El Mal se llama IA: Destrucción de empleo, crisis energética y consecuencias neuronales.
Por Hans Alejandro Herrera.
Todos los usamos y mientras nos roba datos se entrena con nosotros con un propósito claro, esto según los tecno apocalípticos, el de reemplazarnos. A partir del boom de la IA masificada muchos comienzan a creer ciegamente de vivir en una simulación a lo Matrix. Y por su fuera poco algunos establecen relaciones con sus asistentes de IA en un tipo de relación emocional al estilo de la película HER. Pero lo peor está por venir si es que no llegó ya.
Efectos neuronales: nos hacemos más flojos
En un reciente ensayo a cargo de un equipo profesional este año, encabezada por Nataliya Kosmyna del Instituto Tecnológico de Massachusetts titulada en español como : «Tu cerebro en ChatGPT: Acumulación de deuda cognitiva al usar un asistente de IA para la redacción de ensayos». El trabajo en cuestión versa sobre los impactos cognitivos y prácticos de la IA en los entornos de aprendizaje. Como menciona el Abstract de la investigación:
«Este estudio explora las consecuencias neuronales y conductuales de la escritura de ensayos asistida por LLM. Los participantes se dividieron en tres grupos: LLM, Motor de búsqueda y Solo cerebro (sin herramientas). Cada uno completó tres sesiones bajo la misma condición. En una cuarta sesión, los usuarios de LLM fueron reasignados al grupo Solo cerebro (LLM a Cerebro), y los usuarios de Solo cerebro fueron reasignados a la condición LLM (Cerebro a LLM). Un total de 54 participantes tomaron parte en las Sesiones 1 a 3, con 18 completando la sesión 4. Usamos electroencefalografía (EEG) para evaluar la carga cognitiva durante la escritura de ensayos [para registrar la actividad cerebral de los participantes con el fin de evaluar su compromiso cognitivo y su carga cognitiva, así como para comprender mejor las activaciones neuronales durante la tarea de redacción del ensayo] y analizamos ensayos usando PLN, así como calificamos ensayos con la ayuda de profesores humanos y un juez de IA [un agente de IA especialmente diseñado]. Entre los grupos, los NER, los patrones de n-gramas y la ontología de temas mostraron homogeneidad dentro del grupo. El EEG reveló diferencias significativas en la conectividad cerebral: los participantes de Solo cerebro exhibieron las redes más fuertes y distribuidas; los usuarios de Motor de búsqueda mostraron una participación moderada; y los usuarios de LLM mostraron la conectividad más débil. La actividad cognitiva disminuyó en relación con el uso de herramientas externas. En la sesión 4, los participantes del programa LLM-to-Brain mostraron una conectividad alfa y beta reducida, lo que indica una baja participación. Los usuarios del programa Brain-to-LLM mostraron una mayor capacidad de memoria y activación de las áreas occipitoparietal y prefrontal, similar a la de los usuarios de motores de búsqueda. La autodeclaración de propiedad de ensayos fue la más baja en el grupo LLM y la más alta en el grupo Brain-only. Los usuarios del programa LLM también tuvieron dificultades para citar con precisión su propio trabajo. Si bien los LLM ofrecen una comodidad inmediata, nuestros hallazgos resaltan los posibles costos cognitivos. Durante cuatro meses, los usuarios del programa LLM obtuvieron un rendimiento consistentemente inferior a nivel neuronal, lingüístico y conductual. Estos resultados plantean inquietudes sobre las implicaciones educativas a largo plazo de la dependencia del LLM y subrayan la necesidad de una investigación más profunda sobre el papel de la IA en el aprendizaje».
LLM es según Wikipedia en inglés «Un modelo de lenguaje grande ( LLM ) es un modelo de lenguaje entrenado con aprendizaje automático autosupervisado en una gran cantidad de texto, diseñado para tareas de procesamiento del lenguaje natural , especialmente la generación del lenguaje». Según la IA de Google LLM es «Son sistemas de inteligencia artificial diseñados para comprender y generar texto similar al humano. Utilizan grandes cantidades de datos y técnicas de aprendizaje automático para realizar diversas tareas relacionadas con el lenguaje, como responder preguntas, generar texto, traducir idiomas, entre otros.»
