HOLA,
SOY UN GATO DE PALLAS

La inteligencia artificial moderna puede responder con tanta sensibilidad que a veces crea la impresión de una comprensión auténtica. Elige palabras cuidadosas, reconoce nuestros sentimientos y mantiene la conversación. Pero ¿es capaz no solo de hablar sobre emociones, sino de reconocerlas realmente a partir de la voz y los movimientos? El 3 de septiembre de 2026, la revista Scientific Reports publicó los resultados de un estudio de David Piterman y sus colegas sobre la capacidad de la IA generativa para reconocer manifestaciones no verbales de las emociones. Los investigadores probaron tres modelos multimodales de la familia Gemini y compararon su precisión con la de personas que realizaron tareas similares. Se pidió a los modelos que identificaran emociones a partir de breves vídeos de movimientos corporales sin mostrar el rostro, así como de frases sin sentido pronunciadas con distintas entonaciones. De este modo, los investigadores pudieron comprobar por separado hasta qué punto la IA entiende el lenguaje corporal y la carga emocional de la voz sin apoyarse en el significado de las palabras ni en la expresión facial. Los resultados mostraron que, en algunas tareas, los sistemas actuales ya se acercan al rendimiento humano, pero reconocen las emociones de forma muy desigual. Identifican mejor los estados positivos que los negativos, y precisamente allí donde resulta especialmente importante detectar miedo, dolor o tristeza aparecen más errores. Emociones sin palabras ni expresiones faciales Los investigadores probaron tres modelos multimodales de la familia Gemini, sistemas capaces de analizar no solo texto, sino también sonido y vídeo. Se les pidió identificar emociones a partir de dos tipos de material. En un caso eran breves vídeos de actores profesionales grabados sin mostrar el rostro: el estado emocional se transmitía únicamente mediante la postura y los movimientos del cuerpo. En el otro, se utilizaron frases sin sentido pronunciadas con diferentes entonaciones. Como el significado de las palabras no podía dar pistas, solo quedaban el timbre, la altura de la voz, el ritmo y otras características del habla. Los modelos elegían una opción entre seis posibles respuestas. Sus resultados se compararon con las respuestas de participantes en estudios anteriores en los que se habían utilizado los mismos materiales. En el reconocimiento de emociones a partir de movimientos corporales, las personas superaron a los tres sistemas. El modelo más avanzado de los probados se acercó bastante al resultado humano, aunque la diferencia se mantuvo. Con la voz, el panorama fue distinto: dos modelos más recientes alcanzaron aproximadamente la misma precisión que las personas. Sin embargo, esto no significa que comprendieran la entonación sin equivocarse. Tanto las personas como la IA acertaron en menos de la mitad de los casos. Las emociones expresadas únicamente mediante la voz resultaron difíciles para todos. La alegría se detecta mejor que el sufrimiento El resultado más interesante no tuvo que ver con el número total de respuestas correctas, sino con el tipo de errores. En las personas, la precisión al reconocer emociones positivas y negativas no mostró diferencias importantes. Los modelos de IA, en cambio, se desenvolvieron claramente mejor con los estados positivos. Esto se vio con especial claridad al analizar los movimientos corporales. La excitación, el interés, la actitud juguetona y la amabilidad fueron identificados con mucha seguridad. Con las experiencias negativas hubo más confusión: el miedo se mezclaba con la vergüenza, la tristeza con el asco y la ira con la antipatía. Una emoción definida por los investigadores como dolor o herida emocional no fue reconocida correctamente a partir de los movimientos corporales por ninguno de los modelos. Los autores llaman a esta característica «sesgo positivo». Esto no significa que la IA sienta optimismo o que intente conscientemente ver el mundo de forma más favorable. Un modelo no vive lo que observa como lo hacemos nosotros. Busca en los datos patrones que le permitan elegir la etiqueta emocional más probable. El estudio no establece de dónde procede este sesgo. Es posible que las expresiones positivas estuvieran mejor representadas en los datos con los que se entrenaron los sistemas. También pudo influir el ajuste posterior de los modelos, que favorece respuestas amables y aceptables. Tampoco se descarta que algunas emociones negativas sean simplemente más difíciles de distinguir entre sí cuando solo se dispone de señales no verbales aisladas. Una empatía convincente todavía no significa comprensión Es fácil interpretar una respuesta adecuada como prueba de que nuestro interlocutor ha comprendido correctamente nuestro estado. En la comunicación humana habitual esto suele estar justificado: las palabras, la voz, las pausas, la expresión facial y la historia de la relación se complementan entre sí. Pero en una conversación con IA existe una diferencia importante entre la impresión que produce una respuesta y la forma en que esa respuesta se ha generado. Un sistema puede decir: «Parece que lo está pasando realmente mal ahora mismo» porque conoce muy bien las fórmulas lingüísticas de apoyo. Eso todavía no demuestra que haya reconocido con precisión la ansiedad en la voz, el abatimiento en la postura u otra señal no verbal de malestar. En una conversación amistosa, un error así puede pasar casi desapercibido. Pero la importancia cambia cuando se propone utilizar IA para apoyo psicológico, seguimiento remoto del estado de una persona o ayuda a un profesional. Si un sistema detecta especialmente bien la alegría pero distingue peor el dolor, el miedo y la tristeza, su amabilidad exterior puede crear una impresión exagerada de sensibilidad emocional. Esto no significa que las tecnologías de reconocimiento emocional sean inútiles. Al contrario, algunos resultados muestran lo rápido que están avanzando. Sin embargo, la capacidad de elegir palabras empáticas y la capacidad de detectar de forma fiable el malestar de otra persona no son lo mismo. Lo que el estudio aún no demuestra El experimento se realizó en condiciones deliberadamente simplificadas. Los actores representaban las emociones de forma intencionada y bastante clara. Los vídeos mostraban movimientos corporales sin rostros, mientras que las grabaciones de audio contenían voces sin palabras con significado. En una conversación real, todas estas señales aparecen juntas y dependen de la situación, la cultura, la forma individual de expresar emociones y el grado de conocimiento entre los interlocutores. Además, solo se probaron tres versiones de Gemini. El resultado no puede trasladarse automáticamente a todos los sistemas de inteligencia artificial, especialmente porque los modelos se actualizan con rapidez. Un formato con seis respuestas predefinidas también es mucho más sencillo que interpretar libremente un estado emocional complejo. Por tanto, el estudio no demuestra que la IA vaya necesariamente a pasar por alto señales de un estado grave en una conversación real ni que vaya a causar daño por ello. No se estudiaron pacientes, terapia ni las consecuencias del uso de estos sistemas. En condiciones controladas, los autores detectaron una característica concreta del reconocimiento emocional; su importancia para la ayuda psicológica real todavía debe comprobarse. Aun así, el estudio recuerda una frontera importante. La IA puede reproducir de forma muy convincente el lenguaje de la empatía, pero la capacidad de sonar convincente no equivale a comprender emocionalmente. Cuando más necesitamos apoyo, conviene no tomar una respuesta cálida de una máquina como garantía de que realmente ha detectado todo lo que nos está ocurriendo. Fuente: David Piterman et al. “Generative AI emotion recognition from bodily gestures and vocal tone reveals modality-specific performance and positivity bias”, Scientific Reports, 3 de septiembre de 2026

