STEM

[Cadavre Exquis]

https://x.com/GoogleDeepMind/status/1990435105408418253

Saludos.

[Cadavre Exquis]

https://x.com/GoogleDeepMind/status/1990812966074376261

Saludos.

[Cadavre Exquis]

Ultrasound device shakes out clean water from thin air in minutes

Michael Franco · 2025.11.22

Two prototypes of the ultrasonic device, with the one on the right showing the water it shook free in just a few minutes / Ikra Iftekhar

MIT researchers have found a way to use the mechanical vibrations of sound waves to shake water molecules free from a storage medium. The breakthrough significantly speeds up the process of harvesting drinking water from thin air.

From special paints, to spongy aerogels, to materials with the highest-known surface areas, scientists around the world are working hard to find ways to pull water from the air around us.

Even in very dry climates, the air we breathe contains water, and finding a way to harvest it could provide a source of clean drinking water to millions of people, even if they don't have access to freshwater sources or municipal supplies.

The issue with many of the current water-harvesting concepts is that once a material grabs water from the air, heat needs to be applied to evaporate the water off of that material and condense it again for use as drinking water.

"Any material that’s very good at capturing water doesn’t want to part with that water," says MIT's Sevetlana Boriskina. "So you need to put a lot of energy and precious hours into pulling water out of the material."

Researchers at MIT have been trying to eliminate this energy-intensive process as we saw earlier this year with their passive water harvester, which collects water in a bubble-wrap-like material and uses the heat from the Sun to evaporate it out. While that eliminates the need to apply an energy source to the system, it can take awhile for the entire process to play out and deliver clean drinking water.

Now, Borinska – the principal research scientist at MIT's Department of Mechanical Engineering – and a new team of researchers have come up with a novel – and much faster – way to free trapped water that has been harvested from the air: sound waves.

The researchers developed a brand-new ultrasonic actuator shaped like a flat plate. They then placed a previously tested and saturated water harvesting material in its center. Next they turned on the actuator and targeted the material with ultrasonic waves, those that travel at frequencies in excess of 20 kilohertz (20,000 cycles per second).

The result was that all of the water the material contained was shaken out as droplets in just two to seven minutes. The plate design allowed those droplets to funnel through nozzles and drip into a collection area. You can see how the whole thing works in the following visualization.

Ikra Iftekhar Shuvo - MIT · 2024.11.05 · High-efficiency atmospheric water harvesting technology

"With ultrasound, we can precisely break the weak bonds between water molecules and the sites where they’re sitting," says study first author Ikra Iftekhar Shuvo. "It’s like the water is dancing with the waves, and this targeted disturbance creates momentum that releases the water molecules, and we can see them shake out in droplets."

According to the researchers, the device was able to free the captured water at a rate that is 45 times more efficient than using heat from the Sun. Even though the ultrasonic actuator requires a tiny bit of power to operate, the team says that electricity could be provided by an attached solar cell.

"The beauty of this device is that it’s completely complementary and can be an add-on to almost any sorbent material," says Boriskina. "Once the material is saturated, the actuator would briefly turn on, powered by a solar cell, to shake out the water. The material would then be ready to harvest more water, in multiple cycles throughout a single day."

Borsinka says that after further development, the new system could be deployed as a practical home-based system that could use a rapid-absorption material and a larger actuator, that would be about the size of a window, to pull free drinking water from the air.

"It’s all about how much water you can extract per day," she concludes. "With ultrasound, we can recover water quickly, and cycle again and again. That can add up to a lot per day."

The team's breakthrough has been published in the journal Nature Communications.

Source: MIT

Saludos.

[pollo]

https://x.com/GoogleDeepMind/status/1990812966074376261

Saludos.

Y luego viene la realidad, en la que el flamante nuevo modelo hace más o menos lo mismo que los demás, pero diferente. Eso sí, consumiendo el quíntuple de energía porque al final lo que hacen es ejecutar varias prompts simultáneas y usar otro modelo adicional para elegir "la mejor" (para una cierta definición ambigua de "mejor"). Eso es lo que llaman "razonar" en el gremio.

Eso sí, sigue sin saber cuándo te miente (porque esta tecnología no tiene ni tendrá esa capacidad) ni un intervalo de confianza de la respuesta, ni nada de lo que fundamentalmente hace que no sea útil de verdad.

Me da la risa lo de los agentes. Seguro que alguien va a palmar mucha pasta con eso en algún momento o cometerá una cagada épica dejando a alguien tirado de viaje por Namibia. Que otros valientes lo prueben. Yo prefiero seguir tomando mis decisiones y sobre todo pensar.

[puede ser]

sigue sin saber cuándo te miente

Teoremas de incompletitud de Gödel, ¿no?

