Categoría: Sin categoría

La inteligencia artificial puede resolver un problema matemático, resumir un capítulo o redactar un trabajo en cuestión de segundos, una capacidad que para millones de estudiantes se ha convertido en una ayuda cotidiana, pero que también está generando una pregunta cada vez más difícil para profesores y familias: qué ocurre cuando la herramienta deja de acompañar el aprendizaje y empieza directamente a pensar en lugar del alumno.

Una investigación realizada con miles de estudiantes acaba de poner cifras a esa preocupación y muestra una contradicción llamativa. Los alumnos que recurrían habitualmente a modelos de IA conseguían mejores resultados en sus deberes y necesitaban menos tiempo para completarlos, pero cuando llegaba el momento de enfrentarse a un examen sin acceso a estas herramientas, su rendimiento caía de forma considerable.

Mejores deberes, pero peores resultados cuando desaparece la IA

Los investigadores David Stromberg, Victor Lei y Wu Yanhui siguieron durante 30 meses a unos 27.000 estudiantes chinos de entre 12 y 18 años, analizando sus calificaciones, el tiempo que dedicaban al estudio y los resultados obtenidos tanto en pruebas escolares como en exámenes externos.

Aproximadamente el 80% de los participantes reconoció utilizar herramientas como Doubao o DeepSeek, y después de seis meses los estudiantes que empleaban inteligencia artificial habían mejorado en torno a un 18% sus notas medias en los deberes frente a quienes no recurrían a estos sistemas.

Sin embargo, esa ventaja desaparecía cuando tenían que trabajar sin ayuda tecnológica. En los exámenes, los mismos alumnos que sacaban mejores notas en casa obtenían resultados aproximadamente un 20% inferiores, lo que sugiere que parte de la mejora conseguida con IA no se estaba traduciendo en conocimientos realmente incorporados.

Menos tiempo de estudio y una brecha que aumenta con los meses

El estudio también detectó que el uso de estas herramientas modificaba los hábitos de los estudiantes. Antes de apoyarse en la IA, dedicaban alrededor de 64 minutos diarios a realizar tareas en casa, mientras que posteriormente ese tiempo descendía hasta unos 45 minutos.

La pérdida de aprendizaje, además, no aparecía inmediatamente, sino que se hacía más evidente a medida que pasaban los meses. En las evaluaciones finales de secundaria la caída rondaba el 18%, mientras que en las pruebas de acceso a la universidad podía alcanzar el 24%.

Las diferencias también variaban según la asignatura. Las mayores pérdidas aparecían en ciencias sociales, con alrededor del 27%, seguidas de las disciplinas STEM, con un 22%. En inglés el descenso se situaba cerca del 17% y en chino alrededor del 9%.

⚡️The durability of knowledge is a function of cognitive friction.

A new paper on the «Generative AI Learning Penalty» offers empirical evidence for an idea I’ve been exploring for some time. What happens when AI removes too much of the cognitive work, it may also weaken the…

— John Nosta (@JohnNosta) June 28, 2026

El problema parece estar en cómo se utiliza la herramienta

Los investigadores encontraron, sin embargo, un grupo que rompía esta tendencia. Cerca del 20% de los estudiantes que utilizaban IA mantuvo buenos resultados en los exámenes, y estos alumnos tenían algo en común: seguían dedicando aproximadamente una hora a realizar sus deberes, prácticamente el mismo tiempo que quienes no utilizaban chatbots.

La hipótesis es que estos estudiantes no recurrían a la tecnología simplemente para conseguir una respuesta rápida, sino que la utilizaban como una especie de tutor personal, pidiendo explicaciones, resolviendo dudas y trabajando sobre los problemas hasta comprenderlos.

La diferencia resulta importante porque sugiere que el problema no sería utilizar inteligencia artificial, sino permitir que sustituya por completo el esfuerzo cognitivo necesario para aprender.

Las escuelas empiezan a replantearse cómo evaluar

Estos resultados llegan mientras sistemas educativos de todo el mundo intentan decidir cómo incorporar la IA sin convertirla en una herramienta para evitar el aprendizaje. Dinamarca ha planteado que determinados trabajos se defiendan oralmente y que algunas tareas se realicen bajo supervisión dentro de los centros, mientras Francia ha establecido reglas diferentes según la edad de los alumnos.