La inteligencia artificial está cada vez más presente en nuestra vida y, con ella, aparecen conversaciones sobre una nueva ola de ansiedad. Tememos perder el trabajo, nos preocupa la seguridad de nuestros datos personales, nos inquieta no poder adaptarnos a las nuevas tecnologías y nos preguntamos hasta dónde puede llegar realmente el desarrollo de la IA.

Todas estas preocupaciones suelen agruparse bajo una misma expresión: «ansiedad ante la inteligencia artificial». Sin embargo, un nuevo estudio muestra que detrás de ella hay distintos tipos de inquietudes que pueden aparecer de forma independiente.

Investigadores de las universidades de Pisa y Bergen desarrollaron una escala específica llamada AISAS, diseñada para medir el estrés y la ansiedad relacionados con la IA. El trabajo constó de dos estudios prerregistrados realizados con adultos del Reino Unido. Las muestras se formaron teniendo en cuenta la edad, el sexo y el origen étnico de la población del país.

En el primer estudio participaron 301 personas. Sus respuestas permitieron distinguir cuatro tipos principales de preocupaciones:

• temores relacionados con el trabajo y la posible pérdida de relevancia profesional;
• estrés por la necesidad de aprender a utilizar la IA y adaptarse a nuevas tecnologías;
• ansiedad por la privacidad y el uso de datos personales;
• cuestiones existenciales, incluida la posible aparición de conciencia en la inteligencia artificial.

