La inteligencia artificial está cada vez más presente en nuestras vidas. Sin embargo, su presencia es cada vez más sutil e inadvertida. A medida que una tecnología madura y permea más en la sociedad, ésta se vuelve cada vez más transparente, hasta que se naturaliza por completo. La inteligencia artificial está recorriendo este camino rápidamente, y hoy, os lo contamos con un nuevo ejemplo.

Introducción

En este espacio de comunicación y divulgación hemos hablado muchas veces de inteligencia artificial (IA) y sus aplicaciones prácticas. En otras ocasiones, hemos comunicado informes monográficos y artículos sobre aplicaciones concretas de la IA en la vida real. Es evidente que este es un tema de máxima actualidad y repercusión en el sector de la tecnología, y es por esto que continuamos incidiendo en nuestra labor divulgativa sobre este campo.

En esta ocasión, os hablamos sobre los últimos avances en inteligencia artificial aplicada al campo del procesamiento de lenguaje natural. A principios del año 2020 publicamos un informe en el que citamos los trabajos de Paul Daugherty y James Wilson - Human + Machine - para explicar los tres estados en los que la IA colabora con las capacidades humanas. Daugherty y Wilson explican estos tres estados de colaboración entre máquinas (IA) y humanos de la siguiente forma (ver figura 1). En el primer estado, la IA se entrena con características genuinamente humanas como el liderazgo, la creatividad y los juicios de valor. El estado opuesto, es aquel en el que se destacan características donde las máquinas demuestran un mejor desempeño que los humanos. Hablamos de actividades repetitivas, precisas y continuas. Sin embargo, el estado más interesante es el intermedio. En este estado, los autores identifican actividades o características en las que los humanos y las máquinas realizan actividades híbridas, en las que se complementan mutuamente. En este estado intermedio, se distinguen, a su vez, dos etapas de madurez.

• En la primera etapa -la más inmadura- los humanos complementan a las máquinas. Disponemos de numerosos ejemplos de esta etapa en la actualidad. Los humanos enseñamos a las máquinas a conducir (coches autónomos) o a entender nuestro lenguaje (procesado del lenguaje natural).

• La segunda etapa de madurez se produce cuando la IA potencia o amplifica nuestras capacidades humanas. En palabras de Daugherty y Wilson, la IA nos da superpoderes a los humanos.

Figura 1: Estados de colaboración entre humanos y máquinas. Fuente original

En este post, te mostramos un ejemplo de este superpoder que nos devuelve la IA. El superpoder de resumir libros de decenas de miles de palabras a tan solo unos cientos. Los resúmenes resultantes son similares a cómo los haría un humano con la diferencia de que la IA lo hace en unos pocos segundos. Hablamos, en concreto, de los últimos avances que ha publicado la compañía OpenAI dedicada a la investigación en sistemas de inteligencia artificial.

Resumiendo libros como un humano

OpenAI define de forma similar el razonamiento de Daugherty y Wilson sobre los modelos de colaboración de la IA con los humanos. Los autores del último trabajo de OpenAI explican que, para implementar modelos de inteligencia artificial tan potentes que resuelvan problemas globales y genuinamente humanos, debemos asegurarnos de que los modelos de IA actúen alineados con las intenciones humanas. De hecho, este reto se conoce como el problema de alineamiento.

Los autores explican que: "Para probar técnicas de alineación escalables, entrenamos un modelo para resumir libros completos [...] Nuestro modelo funciona primero resumiendo pequeñas secciones de un libro, luego resumiendo esos resúmenes en un resumen de nivel superior, y así sucesivamente".

Veamos un ejemplo

Los autores han refinado el algoritmo GPT-3 para resumir libros completos basándose en una aproximación conocida como: descomposición recursiva de tareas acompañada con un refuerzo a partir de comentarios humanos. La técnica se denomina descomposición recursiva porque se fundamenta en realizar múltiples resúmenes de la obra completa (por ejemplo, un resumen por cada capítulo o sección) y, en iteraciones posteriores, ir realizando, a su vez, resúmenes de los resúmenes previos, cada vez con menor número de palabras. En la siguiente figura se explica el proceso de forma más visual.