Estonia, por su parte, trabaja en herramientas educativas que no entregan directamente la respuesta, sino que utilizan preguntas para guiar al estudiante hasta la solución, siguiendo un enfoque similar al método socrático.

La investigación apunta precisamente en esa dirección. La inteligencia artificial puede convertirse en una herramienta extraordinaria para aprender, siempre que ayude a pensar en lugar de evitarlo. Porque el verdadero riesgo no es que un estudiante utilice un chatbot para estudiar, sino que las notas mejoren mientras, silenciosamente, disminuye todo aquello que realmente consigue aprender.

 

 

Fuente: La Vanguardia.

Una de las grandes preguntas que rodean a los generadores de imágenes mediante inteligencia artificial es cuánto debe cada resultado a las obras utilizadas durante su entrenamiento. Artistas, fotógrafos y empresas llevan años reclamando que algunos modelos fueron entrenados con contenido protegido, mientras varias demandas intentan determinar hasta qué punto una imagen creada por IA puede considerarse derivada de una obra previa.

Una investigación del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL) acaba de añadir una nueva dificultad al problema. Sus investigadores comprobaron que, cuando los modelos se entrenan con cantidades enormes de información, la influencia individual de una fotografía o incluso del catálogo completo de un artista puede volverse extremadamente pequeña.

El equipo bautizó este fenómeno como “decaimiento de la atribución”.

Cuantos más datos aprende una IA, menos pesa cada imagen

La lógica parece sencilla. Un modelo generativo aprende a partir de enormes colecciones de imágenes y, a medida que aumenta ese conjunto, cada elemento representa una fracción cada vez menor de todo lo que el sistema ha visto.

El problema era demostrarlo experimentalmente.

Para conocer realmente cuánto influye una determinada fotografía en un modelo habría que eliminarla del conjunto de entrenamiento, volver a entrenar el sistema desde cero y comparar posteriormente sus resultados.

Repetir ese proceso con modelos entrenados mediante millones o miles de millones de imágenes sería demasiado caro y lento. Por eso, los investigadores del MIT diseñaron una arquitectura diferente.

Encontraron una forma de “borrar” imágenes sin entrenar de nuevo toda la IA

En lugar de utilizar un único sistema enorme, el equipo construyó un modelo compuesto por múltiples componentes más pequeños, cada uno entrenado con distintos subconjuntos de datos.

Esta estructura permite estudiar qué ocurriría si una imagen determinada nunca hubiera formado parte del entrenamiento. Para hacerlo, los científicos pueden simplemente desactivar los componentes que tuvieron acceso a ese contenido y observar cómo cambia el resultado.

El mismo procedimiento puede utilizarse para eliminar no solo una fotografía, sino también todas las obras asociadas a un determinado artista.

Los experimentos mostraron algo llamativo: en modelos suficientemente grandes, retirar una obra concreta puede producir cambios mínimos o prácticamente imperceptibles en la imagen final generada. Incluso eliminar conjuntos más amplios vinculados a un único creador puede tener una influencia sorprendentemente pequeña.

Esto podría complicar las demandas por derechos de autor

El descubrimiento entra directamente en uno de los debates legales más importantes alrededor de la inteligencia artificial generativa.

Numerosos artistas sostienen que estos modelos producen imágenes gracias a haber aprendido de sus obras y que, por lo tanto, existe una relación entre el material utilizado durante el entrenamiento y el resultado generado.

El trabajo del MIT no demuestra que las obras originales sean irrelevantes para entrenar una IA. El modelo necesita aprender de grandes cantidades de contenido para desarrollar sus capacidades. Lo que plantea es algo más específico: puede resultar extremadamente difícil demostrar que una imagen generada depende de una obra individual concreta.

Y esa diferencia podría resultar importante cuando un tribunal intenta establecer si existe una copia, una transformación o una influencia suficientemente directa para justificar una reclamación.