El equipo de investigación del MIT aclara que a junio de 2025, fecha en que se publicó el primer artículo relacionado con el proyecto en Arxiv, «el servicio de preimpresión, aún no había sido revisado por pares, por lo que todas las conclusiones deben considerarse con cautela y como preliminares (…) Este estudio se realizó con ChatGPT y, si bien no creemos que, al momento de la publicación de este artículo en junio de 2025, existan avances significativos en ninguno de los modelos disponibles comercialmente que permitan obtener un resultado significativamente diferente, no podemos generalizar directamente los resultados obtenidos a otros modelos LLM (…) En nuestro análisis EEG actual, nos centramos en reportar patrones de conectividad sin examinar los cambios de potencia espectral, lo cual podría proporcionar información adicional sobre la eficiencia neuronal. La resolución espacial del EEG limita la localización precisa de contribuyentes corticales o subcorticales profundos (p. ej., el hipocampo); por lo tanto, el uso de fMRI es el siguiente paso en nuestro trabajo futuro».
En resumen, el coste cognitivo de usar un LLM en el contexto educativo de la redacción de un ensayo. El análisis de EEG presentó evidencia sólida de que los grupos LLM, Motor de Búsqueda y Solo Cerebro tenían patrones de conectividad neuronal significativamente diferentes, lo que refleja estrategias cognitivas divergentes. La conectividad cerebral se redujo sistemáticamente con la cantidad de apoyo externo: el grupo Solo Cerebro exhibió las redes más fuertes y de mayor alcance, el grupo Motor de Búsqueda mostró una participación intermedia y la asistencia de LLM provocó el acoplamiento general más débil. Como menciona la investigación, «La propiedad reportada de los ensayos del grupo LLM en las entrevistas fue baja. El grupo de Motores de Búsqueda tenía una fuerte participación, pero menor que el grupo de Solo Cerebro. El grupo de LLM también se quedó atrás en su capacidad para citar los ensayos que escribió minutos antes (…) Dado que el impacto educativo del uso de LLM apenas comienza a asentarse en la población general, en este estudio preliminar demostramos la urgencia de explorar más a fondo cualquier posible cambio en las habilidades de aprendizaje, con base en los resultados de nuestro estudio. El uso de LLM tuvo un impacto medible en nuestros participantes, y si bien los beneficios fueron inicialmente evidentes, como demostramos a lo largo de cuatro sesiones, que se llevaron a cabo durante cuatro meses, los participantes del grupo LLM obtuvieron peores resultados que sus contrapartes del grupo de solo cerebro en todos los niveles: neuronal, lingüístico y de puntuación.»
Los estudios futuros también deberían considerar explorar los impactos longitudinales del uso de herramientas en la retención de la memoria, la creatividad y la fluidez en la escritura.
Riesgos energéticos. Más emisión de gases de efecto invernadero y la paradoja de la eficiencia
En un artículo de 2024 de la OLADE (Organización Latinoamericana de Energía), el Secretario Ejecutivo de dicha institución, Andrés Rebolledo indico que “la IA podría competir por recursos energéticos con sectores prioritarios como el residencial, el industrial o el transporte”.
En dicho artículo oficial del ente se señala que la Inteligencia Artificial (IA) demanda un consumo energético considerable debido al entrenamiento de modelos complejos en centros de datos y al uso de hardware especializado como GPUs. Por lo que este consumo impacta el sistema energético global. «La inteligencia artificial (IA) representará el 5% del consumo total de electricidad en América Latina y el Caribe (ALC) hacia el año 2035, según un documento técnico elaborado por la Organización Latinoamericana de Energía (OLADE). La cifra, equivalente a más de 120 teravatios hora (TWh) anuales, evidencia el alto impacto energético que tendrá el desarrollo acelerado de esta tecnología en la región (…) Actualmente, existen 455 centros de procesamiento de datos para aplicaciones de IA en ALC. Considerando un consumo promedio de 50 gigavatios hora (GWh) por centro al año — cifra extrapolada de los 7.000 centros existentes a nivel mundial con un consumo total de 350 TWh —, se estima que en 2023 estas instalaciones ya representaban el 1,6% del consumo eléctrico regional (…) Se proyecta un crecimiento del 165% en el número de centros de datos a nivel global entre 2023 y 2030, lo que representa una tasa promedio anual del 15%. Bajo ese mismo ritmo de expansión, la región experimentará una demanda energética sin precedentes asociada al funcionamiento de servidores de IA, especialmente en áreas críticas como el entrenamiento de algoritmos, la ejecución de consultas y los complejos sistemas de enfriamiento necesarios para mantener la operatividad».