Fuente original: https://openai.com/blog/summarizing-books/

Resultado final:

Fuente original: https://openai.com/blog/summarizing-books/

Como hemos citado en anteriores ocasiones, el algoritmo GPT-3 ha sido entrenado gracias al conjunto de libros digitalizados bajo el amparo del proyecto Gutenberg. El vasto repositorio del proyecto Gutenberg incluye hasta 60.000 libros en formato digital que, actualmente, son de dominio público en Estados Unidos. De la misma forma que se ha usado el proyecto Gutenberg para entrenar GPT-3 en inglés, se podrían haber usado otros repositorios de datos abiertos para entrenar el algoritmo en otros idiomas. En nuestro país, la Biblioteca Nacional cuenta con un portal de datos abiertos para explotar el catálogo disponible de obras bajo dominio público en español.

Los autores del trabajo afirman que la descomposición recursiva plantea ciertas ventajas con respecto a las aproximaciones más integrales que tratan de resumir el libro de una sola vez.

1. La evaluación de la calidad de los resúmenes por humanos es más sencilla cuándo se trata de evaluar resúmenes de partes concretas de un libro que si se trata de la obra entera.
2. Un resumen, trata siempre de identificar las partes clave de un libro o un capítulo de un libro, manteniendo los datos fundamentales y descartando aquellos que no aporten a la hora de entender el contenido. Evaluar este proceso para entender si realmente se han capturado esos detalles fundamentales es mucho más sencillo con esta aproximación basada en la descomposición del texto en unidades más pequeñas.
3. Esta aproximación descompositiva mitiga las limitaciones que pueden existir cuándo las obras a resumir son muy grandes.

Además del ejemplo principal que hemos expuesto en este post sobre la obra de Shakespeare, Romeo y Julieta, los lectores pueden experimentar por ellos mismos cómo funciona esta IA en el explorador de resúmenes de openAI. Esta web, pone a disposición dos repositorios de libros (obras clásicas) abiertos sobre los que se puede experimentar la capacidad de resumir de esta IA navegando desde el resumen final del libro hacia los resúmenes anteriores en el proceso de descomposición recursiva.

Concluyendo, el procesamiento del lenguaje natural es una capacidad humana clave que está siendo reforzada por el desarrollo de la IA de forma espectacular en los últimos años. No solo OpenAI realiza contribuciones de calado en este campo. Otros gigantes tecnológicos, como Microsoft y NVIDIA, también están realizando grandes avances como se constata con el último anuncio de estas dos compañías y su nuevo modelo Megatron-Turing NLG.  Este nuevo modelo muestra grandes avances en tareas como por ejemplo: la generación de texto predictivo o el entendimiento del lenguaje humano para interpretación de comandos de voz en asistentes personales. Con todo ello, no cabe duda que veremos a las máquinas hacer cosas increíbles en los próximos años.

Contenido elaborado por Alejandro Alija,experto en Transformación Digital e Innovación.

Los contenidos y los puntos de vista reflejados en esta publicación son responsabilidad exclusiva de su autor.

La España Despoblada es un proyecto de Business Intelligence desarrollado por Ander Fernández Jauregui cuya finalidad consiste en integrar datos de distintas instituciones públicas -Instituto Nacional de Estadística, delimitadores geográficos, etc.- para analizar cómo se ha producido la despoblación en España desde 1996 hasta hoy en día.  

El usuario podrá comprobar qué CC. AA. se han visto más afectadas, cómo se ha producido el cambio a lo largo del tiempo, dónde afecta más que los pueblos se vacíen o os datos de los diferentes municipios. 

