🧠 #14: Proyecto Manhattan 2, trampitas de Deloitte (otra vez) y el adiós de Yann LeCun

¡Hola prompters! 4 de Diciembre. Newsletter #14. Primera entrega del último mes del último año del primer cuarto de siglo. ¿Qué ha pasado esta semana en la IA? Si la semana pasada eran todo noticias sobre nuevos modelos y lanzamientos de las Big Tech, esta semana tenemos un poco de todo: análisis geopolítico, comedia de consultora y drama científico.

Por un lado, el Gobierno de EE.UU. ha decidido que la IA es demasiado importante para dejársela solo a Silicon Valley. Por otro, la vieja guardia corporativa (Deloitte) nos recuerda los peligros de usar estas herramientas sin entenderlas.

Y en medio de todo esto, una despedida histórica. Yann LeCun, uno de los padres del Deep Learning, ha decidido que después de más de una década en Meta, ya es hora de empezar su propia aventura…

>>> Tres noticias destacadas

🧪 Misión Génesis: Trump lanza el “Proyecto Manhattan” de la IA para la ciencia
🤡 Deloitte lo vuelve a hacer: Pillados inventándose referencias en informes con IA (y cobrando bastante por ello)
👋 Au revoir, Meta: Yann LeCun deja a Zuckerberg para montar su propia startup

>>> HistorIAs de la IA
👤 Quién es quién 👤: Yann LeCun. Aprovechando la noticia de su salida de Meta, hablaremos de quién es Yann LeCun. El padrino rebelde que reniega de ChatGPT y busca la “verdadera” inteligencia.

>>> El MetaPrompt
🍌 Experto en Bananas: Los 7 consejos oficiales de Google para exprimir Nano Banana Pro. Que no todo es crear memes con la aplicación de generación de imágenes de moda

Y para la canción de la semana, con tanto LeCun, no ha entrado un poco de espíritu francés. Esta semana tenemos una canción inspirada en el French indie pop, muy al estilo Phoenix. La banda de Versailles, no la ciudad de EEUU.

Hoy, en un nuevo episodio de “😱 La IA va a sustituir a… 😱 ” traemos a la comunidad científica.

El pasado 24 de noviembre, Trump firmó una orden ejecutiva que lanza Genesis Mission (o Misión Génesis), una iniciativa para aplicar IA a la investigación científica federal. El documento oficial la compara explícitamente con el Proyecto Manhattan y dice que busca "un esfuerzo nacional histórico, comparable en urgencia y ambición al Proyecto Manhattan”, el programa nuclear de la Segunda Guerra Mundial.

En la práctica, la orden crea la "American Science and Security Platform", que conectará las supercomputadoras de los 17 laboratorios nacionales del Departamento de Energía (DOE) con datasets científicos federales. El objetivo declarado es entrenar modelos fundacionales científicos y crear agentes de IA para automatizar investigación en áreas como fusión nuclear, semiconductores, materiales avanzados y biotecnología.

La iniciativa tiene tres elementos concretos. Primero, integrar recursos de computación federal en una plataforma unificada. Segundo, digitalizar y estandarizar datasets de investigación federal para entrenar modelos específicos de cada dominio científico. Tercero, conectar laboratorios robóticos del DOE para permitir experimentación dirigida por IA.

El Departamento de Energía tiene 90 días para identificar recursos computacionales disponibles, 120 días para definir qué datos y modelos iniciales usar, y 270 días para demostrar una capacidad operativa inicial en al menos uno de los 20 retos científicos que deberá identificar en 60 días, en campos como la ingeniería de materiales, fusión y fisión nuclear, biotecnología, microelectrónica....

La narrativa política es clara: competir con China. La orden menciona explícitamente que Estados Unidos está "en una carrera por el dominio tecnológico global en el desarrollo de IA". Pero dejando a un lado la retórica política, el movimiento es técnicamente relevante por el cambio de estrategia que implica. Hasta ahora, el desarrollo de la IA en EEUU estaba liderado casi exclusivamente por el sector privado (Google, OpenAI, Meta, xAI). Pero con esta Misión Génesis, quieren posicionarse y tomar las riendas en lo que consideran no ya una competencia entre compañías sino un tema de seguridad nacional y supremacía científica estatal.

Lo interesante no es solo qué promete (que es mucho), sino qué no dice. No especifica presupuesto. No detalla cómo resolverá los conflictos entre laboratorios con culturas y prioridades distintas. No aclara cómo manejará la propiedad intelectual cuando colabore con empresas privadas. Y no explica cómo evitará que esto se convierta en otro megaproyecto federal que consume recursos sin entregar resultados.