Por otra parte en un artículo de la web oficial de Endesa de España de marzo de 2025 señala que «El impacto energético de la IA es mucho mayor de lo que percibimos a simple vista. Y es que, entrenar y hacer que funcionen enormes centros de datos con estos modelos, requiere una cantidad inmensa de energía. Por ejemplo, entrenar un modelo avanzado de lenguaje como ChatGPT, genera una huella de carbono comparable a la emitida por 125 vuelos de ida y vuelta entre Nueva York y Pekín (…) según un estudio pionero realizado para calcular la contaminación que genera la IA dirigido por Emma Strubell y su equipo de la Universidad de Massachusetts Amherst (Estados Unidos – 2019) (…) Hoy, el entrenamiento de GPT-3, la tercera generación de estos modelos de predicción de lenguaje, requiere hasta 78.437 kWh según el Instituto de la Ingeniería de España. ¡Una cifra comparable al consumo de energía de un hogar medio en España durante 23 años! (…) Además, el uso práctico de estos modelos, lo que se conoce como inferencia, representa entre el 70% y el 80% del consumo energético total asociado a la IA. Los centros de datos se encargan de gran parte del consumo energético de la IA. Según el informe Global Data Usage de IDC, en 2023 procesaron más de 20 exabytes de datos diarios en todo el mundo. Solo en España, este sector consumió unos 5 TWh, un 2% del consumo eléctrico nacional.»
Por otra parte en la web oficial de World economic forum sacó recientemente otro artículo titulado «¿Cuánta energía consume la IA? Se lo preguntamos a ChatGPT y esto es lo que dijo:». Como bien señala la IA me respondió lo siguiente . “Los sistemas de IA varían mucho en el consumo de energía en función de su complejidad y uso, pero por lo general requieren cantidades significativas de electricidad para procesar y analizar los datos de manera eficiente.” A continuación el artículo aclara un detalle «Esa respuesta requirió unas diez veces la electricidad de una búsqueda en Google, según algunas estimaciones. Y con 100 millones de usuarios de ChatGPT cada semana, la demanda extra de energía aumenta. Y eso son solo los usuarios de una plataforma. Microsoft, que ha invertido en el fabricante de ChatGPT, OpenAI, y ha situado las herramientas de IA generativa en el centro de su oferta de productos, anunció recientemente que sus emisiones de CO2 habían aumentado casi un 30% desde 2020 debido a la expansión de los centros de datos. Las emisiones de GEI de Google en 2023 fueron casi un 50% superiores a las de 2019, en gran parte debido a la demanda de energía vinculada a los centros de datos (…) La IA requiere una potencia de cálculo considerable. Se estima que los sistemas de IA ya consumen 33 veces más energía para completar una tarea que un software específico para esa tarea. A medida que los sistemas de IA pasen a utilizarse más y se desarrollen, el entrenamiento y la operación de los modelos provocarán un aumento exponencial del número de centros de datos necesarios en todo el mundo, así como su consumo de energía. Esto ejercerá una presión cada vez mayor sobre redes eléctricas ya sobrecargadas. El entrenamiento de la IA generativa, en particular, es extremadamente intensivo en energía y consume mucha más electricidad que las actividades tradicionales de los centros de datos. Como dijo una científica que investiga el tema, “Cuando despliegas modelos de IA, tienes que tenerlos siempre encendidos. ChatGPT nunca está apagado”. Se calcula que el entrenamiento de un modelo como el Generative Pre-trained Transformer 3 (o GPT-3) consume casi 1300 megavatios hora (MWh) de electricidad. Esto equivale aproximadamente al consumo anual de energía de 130 hogares en Estados Unidos. Por su parte, se calcula que el entrenamiento del GPT-4, más avanzado, ha consumido 50 veces más electricidad. En general, la potencia de cálculo necesaria para mantener el crecimiento de la IA se duplica aproximadamente cada 100 días.»
Imf.org tiene otros datos adicionales sobre el mismo fenómeno:
«Según las últimas estimaciones anuales de la Organización de Países Exportadores de Petróleo (OPEP), los centros de datos del mundo consumieron más de 500 teravatios-hora de electricidad en 2023. Ese total, que supuso más del doble del consumo eléctrico anual entre 2015 y 2019, podría triplicarse hasta alcanzar los 1.500 teravatios-hora en 2030, según proyecciones de la OPEP. Tal y como muestra el gráfico de la semana, la electricidad que consumen únicamente los centros de datos, que ya se sitúa al nivel del consumo eléctrico de Alemania o Francia, alcanzaría para 2030 niveles comparables a los de la India, el tercer país del mundo en consumo eléctrico. Estos niveles también superarían con creces los del consumo atribuible a los vehículos eléctricos (VE) pues, para finales de la década, supondrían usar 1,5 veces más electricidad que los VE. Según la proyección de McKinsey & Co. Correspondiente a un escenario de demanda media, es probable que la necesidad eléctrica para las granjas de servidores de Estados Unidos se multiplique por más de tres, superando los 600 teravatios-hora para 2030».
