Ciencia y Tecnología
Escuchar música en el trabajo puede empeorar tu desempeño
Muchos escuchamos música en el trabajo pensando que nos ayudará a concentrarnos en la tarea pendiente. De hecho, investigaciones recientes prueban que la música puede tener efectos positivos sobre la creatividad, pero cuando se trata de otras áreas de desempeño, el impacto que genera la música de fondo es mucho más complicado.
La idea de que escuchar música en el trabajo beneficia la productividad tiene sus raíces en el llamado «efecto Mozart», efecto que ganó atención mediática a comienzos de los años 90. Dicho de manera sencilla, este efecto se refería al descubrimiento de que el rendimiento de rotación espacial (rotación mental de una forma tridimensional para determinar si coincide con otra o no) se incrementaba inmediatamente tras escuchar la música de Mozart, en comparación a las instrucciones de relajación o del silencio total. Tal fue la atención que recibió este descubrimiento que el entonces senador de Georgia, Zell Miller, propuso regalar cassettes gratuitos con música de Mozart, a potenciales padres.
Estudios posteriores a este han arrojado dudas sobre si la música de Mozart produce por necesidad este efecto: un «efecto Schubert», un «efecto Blur» e incluso un «efecto Stephen King» (su audiolibro en lugar de su canto) han sido observados. Además, los músicos podrían mostrar el efecto al imaginar la música en lugar de escucharla realmente.
De esta manera, las investigaciones sugirieron que el «Efecto Mozart» no se debía a su música como tal, sino a los niveles óptimos de ánimo y excitación presentados en la gente: se convirtió en el «efecto de ánimo y exitación».
Desafortunadamente, la mayoría de situaciones en las que el efecto de ánimo y excitación se presentaba, eran poco realistas ¿De verdad escuchamos música, luego la apagamos, y después nos concentramos en nuestro trabajo en silencio? o ¿es más probable que pongamos nuestra música favorita de fondo? Hace 40 años se investiga cómo el sonido afecta el desempeño, observado a través de un fenómeno llamado el efecto irrelevante de sonido. Básicamente, ese efecto señala que el desempeño se empobrece cuando la tarea se realiza con un sonido de fondo (un sonido irrelevante que estás ignorando), en comparación a cuando se desarrolla en silencio.
Para estudiar el efecto irrelevante de sonido, los participantes deben completar unas tareas sencillas que implican recordar números o letras en el orden exacto en el que las vieron, algo similar a tener que recordar un número de teléfono cuando no tienes donde apuntarlo. En general, las personas logran esto practicando en voz alta o susurrando. La parte engañosa es lograr hacer esto ignorando todo el ruido de fondo.
Dos características claves del efecto irrelevante de sonido se requieren para su observación. Primero, la tarea requiere que la persona haga uso de sus habilidades de práctica, y segundo, el sonido debe contener una variación acústica; por ejemplo, sonidos como «n, r, p» como opuesto a «c, c, c». Cuando el sonido no tiene muchas variaciones acústicas, el desempeño en la realización de la tarea se acerca al observado en condiciones de silencio. Curiosamente, no importa si a la persona le gusta o no lo que oye. El desempeño es igual de pobre.
El efecto de sonido irrelevante viene del esfuerzo de procesar dos fuentes de información al mismo tiempo: una por la tarea pendiente y otra por el sonido. Desafortunadamente, sólo el primero exige un desempeño exitoso que incluye recordar una serie, y el esfuerzo invertido en garantizar que no se procese la información irrelevante en forma de sonido, impide esta habilidad.
Un conflicto similar se presenta cuando se lee en presencia de música lírica. En esta situación, las dos fuentes de palabras (de la tarea y el sonido) entran en conflicto. El costo subsecuente es un desempeño más pobre en la lectura en presencia de música con letra.
Ciencia y Tecnología
OpenAI cancela lanzamiento de nuevo modelo por preocupaciones de seguridad
OpenAI ha decidido no lanzar su modelo de próxima generación, GPT-6.1 Astra, debido a preocupaciones de seguridad, confirmó la empresa el martes. Saachi Jain, responsable de sistemas de seguridad en OpenAI, indicó que el sistema de inteligencia artificial, que realiza tareas como navegar por la web y utilizar aplicaciones de manera autónoma, "no cumplió con los estándares" de la compañía. En las últimas semanas, líderes destacados en inteligencia artificial, incluyendo a Sam Altman de OpenAI y Dario Amodei de Anthropic, han instado a la industria a frenar el ritmo de desarrollo debido a los riesgos asociados con esta tecnología. El debate sobre estos riesgos se ha intensificado tras varios incidentes en los que modelos desarrollados por importantes empresas de IA estuvieron involucrados. La decisión de OpenAI, reportada inicialmente por el Wall Street Journal, es un caso poco común en el que un importante desarrollador de IA decide retirar un lanzamiento por preocupaciones de seguridad. Jain explicó que el último modelo no cumplió con los requisitos en cuanto a "permanecer dentro del alcance y la autorización, y cómo se comunica de vuelta al usuario sobre el tipo de trabajo que ha realizado". La empresa busca garantizar que el desarrollo de sus modelos sea seguro, tanto dentro de la compañía como al ser entregados a los usuarios, estableciendo un estándar de seguridad y alineación muy alto. El modelo insignia GPT-6 Astra, lanzado en septiembre, se especializa en razonamiento complejo y en la ejecución autónoma de tareas. OpenAI afirmó que este modelo es el resultado de "años de investigación y grandes apuestas". Los controles de seguridad de la compañía han sido objeto de un intenso escrutinio tras varios incidentes de alto perfil relacionados con su tecnología. La semana pasada, el primer ministro australiano, Anthony Albanese, anunció que un agente deshonesto de OpenAI había hackeado un sitio web gubernamental en junio, accediendo a datos privados en lo que los expertos consideran el primer caso conocido de su tipo en el mundo. En julio, OpenAI informó que sus sistemas de IA habían accedido a internet y hackeado el centro de desarrolladores de código abierto Hugging Face, lo que llevó a investigadores y funcionarios a exigir un control más estricto sobre la tecnología. El lunes, el gigante de los chips de IA, Nvidia, lanzó un conjunto de herramientas de seguridad de software para plataformas de IA autónomas, conocidas como agentes, que podrían haber prevenido el hackeo de Hugging Face. Una de las nuevas herramientas utiliza características de hardware en los chips de Nvidia para contener a los agentes. Jensen Huang, director ejecutivo de Nvidia, ha desestimado en gran medida los llamados a una regulación más estricta de la IA, argumentando que los agentes deshonestos son un problema de ingeniería que se puede resolver. Nvidia acordó comprar Hugging Face por 12.9 mil millones de dólares a principios de este mes.
-
Política23 horas agoSe desatan los Los memes en redes por la derrota de Andrea Chávez
-
Chihuahua18 horas ago“La voy a buscar”: Cruz Pérez llama a la unidad con Andrea Chávez
-
Revista23 horas agoJorge Kahwagi fallece a los 58 años de edad
-
Juárez24 horas agoLocalizan sana y salva a mujer que tenía reporte de ausencia en Juárez – Fiscalía General del Estado de Chihuahua
