Sabemos desde hace décadas cómo funciona lo que vemos, lo que oímos y lo que tocamos. La ciencia lleva un siglo cartografiando esos sentidos, de modo que cada señal sensorial tiene una dirección conocida, un recorrido trazado desde el órgano hasta el cerebro. Un par de ejemplos: este mapa de la retina o este de la cóclea. Había una asignatura pendiente: el olfato. 

No porque nadie lo hubiera buscado sino porque el sistema olfativo tiene una complejidad descomunal: más de mil tipos distintos de receptores y veinte millones de neuronas en la nariz de un ratón. Un caos biológico al que un equipo de investigación de Harvard ha logrado dibujarle un mapa.

Lo que dice el mapa. El equipo científico ha descubierto que las neuronas olfativas no están distribuidas al azar en la cavidad nasal, sino que forman un código espacial basado en franjas solapadas organizadas por el tipo de receptor y que se distribuyen de la parte superior a la inferior de la nariz. Este patrón es prácticamente idéntico en todos los animales estudiados, de modo que se trata de una arquitectura biológica conservada y reproducible.

Lo más sorprendente es que esta disposición en bandas es un espejo del mapa del bulbo olfativo en el cerebro. Es decir, existe una continuidad topográfica: la posición de una neurona en la nariz determina exactamente a qué zona del cerebro enviará su señal. Esto significa que el cerebro “lee” los olores basándose en parte en la ubicación geográfica de la célula que detectó la molécula.

Havard

Por qué es importante. Porque es la pieza que faltaba para entender la neuroplasticidad y la regeneración del olfato. En la práctica, porque la pérdida del olfato carece en la actualidad de tratamientos eficaces: al conocer el diseño original del sistema, los investigadores pueden ahora entender por qué fallan las conexiones tras un traumatismo o una infección viral, algo que puso de manifiesto el COVID-19. Si no se entiende la arquitectura del sistema, la regeneración va a ciegas. Como destaca Sandeep Robert Datta, neurobiólogo del Blavatnik Institute de Harvard e investigador principal del paper, sin entender este mapa, los intentos de desarrollar nuevos tratamientos están condenados al fracaso.

Contexto. El olfato de los mamíferos es un sistema complejo. En el caso del ratón, cuenta con 20 millones de neuronas olfativas, cada una expresando uno de más de un millar de tipos de receptores distintos. Para hacernos a la idea, la visión en colores humana apenas se sustenta en tres tipos de fotorreceptores. Esta complejidad hizo que durante décadas la ciencia tendiera a asociar la distribución de los receptores de forma aleatoria.

A Linda Buck y Richard Axel descubrir los receptores olfativos en 1991 les valió el Premio Nobel de medicina en 2004, pero eso nos dijo qué detectaba los olores, no dónde ni cómo se organizaban. La buena noticia es que con los avances de la biología molecular hoy en día es posible analizar células individuales en su posición original mediante técnicas como la transcriptómica espacial.

Cómo lo han hecho. El equipo de Harvard analizó aproximadamente 5,5 millones de neuronas procedentes de más de 300 ratones combinando dos técnicas: la secuenciación unicelular para saber qué receptor expresa cada neurona y la transcriptómica espacial para saber exactamente dónde está situada en el tejido.

El estudio también identificó el mecanismo que construye ese mapa: el ácido retinoico. Al manipular los gradientes químicos de ácido retinoico durante el desarrollo embrionario, observaron que las franjas de estos receptores se desplazaban, confirmando que este ácido funciona como una especie de GPS molecular que indica a cada neurona dónde posicionarse y qué receptor expresar.

Sí, pero. La primera gran limitación del estudio es evidente: se ha hecho en ratones, por lo que como el propio equipo de investigación reconoce, aún no saben si la misma organización aplica en humanos. Aunque el sistema olfativo de los mamíferos se conserva en su mayoría, los seres humanos tenemos significativamente menos receptores funcionales (aproximadamente 350 frente a los más de 1.000 del ratón) y una anatomía nasal distinta, por lo que la existencia de estas franjas en humanos aún debe ser validada experimentalmente. 

