Investigando la investigación

¿Te imaginas obtener un 94% o un 95% en una convocatoria Marie Curie y aun así quedarte fuera porque el corte está en el 96%? Eso es lo que ha ocurrido recientemente. Un umbral que hace unos años rondaba el 90–91% ahora se sitúa en cifras que rozan la perfección. Y no es un caso aislado: está pasando en proyectos europeos, ERC y otras convocatorias. El sistema se ha vuelto mucho más competitivo y la pregunta ya no es solo cómo escribir una buena propuesta, sino qué está cambiando para que necesitemos prácticamente la excelencia absoluta para entrar.Una de las causas más evidentes es el uso masivo de inteligencia artificial por parte de los solicitantes. Investigadores con buenas ideas y buen currículum, pero menos tiempo o habilidad de redacción, ahora pueden generar propuestas sólidas con apoyo de estas herramientas. Resultado: más solicitudes y, en promedio, mejor presentadas. Si aumenta el número de propuestas competitivas, el corte necesariamente sube.Pero el cambio también está en la evaluación. Cada vez hay más indicios de que se utilizan modelos de lenguaje para realizar un primer filtrado: cargar las bases, cargar la propuesta y pedir una evaluación por criterios. Después, el evaluador humano revisa las mejor puntuadas. Podemos debatir si es adecuado o no, pero lo prudente es asumir que puede estar ocurriendo y prepararse para ello.Eso implica actuar en dos niveles. Primero, competir mejor: leer en profundidad las bases, entender exactamente qué se evalúa y formular el proyecto con el lenguaje y las palabras clave que activan la máxima puntuación. No basta con tener buenas ideas; deben estar expresadas como espera la convocatoria. Segundo, simular el filtro algorítmico: evaluar nuestra propuesta con distintos modelos, varias veces, identificar patrones de debilidad y corregirlos de forma iterativa. No infinitamente, pero sí lo suficiente para eliminar puntos ciegos.Después llega la fase humana. Ahí importa la coherencia global, la claridad y la credibilidad científica. En ese punto es clave obtener feedback de supervisores, colegas con experiencia o incluso consultores especializados. Porque aunque la IA pueda filtrar, la decisión final sigue dependiendo de personas.Y una última idea estratégica: no apostar todo a una única convocatoria. Diversificar, buscar programas nicho menos masificados y reducir la densidad competitiva puede ser tan importante como optimizar el texto. La carrera investigadora implica aplicar de forma constante. Si el sistema cambia, nuestra manera de prepararnos también debe cambiar.Puedes contactarme a horacio@horacio-ps.com si quieres hablar más en detalle de todos estos procesos y recibir asistencia.

Hoy hablamos de modelización hidrológica, pero también, y quizá sobre todo, de lo que significa investigar en España hoy.Adrián López-Ballesteros nos explica cómo se construye un modelo hidrológico, qué significa realmente eso de “gemelo digital”, cómo se calibra, por qué lo difícil no es montarlo sino hacerlo funcionar y cómo se utilizan estos modelos para responder preguntas del tipo “¿qué pasaría si…?”. Desde cambios en cultivos hasta escenarios de lluvias extremas, pasando por gestión de recursos hídricos e impacto ambiental.Entramos en dos casos muy concretos:A) Por un lado, el Mar Menor: qué está ocurriendo a nivel de cuenca, por qué la eutrofización no es un problema aislado sino sistémico y qué muestran los modelos cuando se evalúan distintas medidas de actuación. Una idea clave: las soluciones aisladas tienen efecto limitado; las combinaciones generan efectos sinérgicos mucho más relevantes. Ciencia aplicada que intenta dialogar con la administración y evaluar si las medidas que se están implementando realmente funcionan.B) Por otro lado, la DANA de Valencia (2024). Aquí la conversación se vuelve especialmente interesante: modelos hidrológicos e hidráulicos validados con “sensores sociales”, es decir, datos geolocalizados extraídos de redes sociales para contrastar hasta dónde llegó el agua y en qué momento. Ciencia frente a bulos. Modelización frente a ruido. Y una reflexión sobre cómo la frontera entre ingeniería e informática, la llamada hidroinformática, puede abrir nuevas vías de investigación y desarrollo de herramientas útiles para otros investigadores.Hablamos también de herramientas abiertas, de Google Earth Engine, de reducir la curva de aprendizaje de modelos complejos como SWAT y de qué significa “éxito” en investigación. Para Adrián, ser útil. Desarrollar herramientas que otros puedan usar. Cerrar el ciclo entre investigación, publicación y divulgación.Y, finalmente, entramos en la parte menos técnica pero más estructural: la carrera investigadora como maratón, o incluso como 90K. Becas predoctorales, Juan de la Cierva, Marie Curie, Ramón y Cajal. Competencia creciente. Inteligencia artificial y redacción de propuestas. Métricas, perfiles R1–R4, sesgo del superviviente, estabilidad, familia y decisiones personales.Una conversación honesta sobre incertidumbre, vocación, presión y equilibrio. Sobre cuándo seguir, por qué seguir y hacia dónde orientar la energía. Porque investigar no es solo publicar: es sostener en el tiempo una forma de estar en el mundo.Enlaces mencionados en el episodio:- Publicaciones de Adrián sobre Mar Menor y DANA: https://doi.org/10.1016/j.ijdrr.2025.105966 (DANA); https://doi.org/10.1016/j.jenvman.2025.125033 (Mar Menor 1); https://doi.org/10.1016/j.scitotenv.2022.160144 (Mar Menor 2); https://doi.org/10.1016/j.jhydrol.2021.127150 (Mar Menor 3)- Canal de YouTube de Adrián López-Ballesteros (@AdrLBallesteros): https://www.youtube.com/@AdrLBallesteros, https://youtube.com/playlist?list=PLc5YYSH07rwBuwL3ykA_m4CCsUJzi-VC6&si=BDtGt8OWNia3fPCH (

Hoy exploramos el estudio de lo social desde la inteligencia artificial, centrándonos en los sistemas multiagente. Hablamos con Carles Sierra, investigador del IIIA-CSIC y referente internacional en este campo, sobre cómo los sistemas formados por múltiples agentes autónomos pueden ayudarnos a entender fenómenos sociales complejos como la cooperación, el conflicto, las normas o la confianza.Durante la conversación abordamos qué es exactamente un agente, cómo se define formalmente y qué implica que tenga autonomía, reactividad, proactividad y una dimensión social. Discutimos también dos enfoques principales para su diseño: los modelos basados en conocimientos, donde las reglas se programan explícitamente, y los modelos basados en datos, donde los agentes aprenden a partir de ejemplos. Además, hablamos del papel creciente de los modelos híbridos, que combinan grandes modelos de lenguaje con razonamiento simbólico para sortear algunas de las limitaciones actuales.Carles explica con detalle cómo su grupo utiliza estos enfoques para simular situaciones sociales reales. Un ejemplo especialmente interesante es el uso del juego cooperativo Hanabi como laboratorio para estudiar la teoría de la mente en agentes, es decir, su capacidad para inferir lo que otros agentes saben o creen. Este tipo de simulaciones no solo permite mejorar el diseño de agentes más sofisticados, sino también plantear hipótesis sobre el comportamiento humano desde una perspectiva computacional.La charla también aborda aplicaciones prácticas como la simulación de evacuaciones en contextos de emergencia o el uso de realidad virtual para entrenamiento. En todos estos escenarios es clave el trabajo conjunto con expertos en psicología, sociología o cuerpos de emergencia, lo que refuerza la dimensión multidisciplinar de esta línea de investigación.Hablamos además de la conexión con la teoría de juegos y la racionalidad, de cuellos de botella técnicos como la comunicación entre agentes, y de cómo los modelos de lenguaje actuales están empezando a ofrecer soluciones en ese frente. Carles comparte su visión sobre la evolución de este campo, los retos futuros y el contexto global, con referencias al crecimiento exponencial de la investigación en inteligencia artificial en países como China.En la parte final, reflexiona sobre su trayectoria, los momentos que más satisfacción le han dado como investigador y ofrece recomendaciones claras para quienes quieran adentrarse en este tipo de investigación.Recursos mencionados- Hanabi (juego cooperativo): https://boardgamegeek.com/boardgame/98778/hanabi- Teoría del equilibrio de Nash: https://en.wikipedia.org/wiki/Nash_equilibrium- Congreso IJCAI: https://ijcai.org/- Congreso AAMAS: https://aamas.org/- Proyecto ADA (China): red de satélites con LLMs embebidosPara contactar a Carles Sierra:- Instituto de Investigación en Inteligencia Artificial (IIIA-CSIC): https://www.iiia.csic.es/~sierra/Si el episodio te ha resultado interesante, puedes apoyarlo dándole a like, suscribiéndote o compartiéndolo en tu plataforma habitual (Spotify, Apple Podcasts, iVoox, YouTube, etc.). Es un gesto que te cuesta muy poco y que ayuda muchísimo a que este podcast siga creciendo y llegue a más personas.

En este episodio de _Investigando la Investigación_ reflexiono sobre una forma de investigar que no siempre parte de una pregunta clara ni de una metodología cerrada: la investigación exploratoria. Una investigación que surge al hacer, al probar y al interactuar con sistemas que nos devuelven feedback, incluso cuando no sabemos exactamente qué estamos buscando.Parto del propio recorrido del podcast, que comenzó centrado en investigación académica en informática y que, con el tiempo, se ha ido abriendo a otras ciencias, a las humanidades, al arte y, en general, a cualquier contexto donde exista un proceso investigador. Tras cerca de 380 episodios, el objetivo sigue siendo el mismo: documentar y explorar cómo se investiga, dentro y fuera de los marcos académicos reglados.Para concretar esta idea, comparo dos contextos muy distintos. Por un lado, la investigación que hacemos en mi grupo de investigación, basada en el screening computacional de miles o millones de compuestos químicos para identificar posibles candidatos con utilidad farmacológica u otras aplicaciones. Se trata de un proceso altamente metodológico, algorítmico y con métricas objetivas bien definidas. Por otro lado, mi exploración personal en la creación sonora y musical, utilizando herramientas de producción digital desde una posición no profesional y completamente autodidacta.A partir de esta comparación, una de las conclusiones centrales del episodio es que la ausencia de una pregunta de investigación clara al inicio no invalida el proceso investigador. En los contextos exploratorios, la pregunta, la metodología y los criterios de evaluación pueden emerger progresivamente, a medida que el investigador interactúa con el sistema que está explorando. Además, el hecho de trabajar con respuestas subjetivas, como ocurre en la investigación sonora, no convierte la investigación en algo arbitrario: esas respuestas forman parte del propio objeto de estudio y proporcionan un feedback relevante.En este sentido, la diferencia entre una investigación más objetiva y una exploratoria no es la existencia o no de rigor, sino el tipo de señal que se obtiene. En el cribado de compuestos químicos, la molécula no responde al investigador; en la exploración sonora, el sonido sí lo hace, generando sensaciones que informan el proceso. En ambos casos, sin embargo, existe un proceso sistemático de acumulación de experiencia, reflexión y generación de conocimiento.De esta exploración musical surgen también conclusiones metodológicas concretas. Por ejemplo, he identificado flujos de trabajo que para mí resultan más eficientes, como trabajar con un número reducido de pistas o instrumentos. También he observado la importancia del caos y la aleatoriedad frente a enfoques completamente deterministas, tanto en la preparación del sistema como en la ejecución. Estas decisiones, aunque personales, forman parte del resultado de la investigación y pueden ser compartidas y discutidas.Este episodio sirve además como punto de partida de una nueva línea dentro del podcast, centrada en procesos de investigación exploratoria, especialmente en contextos donde la pregunta y la metodología se definen a posteriori. En próximos episodios entraré en ejemplos más concretos y compartiré material sonoro como apoyo, entendiendo ese resultado final casi como material suplementario, mientras que el foco principal sigue siendo el proceso investigador.Si el episodio te ha resultado interesante, puedes apoyarlo dándole a like, suscribiéndote o compartiéndolo en tu plataforma habitual (Spotify, Apple Podcasts, iVoox, YouTube, etc.). Eso ayuda a que _Investigando la Investigación_ siga creciendo y llegue a más personas.