Un dato espacial o dato geográfico es aquel dato que tiene asociada una referencia geográfica, bien de manera directa, a través de unas coordenadas, o indirecta, como un código postal. Gracias a estas referencias geográficas se puede localizar su ubicación exacta dentro de un mapa. La Unión Europea incluye los datos espaciales entre los conjuntos de datos que se pueden considerar de alto valor, debido a sus “considerables beneficios para la sociedad, el medio ambiente y la economía, en particular debido a su idoneidad para la creación de servicios de valor añadido, aplicaciones y nuevos puestos de trabajo”. Son muchos los ejemplos del potencial reutilizador de este tipo de datos. Por ejemplo, los datos que proporciona el sistema de Observación de la Tierra Copernicus, han servido para crear desde herramientas para vigilar las zonas susceptibles de sufrir incendios o ayudar a frenar el tráfico de estupefacientes. Por ello es importante que los datos espaciales sean creados de manera que se facilite su disponibilidad, acceso, interoperabilidad y aplicación.

Una gran cantidad de los datos abiertos que gestionan las administraciones públicas se pueden georeferenciar, maximizando así su valor. Para ayudar a las administraciones públicas a la hora de publicar en abierto este tipo de información, en el marco de la Iniciativa Aporta se elaboró una primera versión en 2020 por parte del equipo de datos.gob.es en colaboración con el O. A. Centro Nacional de Información Geográfica (Instituto Geográfico Nacional). Esta guía ha sido actualizada en 2025.

¿Cuáles son las principales novedades de la actualización realizada en 2025?

La guía ha sido revisada en el 2025 para actualizar el contenido con las novedades más recientes e incorporar nuevas secciones sobre HVD, OGC API, gráficos e infografías explicativas, además de otros ajustes editoriales, de actualización de enlaces y corrección de errores tipográficos.

¿A quién va dirigida la guía?

La guía está dirigida, principalmente, a promotores de Datos Abiertos cuyo objetivo es publicar conjuntos de datos espaciales. Es preferible que el lector esté familiarizado con conocimientos básicos sobre los elementos fundamentales que integran la información geoespacial, metadatos del contexto espacial y servicios web geográficos.

¿Qué puedo encontrar en la guía?

La guía comienza con un apartado donde se abordan los conceptos esenciales necesarios para entender la naturaleza de los datos espaciales. En este apartado se incluyen explicaciones sobre la representación visual de la información geográfica, así como detalles sobre las herramientas necesarias para el análisis y transformación de datos espaciales, y los formatos y metadatos recomendados. En este sentido existen apartados específicos sobre los Sistemas de Información Geográfica (SIG) y se aborda el papel de los servicios web geográficos y de las Infraestructuras de Datos Espaciales (IDE) a la hora de facilitar el acceso y la gestión de conjuntos de datos y servicios geográficos.

A continuación, se compila una serie de pautas para facilitar la publicación de los datos espaciales de manera eficiente en internet, teniendo en cuenta las normas internacionales de la Organización Internacional de Normalización (ISO). Las pautas detalladas en esta guía son:

Por último, se incluyen una serie de referencias, especificaciones, formatos, normas y herramientas de aplicación directa para la publicación de Datos Espaciales.

Durante toda la guía se incluyen referencias a la Directiva europea INSPIRE como elemento catalizador para compartir recursos geográficos en Europa y las directrices para describir información espacial derivadas de los estándares de metadatos de Datos Abiertos, DCAT y GeoDCAT-AP.

Otros materiales de interés

Aunque el ámbito primordial de este documento se orienta a la publicación de datos espaciales, no se debe obviar que para su reutilización eficaz es fundamental la aplicación de todas las buenas prácticas vinculadas a la calidad de datos en general. En este sentido es recomendable complementar esta guía con la lectura y aplicación de otras guías que orienten sobre la aplicación de pautas para asegurar la publicación de datos estructurados de calidad, como la Guía práctica para la publicación de datos tabulares en archivos CSV y usando APIs.

Puedes descargar la Guía práctica para la publicación de Datos Espaciales en los siguientes enlaces:

Hoy en día disponemos cada vez de más fuentes de datos a nuestro alcance. Según Portal Europeo de Datos, el impacto del mercado de los datos abiertos podría alcanzar hasta los 334.000 millones de euros y generar en torno a 2 millones de empleos en 2025 ('The Economic Impact of Open Data: Opportunities for value creation in Europe. (2020)).