Suena ambicioso. Veremos si dentro de dos años esto es un caso de estudio de innovación pública o simplemente una orden ejecutiva más, pero viniéndose arriba con las comparaciones con el Proyecto Manhattan.

Si Deloitte fuera un estudiante universitario, ya estaría expulsado. De hecho, si Deloitte fuera un becario de la propia Deloitte, Deloitte ya habría echado a Deloitte de Deloitte. Dos veces en un año ha sido pillada entregando informes con citas inventadas por IA. La última vez fue hace unos días, cuando el gobierno de Columbia Británica (Canadá) pagó más de un millón de dólares por un informe sobre servicios públicos que incluía referencias completamente falsas.

No es la primera vez. En febrero, Deloitte Australia ya tuvo que disculparse por un informe similar con citas fabricadas por el que cobró casi 300.000$. Y ahora en Canadá, lo mismo: referencias y colaboraciones entre autores que nunca existieron, papers inventados, estudios fantasma. Todo generado por una IA a la que alguien le pidió que añadiera "fuentes académicas" sin molestarse en verificar si existían.

La respuesta de Deloitte ha sido la predecible: "Estamos investigando internamente, tomaremos medidas correctivas, bla bla bla". Pero también ha sido tranquilizador. Desde Deloitte Canadá aseguran que solo usaron la IA para aportar algunas referencias, y para nada más. Vaya, justo donde les han pillado porque son alucinaciones demostrables, qué mala suerte…

Y lo peor es que no tenía por qué pasar. Existen maneras para verificar citas, sistemas para detectar referencias falsas, que pasan desde otras herramientas basadas en IA que hacen la verificación hasta usar los propios ojos y que alguien se lea el informe. Pero cuando tienes un contrato millonario y una fecha límite apretada, parece que es más fácil confiar ciegamente en la IA y cruzar los dedos. Spoiler: no funciona.

La lección para el resto de nosotros es clara: la IA es una herramienta increíblemente útil, pero si la usas como si fuera mágica y nunca falla, acabarás haciendo el ridículo. O peor, estafando a tu cliente sin darte cuenta.

Aquí el informe de más de 500 páginas de Deloitte con el que puedes hacer lo mismo que hicieron sus creadores: no leértelo.

Y ahora la noticia que ha sorprendido a medio Silicon Valley, aunque en las últimas semanas se había convertido en un secreto a voces: Yann LeCun, científico jefe de IA de Meta (Chief AI Scientist) y uno de los tres "Padrinos de la IA" (junto a Geoffrey Hinton y Yoshua Bengio), ha confirmado en LinkedIn que deja la compañía de Mark Zuckerberg para lanzar su propia startup.

Durante más de una década en Meta, LeCun lideró FAIR (Facebook AI Research), uno de los laboratorios de IA más influyentes del mundo, y según el, su mayor logro no técnico. Bajo su dirección, Meta desarrolló PyTorch (una de las librerías de IA más usadas del planeta), contribuyó enormemente al open source de IA, y creó modelos como LLama que han democratizado el acceso a la tecnología.

Pero ahora, a sus 64 años, ha decidido que es momento de emprender. Aún no ha dado muchos detalles sobre en qué trabajará su nueva startup, pero sí ha dicho que se va para continuar aquello en lo que más ha trabajado en los últimos años, la “Advanced Machine Intelligence”. Él siempre ha defendido enfoques alternativos al mainstream, como el aprendizaje por refuerzo basado en modelos del mundo (world models), como el que llamó “Joint Embedding Predictive Architecture” o JEPA), con modelos con arquitecturas no-transformer que puedan razonar, pero también entender la realidad que les rodea, no solo el lenguaje.

Nadie conoce muy bien la razón por la que abandona Meta justo ahora, Algunos especulan que quiere más libertad para explorar ideas que dentro de Meta serían demasiado arriesgadas. Otros creen que simplemente quiere construir algo propio antes de retirarse. Y otros, que la llegada de Alexander Wang (de quien ya hablamos en el segundo post de esta newsletter) ha acelerado su decisión de buscar nuevos aires.

Sea como sea, la salida de LeCun marca el fin de una era en Meta. Y el inicio de lo que seguramente será un proyecto fascinante que seguiremos aquí de cerca.

