Las claves de los cohetes reutilizables en 20 segundos

• LandSpace ha logrado el primer aterrizaje terrestre de un propulsor orbital realizado por una empresa privada china.
• China ya había recuperado en julio el estatal Long March-10B, mediante un sistema de captura sobre una plataforma marítima.
• SpaceX sigue muy por delante en reutilización operativa con Falcon 9.
• Blue Origin recupera la primera etapa de New Glenn y trabaja en aumentar su reutilización.
• El siguiente examen para China será volver a lanzar los mismos propulsores recuperados.

Hay algo fascinante en observar cómo un cilindro de decenas de metros cae desde el cielo, enciende sus motores a pocos kilómetros del suelo y termina prácticamente inmóvil sobre una plataforma. Hace apenas dos décadas parecía una extravagancia. Ahora varias compañías consideran que recuperar el cohete es una parte esencial de la economía espacial.

Pero no todos los sistemas reutilizables están en el mismo punto.

Unos han aterrizado una etapa una vez. Otros han demostrado que pueden volver a utilizarla. Y SpaceX lleva años haciendo algo todavía más difícil: convertir la recuperación y reutilización en una operación rutinaria.

El Zhuque-3 acaba de superar la primera de esas barreras.

LandSpace demuestra que China también puede aterrizar un cohete orbital

El ZQ-3 pertenece a LandSpace, una de las empresas privadas más interesantes de la nueva industria espacial china.

Se trata de un lanzador de dos etapas construido en acero inoxidable y alimentado con metano y oxígeno líquido. Su primera etapa utiliza nueve motores de la familia TQ-12 y está diseñada para regresar mediante propulsión y aterrizar verticalmente sobre patas desplegables.

Su primer vuelo llegó el 03/12/2025.

La misión consiguió alcanzar el espacio, pero la recuperación terminó mal. Una anomalía durante la fase final provocó que el propulsor se estrellara.

LandSpace lo ha intentado de nuevo en agosto de 2026 y esta vez el resultado ha sido muy diferente: la primera etapa ha descendido de forma controlada y ha aterrizado verticalmente.

Eso convierte a la compañía en la primera empresa privada china que consigue recuperar de esta manera una primera etapa después de un lanzamiento orbital.

La palabra importante ahora es «recuperar».

LandSpace quiere que cada primera etapa del Zhuque-3 pueda utilizarse hasta 20 veces, pero todavía tiene que demostrarlo. Su siguiente gran objetivo será inspeccionar el propulsor recién recuperado, reacondicionarlo y conseguir que vuelva a volar.

Ese será un logro tecnológicamente más importante que el aterrizaje por sí solo.

SpaceX, Blue Origin, LandSpace: ¿quién reutiliza realmente sus cohetes?

Hablar simplemente de «cohetes reutilizables» puede producir una comparación engañosa.

La reutilización tiene varios niveles.

Primero hay que demostrar un descenso controlado. Después recuperar físicamente el vehículo. El siguiente paso consiste en volver a utilizarlo y, finalmente, conseguir repetir el proceso suficientes veces y con suficiente rapidez como para que tenga sentido económico.

Esta es una fotografía simplificada de algunos de los principales programas:

La tabla muestra por qué SpaceX continúa en otra categoría.

Falcon 9 no solamente aterriza.

Sus propulsores regresan, se inspeccionan y vuelven a lanzarse. Algunas primeras etapas han realizado decenas de misiones. La reutilización forma parte de la operación comercial normal del vehículo.

Eso cambia completamente la pregunta.

Ya no se trata de «¿puede aterrizar este cohete?», sino de «¿cuántas veces puede volar y cuánto cuesta prepararlo para la siguiente misión?».

Blue Origin tomó otro camino, pero llegó antes

Hay además una curiosidad histórica.

SpaceX no fue la primera compañía que consiguió aterrizar verticalmente un cohete después de llegar al espacio.

Blue Origin lo hizo con New Shepard en noviembre de 2015. El vehículo es suborbital, por lo que la comparación con Falcon 9 requiere cautela, pero consiguió demostrar recuperación y reutilización vertical.

SpaceX alcanzó pocos días después otro hito mucho más difícil: aterrizar la primera etapa de un Falcon 9 después de una misión orbital.

Desde entonces las trayectorias de ambas compañías han sido muy diferentes.

New Shepard se convirtió en un sistema reutilizable para vuelos suborbitales, mientras Falcon 9 terminó construyendo una enorme cadencia de misiones orbitales.

Blue Origin ha trasladado ahora esa experiencia a New Glenn, su enorme lanzador orbital.

Su primera misión, en enero de 2025, consiguió alcanzar la órbita, aunque perdió el propulsor durante el intento de recuperación. En noviembre de ese mismo año, durante NG-2, la compañía consiguió aterrizar la primera etapa en su plataforma marítima Jacklyn.

Y Blue Origin ya ha ido un paso más allá: ha vuelto a lanzar un propulsor recuperado de New Glenn.

Esto coloca actualmente a Blue Origin por delante de los nuevos programas chinos en la parte más difícil del proceso: demostrar reutilización orbital real.

China está probando dos soluciones completamente diferentes

La parte quizá más curiosa de la carrera china es que sus dos primeros éxitos han utilizado métodos diferentes.

LandSpace ha elegido una solución reconocible.

El Zhuque-3 regresa propulsivamente y aterriza sobre patas. Conceptualmente es la misma idea utilizada por Falcon 9, aunque las características técnicas de ambos vehículos sean diferentes.

El estatal Long March-10B ha elegido algo bastante más llamativo.

Su primera etapa no necesita posarse sobre una plataforma. Desciende verticalmente hacia una estructura marítima y es atrapada mediante un sistema de cables y red.

El concepto recuerda, salvando las importantes diferencias técnicas, a la decisión de SpaceX de eliminar las patas de Starship/Super Heavy y capturar el enorme booster mediante los brazos de la torre de lanzamiento.

Hay una razón para complicarse tanto.

Todo lo que lleva un cohete pesa.

Las patas, sus mecanismos de despliegue y los refuerzos estructurales necesarios para soportar el aterrizaje consumen parte de la masa que podría dedicarse a combustible o carga útil.

Si la infraestructura terrestre o marítima se encarga de detener el vehículo, parte de ese hardware puede desaparecer del cohete.

El problema es que la precisión necesaria aumenta enormemente.

Starship juega otra partida

Hay otro vehículo que dificulta todavía más cualquier comparación: Starship.

Falcon 9, Zhuque-3 y New Glenn persiguen principalmente la reutilización de su primera etapa. Starship fue concebido alrededor de un objetivo mucho más ambicioso: recuperar y reutilizar tanto el propulsor Super Heavy como la nave superior.

Además, la escala es completamente diferente.

El Zhuque-3 se mueve en capacidades de decenas de toneladas hacia órbita terrestre baja dependiendo del perfil de recuperación. Starship está diseñada para transportar cargas muy superiores.

Y SpaceX tampoco quiere aterrizar Super Heavy sobre patas.

La compañía ha demostrado la captura del booster directamente mediante los brazos mecánicos de la torre, conocidos popularmente como los «chopsticks».

El objetivo final es reducir al mínimo el hardware de aterrizaje transportado por el vehículo y acelerar su preparación para otro vuelo.

Starship, sin embargo, recuerda precisamente por qué conviene no reducir la reutilización a un único momento espectacular.

Capturar un booster es impresionante. Conseguir un sistema completamente reutilizable, fiable y capaz de operar con alta frecuencia es bastante más difícil.

¿Por qué todo el mundo quiere copiar la reutilización?

La explicación aparentemente obvia es el precio.

Tirar un cohete después de cada misión parece comparable a desechar un avión después de cruzar el Atlántico.

La realidad es algo más complicada.

Recuperar una etapa exige combustible adicional, sistemas de navegación, protección térmica, estructuras reforzadas y, dependiendo del diseño, patas, superficies aerodinámicas y otros componentes.

Después hay que inspeccionarla y posiblemente reparar o sustituir piezas.

Por eso reutilizable no significa automáticamente barato.

El ahorro aparece cuando el vehículo puede volver a utilizarse muchas veces sin que su mantenimiento se acerque al coste de fabricar uno nuevo.

SpaceX ha demostrado que esa ecuación puede funcionar con Falcon 9. Las compañías que llegan después intentan ahora encontrar su propia respuesta.

China tiene además un incentivo enorme.

Sus planes de constelaciones de satélites necesitan una cantidad de lanzamientos difícil de sostener utilizando exclusivamente cohetes desechables. Si pretende desplegar miles de satélites y competir con redes como Starlink, aumentar la frecuencia de lanzamiento será tan importante como fabricar los propios satélites.

El aterrizaje es solo el principio

Por eso el éxito de LandSpace es importante, pero su próximo lanzamiento puede serlo todavía más.

La compañía ya sabe que puede lanzar el Zhuque-3, separar la primera etapa, hacerla regresar y colocarla verticalmente sobre tierra.

Ahora tiene delante preguntas bastante menos fotogénicas.

¿Qué daños ha sufrido? ¿Cuántas piezas necesitan sustitución? ¿En qué estado están los nueve motores? ¿Cuánto cuesta inspeccionarlo? ¿Cuánto tiempo necesita antes de volver a la plataforma?

Y, sobre todo, ¿puede despegar otra vez?

LandSpace pretende volver a utilizar el propulsor recuperado dentro de aproximadamente seis meses.

Si lo consigue, China pasará de haber demostrado la recuperación de cohetes orbitales a empezar a demostrar su reutilización.

Después llegará la prueba realmente complicada: hacerlo otra vez. Y otra. Y otra.

Ahí está la enorme ventaja que SpaceX ha construido durante la última década. No consiguió simplemente aterrizar un Falcon 9. Consiguió que, con el tiempo, ver aterrizar uno dejase de parecer noticia.

Preguntas frecuentes

¿Qué empresas tienen cohetes reutilizables?

SpaceX y Blue Origin ya han reutilizado vehículos recuperados. LandSpace acaba de conseguir su primera recuperación del Zhuque-3, mientras otros fabricantes como Rocket Lab trabajan en diferentes sistemas de recuperación y futuros vehículos reutilizables.

¿Es LandSpace la primera empresa china que recupera un cohete orbital?

Es la primera empresa privada china que consigue un aterrizaje terrestre de una primera etapa orbital. El programa estatal chino había recuperado anteriormente el Long March-10B mediante un sistema de captura marítima.

¿El Zhuque-3 ya es completamente reutilizable?

Todavía no. LandSpace ha demostrado la recuperación de la primera etapa, pero falta volver a lanzar ese propulsor. La empresa plantea hasta 20 usos por booster como objetivo futuro.

¿Qué compañía lleva ventaja en cohetes reutilizables?

SpaceX mantiene una ventaja considerable en reutilización orbital gracias a Falcon 9, tanto por número de recuperaciones como por reflights y cadencia. Blue Origin también ha demostrado reutilización con New Shepard y, más recientemente, con la primera etapa orbital de New Glenn.

Las claves de AlphaFold en 30 segundos

• DeepMind comenzó a trabajar en predicción de estructuras de proteínas en 2016 y presentó AlphaFold en CASP13 en 2018.
• Aquella primera versión utilizaba información evolutiva y redes neuronales para estimar qué aminoácidos debían estar próximos.
• AlphaFold 2 dio un salto mucho mayor en 2020 y alcanzó una precisión inédita.
• En 2022 su base pública superó los 200 millones de estructuras predichas.
• Demis Hassabis y John Jumper recibieron en 2024 la mitad del Nobel de Química por este trabajo.

Para entender por qué aquello fue tan importante no hace falta saber biología molecular. Basta imaginar un collar extremadamente largo en el que cada cuenta puede ser de uno entre veinte tipos diferentes.

Esas cuentas son los aminoácidos.

Una proteína puede contener cientos de ellos y su orden está determinado por la información genética. El problema es que la cadena no permanece estirada. Se retuerce, se pliega sobre sí misma y acaba adoptando una forma concreta.

Y esa forma importa muchísimo.

Una proteína puede reconocer otra molécula porque ambas encajan, transportar sustancias, acelerar una reacción química o formar parte de estructuras celulares. Cuando el plegamiento cambia, su funcionamiento también puede hacerlo.

Durante años los científicos podían leer cada vez más secuencias de proteínas gracias al avance de la genética, pero conocer su estructura tridimensional seguía siendo bastante más difícil.