En este episodio de Investigando la Investigación me adentro en un terreno más técnico de lo habitual para hablar de herramientas de inteligencia artificial aplicadas a la programación y, sobre todo, del cambio de paradigma que estamos viviendo en la forma de desarrollar software. Empiezo recordando cómo usábamos —y muchos seguimos usando— modelos como ChatGPT para programar: pedir fragmentos de código, copiarlos en un editor, ejecutarlos, detectar errores y volver a iterar en un proceso manual y relativamente lento. Ese enfoque sigue siendo útil, pero empieza a quedarse corto frente a lo que está apareciendo ahora.En los últimos meses han surgido muchas herramientas que introducen la llamada programación basada en agentes. Ya no hablamos solo de generar código, sino de sistemas que analizan una petición, la descomponen en tareas, orquestan agentes que trabajan en paralelo y deciden cómo implementar una solución completa. Menciono brevemente algunas de estas herramientas, pero el foco del episodio se centra en Cursor, que a día de hoy me parece una de las opciones más completas. Cursor es, en esencia, un fork de Visual Studio Code que integra este enfoque y permite trabajar con proyectos reales, con múltiples ficheros, relaciones complejas y ejecución directa del código generado.Uno de los puntos clave del episodio es entender los distintos modos de trabajo de Cursor. Por un lado está el modo pregunta, pensado para discutir ideas y requisitos sin generar código. Luego está el modo plan, donde el sistema traduce esas ideas en un plan detallado de implementación que conviene revisar con calma y nunca aceptar a la primera. A partir de ahí entramos en el modo agente o de construcción, donde la herramienta despliega uno o varios agentes que implementan el plan, a menudo en paralelo. Finalmente, el modo depuración introduce un enfoque muy interesante basado en la generación y comprobación sistemática de hipótesis para localizar errores, de una forma mucho más transparente que los métodos anteriores.También hablo de aspectos prácticos importantes, como la posibilidad de elegir distintos modelos de lenguaje según la tarea, la necesidad de controlar bien los permisos que damos a los agentes y la importancia crítica del versionado del código para poder volver atrás cuando una iteración rompe algo que antes funcionaba. Dedico además parte del episodio a explicar las limitaciones del contexto y la memoria de estos sistemas y cómo gestionar sesiones largas para evitar errores sutiles.Para cerrar, planteo una reflexión más general: el rol del programador está cambiando hacia uno más cercano al de gestor de proyectos. Cada vez menos escribimos código línea a línea y cada vez más diseñamos planes, supervisamos agentes y validamos resultados. En este nuevo escenario, el trabajo realmente crítico pasa a ser el diseño de buenos planes y, sobre todo, de tests sólidos y fiables, que se convierten en el verdadero contrato del sistema. Todo apunta a que este cambio no ha hecho más que empezar.Si este episodio te ha resultado interesante, te agradecería mucho que desde la plataforma donde lo estés escuchando le des a like, lo marques como favorito o te suscribas al podcast. Es un gesto muy sencillo, pero ayuda enormemente a que Investigando la Investigación crezca y pueda llegar cada día a más gente.PD: Episodios relacionados: 234, 240, 309, 340, 341, 378

En este episodio parto de algo que, a primera vista, parece no tener nada que ver con la investigación que hago en mi grupo de investigación ni con el día a día de cualquiera de nosotros: los agujeros negros. Uso el límite de Chandrasekhar como excusa conceptual para hablar de otra cosa muy distinta. Igual que una estrella colapsa cuando supera cierta masa crítica, las personas colapsamos cuando superamos nuestro propio límite de tareas simultáneas. No importa que las tareas sean fáciles o cortas: a partir de cierto número aparece una fricción cognitiva enorme que lo vuelve todo inmanejable.La idea clave es sencilla y bastante poco glamurosa: no podemos tenerlo todo delante a la vez. La mayoría tenemos listas interminables de cosas por hacer, pero casi nunca es necesario —ni realista— ejecutarlas todas hoy. Mi propuesta es volver de forma deliberada a una cota inferior de ese “límite de Chandrasekhar” personal: quedarnos solo con tres, cinco tareas como máximo en el corto plazo, las únicas que realmente vamos a ejecutar. El resto no se eliminan, simplemente desaparecen de nuestra vista para no consumir energía mental. No es procrastinar, es organizar la ejecución.Donde esto se vuelve especialmente delicado es en el correo electrónico. El email mezcla tareas, información, seguimientos y ruido, todo sin estructura clara. Aquí cuento cómo uso la opción de posponer correos, por ejemplo en Gmail, pero con cabeza: no mandar todo a la misma fecha futura, sino distribuirlos según urgencia y prioridad. Algunos volverán en días, otros en semanas, otros quizá en un mes. Y, de vez en cuando, revisar esa lista de correos pospuestos para asegurarse de que nada se descontrola. La idea, en el fondo, es siempre la misma: evitar que nuestro sistema mental colapse por exceso de masa.Si este episodio te ha resultado útil, te agradecería que en la plataforma donde lo estés escuchando le des a like, dejes un comentario o te suscribas al podcast. Estos pequeños gestos ayudan a que Investigando la Investigación tenga más alcance y pueda llegar a más personas interesadas en entender y vivir la investigación desde dentro.

En la investigación no todo es generar ideas o redactar manuscritos. También hay un momento inevitable en el que otras personas evalúan aquello en lo que hemos invertido mucho tiempo y esfuerzo. En el caso de los artículos científicos, este proceso suele permitir réplica y nuevas oportunidades. Sin embargo, en las convocatorias de financiación la situación es distinta, ya que muchas veces no existe la posibilidad de volver a presentarse.Cuando una convocatoria es única o no se repite, un rechazo puede tener un impacto mucho mayor. Este episodio no se centra en el rechazo en sí, sino en las opciones reales que existen para afrontarlo de forma crítica. Una de ellas es la alegación, un mecanismo que, aunque suene legal o ajeno al ámbito investigador, puede ser legítimo y necesario en determinadas circunstancias.La alegación solo tiene sentido cuando existe un informe de evaluación detallado y unas bases de convocatoria claras. Antes de iniciar este proceso, es imprescindible un ejercicio de honestidad personal. No todas las evaluaciones negativas son injustas, y alegar solo es recomendable cuando existen errores objetivos, omisiones claras o contradicciones con las propias normas de la convocatoria.Entre los errores más habituales que pueden justificar una alegación se encuentran la supuesta falta de documentación que sí fue entregada o críticas a aspectos que no eran exigidos. En estos casos, el proceso pasa por analizar el informe con calma, identificar los puntos problemáticos y redactar un documento formal, respetuoso y constructivo, dirigido a la entidad financiadora.La alegación debe centrarse exclusivamente en hechos verificables y argumentos sólidos, evitando opiniones personales o valoraciones subjetivas. Herramientas de inteligencia artificial pueden ayudar a mejorar el lenguaje o el tono final del documento, pero el contenido y el razonamiento deben partir siempre de la persona solicitante.Más allá del resultado, el proceso de alegación tiene un valor formativo importante. Obliga a comprender mejor cómo funcionan los sistemas de evaluación y ayuda a desarrollar una mirada crítica que será útil tanto para futuras solicitudes como para el día en que uno mismo esté al otro lado, evaluando propuestas de otras personas.Si este episodio te ha resultado útil, te agradecería que en la plataforma donde lo estés escuchando le des a like, dejes un comentario o te suscribas al podcast. Estos pequeños gestos ayudan a que Investigando la Investigación tenga más alcance y pueda llegar a más personas interesadas en entender y vivir la investigación desde dentro.

En este episodio de Investigando la Investigación quería reflexionar, desde una perspectiva muy personal, sobre cómo ha ido cambiando la programación a lo largo del tiempo y sobre el punto en el que creo que nos encontramos ahora. Todo parte de una historia que escuché sobre cómo uno de mis directores de tesis programaba alrededor de 1975, cuando el código se escribía en papel, se pasaba a tarjetas perforadas y se enviaba a un ordenador central para su compilación. Un proceso lento, extremadamente frágil y lleno de fricción, en el que cualquier error implicaba rehacer gran parte del trabajo.Con la llegada de los ordenadores personales en los años ochenta, este modelo desapareció y programar pasó a ser algo que podía hacerse de manera local. Aun así, durante muchos años siguió siendo un proceso muy laborioso, especialmente por la falta de acceso a documentación y manuales. En mi caso, aprendí a programar con lo que encontraba en revistas y mucha prueba y error, hasta que Internet cambió por completo el panorama. Empezaron a surgir comunidades, foros y, más tarde, plataformas como Stack Overflow, que aceleraron enormemente el aprendizaje y la resolución de problemas, aunque el paradigma seguía siendo escribir y depurar código línea a línea.El siguiente gran salto llegó en torno a 2023 con la aparición de herramientas como ChatGPT, que empezaron a actuar como asistentes de programación capaces de generar código y ayudar a depurarlo. Pero el verdadero cambio de paradigma, en mi opinión, está ocurriendo ahora, entre finales de 2024 y 2025, con las herramientas basadas en agentes. Ya no se trata solo de generar fragmentos de código, sino de sistemas capaces de descomponer proyectos complejos, ejecutar tareas en paralelo y acelerar enormemente el desarrollo, tanto para personas con pocos conocimientos técnicos como para programadores con experiencia.Todo esto está transformando el rol del programador, que cada vez se parece más al de un ingeniero o gestor de proyectos: alguien que sabe estructurar problemas, guiar herramientas complejas, detectar errores y validar resultados, más que escribir código de forma manual todo el tiempo. En este contexto, también creo que es clave mantenerse informado a través de redes técnicas como Twitter o LinkedIn, donde el ritmo de innovación es mucho más visible que en otros formatos.A partir de estas ideas, comento también algunos proyectos en los que estoy trabajando, tanto herramientas personales como una plataforma pública llamada Explore Labs, orientada a ofrecer utilidades prácticas para procesos de investigación, como el análisis y la pre-revisión de artículos científicos.Puedes acceder a la plataforma en: https://explore-labs.com

El problema no es generar muchas ideas; de hecho, generar muchas ideas suele ser una ventaja. El problema aparece cuando esas ideas se acumulan sin un criterio claro y terminan diluyendo el foco original. Generar cantidad no implica generar calidad, ni mucho menos avanzar. Cuando las ideas se multiplican sin control, se vuelve difícil identificar qué es realmente importante y qué simplemente añade ruido.Desde hace varios años utilizo Obsidian como sistema de gestión de notas, algo que he comentado en detalle en episodios anteriores del podcast. En particular, uso mucho las notas diarias: cada día aparece una nota en blanco en la que vuelco cualquier idea que se me ocurre, sobre cualquier tema, en el momento en que aparece. Más adelante reviso ese material y, si una idea lo merece, la convierto en una nota independiente donde empiezo a desarrollarla con más calma.El problema surge cuando, a partir de una idea inicial —el tronco—, empiezo a añadir demasiadas subideas. Llega un punto en el que el documento crece tanto que pierdo la visión global. Me cuesta distinguir qué partes son esenciales y cuáles son accesorias y, cuando vuelvo tiempo después a esa nota, me encuentro con un desorden que genera fricción. Esa fricción acaba provocando procrastinación y hace que no vuelva a ideas que, en el fondo, pueden ser muy valiosas.Aquí es donde entra el concepto de poda. Igual que en jardinería se cortan ramas para fortalecer el tronco, con las ideas ocurre algo muy parecido. Sin poda aparece la parálisis por análisis o la sobrecarga creativa: confundimos tener muchas ideas con avanzar, cuando en realidad estamos bloqueándonos.La clave, al menos en mi experiencia, es tener una estrategia de poda definida. No basta con pensar que ya se revisará más adelante; si no hay criterios claros, la poda no se hace. Algunos de los criterios que utilizo son si una subidea refuerza o no la idea principal, si es práctica o simplemente interesante pero poco accionable, o si se aleja demasiado del objetivo inicial. Estos criterios no son universales: dependen mucho del tipo de proyecto y de cómo trabaja cada persona.No es lo mismo, por ejemplo, un proyecto científico, donde todo debe girar alrededor de un eje muy concreto, que un proyecto creativo o artístico, donde la dispersión puede ser parte del proceso. En cualquier caso, lo importante es que esos filtros existan y estén definidos, mejor aún si están por escrito para poder revisarlos de vez en cuando.Esta lógica de poda no solo aplica a las ideas, sino también al ruido informativo al que estamos expuestos constantemente. Vivimos rodeados de estímulos digitales y, sin filtros propios, es fácil perder dirección. En este contexto, recomiendo el libro Digital Minimalism, de Cal Newport, que aborda precisamente cómo proteger la atención y reducir el ruido en entornos tecnológicos saturados.Para cerrar el episodio, comento una novedad: estoy desarrollando una aplicación web orientada a apoyar distintos procesos de investigación mediante herramientas de inteligencia artificial. La aplicación está en fase de pruebas, pero ya permite, por ejemplo, convertir un artículo científico en PDF en un episodio de podcast o simular un proceso de revisión por pares a partir de un borrador. Se puede acceder en explore-labs.com y, por ahora, es gratuita. Iré comentando su evolución en futuros episodios del podcast.