MIT @techreview: MIT CSAIL study finds attribution decay in AI art: as training data scales, removing a single image oftenLeaves no change in output. Implications for authorship, copyright, and regulation across Europe’s AI policy landscape. Publication:…

— Nordic AI Institute (@nordicinst) August 18, 2026

La IA no parece funcionar como una simple máquina de hacer collages

El estudio también pone en cuestión una explicación habitual sobre los modelos generativos: la idea de que simplemente toman pequeños fragmentos de las imágenes utilizadas durante el entrenamiento y los reorganizan para producir algo nuevo.

En sistemas de gran escala, el proceso parece ser mucho más distribuido. Las características aprendidas proceden de cantidades enormes de datos y terminan mezclándose dentro del modelo hasta que resulta difícil señalar una única fuente responsable de un resultado.

Eso no resuelve el conflicto sobre derechos de autor. De hecho, posiblemente lo haga todavía más complejo.

Hasta ahora, una de las grandes preguntas era si una IA había utilizado una determinada obra para aprender. El trabajo del MIT introduce otra igual de incómoda: aunque sepamos que la utilizó, ¿cómo demostramos cuánto influyó realmente en lo que terminó creando?

 

 

Fuente: Infobae.

China lleva años construyendo cohetes capaces de colocar cada vez más carga en órbita. Ahora quiere resolver el problema que aparece después de llegar al espacio.

CAS Space está terminando el desarrollo de Lixun-1 (también denominado Kinastra 1 o PV-1), una etapa superior que la propia compañía compara con un “autobús” o “remolcador espacial”. En lugar de limitarse a dejar varios satélites juntos después del lanzamiento, podrá recoger el relevo del cohete, desplazarse por el espacio y entregar distintas cargas en órbitas diferentes.

Su último gran examen ha ocurrido en tierra. El motor líquido de 20 kilonewtons acumula ya 5.211 segundos de encendido durante una serie de ensayos, suficientes para que CAS Space considere terminada la fase de pruebas a nivel de sistema. Si el calendario se mantiene, el primer vuelo llegará durante el primer trimestre de 2027.

El cohete lo deja en el espacio. A partir de ahí comienza su verdadero trabajo

La idea resuelve una limitación básica de muchos lanzamientos.

Un cohete puede depositar varias cargas en una órbita determinada, pero cada satélite debe utilizar después sus propios motores y combustible para alcanzar su posición definitiva. Cuanto más combustible gaste haciendo esa maniobra, menos conservará para trabajar durante el resto de su vida.

Lixun-1 pretende hacer ese recorrido por ellos.

Está diseñado para encender su motor más de 20 veces, modificar su trayectoria entre despliegues y colocar satélites en diferentes alturas e inclinaciones durante una única misión. También puede calcular de manera autónoma rutas de transferencia orbital y está preparado para soportar el vacío y los fuertes cambios de temperatura del espacio.

El motor entrega 20 kN de empuje y alcanza un impulso específico de unos 315 segundos. Durante marzo realizó 18 encendidos que sumaron 481 segundos; en julio llegó una campaña de fiabilidad de 2.906 segundos y, en agosto, el sistema de propulsión completo funcionó durante otros 566 segundos en la prueba integrada PV-001.

En esta última prueba no se comprobó únicamente el motor. También entraron en juego los sistemas de presurización, alimentación y gestión de propelente, el servocontrol y el suministro equilibrado desde varios tanques.

China quiere que un único lanzamiento pueda repartir satélites por medio espacio

CAS Space ha diseñado Lixun-1 de manera modular para que no dependa de un único cohete.

Uno de sus compañeros naturales será Kinetica-2, el nuevo lanzador líquido de la empresa que realizó con éxito su primer vuelo en marzo de 2026. La compañía asegura que la combinación podría llevar cargas a órbitas medias y altas, a la órbita de transferencia geoestacionaria e incluso directamente a GEO.

El salto más llamativo aparece todavía más lejos. Según CAS Space, Lixun-1 también podrá colocar sondas en trayectorias de transferencia entre la Tierra y la Luna, lo que permitiría utilizarlo en futuras misiones lunares y de espacio profundo. La propia compañía presenta su etapa superior como una pieza para ampliar el radio de acción de sus lanzadores más allá de la órbita terrestre baja.