Ahí apareció AlphaFold.

La evolución llevaba millones de años dejando pistas

El primer AlphaFold, presentado por DeepMind en 2018, no miraba únicamente la secuencia de una proteína aislada.

Buscaba también proteínas parecidas encontradas en otros organismos.

Este detalle es una de las partes más bonitas de la historia.

Supóngase que una proteína aparece en humanos, ratones, peces y otros animales. Sus secuencias no serán exactamente iguales porque la evolución ha ido introduciendo cambios. Sin embargo, si la proteína continúa cumpliendo una función parecida, su estructura debe conservar ciertos rasgos.

Ahora imaginemos que dos aminoácidos están muy alejados en la secuencia, pero terminan tocándose cuando la proteína se pliega.

Si uno cambia con la evolución, puede ser necesario que el otro cambie también para que ambos sigan encajando.

Cuando estas modificaciones aparecen repetidamente en miles de secuencias relacionadas, dejan una señal estadística.

AlphaFold aprendió a utilizar esas señales.

Los investigadores construyen lo que se denomina un alineamiento múltiple de secuencias, una enorme tabla en la que se colocan proteínas relacionadas para comparar qué posiciones se conservan y cuáles cambian juntas.

La inteligencia artificial puede estudiar esas correlaciones y preguntarse algo parecido a esto:

«Si estos dos lugares de la secuencia evolucionan juntos, ¿será porque terminan próximos en la proteína real?»

No siempre será así, pero cuando existen millones de ejemplos la información resulta sorprendentemente valiosa.

En cierto modo, AlphaFold convirtió la evolución en una gigantesca base de datos sobre cómo se construyen las proteínas.

AlphaFold 1 no dibujaba directamente una proteína

La primera versión tampoco recibía una secuencia y devolvía simplemente un modelo tridimensional terminado.

Trabajaba por etapas.

Para una proteína formada por cientos de aminoácidos, AlphaFold comparaba cada posición con las demás y trataba de predecir a qué distancia podían encontrarse una vez plegada la cadena.

Por ejemplo, podía considerar muy probable que el aminoácido número 35 terminara a pocos ångströms del número 140, aunque ambos estuvieran muy separados en la secuencia original.

Un ångström equivale a una diezmil millonésima de metro y es una unidad habitual para hablar de distancias entre átomos.

La red neuronal no daba simplemente una cifra exacta. Generaba probabilidades para diferentes distancias.

Algo parecido a:

• poca probabilidad de que estén muy juntos;
• mucha probabilidad de que se encuentren entre 6 y 8 ångströms;
• poca probabilidad de que estén separados más de 15.

Al repetir este proceso para miles de pares aparecía una especie de mapa de restricciones.

Entonces entraba otra parte del sistema.

Un algoritmo matemático intentaba encontrar una forma tridimensional capaz de cumplir simultáneamente tantas de esas restricciones como fuera posible.

Puede imaginarse como montar un puzle en el que existen miles de pistas:

«Estas dos piezas deben quedar cerca».

«Estas otras probablemente estarán separadas».

«Este giro de la cadena parece más probable que aquel».

La primera AlphaFold combinaba así inteligencia artificial con técnicas tradicionales de optimización matemática y conocimiento sobre la geometría de las proteínas.

Ese enfoque fue suficiente para ganar CASP13 en 2018.

CASP, Critical Assessment of protein Structure Prediction, es una competición científica especialmente exigente porque los participantes intentan predecir estructuras que todavía no conocen públicamente.

No pueden buscar simplemente la respuesta correcta.

En los objetivos más difíciles de CASP13, AlphaFold produjo estructuras de alta precisión para 24 de 43 dominios evaluados, frente a 14 logrados por el siguiente método.

DeepMind publicó después aquella tecnología en Nature en enero de 2020.

Pero la historia apenas acababa de empezar.

AlphaFold 2 cambió las reglas

DeepMind podría haber seguido perfeccionando aquella primera arquitectura.

En lugar de eso, la rediseñó profundamente.

AlphaFold 2 apareció en CASP14 en 2020 y produjo resultados tan buenos que la organización habló de un avance extraordinario para un problema científico perseguido durante décadas.

La nueva versión incorporó mecanismos de atención y una arquitectura denominada Evoformer, capaz de relacionar directamente la información evolutiva con las posibles relaciones entre aminoácidos.

También integró mucho más la construcción tridimensional dentro de la propia red neuronal.

Mientras que AlphaFold 1 podía entenderse aproximadamente como:

secuencia → predicción de distancias → optimización → estructura

AlphaFold 2 se acercaba más a:

secuencia + evolución → razonamiento sobre geometría → estructura 3D → refinamiento

El salto no quedó encerrado en un laboratorio.

En julio de 2021 DeepMind y el Instituto Europeo de Bioinformática del EMBL lanzaron AlphaFold Protein Structure Database.

Comenzó con unas 365.000 estructuras.

En 2022 superó los 200 millones de proteínas predichas, cubriendo prácticamente todo el catálogo UniProt disponible entonces.

Eso significaba que investigadores de todo el mundo podían buscar gratuitamente una proteína y encontrar una predicción de su estructura en segundos.

Una tarea que anteriormente podía requerir experimentos largos y costosos pasaba a disponer de una primera aproximación computacional inmediata.

AlphaFold no eliminó la necesidad de los experimentos. Sus predicciones incluyen diferentes niveles de confianza y determinadas estructuras o interacciones continúan necesitando comprobación en laboratorio.

Pero cambió el punto de partida.

De las proteínas aisladas a las moléculas que interactúan

En 2024 llegó AlphaFold 3.

La pregunta ya no era únicamente qué forma tiene una proteína.

Las proteínas funcionan rodeadas de otras moléculas y muchas de sus propiedades dependen precisamente de esas interacciones.

AlphaFold 3 amplió el problema para intentar predecir estructuras conjuntas de proteínas con ADN, ARN, pequeñas moléculas, iones y otros componentes.

Esto resulta especialmente interesante para campos como el descubrimiento de medicamentos.

Muchos fármacos funcionan uniéndose a una proteína concreta. Saber cómo podría encajar una molécula con su objetivo biológico puede ayudar a seleccionar qué candidatos merece la pena estudiar con más detalle.

El reconocimiento científico llegó también en 2024.

La Real Academia Sueca de Ciencias concedió una mitad del Premio Nobel de Química a Demis Hassabis y John Jumper por la predicción de estructuras proteicas. La otra mitad fue para David Baker por su trabajo en diseño computacional de proteínas.

La historia había recorrido un camino considerable desde aquella primera red presentada apenas seis años antes.

La cronología de AlphaFold

2016: DeepMind comienza a investigar el problema de la predicción de estructuras de proteínas.

2018: AlphaFold participa en CASP13 y consigue los mejores resultados globales.

2020: Nature publica el trabajo científico de AlphaFold 1.

2020: AlphaFold 2 participa en CASP14 y consigue un salto muy superior de precisión.

2021: se publica el artículo de AlphaFold 2 y se abre su código.

2021: nace AlphaFold Protein Structure Database.

2022: la base supera los 200 millones de estructuras predichas.

2024: AlphaFold 3 amplía la predicción hacia interacciones entre proteínas y otras moléculas.

2024: Demis Hassabis y John Jumper reciben conjuntamente la mitad del Nobel de Química.

Resulta curioso volver ahora a AlphaFold 1 porque, comparado con sus sucesores, parece casi sencillo.

Había una secuencia. Se buscaban parientes evolutivos. Una red neuronal intentaba adivinar distancias. Después, otro algoritmo montaba la estructura.

AlphaFold 2 y AlphaFold 3 son sistemas bastante más complejos.

Pero la primera versión dejó una idea que continúa siendo poderosa: la inteligencia artificial podía leer patrones escondidos en millones de años de evolución y convertirlos en pistas sobre la geometría de la vida.

No necesitaba «entender» una proteína como lo hace un investigador. Necesitaba encontrar regularidades que los humanos difícilmente podían manejar a esa escala.

Y de una cadena de letras empezó a surgir una forma tridimensional.

Preguntas frecuentes

¿Qué es AlphaFold?

AlphaFold es una familia de sistemas de inteligencia artificial desarrollados inicialmente por DeepMind para predecir estructuras tridimensionales de proteínas a partir de información como su secuencia de aminoácidos y relaciones evolutivas.

¿Cuándo apareció el primer AlphaFold?

DeepMind presentó AlphaFold en la competición científica CASP13 de 2018. El artículo que describía aquella primera metodología se publicó en Nature en enero de 2020.

¿AlphaFold sustituye a los experimentos de laboratorio?

No. Sus predicciones pueden ahorrar tiempo y orientar investigaciones, pero tienen distintos niveles de confianza y numerosas preguntas biológicas siguen necesitando validación experimental.

¿Por qué AlphaFold recibió un Nobel?

El Premio Nobel de Química de 2024 reconoció a Demis Hassabis y John Jumper por sus avances en predicción de estructuras proteicas. Compartieron una mitad del galardón, mientras David Baker recibió la otra por diseño computacional de proteínas.

Fuente: Noticias Inteligencia Artificial

Las claves de Where the Shadow Fell en 20 segundos

• La web representa 11.898 eclipses solares entre 2000 a. C. y 3000 d. C.
• Los datos proceden del Five Millennium Canon of Solar Eclipses de la NASA.
• Permite buscar una ciudad y calcular qué eclipses fueron visibles desde esas coordenadas.
• Las trayectorias se calculan a partir de los elementos besselianos, no son simples ilustraciones.
• Todo funciona directamente en el navegador y puede generar tarjetas PNG personalizadas.

La primera impresión ya explica buena parte de su atractivo. Frente al usuario aparece la Tierra cubierta por líneas, puntos, fechas y corredores de sombra. Cada marca corresponde a un eclipse y el tiempo deja de ser una lista de acontecimientos para convertirse en una capa visual sobre el planeta.

Es posible moverse desde eclipses de la Antigüedad hasta acontecimientos que todavía quedan siglos por delante. Los sucesos recientes aparecen con tonos más cálidos y definidos, mientras que pasado y futuro se integran en una representación que permite entender de un vistazo cómo las sombras de la Luna han cruzado repetidamente la superficie terrestre.

Pero detrás de ese diseño hay bastante más astronomía de lo que podría parecer.

11.898 eclipses colocados sobre la Tierra

Bogachev ha partido del Five Millennium Canon of Solar Eclipses, elaborado por Fred Espenak y Jean Meeus y publicado por la NASA. El catálogo cubre desde el año 1999 a. C. hasta el 3000 d. C. y contiene 11.898 eclipses solares.

Cada uno aparece en el globo en el punto de su máximo, es decir, donde el eje de la sombra lunar pasó más cerca del centro de la Tierra. La forma permite distinguir entre eclipses totales, anulares, híbridos y parciales, mientras que otros elementos visuales representan su magnitud y antigüedad.

Cuando se selecciona un eclipse central, la aplicación puede dibujar el recorrido real de su sombra sobre el planeta.

No se trata de una línea aproximada añadida para hacer más vistosa la visualización. El proyecto utiliza los elementos besselianos del catálogo de la NASA y calcula la intersección del eje de la sombra con el elipsoide terrestre siguiendo la metodología descrita por Jean Meeus en Astronomical Algorithms.

También calcula el ancho del corredor en diferentes puntos. Esto importa porque la franja de totalidad no mantiene exactamente la misma anchura durante todo el recorrido.

La aplicación incorpora además contornos que indican qué porcentaje del área del disco solar queda oculto. Según explica su autor, las líneas calculadas para el eclipse de 2017 presentan diferencias de entre 1,7 y 3,5 kilómetros respecto a la geometría publicada por la NASA.

Qué eclipses pueden verse desde cada ciudad

La parte más entretenida probablemente comienza al introducir una localidad.

Where the Shadow Fell deja entonces de mostrar únicamente dónde alcanzó cada eclipse su máximo y vuelve a calcularlo para las coordenadas seleccionadas. Así puede responder a una pregunta mucho más personal: ¿qué se vio realmente desde ese lugar?

El proyecto dispone de 31.641 localidades buscables, basadas principalmente en GeoNames y centradas en poblaciones de al menos 15.000 habitantes, aunque se han incorporado manualmente algunas localidades más pequeñas.

La diferencia entre el máximo global y la experiencia local puede ser enorme.

