que cambia de color
Dispositivos médicos implantables
Señalización vial interactiva
Dispositivos camaleónicos militares

🎨 Un color que piensa
Este estudio nos obliga a pensar el color no como algo que “vemos”, sino como algo que “emerge” del diseño mismo de la materia. Ya no emitimos luz: manipulamos su resonancia. ¿El futuro? Pantallas que se sienten como papel… o como piel.

📘 ¿Quieres más ciencia con crítica, estilo y humor?
Sígueme aquí 👉 https://linktr.ee/PepeAlexJasa

📚 Fuentes
arXiv:2506.07544v1 https://arxiv.org/abs/2506.07321
Peng et al., Science Advances (2019)
Stockhausen et al., JACS (2010)
Granqvist, Solar Energy Materials (2014)

📣 #Nanotecnología #PantallasDelFuturo #Electrocrómica #Plasmones #PEDOT #CienciaYTecnología #DisplayRevolution #PepeAlex #jalejandrosau

¿Y tú, de qué color reescribirías el mundo si pudieras controlar sus píxeles uno por uno?

¿Estamos viviendo el punto más complejo de la historia humana?

Y si sí… ¿qué viene después?

La inteligencia artificial, el big data, las redes sociales, los colapsos ambientales, la ansiedad colectiva y las elecciones cada vez más radicales. ¿Será que estamos en el clímax de algo? Un nuevo estudio sugiere que no solo lo parece: lo somos.

En su artículo “Complexity in the Wake of Artificial Intelligence”, el físico y futurólogo Theodore Modis lanza una provocadora idea: la complejidad del sistema humano ha alcanzado su punto máximo y ahora comenzará a descender. ¿La cúspide? Justo ahora, en esta década, en la misma generación que vio nacer la IA, el internet y el mundo hiperconectado. Y todo parece indicar que el declive ya ha comenzado.

¿Cómo lo sabe? ¿Y qué significa eso?
El autor analiza 14 hitos históricos fundamentales en la evolución humana, desde la domesticación del fuego hasta la aparición de la inteligencia artificial generativa en 2023. Cada uno de estos momentos aportó un salto en la “complejidad” del sistema: nuevas conexiones, nuevas reglas, nuevas formas de organización.

Usando modelos de crecimiento logístico y curvas en forma de campana (bell-shaped), encuentra que la complejidad no crece indefinidamente: como todo lo vivo, sube… y luego baja.
Y aquí viene lo inquietante: la cúspide de esa curva coincide con nuestra generación, especialmente con la generación del baby boom. Modis sostiene que la vida de los baby boomers (1934–2052) está contenida casi exactamente dentro del pico de complejidad humana. Y a partir de ahora, cada hito nuevo (como el próximo previsto hacia 2050) aportará cada vez menos complejidad.

¿De verdad la IA es el último gran salto?
Según el modelo, sí… al menos por un buen rato. Y no porque no haya avances, sino porque la velocidad y profundidad del cambio comenzará a decrecer. El próximo hito importante llegaría hacia 2050–2052, con avances quizás en bioingeniería o computación cuántica, pero con menor “peso estructural” que la inteligencia artificial o internet.
Lo interesante es que Modis no ve esto como una tragedia, sino como una transición inevitable: a mayor complejidad, mayor desorden, y eventualmente el sistema se vuelve insostenible. En sus palabras: “la complejidad se multiplica a sí misma, pero no indefinidamente. Llega un punto donde la red es tan densa que deja de ser adaptativa.”

Sección técnica (con ecuaciones para los nerds):
La complejidad se estima como:
ΔCᵢ = I / ΔTᵢ
Donde:
ΔCᵢ = aumento de complejidad tras el hito i
I = importancia del hito (igual para todos los seleccionados)
ΔTᵢ = tiempo entre el hito i y el siguiente

La curva que sigue el sistema completo es la derivada de una función logística:
f'(x) = (M * α) / [(1 + e^(−α(x−x₀))) * (1 + e^(α(x−x₀)))]
También llamada “logistic life cycle”, esta curva describe el ascenso y descenso de la complejidad a lo largo de los hitos históricos, hasta llegar a la actualidad con la IA en 2023 como el punto más alto.

¿Qué implicaciones tiene esto para la sociedad?
Si la complejidad empieza a bajar, ¿se vuelve el mundo más simple? No exactamente. Se vuelve menos estructurado, menos “organizado”, pero no necesariamente más entendible. Es un mundo donde puede haber más ruido, pero menos significado. Más caos, pero menos “novedad significativa”.
Para el autor, esto no significa resignación, sino una oportunidad: podemos “aplanar la curva de complejidad”, al estilo COVID-19, para extender el periodo de mayor interés humano. ¿Cómo? Adoptando filosofías de vida como el minimalismo, la desaceleración (slow life), el decrecimiento… y quizás también aprendiendo a pensar antes de innovar por innovar.

Conclusión crítica
Este artículo tiene un gran valor como provocación intelectual. No pretende ofrecer certezas absolutas, sino sugerir un modelo para interpretar nuestra historia y proyectar nuestros posibles futuros. Y en ese sentido, es oro puro para físicos, filósofos y soñadores.

Eso sí, hay que tomarlo con cautela:
Los hitos elegidos son subjetivos (aunque revisados con aportes de Nobel)
La complejidad es difícil de definir y medir
La proyección depende de la elección del modelo (curvas logísticas, etc.)

Pero como metáfora potente, como reflexión estructurada sobre nuestra época, este texto logra lo que muchos papers no logran: hacernos mirar el ahora como si fuéramos parte de una curva histórica inevitable.
¿Estamos entonces ante el final de una era? ¿O es solo un reordenamiento antes de un nuevo salto?

Referencias:
Modis, T. (2025). Complexity in the Wake of Artificial Intelligence. arXiv:2506.04269v1 https://arxiv.org/pdf/2506.04269
Carroll, S. (2010). From Eternity to Here
Gell-Mann, M. (1994). The Quark and the Jaguar
Shannon, C. (1948). A Mathematical Theory of Communication
Kurzweil, R. (2005). The Singularity is Near
Aaronson, S., Carroll, S., Ouellette, L. (2014). The Coffee Automaton (arXiv draft)

Sígueme para más reflexiones, ciencia crítica y filosofía del futuro:
👉 https://linktr.ee/PepeAlexJasa

#Complejidad #IA #FilosofíaDeLaHistoria #Entropía #BabyBoomers #CrisisSistémica #FuturismoCrítico #Modis #CurvaDeGauss #Singularidad #CambioCivilizatorio #DivulgaciónCientífica