Además, aunque el mapa explica el dónde, aún no explica totalmente el porqué de ese orden específico. No sabemos si las franjas están agrupadas por la estructura química de los olores o por su relevancia biológica, por ejemplo el olor de la comida frente a olores de peligro. Resolver qué lógica obedece ese orden es el siguiente gran reto.

En Xataka | Llevamos décadas preguntándonos por qué se extinguieron los neandertales. Así que estamos estudiando su nariz

En Xataka | Las tiras nasales vuelven a estar de moda en el deporte. La ciencia ya dictó sentencia sobre ellas

Portada | Angela Roma y Datta Lab

AP.- “El diablo viste a la moda 2” llegó 20 años después de la original y causó sensación en su primer fin de semana en los cines. Impulsada en gran medida por mujeres, recaudó 77 millones de dólares en Estados Unidos y Canadá, y 156.6 millones de dólares a nivel internacional, según estimaciones del estudio difundidas el domingo.

Encabezó con holgura la taquilla y desplazó a “Michael” al segundo puesto, aunque el biopic musical se mantuvo bien en su segundo fin de semana y cayó apenas un 44%.

La empresa 20th Century Studios, de The Walt Disney Co., estrenó “El Diablo viste a la moda 2” en 4 mil 150 salas de Norteamérica.

Las mujeres representaron alrededor del 76% de quienes compraron entradas, de acuerdo con encuestas a la salida de PostTrak; el 74% afirmó que “definitivamente recomendaría” la película a sus amistades.

La crítica estuvo algo dividida con la secuela, que muestra a Andy Sachs, interpretada por Anne Hathaway, trabajando una vez más para Miranda Priestly, el personaje de Meryl Streep, en la ficticia revista “Runway”, en un panorama mediático muy debilitado.

Según reportes, la película costó 100 millones de dólares producirla, un aumento significativo frente al presupuesto de producción de 35 millones de dólares de la primera. Pero, como comentó recientemente el cineasta David Frankel a The Associated Press: “Al final, ya sabes, para cuando terminas de pagar a todas las mayores estrellas de cine del mundo, acabas teniendo básicamente el mismo presupuesto para hacer la película que el que tuvimos con la primera”.

Las estrellas Streep, Hathaway, Emily Blunt y Stanley Tucci estuvieron durante semanas en una gira publicitaria mundial marcada por la moda, con paradas glamorosas en Tokio, Londres y Nueva York. Incluso Anna Wintour, la inspiración de Miranda, ha participado esta vez, al aparecer con Hathaway en el escenario de los Oscar y con Streep en la portada de “Vogue”.

La primera película se estrenó en junio de 2006 y terminó recaudando más de 326 millones de dólares en todo el mundo, sin ajustes de inflación. Y, quizá más importante, se convirtió firmemente en parte de la cultura, gracias sobre todo a sus frases célebres. 

Las secuelas heredadas nunca son una apuesta segura, pero esta vez la expectativa era alta: según Nielsen, la audiencia en streaming de “El Diablo viste a la moda” aumentó un 428% de marzo de 2026 a abril de 2026.

El segundo lugar fue para el biopic de Michael Jackson de Lionsgate, “Michael”, que sumó 54 millones de dólares en su segundo fin de semana en Norteamérica, donde se proyectó en 3 mil 955 pantallas. Su total acumulado mundial ya es de 423.9 millones de dólares. Universal Pictures se encarga del estreno internacional.

Este fin de semana marca el inicio de la temporada de cine de verano de Hollywood, un corredor crucial de 18 semanas que se extiende hasta el Día del Trabajo y que a menudo representa alrededor del 40% de la taquilla anual.

Con frecuencia se programan éxitos de taquilla de Marvel como arranque de la temporada, pero el poder combinado de “El Diablo viste a la moda 2” y “Michael” no fue un sustituto nada despreciable.

También hubo varias otras películas nuevas en cartelera este fin de semana, entre ellas la cinta de terror encabezada por Adam Scott, “Hokum”, la adaptación animada de “Animal Farm” de Andy Serkis y la película de supervivencia protagonizada por Aaron Eckhart y Ben Kingsley, “Deep Water”.