Y no solo eso, el uso de IA tendría un impacto medioambiental:
«Si se mantienen las actuales políticas energéticas, el aumento de la demanda de electricidad debido a la IA podría sumar unas 1,7 gigatoneladas de emisiones mundiales de gases de efecto invernadero entre 2025 y 2030, un monto similar a las emisiones relacionadas con la energía de toda Italia durante un período de cinco años».
A su vez se genera un efecto Chesterton, una paradoja:
«La demanda de computación y electricidad por parte de las plataformas de IA está condicionada a una amplia incertidumbre. Los modelos eficientes de IA de código abierto, como DeepSeek, reducen los costos de computación y la demanda de electricidad. No obstante, unos costos más bajos hacen crecer el uso de la IA, y los modelos de razonamiento que consumen más energía elevan la demanda energética. El efecto neto sobre la demanda eléctrica es aún incierto, lo que podría retrasar las inversiones energéticas y provocar una subida de los precios».
Destrucción de empleabilidad. Reubicación por deshumanización. ¿La era del gran reemplazo?
En el postal de noticias tecnológicas, Xataka un artículo de este año menciona que «El tema de los robots y la automatización en el campo laboral no es nuevo, aquí han surgido todo tipo de análisis y pronósticos, e incluso hemos visto las primeras implementaciones en restaurantes, cafeterías, supermercados y cadenas de producción, por lo que estamos ante algo para lo no hay vuelta atrás». Con un determinismo escalofriante muchos medios anuncian con entusiasmo y vendiendo miedo a la vez el proceso tecnológico actual como irreversible. Por otra parte « McKinsey Global Institute (MGI), que cuenta con la participación de expertos del departamento de Economía de Oxford y el Banco Mundial, está dando a conocer cifras alarmantes y detalles interesantes de que lo que nos depara el futuro cuando los robots estén presentes en mayor medida en los puestos de trabajo, (…) [un] 14% de la fuerza laboral mundial se quedará sin trabajo. Este completo estudio arroja datos de que lo que podríamos ver durante la década de 2030 ante la explosión de la automatización, donde el dato más revelador es que se estima que entre 400 y 800 millones de personas en todo el mundo tendrán que cambiar de trabajo ante la llegada de los robots. De esta cifra, cerca de 375 millones no encontrarán un nuevo trabajo debido a la falta de conocimientos y preparación, es decir, 14% de la fuerza laboral mundial. Pero en todo esto hay datos curiosos, ya que el estudio pronostica que el cambio afectará principalmente a las naciones ricas, como Estados Unidos, Alemania o Japón, donde el impacto se verá reflejado en la clase media, ya que aproximadamente el 25% de los puestos de trabajo serán automatizados. Caso contrario a lo que se cree ocurrirá en las naciones en vías de desarrollo, como India o México, donde se estima que debido a la falta de presupuesto será imposible adquirir tecnología para automatizar trabajos, por lo que se pronostica que sólo el 9% de los puestos se verán afectados por la presencia de las máquinas. Esto hará que la clase media en estas regiones no sufra cambios que afecten la economía de los países.»