Al terminar, incluso está diseñada para efectuar maniobras de retirada orbital y reducir el riesgo de añadir nuevos restos a la basura espacial.

El objetivo ya no es simplemente llegar al espacio

Lixun-1 forma parte de un cambio mucho mayor dentro de la industria espacial china. CAS Space ya ha utilizado su Kinetica-1 para colocar más de un centenar de satélites en órbita, mientras desarrolla lanzadores líquidos más potentes, vehículos reutilizables y sistemas destinados a operaciones más complejas una vez abandonada la Tierra.

La lógica recuerda cada vez más a una red logística. El cohete hace el recorrido más brutal: escapar de la gravedad terrestre. Después aparece otra máquina encargada de la “última milla” espacial, moviendo cargas entre destinos y evitando que cada satélite tenga que llegar por sus propios medios.

Después de acumular 5.211 segundos de pruebas, China quiere demostrar en 2027 que esa idea funciona fuera del laboratorio. Si Lixun-1 cumple lo prometido, un mismo lanzamiento ya no tendrá por qué terminar cuando el cohete alcance la órbita: podrá continuar durante horas, encender motores una y otra vez y repartir sus pasajeros por distintos puntos del espacio.

Los robots humanoides están dejando poco a poco las exhibiciones para intentar entrar en fábricas y otros espacios de trabajo. Una compañía de Hong Kong acaba de presentar uno de los ejemplos más llamativos: un robot de tamaño humano capaz de recibir una orden por voz, acercarse a una carga y levantar una barra de 50 kilos.

Se llama RayNex G3 y es la tercera generación de humanoides desarrollada por NineRay Technology. La compañía lo presentó en el Parque Científico de Hong Kong como una máquina orientada principalmente al transporte de cargas pesadas y a trabajos que podrían resultar peligrosos para una persona.

Un robot de 60 kilos capaz de mover cargas enormes

El RayNex G3 mide aproximadamente 1,73 metros y pesa menos de 60 kilos, por lo que sus dimensiones son similares a las de una persona adulta.

Durante su presentación consiguió levantar y transportar una barra de 50 kilos después de recibir instrucciones mediante voz. Sin embargo, NineRay asegura que sus capacidades pueden ir bastante más allá.

Según los datos difundidos por la compañía, puede transportar alrededor de 30 kilos durante operaciones normales, manipular unos 60 kilos utilizando ambos brazos y alcanzar entre 100 y 200 kilos en determinadas pruebas de levantamiento.

Conseguirlo exige algo más que motores potentes. Cuando un robot humanoide levanta una carga elevada, cualquier pequeño desplazamiento del peso puede modificar su centro de gravedad y hacerlo caer.

44 conjuntos de sensores ayudan a mantenerlo en equilibrio

Para evitarlo, NineRay incorporó un sistema de control de fuerza distribuido por todo el cuerpo y 44 conjuntos de sensores de precisión.

Estos dispositivos permiten medir continuamente las fuerzas que actúan sobre las articulaciones y modificar los movimientos para mantener el equilibrio mientras el robot camina o manipula objetos.

El sistema se complementa con RayBrain, la arquitectura de inteligencia artificial desarrollada por la propia compañía.

NineRay describe esta tecnología como un modelo de extremo a extremo que conecta directamente lo que percibe el robot con las acciones que finalmente ejecuta, reduciendo la dependencia de módulos independientes para percepción, planificación y movimiento.

— Juan Chico (@jhonsmall) August 19, 2026

Su objetivo son los lugares demasiado peligrosos para humanos

La compañía considera que uno de los principales mercados del RayNex G3 estará en actividades donde exponer trabajadores supone un riesgo elevado.

Entre los escenarios mencionados aparecen zonas con radiación, espacios con temperaturas o humedad extremas, laboratorios con gases peligrosos y áreas relacionadas con enfermedades infecciosas.