Hoy hablamos del cometa 3I/ATLAS, un visitante interestelar que ha atravesado el Sistema Solar y que, durante unas semanas, ha concentrado tanto observaciones científicas intensas como una notable atención mediática. Para ello conversamos con Fernando Moreno, investigador del Instituto de Astrofísica de Andalucía (IAA-CSIC), especializado en polvo cometario y polarimetría, y con Fernando Ortuño, astrónomo con perfil divulgativo y de observación. La conversación sirve para poner orden entre lo que realmente sabemos, lo que todavía está por entender y cómo se construye conocimiento científico cuando solo es posible observar e interpretar, no experimentar directamente.Partimos de lo básico: qué es un cometa y cómo se comporta al acercarse al Sol. Los cometas son agregados de hielo y polvo que, al sublimar, generan coma y colas. En el Sistema Solar se distinguen grandes familias asociadas al cinturón de Kuiper y a la nube de Oort. Los cometas interestelares, como 3I/ATLAS, se formaron alrededor de otras estrellas y llegan hasta nosotros tras largos viajes por la galaxia. Desde 2017 solo se han detectado tres objetos de este tipo, lo que hace que cada uno sea especialmente valioso.Una parte central del episodio se dedica a explicar por qué muchas de las supuestas “anomalías” de 3I/ATLAS no son tan extrañas. Estructuras como la anticola o cambios en el aspecto del cometa se explican en gran medida por efectos geométricos ligados a la posición del observador. También se discute el papel de la polarimetría, que en este caso apunta a propiedades particulares del polvo, como la posible presencia de partículas grandes de hielo de agua, mezclado con algún componente absorbente, siempre dentro de interpretaciones basadas en modelos y con incertidumbres claras.La conversación aborda además el contraste entre ciencia y sensacionalismo. Frente a interpretaciones exóticas, se insiste en aplicar criterios de parsimonia: si un objeto se comporta como un cometa, la explicación más razonable es que lo sea. Finalmente, se destaca el papel de la astronomía amateur y de las colaboraciones pro-am, así como el futuro inmediato del campo, con la llegada de nuevos surveys y telescopios que permitirán detectar más objetos interestelares y pasar de casos aislados a una estadística significativa.Contacto de los invitadosFernando MorenoInstituto de Astrofísica de Andalucía (IAA-CSIC)Email: fernando@iaa.esFernando OrtuñoWeb y redes: https://linktr.ee/FerOrtunoEmail: ferortgue@gmail.comSi quieres conversar sobre este tema con otros investigadores, contrastar opiniones o preguntar más, te invito a unirte a nuestra comunidad de investigadores en Discord, disponible en https://horacio-ps.com/comunidad.Si este episodio te ha parecido útil o interesante, te agradecería mucho que le des cinco estrellas, un like o te suscribas al canal donde lo estés escuchando. Ayuda muchísimo a que el contenido llegue a más personas.

Hoy nos acercamos al ruido y al sonido no como fondo, sino como auténticas materias de investigación. Conversamos con Susana López (Susana Dron), artista e investigadora sonora con una amplia trayectoria en la creación de paisajes sonoros, texturas prolongadas y experiencias de escucha que cuestionan la idea clásica de música.Susana nos invita a repensar qué entendemos por ruido: un concepto abierto, ligado al contexto y a la escucha, que en su práctica se convierte en un espacio de libertad y de exploración más que en una molestia. En su investigación, el sonido —agua, motores, viento, ciudad o cuerpo— es materia prima que transforma digitalmente con herramientas como SuperCollider o Reaper, no para responder preguntas concretas, sino para descubrir hasta dónde puede llegar un sonido y qué nuevas formas puede adoptar.Hablamos también de su trabajo en directo, basado en estructuras flexibles y cercanas a partituras gráficas, donde conviven drones y espacios amplios de improvisación. Cada performance es distinta, moldeada por el contexto y por quienes escuchan y crean.Otro eje importante es la colaboración con científicos, biólogos y universidades, trabajando con sonidos procedentes del micelio, de bacterias como E. coli o de objetos como un piano dañado por una inundación. Estas experiencias híbridas entre arte, ciencia y tecnología cuestionan las fronteras entre disciplinas.Reflexionamos además sobre el arte, la relación con el mercado, la edición sonora y los límites de su investigación, siendo el tiempo el más importante. También aparece una mirada crítica a los sistemas de financiación y residencias, con dinámicas muy similares al mundo académico.Finalmente, abordamos el papel de las nuevas tecnologías y la inteligencia artificial, que Susana ve como herramientas aliadas si se utilizan como instrumentos al servicio de quien crea.Un episodio para afinar la escucha, repensar el ruido y entender el sonido como una forma fértil de investigación.Enlaces y contactohttps://susannalopez.com/https://susanloop.bandcamp.com/album/materia-vibrantehttps://es.wikipedia.org/wiki/Susana_L%C3%B3pez_(artista)susann@susannalopez.comLinks comentados en la entrevista:Discografíahttps://susannalopez.com/publicaciones/Composiciones piano destruido en Paiportahttps://audiotalaia.bandcamp.com/album/corda-fang-samplersSonificación micelio + músicahttps://muiminasounds.bandcamp.com/album/the-mycelial-networkConvocatorias para residencias de arte y sonido:ON THE MOVEhttps://on-the-move.org/news/access-artistic-residency-focus-music-and-sound-2025-26-france-portugal-czech-republicStockholmhttps://elektronmusikstudion.se/en/our-studios/ems-artist-in-residence-program/Swedenhttps://schhh.se/artist-residency/París (IRCAM)https://musiquecontemporaine.org/aides-concours-appels/ircam-arrop-2024-2025Madrid (Matadero)https://www.mataderomadrid.org/convocatorias/residencia-para-un-proyecto-de-musica-electronica-experimental-2Madrid (La casa encendida)https://www.lacasaencendida.es/convocatorias/artistas-en-residencia-2025/artistas-en-residencia-2025Asturias (Laboral)https://laboralcentrodearte.org/es/convocatorias/ii-convocatoria-de-residencias-artisticas-2025/Si quieres conversar sobre este tema con otros investigadores, contrastar opiniones o preguntar más, te invito a unirte a nuestra comunidad de investigadores en Discord, disponible en https://horacio-ps.com/comunidad.Si este episodio te ha parecido útil o interesante, te agradecería mucho que le des cinco estrellas, un like o te suscribas al canal donde lo estés escuchando. Ayuda muchísimo a que el contenido llegue a más personas.

En este episodio quería compartir una idea muy práctica sobre el autoaprendizaje. Hay montones de teorías sobre cómo aprendemos, pero a mí me interesa lo que hacemos cuando aprendemos por nuestra cuenta y cómo hacerlo mejor sin complicarnos. Me pasa a menudo que, cuando un tema me interesa, empiezo por lo básico: pregunto a ChatGPT, escucho algún podcast, leo resúmenes… y enseguida siento que “ya lo entiendo”. Esa es la primera fase: documentarme y absorber información. Es necesaria, claro, pero también es tramposa, porque la sensación de entender aparece mucho antes de entender de verdad.Para explicarlo uso un ejemplo simple: imagina que me pongo con la historia de Mesopotamia, que la desconozco. Al principio no tendría sentido meterme en un paper complejo; lo lógico es empezar suave, tener un mapa general y luego ir profundizando. Pero el problema es que puedo quedarme ahí, acumulando datos, creyendo que sé… hasta que alguien me dice “vale, explícamelo”. Y entonces me bloqueo. No porque sea incapaz, sino porque no he practicado sacar ese conocimiento fuera de mi cabeza.Ahí entra la segunda fase, la que para mí cambia todo: volcar lo que creo que sé. Escribir un post, grabar un audio, hacer un vídeo, explicárselo a alguien, incluso dejarlo en un documento privado. Da igual el formato y da igual si es público. Lo importante es que la información salga y quede reflejada fuera. Cuando hago eso, aparece la realidad: las lagunas. Me doy cuenta de que no recuerdo fechas, no tengo claro el orden de los hechos, o me faltan piezas clave. Y justo por eso el volcado es tan potente: me muestra qué sé de verdad y qué era solo una ilusión. Después vuelvo a documentarme, pero ya con puntería, para tapar esos huecos concretos.Y todavía hay un tercer nivel que lo multiplica: compartir ese volcado con otras personas y recibir feedback. Cuando otros te corrigen, te matizan o te hacen preguntas, no solo mejoras la explicación, sino que entiendes mucho mejor el tema. Además, el simple hecho de intentar comunicarlo bien para que otros lo entiendan ya te obliga a afinar tu propio conocimiento.De hecho, este episodio es un ejemplo del ciclo: yo me documenté un poco, lo volqué aquí en el podcast, y la cuadratura del círculo se cierra si ahora recibo tu feedback. Así que, si te apetece, vente a la comunidad en Discord y seguimos la conversación en horacio-ps.com/comunidad. Y si este episodio te ha aportado algo, te agradecería un montón que te suscribas o le dejes un like/valoración en la plataforma donde lo escuches, porque eso ayuda a que el podcast llegue a más gente. ¡Hasta la próxima!

En este episodio especial de Investigando la Investigación, cruzamos micrófonos con Gabriel, de Tercer Patio Podcast (Argentina), y con Daniela y Selim (Chile), de Ciencia en Otras Palabras, para conversar sobre un tema que atraviesa toda práctica investigadora: cómo el lenguaje influye en la forma en que entendemos y construimos la verdad científica.La conversación parte de una pregunta central: ¿cuándo nos dimos cuenta de que el lenguaje importa más de lo que parece en la investigación y en su comunicación? A partir de ahí, la charla avanza como un recorrido por distintas disciplinas (desde la biología marina y la evolución de roedores, hasta la antropología y la historia) explorando cómo cada campo utiliza palabras, metáforas y narrativas para interpretar aquello que estudia.Hablamos de cómo ciertos términos pueden abrir hipótesis nuevas y de cómo otros, por su carga conceptual, pueden cerrarlas sin que nos demos cuenta. También surgió la tensión constante entre la precisión técnica y la claridad, y cómo equilibrar ambas sin sacrificar rigor ni humanidad. La conversación derivó en cuestiones como el papel del inglés en la ciencia, la dificultad de traducir conceptos complejos a públicos diversos o la importancia de reconocer la incertidumbre como parte de la práctica científica. Reflexionamos además sobre cómo la narrativa (el orden en que contamos, los énfasis que elegimos, lo que dejamos dentro y fuera del encuadre) acaba moldeando la propia idea de verdad científica.Hacia el final, compartimos algunas recomendaciones para quienes comienzan a divulgar: probar el lenguaje con personas cercanas, cuidar la estructura narrativa, observar cómo cambia la recepción según la audiencia y, sobre todo, disfrutar el proceso de contar lo que investigamos.Participan:- Orlando Gabriel Morales, creador de Tercer Patio Podcast, investigador en CONICET Argentina — https://tercerpatiopodcast.com/- Daniela y Selim — Ciencia en Otras Palabras — https://csotraspalabras.transistor.fm/- Horacio Pérez — (servidor)Un episodio lleno de matices, donde la ciencia se mira a sí misma y recuerda que, además de descubrir, también necesita contarse. Si quieres conversar sobre este tema con otros investigadores, contrastar opiniones o preguntar más, te invito a unirte a nuestra comunidad de investigadores en Discord, disponible en https://horacio-ps.com/comunidad.Si este episodio te ha parecido útil o interesante, te agradecería mucho que le des cinco estrellas, un like o te suscribas al canal donde lo estés escuchando. Ayuda muchísimo a que el contenido llegue a más personas.

En este episodio reflexionamos sobre una pregunta que, aunque parece sencilla, abre un abanico enorme de matices: cuando le pregunto algo a alguien —o a un sistema— y me da una respuesta, ¿cómo sé si esa respuesta es fiable, si está basada en datos sólidos o si simplemente no lo está? Validar cualquier información implica trabajo: contrastar, revisar fuentes, consultar enciclopedias, documentos o expertos reales. Pero la cosa se complica cuando ese “alguien” no es una persona, sino un sistema de inteligencia artificial, concretamente un modelo de lenguaje como los que todos usamos hoy en día: ChatGPT, Gemini, Claude, etc.La gran cuestión es: ¿cómo fiarnos de las respuestas de un modelo cuyo entrenamiento no conocemos y cuyos datos tampoco vemos? En algunos casos podemos hacer pequeñas pruebas. Si le pregunto cuánto son 2+2, no busco la respuesta, porque ya la sé; busco comprobar si responde bien a lo básico. Si falla ahí, es difícil confiar en lo que haga después. Pero cuando las preguntas se vuelven más complejas, abiertas o subjetivas, el control desaparece. ¿Cómo comprobar entonces? ¿Cuántas preguntas de test deberían hacerse antes de usar el modelo para algo importante: una, diez, cien, mil? La respuesta depende del riesgo, de la importancia de lo que vayamos a hacer con esas respuestas y de los recursos que tengamos para evaluarlo.Por eso, en entornos de alta responsabilidad —como la clínica— un modelo debería pasar un testeo profundo y exhaustivo. De ahí que existan benchmarks con miles de ejemplos para evaluar modelos de lenguaje. Pero cuando no hay benchmark, ni tiempo, ni capacidad para testear a fondo, ¿qué opciones quedan? Una estrategia común es la aproximación por consenso: hacer la misma pregunta a varios modelos y comparar. Si todos coinciden, aumenta la confianza. Pero esto tampoco es infalible: cuatro sistemas entrenados con datos similares pueden equivocarse igual, del mismo modo que cuatro personas desinformadas pueden dar la misma respuesta incorrecta.En resumen, no existe una solución perfecta. Lo que sí existe es la necesidad de ser conscientes de la incertidumbre, del contexto en el que usamos las respuestas, del nivel de seguridad que necesitamos y de los métodos disponibles para aumentar, aunque sea un poco, la robustez de lo que obtenemos: pruebas previas, consenso entre modelos, contraste con fuentes externas.Y aquí viene la reflexión meta: te he dado ideas, ejemplos y caminos posibles, pero también deberías analizar críticamente este episodio igual que analizarías cualquier respuesta de un modelo de lenguaje. Si quieres conversar sobre este tema con más gente, contrastar opiniones o preguntar más, te invito a unirte a nuestra comunidad de investigadores en WhatsApp, disponible en https://horacio-ps.com/comunidad.Si este episodio te ha parecido útil o interesante, te agradecería mucho que le des cinco estrellas, un like o te suscribas al canal donde lo estés escuchando. Ayuda muchísimo a que el contenido llegue a más personas.

