Cuando Aldunate viaja en tren a diario a su trabajo

Aldunate es un migrante nacionalizado que vive en Frankfurt. Viaja casi a diario a su trabajo. Tiene un humor del terror pero quienes lo acompañan sobreviven. Labura en el aeropuerto y allí debe atender aspectos de seguridad relacionados con máquinas que scanean a los pasajeros y cada día se pregunta cuándo será reemplazado por un algoritmo. El aun debe discriminar sobre el resultado. En un par de semanas más espera la visita de Tamara una chica de Curacavi. Ella mientras, decide qué puede llevar en su maleta para no sobrepasar los 23 kilos ni las normas de aduana. Ambos toman decisiones en función de la información previa o dato a disposición.

No fue al principio de los tiempos como especie y en tanto tales, sucede, el principio de algo es el final de algo y ha sucedido casi como una constante. Hay cierta tendencia a imaginar ese lugar de la Tierra cuando según especulaciones un primate bajó del árbol y empezó a caminar. Probablemente fue en el borde del bosque, no en medio del bosque. Desde allí el primate alzó la vista y vio una estepa, planicie páramo y tal vez más allá, otro bosque. ¿Habrá también echado un vistazo a los otros animales de abajo?. Probablemente también hizo eso. De ello dependía su vida. Si fue al amanecer, mediodía o tarde-noche tampoco lo sabemos. Pero lo hizo tras no reconocer a ningún depredador y ese es nuestro principio; no el biológico sino el que está ligado a una decisión: bajarse del árbol y cruzar el terreno hasta el otro lugar. La historia de la especie humana ha tenido varios principios. Hoy asistimos a uno de esos. Y en uno de esos principios la humanidad o nosotros sentimos la necesidad de registrar un hecho, algo, tal vez una experiencia. El primer desplazamiento fue una experiencia evolutiva. La evolución son datos registrados en la biología y el dato fuera de la biología es información que pudiera sernos útil más adelante, ya sea para recordar cómo salir con el propósito cumplido en la era del cazador-recolector o dónde estaban los recursos. Tiempo después se llevó la cuenta del ganado y cosecha o se usó para transmitir conocimientos a generaciones futuras: la tradición oral. En algún punto o lapso de todo ese período fue necesario producir y manejar ese dato-información. Dejar algo marcado, por ejemplo, en huesos, pinturas en paredes de cavernas, o muescas en piedras y si bien  todo ese registro dependía de las herramientas y destrezas propias del estado evolutivo, cumplían la función de preservar información en el tiempo. Pero luego otra necesidad: cómo almacenarlos de manera que pudieran conservarse, consultarse y compartirse. Y lo asombrosamente probable de todo esto es una manera paralela o simultánea o con esa secuencia es propia de la inteligencia humana: la asociatividad.

Así, la humanidad empieza a hacer historia a partir del dato y desde ahi a una historia de sus soportes de almacenamiento: las tablillas de arcilla y el papiro hasta los sistemas digitales actuales. Se trata de una búsqueda constante por capturar el conocimiento y hacerlo perdurar más allá del momento en que fue creado.

Antropológicamente, el dato —entendido en su sentido más amplio, desde una marca en un hueso hasta una base de datos digital— parece cumplir ante todo una función de orientación y seguridad para el ser humano frente a la incertidumbre de su entorno. Y pareciera, todo el ámbito incidente, fuera del dato, fue la ventana por donde entraron los Dioses y Diosas, un acto de creación humana que nos trae certidumbre allí donde no había dato y por tanto, incertidumbre. 

Entonces, registrar cuántos animales había en la manada, dónde se encontraba el agua o cuándo debía sembrarse la tierra no era solo un ejercicio de memoria, sino una manera de reducir el riesgo, anticiparse al futuro y sentir cierto control sobre un mundo impredecible. Esta necesidad no ha cambiado con el tiempo, solo se ha sofisticado: hoy consultamos el clima, las noticias, las estadísticas o los indicadores económicos con la misma pulsión ancestral de saber «dónde estamos» y «qué puede pasar», como si cada dato fuera una pequeña brújula que nos permite situarnos en el espacio, en el tiempo y en la sociedad. En este sentido, el dato no es solo información: es también un mecanismo psicológico y cultural para calmar la angustia que produce lo desconocido, dándonos la sensación —a veces real, a veces ilusoria— que tenemos un mapa para movernos en el mundo. Pero desde el ahora hacia el futuro se abre un gran signo de interrogación. El exceso de dato-información pareciera ya no está unido a la certeza.

