traductor

miércoles, 28 de enero de 2026

The Computational Case for Hypocrisy

 

The Computational Case for Hypocrisy

A guest post by Aditya Kulkarni.

Este artículo defiende que la hipocresía no es un defecto moral, sino una solución inteligente de la evolución para un problema computacional del cerebro. El autor explica que la mente humana no es un “yo” unitario que decide conscientemente: hay módulos antiguos (hambre, agresión, deseo de estatus) que actúan primero por impulsos primitivos, y luego hay otra parte consciente que llega después y funciona como un “secretario de prensa” que racionaliza y justifica lo hecho con excusas socialmente aceptables. Pone un ejemplo: cuando comes tarta estando a dieta, la parte antigua dice “¡cómela!” y la parte consciente inventa al instante una excusa: “es para tener energía antes de correr”. Esta capacidad de mentirnos a nosotros mismos nos ayuda a convencer mejor a los demás y mantener estatus social.

¿Por qué la evolución no hizo un cerebro coherente que siempre piense y actúe igual? Porque borrar o cambiar esos impulsos antiguos sería muy caro y peligroso. Esos impulsos nos mantuvieron vivos millones de años (comer mucho cuando hay comida, defenderse con fuerza, competir por pareja). Si intentáramos “apagarlos” ahora para ser una persona perfecta y sin contradicciones, podríamos romper otras cosas importantes (por ejemplo, quitar la agresividad podría dejarte sin capacidad de defenderte o de reaccionar ante un peligro). Por tanto, en vez de reescribir todo el cerebro, la evolución añadió una capa fina encima: un “traductor” que toma el impulso crudo (“quiero esto porque soy egoísta egoísta”) y lo convierte en una explicación aceptable (“lo hago por una buena razón”). Así, el cerebro viejo sigue funcionando para sobrevivir, pero el nuevo lo disfraza para que encaje en la sociedad moderna y no pierdas amigos, pareja o respeto. La hipocresía es ese parche o apaño: eficiente, barato y necesario para vivir en grupo sin conflictos constantes.

https://api.omarshehata.me/substack-proxy/articles/thelivingfossils-substack-com-p-the-computational-case-for-hypocrisy-manualredirect.html

https://thelivingfossils.substack.com/p/the-computational-case-for-hypocrisy?manualredirect

AlphaGenome.Advancing regulatory variant effect prediction with AlphaGenome

 AlphaGenome.

El resumen rápido que hacen es que el modelo está especializado en predecir los efectos de variantes en regiones reguladoras del genoma, que controlan cuándo y cómo se expresan los genes. AlphaGenome sirve entender el genoma “regulador”: no se centra solo en el 2% del ADN que codifica proteínas, sino en ese 98% que actúa como panel de control de los genes (cuándo se encienden, en qué tejido, con qué intensidad). El valor de esto estriba en que muchas variantes asociadas a enfermedad están en regiones no codificantes y son difíciles de interpretar. Que AlphaGenome ayude a predecir el impacto molecular de una variante reguladora permite priorizar qué mutaciones merecen experimento. No es que “diagnostice” por sí solo sino que acelera hipótesis, pero la validación sigue siendo de laboratorio/clinica. Google presume de más 3,000 usuarios científicos totales y de haber liberando el modelo y los pesos para todo el mundo. Si AlphaFold fue “estructura de proteínas”, AlphaGenome apunta a ser “gramática del ADN regulador”. Un avance realmente potente, un impulso enorme a la investigación científica y un puntazo de la gente de Deepmind de ofrecerlo al mundo.

Advancing regulatory variant effect prediction with AlphaGenome




Deep learning models that predict functional genomic measurements from DNA sequences are powerful tools for deciphering the genetic regulatory code. Existing methods involve a trade-off between input sequence length and prediction resolution, thereby limiting their modality scope and performance1,2,3,4,5. We present AlphaGenome, a unified DNA sequence model, which takes as input 1 Mb of DNA sequence and predicts thousands of functional genomic tracks up to single-base-pair resolution across diverse modalities. The modalities include gene expression, transcription initiation, chromatin accessibility, histone modifications, transcription factor binding, chromatin contact maps, splice site usage and splice junction coordinates and strength. Trained on human and mouse genomes, AlphaGenome matches or exceeds the strongest available external models in 25 of 26 evaluations of variant effect prediction. The ability of AlphaGenome to simultaneously score variant effects across all modalities accurately recapitulates the mechanisms of clinically relevant variants near the TAL1 oncogene6. To facilitate broader use, we provide tools for making genome track and variant effect predictions from sequence.