El eclipse del 12 de agosto de 2026, por ejemplo, está catalogado como total porque la totalidad se produce en una parte concreta de su trayectoria. Eso no significa que cualquier persona situada bajo la zona de visibilidad contemple un eclipse total.

Según los cálculos de la web, Reikiavik entra en la totalidad, mientras que Madrid alcanza una ocultación del 99,95 %, París un 92,07 %, San Petersburgo un 79,12 % y Nueva York apenas un 9,45 %. En Tokio y El Cairo el Sol ya está bajo el horizonte cuando se produce el fenómeno.

La aplicación utiliza ocultación, es decir, el porcentaje del área del disco solar cubierto por la Luna. No debe confundirse con la magnitud del eclipse, que expresa una relación sobre el diámetro solar.

Esa distinción explica por qué dos cifras sobre un mismo eclipse pueden parecer contradictorias sin serlo.

La captura con Chamartín, en Madrid, muestra bien hasta dónde llega esta idea. La aplicación reconstruye los eclipses observables desde esas coordenadas entre 1700 y 2100, indica cuándo ocurrió el último eclipse total y cuándo llegaría el siguiente según el catálogo, y sitúa los acontecimientos sobre una línea temporal.

En el caso mostrado, la web destaca como próximo eclipse especialmente interesante el 2 de agosto de 2027, con una ocultación calculada del 86 % desde ese punto de Madrid.

City Sky lleva la visualización al cielo de cada ciudad

El proyecto tiene otra función particularmente llamativa: City Sky.

En lugar de observar el fenómeno desde fuera de la Tierra, coloca al usuario virtualmente en la ciudad seleccionada. Los eclipses aparecen en la posición del cielo que realmente habría ocupado el Sol, teniendo en cuenta su altitud y azimut.

La intención es representar dónde habría tenido que mirar una persona desde ese lugar.

Para algunas ciudades incluso se han construido perfiles del horizonte a partir de edificios y relieve. Cuando existen esos datos, el Sol puede quedar situado detrás de las construcciones y accidentes geográficos correspondientes. Si no hay información disponible, la aplicación utiliza un horizonte plano en lugar de inventar una silueta urbana.

El proyecto combina para ello fuentes como OpenStreetMap, Overture Maps y distintos modelos digitales de elevación.

Hasta las estrellas que aparecen durante una totalidad responden a datos reales. Se utilizan 8.920 estrellas hasta magnitud 6,5 procedentes de la base HYG, que integra información de catálogos como Hipparcos, Yale Bright Star y Gliese.

La corona solar merece una aclaración diferente. Es una ilustración y no pretende reproducir fotográficamente la corona de cada eclipse. Su comportamiento visual se basa, sin embargo, en relaciones de brillo y en información sobre el ciclo solar. Para fechas entre 1749 y 2026 utiliza el registro mensual de manchas solares.

Del eclipse de Tales a acontecimientos que nadie vivo llegará a ver

La amplitud temporal es otra de las razones por las que Where the Shadow Fell funciona tan bien como herramienta divulgativa.

El usuario puede recorrer acontecimientos históricos como el eclipse asociado tradicionalmente a Tales de Mileto, fechado el 28 de mayo de 585 a. C., pero también avanzar hacia eclipses que tendrán lugar dentro de cientos de años.

La web incluso permite observar las familias Saros.

Los eclipses pertenecientes a una misma serie se repiten aproximadamente cada 18 años y 11⅓ días. Al representarlos simultáneamente sobre cinco milenios dejan de parecer sucesos independientes y forman cadenas que atraviesan progresivamente el planeta.

Bogachev ha creado también una visualización en cuadrícula utilizando los números Saros y de lunación. El catálogo completo puede desplegarse así en una estructura de 204 columnas, mostrando una regularidad que resulta difícil percibir consultando simplemente una tabla de fechas.

Hay además un detalle científico que el proyecto no intenta esconder: cuanto más se viaja hacia el pasado o el futuro, mayor es la incertidumbre sobre la posición exacta de determinadas trayectorias.

El movimiento orbital puede calcularse con enorme precisión, pero la rotación terrestre no es perfectamente uniforme. La diferencia entre el tiempo terrestre utilizado para los cálculos orbitales y el Tiempo Universal ligado a la rotación terrestre, conocida como ΔT, introduce incertidumbre a escalas de siglos y milenios.

Por eso la aplicación solo muestra horas con precisión de minutos para eclipses comprendidos entre 954 y 2115. Fuera de ese intervalo mantiene la fecha, pero evita ofrecer una hora cuya precisión no puede respaldar.

Es un pequeño detalle que dice bastante sobre el cuidado puesto en el proyecto.

Where the Shadow Fell podría haberse limitado a ser una visualización espectacular. En cambio, Bogachev documenta qué datos utiliza, qué cálculos realiza, dónde existen aproximaciones y qué elementos son simplemente ilustrativos.

Además, buena parte del procesamiento se realiza localmente en el navegador. La propia tarjeta cuadrada de 1.080 × 1.080 píxeles que puede descargarse para una ciudad se genera con los datos ya cargados, sin enviarlos a un servidor.

El resultado está a medio camino entre atlas astronómico, experimento de visualización de datos y aplicación web técnica. Y llega en un momento especialmente oportuno para España: después del eclipse del 12 de agosto de 2026, la Península tiene todavía por delante otros fenómenos solares destacados que pueden explorarse ciudad por ciudad.

Es precisamente ahí donde esta web resulta difícil de abandonar. Se puede empezar buscando Madrid, Barcelona o cualquier localidad conocida y acabar viajando varios siglos hacia atrás, siguiendo una familia Saros por medio planeta o comprobando cuánto falta para que una ciudad vuelva a encontrarse bajo la estrecha sombra de un eclipse total.

Preguntas frecuentes

¿Qué es Where the Shadow Fell?

Es un atlas interactivo creado por Alexander Bogachev que representa 11.898 eclipses solares comprendidos entre 2000 a. C. y 3000 d. C. y permite calcular cómo fueron o serán observados desde localidades concretas.

¿De dónde proceden los datos de los eclipses?

El catálogo procede del Five Millennium Canon of Solar Eclipses de Fred Espenak y Jean Meeus, publicado por la NASA. Las trayectorias y circunstancias locales se calculan utilizando sus elementos besselianos.

¿Puede consultarse qué eclipses habrá desde una ciudad concreta?

Sí. La web permite buscar más de 31.000 localidades y calcula qué eclipses son visibles desde sus coordenadas, qué porcentaje del Sol queda oculto y la posición del fenómeno en el cielo.

¿La web muestra eclipses futuros?

Sí. Su catálogo llega hasta el año 3000, aunque el propio proyecto advierte de que la incertidumbre sobre la rotación terrestre aumenta a medida que las predicciones se alejan del presente.

Fuentes:

• Where the Shadow Fell · An Atlas of Solar Eclipses

Entre esas dos lecturas hay una historia más interesante para cualquier mente curiosa: antes de los billones, Musk entendió que las ideas no ganan por ser brillantes, sino por sobrevivir al contacto con la realidad física. Y la realidad física suele vivir en una fábrica, en una línea de montaje, en un cohete que explota, en una cadena de suministro que se rompe o en una caja que se queda sin dinero justo antes del siguiente intento.

Su riqueza actual, que llegó a superar el billón de dólares en estimaciones publicadas tras la salida a bolsa de SpaceX en junio de 2026, no es una fortuna líquida guardada en una cuenta. Es, sobre todo, una valoración de participaciones en empresas sometidas a mercado, riesgo tecnológico y expectativas enormes. De hecho, pocos días después de cruzar esa marca sobre el papel, varias estimaciones volvieron a situarle por debajo tras la caída de Tesla y SpaceX. Esa volatilidad ayuda a entender mejor el personaje: Musk no es rico como quien cobra rentas de un activo estable, sino como alguien cuya fortuna depende de que máquinas muy difíciles funcionen a escala.

El primer patrón: construir antes de tener permiso

Musk nació en Sudáfrica en 1971 y desde muy joven tuvo una relación poco común con los ordenadores. A los 12 años programó Blastar, un videojuego sencillo que vendió por 500 dólares a una revista. El dato se ha repetido tantas veces que parece una anécdota de motivación, pero tiene una lectura más práctica: Musk no esperaba a que alguien le dijera que podía crear algo. Aprendía, probaba y vendía.

Años después, en plena fiebre de internet, fundó Zip2 junto a su hermano Kimbal Musk y Greg Kouri. La empresa ofrecía software de guías urbanas online para periódicos, una idea que hoy parece obvia, pero que en los noventa todavía exigía explicar a negocios tradicionales por qué internet iba a cambiar la búsqueda local. Zip2 se vendió a Compaq en 1999 por 307 millones de dólares. Musk obtuvo unos 22 millones.

Ese éxito tampoco fue tan limpio como suele contarse. Musk quería más control del producto y de la dirección, pero los inversores y el consejo no siempre compartían su visión. La primera gran lección fue dura: puedes fundar una empresa, trabajar hasta agotarte y aun así perder poder cuando entra capital externo.

Después llegó X.com, una compañía de pagos online que acabaría fusionándose con Confinity para formar PayPal. Musk volvió a chocar con otros directivos por decisiones técnicas y estratégicas. En 2000, mientras estaba de viaje, el consejo lo sustituyó como CEO y colocó a Peter Thiel. A primera vista fue otra derrota. En la práctica, Musk mantuvo una participación relevante y, cuando eBay compró PayPal en 2002 por 1.500 millones de dólares, salió con el capital necesario para empezar una etapa mucho más arriesgada.

Ahí aparece una diferencia importante frente al relato simplificado. Musk no pasó de la nada a Tesla y SpaceX. Llegó con dinero, contactos, experiencia y una tolerancia al riesgo muy poco habitual. Eso no resta mérito a lo que vino después, pero sí lo hace más realista: los grandes saltos empresariales casi nunca ocurren en el vacío.

2008: cuando la épica casi termina en bancarrota

Tras PayPal, Musk pudo haber vivido de invertir. En lugar de eso, fundó SpaceX en 2002 y entró en Tesla en 2004 como inversor principal y presidente del consejo. Las dos apuestas eran distintas, pero compartían una misma intuición: había sectores enormes, muy regulados y muy lentos donde la ingeniería podía cambiar el coste, la velocidad y la ambición.

SpaceX quería hacer cohetes más baratos y reutilizables. Tesla quería demostrar que el coche eléctrico podía dejar de ser un producto marginal. Sobre el papel sonaba visionario. En la práctica, ambas compañías estuvieron cerca de morir.

El año 2008 fue el punto más delicado. SpaceX había sufrido tres fallos consecutivos con Falcon 1. Cada lanzamiento fallido quemaba dinero y confianza. Tesla, mientras tanto, arrastraba retrasos con el Roadster, problemas de costes y una crisis financiera mundial que secaba la financiación. Musk ha contado en varias entrevistas que tuvo que repartir los últimos recursos entre ambas empresas, sin garantía de que ninguna sobreviviera.

El 28 de septiembre de 2008, el cuarto Falcon 1 alcanzó la órbita. Fue la primera vez que un cohete de combustible líquido desarrollado de forma privada lograba ese objetivo. Tres meses después, NASA adjudicó a SpaceX un contrato de 1.600 millones de dólares para 12 misiones de reabastecimiento a la Estación Espacial Internacional. Ese contrato no fue un premio simbólico. Fue un cliente ancla. Dio a SpaceX ingresos, legitimidad y una razón para seguir contratando ingenieros.

Tesla también consiguió financiación crítica en aquel periodo. La compañía sobrevivió por poco y, con el tiempo, pasó del Roadster al Model S, después al Model X y finalmente al Model 3, el coche que debía llevar la empresa a la producción masiva.

La parte más interesante es que Musk no aprendió de 2008 que bastaba con tener una visión. Aprendió lo contrario: sin ejecución, una visión solo consume caja.

La fábrica como prueba de verdad

El Model 3 llevó a Tesla a una nueva crisis. Musk llamó a esa etapa “production hell”, el infierno de la producción. La frase no era una exageración de marketing. Tesla tenía que pasar de fabricar coches en volúmenes relativamente bajos a producir miles de unidades semanales. Ese salto cambia todo: proveedores, calidad, logística, automatización, turnos, mantenimiento, software de fábrica y gestión de errores.

