Un estudio publicado en Science usó tres experimentos controlados con un bonobo enculturado llamado Kanzi. Los autores buscaban ver si los grandes simios pueden fingir y jugar con objetos que no existen realmente.
En la primera prueba, el experimentador fingió verter jugo en tazas transparentes y Kanzi señaló la taza con jugo fingido. En la segunda prueba había además una taza con jugo real y Kanzi señaló el jugo real cuando le preguntaron qué quería. En la tercera prueba el experimentador fingió una uva y Kanzi volvió a indicar el objeto fingido.
Palabras difíciles
- estudio — publicación de investigación sobre un tema
- experimento — prueba organizada para observar resultadosexperimentos
- controlado — realizado con condiciones establecidas y segurascontrolados
- enculturado — educado en cultura humana y costumbres
- fingir — hacer creer que algo es real cuando nofingió, fingido
- señalar — mostrar o indicar algo con la mano o gestoseñaló
Consejo: pasa el cursor, enfoca o toca las palabras resaltadas en el artículo para ver definiciones rápidas mientras lees o audicións.
Preguntas de discusión
- ¿Por qué crees que los autores hicieron tres pruebas diferentes?
- ¿Te parece sorprendente que un bonobo finja objetos? ¿Por qué?
- Describe una vez que viste a un animal jugar con un objeto. ¿Qué hizo?
Artículos relacionados
Patrones de bandadas reducen errores de la IA en resúmenes
Investigadores adaptaron patrones de bandadas de aves para preprocesar textos largos antes de pasarlos a modelos de lenguaje. El método selecciona oraciones representativas y reduce la redundancia, lo que mejora la exactitud factual de los resúmenes.
La emoción y la memoria: cómo el cerebro hace perdurar recuerdos
Investigadores usaron escáneres cerebrales y varias medidas de excitación para entender por qué los recuerdos con carga emocional se guardan mejor. El estudio, liderado por Jadyn Park, muestra que la emoción integra redes cerebrales y fortalece la memoria.
La complejidad del mundo real produce sesgo en la IA
Un estudio de la Universidad de Texas en Austin concluye que una causa importante del sesgo en la inteligencia artificial es la incapacidad para modelar la complejidad del mundo real. Identifica tres factores que aumentan ese riesgo.