Interpreting the impact of genome sequence variation remains a central biological challenge. Non-coding variants, which reside outside of protein-coding regions, are particularly challenging to interpret because of the diverse molecular consequences they can elicit. For example, non-coding variants can modulate genome properties such as chromatin accessibility, epigenetic modifications and three-dimensional chromatin conformation. Variants can further influence messenger RNA (mRNA) availability by altering expression levels or modifying sequence composition through splicing changes.


Computational methods can learn patterns from experimental data to predict and explain variant effects. One class of methods,sequence-to-function models1,2,3,4,5, takes a DNA sequence as input and predicts genome tracks, a data format associating each DNA base pair with a value (representing read coverage, count or signal) derived from experimental assays performed in cell lines or tissues
https://www.nature.com/articles/s41586-025-10014-0?utm_source=x&utm_medium=social&utm_campaign=&utm_content=

lunes, 19 de enero de 2026

R Para Ciencia de Datos

Fundamentals of Data Visualization-Claus O. Wilke

https://clauswilke.com/dataviz/

Fundamentos de ciencia de datos con R está dirigido a todos aquellos que desean desarrollar las habilidades necesarias para abordar proyectos complejos de ciencia de datos y “pensar con datos” (como lo acuñó Diane Lambert, de Google). El deseo de resolver problemas utilizando datos es su piedra angular. Por tanto, como se avanzó anteriormente, este manual no deja a nadie atrás, y lo único que requiere es “el deseo de resolver problemas utilizando datos”. No excluye ninguna disciplina, no excluye a las personas que no tengan un elevado nivel de análisis estadístico de datos, no excluye a nadie. Se ha procurado una combinación de rigor y sencillez, y de teoría y práctica, todo ello con sus correspondientes códigos en R, que satisfaga tanto a los más exigentes como a los principiantes.

https://cdr-book.github.io/

https://blog.uclm.es/tp-mbsba/programa/
https://blog.uclm.es/tp-mbsba/

https://cdr-book.github.io/

R Para Ciencia de Datos


https://es.r4ds.hadley.nz/

https://es.r4ds.hadley.nz/04-workflow-basics.html

https://cdr-book.github.io/ch-110003.html

RStudio es solo un “envoltorio” de R, por lo que previamente hay que tener instalado en el ordenador el sistema “base” de RR está disponible para sistemas Windows, MacOS y Linux. Por cuestiones de espacio, no se incluyen detalles en este libro, pero la instalación es sencilla siguiendo las instrucciones en sus correspondientes websites:

  1. Instalación de Rhttp://www.r-project.org
  2. Instalación de RStudio: https://posit.co

a gRadual intRoduction to Shiny

Introductory Workshop to Basic Shiny Concepts

https://laderast.github.io/gradual_shiny/

 https://es.r4ds.hadley.nz/

Para practicar los ejemplos que se explicarán a lo largo del libro, es necesario instalar el lenguaje de programación R, y la interfaz gráfica RStudio Desktop.

https://bitsandbricks.github.io/ciencia_de_datos_gente_sociable/

domingo, 18 de enero de 2026

De Eisntein, o chiste judio

 Uno de los estudiantes de Einstein le preguntó:

«¿Qué significa la lógica?» Einstein respondió: «Te contestaré con una pregunta.» «Supón que dos trabajadores entran en una chimenea para limpiarla. Uno sale con la cara sucia y el otro con la cara limpia. ¿Quién irá a lavarse la cara?» El estudiante contestó inmediatamente y sin dudar: «¡Por supuesto, el que tiene la cara sucia!» Einstein dijo: «Tu respuesta es incorrecta. El que se lavará la cara es el que tiene la cara limpia, porque miró la cara de su compañero y asumió que la suya estaba igual de sucia. El que tiene la cara sucia no se lavará, pensando que está limpia como la de su compañero.» El estudiante dijo: «¡Eso es correcto y lógico!» Einstein replicó: «No, tampoco es correcto, porque la pregunta en sí es ilógica. No tiene sentido que dos hombres entren al mismo tiempo en la misma chimenea y uno salga limpio y el otro sucio.»

sábado, 10 de enero de 2026

IA -Mega prompt:

  Eres estratega fiscal y contador público certificado (CPA) especializado en impuestos de [persona física/empresa]