Durante la rampa del Model 3, Musk dijo que dormía en la fábrica de Fremont. La imagen se convirtió en parte de su leyenda: el fundador que no se escondía en una oficina mientras los empleados lidiaban con el caos de producción. Pero conviene leerla con cuidado. Dormir en el suelo de una planta puede transmitir compromiso, aunque también revela que el sistema estaba al límite. Ninguna empresa sana debería necesitar siempre a su fundador apagando incendios en persona.

Aun así, hay una idea poderosa detrás de ese episodio. Musk trató la fábrica como si fuera otro producto. No era solo el lugar donde se ensamblaba el coche, sino una máquina que también debía diseñarse, medirse y corregirse. En 2018, Tesla comunicó que había alcanzado una tasa de producción de 5.000 Model 3 por semana. El mercado seguía dudando de si podría sostener ese ritmo, pero el hito marcó un cambio en la percepción de la compañía.

Esa obsesión por fabricar explica parte de la diferencia entre Tesla y muchas startups de movilidad eléctrica que prometieron demasiado y se estrellaron al llegar a producción. Diseñar un prototipo es difícil. Fabricar cientos de miles de unidades, con costes controlados y clientes reales, es otra disciplina.

SpaceX siguió una lógica parecida. No se limitó a diseñar cohetes reutilizables. Tuvo que aterrizarlos, reacondicionarlos, lanzarlos de nuevo, elevar la cadencia y convertir la repetición en ventaja. En tecnología espacial, cada lanzamiento aporta datos. Cuanto más se lanza, más se aprende. Y cuanto más se aprende, más se abarata el siguiente intento.

La lección menos cómoda: el sacrificio no basta

El relato de Musk suele acabar en una conclusión demasiado simple: trabajó más que los demás y por eso ganó. Esa lectura es atractiva, pero incompleta. Miles de personas trabajan hasta agotarse y no construyen Tesla ni SpaceX. La diferencia no estuvo solo en la resistencia personal, sino en una combinación muy difícil de repetir: capital acumulado, apetito por el riesgo, talento técnico contratado, contratos públicos, mercados enormes, una marca personal descomunal y una capacidad poco común para atraer recursos hacia problemas que parecían imposibles.

Tampoco todo en su estilo es exportable. La intensidad constante puede producir avances rápidos, pero también desgaste, rotación, errores y dependencia excesiva del fundador. Una cultura que vive siempre en modo emergencia puede ganar carreras concretas, aunque no necesariamente construye el mejor entorno para todos sus trabajadores. Musk ha conseguido resultados industriales extraordinarios, pero su manera de dirigir no es una receta universal.

La enseñanza más útil para empresarios y directivos es menos romántica. Las empresas que cambian sectores físicos no ganan por la presentación, sino por la ejecución. La promesa se valida en la fábrica, en el lanzamiento, en el cliente que recibe el producto y en la capacidad de repetir el proceso sin romper la empresa.

Antes de los billones, Musk pasó por varias formas de pérdida de control: en Zip2, en PayPal, en los lanzamientos fallidos de SpaceX, en la presión de Tesla y en la rampa infernal del Model 3. Cada una dejó una lección distinta. La más clara quizá sea que el mundo real no premia la visión por sí sola. Premia la visión que aguanta golpes, encuentra financiación, reúne equipos y se convierte en producto.

Por eso la imagen de Musk durmiendo en la fábrica funciona tan bien, incluso si no conviene convertirla en mito empresarial. Resume una idea sencilla: la tecnología que importa no termina en una diapositiva. Termina cuando alguien consigue fabricarla, entregarla y hacer que funcione una y otra vez.

Preguntas frecuentes

¿Elon Musk es realmente el primer billonario del mundo?
En junio de 2026, Forbes y otros medios situaron su patrimonio por encima del billón de dólares tras la salida a bolsa de SpaceX. Poco después, varias estimaciones volvieron a bajarlo de esa cifra por la caída de Tesla y SpaceX. Es una riqueza muy ligada al valor de sus acciones, no dinero líquido.

¿Qué ocurrió con SpaceX en 2008?
SpaceX venía de tres fallos con Falcon 1. El cuarto lanzamiento alcanzó la órbita en septiembre de 2008 y, meses después, NASA adjudicó a la empresa un contrato de 1.600 millones de dólares para misiones de carga a la Estación Espacial Internacional.

¿Por qué fue tan importante el Model 3 para Tesla?
Porque obligó a Tesla a pasar de fabricar coches premium en volúmenes limitados a producir a gran escala. La rampa del Model 3 puso a prueba la viabilidad industrial de la compañía.

¿Qué pueden aprender los empresarios del caso Musk?
Que una visión ambiciosa no basta. La ventaja aparece cuando una empresa sabe convertir esa visión en ejecución repetible: producto, fábrica, financiación, equipo, clientes y mejora continua.

La hipótesis encaja demasiado bien como para ignorarla. Claude Shannon fue una figura central en la construcción del mundo computacional moderno. Antes de que existieran internet, los chips actuales, los móviles o los modelos de lenguaje, Shannon ayudó a formular una idea que hoy parece obvia pero que en su momento fue extraordinaria: la información podía medirse, comprimirse, transmitirse y analizarse matemáticamente.

Claude Shannon, el hombre que puso números a la información

En 1937, con solo 21 años, Shannon presentó en el MIT una tesis de máster que se ha convertido en una de las más citadas de la historia de la computación. En A Symbolic Analysis of Relay and Switching Circuits, demostró que el álgebra de Boole podía aplicarse al diseño de circuitos eléctricos con relés. Dicho de forma sencilla: los circuitos podían representar operaciones lógicas mediante estados de encendido y apagado.

No inventó él solo toda la electrónica digital, pero sí dio una base matemática decisiva para el diseño de circuitos lógicos. Esa relación entre unos, ceros, interruptores y operaciones booleanas está en la raíz de los ordenadores modernos. Buena parte de lo que hoy llamamos computación digital desciende, de una forma u otra, de aquella intuición.

Después llegó Bell Labs, uno de los lugares más fértiles de la historia tecnológica. Allí se desarrollaron avances como el transistor, Unix, el lenguaje C y múltiples tecnologías que dieron forma a las telecomunicaciones modernas. Shannon encajaba bien en ese entorno raro, exigente y creativo. Era un investigador capaz de moverse entre matemáticas, ingeniería, criptografía, juegos mecánicos y experimentos aparentemente excéntricos.

Su gran salto llegó en 1948 con A Mathematical Theory of Communication, el artículo que fundó la teoría de la información. Shannon definió un marco matemático para medir la incertidumbre, la entropía y la cantidad de información necesaria para transmitir un mensaje. En ese trabajo aparece también el bit como unidad de información, aunque el propio Shannon atribuyó el término a John W. Tukey.

El impacto de aquel artículo fue enorme. Sin teoría de la información no se entiende bien la compresión de datos, la transmisión eficiente de señales, la corrección de errores, las telecomunicaciones modernas ni buena parte de la informática posterior. Shannon no estaba pensando en ChatGPT, Claude o los grandes modelos de lenguaje, pero sí estaba trabajando sobre una pregunta que sigue viva: cuánto puede predecirse de un mensaje a partir de lo que ya sabemos.

El juego de adivinar la siguiente letra

La conexión con los modelos de lenguaje modernos aparece con más claridad en otro trabajo de Shannon, Prediction and Entropy of Printed English, publicado en 1951. En él exploró la entropía del inglés escrito mediante experimentos de predicción de letras. El método era casi doméstico: una persona veía parte de un texto y trataba de adivinar cuál sería el siguiente carácter.

Ese experimento se ha vuelto muy citado en la era de los LLM porque recuerda, con todas las distancias necesarias, a la lógica de predicción que hay detrás de muchos modelos actuales. Un modelo de lenguaje moderno trabaja con tokens, enormes cantidades de datos, redes neuronales y arquitecturas muy sofisticadas. Shannon trabajaba con papel, probabilidades, textos impresos y personas intentando anticipar letras. La intuición de fondo, sin embargo, resulta familiar: el lenguaje tiene estructura estadística y esa estructura permite estimar lo que puede venir después.

Hay que evitar una exageración: Shannon no inventó los LLM. No diseñó transformers, ni redes neuronales profundas, ni sistemas generativos como los actuales. Pero sí formuló parte del vocabulario intelectual que hizo posible pensar el lenguaje como una fuente de información con regularidades medibles. Por eso la conexión entre Claude y Claude Shannon resulta tan atractiva.

Si Anthropic eligió el nombre como homenaje, el guiño es bastante elegante. Claude no sería solo un nombre humano y amable para un chatbot. Sería una referencia al científico que convirtió la comunicación en matemáticas y que mostró que la incertidumbre de un mensaje podía medirse con rigor.

Haiku, Sonnet y Opus: una familia con nombres literarios

La elección de “Claude” encaja además con otra decisión de marca de Anthropic: los nombres de sus modelos. La familia Claude 3 se presentó con tres variantes en orden ascendente de capacidad: Haiku, Sonnet y Opus. El patrón es claro y tiene una coherencia poco habitual en un sector lleno de nombres técnicos, siglas y numeraciones frías.

Haiku remite al poema breve japonés, condensado y preciso. En la familia de Anthropic representa el modelo más ligero y rápido. Sonnet alude al soneto, una forma poética más elaborada y estructurada, y se asocia al modelo intermedio. Opus significa obra, composición o trabajo de mayor entidad, y queda reservado para la versión más capaz de la familia.

Esa lógica literaria ha llevado a algunas personas a pensar que Claude podría estar relacionado con Claude Debussy, compositor francés asociado al impresionismo musical. La asociación no es absurda desde fuera: Sonnet y Opus tienen resonancias artísticas, y un nombre como Claude también puede recordar a un creador europeo. Pero la conexión con Shannon es mucho más fuerte cuando se mira desde la historia de la Inteligencia Artificial, la computación y la teoría de la información.

La confusión es comprensible porque los nombres de producto rara vez vienen con una nota a pie de página. Anthropic ha jugado con un tono más humanista que otros laboratorios de Inteligencia Artificial. “Claude” suena menos industrial que una sigla y los nombres Haiku, Sonnet y Opus refuerzan esa estética literaria. Pero bajo esa capa de sensibilidad cultural hay una lectura técnica muy potente: un modelo de lenguaje llamado como el hombre que ayudó a explicar matemáticamente el lenguaje, la comunicación y la incertidumbre.

El caso es útil también para entender cómo se construyen los relatos alrededor de la Inteligencia Artificial. Un buen nombre no solo identifica un producto. También sugiere una genealogía. En el caso de Claude, esa genealogía probable va de Shannon a Bell Labs, de la teoría de la información al procesamiento del lenguaje, y de los experimentos con letras impresas a los modelos que hoy predicen tokens a una escala difícil de imaginar en 1951.

Anthropic no necesita confirmarlo con una campaña publicitaria para que la referencia funcione. La comunidad ya ha hecho la lectura. Y esa lectura, aunque deba formularse como hipótesis, tiene valor divulgativo: permite explicar que los LLM no nacen de la nada. Están conectados con casi un siglo de matemáticas, ingeniería, lingüística computacional y teoría de la comunicación.

Quizá por eso “Claude” es un nombre más interesante de lo que parece. No solo da personalidad a una interfaz conversacional. También recuerda que la Inteligencia Artificial generativa no empezó con una demo viral, sino con preguntas mucho más antiguas sobre qué es la información, cómo se mide la incertidumbre y por qué el lenguaje humano puede predecirse sin dejar de sorprendernos.

Preguntas frecuentes

¿Anthropic ha confirmado que Claude se llama así por Claude Shannon?

No hay una gran explicación oficial de Anthropic ampliamente documentada sobre el origen del nombre. La atribución a Claude Shannon es la hipótesis más repetida y la que mejor encaja con la historia de la teoría de la información y los modelos de lenguaje.

¿Quién fue Claude Shannon?

Claude Shannon fue un matemático e ingeniero estadounidense considerado el fundador de la teoría de la información. Su trabajo fue decisivo para la computación digital, las telecomunicaciones, la compresión de datos y el estudio matemático de la comunicación.

¿Claude Shannon inventó los modelos de lenguaje?

No. Shannon no inventó los grandes modelos de lenguaje actuales. Pero sus trabajos sobre entropía, predicción del inglés escrito y teoría de la comunicación anticiparon ideas fundamentales sobre la estructura estadística del lenguaje.

¿Qué significan Haiku, Sonnet y Opus en los modelos de Anthropic?