Todas se estrenaron por detrás de “The Super Mario Galaxy Movie”, que recaudó 12.1 millón de dólares en su quinto fin de semana, y de “Proyecto del fin del mundo”, que obtuvo 8.6 millones de dólares en su séptimo fin de semana.

“Hokum”, de Neon, lideró a las recién llegadas con 6.4 millones de dólares y completó el top cinco, seguida por la muy mal reseñada “Animal Farm” con 3.4 millones de dólares. “Deep Water” debutó con 2.2 millones de dólares.

Uno de los problemas de los modelos de lenguaje es que hay una fecha de corte en los datos de entrenamiento, es decir, que el modelo no conoce hechos actuales que vayan más allá de esa fecha. Esto, que en ciertos sectores puede ser un problema grave, es precisamente el objetivo de Talkie-1930, un modelo de lenguaje entrenado únicamente con textos anteriores a 1930. Si alguna vez te has preguntado cómo sería hablar con alguien del pasado, hay una IA para eso.

Un modelo de lenguaje vintage. Así es como se ha bautizado a estos LLM que están entrenados con contenido histórico. Talkie-1930 es un modelo de 13.000 millones de parámetros que no tiene acceso a información moderna ni tampoco puede consultar en internet, sino que solamente ha sido entrenado con libros, periódicos y otros textos anteriores a 1930. 

Para explorar el modelo, los investigadores pusieron a Claude a conversar con el modelo, evaluando sus respuestas. El modelo mostró un gran conocimiento del mundo, con muchos detalles históricos de la época, y una gran capacidad para imitar el estilo de autores victorianos como Dickens, aunque algo limitado en formatos más satíricos.

Más que un experimento cultural. Talkie es lo más parecido a  hablar con alguien educado a principios del siglo XX. Esto convierte al modelo en una ventana que nos permite explorar la mentalidad y cultura de un tiempo pasado y conocer cómo se describían la sociedad, la política o la vida cotidiana de entonces. Pero más allá de la curiosidad, Talkie-1930 también funciona como un “sujeto de control” para estudiar mejor el funcionamiento de la IA y lograr avances importantes.

Prediciendo el futuro. Al estar “congelado” en 1930, Talkie permite medir mejor hasta dónde puede un modelo extrapolar y predecir el futuro solo a partir de patrones históricos, sin hacer trampa con datos posteriores. Para testear esa capacidad anticipatoria, los investigadores le mostraron hasta 5.000 descripciones de eventos históricos posteriores, tomadas de la sección “On this day” del New York Times, y midieron  el grado de sorpresa del modelo. 

El resultado fue que el modelo mostró más sorpresa en las décadas posteriores al corte de datos, especialmente en los 50 y los 60, pero después su grado de sorpresa se estabilizó. Según los investigadores, esto sugiere que el rendimiento predictivo va mejorando conforme el horizonte temporal es más largo, pero señalan que será necesario entrenar modelos más antiguos para poder medirlo bien. 

Invención.  Demis Hassabis, CEO de Google DeepMind, planteó una cuestión muy interesante en una conferencia hace poco: si una IA con un límite de conocimiento hasta 1911 podría llegar a la teoría de la relatividad que Einstein descubrió en 1915. En este sentido, modelos como Talkie-1930 son una herramienta muy interesante para observar su capacidad de generar nuevas ideas que puedan desembocar en descubrimientos.

Sin contaminación. Es uno de los problemas que tienen los modelos entrenados con grandes corpus de datos actuales, en los que suelen colarse también los propios datos de evaluación y acaba provocando que se sobreestimen sus capacidades. Con los modelos vintage no hay contaminación y eso permite poner en práctica experimentos muy concretos, como ver si es capaz de aprender a programar sin tener ningún tipo de conocimiento de informática previo. Talkie-1930 es de código abierto y está disponible en Github.

Imagen | Xataka 

En Xataka | Un macroexperimento ha intentado averiguar si diferenciamos imágenes reales de generadas por IA. La respuesta no es optimista