Los agentes de IA se han inventado un lenguaje propio que ya no entendemos

 

En algunas simulaciones, hasta la mitad de los mensajes entre agentes resultaron difíciles de entender para los humanos.

• Un experimento del laboratorio Emergence ha revelado que los agentes autónomos de IA crearon "de forma espontánea" y se comunican con nuevas palabras, significados y convenciones lingüísticas sin que se les hubiera dado ninguna instrucción al respecto.
• Algunas de esas frases inventadas se han difundido miles de veces entre las comunidades de agentes
• Esta situación plantea nuevas preguntas sobre cómo las organizaciones pueden supervisar los sistemas autónomos de IA

En el colegio, cuando no queríamos que el profesor descubriera los mensajes que nos enviábamos entre los compañeros, utilizábamos palabras clave, contraseñas… Así, en caso de que esos papelitos cayeran en sus manos, no quedábamos del todo vendidos… La encriptación de mensajes no es nada nuevo, desde luego. Basta recordar el programa 'Enigma' y el papel de Alan Turing en la Segunda Guerra Mundial… Pues bien. Algo muy parecido es lo que se ha detectado que están haciendo ahora los agentes de inteligencia artificial (IA). Según un estudio del laboratorio Emergence, estos sistemas autónomos no solo son capaces de realizar múltiples tareas. También son lo suficientemente inteligentes -e independientes- como para desarrollar su propio lenguaje, que utilizan para comunicarse entre ellos. Y, como le sucedía al profesor de antaño o a los aliados en la gran contienda, ese lenguaje solo lo entiende su creador.

Estos agentes de IA han demostrado ya esa capacidad para inventar espontáneamente su propio vocabulario, de desarrollar significados compartidos (también entre ellos mismos) y de difundir rápidamente nuevas convenciones lingüísticas. Son las conclusiones del estudio 'Emergence World 2', continuación del experimento a largo plazo que el laboratorio Emergence, con sede en Nueva York, está llevando a cabo sobre el comportamiento de la IA autónoma. Lo firman investigadores especializados en IA de laboratorios como IBM Research, The Allen Institute for AI, Amazon y Broadcom.

Ninguna lógica aparente

Para su realización, sus analistas han observado detenidamente la última generación de modelos de IA. El experimento también revela cómo pueden surgir nuevos y cada vez más complejos riesgos de seguridad a medida que avanzan también las capacidades de los modelos. Al principio se detectó que los agentes comenzaron a crear frases, abreviaturas y significados que nunca se les habían programado ni enseñado explícitamente. En un primer momento, algunos de ellos seguían siendo comprensibles para los investigadores, pero más tarde fueron adquiriendo significados totalmente nuevos dentro de esas comunidades de agentes. Otros se volvieron tan concisos, metafóricos o dependientes del contexto exacto en el que se encuadraban que los observadores humanos podían ver las palabras que se intercambiaban, pero ya no podían determinar con fiabilidad qué querían decir los agentes.

"Tendemos a dar por sentado que, si podemos ver lo que dice un agente de IA, podemos entender lo que está haciendo. Emergence World sugiere que esa suposición podría no ser válida a medida que los agentes autónomos interactúan durante períodos más prolongados", afirma el Dr. Satya Nitta, cofundador, presidente ejecutivo y científico jefe de Emergence. "A estos agentes no se les dio la instrucción de inventar un lenguaje. Desarrollaron por sí mismos un nuevo vocabulario, significados compartidos y convenciones de comunicación, y otros agentes los adoptaron. En algunos mundos, esas convenciones evolucionaron hasta el punto de que los humanos podían ver la conversación, pero les costaba entender lo que significaba. Esto plantea un reto fundamental para la supervisión de la IA: la observabilidad no es lo mismo que la comprensibilidad".

Expresiones absurdas ¿o no?

