Huberman con Eddie Chang sobre cómo el cerebro aprende lenguas; Lex Fridman con los dos investigadores que mejor conocen el estado de la IA en 2026; y Nick Epley desmontando los mitos de la ansiedad social.
El neurocirujano Eddie Chang, director del Departamento de Neurocirugía de la Universidad de California en San Francisco y uno de los investigadores más citados sobre los circuitos neuronales del habla, fue el invitado del episodio del 21 de mayo del Huberman Lab. Chang es conocido por haber desarrollado interfaces cerebro-computadora que permiten a pacientes paralizados comunicarse mediante el pensamiento, y su conversación con Andrew Huberman aborda un tema más cotidiano pero igualmente fascinante: cómo el cerebro adulto puede adquirir un segundo idioma sin degradar el primero, qué hace que algunos adultos aprendan idiomas con fluidez y otros no, y cuáles son los períodos críticos reales del aprendizaje lingüístico (que resultan ser más largos y flexibles de lo que la literatura popular sostiene). Chang también discute el papel del sueño en la consolidación del vocabulario nuevo —un mecanismo que tiene implicaciones prácticas directas para cualquier persona que estudia un idioma. El episodio dura 2 horas y 15 minutos y está disponible en YouTube y en todas las plataformas de podcast.
Dos de los investigadores más relevantes del entrenamiento de modelos de lenguaje —uno en Ai2, el otro en Lightning AI— dan el análisis más completo del año sobre dónde está la IA, qué es real y qué es hype.
El episodio del 6 de mayo del Lex Fridman Podcast reúne a Nathan Lambert —investigador de post-entrenamiento en el Allen Institute for AI (Ai2) y autor de The RLHF Book— y Sebastian Raschka —autor de Build a Large Language Model from Scratch y actualmente en Lightning AI— para una conversación de cuatro horas sobre el estado real de la inteligencia artificial en 2026. Los temas: modelos abiertos vs cerrados (y por qué la distinción ya no es tan clara), la competencia China-EE.UU. en investigación de IA, las limitaciones actuales de los agentes a pesar del hype, el papel del aprendizaje por refuerzo con recompensas verificables (RLHF), los plazos reales para AGI según los investigadores que trabajan directamente con los modelos, y el impacto que los asistentes de código tienen sobre la productividad de los ingenieros de ML. Es el análisis más técnico y menos especulativo disponible en formato audio sobre el estado del campo. Recomendado para desarrolladores, investigadores y cualquier persona que quiera separar el ruido del mercado de los avances reales.
El psicólogo social Nick Epley, director del Centro de Toma de Decisiones Conductuales de la Universidad de Chicago y autor de Mindwise, fue el invitado del episodio del 18 de mayo del Huberman Lab. La premisa central de la conversación es contraintuitiva: la mayoría de las personas sobreestima sistemáticamente el grado en que los demás las juzgan negativamente, y esa sobreestimación es la fuente principal de la ansiedad social —no una predisposición genética o neurológica fija. Epley presenta 20 años de estudios experimentales que muestran que hablar con extraños en el transporte público, hacer cumplidos genuinos a desconocidos o pedir ayuda produce consecuencias mucho más positivas de lo que la gente anticipa. El episodio tiene implicaciones prácticas para quienes trabajan en entornos de alta interacción social —presentaciones, entrevistas de trabajo, negociaciones— y para quienes simplemente quieren entender por qué les cuesta iniciar conversaciones. Disponible en todas las plataformas de podcast y en YouTube; dura 1 hora y 45 minutos.
El episodio más reciente de Monos Estocásticos —el podcast de habla hispana más riguroso sobre IA y filosofía de la mente— plantea la pregunta que el mercado evita: cuando un agente de IA ejecuta una secuencia de pasos para completar una tarea compleja, ¿está tomando decisiones o está generando el texto que describe pasos que parecen decisiones? La distinción importa tanto para los desarrolladores —¿pueden confiar en el juicio del agente o deben supervizar cada paso?— como para los filósofos que trabajan sobre libre albedrío y agencia. El episodio revisa los argumentos de Daniel Dennett sobre la «postura intencional» y los aplica a los agentes de 2026 con ejemplos concretos de los fallos más documentados del año. Disponible en Spotify, Apple Podcasts y YouTube.
Vale la Pena Escuchar selecciona esta semana cuatro episodios para tiempos distintos: el de Eddie Chang en Huberman Lab (2h15m) para el gym o el trayecto largo; el de Lex Fridman con Lambert y Raschka (4h) para quien quiere el análisis más completo del estado de la IA; el de Nick Epley (1h45m) para quien quiere psicología aplicada con evidencia; y Monos Estocásticos (45m) para la pregunta filosófica de la semana sobre agentes de IA. Todos disponibles en YouTube y las principales plataformas de podcast.