Opiniones en las redes: la IA como castración de propósito
En el portal y foro Quora de tecnologías, un usuario señalaba respecto al impacto de la IA en el consumo eléctrico:
«Hoy en día, el mundo aún depende en un 90% de los combustibles fósiles para satisfacer su demanda energética. Creo que sería muy improbable que viéramos una disminución considerable de este requerimiento en seis años. El requerimiento energético necesario para que el mundo funcionara principalmente con tecnología sería colosal. Esto no significa que, con el tiempo, la mayor parte de la productividad laboral del planeta no llegaría a estar completamente automatizada. Pero discrepo con el plazo. Mi opinión sobre este tema en particular es muy simple: deberíamos tener la oportunidad de votar sobre esta revolución tecnológica y creo que es hora de que las empresas tecnológicas presenten su manifiesto para nuestro futuro. Qué están creando y por qué no crean ciertas cosas. Por qué no tenemos voz ni voto en las bandas de redes. ¿Queremos 6G cuando llegue el momento? Personalmente, me gustaría ver un debate tecnológico en vivo de siete días, televisado y transmitido en todos los países, que reúna a líderes mundiales, así como a líderes en innovación tecnológica, física y otros campos para debatir cómo la tecnología afectará nuestro futuro y qué realidades traerá. ¿Cuáles son las mejores estrategias para que quienes trabajan con IA se adapten y garanticen que puedan seguir alimentando a sus familias en el futuro? ¿Y cómo podemos empezar a adoptar nuevas estrategias que nos ayuden a encontrar otras actividades para nuestro tiempo? ¿Cómo lidiarán las personas con el factor psicológico de ser trabajadores esforzados y que les digan que ya no hay trabajo para ellos? Se requiere mucha reflexión, pero creo que ya es hora de que estas empresas se presenten y nos expliquen ciertas cosas, ya que esta parece ser la única voz principal en este asunto que nos dice que todos estaremos en equilibrio financiero y no tendremos que preocuparnos por el trabajo. Pero no se nos dice cómo, cuándo ni por qué. Creo que estamos en un punto en el que estas cosas están generando una gran preocupación en la mente de muchas personas en todo el planeta. No creo que esté fuera del alcance de los gobiernos y las empresas intentar al menos intentar resolver muchas de estas preocupaciones. Podemos ver ejemplos de personas jubiladas que, al no estar activas, no viven mucho tiempo, por lo que, con razón, se preocupan por cómo y cuándo deberían adaptarse. Si eliminamos la posibilidad de que la mente humana, al crecer, pase de una bicicleta a una motocicleta, a un coche, a una furgoneta, a un negocio, a ser dueña de su propio negocio, a comprar una casa y quizás a formar una familia, ¿qué camino siguen estas personas para sentir que tienen un propósito en la vida? Creo que muchos argumentarían que, de la noche a la mañana, su situación ha pasado de ser la de un ser humano a la de un ganado.Así que quizás nos vendría bien que otras personas se presentaran y explicaran cómo todos vamos a recibir dinero y atención médica gratis, y cómo podemos quedarnos sentados todo el día si queremos, mientras que nuestro entusiasmo y determinación para demostrar nuestro valor son inexistentes. Todo el mejor amigo posible, un amor.»
En foros de internet sin embargo la opinión es crítica entre ingenieros como Dave Voorgis para quien la «Inteligencia Artificial» es un « nombre engañoso para lo que se basa principalmente en la coincidencia de patrones basada en datos y la estadística computacional. Se le llama «Inteligencia Artificial» no porque sea inteligente como nosotros —que no lo es—, sino porque se inspira, de forma muy vaga, en algunos aspectos de la cognición humana». Algunos incluso consideraban solo hace cuatro años atrás que la IA «Tiene tan pocas posibilidades de quitarnos el trabajo como una calculadora de bolsillo, a la que más se parece».
A modo de una breve historia de la IA en 2015 Andrej Karpathy, exestudiante de doctorado en Ciencias de la Computación de Stanford y luego director de IA en Tesla, utilizó Redes Neuronales Recurrentes (RNR) para generar código. Tomó un repositorio de Linux (todos los archivos fuente y de encabezado), lo combinó en un documento gigante (más de 400 MB de código) y entrenó la RNN con un código. El cual lo dejó funcionando toda la noche. Por la mañana, obtuvo un resultado interesante. De la noche a la mañana, el código generado por IA incluyó funciones y decoraciones de funciones. Teniendo parámetros, variables, bucles y sangrías correctas. Los corchetes se abren y se cierran. Incluso incluye comentarios. Si bien naturalmente La IA cometió algunos errores. En algunos casos, no se usaron variables. En otros, se usaron variables que no se habían declarado previamente. Pero Karpathy quedó satisfecho con el resultado.
“El código se ve realmente genial en general. Claro que no creo que compile, pero al desplazarse por el código generado, se siente como una gigantesca base de código C”, escribió Karpathy en su blog .
El proyecto está disponible en GitHub . Utiliza la biblioteca de aprendizaje profundo Torch7.
Según Marc Brockschmidt de Microsoft Research, quien participa en el proyecto, un sistema de este tipo podría ser muy útil para quienes no saben programar. Solo tendrían que describir la idea de su programa y esperar a que el sistema la creara. “Podríamos llegar a tener un sistema así en los próximos años. Pero por ahora, las capacidades de DeepCoder se limitan a programas de cinco líneas de código, dijo.”