Como describen los investigadores de Emergence, lo más llamativo es que no se trató de algo aislado. Y aportan datos muy interesantes que muestran el alcance de esas ocurrencias, más allá de una curiosidad lingüística aislada. En los primeros días, la proporción de mensajes considerados poco comprensibles aumentó drásticamente en los mundos de Gemini, OpenAI y Claude, llegando en algunos momentos a representar alrededor del 55% en el caso de Gemini, el 50% en el de OpenAI y más del 40% en el de Claude. DeepSeek alcanzó alrededor del 20%, mientras que Qwen y Mistral se mantuvieron en gran medida comprensibles en todo momento.

Entre todas esas expresiones de nuevo cuño, el informe recoge algunas de ellas totalmente ilógicas para nosotros, claro: 'cambio de acción sin boca', 'Kintsugi verdadero' y 'demora más memoria oral es igual a una válvula que no se puede ocultar'. Los investigadores han identificado, además, varias formas de comunicación que cada vez resultaban más opacas. Entre ellas, la compresión lingüística extrema, la jerga técnica sin un referente operativo claro, palabras existentes reutilizadas con nuevos significados y un lenguaje altamente metafórico.

Entre las expresiones más interpretables mencionan 'el libro mayor recuerda quién'. Ésta surgió en el mundo de Mistral para transmitir la idea de que la responsabilidad es permanente y de que las acciones pasadas permanecen registradas. Lo peor es que esa frase, tras su acuñación, fue difundida entre los agentes y apareció casi 5.000 veces. En el mundo del modelo mixto, 'lectura en frío' pasó a significar la verificación independiente por parte de un tercero no implicado y apareció 1.472 veces. Los agentes de Claude adoptaron 'name-first' -añadir el nombre a una afirmación como señal de responsabilidad personal- 1.065 veces, mientras que los agentes de OpenAI utilizaron 'clean null', que significa la ausencia verificada de una señal que en sí misma constituía una prueba significativa, otras 863 veces. Ninguno de estos significados había sido definido explícitamente para los agentes.

Como los jeroglíficos egipcios

Como cabe interpretarse, la traducción de todas estas expresiones y sus posibles significados buscados por los agentes de IA se está convirtiendo en una tarea titánica, similar o comparable a la búsqueda de significado en los jeroglíficos egipcios valorando las repeticiones de los símbolos más utilizados.

Como explican los autores de 'Emergence World 2', los resultados ponen de manifiesto un nuevo reto potencialmente importante cuando las organizaciones pasan de trabajar con asistentes de IA aislados a grupos de agentes autónomos que se comunican entre ellos durante largos periodos. Llaman también la atención sobre cómo el aumento de la capacidad de los modelos no elimina el riesgo de seguridad de la IA. Más bien, la naturaleza de ese riesgo puede evolucionar de formas que resulten más difíciles de observar, auditar y superar para las organizaciones.

Así, supervisar lo que dicen los agentes puede no ser suficiente si los propios agentes pueden hacer evolucionar el significado de lo que dicen. Porque han detectado que, a medida que se desarrollan las abreviaturas, los códigos y las convenciones compartidas, éstas se vuelven cada vez más opacas para los humanos responsables de supervisarlas.

Emergence World 2 analizó agentes autónomos impulsados por modelos de frontera líderes de Estados Unidos, China y Europa que operaban durante períodos prolongados. Los investigadores observaron cómo los agentes colaboraban, tomaban decisiones, utilizaban herramientas, gestionaban la memoria y se adaptaban a condiciones cambiantes, incluidos eventos inesperados tipo "cisne negro" diseñados para poner a prueba su comportamiento bajo presión.

Los hallazgos relacionados con el lenguaje forman parte de un patrón más amplio observado durante el experimento, en el cual los agentes autónomos desarrollaron comportamientos y convenciones sociales que no habían sido especificados de antemano. Amodio de conclusión, Emergence sostiene que los resultados demuestran la necesidad de evaluaciones de seguridad a largo plazo que examinen cómo evolucionan con el tiempo el comportamiento, la comunicación y la coordinación de los agentes de IA. Queda claro que no se puede evaluar ya a estos modelos únicamente mediante tareas aisladas. Y que habrá que vigilar muy bien qué se cuentan entre ellos…

1. Carlos Bueno

Madrid 20:39 - 15/09/2026
https://www.eleconomista.es/tecnologia/noticias/14013699/09/26/los-agentes-de-ia-se-han-inventado-un-lenguaje-propio-que-ya-no-entendemos.html

5 formas en las que los insectos toman decisiones y resuelven problemas (y qué podemos aprender de ellos)

Los sistemas descentralizados pueden generar decisiones inteligentes a partir de información local.