Hoy converso con Mariano González Campo, filósofo, filólogo, antropólogo social y traductor especializado en literatura nórdica medieval y moderna. Hablamos de cómo llegó al mundo nórdico casi por accidente, pasando de Filosofía y la antropología a las lenguas germánicas, y de cómo un viejo manual de islandés, una serie finlandesa sobre el Kalevala y un puñado de cartas a Islandia en tiempos sin Internet fueron moldeando una vocación. Una beca en Reikiavik le permitió estudiar filología islandesa y comprobar de primera mano métodos de enseñanza de idiomas mucho más vivos que el enfoque memorístico habitual en España.La conversación se centra en la traducción como forma de investigación: traducir sagas y textos medievales no es sustituir palabras, sino enfrentarse a una cultura entera comprimida en el lenguaje. Esto implica documentarse a fondo, manejar glosarios especializados, debatir con otros expertos y tomar decisiones sobre términos y realidades que no tienen equivalente directo en castellano. Mariano explica por qué intenta respetar el tono y la sintaxis medievales pensando en la oralidad, y cómo ve las herramientas automáticas y la inteligencia artificial como apoyos puntuales, útiles para textos funcionales, pero todavía lejos de capturar el estilo, el ritmo y el “alma” de una obra literaria. Para quienes se planteen seguir un camino similar en humanidades o traducción, su mensaje es claro: vocación por encima de las salidas, disposición a viajar y mucho trabajo paciente a largo plazo.Blog de Mariano González Campo: El Cuaderno del Feroés – https://cuadernoferoes.blogspot.com/Si quieres comentar este tema con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp (horacio-ps.com/comunidad), o si prefieres, te puedes suscribir a la newsletter del podcast en horacio-ps.com/newsletter, donde comparto materiales extra que no aparecen en los episodios.

Hoy me dejo llevar por una reflexión completamente improvisada sobre cómo me relaciono hoy con el conocimiento y con la investigación. Parto de la idea clásica del método científico —plantear un problema, elegir unas herramientas y tratar de encontrar una respuesta— y me pregunto si de verdad siempre funciono así cuando investigo, o cuando simplemente intento comprender algo que me inquieta. Aprovecho para recorrer el camino que hemos vivido desde los inicios de internet, cuando descubrimos Wikipedia y los grandes buscadores y parecía que habíamos conquistado el territorio del conocimiento, hasta este presente en el que herramientas como ChatGPT nos devuelven respuestas largas, ya procesadas, que muchas veces ni siquiera leo con calma porque acabo pidiendo versiones más cortas, más resumidas, más “para ya”. Hablo de esa sensación de vivir en la “sociedad del TikTok”, donde todo tiene que durar poco, rendir mucho y exigirnos el mínimo esfuerzo posible, y de cómo eso va erosionando nuestra capacidad de atención y de profundizar.A partir de ahí comparto una intuición muy personal: tengo la impresión de que, aunque sea de forma minoritaria, está empezando a darse un pequeño giro hacia lo humano. En mi entorno veo personas, y yo me incluyo, que sienten saturación tecnológica y que desean “destecnificarse” un poco, recuperar la sensación de que el proceso de conocer no depende tanto de las herramientas como de nuestra propia manera de mirar, de preguntar, de dudar. Sigo creyendo en la utilidad de la tecnología, por supuesto, pero la imagino ocupando un lugar más acotado dentro del proceso, no como el centro absoluto. Cito a Byung-Chul Han y La sociedad del cansancio para pensar esta mezcla de productividad, cansancio y autoexigencia en la que estamos metidos, y trazo un paralelismo con el nacimiento de la filosofía en la Grecia clásica: así como entonces se pasó de una confianza absoluta en los dioses a empezar a hacerse preguntas desde lo humano, ahora quizá estamos pasando, muy tímidamente, de una fe ciega en la tecnología a recuperar cierto humanismo en nuestra forma de entender el conocimiento. Termino reivindicando algo muy sencillo: el mero hecho de hacerse preguntas ya tiene un valor enorme, aunque no llegue a ninguna respuesta espectacular. Solo estar ahí, detenerme un momento, cuestionar lo que tengo delante y no vivir todo el rato en la rueda del hámster de la productividad, para mí ya justifica este episodio y muchas de las reflexiones que comparto en él.Si quieres comentar este tema con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp (horacio-ps.com/comunidad), o si prefieres, te puedes suscribir a la newsletter del podcast en horacio-ps.com/newsletter, donde comparto materiales extra que no aparecen en los episodios.

Hoy conversamos con Joaquín Querol, físico, ingeniero y fundador de Endor Technologies, una empresa biotecnológica de Barcelona que ha logrado algo excepcional: financiar investigación médica independiente a través de la cosmética. Desde su creación en 2007, Endor ha mantenido una misión poco común en el ecosistema científico y empresarial actual: sostener su investigación sin depender de inversores externos, combinando rigor científico, autonomía económica y visión a largo plazo. Querol relata cómo, a partir de una base en nanotecnología y una trayectoria personal marcada por la curiosidad interdisciplinar, logró construir una empresa que une tres líneas de trabajo: una línea cosmética de alta tecnología, una investigación para aliviar la mucositis en pacientes oncológicos y un ambicioso programa para ensayar una teoría innovadora sobre el crecimiento tumoral. Esta última parte del proyecto busca demostrar que el cáncer puede abordarse desde una perspectiva distinta, no destruyendo células tumorales sino “asediando” el tumor para impedir su expansión. La conversación recorre también los años más difíciles de Endor Technologies: más de una década de incertidumbre, préstamos y riesgo financiero antes de alcanzar la estabilidad. El punto de inflexión llegó en 2020, cuando un cambio en su estrategia digital, provocado por un simple anuncio en Facebook, transformó el rumbo de la empresa. Ese momento marcó el inicio de una etapa de crecimiento sostenido que permitió retomar la investigación en oncología con fondos propios y sin comprometer su independencia científica. A lo largo del episodio, Joaquín reflexiona sobre el equilibrio entre ciencia y negocio, la importancia de la perseverancia y la necesidad de pensar en horizontes de décadas, no de trimestres. Su historia pone en cuestión los modelos de financiación basados en capital riesgo y plantea una alternativa basada en autonomía, coherencia y propósito. En definitiva, este episodio ofrece una mirada única sobre lo que significa investigar desde la independencia, innovar sin renunciar al rigor y sostener una empresa científica que avanza al margen de las lógicas de corto plazo. Es una conversación sobre ciencia, emprendimiento y convicción, y sobre la posibilidad real de construir conocimiento con libertad.Datos de contacto:Web: www.endortechnologies.comInstagram: @endortechnologies y @endorpodcastYouTube: @endortechnologiesSi quieres comentar este tema con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp (horacio-ps.com/comunidad), o si prefieres, te puedes suscribir a la newsletter del podcast en horacio-ps.com/newsletter, donde comparto materiales extra que no aparecen en los episodios.

En este episodio reflexiono sobre un aspecto esencial pero poco tratado de la vida investigadora: la necesidad de apoyo humano. Hoy, con Internet y la inteligencia artificial, podemos encontrar casi cualquier información al instante, pero cuando lo que necesitamos es comprensión o perspectiva, esas herramientas ya no bastan. Por eso hablo de los grupos de apoyo o grupos de mastermind, espacios donde investigadores con inquietudes similares comparten sus retos, escuchan a otros y encuentran nuevas formas de avanzar. Suelen reunirse en pequeños grupos durante una hora, cada persona expone su situación y recibe comentarios y sugerencias de los demás, generando con el tiempo un clima de confianza y crecimiento mutuo. Explico distintas formas de unirse o crear uno, desde plataformas online hasta grupos informales nacidos en congresos o contactos personales. Creo firmemente que este tipo de encuentros pueden enriquecer tanto la carrera como la parte más humana de quienes investigamos, porque la investigación no se construye solo con datos, sino también con conversaciones sinceras entre personas. Si quieres seguir comentando sobre este tema, puedes unirte a nuestra comunidad de investigadores en WhatsApp a través de:https://horacio-ps.com/comunidad

Durante años, hemos pensado que el colesterol era el principal culpable de la aterosclerosis. Pero ¿y si no fuera así? ¿Y si hubiera actores ocultos, moléculas invisibles producidas por nuestras propias bacterias intestinales, que tuvieran un papel clave en la salud cardiovascular?En este episodio de Investigando la Investigación hablamos con Annalaura Mastrangelo e Iñaki Robles-Vera del CNIC, quienes han liderado un estudio pionero que identifica al propionato de imidazol, un metabolito producido por la microbiota, como un factor causal en la formación de placas de ateroma. Lo más sorprendente: su efecto ocurre activando a una via independiente sin alterar los niveles de colesterol.A lo largo de la conversación, exploramos cómo surgió este hallazgo, cómo lo validaron en modelos animales y en cohortes humanas, y qué implicaciones tiene para el diagnóstico temprano y el desarrollo de nuevas terapias. Nos cuentan también cómo identificaron el receptor celular implicado (el receptor imidazólico tipo 1), cómo probaron fármacos bloqueantes en ratones y cómo estos resultados abren la puerta a terapias combinadas con estatinas, diagnósticos más personalizados e incluso a la creación de una futura spin-off.Más allá del descubrimiento, hablamos de ciencia real: de lo que supone dedicar ocho años a una investigación, de los momentos en los que casi se pierde todo, del trabajo colaborativo y de la vocación que sostiene a quienes investigan en silencio durante años… hasta que el mundo se da cuenta.Enlaces y contacto:Artículo científico principal: https://doi.org/10.1038/s41586-025-09263-w Annalaura MastrangeloCentro Nacional de Investigaciones Cardiovasculares (CNIC)Correo electrónico: amastrangelo@cnic.esIñaki Robles-Vera (CNIC)Correo electrónico: inaki.robles@cnic.esSi quieres comentar este tema con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp (horacio-ps.com/comunidad), o si prefieres, te puedes suscribir a la newsletter del podcast en horacio-ps.com/newsletter, donde comparto materiales extra que no aparecen en los episodios.

En este episodio de Investigando la Investigación me planteo una pregunta poco habitual: ¿puede considerarse la creación de un podcast como una forma de investigación en sí misma? La respuesta, para mí, es claramente sí. Al preparar y grabar cada episodio, no solo se exploran temas o trabajos de los invitados, sino que también se investiga el propio proceso de conversación, descubrimiento y creación. En este sentido, el entrevistador deja de ser un mero facilitador de preguntas para convertirse en un investigador que explora en tiempo real junto con el entrevistado.A lo largo del episodio reflexiono sobre varios elementos clave. En primer lugar, la escucha activa, que no es solo estar atento, sino también detectar los pequeños destellos inesperados que pueden abrir caminos nuevos e interesantes en la charla. Esos momentos imprevistos muchas veces se convierten en el corazón del episodio. También hablo de la improvisación planificada, una forma de preparar algunos temas de antemano pero sin encorsetarlos en un guion rígido, lo que permite que la conversación fluya con naturalidad y se convierta en una auténtica exploración compartida.Además, destaco la importancia de que el entrevistador también aporte algo más allá de las preguntas: experiencias personales, opiniones, datos complementarios que enriquecen el relato. Esto evita que el episodio se convierta en un simple ping pong de preguntas y respuestas y ayuda a construir una narrativa más redonda. Finalmente, subrayo la necesidad de aportar un toque humano: no solo hablar de resultados, fórmulas o datos técnicos, sino también de vivencias y emociones que forman parte del proceso de investigar y crear. Estos elementos personales, tanto del entrevistado como del entrevistador, generan cercanía y permiten que el oyente se lleve mucho más: no solo conocimiento sobre un tema, sino también reflexiones inesperadas, ideas aplicables a otros contextos y un vistazo a la parte más humana de quienes investigan.En definitiva, este episodio es una invitación a mirar el propio podcast como un laboratorio de investigación en directo, donde cada conversación es una oportunidad de descubrir algo nuevo y donde el valor está tanto en los contenidos como en la forma en que se construyen juntos.Si quieres comentar este tema con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp (horacio-ps.com/comunidad), o si prefieres, te puedes suscribir a la newsletter del podcast en horacio-ps.com/newsletter, donde comparto materiales extra que no aparecen en los episodios.