Historiografía y perspectiva antropológica del dato

El «dato» no es una categoría neutra ni universal, sino una construcción histórica y cultural. Desde la antropología, autores como Bruno Latour (1) o Geoffrey Bowker (2) han mostrado que todo dato es siempre el resultado de una decisión previa: qué se cuenta, cómo se clasifica y quién tiene autoridad para registrarlo. En la historiografía, Max Weber (3) ve en la cuantificación un motor de racionalización moderna y para Theodore Porter (4), los datos funcionan como «tecnologías de confianza» que reemplazan el juicio personal por procedimientos estandarizados, especialmente en contextos donde la autoridad política o científica necesita legitimarse ante públicos externos. En ambos casos, el dato aparece no como un reflejo pasivo de la realidad, sino como una herramienta de poder y organización social.

De las civilizaciones antiguas al fin de la era analógica

El registro sistemático de información se remonta a los primeros estados burocráticos: los sumerios usaban tablillas de arcilla(6)  para llevar cuentas de granos y tributos ya hacia el 3200 A.C (7)., mientras que el Imperio incaico desarrolló los quipus (8), sistemas de cuerdas anudadas para registrar cifras administrativas sin escritura alfabética. Roma y la China imperial (9) perfeccionaron los censos como instrumento de control fiscal y militar. Con la imprenta y la estadística moderna del siglo XVII y XVIII —impulsada por figuras como John Graunt (10) o los primeros «aritméticos políticos»— el dato se volvió instrumento de gobierno de poblaciones enteras. La consecuencia de la revolución industrial trajo consigo las tarjetas perforadas de Hollerith para el censo estadounidense de 1890, antecedente directo del procesamiento mecánico de datos, y durante todo el siglo XX la era analógica se caracterizó por archivos físicos, fichas, formularios y bases de datos limitadas por el soporte material que las contenía. Y el soporte juega un rol en la conservación del dato a través del tiempo. Lo veremos luego.

La incidencia de la era digital

La digitalización transformó radicalmente tanto la producción como el análisis de datos al desligarse de su soporte físico. Fue un paso desde la contención del dato según el soporte  a la abundancia del mismo  como «subproducto» de la era digital (11). La invención del transistor, la computadora personal y las bases de datos relacionales en los años 70 y 80 permitieron almacenar, cruzar y recuperar información a velocidades jamás vistas. Pero el cambio decisivo llegó con internet y la conectividad masiva: cada búsqueda, transacción o interacción digital comenzó a generar un rastro de datos automáticamente, sin necesidad de un registro humano deliberado. Esto invirtió la lógica histórica: si antes el dato era escaso y costoso de producir, en la era digital se volvió abundante, casi un subproducto inevitable de la vida cotidiana.

El fenómeno del Big Data

Y la velocidad en la producción del dato así como en la opción de consultarlo, vino aparejada con la conservación del mismo. Una cantidad muy abundante de datos almacenados en soportes digitales dio origen al el Big Data que emerge cuando el volumen, la velocidad y la variedad de la información generada superan la capacidad de las herramientas tradicionales de análisis: las llamadas «tres V» (12), a las que luego se sumaron veracidad y valor (13). No se trata solo de una cuestión de escala, sino de un cambio cualitativo: datos no estructurados —textos, imágenes, geolocalización, sensores— empezaron a analizarse mediante técnicas estadísticas y computacionales avanzadas, permitiendo detectar patrones que antes eran invisibles. Así es como Google o Amazon, y sectores de la salud pública o las finanzas, convirtieron al Big Data en un activo estratégico, dando lugar a debates sobre privacidad, vigilancia y concentración de poder informacional en pocas manos.

Sobre las 3 V

Las «3V» constituyen el marco clásico para definir el Big Data. Están formuladas originalmente por Doug Laney en 2001 (14). La primera V, Volumen, refiere a la cantidad masiva de datos generados y almacenados, que pasó de medirse en gigabytes a terabytes, petabytes e incluso zettabytes, superando la capacidad de las bases de datos tradicionales. La segunda V, Velocidad, alude al ritmo acelerado al que estos datos se generan y deben procesarse, muchas veces en tiempo real o casi real, como ocurre con transacciones financieras, sensores IoT (Internet de las Cosas) o redes sociales. La tercera V, Variedad, apunta a la heterogeneidad de los datos, que ya no se limitan a formatos estructurados como tablas o bases relacionales, sino que incluyen texto, imágenes, audio, video, geolocalización y datos de sensores, entre otros formatos no estructurados o semiestructurados. Posteriormente, distintos autores y empresas tecnológicas ampliaron este modelo agregando dimensiones adicionales —como Veracidad (la fiabilidad y calidad de los datos) y Valor (la capacidad de generar información útil y accionable a partir de ellos)— dando lugar a modelos de «5V» o incluso «7V», aunque las tres originales siguen siendo la referencia conceptual más citada para comprender qué distingue al Big Data de la gestión tradicional de datos.