Sin embargo, paradójicamente, aun cuando los datos son más asequibles que nunca, las posibilidades de reutilizarlos todavía son bastante limitadas. Los potenciales usuarios de esos datos tienen que hacer frente muchas veces a múltiples barreras que dificultan su acceso y su uso. Las facetas en las que pueden existir problemas de calidad que dificulten la reutilización de los datos son múltiples: metadatos escasamente descriptivos y estandarizados, elección de licencia, la elección del formato, el uso inadecuado de los formatos o deficiencias en los propios datos. Son muchas las iniciativas que intentan medir la calidad de los conjuntos de datos en base a sus metadatos: fecha y frecuencia de actualización, licencia, formatos empleados,… como ocurre, por ejemplo, en el cuadro de mando de calidad de los metadatos presente en el Portal Europeo de datos o en la dimensión calidad del Open Data Maturity Index.

Pero estos análisis resultan insuficientes dado que la mayoría de las veces las deficiencias de calidad solo pueden ser identificadas después de comenzar el proceso de reutilización. El trabajo que precian los procesos de depuración y preparación se convierten así en una carga importante que en muchos casos es inasumible para el usuario de datos abiertos. Este hecho produce frustración y perdida de interés por parte del sector reutilizador en los datos ofrecidos por los organismos públicos, afectando a la credibilidad de las instituciones publicadoras y rebajando considerablemente las expectativas de retorno y generación de valor a partir de la reutilización de datos abiertos.

Estos problemas potenciales pueden ser atajados dado que, en buena medida, se ha observado que son debidos a que el publicador desconoce cómo expresar los datos de forma correcta en el formato elegido.

Por todo ello, y con el objetivo de contribuir a la mejora de la calidad de los datos abiertos, en datos.gob.es hemos decidido crear una colección de guías dirigidas a orientar a los publicadores en el uso adecuado de los formatos y los medios de acceso a datos abiertos más utilizados en el ámbito de los datos abiertos.

La colección de guías se inicia aquí poniendo el foco en el formato CSV. La elección de este formato se basa en su popularidad en el ámbito de los datos abiertos, en su sencillez y en lo ligero que resulta a la hora de expresar datos en forma de tabla. Es el formato más común en los catálogos de datos abiertos; concretamente, en datos.gob.es representa el 20% de las distribuciones conviviendo con otros formatos como XLS o XLSX que podrían expresarse también como CSV. Además, es un formato que podemos denominar híbrido porque combina la facilidad de su procesamiento automatizado con la posibilidad de ser explorado directamente por personas con un simple editor de texto.

Esta guía comprende las características básicas de este tipo de formato y un compendio de pautas para publicar correctamente en datos tabulares, especialmente en CSV. Las pautas van acompañadas de sugerencias de herramientas gratuitas que destacan por su facilidad para trabajar con archivos CSV y las funcionalidades extras que aportan. Además, está también disponible un resumen de las pautas presente en la guía en forma de Cheet Sheet (chuleta u hoja de trucos) para facilitar su uso y consulta.

¿Cuáles son las principales novedades de la actualización realizada en 2025?

La guía ha sido revisada en el 2025 para incorporar nuevas secciones sobre errores comunes y soluciones, validación de tipos de datos con ejemplos prácticos de código, manejo avanzado de campos de fecha, y ampliar el toolbox con herramientas como Rainbow CSV y OpenRefine, además de mejorar las pautas para optimizar la importación/exportación de datos y el tratamiento de grandes volúmenes de información.

Con toda la probabilidad la mayoría de nosotros conoceremos, o habremos al menos oído hablar de la tecnología blockchain, por su relación con la criptomoneda más popular del momento – Bitcoin. Sin embargo, blockchain no es una tecnología nacida únicamente para sostener esta nueva economía digital, sino que como otras muchas tecnologías de cadenas de bloques su principal finalidad es almacenar y gestionar cadenas de datos de forma descentralizada y distribuida.