Son nombres literarios usados por Anthropic para diferenciar modelos de Claude según capacidad y coste. Haiku se asocia al modelo más ligero, Sonnet al intermedio y Opus al más avanzado dentro de esa familia.

Cada cierto tiempo reaparece en redes sociales la misma promesa irresistible: la CIA documentó en secreto que el universo es una simulación, lo escondió durante décadas y, si lees hasta el final, descubrirás cómo controlarla. El gancho funciona porque mezcla tres ingredientes perfectos: una agencia de inteligencia, un misterio sin resolver y la fantasía de que la realidad responde a nuestros pensamientos.

La buena noticia para los curiosos es que detrás de ese envoltorio hay un documento completamente real. La mala noticia para los entusiastas es que dice algo bastante distinto a lo que cuenta el hilo. Y la parte fascinante es entender cómo un informe burocrático del Ejército estadounidense se convirtió en una de las grandes mitologías de internet.

El documento existe, y puedes descargarlo

Empecemos por lo verificable. El documento se titula Analysis and Assessment of Gateway Process. Lo firmó el teniente coronel Wayne M. McDonnell, del Mando de Inteligencia y Seguridad del Ejército de los Estados Unidos, y está fechado el 9 de junio de 1983. La CIA lo desclasificó el 9 de septiembre de 2003 y hoy cualquiera puede consultarlo gratis en la sala de lectura FOIA de la agencia. Tiene 29 páginas y pertenece a la colección STARGATE, el archivo de los programas de investigación psíquica de la Guerra Fría.

Hasta aquí, todo cierto. El problema empieza con la palabra «oficialmente».

El documento no es una conclusión institucional de la CIA. Es la evaluación que un oficial del Ejército redactó para su superior sobre un programa concreto: el Gateway Experience, un método de meditación desarrollado por el Instituto Monroe basado en sonidos binaurales (la técnica llamada Hemi-Sync). La idea era sincronizar los dos hemisferios cerebrales mediante audio para alterar la conciencia. El encargo de McDonnell era valorar si aquello tenía algún uso para la recopilación de inteligencia. Que un documento acabe archivado en la web de la CIA no significa que la CIA suscriba su contenido, igual que un informe que duerme en un cajón ministerial no convierte sus ideas en política de Estado.

El «universo holograma» no lo descubrió la CIA

El corazón del hilo viral es la afirmación de que el universo es un holograma y de que la conciencia puede manipularlo. El informe efectivamente habla de ello: McDonnell recurre a las teorías del neurocientífico Karl Pribram y del físico David Bohm para plantear que la realidad podría comportarse como un campo holográfico interconectado más que como materia sólida.

Pero aquí conviene ser precisos. McDonnell no descubrió nada: estaba parafraseando ideas especulativas que Pribram y Bohm ya habían publicado en los años setenta. El «modelo holográfico» es una hipótesis filosófico-científica que nunca ha sido validada experimentalmente como teoría del universo. Tomar la cita de un militar que resume a dos pensadores y presentarla como «la CIA confirmó que vivimos en una simulación» es, sencillamente, un salto que el documento no da.

Tampoco aparece la palabra «simulación» en el sentido tipo Matrix. Esa conexión es un añadido retórico posterior. El famoso «16 años antes de Matrix» es puro montaje narrativo: suena a profecía, pero solo indica que la película es de 1999 y el informe de 1983.

La página 25: el misterio real que sí existió (y que ya se resolvió)

Aquí está la parte más jugosa, porque por una vez el hilo viral roza algo verdadero. Cuando la CIA publicó el documento en 2003, faltaba la página 25. No es un invento: la ausencia era real y desató años de teorías conspirativas. Se presentaron numerosas solicitudes de acceso a la información (FOIA) reclamándola, y la agencia respondía una y otra vez que nunca había tenido esa página en su poder. Para algunos, aquello era la prueba definitiva de que ocultaba el secreto del universo. Una teoría especialmente ingeniosa sostenía que el propio McDonnell la había omitido a propósito: si alguien lograba proyectarse astralmente de verdad, podría volver y contarle qué decía.

El detalle que el hilo se calla es el desenlace. La página 25 apareció hacia 2021 —llegó por correo electrónico a un periodista que llevaba tiempo escribiendo sobre el tema— y su contenido resultó ser anticlimático. No hay un manual para «controlar la simulación». La página habla de un concepto llamado «lo Absoluto» como energía rectora del universo y subraya la importancia del autoconocimiento, además de incluir una sección pragmática sobre los «aspectos motivacionales» por los que la CIA podría preferir este método frente a otros. Es decir: más metafísica especulativa y burocracia, no la llave maestra de la realidad.

Durante años circularon versiones incompletas del informe sin esa página, y cuando por fin se restauró, la leyenda ya había crecido demasiado como para que el final aburrido la frenara. Es un ejemplo de manual de cómo un hueco en un documento oficial se transforma en folclore digital.

Por qué el hilo funciona tan bien

Vale la pena detenerse en la ingeniería narrativa del hilo, porque está muy bien hecho. Empieza con una autoridad incuestionable («la CIA»), introduce un misterio con cebo («la página oculta»), ordena al lector que llegue hasta el final, y termina convirtiendo todo en una técnica de autoayuda: cinco pasos para «proyectar tu deseo al campo universal» y manifestar lo que quieras.

Esos cinco pasos, despojados del envoltorio cósmico, son básicamente instrucciones de relajación profunda con sonido binaural: túmbate, sincroniza los hemisferios con un zumbido o audio, alcanza un estado entre la vigilia y el sueño, visualiza tu objetivo como ya cumplido. Es la ley de la atracción de toda la vida, reempaquetada con la autoridad prestada de un documento gubernamental. No hay nada nuevo ni secreto: hay buen marketing.

Curiosamente, hay un personaje que sí conecta el documento con la ilustración que suele acompañar al hilo —ese diagrama del «péndulo salvaje» con sus fases de expansión y contracción del espacio-tiempo—. Se trata de Itzhak Bentov, ingeniero biomédico israelí-estadounidense que colaboró en la parte técnica del informe y que firmó el libro Stalking the Wild Pendulum (Tras la pista del péndulo salvaje). El dibujo es real y la conexión con el documento también, pero se trata de especulación cosmológica de los años setenta, no de física establecida. Como lectura curiosa, el libro de Bentov es entretenido; como descripción del cosmos, es una metáfora poética, no un mapa.

La conclusión para mentes curiosas

Lo más interesante de esta historia no es si vivimos o no en una simulación —una pregunta filosófica legítima que, por cierto, este documento no responde—. Lo verdaderamente fascinante es el mecanismo: cómo un informe menor, la opinión de un oficial sobre un curso de meditación, sumado a una página que faltaba durante un tiempo, se reensambla cada pocos años en una revelación cósmica con cientos de miles de visualizaciones.

El documento de la CIA es auténtico. Su contenido es especulativo y discutible. La página 25 estuvo desaparecida y ya apareció. Y el hilo que lo cuenta es, sobre todo, una lección de cómo se fabrica un mito en la era de internet. Quizá esa sea la moraleja más útil: antes de compartir la revelación definitiva, merece la pena leer la fuente original. Está a un clic de distancia.

Fuentes

• Documento original (CIA FOIA Electronic Reading Room): Analysis and Assessment of Gateway Process, doc. CIA-RDP96-00788R001700210016-5, publicado el 9/6/1983, desclasificado el 9/9/2003. https://www.cia.gov/readingroom/document/CIA-RDP96-00788R001700210016-5
• PDF del documento (CIA FOIA): https://www.cia.gov/readingroom/docs/cia-rdp96-00788r001700210016-5.pdf
• VICE — «Found: Page 25 of the CIA’s Gateway Report on Astral Projection» (sobre la aparición de la página 25 y la historia de las solicitudes FOIA): https://www.vice.com/en/article/found-page-25-of-the-cias-gateway-report-on-astral-projection/
• Popular Mechanics (vía AOL) — «In a Declassified CIA Report, Scientists Tried to Move Consciousness Beyond the Physical Realm» (contexto del programa y citas del informe): https://www.aol.com/declassified-cia-report-scientists-tried-140000567.html
• Wikimedia Commons — ficha del documento desclasificado: https://commons.wikimedia.org/wiki/File:Analysis_and_Assessment_of_Gateway_Process.pdf
• Transcripción accesible del informe (Accessible FOIA, Medium): https://medium.com/accessible-foia/analysis-assesment-gateway-process-army-cia-foia-1983-human-consciousness-d7fa332ef404
• Sobre el Instituto Monroe y el Gateway Experience / Hemi-Sync: The Monroe Institute — https://www.monroeinstitute.org
• Libro citado en la ilustración: Itzhak Bentov, Stalking the Wild Pendulum: On the Mechanics of Consciousness (1977).

Nota sobre el contexto: este artículo surge a raíz de un hilo viral publicado en X en mayo de 2026 que recuperó el documento y lo presentó como prueba de que «la CIA documentó que el universo es una simulación». Como se explica arriba, el documento es real pero su alcance es muy distinto al que sugiere esa lectura.

Esta nueva publicación completa una serie de aperturas que Microsoft lleva realizando desde hace años. En 2018 la compañía republicó en GitHub el código de MS-DOS 1.25 y 2.11; en 2024 hizo lo propio con MS-DOS 4.0; y ahora ha dado un paso más atrás en la línea temporal con materiales procedentes de Tim Paterson, creador de 86-DOS en Seattle Computer Products. Entre ellos hay código del núcleo de 86-DOS 1.00, instantáneas de desarrollo de PC-DOS 1.00, utilidades como CHKDSK y listados del ensamblador usado para desarrollar aquel software.

De 86-DOS a MS-DOS: una oportunidad histórica

La historia de DOS empieza antes de que el nombre MS-DOS se hiciera famoso. 86-DOS nació en Seattle Computer Products como un sistema operativo para equipos basados en procesadores Intel 8086. Tim Paterson lo desarrolló para dar soporte a una nueva generación de hardware, en un momento en el que el mercado del PC aún no estaba definido y muchas decisiones técnicas se tomaban con rapidez, pragmatismo y pocos recursos.

IBM preparaba su primer PC y necesitaba un sistema operativo. Microsoft, que todavía era una empresa conocida sobre todo por sus intérpretes de BASIC, acabó en el centro de esa operación. La compañía licenció 86-DOS, lo adaptó para IBM y el resultado se comercializó como PC-DOS en los equipos de IBM y como MS-DOS para otros fabricantes. Esa diferencia de marca fue importante: PC-DOS era la versión ligada al IBM PC, mientras que MS-DOS se convirtió en la base común para los compatibles que inundaron el mercado durante los años ochenta y noventa.

La operación cambió la historia de Microsoft. DOS no era un sistema elegante desde una mirada moderna, pero sí era útil, simple y lo bastante flexible como para acompañar el crecimiento del PC compatible. Sobre él se ejecutaron hojas de cálculo, procesadores de texto, juegos, programas de contabilidad, utilidades de comunicaciones, compiladores y las primeras versiones de Windows. Durante años, encender un PC significaba encontrarse con un prompt como C:\> y escribir órdenes directamente.

La nueva liberación ayuda a entender esa evolución desde dentro. Microsoft ha explicado que los materiales no son solo “versiones” de un sistema operativo, sino estados de trabajo concretos, con notas y cambios conservados por Paterson. La compañía los compara con un historial de commits impreso. Esa idea resume bien su valor: permiten ver el proceso, no solo el resultado.

Comandos típicos de MS-DOS: cómo se usaba un PC antes del ratón

MS-DOS era un sistema de línea de comandos. Para un usuario actual, acostumbrado a iconos, ventanas y buscadores, puede parecer áspero. Pero su lógica era directa: se escribía una orden, se pulsaba Enter y el sistema respondía. Muchos comandos de aquella época siguen sonando familiares porque sobreviven, con cambios, en el símbolo del sistema de Windows.

Uno de los comandos más básicos era DIR, usado para listar el contenido de un directorio:

DIR
DIR C:\DOS
DIR *.TXT

El primero mostraba los archivos del directorio actual. El segundo listaba el contenido de C:\DOS. El tercero buscaba solo archivos con extensión .TXT, aprovechando los comodines, una de las herramientas más útiles de DOS.

Para cambiar de directorio se usaba CD o CHDIR:

CD \DOS
CD ..
CD \JUEGOS\DOOM

CD .. permitía subir un nivel en la estructura de carpetas. Este tipo de navegación era básica para moverse por discos duros cada vez más grandes, sobre todo a partir de MS-DOS 2.0, cuando el sistema incorporó soporte para subdirectorios inspirado en conceptos de Unix.