Yann LeCun nació en 1960 en las afueras de París. Estudió ingeniería en la École Supérieure d'Ingénieurs en Électrotechnique et Électronique, y se doctoró en 1987 con una tesis sobre... redes neuronales. Sí, en pleno "invierno de la IA", cuando nadie creía en ellas y la comunidad científica las consideraba una moda pasada, LeCun pensó que era una buena idea hacer una tesis sobre esa tecnología.

Su gran aportación fue desarrollar las Redes Neuronales Convolucionales (CNN) en 1989. ¿Qué son? Una arquitectura inspirada en cómo funciona la corteza visual del cerebro, diseñada específicamente para procesar imágenes. Quizás no te suene el nombre, pero las usas cada día. Si tu móvil se desbloquea con tu cara, si Google Fotos sabe que en esa imagen sale tu perro, o si un Tesla detecta un semáforo, es gracias a la arquitectura que LeCun diseñó. Su modelo LeNet-5, creado en los años 90 mientras trabajaba en los Bell Labs, fue el primer sistema que pudo leer dígitos manuscritos con precisión. Los bancos lo usaron durante años para procesar cheques automáticamente. En el vídeo de abajo verás a un joven LeCun, en el 89, probando su invento en un ordenador de la época.

Pero entonces llegó otro invierno de la IA. A principios de los 2000, los expertos decían que las redes neuronales no servían para nada serio y volvieron a caer en desgracia. Otros métodos (como las SVM, support vector machines) parecían funcionar mejor con menos datos. La comunidad académica perdió el interés. Pero LeCun no se rindió. LeCun, junto a sus amigos Geoffrey Hinton y Yoshua Bengio, formó la "Conspiración del Deep Learning": siguieron investigando cuando nadie les daba financiación.

El tiempo les dio la razón. En 2012, Geoffrey Hinton y su equipo (Alex Krizhevsky e Ilya Sutskever, de los que hablaremos en futuras ediciones del Prompt) ganaron el concurso ImageNet usando una red neuronal profunda. De repente, las CNN de LeCun pasaron de ser "esa cosa antigua" a ser la base de toda la visión por computador moderna. Google, Facebook, Microsoft... todos empezaron a contratar expertos en deep learning. La revolución había empezado.

En 2013, Mark Zuckerberg fichó a LeCun para crear y liderar FAIR, el laboratorio de IA de Facebook (ahora Meta). LeCun aceptó con una condición: libertad total para investigar y publicar en abierto. Y cumplió: FAIR se convirtió en uno de los laboratorios más prolíficos del mundo, publicando cientos de papers al año y liberando herramientas como PyTorch, casi nada.

¿Por qué es tan polémico hoy?
Porque LeCun no se calla: tiene opiniones fuertes y no le da miedo expresarlas. Odia el hype; es la antítesis de Sam Altman. LeCun cree que los modelos actuales (ChatGPT, Gemini, Claude) son inferiores a la inteligencia de un gato. Sostiene que son "loros estocásticos": memorizan patrones de texto, pero no tienen sentido común ni entienden la física del mundo. También ha criticado duramente a quienes exageran los riesgos de la IA (llamándolos "doomers"). Ha defendido públicamente el open source cuando otros pedían regulación estricta. Y ha apostado por enfoques técnicos que van contra la corriente, como los "world models" o “Modelos de mundo” (de los que ya hablamos en la entrega #11, cuando hablamos de Fei Fei Li y su Marble) frente a los transformers que todos usan.

En 2018, ganó el Premio Turing junto con Hinton y Bengio. En su discurso de aceptación, LeCun recordó los años en que nadie creía en su trabajo. "La lección", dijo, "es que hay que ser terco. Si crees en algo, sigue adelante aunque el mundo entero te diga que estás equivocado. Pero también debes estar dispuesto a cambiar de opinión si la evidencia lo exige".

Ahora, a sus 65 años, LeCun vuelve a la casilla de salida. Deja la comodidad de una Big Tech para montar una startup y demostrar (otra vez) que el resto del mundo está equivocado y él tiene razón. Y viendo su historial, yo no apostaría en su contra.

La semana pasada hablamos de Nano Banana Pro, el nuevo modelo de Google para generar imágenes. Hoy os traigo algunos de los trucos y consejos, Google ha publicado en un post oficial para sacarle partido. Aquí va un resumen:

Los fundamentos: qué incluir siempre en tu prompt

Google dice que para resultados profesionales, tu prompt debería tener estos elementos: sujeto (quién o qué aparece, sé específico: "un robot barista estoico con ópticas azules brillantes"), composición (cómo está encuadrado: plano general, cenital, ángulo bajo), acción (qué está pasando: "preparando café", "lanzando un hechizo"), ubicación (dónde ocurre: "un café futurista en Marte", "una biblioteca de alquimista desordenada"), y estilo (la estética general: animación 3D, fotorrealista, acuarela, fotografía de producto de los 90).