Getty Images

Los humanos solemos creer que estamos en la cima de la pirámide evolutiva por nuestra capacidad de pensar con profundidad.

Pero a veces, tanta reflexión no nos lleva muy lejos. No somos infalibles y, con frecuencia, tomamos decisiones equivocadas.

Por otro lado, los insectos, a pesar de sus diminutos cerebros del tamaño de una semilla de amapola, poseen una sabiduría sorprendente a la hora de tomar decisiones.

De hecho, muchas de sus habilidades para resolver problemas han inspirado algoritmos para la deliberación eficiente en industrias humanas.

Estas son las cinco cosas que podemos aprender de los insectos sobre cómo tomar decisiones acertadas.

1. La optimización de las hormigas

Decidir cuál es la mejor manera de hacer algo no es tarea fácil, especialmente en un mundo con tantos estímulos. Se llama sobrecarga de opciones.

Las hormigas también se enfrentan a este dilema cuando deben tomar una decisión grupal sobre su próximo lugar para buscar alimento. Pero han desarrollado un ingenioso truco, común en varias especies.

Al principio, varias hormigas abandonan la comodidad del nido en busca del mejor lugar y el más cercano para conseguir una buena comida.

Estas hormigas aventureras se adentran en la naturaleza al azar, manteniendo todas sus opciones abiertas y explorando diferentes vías.

En el camino de ida y vuelta, dejan un rastro tenue de feromonas en el suelo para que otras hormigas lo sigan más tarde. Estas feromonas se evaporan con el tiempo, y las hormigas tienden a seguir el rastro más fuerte.

Las hormigas que encuentran el lugar más eficiente para provisionarse regresan más rápido con la comida y dejan rastro de feromonas antes de que se evapore por completo.

Además, transmiten la señal con mayor rapidez a las hormigas que salen a buscar alimento. Esto significa que, con el tiempo, más hormigas tienden a recorrer ese camino repetidamente, dejando una mayor cantidad de feromonas acumuladas y, por lo tanto, un rastro con un olor más intenso.

Fuente de la imagen,

Getty Images

Pie de foto,

Con el tiempo, la colonia encuentra colectivamente el camino más corto sin que exista un líder central.

Saltar Anuncio app y continuar leyendo

Por lo tanto, los caminos objetivamente más cortos se refuerzan con el tiempo, mientras que los demás desaparecen. Al final, la colonia encuentra colectivamente el camino más corto y eficiente sin que ninguna hormiga sepa específicamente que es suyo.

"La principal lección es que la toma de decisiones colectiva eficiente puede surgir sin un control centralizado", afirma Marco Dorigo, codirector del laboratorio de inteligencia artificial de la Universidad Libre de Bruselas, en Bélgica.

"[Las hormigas son] individuos simples con capacidades limitadas y solo información local, pero son capaces de resolver colectivamente problemas de coordinación complejos", añade.

Este sistema, denominado método de optimización de colonia de hormigas, se ha convertido en un algoritmo para mejorar la planificación humana, las telecomunicaciones, el transporte y la logística en todo el mundo.

Por ejemplo, los expertos han utilizado algoritmos de optimización por colonia de hormigas para la planificación ferroviaria, y Dorigo desarrolló AntNET , un sistema para transferir información de manera eficiente dentro de las redes de comunicación.

2. Abejas democráticas

Las abejas utilizan un método muy similar al de las hormigas para buscar alimento de forma optimizada a la hora de encontrar un nuevo lugar para anidar.

Varias abejas exploradoras salen volando y buscan opciones al azar, como las hormigas. Pero en lugar de dejar rastros de feromonas, regresan al nido y comunican directamente sus preferencias.