Un humanoide tiene una ventaja particular en estos entornos: muchas instalaciones ya están diseñadas alrededor del cuerpo humano. Puertas, escaleras, herramientas, pasillos y maquinaria pueden utilizarse potencialmente sin reconstruir completamente el espacio para introducir un robot especializado.

NineRay también contempla aplicaciones menos extremas, como tareas de recepción, logística e incluso determinados trabajos domésticos.

El precio podría superar los 200.000 dólares

La empresa todavía no ha anunciado oficialmente cuánto costará cada unidad, aunque su fundador, Xu Zhigen, mencionó durante la presentación una cifra cercana o superior a los 200.000 dólares.

NineRay pretende comenzar su comercialización internacional próximamente, con especial atención a China continental, Hong Kong, Australia y Norteamérica, y tiene una meta particularmente ambiciosa: alcanzar unas 10.000 unidades anuales dentro de dos o tres años.

El RayNex G3 aparece además en un momento de enorme crecimiento para la industria de los humanoides. China se ha convertido en uno de los principales centros mundiales de desarrollo y fabricación, con decenas de compañías intentando trasladar estos robots desde las demostraciones espectaculares hacia trabajos reales.

Y ahí estará el verdadero examen. Levantar 50 kilos ante las cámaras resulta impresionante; hacerlo durante horas, de manera autónoma, segura y repetible dentro de una fábrica será lo que determine si esta nueva generación de humanoides consigue finalmente convertirse en una herramienta cotidiana.

 

 

Fuente: Xataka.

Monolink vuelve con nueva música. El artista, compositor y multiinstrumentista berlinés presenta “What You Running From”, su nuevo single, disponible desde este 21 de agosto a través de Embassy One. El lanzamiento llega después de The Beauty Of It All y de la serie de remixes que extendió el recorrido del álbum.

La canción abre un nuevo período para Steffen Linck sin alejarse de los elementos que construyeron su identidad durante la última década. Electrónica y composición conviven nuevamente alrededor de su voz, esta vez sobre una base rítmica más marcada y un groove que lleva la canción hacia la pista de baile.

“What You Running From” avanza entre sintetizadores distorsionados, acordes cálidos de órgano y una percusión que crece progresivamente. Sobre esa estructura aparece la característica interpretación vocal de Monolink, aportando el contraste melancólico que atraviesa buena parte de su música.

En el plano lírico, la canción gira alrededor de la tensión entre escapar y enfrentar aquello que permanece pendiente. La pregunta que da nombre al single funciona como punto de partida para abordar esa contradicción sin buscar respuestas definitivas: seguir avanzando mientras algo continúa esperando debajo de la superficie.

El lanzamiento supone además el primer material original de Monolink desde que completó el ciclo de The Beauty Of It All. Después de aquel álbum y su posterior campaña de remixes, “What You Running From” funciona como la primera señal de hacia dónde comienza a moverse su próxima etapa musical.

A lo largo de su carrera, Monolink ha desarrollado un lenguaje propio entre la música electrónica y el formato canción, combinando producción, instrumentos y voz dentro de una misma propuesta. Su nuevo single mantiene esa identidad, pero la desplaza hacia un terreno más rítmico y directo.

Durante décadas, Airbus y Boeing han perfeccionado prácticamente la misma fórmula: un fuselaje tubular acompañado por dos grandes alas. Han cambiado los materiales, los motores y la electrónica, pero la estructura básica de los aviones comerciales sigue siendo reconocible.

JetZero quiere romper con ese esquema. La compañía estadounidense trabaja en el Z4, una aeronave cuya forma recuerda a una enorme mantarraya y que utiliza una configuración conocida como blended wing body, donde fuselaje y alas dejan de comportarse como elementos claramente separados.

La propuesta promete una mejora considerable en eficiencia, aunque también implica enfrentarse a uno de los mayores desafíos de la aviación moderna: certificar un diseño radicalmente diferente.

Un avión donde prácticamente todo ayuda a volar

En los aviones convencionales, el fuselaje sirve principalmente para transportar pasajeros y carga, mientras que las alas generan la mayor parte de la sustentación.