[el malo]

Y luego viene la realidad, en la que el flamante nuevo modelo hace más o menos lo mismo que los demás, pero diferente. Eso sí, consumiendo el quíntuple de energía porque al final lo que hacen es ejecutar varias prompts simultáneas y usar otro modelo adicional para elegir "la mejor" (para una cierta definición ambigua de "mejor"). Eso es lo que llaman "razonar" en el gremio.

Eso sí, sigue sin saber cuándo te miente (porque esta tecnología no tiene ni tendrá esa capacidad) ni un intervalo de confianza de la respuesta, ni nada de lo que fundamentalmente hace que no sea útil de verdad.

Me da la risa lo de los agentes. Seguro que alguien va a palmar mucha pasta con eso en algún momento o cometerá una cagada épica dejando a alguien tirado de viaje por Namibia. Que otros valientes lo prueben. Yo prefiero seguir tomando mis decisiones y sobre todo pensar.

¿Algún día?

https://www.20minutos.es/noticia/5701893/0/un-abogado-cita-sentencias-inexistentes-inventadas-por-chatgpt-justicia-italiana-alerta-las-alucinaciones-ia/

Este mismo caso lo predije yo mismo en este foro meses (o años) atrás. Y aún no nos hemos metido en la medicina.

[pollo]

sigue sin saber cuándo te miente

Teoremas de incompletitud de Gödel, ¿no?

No tiene absolutamente nada que ver. Gödel se aplica a teoremas y axiomas matemáticos y/o formales para demostrar una limitación fundamental de las matemáticas. Gödel trabaja con lógica exacta y determinismo total. Con mátemáticas y lógica formales, vaya.

Este problema de aqui viene de que estás aplicando estadística muy sofisticada para almacenar de forma parcial (no exacta) conceptos difusos y heterogéneos entrecruzados en texto.

Cuando se usa para reconstruir lo almacenado, al final sólo estás generando palabras probables aplicando un montón de tiradas de dados mediante una maquinaria probabilística totalmente opaca.

No existe la introspección porque no hay modelo mental, ni proceso interno, ni nada que se le parezca. Sólo hay generación probabilística de tokens. De hecho es sorprendente lo bien que crea la ilusión de que es inteligente. Pero toda inteligencia que parezca mostrar es cartón piedra, como el Mago de Oz. La inteligencia en estos modelos está en la que se haya puesto en los textos originales con los que se entrenó el modelo y la chiripa de que el resultado se parezca a la realidad.

[puede ser]

sigue sin saber cuándo te miente

Teoremas de incompletitud de Gödel, ¿no?

No tiene absolutamente nada que ver. Gödel se aplica a teoremas y axiomas matemáticos y/o formales para demostrar una limitación fundamental de las matemáticas. Gödel trabaja con lógica exacta y determinismo total. Con mátemáticas y lógica formales, vaya.

Este problema de aqui viene de que estás aplicando estadística muy sofisticada para almacenar de forma parcial (no exacta) conceptos difusos y heterogéneos entrecruzados en texto.

Cuando se usa para reconstruir lo almacenado, al final sólo estás generando palabras probables aplicando un montón de tiradas de dados mediante una maquinaria probabilística totalmente opaca.

No existe la introspección porque no hay modelo mental, ni proceso interno, ni nada que se le parezca. Sólo hay generación probabilística de tokens. De hecho es sorprendente lo bien que crea la ilusión de que es inteligente. Pero toda inteligencia que parezca mostrar es cartón piedra, como el Mago de Oz. La inteligencia en estos modelos está en la que se haya puesto en los textos originales con los que se entrenó el modelo y la chiripa de que el resultado se parezca a la realidad.

Bien, entiendo cómo funciona lo que llaman IA. Efectivamente sólo intenta engañar a un humano de cultura media haciéndose pasar por algo que este imagine que podría ser un humano de inteligencia superior (siguiendo la inspiración de la Prueba de Turing).

Mi referencia a Gödel venía de tu frase:

el flamante nuevo modelo hace más o menos lo mismo que los demás, pero diferente. Eso sí, consumiendo el quíntuple de energía porque al final lo que hacen es ejecutar varias prompts simultáneas y usar otro modelo adicional para elegir "la mejor" (para una cierta definición ambigua de "mejor"). Eso es lo que llaman "razonar" en el gremio.

Entiendo que Gödel habla de lógica formal. Pero es que determinar que unas palabras u otras sean "la verdad" en el ámbito que nos ocupa es precisamente el objetivo de la lógica formal -lógica de enunciados o bien de predicados- dotada de una semántica (por ejemplo "c" significa Cristiano Ronaldo, "g" significa Georgina y f(c,g) significa que están casados...)