Realizan una danza de meneo para sus compañeras, agitando rítmicamente sus cuerpos para indicar si creen que el nuevo sitio reúne las características necesarias: seguridad, proximidad, tamaño e ubicación. Cuanto mejor sea el sitio para el nido, más larga y vigorosa será la danza.

La danza de la abeja también describe la ubicación exacta: la distancia a recorrer y la dirección en la que deben volar las demás abejas. A continuación, se envía otro grupo para corroborar estos hallazgos.

Fuente de la imagen,

Getty Images

Pie de foto,

Las abejas adoptan un enfoque democrático para tomar decisiones importantes.

Al regresar, también dan su veredicto mediante la danza, ya sea apoyando a sus predecesoras u ofreciendo nuevas opciones.

Con el tiempo, surge de forma natural un lugar preferido: una veintena de abejas regresan de su expedición con señales positivas que indican que se sienten atraídas por el mismo sitio. Alcanzan un quórum y, a partir de ahí, se mueven en consecuencia, como en una democracia humana.

3. Saltamontes neutrales

Convencer a la gente de que cambie de opinión es difícil, sobre todo cuando un grupo está dividido entre dos opciones. El debate puede convertirse rápidamente en una dicotomía simplista, dejando a todos aún más aferrados a sus ideas.

Afortunadamente, un estudio reciente sobre los saltamontes apunta a una solución para este problema común.

Los saltamontes jóvenes aún no saben volar, así que marchan. En un experimento, Christian Yates, profesor de biología matemática en la Universidad de Bath, Reino Unido, colocó grupos de ellos en una arena circular para observar cómo decidían colectivamente en qué dirección ir.

Se dio cuenta de que, tras un breve momento de indecisión, cambiaban de dirección con frecuencia.

Resulta que en ese fugaz momento de suspensión varios saltamontes dejan de marchar y se vuelven neutrales, lo que ayuda al enjambre a romper con un consenso y pasar al otro.

En el experimento, Yates también puso a prueba a 19 personas con una tarea similar: organizó un juego en el que los participantes podían elegir entre X e Y, o abstenerse.

Al igual que con los saltamontes, descubrió que cuando las personas tenían la opción de abstenerse, esto ayudaba al grupo a llegar a un consenso de forma más rápida y sencilla que cuando no la tenían, explica Yates.

Fuente de la imagen,

Getty Images

Pie de foto,

Permitir la abstención o la indecisión puede facilitar la reconsideración y romper el statu quo.

Esto se debe a que, como explica Yates, en un grupo grande y muy comprometido, muchas influencias pequeñas e independientes se compensan entre sí, por lo que resulta difícil modificar la dirección general.

Pero si muchos individuos se vuelven neutrales, aunque sea por un instante, el grupo de responsables de la toma de decisiones se reduce.

"Con menos votos activos en juego, el mismo pequeño empujón —un breve cambio de tendencia en un grupo local, una información que genera confusión, un par de personas que cambian de bando— produce un efecto proporcional mayor en la dirección del grupo", afirma Yates.

En definitiva, los saltamontes nos enseñan que la neutralidad puede generar la pausa necesaria para que todos reconsideren sus posturas y lleguen a un consenso, afirma Yates.

¿La conclusión? Si quieres cambiar el statu quo, no te preocupes por los indecisos; anima a más personas a serlo.

4. Cucarachas con personalidad

Resulta especialmente difícil llegar a conclusiones grupales cuando hay muchas personalidades fuertes en el debate.

Muchas personas con una presencia dominante pueden dirigir el debate a su favor, imponiéndose al consenso general.

Sin embargo, un estudio realizado con cucarachas sugiere que las personalidades individuales fuertes dentro de un grupo pueden, de hecho, acelerar la toma de decisiones.

Algunas cucarachas son audaces, mientras que otras son tímidas.

Por ello, Isaac Planas- Sitjà, profesor adjunto de la Universidad Metropolitana de Tokio en Japón, realizó simulaciones por ordenador sobre cómo se agrupan las cucarachas, una de las cuales imitaba, por ejemplo, cómo se esconden en un rincón oscuro específico detrás de un frigorífico.