El concepto de JetZero modifica esa relación. En un blended wing body, la zona central del avión se fusiona progresivamente con las alas y también participa en la generación de sustentación. Esta arquitectura permite reducir la resistencia aerodinámica y aprovechar una proporción mayor de la estructura para mantener la aeronave en el aire.

Según JetZero, el resultado podría traducirse en una mejora de entre el 30% y el 50% en eficiencia de combustible frente a aviones convencionales comparables. El Z4 estaría preparado para transportar aproximadamente 250 pasajeros y recorrer hasta 5.000 millas náuticas, equivalentes a unos 9.260 kilómetros.

El interior también tendría que cambiar

Modificar completamente la forma exterior implica también replantear cómo viajan los pasajeros.

En lugar de una cabina larga y estrecha, el cuerpo del Z4 sería mucho más ancho. JetZero ha mostrado conceptos interiores con múltiples pasillos y diferentes zonas distribuidas dentro de la aeronave. Eso podría facilitar ciertos movimientos dentro del avión, pero también plantea nuevos desafíos.

Algunos pasajeros quedarían considerablemente alejados de las ventanas exteriores, por lo que la compañía estudia alternativas como pantallas que reproduzcan vistas externas y sistemas capaces de llevar iluminación natural hacia zonas interiores.

Además, la distribución deberá demostrar que cumple con requisitos estrictos relacionados con evacuación, seguridad y operaciones aeroportuarias.

NASA y Airbus ya probaron conceptos similares

La idea de integrar fuselaje y alas no es nueva. NASA y Boeing llevan décadas investigando configuraciones de este tipo, mientras que Airbus presentó en 2020 su demostrador MAVERIC, que utilizaba una arquitectura similar.

El fabricante europeo también exploró posteriormente diseños de cuerpo integrado dentro de sus proyectos relacionados con aviones impulsados por hidrógeno.

La diferencia es que JetZero pretende dar un paso más: convertir esta configuración en un avión comercial certificado y producido a gran escala.

United y otras aerolíneas ya están interesadas

Aunque el Z4 todavía debe superar años de desarrollo, varias compañías ya han mostrado interés.

United mantiene un acuerdo condicionado que contempla la posible compra de 100 aviones, además de opciones para otros 100. Alaska Airlines también ha invertido en JetZero, mientras Delta participa como socio de desarrollo.

Japan Airlines ha colaborado en cuestiones relacionadas con diseño, mantenimiento y operaciones, y Gulf Air firmó una carta de intención vinculada al proyecto.

El programa también cuenta con el respaldo de la Fuerza Aérea de Estados Unidos, que otorgó un contrato de hasta 235 millones de dólares para desarrollar y probar un demostrador a escala real.

El primer gran examen llegará en 2027

JetZero ya comenzó la construcción de una fábrica en Greensboro, Carolina del Norte, donde pretende ensamblar sus futuras aeronaves.

Antes del Z4 comercial llegará Jet1, un demostrador a escala real cuyo primer vuelo está previsto para 2027. Su misión será comprobar que la aerodinámica, los sistemas y la arquitectura pueden funcionar como espera la compañía. Si las pruebas, el desarrollo industrial y la certificación avanzan según lo previsto, JetZero quiere comenzar a operar comercialmente el Z4 durante los primeros años de la década de 2030.

Airbus y Boeing han pasado décadas perfeccionando el avión convencional. JetZero apuesta por una estrategia mucho más arriesgada: cambiar directamente su forma.

 

 

Fuente: Xataka.

Durante los últimos años, los faros de los automóviles han experimentado una transformación enorme. Las antiguas bombillas halógenas han ido dejando espacio a sistemas LED capaces de iluminar más lejos, consumir menos energía y ofrecer una visibilidad considerablemente superior durante la noche.

Sin embargo, esa evolución tecnológica también está generando un problema inesperado. Cuando los faros son demasiado intensos, están mal regulados o se encuentran instalados a mayor altura, pueden deslumbrar a los conductores que circulan en sentido contrario durante varios segundos.

Y esos segundos pueden ser suficientes para convertirse en un riesgo serio.