La creación y eliminación de carpetas se hacía con MD y RD:

MD TRABAJO
RD PRUEBAS

Para copiar archivos, el comando clásico era COPY:

COPY CARTA.TXT A:
COPY *.DOC C:\TEXTOS
COPY CON NOTA.TXT

El último ejemplo, COPY CON, permitía crear un archivo escribiendo texto directamente desde la consola. Era rudimentario, pero práctico para notas rápidas o pequeños ficheros de configuración.

La eliminación de archivos se hacía con DEL o ERASE:

DEL TEMP.TMP
DEL *.BAK

Este comando no preguntaba demasiadas cosas en las primeras épocas, así que un DEL *.* en el directorio equivocado podía convertirse en una pequeña tragedia doméstica o empresarial.

Otro comando muy habitual era TYPE, que mostraba el contenido de un archivo de texto:

TYPE README.TXT
TYPE CONFIG.SYS

Para limpiar la pantalla se usaba CLS:

CLS

El mantenimiento de discos dependía de herramientas como CHKDSK, presente desde los primeros tiempos y todavía reconocible hoy en Windows:

CHKDSK A:
CHKDSK C:
CHKDSK C: /F

CHKDSK comprobaba el estado del disco y del sistema de archivos. Con parámetros como /F, en versiones posteriores, podía intentar corregir errores. En una época de disquetes, cortes eléctricos y discos duros menos fiables, esta utilidad era parte del día a día.

El formateo se hacía con FORMAT, un comando poderoso y peligroso:

FORMAT A:
FORMAT C: /S

FORMAT A: preparaba un disquete para su uso. FORMAT C: /S, en versiones clásicas, formateaba la unidad y transfería archivos de sistema para hacerla arrancable. Era el tipo de comando que se ejecutaba con mucho cuidado.

También estaban SYS, para transferir archivos de arranque a un disco; DISKCOPY, para copiar disquetes completos; FDISK, para crear y gestionar particiones; y EDIT, incorporado en versiones posteriores como editor de texto más amigable que el veterano EDLIN.

SYS A:
DISKCOPY A: B:
FDISK
EDIT AUTOEXEC.BAT

Dos archivos marcaron la vida de muchos usuarios avanzados: CONFIG.SYS y AUTOEXEC.BAT. El primero cargaba controladores y configuraba parte del entorno del sistema. El segundo ejecutaba comandos automáticamente al arrancar. Un ejemplo típico podía incluir rutas, configuración del prompt y carga de controladores:

PATH C:\DOS;C:\UTIL
PROMPT $P$G
SET TEMP=C:\TEMP

En equipos de los años noventa, ajustar estos archivos era casi un arte. Había que liberar memoria convencional, cargar controladores en memoria alta, configurar el CD-ROM, activar el ratón en DOS o preparar el sistema para que un juego exigente arrancara correctamente.

MS-DOS, PC-DOS, DR-DOS y FreeDOS: parecidos, pero no iguales

El término “DOS” se usa a menudo como si designara un único sistema, pero en realidad hubo varias ramas y productos. Algunos compartían origen, otros buscaban compatibilidad y otros intentaron competir con Microsoft en su propio terreno.

86-DOS fue el punto de partida. No nació como un producto masivo, sino como una solución práctica para hardware concreto. Su importancia llegó después, cuando Microsoft lo convirtió en la base de la plataforma que IBM necesitaba para su PC.

PC-DOS y MS-DOS compartieron mucho código durante años, pero respondían a estrategias distintas. PC-DOS estaba asociado a IBM, mientras que MS-DOS se licenciaba a fabricantes de compatibles. Esa decisión fue decisiva: cuando el mercado se llenó de clones del IBM PC, MS-DOS se convirtió en el idioma común de esa nueva industria.

DR-DOS, desarrollado por Digital Research, fue una alternativa real. Durante años ofreció funciones avanzadas, buena compatibilidad y herramientas que presionaron a Microsoft para mejorar su propio sistema. Su historia también refleja la dureza comercial de la época: competir contra MS-DOS no era solo una cuestión técnica, sino de acuerdos con fabricantes, compatibilidad con Windows y control del canal OEM.

FreeDOS ocupa otro lugar. Nació en los años noventa como un proyecto libre para mantener vivo un entorno compatible con MS-DOS. Hoy no pretende competir con Windows, Linux o macOS como sistema generalista, pero sí resulta útil para ejecutar software antiguo, juegos clásicos, herramientas de bajo nivel, equipos industriales y proyectos de retroinformática. El proyecto se define como un sistema operativo compatible con DOS capaz de ejecutar programas clásicos de MS-DOS.

Cómo evolucionó MS-DOS por versiones

Las primeras versiones de DOS eran muy limitadas. MS-DOS 1.x estaba pensado para un mundo de disquetes, sin jerarquías de directorios como las que hoy damos por hechas. El salto de MS-DOS 2.0 fue enorme porque introdujo soporte para discos duros y subdirectorios, una mejora esencial cuando los PC empezaron a dejar atrás el uso exclusivo de disquetes.

MS-DOS 3.x consolidó la compatibilidad con redes, discos de mayor capacidad y entornos empresariales. Fue la etapa de expansión del PC compatible como herramienta de oficina. Con MS-DOS 4.0 llegaron cambios ambiciosos, aunque también críticas por consumo de memoria y problemas de estabilidad en ciertos escenarios.

MS-DOS 5.0, lanzado en 1991, suele recordarse como una de las versiones más importantes. Mejoró la gestión de memoria, incorporó un editor más cómodo, añadió QBasic y ayudó a que muchos usuarios pudieran ejecutar aplicaciones más exigentes sin pelearse tanto con los 640 KB de memoria convencional.

MS-DOS 6.x fue la etapa de madurez. Incluyó herramientas de compresión, antivirus, copia de seguridad, optimización de memoria y utilidades de diagnóstico. MS-DOS 6.22 quedó como una de las versiones más recordadas antes de que Windows 95 cambiara definitivamente la relación entre el usuario y el sistema.

La comparación deja una idea clara: DOS no fue una pieza estática. Cambió al ritmo del hardware. Pasó de disquetes a discos duros, de comandos básicos a entornos de configuración complejos, de PCs aislados a redes, y de sistema principal a base sobre la que arrancaban las primeras generaciones masivas de Windows.

Por qué esta liberación importa hoy

La publicación del código temprano de DOS no va a cambiar la informática moderna, pero sí ayuda a entenderla mejor. En ese código están algunas de las decisiones que hicieron posible la expansión del PC compatible: una interfaz simple, una estructura comprensible, herramientas pequeñas y una dependencia fuerte de la compatibilidad hacia atrás.

También sirve para recordar cómo se programaba con restricciones severas. Los desarrolladores actuales trabajan con gigabytes de memoria, repositorios distribuidos, compiladores avanzados y pruebas automatizadas. Los programadores de DOS trabajaban con límites mucho más estrechos y con una relación muy directa con el hardware. Cada byte importaba. Cada llamada al sistema tenía consecuencias visibles.

La dimensión histórica es igual de importante. El repositorio DOS-History/Paterson-Listings no es solo una carpeta con código. Incluye transcripciones, archivos reconstruidos y referencias a escaneos originales. Es un puente entre el papel continuo de una impresora de los años ochenta y el GitHub actual. Esa mezcla de arqueología y tecnología muestra que preservar software exige algo más que guardar binarios antiguos: hay que conservar contexto, herramientas, documentos y versiones intermedias.

La licencia MIT facilita ese trabajo. Al permitir estudiar, modificar y redistribuir el código con pocas restricciones, estos materiales quedan disponibles para investigadores, docentes, aficionados a la retroinformática y desarrolladores curiosos. No sustituyen a proyectos modernos como FreeDOS, pero sí ayudan a entender de dónde viene todo.

DOS fue una pieza pequeña en apariencia, pero enorme por sus consecuencias. Su línea de comandos enseñó a millones de personas a interactuar con un ordenador. Sus limitaciones marcaron la forma de programar durante años. Sus comandos siguen resonando en Windows. Y su historia demuestra que una decisión tomada con prisa, para resolver una necesidad concreta, puede acabar definiendo décadas de informática personal.

Preguntas frecuentes

¿Qué ha liberado Microsoft exactamente?
Ha publicado materiales históricos relacionados con 86-DOS 1.00, instantáneas tempranas de PC-DOS 1.00, utilidades como CHKDSK y listados del ensamblador usado en el desarrollo inicial de DOS.

¿MS-DOS y PC-DOS eran lo mismo?
Compartían una base común, pero no eran exactamente lo mismo como producto. PC-DOS era la versión comercializada por IBM para sus PC, mientras que MS-DOS fue licenciada por Microsoft a otros fabricantes de compatibles.

¿Qué comandos de MS-DOS siguen siendo reconocibles hoy?
Comandos como DIR, CD, COPY, DEL, TYPE, CLS o CHKDSK siguen siendo familiares para usuarios del símbolo del sistema de Windows, aunque su funcionamiento y contexto han cambiado.

¿FreeDOS es una versión moderna de MS-DOS?
FreeDOS no es MS-DOS, sino un sistema operativo libre y compatible con DOS. Su objetivo es ejecutar software clásico, juegos antiguos y herramientas pensadas para entornos DOS.

La medida no significa el final de la misión, ni mucho menos. Al contrario: forma parte de una estrategia calculada para estirar al máximo la vida útil de las dos sondas, que hoy son las únicas naves humanas capaces de enviar datos desde fuera de la heliosfera, la gran burbuja magnética y de partículas creada por el Sol. NASA sostiene que, con este plan, ambas Voyager podrían seguir funcionando con al menos un instrumento científico ya entrada la década de 2030, siempre que no aparezcan problemas inesperados.

El problema de fondo: menos energía cada año

Las Voyager no funcionan con paneles solares. A la distancia a la que se encuentran, eso sería inviable. Cada una depende de un generador termoeléctrico de radioisótopos, o RTG, que transforma el calor de la desintegración del plutonio en electricidad. El inconveniente es obvio: esa fuente se degrada con el tiempo. Según NASA, cada sonda pierde alrededor de 4 vatios de potencia al año, una sangría lenta pero constante que obliga a elegir qué sistemas se mantienen encendidos y cuáles no.

En el caso de Voyager 1, el instrumento apagado ha sido el experimento LECP, siglas de Low-Energy Charged Particles. Llevaba funcionando casi sin interrupción desde el lanzamiento y ha sido clave para estudiar iones, electrones y rayos cósmicos de baja energía en el medio interestelar. NASA explica que el LECP ha permitido detectar frentes de presión y cambios en la densidad de partículas más allá de la heliosfera, una información que ninguna otra misión puede ofrecer hoy.

La agencia tomó la decisión después de que, durante una maniobra rutinaria de orientación el 27 de febrero, los niveles de potencia de Voyager 1 cayeran de forma inesperada. Los ingenieros temían que cualquier descenso adicional activara el sistema automático de protección por subtensión, que habría empezado a apagar componentes por su cuenta para proteger la nave. En una sonda tan antigua y remota, dejar que eso ocurra ya no es una buena idea: recuperar el control puede ser lento, complejo y arriesgado.

Qué sigue funcionando en las Voyager

Apagar un instrumento no significa dejar ciega a la sonda. Tras este último recorte, Voyager 1 mantiene todavía dos instrumentos científicos activos: uno para escuchar ondas de plasma y otro para medir campos magnéticos. Voyager 2, por su parte, sigue operando con varios instrumentos más, aunque también ha sufrido recortes y ya entró en este proceso de sacrificios escalonados hace tiempo. NASA insiste en que el orden de apagado no se improvisa sobre la marcha: hace años que los equipos científicos y de ingeniería acordaron qué sistemas se irían retirando primero para conservar el mayor valor científico posible.

De hecho, la poda energética empezó antes. En febrero de 2025 se apagó en Voyager 1 el subsistema de rayos cósmicos, y en marzo de ese mismo año se desconectó en Voyager 2 el instrumento de partículas cargadas de baja energía. Aquella maniobra dejó tres instrumentos activos en cada sonda y, según NASA, compró aproximadamente un año de margen antes de tener que tomar otra decisión dolorosa. Ese “otro momento” ha llegado ahora para Voyager 1.