Hoy hablamos con Marcus H. (El Extraordinario, La Fucking Condición Humana, La historia es ayer), periodista de formación y cofundador de Yorokobu junto a Mar Abad, con varios Premios Ondas a sus espaldas. Partimos de una idea sencilla y, a la vez, ambiciosa: también se investiga lo humano. Cuando no hay métricas, hay método narrativo, contraste de fuentes, comparaciones y paradojas; cuando no hay tablas, hay rigor en la mirada y verdad en el relato. Marcus explica cómo su equipo apuesta por “poco y bueno”: tiempos de reposo para cocinar ideas, guiones destilados a partir de entrevistas largas y un diseño de sonido que convierte cada episodio en una experiencia inmersiva.Hablamos del salto desde Yorokobu a El Extraordinario y de por qué eligieron la calidad como seña de identidad. Su proceso arranca a menudo con una palabra semilla (eco, ruido, diplomacia, etc) y una hipótesis que se contrasta con documentación mixta: libros, entrevistas en profundidad (con Alfredo González Ruibal, por ejemplo) y YouTube como “antropología del siglo XXI”. A partir de ahí, Marcus busca conexiones raras pero ciertas y estructura relatos con twist final que reencuadra el tema: de comparar la puerta de una discoteca exclusiva con el control de acceso a Berghain y, de ahí, a las ciudades amuralladas medievales; o de un nómada digital a los últimos nómadas del desierto a través de diarios de viaje.La capa sonora es parte del guion: bibliotecas de audio, música original y sesiones en estudio con Javi Álvarez (o intercambios con Andreu) donde la grabación inspira ideas en tiempo real. El resultado son audio-ensayos que combinan sensibilidad, estructura y pensamiento sin renunciar a la emoción. En el frente profesional, comentamos su trabajo de branded content bien entendido (Bloom con Suiza Turismo; Simulacro con Canarias y Julio Rojas), donde la colaboración con marcas abre posibilidades creativas sin perder el criterio editorial.También tratamos la IA como herramienta: voces sintéticas puntuales o ayudas para música cuando tiene sentido dramático, sí; sustitución del factor humano, no. El audio sigue siendo, para Marcus, un medio privilegiado por su inmersión imaginativa: te acompaña sin exigir pantalla y te permite construir imágenes propias. Cerramos con la cocina interna del equipo, la gestión de tiempos (evitar que la presión mate la creatividad), y la creatividad como músculo entrenable: alternar tareas, dejar reposar, fregar platos o jugar al ping-pong para que la mente encuentre soluciones.Si te interesa la investigación de los procesos creativos, el periodismo narrativo y la producción sonora de alta costura, este episodio es para ti. Encontrarás menciones a capítulos como Eco, Ruido, Música en hospitales, Nómadas vs. nómadas digitales, Balneario Manager u Objetos perdidos. Enlaces y dirección de contecto: https://elextraordinario.com/quienes-somos/ Si quieres comentar este tema con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp (horacio-ps.com/comunidad), o si prefieres, te puedes suscribir a la newsletter del podcast en horacio-ps.com/newsletter, donde comparto materiales extra que no aparecen en los episodios.

En este episodio quiero reflexionar sobre algo muy presente en nuestro día a día: las herramientas de comunicación online y su papel en el trabajo en grupo, especialmente cuando colaboramos en remoto.Empiezo contando la curiosa historia de Slack, que nació como un proyecto paralelo en una compañía de videojuegos y terminó convirtiéndose en una de las plataformas más utilizadas en entornos profesionales. A partir de ahí, repaso la evolución de estas herramientas, desde los primeros chats como MIRC, pasando por Discord, hasta llegar a las más integradas en la actualidad como Microsoft Teams o Google Chat.Mi objetivo no es hacer una lista de funciones, sino detenerme en cómo las usamos. Porque la inmediatez que ofrecen puede ser tanto una ventaja como un problema: lo que podría resolverse con un email bien escrito o una llamada rápida muchas veces se convierte en una avalancha de mensajes innecesarios.Comparto también mi punto de vista sobre la importancia de establecer acuerdos dentro del equipo: decidir juntos cómo y cuándo se van a usar estas herramientas, fijar horarios razonables y respetar los momentos de descanso. En mi experiencia, más allá de la herramienta en sí, lo que marca la diferencia es la claridad y el consenso en su uso.Espero que este episodio te ayude a pensar en cómo gestionas tus canales de comunicación en grupo, y que te aporte ideas para usarlos de forma más consciente y productiva.Si quieres comentar este tema con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp (horacio-ps.com/comunidad), o si prefieres, te puedes suscribir a la newsletter del podcast en horacio-ps.com/newsletter, donde comparto materiales extra que no aparecen en los episodios.

En este episodio hablamos de dos revoluciones que están transformando la forma de hacer ciencia: los agentes de inteligencia artificial y los laboratorios autónomos. Empezamos explicando qué son los agentes, cómo funcionan y en qué se diferencian del uso clásico de un chat como ChatGPT. A través de la metáfora de Matrix y los múltiples agentes Smith, vemos cómo estas piezas de software permiten dividir una tarea compleja en muchas partes pequeñas, que luego son orquestadas para dar un resultado mucho más completo y rápido.A continuación repasamos los grandes paradigmas que ha seguido la ciencia a lo largo de la historia: la ciencia empírica basada en la observación, la ciencia matemática de Newton y las leyes físicas, la ciencia computacional de mediados del siglo XX, el paradigma del Big Data y el Machine Learning en los años 2000, y finalmente el paradigma emergente de los laboratorios autónomos. Estos últimos automatizan todo el ciclo de hipótesis, testeo, análisis y conclusiones, de manera que el papel del humano empieza a ser más de supervisión que de ejecución directa.Después conectamos ambos conceptos. La verdadera revolución está en la intersección: no solo robots o algoritmos aislados, sino laboratorios autónomos que integran múltiples agentes de inteligencia artificial trabajando juntos para generar hipótesis, realizar experimentos y procesar información. Uno de los ejemplos más llamativos viene de un reciente paper de Google, que demuestra cómo estos sistemas no solo reproducen resultados conocidos, sino que también son capaces de proponer ideas nuevas que a muchos humanos ni se nos ocurrirían.El episodio termina con una reflexión: el futuro de la ciencia será cada vez más autónomo y orquestado por agentes. Estos cambios no llegarán de golpe, sino de manera gradual, casi imperceptible, como cuando un niño crece y solo quienes lo ven de año en año notan realmente la diferencia. Por eso la invitación final es clara: estés en el campo que estés, merece la pena investigar cómo los agentes y los laboratorios autónomos ya están entrando en tu área.Paper google: https://arxiv.org/abs/2502.18864Si quieres comentar este tema con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp (horacio-ps.com/comunidad), o si prefieres, te puedes suscribir a la newsletter del podcast en horacio-ps.com/newsletter, donde comparto materiales extra que no aparecen en los episodios.

Hoy nos preguntamos: ¿y si la lectura clásica de un problema termodinámico, atribuida a Einstein, no fuera correcta?. Conversamos con José María Martín-Olalla (Universidad de Sevilla) sobre su trabajo más reciente, donde argumenta que el llamado “tercer principio” —el teorema de Nernst— se deduce en realidad del segundo principio. Con un lenguaje claro y apoyándose en ideas de medición (cómo definimos el “cero” y la “unidad” de temperatura) y en el termómetro de Carnot como herramienta conceptual, el invitado defiende que, como indicaba Nernst, el cero absoluto es inaccesible sin necesidad de postular un principio independiente.La conversación recorre el trasfondo histórico de la discusión (Congresos Solvay, la influencia de Einstein, la confusión entre entropía en T→0 y la anulación de calores específicos) y aterriza en implicaciones prácticas para la docencia: unificar y simplificar la enseñanza de la termodinámica a bajas temperaturas, separando con nitidez el problema de la entropía del de los calores específicos. También hablamos de perseverancia investigadora, de cómo la docencia puede detonar “chispas” conceptuales y de por qué algunas ideas obvias en retrospectiva tardan décadas en cristalizar.Si quieres leer la publicación original, aquí tienes el artículo completo:https://link.springer.com/article/10.1140/epjp/s13360-025-06503-wPara saber más del invitado:Web personal: https://personal.us.es/olalla/Email: olalla@us.esSi quieres comentar este tema con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp (horacio-ps.com/comunidad), o si prefieres, te puedes suscribir a la newsletter del podcast en horacio-ps.com/newsletter, donde comparto materiales extra que no aparecen en los episodios.

Este episodio está hecho de varios micropodcasts: pequeñas cápsulas breves, independientes y sin conexión necesaria entre sí. Cada una funciona como un fragmento autónomo, una chispa de reflexión que aparece y desaparece sin aviso.No hay un patrón fijo ni una promesa de continuidad. Estos micropodcasts surgen de manera un tanto aleatoria, cuando la idea pide ser dicha de forma rápida y directa.En este episodio:

https://horacio-ps.com/comunidad

Este episodio está hecho de varios micropodcasts: pequeñas cápsulas breves, independientes y sin conexión necesaria entre sí. Cada una funciona como un fragmento autónomo, una chispa de reflexión que aparece y desaparece sin aviso.No hay un patrón fijo ni una promesa de continuidad. Estos micropodcasts surgen de manera un tanto aleatoria, cuando la idea pide ser dicha de forma rápida y directa.Como oyente, te invito a tomarlos como piezas dispersas de un mosaico en movimiento: puedes escucharlos seguidos, detenerte en uno solo, o volver a ellos cuando quieras. Lo interesante no es su orden, sino el modo en que resuenan contigo.Investígalo a tu manera.O con otros investigadores en: https://horacio-ps.com/comunidad

En este episodio reflexiono sobre algo que me pasa a menudo: hacer las cosas de una manera que para mí es obvia y natural, pero darme cuenta con el tiempo, al observar a otros, de que esa forma de hacerlo es mucho más eficiente de lo que pensaba. A partir de ahí, hablo de una idea que me parece muy útil: el trabajo en paralelo.Es un episodio empírico, basado en la experiencia, en cosas que he observado en mi día a día y que seguramente tú también has vivido. La idea principal es que, aunque no podamos hacer cien cosas al mismo tiempo como lo haría un ordenador, sí hay una forma de organizarse que se acerca a ese ideal y que puede ayudarnos a ahorrar muchísimo tiempo.Pongo varios ejemplos, desde cómo funcionan los teléfonos móviles hasta cómo estudiamos varias asignaturas en un curso académico. Y sobre todo, insisto en algo que creo que se olvida a menudo: muchas tareas no son completamente ejecutables de principio a fin, sino que tienen partes de espera. Si sabemos detectar esas partes y lanzarlas cuanto antes, podemos avanzar en paralelo con otras tareas mientras tanto, ganando en eficiencia sin agobiarnos.También comento que este episodio está grabado totalmente improvisado, sin escaleta, con la aplicación Segment Pod (https://horacio-ps.com/software/), que me permite grabar sobre la marcha de forma fluida. Y si te interesa que profundice más en temas relacionados con productividad, organización de tareas, prioridades o cuellos de botella, solo tienes que decírmelo.Si quieres comentar este tema con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp (horacio-ps.com/comunidad), o si prefieres, te puedes suscribir a la newsletter del podcast en horacio-ps.com/newsletter, donde comparto materiales extra que no aparecen en los episodios.Nos escuchamos en el próximo.

En este episodio hablamos con Hermenegildo García, investigador del Instituto de Tecnología Química (UPV-CSIC), líder del grupo HG energy, especialista en catálisis y materiales emergentes, y uno de los pocos científicos españoles que ha logrado una prestigiosa ERC Advanced Grant.Conversamos sobre su trayectoria investigadora, desde sus inicios en la ciencia hasta sus trabajos más recientes con los MXenes, una familia de materiales ultrafinos que están captando la atención de la comunidad científica por su enorme potencial… y sus enormes desafíos.¿Qué son los MXenes? ¿Por qué podrían cambiar la forma en que hacemos catálisis? ¿Y cómo se llega a liderar un proyecto europeo que te permite investigar en esa frontera del conocimiento? Hermenegildo nos cuenta todo eso, pero también comparte algo más personal: su forma de pensar la investigación, la importancia de la intuición, cómo se combina riesgo y método, y por qué sigue emocionándose con un nuevo experimento, incluso después de décadas de trabajo en el laboratorio.Si te interesa la ciencia como proceso creativo y como aventura de largo recorrido, este episodio te ofrece una visión privilegiada desde dentro.Temas tratados:– Qué es la catálisis y por qué está en casi todo lo que usamos– Qué son los MXenes y por qué entusiasman tanto a la comunidad científica– Cómo se plantea y se gana una ERC Advanced Grant– La dificultad (y el valor) de investigar en materiales inestables– Reflexiones sobre el oficio de investigar: intuición, errores, persistencia y descubrimientoEnlaces mencionados:– HG energy: https://hg-energy.eu/– Instituto de Tecnología Química (ITQ): https://itq.upv.es– Nota de prensa sobre el proyecto ERC DISCOVERY: https://www.upv.es/noticias-upv/noticia-14798-erc-advanced-g-en.html¿Quieres seguir hablando sobre este episodio?Únete a nuestra comunidad de investigadores en WhatsApp:

En este episodio grabado en directo durante el Iberian Plant Biology 2025, exploramos cómo la inteligencia artificial está transformando la investigación en biología vegetal. La mesa redonda “Artificial Intelligence: Role in Plant Biology” reúne tres perspectivas complementarias para entender cómo la IA puede ayudar a mejorar cultivos, descubrir nuevas moléculas bioactivas y diseñar herramientas más accesibles para el sector agrícola.