Big Data como base del desarrollo de la Inteligencia Artificial

El vertiginoso avance de la IA contemporánea, y en particular del aprendizaje profundo, no habría sido posible sin la existencia previa del Big Data. Los modelos de machine learning requieren volúmenes masivos de datos de entrenamiento para identificar patrones estadísticos: cuanto mayor y más diverso el conjunto de datos, mejor su capacidad de generalización. La convergencia entre grandes volúmenes de datos disponibles, el aumento del poder de cómputo (GPUs) (15) y avances algorítmicos en redes neuronales explica el salto cualitativo que la IA experimentó desde la década de 2010. En este sentido, el Big Data no es solo un antecedente histórico de la IA, sino su condición de posibilidad material: sin datos a gran escala, no existirían los modelos actuales de lenguaje ni de visión computacional.

Velocidad de procesamiento y utilidad actual de la producción de datos

Hoy la velocidad de procesamiento —medida en términos de cómputo en tiempo real, streaming de datos y capacidad de inferencia— se ha convertido en un factor tan crítico como el volumen mismo de información disponible. La utilidad contemporánea del dato ya no reside únicamente en describir el pasado (como en la estadística clásica), sino en predecir comportamientos futuros y automatizar decisiones en tiempo real: desde sistemas de recomendación hasta diagnósticos médicos o modelos climáticos. Esto plantea, sin embargo, tensiones importantes: la carrera por procesar más rápido y más datos genera un consumo energético creciente (16) (17), profundiza asimetrías entre quienes controlan la infraestructura tecnológica y quienes solo producen datos sin beneficiarse directamente de ellos, y reabre preguntas antropológicas sobre qué significa «conocer» cuando el conocimiento se delega cada vez más a sistemas automatizados de procesamiento masivo de información.

Los sistemas numéricos

Los sistemas numéricos no son solo herramientas de cálculo: son tecnologías de representación que determinan cuánta información una sociedad puede registrar, procesar y transmitir de forma fiable. Los sistemas no posicionales, como el egipcio o el romano, permiten contar y anotar cantidades, pero se vuelven torpes para cifras grandes o para operar con ellas (sumar o multiplicar en números romanos exige convertir mentalmente a otra lógica). Esto limitaba severamente la contabilidad: los registros mesopotámicos y egipcios usaban fichas, marcas y símbolos repetidos que servían bien para inventarios simples —sacos de grano, cabezas de ganado, tributos— pero que crecían en complejidad proporcionalmente a la magnitud de lo registrado. La invención de sistemas posicionales, sobre todo el sistema decimal indoarábigo (18) con el cero (19) como marcador de posición, resolvió este problema de raíz: con solo diez símbolos se puede expresar cualquier cantidad, por grande que sea, y las operaciones aritméticas se vuelven algoritmos mecánicos y enseñables, no proezas de memoria. Este salto no es casual: coincide históricamente con la expansión del comercio a larga distancia y la necesidad de llevar cuentas cada vez más complejas (créditos, intereses, inventarios múltiples, conversión entre monedas).

La contabilidad, de hecho, es uno de los motores históricos más claros de la evolución numérica. La contabilidad por partida doble (20), sistematizada por Luca Pacioli en 1494, solo se volvió práctica y generalizable gracias a la aritmética posicional que llegaba a Europa desde el mundo árabe e indio. Antes, llevar libros de doble entrada con números romanos habría sido extraordinariamente laborioso y propenso a errores. Cada avance en la notación numérica —la posicionalidad, el cero, luego la notación decimal para fracciones— amplió lo que una persona o institución podía «guardar» mentalmente o en papel sin perder precisión ni capacidad de auditoría. En ese sentido, un sistema numérico funciona como una infraestructura de almacenamiento de información tanto como el papel o el pergamino: define la densidad y la fidelidad con que los datos pueden codificarse. Esta misma lógica se repite en la era digital, donde el sistema binario (posicional en base 2) permite que cualquier cantidad de información —incluida toda la contabilidad moderna gestionada por software— se represente, almacene y procese mediante combinaciones simples de dos estados, llevando al extremo la idea de que la potencia de un sistema numérico está directamente ligada a la capacidad de una civilización para producir, conservar y manipular datos.