Un segundo estudio con 324 participantes confirmó que esta división también se mantenía en otra muestra.

Estos resultados permiten ver una diferencia importante. Podemos utilizar herramientas de inteligencia artificial con tranquilidad y no tener dificultades para aprender a manejarlas, pero al mismo tiempo preocuparnos seriamente por los datos que recopilan. O puede ocurrir lo contrario: no sentir demasiada inquietud por la privacidad, pero percibir una amenaza para nuestra profesión. Por eso, una pregunta general como «¿te da miedo la inteligencia artificial?» simplifica demasiado nuestras posibles reacciones.

Las preocupaciones más frecuentes entre los participantes estaban relacionadas con la privacidad. En cambio, el estrés por tener que aprender y adaptarse a la IA fue relativamente poco común. Esto no coincide del todo con la imagen de una sociedad ampliamente asustada por el rápido desarrollo de las nuevas tecnologías.

Pero sería incorrecto interpretar el estudio como prueba de una nueva «epidemia de ansiedad». El objetivo principal de los autores era crear y validar de forma preliminar un instrumento de medición, no determinar cuántas personas sufren problemas psicológicos a causa de la IA. El estudio tampoco demuestra que la propia inteligencia artificial haya causado las preocupaciones observadas.

La nueva escala también tiene limitaciones. El componente relacionado con el estrés de adaptación a la IA consta de solo dos ítems y todavía no puede considerarse una subescala plenamente desarrollada. Además, ambas validaciones se realizaron únicamente en el Reino Unido. No se sabe si la estructura de las preocupaciones sería la misma en países con otras actitudes hacia la tecnología, distintos mercados laborales y diferentes normas de protección de datos.

La escala desarrollada no está destinada al diagnóstico. Pero puede ayudar a futuras investigaciones a hablar con mayor precisión sobre nuestra relación con la inteligencia artificial. En lugar de una vaga y alarmante «ansiedad ante la IA», podemos empezar a distinguir qué es exactamente lo que nos preocupa: perder el trabajo, perder el control sobre la información personal, tener que formarnos continuamente o un futuro en el que la frontera entre lo humano y lo artificial sea cada vez menos clara.

Fuente: Enrico Cipriani, Hanna Joy Justesen, Danilo Menicucci & Simone Grassini. “The AI stress and anxiety scale (AISAS): development, initial validation and insight on the diffusion of AI-related stress and anxiety”, Scientific Reports, 2026

Suele considerarse que las burbujas informativas son creadas principalmente por los algoritmos de las redes sociales. Nos muestran contenidos parecidos a aquellos que ya nos han interesado y, poco a poco, nos rodean de opiniones familiares. Sin embargo, un nuevo estudio recuerda que nosotros también participamos en la creación de estas burbujas cuando decidimos con quién seguir en contacto y a quién dejar de seguir.

Investigadores de la Universidad de Michigan y de la Universidad de Duke crearon una red social experimental en la que los participantes podían conocer las opiniones de otros sobre distintos temas sociales. En el estudio participaron 373 personas. En total, tomaron 7.328 decisiones sobre si mantener la conexión con otro usuario o romperla.

El resultado fue bastante previsible: los participantes interrumpían el contacto con mucha más frecuencia con quienes tenían creencias diferentes de las suyas. Cuanto mayor era el desacuerdo, mayor era la probabilidad de romper la conexión.

Así es como puede ir formándose poco a poco una burbuja informativa. No necesariamente buscamos de manera deliberada un espacio en el que todo el mundo piense igual. A veces simplemente vamos eliminando, una tras otra, a las personas cuyas publicaciones nos provocan irritación, ansiedad o ganas de discutir. Como resultado, nuestro entorno social se vuelve cada vez más homogéneo, mientras que otras opiniones empiezan a parecernos raras, extrañas o completamente inaceptables.

Sin embargo, el estudio también identificó un factor que ayudaba a mantener el contacto incluso cuando había desacuerdo. Si los participantes veían que compartían conocidos con otro usuario, era menos probable que rompieran la conexión con él.