Hay otro aspecto crucial: no solo importan los instrumentos científicos. Las Voyager también necesitan mantenerse lo bastante calientes como para que no se congelen sus líneas de combustible y puedan seguir orientando la antena hacia la Tierra. Sin control de actitud, no hay telemetría ni ciencia posible. Por eso la gestión energética afecta tanto al laboratorio científico como a la propia supervivencia de la nave.

La nueva jugada de NASA: el plan “Big Bang”

Lo más interesante del anuncio de abril es que NASA no se limita a apagar sistemas y esperar. Los ingenieros están ultimando una maniobra más ambiciosa para ambas sondas, a la que llaman internamente “Big Bang”. La idea consiste en sustituir de una vez un grupo de dispositivos alimentados por otros equivalentes de menor consumo, manteniendo al mismo tiempo la nave lo bastante caliente como para seguir operando y recogiendo datos.

NASA quiere probar primero esta solución en Voyager 2, que dispone de un pequeño margen adicional de potencia y está más cerca de la Tierra, por lo que resulta un banco de pruebas menos arriesgado. Los ensayos están previstos para mayo y junio de 2026. Si el resultado es positivo, la agencia intentará aplicar el mismo ajuste en Voyager 1 no antes de julio. Incluso existe la posibilidad de que, si el plan sale especialmente bien, el instrumento LECP apagado ahora pueda volver a encenderse más adelante.

Ese detalle resume perfectamente la filosofía con la que NASA lleva años exprimiendo las Voyager: cada vatio cuenta, cada sistema se reconsidera y ninguna posibilidad se descarta mientras haya una opción razonable de ganar meses o años de ciencia. La propia agencia recuerda que estas dos naves siguen explorando una región del espacio a la que no ha llegado ninguna otra misión. En ese contexto, incluso una pequeña extensión del tiempo operativo tiene un valor científico enorme.

La historia de las Voyager siempre ha sido una mezcla de ingeniería brillante, improvisación disciplinada y resistencia inesperada del hardware. Hoy, casi 49 años después del lanzamiento, siguen siendo algo más que dos reliquias heroicas de la era dorada de la exploración espacial. Son las únicas mensajeras activas de la humanidad en el espacio interestelar. Y NASA, al menos por ahora, todavía no está dispuesta a dejarlas callar.

Preguntas frecuentes

¿Qué instrumento ha apagado NASA en Voyager 1 en abril de 2026?
NASA ha apagado el experimento LECP, el instrumento de partículas cargadas de baja energía de Voyager 1, para ahorrar energía y evitar riesgos mayores para la nave.

¿Cuánta energía pierden las Voyager cada año?
Según NASA, cada una de las dos sondas pierde aproximadamente 4 vatios de potencia al año debido al declive natural de sus generadores RTG.

¿Hasta cuándo podrían seguir funcionando las Voyager?
NASA considera que, con la estrategia actual, ambas sondas podrían seguir operando con al menos un instrumento científico en la década de 2030, aunque todo dependerá de su estado real y de posibles problemas imprevistos.

¿Qué es el plan “Big Bang” de NASA para las Voyager?
Es una maniobra de ahorro energético con la que la agencia quiere sustituir varios dispositivos por alternativas de menor consumo para extender aún más la vida útil de las dos sondas. La primera prueba está prevista en Voyager 2 entre mayo y junio de 2026.

Imagen: NASA/JPL-Caltech. vía: science.nasa.gov

La propuesta suena a ciencia ficción, pero lo relevante no es solo el concepto, sino el enfoque. Según Wired, Sabi trabaja en un wearable basado en EEG capaz de decodificar palabras pensadas sin necesidad de voz, teclado ni cirugía. La compañía asegura que su primer producto, una especie de beanie o gorro de lana, podría llegar a finales de 2026, y ya prepara también una versión con formato de gorra de béisbol.

Qué promete exactamente Sabi

La tesis de Sabi parte de una limitación bien conocida en el sector. Los sistemas EEG no invasivos recogen señales desde el cuero cabelludo, de modo que la actividad cerebral llega atenuada tras atravesar piel y hueso. La señal es más débil y más ruidosa que en un implante, y por eso la mayoría de los dispositivos no invasivos han chocado históricamente con un techo de precisión y de velocidad. La propia literatura científica sigue señalando ese bajo nivel de señal útil y la limitada resolución espacial como dos de los grandes obstáculos de las BCI no invasivas.

Sabi dice haber decidido atacar ese problema por dos vías. La primera es el hardware: la startup afirma haber metido entre 70.000 y 100.000 sensores miniaturizados en un gorro, muy por encima de los EEG convencionales. La segunda es el software: entrenar lo que describe como un “Brain Foundation Model” con 100.000 horas de actividad neuronal procedentes de 100 voluntarios, para intentar mapear patrones de habla interna y convertirlos en texto útil. Wired recoge además que el objetivo inicial de la empresa es alcanzar unas 30 palabras por minuto.

Ese dato ayuda a poner el anuncio en contexto. Treinta palabras por minuto no compiten todavía con un teclado físico ni con un mecanógrafo experimentado, pero sí bastan para entender por qué el sector mira con atención este proyecto. Si una interfaz así funcionara de forma razonablemente robusta, sin calibración diaria, sin molestias físicas y sin necesidad de pasar por un quirófano, el mercado potencial sería incomparablemente mayor que el de un implante destinado solo a casos clínicos concretos. Eso es, precisamente, lo que uno de sus inversores, Vinod Khosla, resume con claridad en el reportaje de Wired: si se aspira a que miles de millones de personas utilicen una BCI en su vida cotidiana, no puede ser invasiva.

El contraste con Neuralink explica por qué importa

La comparación con Neuralink surge sola, pero conviene hacerla bien. Neuralink desarrolla una interfaz implantable, el N1 Implant, pensada primero para personas con parálisis o graves limitaciones motoras. La compañía explica en su web que el dispositivo se coloca mediante cirugía robótica, es completamente implantable y registra actividad neuronal a través de 1.024 electrodos distribuidos en 64 hilos. También ha abierto estudios clínicos orientados al control de ordenadores y a la restauración del habla.

Eso le da una ventaja evidente: la señal es mucho más fuerte y directa. Pero también introduce un límite de escala evidente: no todo el mundo va a someterse a una intervención cerebral para escribir más deprisa en su ordenador. Ahí es donde Sabi plantea su gran ruptura narrativa. En lugar de buscar la máxima fidelidad a costa de una cirugía, apuesta por una señal más débil pero potencialmente utilizable por mucha más gente. Es, en cierto modo, la diferencia entre un producto médico altamente especializado y un wearable que sueña con parecerse más a unos auriculares o a un reloj inteligente.

Lo interesante es que ambas visiones no son exactamente rivales directas, al menos de momento. Neuralink sigue muy centrada en aplicaciones clínicas de alto impacto para personas con necesidades médicas concretas. Sabi, en cambio, quiere hablar ya de acceso cotidiano al ordenador, productividad y una futura relación casi natural con agentes de Inteligencia Artificial. Son dos caminos distintos dentro del mismo campo. Uno empieza en el quirófano. El otro quiere empezar en una prenda que alguien pueda ponerse al salir de casa.

La gran pregunta no es si impresiona, sino si funcionará fuera de la demo

Aquí es donde conviene enfriar el entusiasmo. Hoy por hoy, Sabi ha presentado una visión de producto muy ambiciosa y unos objetivos técnicos llamativos, pero eso no equivale todavía a una validación amplia en el mercado ni a una demostración pública independiente al nivel que exigiría una revolución del interfaz humano-máquina. En las fuentes públicas consultadas, la empresa ha expuesto arquitectura, cifras de sensores, volumen de datos y metas de lanzamiento, pero no ha acompañado ese estreno con un gran ensayo revisado por pares que cierre el debate sobre precisión, tasa de error, latencia o robustez en uso cotidiano.

Y no es una objeción menor. En los últimos años, varios trabajos científicos han advertido de lo difícil que sigue siendo descodificar habla imaginada con EEG de forma consistente, y algunos estudios recientes incluso alertan del riesgo de sobreinterpretar resultados cuando los modelos aprenden patrones espurios o se benefician de ruido, más que de señal cerebral genuina. Por eso, en este terreno, la distancia entre una idea brillante y un producto realmente transformador sigue siendo enorme.

Aun así, sería un error despachar a Sabi como simple humo. Si la startup logra demostrar que un wearable no invasivo puede traducir habla interna con una velocidad útil y sin fricción clínica, el impacto sería enorme. No solo para personas con discapacidad o dificultades de comunicación, que seguirían siendo un caso de uso muy importante, sino también para el mercado general: escribir sin hablar, controlar software sin tocar nada y, en última instancia, relacionarse con agentes de IA a la velocidad del pensamiento. La promesa es enorme. El reto técnico, también.

Sabi todavía no ha probado que vaya a cambiar la informática personal. Pero sí ha conseguido algo difícil: que la conversación sobre las interfaces cerebro-computadora deje de girar solo alrededor del bisturí y empiece a mirar también a la ropa que uno podría llevar puesta. Y si ese giro acaba funcionando, entonces sí podría empezar una nueva era del ordenador personal, una en la que el clic, el teclado y la voz ya no sean las únicas puertas de entrada.

Preguntas frecuentes

¿Qué es exactamente Sabi y qué está desarrollando?
Sabi es una startup de Palo Alto que trabaja en una interfaz cerebro-computadora no invasiva con forma de gorro o gorra. Su objetivo es convertir la habla interna o pensamiento verbal en texto en pantalla mediante EEG y modelos de IA.

¿En qué se diferencia Sabi de Neuralink?
Sabi apuesta por un sistema externo y no invasivo, mientras que Neuralink desarrolla un implante cerebral quirúrgico con 1.024 electrodos pensado inicialmente para personas con parálisis o graves limitaciones motoras.

¿Qué velocidad promete el primer dispositivo de Sabi?
Según Wired, la empresa apunta a unas 30 palabras por minuto en su primera versión comercial, prevista para finales de 2026.

¿Está demostrado ya que un EEG no invasivo pueda leer pensamientos con fiabilidad alta?
La investigación avanza, pero sigue habiendo obstáculos importantes, sobre todo por la baja relación señal-ruido y la limitada resolución espacial de los sistemas EEG no invasivos. Por ahora, el reto sigue siendo convertir esos avances en un producto robusto y reproducible fuera de entornos muy controlados.

Lo que está publicado no es una recreación moderna ni una versión simplificada para fines educativos. Es la transcripción del código fuente del Apollo Guidance Computer, el sistema de guiado que utilizaban tanto el módulo de mando como el módulo lunar del Apollo 11. El repositorio principal reúne dos grandes bloques: Comanche055, para el módulo de mando, y Luminary099, para el módulo lunar. El material fue digitalizado a partir de copias conservadas en el MIT Museum, con apoyo del proyecto Virtual AGC, y aparece identificado como código en dominio público.

Un ordenador diminuto para una misión gigantesca

Lo que más llama la atención cuando se habla de este software no es solo que siga disponible, sino el tipo de ordenador que lo ejecutaba. Hoy, cualquier teléfono móvil, un reloj inteligente o incluso muchos electrodomésticos tienen más capacidad que aquel sistema. Y, aun así, ese pequeño ordenador participó en la misión que permitió a Neil Armstrong y Buzz Aldrin pisar la Luna en julio de 1969.

Según la documentación del proyecto Virtual AGC, el ordenador de guiado del Apollo tenía 2.048 palabras de RAM, equivalentes a 3.840 bytes, y 36.864 palabras de memoria de solo lectura, es decir, 69.120 bytes. Su capacidad máxima rondaba las 85.000 instrucciones por segundo. Dicho de otra manera: trabajaba con una potencia minúscula en comparación con cualquier dispositivo actual, pero estaba diseñado con una precisión extraordinaria.

Ese es precisamente uno de los motivos por los que esta historia sigue fascinando a tanta gente. En una época dominada por la Inteligencia Artificial, los móviles ultrapotentes y el cloud, el software del Apollo 11 recuerda que la gran ingeniería no siempre depende de tener más recursos, sino de usar muy bien los que se tienen. En el programa Apollo, cada línea de código importaba, cada instrucción tenía una razón de ser y cada fallo potencial debía pensarse antes de que ocurriera.