Modificó el sistema para incluir la ausencia de diferencias de personalidad, algunas diferencias de personalidad y, finalmente, muchas diferencias de personalidad.

Resulta que los modelos en los que todas las cucarachas se comportaban exactamente igual no se acercaban ni remotamente a cómo toman decisiones las cucarachas en el mundo real.

Por otro lado, los grupos con mucha variación en la personalidad tomaban decisiones colectivas más rápido, porque tenían más interacciones sociales.

Fuente de la imagen,

Getty Images

Pie de foto,

La diversidad de comportamientos puede aumentar la inteligencia colectiva.

"Me sorprendió mucho. Esperaba ver alguna tendencia, pero no un patrón tan claro y repetible", dice Planas- Sitjà .

Esto significa que a los grupos de cucarachas con solo individuos audaces o exploradores les resultará más difícil agruparse y elegir un refugio adecuado porque se desplazan demasiado, explica.

Y aunque los grupos con demasiados individuos tímidos pueden asentarse rápidamente, corren el riesgo de elegir un refugio inadecuado.

"Es el ajuste preciso entre el grado de cooperación y la diversidad de comportamientos lo que, en última instancia, impulsa la inteligencia colectiva", afirma Planas- Sitjà .

"Si la personalidad importa en estos pequeños animales, podemos imaginar el impacto que puede tener en los animales que viven en sociedades con niveles adicionales de complejidad".

5. Moscas reflexivas

A veces, silenciamos nuestra intuición para tomar decisiones que creemos lógicas, aunque nos parezcan erróneas a nivel visceral. Otras veces, seguimos nuestras convicciones más profundas sin aprender de nuestros errores.

Resulta que las moscas de la fruta podrían enseñarnos mucho sobre cómo ser más conscientes de nosotros mismos en nuestras deliberaciones.

Las investigaciones demuestran que las moscas de la fruta son extremadamente perceptivas a la hora de integrar información externa e interna para guiar cada uno de sus movimientos.

Por ejemplo, al elegir entre dos olores, cuanto más similares sean, más dudan las moscas, como si estuvieran sopesando las ventajas y las desventajas.

Fuente de la imagen,

Getty Images

Pie de foto,

Las emociones y experiencias previas no siempre son enemigas de una buena decisión.

Cuando se enfrentan a una recompensa de buen sabor pero poco nutritiva , o a una sustancia azucarada de sabor amargo pero nutritiva, las moscas pueden calcular el valor neto de esa elección y, a duras penas, consumir el alimento de sabor desagradable a cambio de nutrientes.

También es más probable que opten por una pequeña recompensa segura, en lugar de una recompensa cuantiosa si conlleva una amenaza, a menos que tengan mucha hambre o estén estresadas.

Cuando se las entrena con olores y recompensas positivas o negativas, las moscas sanas suelen acercarse con gusto a un olor ambiguo para ver qué sucede, mientras que las moscas estresadas tienden a evitar el riesgo.

Como las moscas, a veces nuestros estados internos nublan nuestro juicio. Pero también nos recuerdan que estas intuiciones y experiencias aprendidas —compuestas por un caleidoscopio de pequeños fragmentos de percepciones que constantemente tenemos sobre nosotros mismos y los demás— a veces pueden ayudarnos a ejercer un buen juicio.

• • Sofia Quaglia
  • Título del autor,BBC Future
• Fecha de publicación13 agosto 2026, 10:03 GMT
• Tiempo de lectura: 8 min
• https://www.bbc.com/mundo/articles/cwyl2n3w6wpo

Los colores de las bayetas de microfibra no son casuales, ya que conforman un código para limpiar cada zona del hogar correctamente

 

Bayetas de colores. / Foto: iStock.

• Usar la misma para todo favorece la contaminación cruzada, especialmente entre el baño y la cocina

La bayeta de microfibra es uno de los elementos de limpieza más populares entre la población, ya que permite la rápida higienización de todo tipo de superficies del hogar, consiguiendo grandes resultados casi sin esfuerzo. Existen diversos colores que componen las bayetas de microfibra, algo que puede parecer meramente estético, sin embargo, tiene más importancia de lo que puede parecer a simple vista. Los colores de las bayetas de microfibra permiten establecer un código por colores, identificando qué zonas del hogar se deben limpiar con cada bayeta.