Blockchain cuenta con una serie de características que serán en definitiva las que nos proporcionen las ventajas la convertirán en una tecnología de utilidad en varios campos de aplicación: privacidad, (cuasi) anonimato, integridad, distribución de la confianza, transparencia, seguridad, sostenibilidad y código abierto. Si bien está claro que su aplicación más extendida hasta el momento está en el campo de las finanzas, y más concretamente las criptomonedas, también puede resultar de gran utilidad para muchos otros campos fuera y dentro de los gobiernos, particularmente todo aquello relacionado con la identificación personal o la protección de los datos personales mediante la descentralización de la privacidad.

Con respecto a la mejora de los gobiernos blockchain puede contribuir en muy diversas áreas tales como la prestación de servicios públicos, la autenticidad de los registros públicos, la gestión de los datos del sector público, la lucha contra la corrupción o las garantías en los procesos electorales entre otros. Son también ya decenas los ejemplos de emprendedores aplicando la tecnología para innovar en campos tan importantes como la sanidad o la agricultura.

En definitiva, blockchain es una tecnología con el potencial de transformar nuestros sistemas políticos y al mismo tiempo habilitar cambios sociales relevantes. Pero, como pasa también con cualquier otra tecnología disruptiva y todavía en fase de maduración, no todo son ventajas y nos encontraremos también algunos inconvenientes y limitaciones que también habrá que superar, como por ejemplo los problemas de escalabilidad, el alto coste computacional y de interconexión que soportan las operaciones, el impacto medioambiental asociado a ese coste, la excesiva centralización de cada cadena o la alta complejidad de los procesos criptográficos.

Por otro lado, aun cuando blockchain se ha convertido rápidamente en la tecnología de moda y a pesar de la aparente simplicidad del concepto subyacente, sigue siendo al mismo tiempo una de las tecnologías más crípticas e incomprendidas por parte de sus potenciales beneficiarios en la actualidad. Por tanto, para que estas tecnologías de gestión de datos descentralizadas se puedan popularizar en un futuro próximo será también necesario afrontar otro tipo de barreras de entrada de tipo más estructural relacionadas con la necesidad de más formación, una mejora en la usabilidad, mayor capacidad de adaptación institucional o el desarrollo de los cambios regulatorios necesarios para darle soporte.

Si quieres saber más de blockchain, puedes leer nuestro informe Descubriendo las claves de blockchain.

Vivimos en un mundo conectado, donde todos llevamos encima un dispositivo móvil que nos permite capturar nuestro entorno y compartirlo con quien deseemos a través de redes sociales o distintas herramientas. Esto nos permite mantener el contacto con nuestros seres queridos aunque estemos a  miles de kilómetros de distancia, pero… ¿Y si aprovecháramos también esta circunstancia para enriquecer las investigaciones científicas?  Estaríamos hablando de lo que se conoce como ciencia ciudadana.

La ciencia ciudadana busca “involucrar al público general en actividades científicas y fomentar la contribución activa de los ciudadanos a la investigación a través de su esfuerzo intelectual, su conocimiento general, o sus herramientas y recursos”. Esta definición está extraída del Libro verde de la ciencia ciudadana, elaborado en el marco del proyecto europeo Socientize (7PM), y nos muestra algunas de las claves de la ciencia ciudadana. En concreto, la ciencia ciudadana es:

• Participativa: Ciudadanos de todo tipo pueden colaborar de distintas maneras, a través de la recogida de información, o poniendo a disposición de la investigación su experiencia y conocimiento. Esta mezcla de perfiles genera una atmosfera perfecta para la innovación y los nuevos descubrimientos.

• Voluntaria: Dado que la participación suele ser altruista, los proyectos de ciencia ciudadana necesitan estar alineados con las demandas e intereses de la sociedad. Por ello son habituales los proyectos que despierten la conciencia social de los ciudadanos (por ejemplo, aquellos relacionados con el ecologismo).

• Eficiente: Gracias a los avances tecnológicos que mencionábamos al principio, se pueden capturar muestras del entorno con mayor ubicuidad e inmediatez. Además, se facilita la interconexión, y con ello la cooperación, de empresas, investigadores y sociedad civil. Todo ello repercute en una reducción de costes y unos resultados más ágiles.

