Durante mucho tiempo se pensó que la inteligencia artificial nunca podría hacer reír. Sin embargo, proyectos como Witscript, creado por el guionista Joe Toplyn, están demostrando que los algoritmos también pueden escribir chistes con éxito. En pruebas con público, los chistes generados por IA rivalizaron con los escritos por humanos. Pero los expertos advierten: aunque los modelos pueden imitar el humor, todavía están lejos de comprenderlo en toda su complejidad. La risa, al fin y al cabo, es uno de los rasgos más profundamente humanos del lenguaje.

La inteligencia artificial ya está cambiando la manera en que documentamos nuestro presente y registramos el pasado. En su nuevo libro Artificial Historians, la historiadora australiana Marnie Hughes-Warrington analiza cómo los algoritmos están asumiendo el papel de historiadores, generando narrativas sin transparencia ni matices. Frente a este fenómeno, plantea una reflexión urgente sobre la responsabilidad de historiadores y tecnólogos para que la historia no se reduzca a patrones automatizados, sino que preserve su complejidad humana.

El programador polaco Przemysław Dębiak, conocido como "Psyho", ha hecho historia al superar a ChatGPT en la final del AtCoder World Tour Finals 2025, la competición más prestigiosa del mundo en programación heurística. El evento, celebrado en Tokio, reunió a los doce mejores programadores del planeta y a un algoritmo desarrollado por OpenAI, que quedó en segunda posición. Con diez horas de pruebas de optimización compleja, Dębiak demostró que, al menos por ahora, la inteligencia humana sigue siendo capaz de imponerse a la inteligencia artificial en los retos más exigentes.

La red de autobuses metropolitanos de Barcelona da un paso adelante en la eficiencia gracias a la inteligencia artificial. El proyecto AIDA, impulsado por la Generalitat de Catalunya, el AMB y Eurecat, permite prever la demanda del Aerobús en tiempo real para ajustar la flota de vehículos. Esta tecnología, ahora extendida a toda la red mediante el proyecto AI4BUS, integra modelos predictivos con datos contextuales para reducir tiempos de espera y mejorar la sostenibilidad del transporte público.

La AI for Good Summit de la ONU, un foro para promover el uso ético de la inteligencia artificial, se ha visto envuelta en una controversia tras las declaraciones de la científica Abeba Birhane. Según la investigadora, los organizadores del evento le exigieron eliminar referencias críticas a Israel y a empresas como Microsoft, Meta y Google horas antes de su intervención. Aunque la UIT no ha confirmado su relato, la denuncia ha reabierto el debate sobre el papel de las grandes tecnológicas en la definición de la inteligencia artificial “para el bien”.

Aunque la acumulación de datos es tan antigua como la civilización misma, su verdadero valor ha emergido con el desarrollo del análisis de datos. Esta disciplina, que transforma información en conocimiento útil, es fundamental para el desarrollo de la inteligencia artificial moderna. Sin limpiar, transformar, inspeccionar y modelar los datos, los algoritmos de machine learning no podrían aprender, predecir ni tomar decisiones. Desde mejorar traducciones hasta ayudar en la conducción autónoma, el análisis de datos es la herramienta clave que convierte simples cifras en sistemas inteligentes.

Francia ha dado un paso decisivo en la prevención de incendios forestales al implantar sistemas de vigilancia basados en inteligencia artificial. En Gironda, el proyecto Surmafo permite detectar anomalías térmicas y columnas de humo en un radio de 20 kilómetros y emitir alertas en cuestión de minutos. Esta tecnología, ya compartida con departamentos vecinos y presente en otras regiones como Finistère o Dordogne, representa una herramienta clave ante el aumento de megaincendios provocado por el cambio climático.

Un grupo de investigadores ha desarrollado un modelo de inteligencia artificial capaz de predecir con un 80% de precisión si una persona es fumadora, utilizando datos clínicos y biométricos. A diferencia de otros modelos, este sistema incorpora técnicas de IA explicable que permiten entender cómo llega a sus conclusiones, destacando parámetros clave como la hemoglobina, el GTP y la altura. El objetivo es ayudar al personal sanitario a identificar posibles fumadores sin depender exclusivamente de cuestionarios, y facilitar intervenciones médicas tempranas.