En este episodio reflexiono sobre algo que cada vez más investigadores nos planteamos: ¿cómo llevar al mercado una idea o resultado científico sin dejar de ser lo que somos? A raíz de un artículo que encontré en PLOS ONE (https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1002712) y de mi propia experiencia en transferencia tecnológica, comparto algunos puntos clave sobre lo que implica comercializar la investigación.De por qué comercializar ciencia no es tan diferente de vender zapatos… pero con matices importantes.De los dos caminos que pueden encontrarse: desde la ciencia al mercado, o desde un problema del mercado hacia una solución científica.De por qué crear una empresa no es obligatorio para transferir conocimiento (aunque a veces ayuda).De los distintos grados de implicación: desde ceder derechos a implicarse a fondo en el desarrollo de un producto.De las tensiones entre los mundos de la academia y la empresa, y la necesidad de construir puentes (legales, humanos y estratégicos).Lo que mueve la ciencia no es lo que mueve los negocios.La curiosidad intelectual y el beneficio económico tienen lógicas distintas. Si no lo tienes claro desde el principio, te puedes frustrar mucho.No hay un único camino hacia la comercialización.Cada caso es un mundo: licencias, spin-offs, acuerdos con empresas, servicios desde el grupo de investigación... Lo importante es conocer bien el terreno en el que te mueves.No basta con saber quién firmó el paper.La propiedad intelectual es clave. ¿Quién es el dueño real de esa idea? ¿Quién tiene derecho a explotarla? ¿Se ha firmado algo sin leer la letra pequeña?Cuidado con las colaboraciones industria-academia.A veces se firman acuerdos que impiden publicar, justo lo que más le interesa al investigador. No firmes nada sin entender las consecuencias.Decide desde el principio hasta dónde quieres llegar.¿Quieres olvidarte tras la primera publicación? ¿O participar activamente en la llegada al mercado? Ambas son opciones válidas, pero mejor aclararlo antes.Del laboratorio al mercado hay un largo desarrollo.La investigación básica no basta. Hay que pensar en escalado, legislación, distribución, viabilidad económica... y eso no lo hace cualquiera.El mercado puede no existir (todavía).Muchas veces, una gran idea no cuaja hasta que cambian las condiciones técnicas, sociales o culturales. Lo importante es saber esperar o adaptarse.Si nunca te has planteado la posibilidad de comercializar tu investigación, quizá este episodio te abra la mente.Y si ya lo has intentado pero no ha funcionado, quizás sea hora de cambiar la perspectiva: mirar el mercado primero, y luego investigar.¿Quieres seguir hablando de esto?Únete a nuestra comunidad de investigadores en WhatsApp:

¿Qué significa realmente entender a otra persona? ¿Hasta qué punto nuestras emociones se ven, se expresan o se esconden? ¿Y cómo podemos investigar algo tan escurridizo como la mente sin caer ni en tecnicismos vacíos ni en intuiciones vagas?En este episodio hablamos con Ángel María García Rodríguez, profesor de filosofía en la Universidad de Murcia, que lleva años investigando cuestiones relacionadas con la mente, el lenguaje, la expresión y la autoconciencia. No desde un enfoque exclusivamente académico ni encerrado en referencias eruditas, sino desde una actitud filosófica que busca seguir haciendo preguntas vivas, relevantes y en diálogo constante con quienes lo rodean.Lo interesante de esta conversación no es solo lo que se dice sobre la mente o sobre Wittgenstein, sino cómo Ángel plantea su forma de investigar. Hablamos de cómo una idea filosófica se prueba en el aula como si fuera un pequeño laboratorio mental, de por qué el lenguaje no solo describe lo que sentimos, sino que lo muestra. También de cómo se publica hoy en día en filosofía, de los criterios para evaluar un argumento, y de cómo se trabajan los experimentos mentales como herramientas propias de esta disciplina.Además, abordamos ejemplos concretos: qué son los avowals (expresiones como “me duele” o “te quiero”), por qué se parecen más a un gesto que a una información, y qué implicaciones tienen para entender la mente como algo que no está escondido en el interior, sino que se manifiesta. También hablamos de animales, de si piensan o no, y de cómo podemos aplicar el enfoque expresivista a esa pregunta.Una conversación para quienes se preguntan cómo se investiga en filosofía, qué tipo de problemas quedan abiertos y qué puede aportar esta disciplina en el mundo actual. Si alguna vez te ha parecido que en filosofía todo estaba ya pensado, o que la mente era un misterio reservado a los neurocientíficos, este episodio te va a desmontar algunas ideas y a abrir otras nuevas.Enlaces y referenciasLibros recientes de Ángel:The Expressive Self (2024): https://portalinvestigacion.um.es/documentos/67cea0426e765f0ccc69de21 El pensamiento de los animales (2023): https://portalinvestigacion.um.es/documentos/66674327f44d1159d56c31ec Página web: https://portalinvestigacion.um.es/investigadores/331555/detalle Además:Si quieres comentar este episodio, dejar tus ideas o debatir sobre este episodio, puedes hacerlo en las notas del episodio en Spotify, Apple Podcast, etc., o unirte a nuestra comunidad de investigadores en WhatsApp:https://horacio-ps.com/comunidadSi te interesa recibir contenido adicional, adelantos de próximos episodios o recursos complementarios, suscríbete a la newsletter del podcast:https://horacio-ps.com/newsletter

Después de varios programas dedicados a casos reales de transferencia tecnológica, este nuevo episodio profundiza en un ejemplo especialmente didáctico: el proceso que lleva una combinación farmacológica contra el cáncer de mama desde la fase preclínica hasta la antesala de los ensayos en humanos. La conversación revisa las decisiones estratégicas que han guiado el proyecto durante cuatro años: protección de la propiedad intelectual, búsqueda de financiación específica, validación de mercado y formación intensiva en modelos de negocio. Todo ello con el fin de mostrar, paso a paso, cómo la investigación académica puede transformarse en una solución con impacto social y viabilidad comercial.IDEAS CLAVE• El éxito en transferencia se mide en adopción y pacientes beneficiados, no en número de artículos publicados.• La patente debe estar cerrada antes de convocar a socios farmacéuticos; sin exclusividad, difícilmente invertirán en ensayos clínicos.• Herramientas como Business Model Canvas y la metodología Lean Startup permiten validar hipótesis de mercado con rapidez y bajo coste.• El pitch de tres minutos y cuatro diapositivas obliga a sintetizar la propuesta y captar la atención de inversores.• Equipos equilibrados —científico, transferencia, negocio— incrementan la probabilidad de éxito del proyecto.RECURSOS Y ENLACES MENCIONADOSLista oficial de proyectos PRIME 1-2024https://www.fnp.org.pl/assets/FENG-PRIME.02.06_Lista-projektów-wybranych-do-dofinasnowania-ENG.pdfPrograma PRIME de la Foundation for Polish Sciencehttps://www.fnp.org.pl/en/prime-program/Oxentia — formación y mentoreshttps://www.oxentia.com/Patente “Combinación terapéutica para cáncer de mama”Guía Business Model Canvashttps://www.strategyzer.com/canvas/business-model-canvasEQUIPO DEL PROYECTOMateusz Tomczyk – Scientific Leader, Silesian University of TechnologyMałgorzata Soja – Technology Transfer Lead, CITT @ SUTHoracio Pérez – Business Leader y presentador del podcastAGRADECIMIENTOSAgradecemos a la Fundación Séneca (Región de Murcia) y a la Foundation for Polish Science el respaldo financiero, y al equipo de Oxentia la formación recibida.Además:Si quieres comentar este episodio, dejar tus ideas o debatir sobre este episodio, puedes hacerlo en las notas del episodio en Spotify, Apple Podcast, etc., o unirte a nuestra comunidad de investigadores en WhatsApp:https://horacio-ps.com/comunidadSi te interesa recibir contenido adicional, adelantos de próximos episodios o recursos complementarios, suscríbete a la newsletter del podcast:https://horacio-ps.com/newsletter

Extracto de la entrevista que nos han hecho hoy en el programa "A golpe de bit en RNE3": https://www.linkedin.com/feed/update/urn:li:activity:7340400273451880448/https://www.linkedin.com/feed/update/urn:li:activity:7340351859225694209/Además:Si quieres comentar este episodio, dejar tus ideas o debatir sobre este episodio, puedes hacerlo en las notas del episodio en Spotify, Apple Podcast, etc., o unirte a nuestra comunidad de investigadores en WhatsApp:https://horacio-ps.com/comunidadSi te interesa recibir contenido adicional, adelantos de próximos episodios o recursos complementarios, suscríbete a la newsletter del podcast:https://horacio-ps.com/newsletter

¿Cómo se construye una empresa biotecnológica de impacto global desde Argentina? ¿Qué pasa con las enfermedades que no interesan al mercado? ¿Y cómo se hace investigación puntera con recursos limitados?En este episodio hablamos con Linus Spatz, cofundador de Inmunova, una startup argentina nacida de la investigación básica que ha desarrollado un tratamiento innovador para el síndrome urémico hemolítico, una enfermedad pediátrica grave y desatendida.Conversamos sobre: Las dificultades (y fortalezas) de hacer ciencia desde Latinoamérica. Cómo se convierte una idea académica en una empresa con ensayos clínicos en Europa. Qué tipo de alianzas, modelos de negocio y estrategias hacen falta para llegar a fase 3 clínica desde el sur del mundo.Temas destacados El recorrido personal de Linus desde la biología básica hasta la biotecnología aplicada. El nacimiento de Inmunova y su evolución como startup más que como spin-off. Cómo se desarrolló la plataforma de presentación de antígenos que dio origen al tratamiento. La historia del desarrollo de un suero inmunológico contra el COVID-19 en plena pandemia. La complejidad y los desafíos regulatorios de los ensayos clínicos en enfermedades raras. El papel clave de los inversores con conocimiento científico (como el Grupo Insud). Reflexiones sobre el ecosistema emprendedor actual comparado con el de principios de los 2000.Frases clave “Quería quedarme en Argentina, criar a mis hijos aquí y aportar desde la ciencia.” “Hay que tener resiliencia: no todas las historias felices lo son desde el principio.” “Las patentes no son solo protección, también son seguridad para los inversores.” “Hoy hay un ecosistema emprendedor mucho más preparado en Latinoamérica.” “Hacer ciencia también es dudar de uno mismo cada día.”Recomendaciones del invitado El cisne negro y Antifrágil, de Nassim Taleb Engañados por el azar, también de Taleb Armas, gérmenes y acero, de Jared Diamond Obras de Daniel Kahneman sobre psicología y economía Libros de Yuval Noah HarariEnlaces y recursos

En este episodio comparto una reflexión a partir de una frase que me marcó profundamente mientras leía "El almanaque de Naval Ravikant". No era un libro que me atrajera especialmente al principio, pero cinco años después de haberlo visto por primera vez, volví a él por casualidad tras escucharlo mencionado en un podcast. Esta vez lo leí con calma y me atrapó por completo.La frase que me hizo detenerme y pensar fue: “Redefinirte hasta ser el mejor en lo que haces.”A lo largo del episodio exploro qué puede significar esa idea. No se trata de fama, ni de competir con todo el mundo, sino de encontrar un encaje óptimo entre lo que eres, lo que sabes hacer y el valor que puedes aportar. Redefinirse no implica empezar desde cero, sino ajustar el enfoque, cambiar el marco mental, afinar lo que ya haces para convertirlo en algo realmente tuyo.Comparto también ejemplos reales que ilustran este proceso:- Una bioquímica que se convierte en divulgadora científica infantil. - Un músico que combina programación y composición para crear música en videojuegos. - Investigadores y figuras públicas como Francis Crick, Linus Pauling, Francis Mojica o Rosalía, que fueron capaces de cambiar de rumbo varias veces y redefinirse sin dejar de ser ellos mismos. Reflexiono además sobre cómo detectar si estamos en un momento de redefinición y qué señales pueden indicarlo: el estancamiento, la pérdida de interés, la repetición automática. Hablo de herramientas como el journaling, el feedback o simplemente detenernos a sentir si lo que estamos haciendo todavía tiene sentido para nosotros.También toco un tema que hemos tratado muchas veces en este podcast: cómo nuestras fortalezas únicas pueden marcar el camino, incluso cuando llevamos años en otra dirección. Porque a veces no se trata de aprender más, sino de reconocer lo que ya somos y afinarlo.Y como apunte final, aprovecho para comentar un cambio que quiero hacer en la intro del podcast, gracias a los comentarios que me habéis hecho llegar desde la comunidad de investigadores. Estoy trabajando en una nueva introducción musical, y si te apetece colaborar, eres bienvenido. Estoy reaprendiendo a usar Ableton Live, así que cualquier ayuda creativa será más que bienvenida.Por cierto, si te ha gustado el episodio, te agradecería muchísimo que lo valoraras con cinco estrellas en Spotify, iTunes o iVoox. Eso ayuda mucho a que el podcast llegue a más personas.Nos escuchamos en el próximo episodio. Sobre Naval Ravikant: https://nav.al/Más info y acceso a la comunidad: horacio.ps/comunidad