• Abierta: Los datos, metadatos y publicaciones que se generan durante la investigación se publican en formatos abiertos y accesibles. Este hecho hace que sea más sencillo reutilizar la información y repetir investigaciones para garantizar su veracidad y solidez.

En definitiva, con este tipo de iniciativas se busca generar una ciencia más democrática, que responda a los intereses de todos los implicados, pero sobre todo de los ciudadanos. Y que genere información que se pueda reutilizar en pro de la sociedad. Veámoslo con algunos ejemplos:

• Mosquito Alert: Este proyecto busca luchar contra el mosquito tigre y el mosquito de la fiebre amarilla, especies transmisoras de enfermedades como el Zika, el Dengue o el Chikungunya. En este caso, la participación ciudadana consiste en enviar fotografías de insectos observados en el entorno y que son susceptibles de pertenecer a estas especies. Un equipo de profesionales analiza las imágenes para validar los hallazgos. Los datos generados permiten monitorizar y realizar predicciones sobre su comportamiento, lo cual ayuda a controlar su expansión. Toda esta información se comparten de manera abierta a través de GBIF España.

• Apadrina una roca: Con el objetivo de favorecer la conservación del patrimonio geológico español, los participantes en este proyecto se comprometen a visitar, al menos una vez al año, el lugar de interés geológico que han apadrinado. Tendrán que avisar de cualquier actuación o amenaza que observe (anomalías, agresiones, expolio de minerales o fósiles…). La información ayudará a enriquecer el Inventario Español de Lugares de Interés Geológico.

• RitmeNatura.cat: El proyecto consiste en seguir los cambios estacionales en las plantas y los animales: cuándo se produce la floración, si aparecen nuevos insectos, si hay cambios en la migración de las aves... El objetivo es controlar los efectos del cambio climático. Los resultados se pueden descargar en este enlace.

• Identificación de asteroides cercanos a la tierra: Los participantes en el proyecto ayudaran a identificar asteroides utilizando imágenes astronómicas. El Minor Planet Center (organismo de la Unión Astronómica Internacional encargada de los cuerpos menores del Sistema Solar) evaluará los datos para mejorar las órbitas de dichos objetos y estimar de manera más precisa la probabilidad de un posible impacto con la Tierra. Puedes ver algunos de los resultados aquí.

• Arturo: Un área donde la ciencia ciudadana puede aportar grandes ventajas es en el entrenamiento de inteligencias artificiales. Es el caso de Arturo, un algoritmo de aprendizaje automatico diseñado para determinar cuáles son las condiciones urbanísticas más óptimas. Para ello, los colaboradores deberán contestar a un cuestionario donde escogerán las imágenes que mejor se ajusta a su concepto de un entorno habitable. El objetivo es ayudar a técnicos y administraciones a generar entornos alineados con las necesidades de los ciudadanos. Los datos generados y el modelo utilizado se pueden descargar en el siguiente enlace.

Si estás interesado en conocer más proyectos de este tipo puedes visitar la web Ciencia Ciudadana en España cuyo objetivo es aumentar el conocimiento y visión sobre la ciencia ciudadana. En ella participan el Ministerio de Ciencia, Innovación y Universidades, la Fundación Española para la ciencia y la Tecnología y la Fundación Ibercivis. Un vistazo rápido a la sección de proyectos te permitirá conocer qué tipo de actividades se están llevando a cabo. Quizás encuentres alguna de tu interés...

GNOSS construye y explota Grafos de Conocimiento utilizando tecnologías semánticas. Dispone de un gestor de contenidos semántico que permite generar de forma nativa datos representados semánticamente en RDF/OWL al publicar información. Ofrece mejores sistemas de recuperación de la información mediante búsquedas facetadas que emulan el razonamiento humano; generación de contextos pertinentes,  avanzados sistemas de recomendación, análisis y visualización de la información.

Desarrollo de software de marketing y CRM para que otras empresas conozcan sus audiencias. Su negocio tiene como origen la reutilización de información privada proveniente de, en este caso, las RRSS