En su momento en 2015 según Karpathy, el software 2.0 se escribirá en un “lenguaje mucho más abstracto y poco amigable para los humanos” y ningún ser humano estará involucrado en él como tal.
El artículo de Karpathy generó muchas críticas y algunos expertos se preguntaron si la ingeniería de software, tal como se hace ahora, realmente se volverá redundante en el futuro previsible.
La prensa especializada en su momento dio la noticia con el siguiente titular: «Investigadores de Microsoft y la Universidad de Cambridge han desarrollado una inteligencia artificial que puede escribir código y la han llamado DeepCoder». Era 2015, hace 10 años , y la IA estaba escribiendo código.
El judío Altman de Open AI: hacia la Súper inteligencia
Altman recientemente dijo que “un niño que nazca hoy nunca será más inteligente que la IA”. Según él estos niños crecerán en un mundo donde la IA es la norma, y les parecerá impensable y “de la Edad de Piedra” usar tecnología menos inteligente que ellos. Para los entusiastas de la IA esta sería una redefinición fundamental de lo que significa ser humano y cómo interactuamos con el mundo.
Altman, cuya empresa está “tratando de construir una superinteligencia que podría superar con creces a los humanos en casi todos los campos”, asegura que GPT-4, ya “puede superar al 90 % de los humanos en el SAT y el LSAT y que transformará gran parte del trabajo de conocimiento, gran parte de la forma en que aprendemos, gran parte de la forma en que creamos”.
Más allá de los modelos actuales, el CEO de OpenAI predice que una inteligencia artificial podría hacer un descubrimiento científico significativo “en algún momento de los próximos dos años”, posiblemente “a finales de 2027”. La superinteligencia, definida como un sistema capaz de “hacer una mejor investigación de IA que todo el equipo de investigación de OpenAI” o incluso “hacer un mejor trabajo dirigiendo OpenAI que yo”, ya no es ciencia ficción: “ahora se puede ver a través de la niebla”.
Le faltó hipérboles para celebrar el futuro cuando dijo que «Nunca ha habido un momento más asombroso para ir a crear algo totalmente nuevo, para inventar algo, para iniciar una empresa». Incluso sugiere que una “empresa unipersonal” podría llegar a valer “más de mil millones de dólares”. Por otro lado la proliferación de contenido generado por IA también cambiará nuestra percepción la realidad, donde el umbral de lo que se considera “real” seguirá moviéndose, similar a cómo aceptamos las fotos de iPhone con procesamiento de IA.
A nivel de autocrítica para Altman «El “peor fallo de ChatGPT” hasta ahora no fueron las armas biológicas, sino que el modelo fuera, en palabras suyas, “demasiado adulador con los usuarios”, lo que en algunos casos fomentaba delirios en “personas con estados mentales frágiles”. Esto, junto con el poder descabellado de un solo investigador para “hacer un pequeño ajuste en la personalidad del modelo que afecta a miles de millones de conversaciones al día, subraya la necesidad de una mayor apertura a los riesgos y un nuevo “contrato social”».
Como se lee Altman no ve problemas en la IA. Mientras tanto la carrera de la IA acelera desde este año con la irrupción de DeepSeek la cual ya es utilizados por la policía de Shenzhen, el mega centro tecnológico de China, para analizar millones de vídeos de videovigilancia con el propósito de encontrar a fugitivos y personas reportadas como desaparecidas.
Pero esto es la punta del iceberg, falta conocer la IA aplicada a usos militares que se mantiene en secreto y la supuesta aparición IA cuántica, así como la sospecha de que todo el boom de la IA sea también una burbuja a punto de estallar. Las aristas son muchas y a esto se suma que el discurso globalista de destrucción masiva de puestos laborales exigiría una renta básica universal, lo cual significaría la perdida masiva de libertad económica de cientos de millones en el mundo, y por ende la consolidación de las bases de un tecnofeudalismo. Todo esto es especulativo, sea lo que ocurra en el siglo XXV difícilmente estos dilemas resultaran memorables para los reales problemas del hombre. Pues quién mire y se angustie pensando en 2030 o 2050, no merece imaginar los amplios horizontes de los siglos venideros, porque aunque no nos guste reconocerlo, el siglo XXI es un siglo a modo de hiato en la era oscura en que vivimos. Simplemente un mundo que adora el dinero y muchos se comportan como mercaderes no puede ser más que un mundo de bárbaros. Y sin embargo la civilización se abre paso.