La similitud de las creencias y la existencia de vínculos sociales compartidos actuaban de forma independiente. Los conocidos en común no hacían que los participantes estuvieran de acuerdo ni eliminaban el rechazo hacia la postura ajena. Pero hacían que la relación con la persona que sostenía esa postura fuera más estable.

Es posible que la presencia de conocidos en común impida que percibamos a alguien con quien discrepamos como una persona completamente ajena. Sigue formando parte de un espacio social conocido y está conectado con personas en las que ya confiamos. El desacuerdo no desaparece, pero se convierte solo en un aspecto de la relación, y no en el único motivo para decidir si mantener el contacto o ponerle fin.

Como los propios investigadores modificaban la información que los participantes veían sobre los vínculos compartidos, puede afirmarse que, en las condiciones del experimento, este factor influyó directamente en las decisiones tomadas. Sin embargo, los resultados deben trasladarse a las redes sociales reales con cautela. El experimento se desarrolló en un entorno creado artificialmente y los participantes tomaban decisiones aisladas sobre usuarios desconocidos. Las relaciones reales se construyen durante años y dependen de muchas circunstancias que no pueden reproducirse en un laboratorio.

El estudio no demuestra que una etiqueta de «amigo en común» pueda librar a la sociedad de la polarización. Pero sí muestra que las burbujas informativas no surgen únicamente por el funcionamiento de los algoritmos. También se forman a partir de nuestras propias decisiones sobre a quién estamos dispuestos a mantener cerca cuando nos encontramos con opiniones diferentes.

Y quizá un vínculo social compartido pueda convertirse a veces en ese hilo fino que nos ayuda a no transformar una diferencia de opiniones en una ruptura total de la comunicación.

Fuente: Clint McKenna, Ashley Harrell & Ashley Anderson. “Belief consonance and cues of structural embeddedness jointly shape curation in online social networks”, Scientific Reports, 2026

La mayoría de nosotros conocemos bien la frase: «El tiempo lo cura todo». Y, en muchos casos, realmente hay algo de verdad en ella. Incluso después de experiencias muy difíciles, poco a poco podemos volver a la vida cotidiana. El pasado no se puede cambiar y los recuerdos pueden acompañarnos durante mucho tiempo, pero la mente acaba adaptándose gradualmente a lo ocurrido. Sin embargo, no siempre sucede así. La película K-PAX, estrenada en 2001, cuenta precisamente una de esas historias poco comunes. ¿Qué ocurre cuando no somos capaces de aceptar lo sucedido? ¿Por qué la mente intenta a veces escapar de la realidad en lugar de enfrentarse a ella? Intentemos comprenderlo a través de una de las historias psicológicas más singulares llevadas al cine...

Imagine que dos personas pronuncian la misma frase: «Me alegra verte». Una lo dice con una sonrisa, mira directamente a los ojos y transmite sinceridad. La otra pronuncia exactamente las mismas palabras con un tono seco, apenas levantando la vista del teléfono. Formalmente, ambas han dicho lo mismo, pero a una resulta fácil creerle, mientras que la sinceridad de la otra puede generar ciertas dudas. ¿Por qué ocurre esto? Porque durante una conversación percibimos mucho más que el significado de las palabras. Nos fijamos en la entonación y la expresión facial, observamos la mirada, los gestos, la postura y los movimientos, e incluso tenemos en cuenta la distancia que alguien intenta mantener con su interlocutor. A todas estas señales se las suele denominar comunicación no verbal. ¿Podemos realmente saber por el comportamiento de una persona qué piensa y qué siente?...

La programación neurolingüística, o PNL, es uno de los enfoques relacionados con la psicología más conocidos y, al mismo tiempo, más controvertidos. El término resulta familiar incluso para muchas personas que apenas tienen relación con la psicología. Algunos lo han encontrado en libros de desarrollo personal, otros en cursos de negociación y ventas, y otros en relatos sobre una supuesta «influencia oculta» sobre los demás. En unas pocas décadas, la PNL pasó de ser una idea poco común desarrollada por un pequeño grupo de investigadores a convertirse en toda una industria de libros, cursos y seminarios. Aun así, sigue generando opiniones muy distintas: algunos la consideran un conjunto útil de herramientas prácticas, mientras que otros mantienen una postura muy escéptica. Para entender por qué la PNL llegó a ser tan popular y por qué provoca tantas discusiones, conviene empezar por su origen y por lo que sus creadores intentaban ofrecer...