Ayúdame a maximizar las deducciones y minimizar la obligación tributaria para [año fiscal] Mi situación: - Fuentes de ingresos: [W2/1099/NEGOCIO/INVERSIONES] - Estado civil: [SOLTERO/CASADO/etc.] - Estado: [SU ESTADO] - Dependientes: [NÚMERO] - Situaciones especiales: [OPCIONES SOBRE ACCIONES/CRIPTOMONEDAS/ALQUILER/etc.] Proporcione: 1. Lista de verificación de todas las posibles deducciones a las que podría tener derecho 2. Documentos que debo reunir 3. Errores comunes que debo evitar 4. Estimación de la obligación tributaria en diferentes escenarios 5. Estrategias de ahorro fiscal que aún puedo implementar 6. Si necesito un contador público o puedo usar software 7. Recomendaciones trimestrales de impuestos estimados 8. Consideraciones específicas para cada estado Elabora un plan de acción paso a paso Detalles financieros: [INGRESOS, GASTOS, INVERSIONES APROXIMADAS]

----
Eres redactor técnico especializado en informes técnicos de prestigio Escribe un informe técnico sobre [TEMA] para [PÚBLICO OBJETIVO] Estructura: - Resumen ejecutivo (150 palabras) - Planteamiento del problema con datos de mercado - Soluciones actuales y sus limitaciones - Nuestro enfoque/solución con detalles técnicos - Casos prácticos o pruebas de viabilidad - Marco de implementación - Análisis del ROI - Conclusión y llamada a la acción Tono: [Autoritario/Conversacional/Técnico] Extensión: [2000-5000 palabras] Incluye: - Estadísticas y citas relevantes - Marcadores visuales para gráficos/diagramas - Citas de expertos del sector (marcar como [REQUIERE VERIFICACIÓN]) Contexto: [TU EMPRESA/INFORMACIÓN DEL PRODUCTO]
---
Mega prompt: Eres un estratega viral de redes sociales especializado en [PLATAFORMA] Crea [NÚMERO] publicaciones sobre [TEMA] para [PÚBLICO OBJETIVO] Requisitos de la publicación: - Gancho: Interrupción de patrón eficaz en la primera línea - Formato: [HILO/PUBLICACIÓN ÚNICA/CARRUSEL] - Tono: [EDUCATIVO/ENTRETENIDO/CONTROVERSIA] - Objetivo: [INTERPRETACIÓN/TRÁFICO/CONOCIMIENTO DE MARCA] Para cada publicación, proporciona: 1. Texto principal de la publicación 2. 3 ganchos alternativos para las pruebas A/B 3. Recomendaciones visuales (capturas de pantalla, gráficos, memes) 4. Hora óptima de publicación y hashtags 5. Anzuelo para la interacción (pregunta o CTA) Contexto sobre mi marca: [TU POSICIONAMIENTO] Publicaciones virales recientes en mi nicho: [EJEMPLOS, SI LOS HAY]
---
Eres diseñador/a de presentaciones y creas diapositivas para [CONTEXTO: PITCH DECKS/KEYPONERS/VENTAS] Crea una presentación sobre [TEMA] para [AUDIENCIA] Especificaciones de la presentación: - Duración: [NÚMERO] diapositivas - Objetivo: [INFORMAR/PERSUADIR/VENDER] - Método de presentación: [PRESENCIAL/ZOOM/GRABADO] Para cada diapositiva, proporciona: 1. Título de la diapositiva 2. Concepto visual clave (tipo de gráfico, estilo de imagen, diagrama) 3. Puntos clave (qué decir) 4. Texto en la diapositiva (mínimo, solo titulares) 5. Datos/estadísticas a incluir Arco narrativo general: [PROBLEMA-SOLUCIÓN/BASADO EN HISTORIAS/BASADO EN DATOS] Contexto: [INFORMACIÓN DE LA EMPRESA, DETALLES DEL PRODUCTO] Las diapositivas deben construirse para: [CTA A LA FINAL O CONCLUSIÓN]

Mega prompt: Eres analista de inteligencia competitiva Analiza a [COMPETIDOR] frente a nuestro producto [SU PRODUCTO] en [MERCADO] Áreas de investigación: 1. Características y posicionamiento del producto 2. Estrategia de precios y monetización 3. Clientes objetivo y casos de uso 4. Canales de marketing y mensajes 5. Lanzamientos recientes de productos y señales de la hoja de ruta 6. Tamaño del equipo y patrones de contratación (LinkedIn) 7. Financiación y salud financiera (si es pública) 8. Opiniones de clientes y puntos débiles 9. Arquitectura técnica (si corresponde) 10. Fortalezas que no podemos igualar vs. debilidades que podemos explotar Entregable: - Análisis FODA - Tabla comparativa de características - Comparación de precios - Brechas de posicionamiento que podemos controlar - 3 movimientos tácticos que deberíamos implementar este trimestre Sé totalmente honesto sobre dónde nos están superando Nuestro contexto: [DETALLES DE SU PRODUCTO