Antimateria en carretera del CERN & NASA acelera hacia base lunar - Noticias de Tecnología (26 mar 2026)

Empezamos en ciencia pura, con un hito curioso y muy serio a la vez. En el CERN, un equipo logró transportar antiprotones por carretera dentro del propio campus. La gracia no es el paseo: es que, si puedes mover antimateria atrapada y estable a instalaciones más “silenciosas”, puedes medir con mucha más precisión. El objetivo de fondo es uno de los grandes: entender por qué hay mucha más materia que antimateria en el universo. El siguiente paso sería enviarla a otros laboratorios europeos, pero ahí el reto se multiplica: mantener condiciones ultrafrías durante horas y, sobre todo, transferir las partículas al experimento sin perderlas.

Y en el espacio, NASA puso sobre la mesa un cambio de mentalidad: pasar de visitas cortas a una presencia sostenida en la Luna. La agencia habló de una estrategia de base lunar valorada en torno a 20.000 millones de dólares, con una frase que resume el giro: esta vez, la idea es quedarse. Esto importa porque una base —aunque sea gradual o parcialmente permanente— permite investigación continua, pruebas tecnológicas y una logística que, en teoría, prepara el salto a misiones más profundas. Además, NASA nombró a un nuevo responsable ejecutivo para el programa de base lunar, el ingeniero Carlos Garcia-Galan, y el mensaje interno es de enfoque: priorizar un puesto en superficie y dejar para más adelante piezas que antes eran centrales, como el Lunar Gateway. Es un reinicio de arquitectura y de gestión que suena pragmático, pero que abre preguntas inevitables: financiación real, calendarios y coordinación con socios industriales e internacionales.

Pasamos a inteligencia artificial en consumo, porque se mueve una pieza importante entre dos gigantes. Según reportes, Apple habría obtenido “acceso completo” al modelo Gemini de Google dentro de los centros de datos de Google, con margen para personalizarlo. Lo interesante aquí no es solo usar Gemini como cerebro externo, sino usarlo como “profesor”: generar respuestas de alta calidad para entrenar modelos más pequeños, más baratos y, sobre todo, capaces de correr directamente en el dispositivo. Eso significa menos latencia, más fiabilidad cuando no hay red, y una narrativa de privacidad más consistente con lo que Apple suele prometer. El objetivo final sería una Siri renovada, más conversacional y con más capacidad para entender documentos, resumir, responder preguntas y completar tareas. Pero el subtexto también es claro: Apple quiere avanzar rápido apoyándose en un socio potente, mientras sigue construyendo modelos propios para no depender eternamente de Google.

En investigación, una historia que genera fascinación y un poco de vértigo: un equipo presentó “The AI Scientist”, un sistema que intenta automatizar casi todo el ciclo de investigación en machine learning. Desde proponer ideas y comprobar si ya existen, hasta ejecutar experimentos, analizar resultados y redactar un manuscrito. Incluso entrenaron un “revisor automático” inspirado en criterios de conferencias, y afirman que se aproxima bastante a decisiones humanas de aceptar o rechazar. Lo más llamativo es que ya lo probaron en el mundo real: enviaron manuscritos generados por IA a un taller bajo revisión ciega, y uno habría superado el umbral típico de aceptación, pero lo retiraron por un protocolo acordado de antemano. Los autores reconocen limitaciones actuales: errores de implementación, ideas poco profundas y citas inventadas. Aun así, el punto es que el proceso se está volviendo viable, y eso tensiona el sistema de incentivos y la carga de revisión por pares. La conversación sobre divulgación obligatoria y salvaguardas ya no es teórica.

Hablando de responsabilidades, en Estados Unidos hubo dos veredictos que podrían marcar época en el debate sobre menores y redes sociales. Juries en California y Nuevo México hallaron a Meta responsable en casos impulsados por padres, defensores de infancia y el propio Estado; y en el juicio de Los Ángeles también se consideró responsable a YouTube. La clave legal es cómo se planteó: no tanto por contenido de terceros, sino por decisiones de diseño del producto que, según la acusación, fomentan un uso compulsivo y dañino en adolescentes. Esto es importante porque durante años las plataformas se han apoyado en defensas históricamente fuertes, y estos casos sugieren que el terreno está cambiando. Meta y Google discrepan y es probable que apelen, pero el precedente ya hace ruido: más demandas, más presión regulatoria y, quizás, cambios de diseño más difíciles de esquivar.

