El neurocientífico Erich Jarvis explica en Huberman Lab cómo el movimiento dio origen al habla; Veritasium cuestiona si los modelos de IA aprenden de forma más eficiente que los humanos; y el Thoughtworks Technology Podcast repasa las tendencias tech del semestre.
El 23 de abril, el podcast del neurocientífico Andrew Huberman publicó una conversación con el Dr. Erich Jarvis —experto mundial en la biología del lenguaje— donde exploran por qué el movimiento corporal precedió y dio forma a la capacidad humana de hablar.
El episodio del 23 de abril de Huberman Lab trae al Dr. Erich Jarvis, neurocientífico de la Rockefeller University y uno de los investigadores más citados en la biología del lenguaje. La conversación cubre el hallazgo central de la investigación de Jarvis: que los circuitos cerebrales para el habla y el canto son una especialización evolutiva de los circuitos del movimiento —el habla no es una función separada del cerebro sino una rama especializada del control motor. Esto explica por qué las personas con ciertos tipos de parálisis pueden seguir produciendo lenguaje y por qué el canto sobrevive en pacientes con daños en el habla conversacional. El episodio también cubre las causas neurológicas de la tartamudez —incluyendo los hallazgos recientes de Jarvis que sugieren que puede ser un problema de sincronización entre múltiples circuitos de control motor, no solo un defecto en el circuito del habla—, la relación entre el movimiento y el aprendizaje de nuevos idiomas, y qué hacen de diferente las aves cantoras que les permite aprender canciones nuevas, a diferencia de otras aves que no pueden. Huberman es hábil conectando la ciencia básica con aplicaciones prácticas: el episodio cierra con implicaciones concretas para el aprendizaje de idiomas y para el uso de la música como herramienta terapéutica. Para quienes trabajan en comunicación, docencia o en cualquier oficio donde el habla es la herramienta central, este episodio ofrece un marco científico nuevo para entender por qué el movimiento —caminar mientras se ensaya, gesticular mientras se habla— mejora la articulación y la memoria del discurso.
El episodio del 20 de abril de Huberman Lab trae al Dr. Marc Brackett, director del Centro de Inteligencia Emocional de Yale y autor de «Permission to Feel», para una conversación sobre la ciencia detrás de la regulación emocional. El argumento central de Brackett: la mayoría de las personas tiene un vocabulario emocional muy limitado —«estoy bien» o «estoy mal»— que les impide identificar con precisión lo que sienten y, por tanto, actuar con eficacia ante sus propias emociones. Tener un vocabulario emocional más amplio no es un lujo de sensibilidad; es una habilidad funcional con impacto en la toma de decisiones, el liderazgo y el bienestar físico. El episodio es particularmente relevante para personas en roles de liderazgo: Brackett presenta evidencia de que los líderes con mayor precisión emocional toman decisiones mejor calibradas bajo presión y generan entornos de trabajo donde los equipos reportan mayor bienestar sin necesidad de programas formales de bienestar corporativo. La conversación también cubre cómo el sistema educativo falla sistemáticamente en enseñar habilidades emocionales, con consecuencias que se extienden hasta el trabajo adulto y las relaciones personales. El episodio está disponible en YouTube, Spotify y Apple Podcasts en el canal de Huberman Lab, con una duración de aproximadamente dos horas. Para quienes trabajan en gestión humana, liderazgo o educación en Costa Rica, la combinación de base científica y aplicación práctica que caracteriza este episodio es rara en el formato podcast.
This Week in Science (TWIS) publicó el 22 de abril su episodio 1055, conducido por el equipo habitual del podcast de divulgación científica. El episodio cubre un rango diverso de temas: el ralentizamiento de las corrientes oceánicas profundas medido en los últimos meses —que los climatólogos identifican como uno de los indicadores más preocupantes del cambio climático porque las corrientes son el mecanismo regulador del clima global—; experimentos con analgésicos administrados a langostas para estudiar si sienten dolor (con implicaciones para la regulación del bienestar animal en acuicultura); un nuevo estudio sobre los salmones en ríos cercanos a ciudades con sistemas de alcantarillado que contienen trazas de cocaína y anfetaminas (el estudio evalúa el comportamiento migratorio); y una nueva hipótesis sobre la formación del Gran Cañón que contradice el modelo de erosión lenta y propone un evento de inundación catastrófica. TWIS tiene un tono más informal y humorístico que Science Friday o Mindscape, lo que lo hace muy accesible para oyentes que se están iniciando en la divulgación científica. La duración habitual es de entre 90 minutos y dos horas. El episodio completo y sin editar está disponible en YouTube y Twitch para los suscriptores del Patreon; la versión de audio está en todas las plataformas de podcast. Para la audiencia costarricense, el tema de las corrientes oceánicas es directamente relevante: Costa Rica tiene dos costas y su clima está influenciado por las corrientes del Pacífico y el Caribe; cualquier ralentizamiento significativo en los patrones de circulación oceánica tendrá efectos en el régimen de lluvias del país.
— El episodio 1055 de This Week in Science, publicado el 22 de abril, abarca ciencia ambiental y biología marina desde el ángulo más curioso de la semana: ¿qué le pasa a un salmón expuesto a cocaína de aguas residuales?
Thoughtworks publicó en abril el Technology Radar Vol.34 y su podcast asociado recorre las entradas más relevantes. La edición de este semestre está dominada por la IA agentica: más de un tercio de las entradas nuevas tienen relación con agentes, modelos de lenguaje o frameworks de integración de IA. El podcast recorre en aproximadamente 40 minutos las claves del Radar, con énfasis en las entradas de «Adoptar» y «Poner en espera», que son las más accionables para equipos de desarrollo. Las entradas de «Adoptar» más comentadas en el episodio incluyen los patrones de diseño para agentes de IA —observabilidad, fallback determinista y pruebas de comportamiento—, además de herramientas específicas en los espacios de build y deployment. El concepto nuevo de «deuda técnica agentica» hace su aparición aquí antes de llegar a los textos escritos del Radar. El podcast está disponible en YouTube y en todas las plataformas de audio; la duración es de unos 38 minutos. Para desarrolladores y arquitectos de software en Costa Rica que quieren una referencia curada de tendencias del sector dos veces al año sin tener que leer docenas de artículos, el Radar de Thoughtworks tiene esa función desde hace más de una década.
Derek Muller, el físico canadiense-australiano creador de Veritasium —uno de los canales de divulgación científica más seguidos en YouTube con más de 20 millones de suscriptores—, publicó un video que aborda los conceptos erróneos más comunes sobre cómo aprenden los modelos de IA comparado con cómo aprenden los humanos. Muller argumenta que la mayoría de las personas tiene dos tipos de error: sobreestiman cuánto «entiende» un modelo de lenguaje en el sentido humano del término, y simultáneamente subestiman cuán eficientemente los modelos extraen patrones de texto que los humanos tardarían años en asimilar. El video es característico del estilo de Veritasium: construye sobre un concepto erróneo muy extendido, introduce evidencia experimental que lo contradice, y llega a una conclusión que reformula la pregunta inicial. En este caso, la conclusión no es que la IA «aprende» como los humanos —claramente no lo hace— sino que la comparación misma es la que genera la mayoría de las confusiones sobre las capacidades y los límites de los modelos actuales. El video dura aproximadamente 22 minutos y está en inglés con subtítulos en español disponibles. Para cualquier persona que trabaje con herramientas de IA en Costa Rica y quiera un marco conceptual más sólido para entender por qué los modelos hacen bien algunas cosas y fallan inesperadamente en otras, este video de Veritasium es uno de los mejores puntos de entrada del año.