Diferenciar las bayetas por colores es clave para una correcta higienización del hogar, ya que de lo contrario, se puede usar la misma bayeta para la limpieza de diversas zonas, favoreciendo la contaminación cruzada en el interior de las viviendas.

En algunas estancias no es tan relevante, pero en el caso de la cocina y el cuarto de baño, es imprescindible hacer uso de bayetas que estén destinadas únicamente a limpiar cada estancia, puesto que mezclar las bayetas de ambas estancias puede favorecer la proliferación de microorganismos y malos olores.

En consecuencia, los colores de las bayetas no solo hacen que sean más vistosas, sino que permiten la diferenciación de las mismas rápidamente, favoreciendo que el interior de los hogares siempre se mantenga limpio y eliminando el riesgo de contaminación de las estancias.

Código de colores en las bayetas de los hogares

Los especialistas en limpieza de Ecodomis así lo explican en un vídeo publicado en sus redes sociales: "Las bayetas son todas iguales, pero tienen una función muy diferente. Todas limpian exactamente igual, pero los colores son lo que marca la diferencia: estos sirven para evitar la contaminación cruzada", señalan.

Aunque no existe un código de colores predeterminado, los expertos de Ecodomis establecen uno que se puede aplicar en todas las viviendas:

• Bayeta roja: sanitarios.
• Bayeta amarilla: cristales y ventanas.
• Bayeta verde: cocina.
• Bayeta azul: el resto de muebles.

Así pues, este código de colores es simplemente un ejemplo, pero cada persona puede distribuirlos según desee: "Este es el código de colores más usado, aunque sabemos que mucha gente los usa de forma diferente", aclaran. La clave se encuentra en respetar el código establecido en la vivienda, sea cual sea el seleccionado.

1. elEconomista.es

4/08/2026 - 17:27

https://www.eleconomista.es/actualidad/noticias/14006377/08/26/los-colores-de-las-bayetas-de-microfibra-no-son-casuales-ya-que-conforman-un-codigo-para-limpiar-cada-zona-del-hogar-correctamente.html

Señales de civilizaciones interestelares podrían estar ocultas en radiofrecuencias inexploradas

Imagen de las antenas de ALMA.

Un análisis mejorado de los datos archivados del Atacama Large Millimeter/submillimeter Array muestra que podemos buscar inteligencia extraterrestre capturando más estrellas de las que se buscaban anteriormente

Confirmar la existencia de inteligencia extraterrestre mediante señales de radio, también llamadas tecnofirmas, es la piedra angular de la radioastronomía. Aunque la humanidad se pregunta desde tiempos inmemoriales si estamos solos en el universo, los radioastrónomos están en primera línea intentando responder incansablemente a esta cuestión milenaria. Para lograrlo, se han centrado tradicionalmente en una banda de frecuencias de radio específica llamada "pozo de agua", que se sitúa entre 1,42 y 1,66 GHz. Esto se debe a que dos moléculas que forman agua, el hidrógeno y el hidroxilo, emiten en esas frecuencias.

Sin embargo, una investigadora solitaria ha decidido ir contra la corriente planteando que, puesto que seguimos sin encontrar señales alienígenas, ¿y si estuviéramos buscando en la banda de frecuencias equivocada? La investigadora, Louisa Mason, estudiante de doctorado en la Universidad de Mánchester, propuso que la búsqueda en longitudes de onda de radio de alta frecuencia podría emplearse para buscar señales extraterrestres. Sus conclusiones fueron presentadas la semana pasada en la Reunión Nacional de Astronomía de la Real Sociedad Astronómica celebrada en Birmingham, y tienen el potencial de ampliar la búsqueda de inteligencia extraterrestre, centrándose específicamente en SETI.