Hoy hablamos con Ángel Lucio Pereira, CEO de Tetraneuron, una startup biotecnológica española que está desarrollando una terapia génica pionera para el tratamiento del Alzheimer. Tetraneuron nace como una spin-off del Instituto Cajal (CSIC) y propone un enfoque radicalmente distinto a lo que se ha intentado en las últimas décadas para abordar esta enfermedad. Ángel nos cuenta su trayectoria internacional en empresas como Sanofi, Takeda o Johnson & Johnson, y cómo terminó liderando un proyecto tan disruptivo como Tetraneuron. A lo largo de la conversación, exploramos el origen de la empresa y el descubrimiento del gen maestro E2F4, implicado en la reactivación patológica del ciclo celular en neuronas adultas, lo que podría estar en el origen del proceso neurodegenerativo. Comentamos también por qué decidieron mantener un perfil bajo durante años mientras avanzaban en la validación científica del proyecto, y cómo han preparado el salto hacia la fase clínica con el apoyo de capital privado, ayudas públicas y colaboraciones estratégicas con expertos de alto nivel. La figura clave y padre ciéntifico de la teoría es el Dr. José María Frade, CSO de Tetraneuron e investigador en el Instituto Cajal (CSIC) y de los neurólogos Dr. Prof Álvaro Pascual-Leone, profesor en Harvard Medical School y Dr. Teodoro Del Ser Quijano que actualmente forma parte del consejo científico asesor de la empresa. Ángel explica en detalle cómo funciona su aproximación terapéutica basada en terapia génica, qué barreras técnicas y regulatorias han debido superar, y cuál es el potencial real de esta tecnología para revertir déficits cognitivos en pacientes con Alzheimer en fases moderadas o avanzadas. También reflexionamos sobre el panorama del emprendimiento biotecnológico en España, las dificultades para levantar financiación en este ámbito y la necesidad de construir proyectos con alcance global desde el principio. Si te interesa el cruce entre ciencia básica, transferencia tecnológica, negocio biotecnológico y salud global, este episodio te resultará especialmente revelador. Enlaces de interés: - Perfil de Ángel Lucio Pereira en LinkedIn:  https://www.linkedin.com/in/angel-lucio-3a00211a/  - Perfil de Jose María Frade en LinkedIn:  https://www.linkedin.com/in/jos%C3%A9-mar%C3%ADa-frade-9aa2a547/- Perfil de Tetraneuron en LinkedIn:  https://www.linkedin.com/company/tetraneuron- Sitio web de Tetraneuron: https://tetraneuron.com/en/ 

¿Es posible acelerar la investigación sin caer en los cuellos de botella tradicionales? ¿Cómo podemos imaginar modelos alternativos al grupo de investigación académico clásico?En este episodio reflexiono sobre formas no convencionales de colaboración científica, desde grandes consorcios internacionales hasta enfoques radicalmente abiertos y descentralizados.Contenidos principales del episodioEl modelo clásico de grupo académico autónomo y sus limitaciones.Colaboraciones entre varios grupos de investigación nacionales e internacionales.El caso Moonshot COVID como ejemplo de iniciativa abierta con participación de múltiples actores:https://postera.ai/moonshot-covid-19Problemas comunes: propiedad intelectual, falta de recursos, diferencias culturales, coordinación.Ciencia descentralizada y DAOs: cómo blockchain podría redistribuir propiedad intelectual e incentivos:https://es.wikipedia.org/wiki/Cadena_de_bloquesEjemplos exitosos de colaboración abierta:Linux: https://es.wikipedia.org/wiki/LinuxWikipedia: https://es.wikipedia.org/wiki/WikipediaEl modelo CERN y los papers con miles de autores en física de partículas:https://home.cern/Tres cosas para terminarSi quieres comentar este episodio, dejar tus ideas o debatir sobre estos modelos, puedes hacerlo en las notas del episodio en Spotify, Apple Podcast, etc., o unirte a nuestra comunidad de investigadores en WhatsApp:https://horacio-ps.com/comunidadSi te interesa recibir contenido adicional, adelantos de próximos episodios o recursos complementarios, suscríbete a la newsletter del podcast:https://horacio-ps.com/newsletterActualmente estoy impartiendo un curso gratuito sobre herramientas de inteligencia artificial para potenciar la investigación. Ya hemos hecho tres clases y pronto comenzamos la cuarta, centrada en cómo encontrar referencias útiles y aplicar herramientas en un caso real. Puedes unirte directamente desde aquí:https://docs.google.com/document/d/12eqtmDQxZTBI5gJFYErCNjZoyoMGUw1cbOBrndFSz-8/edit?tab=t.0#heading=h.iwm6ma31xd3Este episodio fue grabado en el coche, con reducción de ruido posterior. Si notas que la voz suena algo mecánica, ya sabes por qué. Aun así, espero que el contenido haya despertado tu curiosidad y te plantees nuevas preguntas sobre cómo colaborar mejor en ciencia.Nos escuchamos en el próximo episodio.

Espero que te haya gustado este episodio. Y si quieres discutirlo con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp:⁠⁠⁠⁠⁠⁠⁠⁠⁠https://chat.whatsapp.com/BIfSH9QFEiK9hiS83fw2am⁠ ⁠⁠⁠⁠⁠⁠o a la newsletter para recibir contenidos extras relacionados con el podcast: ⁠https://horacio-ps.com/newsletter⁠

Curso "Investigar con IA: pensar mejor, llegar más lejos"Aprende a pensar mejor, decidir con más datos, y convertir la inteligencia artificial en tu aliada diaria para investigar, escribir o simplemente entender el mundo con más claridad¿Quieres escribir mejor, investigar más rápido y tomar decisiones con más claridad usando inteligencia artificial?Este curso gratuito te enseña a aplicar herramientas de IA en distintas fases de cualquier proceso de investigación: desde la redacción de artículos, informes o tesis, hasta la preparación de propuestas, el análisis de información o la búsqueda de nuevas ideas.A lo largo de ocho sesiones prácticas, aprenderás a:Encontrar información valiosa de forma rápida y precisaSintetizar lecturas complejas en ideas claras y accionablesRedactar textos sólidos y bien estructurados con ayuda de la IADetectar oportunidades, conexiones y temas relevantesEvaluar y revisar tu trabajo con mayor rigor y confianzaCada clase combina teoría, práctica guiada en directo y resolución de dudas. Tendrás acceso a las grabaciones, materiales complementarios, ejercicios aplicables a tu propio proyecto, y una comunidad donde compartir avances y resolver preguntas.Tanto si eres investigador, estudiante, profesional autodidacta o simplemente una persona curiosa que quiere aprender a usar la inteligencia artificial para pensar mejor, este curso es para ti.Aquí puedes acceder al curso.:https://docs.google.com/document/d/12eqtmDQxZTBI5gJFYErCNjZoyoMGUw1cbOBrndFSz-8/edit?tab=t.0#heading=h.iwm6ma31xd3

Curso "Investigar con IA: pensar mejor, llegar más lejos"Aprende a pensar mejor, decidir con más datos, y convertir la inteligencia artificial en tu aliada diaria para investigar, escribir o simplemente entender el mundo con más claridad¿Quieres escribir mejor, investigar más rápido y tomar decisiones con más claridad usando inteligencia artificial?Este curso gratuito te enseña a aplicar herramientas de IA en distintas fases de cualquier proceso de investigación: desde la redacción de artículos, informes o tesis, hasta la preparación de propuestas, el análisis de información o la búsqueda de nuevas ideas.A lo largo de ocho sesiones prácticas, aprenderás a:Encontrar información valiosa de forma rápida y precisaSintetizar lecturas complejas en ideas claras y accionablesRedactar textos sólidos y bien estructurados con ayuda de la IADetectar oportunidades, conexiones y temas relevantesEvaluar y revisar tu trabajo con mayor rigor y confianzaCada clase combina teoría, práctica guiada en directo y resolución de dudas. Tendrás acceso a las grabaciones, materiales complementarios, ejercicios aplicables a tu propio proyecto, y una comunidad donde compartir avances y resolver preguntas.Tanto si eres investigador, estudiante, profesional autodidacta o simplemente una persona curiosa que quiere aprender a usar la inteligencia artificial para pensar mejor, este curso es para ti.Aquí puedes acceder al curso: https://docs.google.com/document/d/12eqtmDQxZTBI5gJFYErCNjZoyoMGUw1cbOBrndFSz-8/edit?tab=t.0#heading=h.iwm6ma31xd3

El título de este episodio está claro que no llama mucho la atención, pero no es realmente necesario.La atención está quizás sobrevalorada, y además existe únicamente desde la perspectiva del receptor.Pero desde el emisor, las cosas cambian, y quizás te preguntes cómo puede ser el realizar un ensayo improvisado en el formato podcast.Obviamente los dos lados deben de estar conectados, pero uno siempre se debe permitir el ser fiel a su motivación.Sería genial si este episodio corto te inspira a crear tu propio podcast

Hoy hablamos con Fernando Ortuño, divulgador científico, explorador de la estratósfera, productor de documentales y una de esas personas que logran que la ciencia suene cercana, emocionante y viva. También participa en la conversación Juan Carlos Martínez Alcázar, con quien exploramos temas en la frontera entre la ciencia, la divulgación y la gestión de proyectos.Durante la charla abordamos, entre otros temas:- Cómo se vive una misión científica desde dentro, como la campaña Sunrise II en colaboración con la NASA, cuyo objetivo era observar el Sol desde la estratósfera. Fernando nos cuenta cómo se estabiliza un telescopio suspendido por un globo a más de 35 kilómetros de altura, qué desafíos técnicos y logísticos tuvo esa campaña, y cómo entró en contacto con este proyecto a través de la divulgación, no de la vía académica tradicional.- Hablamos también del Proyecto Daedalus, una iniciativa que llevó experimentos científicos a la estratósfera desde un instituto, y cómo un grupo joven y multidisciplinar fue capaz de integrarse en colaboraciones de alto nivel científico. Aquí exploramos el papel del project management como herramienta clave para sacar adelante misiones complejas sin estructura formal.- Fernando comparte su experiencia en la producción de documentales científicos grabados desde la estratósfera, como "Into the Aurora", y reflexiona sobre el poder de la narrativa visual para transmitir ciencia desde la emoción y la belleza.- Además, discutimos la importancia de combinar conocimientos técnicos con habilidades organizativas, y cómo su perfil atípico —formado en ciencias del trabajo pero con vocación científica desde la infancia— le ha permitido liderar proyectos complejos, desde la jaula de Faraday que salvó un instrumento hasta la resolución de problemas en tiempo real.- También hablamos del cambio radical que ha experimentado la divulgación científica en la última década: del blog y la radio al algoritmo y el vídeo corto. Discutimos cómo plataformas como TikTok o Instagram pueden ser puertas de entrada a la vocación científica, pero también qué retos plantean en términos de profundidad, atención y comunicación real.En la parte final, repasamos el trabajo de la Asociación de Divulgación Científica de la Región de Murcia (ADCMurcia), de la que Fernando ha sido presidente durante varios años. Hablamos de cómo se organizan eventos, qué formatos funcionan hoy en día, y cómo ha cambiado la forma en que el público se entera —o no— de las actividades presenciales.Un episodio que se mueve entre la atmósfera y el espacio, entre la técnica y la emoción, entre el conocimiento científico y la necesidad de contarlo.Más información sobre Fernando Ortuño en su perfil público:https://linktr.ee/FerOrtunoMás sobre la Asociación de Divulgación Científica de Murcia:https://murciadivulga.comEspero que te haya gustado este episodio. Y si quieres discutirlo con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp:⁠⁠⁠⁠⁠⁠⁠⁠https://chat.whatsapp.com/BIfSH9QFEiK9hiS83fw2am⁠ ⁠⁠⁠⁠⁠o a la newsletter para recibir contenidos extras relacionados con el podcast: https://horacio-ps.com/newsletter

Hoy tengo el privilegio de conversar con la Dra. Angélica Anglés, una de las voces más fascinantes en el mundo de la astrobiología y la exploración planetaria. Su trayectoria es impresionante: desde sus estudios en ingeniería y ciencia planetaria, pasando por tres másteres y un doctorado en Hong Kong, hasta liderar investigaciones en ambientes extremos como el Tíbet, Islandia y Nueva Zelanda. Hablamos de cómo, desde muy pequeña, se obsesionó con la pregunta "¿estamos solos en el universo?" y de cómo esa curiosidad la ha llevado a investigar entornos que podrían parecerse a Marte.Nos cuenta en detalle sus experiencias en expediciones científicas a lugares aislados y extremos, y cómo analiza bacterias que sobreviven en condiciones casi imposibles. Exploramos también su faceta como astronauta análoga, con misiones tan intensas como una simulación en Escocia donde pasó varios días sin dormir, cargando un maniquí enfermo por terrenos salvajes, todo para estudiar la resistencia y la colaboración humana en condiciones extremas.También hablamos del papel de la Iceland Space Agency, sus proyectos con el Space Exploration Institute de Macao, y su reciente paso por la Agencia Espacial Europea. Además, charlamos sobre financiación científica, colaboración internacional y los retos personales y profesionales de llevar a cabo este tipo de investigaciones.Si alguna vez te has preguntado cómo se busca vida en Marte, qué se puede aprender de los desiertos más duros de la Tierra o qué implica preparar una misión simulada como astronauta, este episodio te va a fascinar.Podéis contactarla y encontrar más información sobre ella en su web: angelicaangles.com y en su Instagram angelica_anglesEspero que te haya gustado este episodio. Y si quieres discutirlo con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp:⁠⁠⁠⁠⁠⁠⁠https://chat.whatsapp.com/BIfSH9QFEiK9hiS83fw2am⁠ ⁠⁠⁠⁠⁠