Casi todos los conductores aseguran haber sufrido deslumbramientos

El Departamento de Transporte de Reino Unido analizó el problema mediante un estudio que combinó mediciones realizadas en carreteras reales con encuestas a aproximadamente 1.850 conductores.

Los resultados muestran hasta qué punto el problema se ha extendido. Un 97% de los participantes aseguró sentirse distraído con frecuencia por las luces de otros vehículos, mientras que un 96% consideró que el deslumbramiento constituye un problema de seguridad vial.

Los investigadores también utilizaron cámaras capaces de medir la luminancia y sistemas de aprendizaje automático para determinar qué factores aumentaban la intensidad percibida por los conductores.

Además de la potencia de los faros, descubrieron que la propia geometría de la carretera influye considerablemente.

Las curvas y los desniveles pueden empeorar el problema

Circular por una pendiente ascendente o atravesar determinadas curvas puede provocar que el haz luminoso de un vehículo que circula en sentido contrario termine apuntando directamente hacia los ojos del conductor.

La consecuencia inmediata es una pérdida temporal de visión que puede prolongarse varios segundos.

La edad también resulta importante. Según los datos citados por los investigadores, una persona de alrededor de 50 años puede necesitar hasta nueve segundos para recuperarse completamente de un deslumbramiento, mientras que un adolescente puede hacerlo en aproximadamente un segundo.

A velocidad de carretera, nueve segundos representan una distancia considerable recorrida con una capacidad visual reducida.

Los SUV tienen parte de la explicación

Otro factor que aparece repetidamente en el estudio es el crecimiento de los SUV y vehículos de mayor altura.

Sus faros se encuentran instalados más arriba que los de un turismo convencional, por lo que pueden quedar prácticamente alineados con los ojos del conductor de un automóvil más bajo.

El problema se intensifica porque los SUV representan una proporción cada vez mayor del mercado y suelen incorporar sistemas LED modernos especialmente potentes.

Más de la mitad de los conductores encuestados reconocieron incluso que el deslumbramiento les genera ansiedad al conducir de noche, mientras que algunos afirmaron haber reducido directamente sus desplazamientos nocturnos.

Cambiar bombillas halógenas por LED también puede provocar problemas

Existe además otra complicación: el llamado retrofit, que consiste en sustituir componentes antiguos por tecnologías más modernas.

Cambiar una bombilla halógena por una LED parece una actualización sencilla, pero la óptica original del faro fue diseñada para distribuir la luz producida por una tecnología específica. Instalar una bombilla diferente sin adaptar correctamente el sistema puede provocar que el haz se disperse hacia zonas donde nunca debería llegar.

Las autoridades británicas han puesto especial atención en las conversiones ilegales y en los faros mal alineados. Se calcula que alrededor de 800.000 vehículos no superan cada año la inspección técnica británica debido a problemas relacionados con su regulación.

Más luz no significa necesariamente más seguridad

Los faros LED siguen ofreciendo enormes ventajas para quien conduce, y correctamente instalados mejoran significativamente la visibilidad nocturna. El problema aparece cuando esa mejora individual perjudica a quienes circulan alrededor.

El estudio recomienda revisar los métodos utilizados para medir el deslumbramiento, mejorar los controles de alineación y adaptar las normativas a sistemas de iluminación cada vez más potentes.

La industria automovilística ha pasado décadas intentando que los coches iluminen cada vez mejor la carretera. Ahora empieza a enfrentarse a una paradoja diferente: conseguir que puedan hacerlo sin dejar prácticamente a ciegas durante unos segundos a quienes vienen en dirección contraria.

 

 

Fuente: Xataka.

A pocos kilómetros del centro de París existe una isla cuya historia quedó estrechamente ligada al automóvil. La Île Seguin, situada sobre el río Sena, pasó de ser un terreno dividido entre distintos propietarios a convertirse en una enorme fábrica de Renault que durante buena parte del siglo XX funcionó como una auténtica ciudad industrial.

La producción terminó hace más de tres décadas y gran parte de sus edificios fueron demolidos. Sin embargo, encontrar un nuevo destino para estas 11,5 hectáreas ha requerido decenas de proyectos, arquitectos, promotores y años de disputas urbanísticas.