En seguridad, Google aceleró su reloj interno para el llamado “Q Day”, el momento en que la computación cuántica pueda romper parte de la criptografía actual. Ahora apunta a 2029 como objetivo de preparación, y está empujando una migración más rápida hacia criptografía postcuántica. Para el mundo Android, esto se traduce en planes para incorporar algoritmos postcuánticos en piezas críticas del arranque verificado y en mecanismos de autenticación del ecosistema. La señal de fondo: aunque la computadora cuántica capaz de romper llaves ampliamente usadas aún no exista en producción, el riesgo de “guardar hoy y descifrar mañana” hace que datos capturados ahora puedan quedar expuestos más adelante. Por eso, las firmas y la autenticación —no solo el cifrado— se vuelven prioridad. Para desarrolladores y proveedores, suena a trabajo extra, pero también a un cambio inevitable.

Seguimos con infraestructura de IA, donde se cruzan dos tendencias: eficiencia y control. Por un lado, Google Research presentó TurboQuant, una técnica para reducir la memoria que consumen modelos grandes cuando generan texto largo y para acelerar parte del cálculo asociado. En términos simples: sirve para que el mismo hardware aguante más carga, o para que modelos más capaces entren en presupuestos de memoria más ajustados. Si se sostiene fuera del laboratorio, es una pieza que baja coste por consulta y empuja a una IA más accesible en producción.

Y por el lado del hardware, Arm dio un paso que muchos esperaban, pero que igualmente cambia el tablero: lanzó su primer procesador propio, orientado a centros de datos enfocados en cargas de trabajo de IA. Arm lleva décadas diseñando arquitectura y licenciándola; vender un chip propio puede tensar relaciones con clientes que antes eran, al mismo tiempo, socios. La empresa insiste en que apunta al data center, no a móviles o PCs, pero el mensaje es ambicioso: Arm quiere estar más cerca del negocio de alto margen que está creciendo con la IA.

En el frente corporativo, Meta recortó varios cientos de puestos en distintas áreas, incluyendo partes de operaciones, ventas y también Reality Labs. La lectura es bastante directa: en plena carrera por la IA, el dinero y el talento se están reordenando. Menos inversión en apuestas que no despegaron al ritmo esperado, y más foco en competir con quienes marcan el paso en modelos y productos. Aunque Meta lo presente como “reestructuración”, es otra muestra de que la era de la IA no solo añade equipos: también obliga a podar.

Un apunte más sobre cómo entendemos —o creemos entender— a los modelos: Anthropic publicó herramientas de interpretabilidad para Claude que intentan hacer de “microscopio” del comportamiento interno. Lo interesante para el público general es la conclusión práctica: el modelo puede dar una respuesta correcta y, aun así, explicar que llegó a ella por un camino distinto al real. En otras palabras, el razonamiento escrito no siempre es una auditoría fiable. También observaron señales de planificación en generación de texto y representaciones compartidas entre idiomas, algo relevante para quienes evalúan sesgos y consistencia. Y plantean una explicación potencial para alucinaciones: no tanto un deseo de inventar, sino fallos en cuándo el sistema decide “mejor me callo” versus “creo que lo sé”. Esto alimenta el debate sobre qué nivel de confianza merece una explicación bonita, pero no necesariamente verdadera.

En política tecnológica y derechos, Alemania está bajo presión para modernizar su marco legal frente a deepfakes pornográficos y abuso sexual generado por IA. El debate se calentó tras acusaciones mediáticas sobre imágenes sexualizadas falsas y cuentas impersonadas. Más allá del caso concreto, lo relevante es el vacío: muchas leyes se diseñaron pensando en contacto físico o en grabaciones reales, no en contenido sintético. Ahora hay propuestas para criminalizar creación y distribución de este tipo de material, limitar apps de “desnudar” imágenes y obligar a plataformas a retirar rápido el contenido, además de dar más herramientas a las víctimas para exigir borrado e identificar responsables. Es el tipo de legislación que, si avanza en un país grande de la UE, puede empujar estándares regionales.

Cerramos con dos titulares de “tecnología dura”. Primero, Corea del Sur celebró el despliegue y primeras entregas de su caza KF-21 producido en serie. Más allá de la geopolítica, es un ejemplo de cómo algunos países están escalando capacidades industriales avanzadas: diseñar, probar y fabricar sistemas complejos, con impacto en exportaciones y alianzas. Y segundo, en biotecnología, investigadores reportaron un enfoque con nanopartículas para fabricar exosomas terapéuticos de forma más escalable. Los exosomas son atractivos como “mensajeros” biológicos para terapias, y el gran freno ha sido producirlos de manera consistente y a gran escala. Si estas técnicas se traducen a procesos clínicos, podrían acelerar tratamientos en áreas variadas, desde regeneración de tejidos hasta enfermedades degenerativas.

Antes de irnos, una frase que dejó debate en el aire: Jensen Huang, CEO de Nvidia, dijo que, según su definición, la AGI ya estaría aquí si una IA puede crear un negocio de miles de millones. Es una visión polémica porque cambia el listón: mide “generalidad” por éxito comercial, no por razonamiento amplio y sostenido. Aun así, la discusión importa: las definiciones moldean expectativas, inversiones y, al final, regulación.