De la certidumbre a la incertidumbre

Si Big Data fue el soporte para las machine learning y la IA, ¿cuál es la proyección de la IA como soporte para la futura evolución del dato-información?. Veamos un ciclo.

El ciclo Big Data → Machine Learning → IA fue una cadena de habilitación: sin volumen y variedad de datos, los algoritmos no tenían qué aprender. Ahora la pregunta es, si ese ciclo se invierte: ¿la IA como productora y curadora de la próxima generación de dato-información, es posible? (21) (22)

Y la propuesta deductiva es: pues ya sucede: los modelos generan datos sintéticos para entrenar otros modelos (texto, imágenes, series temporales, escenarios de simulación). Esto resuelve una escasez de datos en dominios sensibles (salud, defensa, casos raros) pero trae un riesgo real: el «colapso de modelo» (model collapse) (23), donde entrenar IA con datos generados por IA degrada la calidad y diversidad con el tiempo, como fotocopiar una fotocopia. Esta es la transición de datos crudos a datos sintéticos.

Mientras el Big Data era mayormente información no estructurada acumulada pasivamente, la IA por su parte proyecta un salto hacia la generación activa de conocimiento: sistemas que no solo almacenan datos sino que infieren relaciones, generan hipótesis y las validan (ya se ve en descubrimiento científico —proteínas, materiales, fármacos—). Ahí el dato deja de ser un registro pasivo y se convierte en un producto de razonamiento. Este es el paso desde la información a conocimiento estructurado, algo presente en pensamiento deductivo e inductivo humano pero ahora presente de manera sintética.

Con agentes de IA operando en tiempo real, el dato-información ya no es una base de datos que consultas, sino un flujo continuo que la IA interpreta, enriquece y actualiza sobre la marcha. Entramos a los datos vivos y contextuales.

Quizás el cambio más profundo guarde relación con un asunto que jamás se había dado: en vez que los humanos extraigan información de los datos, la IA se ha vuelto la capa intermedia que traduce datos crudos en información accionable directamente. Un ejemplo o analogía de esto  podrían ser los centros de pensamiento en Chile como por ejemplo el CEP , u otros. Ellos son la interfaz entre el conocimiento puro, crudo, académico y los representantes populares. Este punto intermedio siempre ha sido necesario. La situación se degrada cuando se simplifica demasiado y en esta escena aparece el punto de quiebre: el dato-información deja de ser algo que «consultamos» y pasa a ser algo que la IA «narra» o «sintetiza» para nosotros. El dato-información ya no es un insumo, sino una interfaz.

La tensión central

Hay un riesgo epistemológico de fondo, crítico: si la IA genera y cura cada vez más la información con la que luego se entrena y se informa a sí misma (y a nosotros), se corre el riesgo de una endogamia informacional y ello llevará a perder el ancla con la realidad empírica original o, la ciencia. Esto ya preocupa a varios investigadores de Machine Leraning. Si el dato-informacion proporcionó a la humanidad, a través de la confección de herramientas o sistemas numéricos que generaron algoritmos, todo para tener certeza, la evolución de la IA, esto sin considerar la enorme cantidad de energía que necesita ni el abundante recurso hídrico para enfriar los centros de datos, nos lleva de regreso a la incertidumbre. Y se debe considerar la durabilidad en la conservación del Dato en el formato digital. La información impregnada o tallada en el hueso hace miles de años aun se puede leer. Eso es hoy más un desafío que una certeza.

Y en esta tensión coyuntural, el conocimiento como tal, ya no será el resultado entre la verdad y las creencias, sino un producto de las creencias vestidas de verdad. Es en este Estado del Arte del Conocimiento en que la pregunta existencial se valida: ¿En qué etapa de la evolución humana nos encontramos con la llegada de la interfaz neuronal?.