En este episodio he querido reflexionar sobre algo que muchos de nosotros, quienes trabajamos en la elaboración de artículos científicos, conocemos bien: la sección de metodología. Tradicionalmente, esa parte del artículo recoge con todo detalle cómo se ha llevado a cabo una investigación, desde los materiales utilizados hasta los pasos seguidos para obtener los resultados. Es una parte clave para asegurar la reproducibilidad del trabajo y para dar transparencia al proceso científico.Pero me pregunto, en esta nueva etapa en la que la inteligencia artificial generativa empieza a formar parte habitual de nuestro flujo de trabajo, ¿qué hacemos con esa parte metodológica? ¿La estamos adaptando? ¿Deberíamos reflejar también cómo usamos herramientas como ChatGPT, por ejemplo, para reescribir, corregir o sintetizar partes del texto? Cada vez más revistas científicas están pidiendo que se incluyan los prompts o interacciones con estas herramientas, del mismo modo que en informática llevamos años compartiendo código fuente o datasets.El problema es que, en muchos casos, estas interacciones con inteligencia artificial no están organizadas ni documentadas. Son usos esporádicos, a veces dispersos, que no siempre quedan registrados. Esto puede suponer una carga de trabajo adicional si queremos luego reconstruir ese proceso para compartirlo. Pero también es una invitación a repensar cómo trabajamos y organizamos nuestra creatividad apoyada por IA.Me parece interesante imaginar un futuro próximo en el que existan sistemas automáticos que supervisen y documenten el uso que hacemos de estas herramientas. Algo así como un registro continuo de los pasos que seguimos, para que luego podamos explicar de forma precisa cómo se ha generado un determinado texto. Sería algo similar a lo que ya ocurre cuando se deposita el código en un repositorio junto con el artículo.Aun así, no podemos perder de vista lo esencial. Por ahora, seguimos siendo nosotros quienes decidimos qué queremos decir, qué camino tomar, cuál es la idea de fondo. Las herramientas nos ayudan a articularlo, a darle forma, a corregirlo o embellecerlo, pero la chispa inicial sigue viniendo de nosotros. Por eso me parece importante distinguir bien entre lo que la IA ha contribuido a generar y lo que hemos aportado como humanos.Puse como ejemplo un caso muy cotidiano: escribir un texto a mano en una libreta, en soledad, sin conexión digital. Después, llevar ese texto al ordenador mediante escaneo, reconocimiento de caracteres, corrección ortográfica, e incluso aplicar alguna herramienta que nos sugiera mejoras o nos ayude a reescribir. En ese proceso se mezclan muchas capas, y documentarlas todas puede ser complejo, pero también enriquecedor.Al final, creo que vale la pena preguntarse cuánto del proceso queremos hacer visible y qué valor tiene esa visibilidad. Más allá de la transparencia científica, hay también una dimensión estética. Hay autores que no se centran solo en la obra terminada, sino que encuentran belleza en mostrar cómo se ha llegado hasta ella. Y creo que esto abre puertas muy sugerentes, tanto en el ámbito del arte como en el de la divulgación.Por cierto, este episodio lo he grabado directamente desde el móvil, sin micrófono externo, así que es posible que notéis algo de ruido. Pero me pareció coherente dejarlo así, como una muestra más del proceso tal cual es, sin retoques. Si os apetece seguir conversando sobre este tema, podéis uniros a nuestra comunidad en WhatsApp a través de la web:https://horacio-ps.com/comunidadPD: estas notas del programa las he creado a través de la transcripción del audio del episodio y mediante el uso de ChatGPT y 3 interacciones con prompts y ediciones menores.PD2: https://x.com/horacio_ps/status/1904421075435356549

En este episodio hablo de algo que hacía tiempo que no tocaba en el podcast: la programación. En concreto, comento cómo me he reencontrado con el código gracias a las nuevas herramientas de inteligencia artificial generativa, que permiten crear aplicaciones complejas a partir de simples instrucciones en lenguaje natural.Comparto mi experiencia reciente utilizando Lovable, una de estas plataformas, para generar aplicaciones web completas sin apenas escribir código. Cuento cómo construí dos apps: una para transcribir audios y generar esquemas a partir de ellos, y otra para generar exámenes tipo test a partir de capturas de libros, pensada para mis hijos. Explico los puntos fuertes y también las muchas limitaciones que he encontrado, sobre todo cuando se trata de hacer algo más allá de lo muy básico.Además, desarrollo una idea más teórica: la posibilidad de combinar programación evolutiva con modelos de lenguaje para automatizar la generación de software de manera no interactiva, como si fueran versiones de código que van evolucionando a través de filtros y evaluaciones automáticas.Termino hablando del curso gratuito que tengo activo sobre herramientas de inteligencia artificial para investigación, que ya ha comenzado pero al que todavía te puedes apuntar si te interesa, tienes el enlace en las notas del programa del episodio anterior.Si te apetece probar alguna de las aplicaciones que he mencionado, puedes escribirme y te paso el enlace.Además, te invito a unirte a nuestra comunidad gratuita de investigadores en WhatsApp:⁠⁠⁠⁠⁠⁠⁠https://chat.whatsapp.com/BIfSH9QFEiK9hiS83fw2am⁠ ⁠⁠⁠⁠⁠⁠donde podrás interactuar con otros investigadores y compartir tus opiniones sobre el tema de este episodio. Me encantaría saber qué piensas y recibir tus comentarios para seguir mejorando.Gracias por escuchar y nos vemos en el próximo episodio.

Aquí puedes acceder al curso:https://docs.google.com/document/d/12eqtmDQxZTBI5gJFYErCNjZoyoMGUw1cbOBrndFSz-8/edit?usp=sharing

Formulario de registro para el curso: https://forms.gle/Yy58zByGZgSQXT3b9

Hoy exploramos un tema que cada vez genera más debate en la academia y la investigación: ¿Las herramientas de inteligencia artificial han alcanzado un punto en el que realmente aportan valor o seguimos en una fase experimental?Para abordar esta cuestión, contamos con la participación de varios expertos que han estado probando diferentes herramientas de IA en sus áreas de trabajo. Nos acompañan Rosario Gámez Sánchez, bibliotecaria de Universidad Privada y asesora en procesos de acreditación y publicación, quien se centra en "Necesidades de investigadores en herramientas IA". Javier González Iglesias, cirujano ortopédico y traumatólogo deportivo, doctor en Medicina, que presenta "Estrategias de formación en IA", entre muchos otros temas. Alejandro S. Ghersin, del CONICET-ITBA, aporta su experiencia en el uso de IA en investigación. Archibaldo Bravo comparte su visión sobre la automatización en la investigación, mientras que Eva Sayba reflexiona sobre la accesibilidad y ética de la IA en el ámbito académico.Durante la conversación exploramos ejemplos concretos en los que la IA ha facilitado tareas repetitivas o tediosas en la investigación, así como casos en los que aún no está a la altura de las expectativas y sigue generando errores o resultados poco confiables. También discutimos el impacto en la escritura académica, cuestionándonos si la IA realmente ayuda a mejorar la claridad de los textos o simplemente introduce más ruido. Además, abordamos cuestiones epistemológicas y cómo cambia la forma en que pensamos la investigación cuando dependemos de herramientas que automatizan ciertos procesos.Al final del episodio, reflexionamos sobre hacia dónde nos dirigimos. ¿Estamos ante un cambio de paradigma en la investigación o simplemente ante una moda pasajera? ¿Cómo podemos aprovechar la IA sin caer en sus trampas?Como siempre, espero vuestros comentarios y experiencias con estas herramientas. ¿Las habéis utilizado en vuestra investigación? ¿Os han facilitado la vida o añadido más problemas?Si os ha gustado el episodio, no olvidéis compartirlo y dejar vuestra opinión en la plataforma donde lo escucháis. Además, te invitamos a unirte a nuestra comunidad gratuita de investigadores en WhatsApp:⁠⁠⁠⁠⁠⁠⁠https://chat.whatsapp.com/BIfSH9QFEiK9hiS83fw2am⁠ ⁠⁠⁠⁠⁠⁠donde podrás interactuar con otros investigadores y compartir tus opiniones sobre el tema de este episodio. Nos encantaría saber qué piensas y recibir tus comentarios para seguir mejorando.Gracias por escuchar y nos vemos en el próximo episodio.

Este episodio ha sido grabado por IAcademia (https://www.iacademia.es/). En esta entrevista que me ha hecho Eva Pérez, comparto una conversación sobre el impacto de la inteligencia artificial y la bioinformática en la investigación y la atención sanitaria. Hablamos sobre cómo estas tecnologías disruptivas están revolucionando la forma en que predecimos fenómenos biológicos y analizamos datos médicos para mejorar los tratamientos y optimizar la toma de decisiones.Uno de los temas centrales ha sido la capacidad de la inteligencia artificial para predecir fenómenos biológicos y analizar datos sanitarios. Explico cómo la bioinformática y la supercomputación permiten desarrollar modelos que ayudan a predecir la evolución de enfermedades, diseñar nuevos fármacos y mejorar la gestión hospitalaria. También profundizo en un proyecto innovador que busca predecir la probabilidad de recaídas en pacientes atendidos en urgencias, una herramienta que puede transformar la eficiencia del sistema sanitario.Otro punto clave de la conversación ha sido la importancia de la investigación interdisciplinaria. La colaboración entre profesionales de distintas áreas es esencial para abordar los desafíos actuales en biomedicina. Además, exploramos el potencial de la computación cuántica en la investigación de salud y los retos que plantea la implementación de modelos de inteligencia artificial explicables y regulados dentro del sector.Entre los proyectos mencionados en este episodio destacan el modelo de IA explicable para predecir recaídas en urgencias (episodio 331 del podcast), el proyecto europeo sobre cáncer colorrectal que utiliza inteligencia artificial para mejorar tratamientos (https://www.revert-project.eu/) y la herramienta OBE-DB (https://bio-hpc.ucam.edu/obe-db/), diseñada para evaluar el potencial terapéutico de compuestos en el tratamiento de la obesidad.Si te ha interesado, y quieres comentar sobre el episodio, te invito a unirte a nuestra comunidad gratuita en WhatsApp:⁠⁠⁠⁠⁠⁠⁠https://chat.whatsapp.com/BIfSH9QFEiK9hiS83fw2am⁠ ⁠⁠⁠⁠⁠⁠donde podrás interactuar con otros investigadores y compartir tus opiniones sobre el tema de este episodio. Nos encantaría saber qué piensas y recibir tus comentarios para seguir mejorando.Gracias por escuchar y nos vemos en el próximo episodio.

Hoy te hablo de cómo han cambiado las herramientas para seguir la literatura en investigación. Pero no solo seguirla, sino también procesarla. Y antes de entrar en detalle, te cuento una historia de viejos (porque a veces toca).En 2001, cuando quería leer un artículo científico, tenía que ir a la hemeroteca, buscar el journal en papel, localizar el volumen correcto, sacar varios tomos en un carrito y fotocopiarlos. Ahora, con un móvil, lo tenemos todo en segundos. Pero esa evolución no solo ha sido cuestión de acceso: ha cambiado la forma en que decidimos qué leer y cómo procesamos lo que leemos.De 2004 a 2023, Google Scholar, Web of Science y Scopus dominaron la búsqueda de artículos. La gran revolución llegó con la inteligencia artificial generativa, y aquí entra en escena SciSpace.¿Qué hace esta herramienta? Tres cosas clave:Búsqueda semántica, mucho más potente que los buscadores clásicos. No se limita a palabras clave exactas, sino que entiende el significado detrás de la consulta.Resúmenes automáticos de cada paper, destacando lo esencial en segundos.Interacción con los papers, permitiéndote hacer preguntas sobre ellos y recibir respuestas en lenguaje natural.El impacto de esto no es solo práctico, sino también filosófico. ¿Estamos investigando mejor o solo produciendo más ruido? Antes profundizábamos en unos pocos artículos; ahora acumulamos cientos en Zotero sin leerlos. ¿Nos ayuda este mar de información o nos ahoga?Reflexiono sobre estas preguntas en el episodio. Y si quieres discutirlo conmigo y con otros investigadores, puedes unirte a nuestra comunidad en WhatsApp:⁠⁠⁠⁠⁠⁠https://chat.whatsapp.com/BIfSH9QFEiK9hiS83fw2am⁠ ⁠⁠⁠⁠⁠Que tengas un buen día, y recuerda: si estas herramientas te ahorran tiempo, úsalo bien. Sal a dar un paseo.