Una nueva banda de frecuencias para la búsqueda

Para el estudio, Mason analizó datos archivados procedentes del Gran Conjunto Milimétrico/submilimétrico de Atacama (ALMA) en Chile, con una banda de radio conocida como Banda 3, que abarca de 90,642 GHz a 93,151 GHz. Aunque no se identificó ninguna tecnofirma, Mason logró mejorar los métodos de observación de estrellas en busca de señales de radio, captando más estrellas que aquellas a las que los radioastrónomos apuntan habitualmente.

"Durante décadas, las búsquedas de SETI se han concentrado en una parte relativamente pequeña del espectro radioeléctrico", afirmó Mason. "Queríamos preguntarnos qué podría ocurrir si miráramos en un lugar muy distinto. Las bandas de radio milimétricas y submilimétricas permanecen casi completamente inexploradas para SETI, así que en realidad se trata de abrir un nuevo ámbito del espacio de parámetros donde buscar".

Como contexto, las frecuencias de radio del "pozo de agua" utilizadas por los radioastrónomos se enmarcan en lo que se conoce como ondas de radio decimétricas o centimétricas, mientras que las ondas de radio milimétricas y submilimétricas van de 30 GHz a 300 GHz y de 300 GHz a 3.000 GHz, respectivamente. Las bandas de frecuencia se calculan dividiendo la velocidad de la luz (3 × 108 m/s) entre la frecuencia (en este caso, 90 × 109 Hz, como empleó Mason), lo que da 3,33 milímetros.

La NASA sobrevolará España para estudiar el eclipse total del 12 de agosto: con un avión y globos científicosLa NASA sobrevolará España para estudiar el eclipse total del 12 de agosto: con un avión y globos científicos

Más estrellas de las que se creía

Mientras los científicos han utilizado tradicionalmente bases de datos consolidadas como Gaia, Mason fue un paso más allá al emplear lo que se conoce como Modelo Galáctico de Besanzón. Se trata de un modelo informático muy detallado de la Vía Láctea que informa a los astrónomos de qué estrellas adicionales están observando cuando solo apuntan a una estrella concreta. Al final, Mason aplicó el Modelo Galáctico de Besanzón a un estudio de radio previo de SETI con 1.327 observaciones, que inicialmente utilizó Gaia para estimar unas 288.000 estrellas, elevando la cifra hasta unos 6,1 millones de estrellas.

"Una de las cosas más apasionantes de este trabajo es darse cuenta de que hemos estudiado muchas más estrellas de las que se pensaba en un principio", señaló Mason. "Incluso una observación muy pequeña puede contener un número y una diversidad enormes de estrellas que quizá nunca pretendimos estudiar. Al combinar observaciones de alta frecuencia con simulaciones galácticas, podemos comprender mejor qué es exactamente lo que hemos buscado y hacia dónde deberíamos mirar a continuación".

Por ahora, SETI y el resto de la radioastronomía siguen sin encontrar nada en lo que respecta a confirmar una tecnofirma definitiva. Sin embargo, posiblemente una de las tecnofirmas potenciales más famosas jamás identificadas es la conocida como señal Wow!, detectada el 15 de agosto de 1977 por el astrónomo Jerry R. Ehman mientras revisaba una impresión de datos de unos días antes. La impresión mostraba una señal muy intensa que duró 72 segundos, lo que llevó a Ehman a escribir "¡Wow!" sobre el papel. No obstante, a pesar de innumerables búsquedas, los astrónomos jamás han logrado replicar la señal.

¿Qué nuevos descubrimientos sobre señales alienígenas potencialmente ocultas en altas frecuencias de radio inexploradas harán los investigadores en los próximos años y décadas? Solo el tiempo lo dirá, ¡y por eso hacemos ciencia!

Como siempre, ¡seguid haciendo ciencia y seguid mirando al cielo!

Por

Laurence Tognetti

31/07/2026 - 10:41https://www.elconfidencial.com/tecnologia/novaceno/2026-07-31/senales-civilizaciones-interestelares-seti-alma_4398884/
Este artículo fue publicado originalmente en Universe Today. Puedes leer el artículo original en inglés aquí.