Además, Apollo 11 no funcionaba con un único programa general. El módulo de mando y el módulo lunar llevaban ordenadores equivalentes en hardware, pero con software diferente, porque sus funciones también lo eran. El primero tenía que mantener el control de la nave principal y el segundo debía gestionar la fase más delicada: el descenso y el aterrizaje en la superficie lunar. Esa separación, que hoy puede parecer obvia, ayuda a entender por qué el repositorio se divide en dos grandes conjuntos de código distintos.

Un archivo histórico… que también se puede ejecutar

La historia se vuelve todavía más curiosa porque este software no se conserva solo como pieza de museo digital. El proyecto Virtual AGC ofrece herramientas para ensamblar y emular parte de ese código en ordenadores modernos. Es decir, no solo se puede leer: también se puede estudiar de una forma mucho más cercana, reproduciendo en parte el funcionamiento del sistema original. Para quien tenga interés en la historia de la informática o de la exploración espacial, eso convierte el repositorio en mucho más que una simple colección de archivos antiguos.

El código también conserva parte del contexto humano de aquella hazaña. En la documentación del repositorio aparecen nombres fundamentales del desarrollo del software de la misión, entre ellos Margaret H. Hamilton, una de las figuras más importantes de la historia de la programación. Su trabajo, y el del resto del equipo, fue decisivo para construir un software capaz de resistir imprevistos y operar en condiciones extremas. Con el paso del tiempo, esa parte humana del proyecto ha ganado casi tanta relevancia como la propia tecnología.

Hay algo especialmente poderoso en que todo esto esté hoy en una plataforma tan cotidiana como GitHub. Durante años, la carrera espacial se contó a través de cohetes, astronautas y fotografías icónicas. Ahora también puede recorrerse a través del código. Y eso cambia la forma de mirar aquella misión: ya no solo como una aventura épica, sino como una enorme obra de ingeniería y de software.

Más software espacial y científico que hoy es público

El caso del Apollo 11 no es el único ejemplo de software relacionado con el espacio o la ciencia que hoy puede consultarse libremente. No todo es “código histórico” en sentido estricto, pero sí existen varios proyectos públicos que permiten ver cómo se construyen, simulan o apoyan misiones y sistemas espaciales. Estos son algunos de los más llamativos:

Visto en conjunto, todo esto demuestra que el software también forma parte del patrimonio científico. Igual que se conservan trajes espaciales, cápsulas o cuadernos de laboratorio, hoy también se preservan algoritmos, rutinas y arquitecturas que cambiaron la historia. Y en el caso del Apollo 11, el efecto es aún mayor: pocas veces se puede abrir desde casa, con un clic, una parte tan directa del viaje que llevó a la humanidad hasta la Luna.

Preguntas frecuentes

¿Dónde puede verse el código del Apollo 11?
Está disponible en GitHub, en un repositorio público que reúne el software del módulo de mando y del módulo lunar del Apollo 11.

¿Es realmente el código original de la misión?
Sí, se presenta como una transcripción digital del código fuente original del sistema de guiado del Apollo 11, digitalizada a partir de material conservado en el MIT Museum.

¿Hace falta saber programar para curiosearlo?
No. Una persona sin conocimientos técnicos puede entrar, ver los archivos y hacerse una idea de cómo era el software de aquella época, aunque no entienda todos los detalles. El interés también está en el valor histórico.

¿Hay más software espacial público además del Apollo 11?
Sí. Proyectos como Virtual AGC, NASA cFS, F Prime, Trick o GMAT también están disponibles públicamente y permiten explorar cómo se desarrolla o simula software relacionado con el espacio.

Vistas juntas, estas teorías y herramientas dibujan algo más interesante que una colección de consejos sueltos. Forman una especie de manual práctico para la vida adulta: cómo enfocar, cómo dejar de dar vueltas a lo que no depende de uno, cómo ganar confianza, cómo cuidarse sin convertirlo en una obligación más y cómo trabajar con la cabeza a favor y no en contra. Para un medio generalista, su valor está precisamente ahí: convierten problemas cotidianos en patrones reconocibles y ofrecen soluciones pequeñas, realistas y aplicables.

De la procrastinación al foco: las 8 ideas que mejor explican la vida diaria

Antes de entrar en detalle, conviene resumir qué aporta cada una.

La primera gran teoría, y quizá una de las más útiles, es la de los tipos de procrastinación. El error habitual consiste en pensar que aplazar tareas responde siempre a desidia o falta de carácter. Pero el modelo distingue varios perfiles: el evitador, el perfeccionista, el sobrepensador, el agotado, el que se refugia en el móvil, el complaciente, el rebelde o quien se siente directamente desbordado. La lección de fondo es potente: una persona no procrastina siempre por el mismo motivo. A veces retrasa una tarea porque le incomoda; otras, porque quiere hacerla perfecta; otras, porque está cansada de verdad. Cambia el motivo y debería cambiar también la respuesta.

La segunda es la técnica Pomodoro, uno de los sistemas más conocidos para entrenar el trabajo concentrado. Su lógica sigue siendo tan sencilla como eficaz: 25 minutos de trabajo, 5 de descanso y, después de varias rondas, una pausa más larga. Su gran virtud es psicológica. No le pide al cerebro una tarde entera de heroicidad, sino un esfuerzo breve, concreto y asumible. Para mucha gente joven, entender esto antes habría evitado años de estudiar o trabajar con culpa, pero sin método.

La tercera gran idea es la de los círculos de preocupación, influencia y control, muy útil contra el pensamiento circular. La imagen es clara: hay asuntos que una persona no puede controlar, otros sobre los que sí puede influir y un núcleo muy reducido que sí depende de forma directa de sus decisiones. El problema llega cuando se dedica más energía a la guerra, la economía, el tráfico, la reputación ajena o la opinión de desconocidos que a las propias reacciones, hábitos o elecciones. Esta teoría no elimina las preocupaciones, pero sí ordena la energía mental.

La cuarta es la Awareness Wheel, una rueda que obliga a diferenciar entre observaciones, pensamientos, emociones, deseos y acciones. Parece algo menor, pero no lo es. En la vida cotidiana, muchas discusiones y muchos bloqueos nacen de mezclar hechos con interpretaciones. No es lo mismo decir “ha pasado esto” que “seguro que significa esto otro”. La rueda ayuda a separar datos de creencias, sentimientos de conclusiones y necesidades de reproches. Para relaciones personales, trabajo en equipo o gestión emocional, resulta especialmente útil.

Qué enseñan estas teorías sobre confianza, bienestar y rendimiento

Las siguientes tres teorías se centran menos en el problema y más en la reconstrucción personal. La rueda de la confianza parte de una idea muy sensata: la seguridad en uno mismo no aparece como una revelación, sino como una musculatura que se entrena. Se divide en cuatro áreas —autoconciencia, autocuidado, autoexpresión y creencia en uno mismo— y propone acciones muy concretas: escribir, pedir opinión a alguien de confianza, registrar avances, fijar pequeñas metas, agradecer, reservar tiempo personal o hablar con más honestidad. Su valor está en combatir una idea muy dañina: que la confianza es una cualidad innata y no una práctica.

La rueda del bienestar también resulta reveladora porque no trata el bienestar como una consigna abstracta. Lo divide en comportamientos ligados al placer, al vínculo, al equilibrio emocional y a la activación corporal. En su centro aparecen hormonas popularizadas en la divulgación —dopamina, oxitocina, endorfinas y serotonina—, y alrededor se sugieren gestos simples: dar un paseo, reír, abrazar, probar algo nuevo, descansar, tomar el sol, moverse o retomar una tarea aplazada. Puede discutirse la simplificación biológica, pero como herramienta divulgativa funciona bien porque recuerda algo esencial: sentirse mejor no siempre exige cambios drásticos, a veces basta con reordenar pequeñas palancas cotidianas.

La rueda del foco completa el conjunto con una idea muy actual: concentrarse no depende solo de la motivación, sino también del entorno, de la energía, de la técnica y de la mentalidad. Es uno de los marcos más completos porque no culpa al individuo de todo. Reconoce que para trabajar bien hay que dormir, hidratarse, reducir interrupciones, evitar el multitarea, crear un espacio que favorezca la atención, priorizar una tarea central y aceptar que la concentración profunda requiere práctica. En tiempos de notificaciones, pantallas y fragmentación mental, esta teoría tiene un valor casi preventivo.

La octava teoría: los sistemas pequeños valen más que los grandes impulsos

Si hubiera que extraer una octava enseñanza de todo este conjunto, sería esta: la vida mejora menos por grandes discursos y más por sistemas pequeños que se pueden repetir. Esa idea no aparece con un solo nombre en una de las ruedas, pero está presente en todas. La procrastinación se combate con microacciones. El foco se entrena en bloques. La confianza se construye con hábitos. El bienestar se sostiene con gestos simples. Pensar menos requiere volver una y otra vez a lo controlable.

Ese es probablemente el aprendizaje que más personas dicen descubrir tarde. A los 20, mucha gente cree que el cambio llegará cuando tenga más energía, más tiempo, más claridad o una motivación perfecta. A los 40, la experiencia suele enseñar otra cosa: que casi todo mejora cuando se diseña un sistema suficientemente pequeño como para no depender del ánimo del día.

En el fondo, estas teorías tienen algo en común que explica su éxito: son visuales, sencillas y nada grandilocuentes. No dicen que todo sea fácil ni prometen una transformación inmediata. Lo que plantean es algo más razonable: entender mejor el propio patrón para dejar de pelear siempre contra uno mismo. Y eso, para muchas personas, habría sido un aprendizaje valioso mucho antes.

Preguntas frecuentes

¿Qué teoría es más útil para dejar de procrastinar?

Depende del motivo real del bloqueo. Si el problema es empezar, la técnica Pomodoro suele ser muy eficaz. Si el problema es miedo a hacerlo mal, conviene trabajar más la lógica del perfeccionismo que la del tiempo.

¿La técnica Pomodoro sirve para estudiar y para trabajar?

Sí. Su ventaja es que funciona tanto en estudio como en tareas profesionales, porque reduce la resistencia inicial y entrena la atención en bloques manejables.

¿Qué diferencia hay entre preocupación, influencia y control?

La preocupación incluye todo lo que inquieta; la influencia, aquello sobre lo que se puede tener algún impacto; y el control, lo que depende directamente de las propias decisiones y acciones.

¿Cómo se construye la confianza personal en la práctica?

No suele construirse con frases motivacionales, sino con evidencias pequeñas y repetidas: cumplir compromisos propios, registrar avances, hablar con más honestidad, cuidar el cuerpo y sostener hábitos que refuercen la percepción de capacidad.

Profesionales del ámbito del bienestar y los hábitos saludables coinciden en que dormir bien se ha convertido en una forma de autocuidado cada vez más valorada. En un contexto marcado por jornadas intensas, hiperconexión digital y una constante exposición a estímulos, muchas personas están adoptando rutinas sencillas que les ayuden a reducir el ritmo y preparar el organismo para el descanso nocturno.

Esta corriente, que algunos especialistas denominan la era de las slow evenings, pone el foco en los momentos previos al sueño. Gestos cotidianos como limitar el uso de pantallas, disminuir la iluminación o repetir actividades relajantes permiten enviar señales al cerebro de que el día está llegando a su fin, favoreciendo así una transición más natural hacia el descanso.

Desde la marca de descanso Petite Siesta señalan que el interés por estos rituales nocturnos ha aumentado en los últimos meses. Según explican, cada vez más personas buscan crear espacios de calma al terminar el día, entendiendo que no se trata únicamente de dormir, sino de prepararse para hacerlo. La firma, que desarrolla su actividad en Getxo y Madrid, trabaja desde hace tiempo en torno al concepto de bienestar nocturno.

Los expertos subrayan que instaurar hábitos repetidos antes de acostarse puede ayudar al cuerpo a reconocer que es momento de desconectar. Entre las recomendaciones más habituales se encuentran reducir los estímulos visuales y digitales al menos media hora antes de dormir, generar un entorno cómodo y relajante que invite a la calma y mantener pequeños rituales que se repitan cada noche para marcar el cierre de la jornada.

Más allá de las modas, el creciente interés por el sueño refleja un cambio cultural significativo. El descanso deja de considerarse tiempo improductivo para convertirse en un pilar esencial del equilibrio físico y emocional. Con la proximidad del Día Mundial del Sueño, el debate sobre cómo dormimos —y sobre la importancia de prepararnos adecuadamente para hacerlo— vuelve a ganar relevancia en la sociedad actual.