Renault terminó ocupando prácticamente toda una isla

Louis Renault comenzó a comprar terrenos en Seguin en 1919. Durante la década siguiente fue ampliando progresivamente sus propiedades hasta controlar casi toda la isla y, hacia 1929, comenzó la gran transformación industrial.

El proyecto estaba inspirado parcialmente en los métodos de producción que Renault había conocido en las fábricas de Ford en Estados Unidos. Para adaptar la isla fue necesario elevar parte del terreno, realizar cimentaciones profundas y construir conexiones mediante puentes con las plantas situadas en Boulogne-Billancourt y Meudon.

El resultado fue una enorme instalación de varios niveles en la que prácticamente cada metro cuadrado estaba destinado a fabricar automóviles.

Una fábrica con central eléctrica, pista de pruebas y 10.000 trabajadores

La Île Seguin terminó pareciendo más una fábrica rodeada de agua que una isla industrializada. El complejo contaba con su propia central eléctrica, instalaciones logísticas, zonas de pruebas y hasta una pista subterránea.

También disponía de un embarcadero conectado con el Sena que facilitaba el transporte de vehículos y materiales.

Durante los años cincuenta llegaron a trabajar allí alrededor de 10.000 personas, mientras de sus líneas de producción salían modelos como el Renault 4CV. La planta también se convirtió en uno de los principales símbolos del movimiento obrero francés y tuvo protagonismo durante grandes episodios sociales como las huelgas de 1936 y Mayo del 68.

El problema apareció cuando la fábrica quedó obsoleta

Con el paso de las décadas, Renault comenzó a trasladar buena parte de su producción hacia instalaciones más modernas en lugares como Flins, Cléon y Sandouville.

La peculiar estructura de Seguin, que durante años había sido una ventaja, terminó dificultando la incorporación de nuevos métodos industriales.

En noviembre de 1989 Renault anunció el cierre definitivo de la planta. El 27 de marzo de 1992 salió de allí el último automóvil y una de las fábricas más emblemáticas de Francia quedó completamente detenida.

Entonces comenzó otro problema: decidir qué hacer con ella.

Más de 30 años de proyectos que nunca terminaban de funcionar

Desde comienzos de los años noventa aparecieron propuestas de todo tipo. Se habló de crear un polo científico y tecnológico, universidades, viviendas, centros de investigación, jardines, museos, oficinas e incluso una ciudad atravesada por canales.

Algunos arquitectos, entre ellos Jean Nouvel, defendieron conservar parte del patrimonio industrial. Sin embargo, terminó imponiéndose una transformación mucho más radical y en 2004 comenzó la demolición del antiguo complejo Renault.

Ese mismo periodo parecía abrir una oportunidad definitiva cuando el multimillonario francés François Pinault anunció que construiría allí una fundación dedicada al arte contemporáneo, diseñada por Tadao Ando.

El proyecto avanzó durante varios años, pero Pinault terminó abandonándolo en 2005 debido a los continuos retrasos urbanísticos y trasladó su iniciativa a Venecia.

La isla volvió a tener vida, pero su transformación todavía continúa

Durante los años siguientes aparecieron nuevos proyectos de hoteles, universidades, oficinas, viviendas y centros culturales, muchos de los cuales terminaron modificándose o directamente desapareciendo debido a recursos judiciales y oposición vecinal.

Uno de los grandes cambios llegó finalmente en 2017, cuando abrió La Seine Musicale, un enorme complejo cultural diseñado por Shigeru Ban y Jean de Gastines en el extremo occidental de la isla.

Sin embargo, buena parte del desarrollo de Seguin continúa evolucionando lentamente. Incluso durante los últimos años los planes han tenido que reducir alturas, densidad de construcción y aumentar las superficies verdes para resolver nuevas disputas.

La paradoja resulta difícil de ignorar: Renault necesitó apenas unas décadas para convertir prácticamente una isla completa en una gigantesca máquina de fabricar automóviles. Casi un siglo después, reemplazar aquella única idea por una nueva ha demostrado ser considerablemente más complicado.

 

 

Fuente: Xataka.