Si estás editando una imagen existente, sé directo y específico: "cambia la corbata del hombre a verde", "elimina el coche del fondo".

Refinando los detalles técnicos

Los prompts simples funcionan, pero para resultados profesionales necesitas ser más específico. Puedes definir el formato y aspecto ratio ("un póster vertical 9:16", "un plano cinematográfico 21:9"), especificar detalles de cámara e iluminación como si fueras un director de fotografía ("plano en ángulo bajo con poca profundidad de campo f/1.8", "luz de hora dorada creando sombras largas", "gradación de color cinematográfica con tonos verde azulado apagados"), y ser claro con el texto que debe aparecer ("el titular 'EXPLORADOR URBANO' en negrita, fuente sans-serif blanca, arriba").

Para diagramas, especifica la necesidad de precisión ("un diagrama de corte transversal científicamente preciso", "asegura precisión histórica para la época victoriana"). Y cuando subas imágenes de referencia, define claramente el rol de cada una: "Usa la Imagen A para la pose del personaje, la Imagen B para el estilo artístico, y la Imagen C para el entorno del fondo".

Las 7 técnicas que destacan

Google lista siete casos de uso específicos donde Nano Banana Pro destaca:

Y un consejo extra, que no es de Google pero te ayudará:

Si no sabes qué prompt quieres, vete a Gemini 3 Pro, o tu chatbot de confianza, y explícale qué quieres en lenguaje natural. Dale datos, explicaciones, diagramas, lo que se te ocurra. Y pide que haga un prompt para que Nano Banan Pro genere la imagen. Y si le adjuntas la url de los consejos, mejor porque así los tendrá en cuenta.

He aplicado algunos de los consejos de arriba para hacer una imagen de un apasionado científico trabajando. Quería una foto digna de Linkedin donde apareciese en una sala de control de una Resonancia magnética. Para que se pareciese la persona generada a la del modelo, le di una foto suya de unas vacaciones de hace unos años, una foto del escáner que quería que se viera dentro, y un esquema pintado en paint en 10 segundos de cómo quería que se viera. Y fui a Gemini, con estas tres imágenes, a pedirl eun prompt para generar la creación con NanoBanana. Aquí verás la imagen que creó, y más abajo, el prompt que me dio Gemini y que utilicé. No está mal para un primer intento en 30 segundos.

Limitaciones actuales (que ellos mismos admiten)

Google es honesto sobre lo que aún no funciona bien: el renderizado de texto muy pequeño, detalles finos y ortografía pueden fallar. Siempre verifica la precisión factual de diagramas e infografías (puede inventarse datos). La generación de texto multilingüe puede cometer errores gramaticales o perder matices culturales. Las ediciones complejas como mezclas o cambios de iluminación pueden producir artefactos no naturales. Y aunque suele ser confiable, la consistencia de personajes puede variar entre ediciones.

La conclusión práctica: empieza con prompts simples y ve añadiendo detalles técnicos hasta que consigas lo que buscas. Y si creas un diagrama o infografía, verifica siempre que los datos sean correctos porque el modelo no distingue entre datos reales e inventados. O mejor, pídele a Gemini, o ChatGPT, o Claude, que haga el prompt por ti, con estas reglas.

Ha sido una semana de contrastes. Trump nos recuerda que la IA es una cuestión de estado, Deloitte nos recuerda que la estupidez humana no tiene límites (ni con IA), y LeCun nos recuerda que, a veces, para avanzar hay que ir a contracorriente.

Nosotros nos conformamos con seguir aprendiendo cada semana. Por ejemplo, trasteando con Nano Banana.

Como siempre, recuerda que puedes puntuar el post y comentar después, por si quieres dar ideas, quejas, sugerencias, peticiones… ¡Nos vemos el jueves que viene!🤓 .

🧠 🧠 🧠 🧠 🧠 ¡Alimento para la mente!
🧠 🧠 🧠 Tienes que pensarlo mejor
🧠 Han faltado neuronas

Y si quieres que tus amigos o familiares estén tan al día de la IA como tú, ¡puedes compartirles esta newsletter o mi blog sobre IA! Uno con contenido de actualidad, y otro con artículos más elaborados, que te ayudarán a entender la IA desde otro punto de vista.