Y mientras hay una discusión legítima sobre la articulación y el uso que han traído las herramientas a la especie humana, la realidad de la especie humana es hoy muy distinta comparada con su pasado: un planeta masivamente poblado, recursos naturales escasos, asimetría en el ejercicio del Poder brutal, un concepto de Gobernanza donde 4 personas con suficiente incidencia inclinan una balanza a su vez definida por ejercicios democráticos liberales, sumado a un sistema capitalista que profundiza aún más, mediante su variante financiera, la concentración de la riqueza y un etcétera horrible. Seamos claros: ser extremadamente archimillonario y quedarse sentado en el sillón tomando decisiones meramente empresariales es una ilusión, o una creencia inducida a los demás. 

Ya es un hecho que una empresa como Palantir concentra enorme poder en el cruce entre IA, datos masivos y agencias estatales de seguridad. ¿Debemos preocuparnos legítimamente por la vigilancia y concentración de poder? Relativizar que esta duda no equivalga a «manipulación» al dejarla en el ámbito de la interpretación política dependiente del marco de valores es a lo menos, ingenuo. La vigilancia estatal, la seguridad nacional y el control democrático de la tecnología son un negocio demasiado rentable como para no venderlo y no es algo que cualquiera pueda comprar.

Una constante de la evolución para todas las especies es que la velocidad de adaptación al cambio tiene su precisión. Demasiado rápido o lento, deja fuera a especies enteras. Y la especie humana ha sido un “ejemplo” de adaptación dentro de ese margen. Hoy, el nivel de tecnología nos pone en esta tensión. La tecnología y el dato-información también han tenido su desarrollo, sus velocidades. No es así que pasamos de la rueda a la IA solo con chascar los dedos. 

Un médico que cursó toda su carrera y que se especializó en cirugía o en radiología, en un futuro demasiado próximo ya no tendrá ámbito de ejercicio profesional. Tal vez ni siquiera tenga alumnos a los cuales enseñar. Ejemplos similares están a la carta para profesores, todo tipo de ingenierías, oficios e incluso jueces y gobernantes. Todos serán desplazados. Esto, que ojalá sea solo el producto de un temor ascendente aún bajo control, es algo que ingerimos en dosis de noticias o curiosidades y las normalizamos.

Un salto significativo en este último período de desarrollo del dato-información y la IA es la interfaz cerebro-computadora, anunciada por el CEO de Neuralink, Elon Musk: “Ya hay pacientes con implantes funcionando, como Noland Arbaugh, quien puede mover el cursor de un computador y jugar videojuegos usando solo el pensamiento“. Y para este año por terminar la empresa busca pasar a la producción en gran volumen y a un procedimiento quirúrgico casi totalmente automatizado. Y aparece justo acá una pregunta en base a una duda o temor: ¿estos avances han pasado de prototipos de laboratorio a ensayos clínicos con decenas de pacientes, incluyendo implantes que decodifican palabras pensadas en tiempo real y las convierten en texto o voz sintética? . Si bien los implantes como interfaz están aún en etapa experimental, sigue siendo más una meta a futuro que una realidad actual. Solo sucede, ese futuro está demasiado cerca de la realidad y para entonces, tal vez sea necesario redefinir el concepto de humano. El Dato-Información fue un ancla en la evolución biológica de la especie. Hoy la especie dependerá de un algoritmo ejecutado por computadoras con softwares corregidos o auto elaborados para la toma de decisiones. Un ámbito de las decisiones cada vez menos trascendental y quizás eso sea nuestra salvación como especie, pues cada vez que nos enfrentamos a una toma de decisión primordial, terminamos negando al otro. Un ejemplo brutal: no reconocemos a la naturaleza como un otro y el día que la IA como ente gestionador del conocimiento sintético aplique esa ecuación, estaremos en presencia de nuestro final. Pero esta situación hipotética si bien cada vez más cercano a una realidad, aun es más que cualquier temor, un guion de cine. La IA como ente depende demasiado de «nosotros». Para que realmente tome decisiones fuera de nuestro rango debe solucionar aspectos no menores como: la mantención en el servicio de energía, el monitoreo de la temperatura en los centro de datos y desplazar el patrón guía desde la finalización de una tarea como fin último, a la mera ejecución de ella.

Con esta duda cada vez más presente en las personas y una situación se percibe como amenaza hipotética o lejana, Aldunate regresa a su casa desde el aeropuerto al barrio de Bornheim MItte y sus viajes los siente como el último, sobre todo después de la llegada del reciente scanner donde no hay un lugar para el, ni siquiera remoto. Ya no hay un resultado por discriminar. Tamara en tanto, aun no termina de decidir qué llevar en su maleta con tope de peso ajustado a los 23 kilos y prepara sus mejores estrategias de simpatía espontánea, algo dramáticas, para seducir al oficial de aduana, un resultado del cual ha salido siempre airosa, siempre y cuando al frente tenga a una persona. Las máquinas son inmunes a ello.

Fuentes:
1: Bruno Latour(1987). Science in Action: How to Follow Scientists and Engineers through Society. Harvard University Press. Latour, B. & Woolgar, S. (1979). Laboratory Life: The Construction of Scientific Facts. Sage Publications.
Estas obras desarrollan la idea de que los hechos científicos (y, por extensión, los datos) se «construyen» mediante prácticas de laboratorio, inscripción y negociación social, no se «descubren» de forma neutral.
2: Geoffrey Bowker & Star, S. L. (1999). Sorting Things Out: Classification and Its Consequences. MIT Press. Memory Practices in the Sciences. MIT Press.
Sorting Things Out es la referencia clásica sobre cómo toda clasificación (y por tanto todo dato) implica decisiones previas sobre qué contar y cómo, con consecuencias sociales y políticas.
4: Max Weber (1905/1920). Die protestantische Ethik und der Geist des Kapitalismus [La ética protestante y el espíritu del capitalismo]. Wirtschaft und Gesellschaft [Economía y sociedad] (obra póstuma, 1922).
De aquí proviene la tesis de la racionalización y la burocratización moderna como procesos ligados a la cuantificación y el cálculo.
5: Theodore Porter (1995). Trust in Numbers: The Pursuit of Objectivity in Science and Public Life. Princeton University Press.
Esta es la fuente directa de la idea de los números como «tecnologías de confianza» que sustituyen el juicio personal por procedimientos estandarizados, particularmente cuando la autoridad necesita legitimarse ante públicos externos (el argumento central del libro).
6: https://www.ucm.es/quidestliber/tablilla-de-arcilla
7: https://espanol.libretexts.org/Bookshelves/Humanidades/Arte/02%3A_Mediterraneo_Antiguo/02%3A_Antiguo_Cercano_Oriente/2.01%3A_Sumerio/2.1.01%3A_Sumero_una_introduccion
8: https://www.t13.cl/noticia/tendencias/bbc/por-que-seguimos-sin-descifrar-por-completo-los-quipus-los-misteriosos-sistemas-de-registro-de-los-incas-en-peru
9: https://bookdown.org/aquintela/EBE/de-la-aritmetica-politica-a-la-estadistica.html
10: https://encyclopediaofmath.org/images/6/6e/JohnGRAUNT.tex
11: Mayer-Schönberger, V. & Cukier, K. (2013). Big Data: A Revolution That Will Transform How We Live, Work, and Think. Houghton Mifflin Harcourt.
12: Laney, D. (2001). 3D Data Management: Controlling Data Volume, Velocity, and Variety. META Group (actualmente Gartner).
13: Zikopoulos, P., et al. (2012). Understanding Big Data: Analytics for Enterprise Class Hadoop and Streaming Data. McGraw-Hill / IBM.
14.- https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf
15: https://arxiv.org/pdf/2002.05673
16.- https://www.datacenterdynamics.com/es/noticias/la-iea-prev%C3%A9-que-el-consumo-energ%C3%A9tico-de-los-centros-de-datos-se-duplique-en-2030-hasta-alcanzar-los-945-twh/
17.- https://www.infobae.com/tecno/2026/08/27/la-verdad-detras-de-los-data-centers-nvidia-expuso-el-costo-energetico-del-boom-de-la-inteligencia-artificial/
18.- https://espanol.libretexts.org/Bookshelves/Matematicas/Matematicas_Aplicadas/Matematicas_para_estudiantes_de_arte_liberal_(Diaz)/02%3A_Sistemas_de_conteo_historico/2.03%3A_El_sistema_num%C3%A9rico_hindu-%C3%A1rabe
19.- https://canclota.es/historia-del-cero/
20.- https://www.icaew.com/library/library-collection/historical-accounting-literature/pacioli
21.- https://thebridge.tech/blog/synthetic-data/
22.- https://docs.oracle.com/es-ww/iaas/autonomous-database-serverless/doc/select-ai-synthetic-data-generation.html
23.- https://saas-advisor.com/es/blogs/news/ia-generativa-model-collapse-alteracion-de-los-mensajes-de-marca