La idea de fondo es que Verdad es la adecuación entre las palabras que emite el ordenador -que están formalizadas por ser producidas a partir de un algoritmo que tiene ciertas normas-  y la "realidad exterior". Por ejemplo, si una IA es capaz de encontrar ciertas proteínas con unas aplicaciones se supone que es porque en la realidad hay unas leyes que hacen que esas proteínas funcionen así. Lo que habría encontrado la IA es el patrón que explica la realidad, en otras palabras, que halló una ley de la naturaleza. Y las leyes de la naturaleza podrían deducirse de axiomas más generales... Todo esto ya es muy dudoso de por sí, pero pongamos que realmente existen esas leyes de la naturaleza y -por tanto- se podría llegar a encontrar un grupo de axiomas de los cuales derivarlas.

Aquí entraría Gödel, si no estoy equivocado, y afirmaría que juzgar si el modelo es verdadero o falso es una proposición indecidible con los axiomas de ese mismo modelo. En lógica nos explicaban que todo modelo necesita un metamodelo que juzgue si ese modelo es verdadero (aunque no sé hasta qué punto aquellos profesores de lógica entendían a Gödel). En el caso de la IA, precisamente mi interpretación de tal teorema me sugiere que es radicalmente imposible que un sistema llegue a decidir sobre su propia corrección o, en otras palabras, que tome conciencia. De hecho ese mismo razonamiento nos lleva a la imposibilidad de que el mismo ser humano llegue a saber si conoce o no la verdad. Pero también sugeriría que los metamodelos -intersubjetividad- en términos humanos nos pueden acercar más a la decidibilidad de la verdad que los simples modelos -conocimientos de un indivíduo-.

Y con esto me retiro, si hice o no el ridículo -dada mi ineptitud matemática- solo lo saben Dios y ChatGPTinfinito.

[pollo]

sigue sin saber cuándo te miente

Teoremas de incompletitud de Gödel, ¿no?

No tiene absolutamente nada que ver. Gödel se aplica a teoremas y axiomas matemáticos y/o formales para demostrar una limitación fundamental de las matemáticas. Gödel trabaja con lógica exacta y determinismo total. Con mátemáticas y lógica formales, vaya.

Este problema de aqui viene de que estás aplicando estadística muy sofisticada para almacenar de forma parcial (no exacta) conceptos difusos y heterogéneos entrecruzados en texto.

Cuando se usa para reconstruir lo almacenado, al final sólo estás generando palabras probables aplicando un montón de tiradas de dados mediante una maquinaria probabilística totalmente opaca.

No existe la introspección porque no hay modelo mental, ni proceso interno, ni nada que se le parezca. Sólo hay generación probabilística de tokens. De hecho es sorprendente lo bien que crea la ilusión de que es inteligente. Pero toda inteligencia que parezca mostrar es cartón piedra, como el Mago de Oz. La inteligencia en estos modelos está en la que se haya puesto en los textos originales con los que se entrenó el modelo y la chiripa de que el resultado se parezca a la realidad.

Bien, entiendo cómo funciona lo que llaman IA. Efectivamente sólo intenta engañar a un humano de cultura media haciéndose pasar por algo que este imagine que podría ser un humano de inteligencia superior (siguiendo la inspiración de la Prueba de Turing).

Mi referencia a Gödel venía de tu frase:

el flamante nuevo modelo hace más o menos lo mismo que los demás, pero diferente. Eso sí, consumiendo el quíntuple de energía porque al final lo que hacen es ejecutar varias prompts simultáneas y usar otro modelo adicional para elegir "la mejor" (para una cierta definición ambigua de "mejor"). Eso es lo que llaman "razonar" en el gremio.

Entiendo que Gödel habla de lógica formal. Pero es que determinar que unas palabras u otras sean "la verdad" en el ámbito que nos ocupa es precisamente el objetivo de la lógica formal -lógica de enunciados o bien de predicados- dotada de una semántica (por ejemplo "c" significa Cristiano Ronaldo, "g" significa Georgina y f(c,g) significa que están casados...)

La idea de fondo es que Verdad es la adecuación entre las palabras que emite el ordenador -que están formalizadas por ser producidas a partir de un algoritmo que tiene ciertas normas-  y la "realidad exterior". Por ejemplo, si una IA es capaz de encontrar ciertas proteínas con unas aplicaciones se supone que es porque en la realidad hay unas leyes que hacen que esas proteínas funcionen así. Lo que habría encontrado la IA es el patrón que explica la realidad, en otras palabras, que halló una ley de la naturaleza. Y las leyes de la naturaleza podrían deducirse de axiomas más generales... Todo esto ya es muy dudoso de por sí, pero pongamos que realmente existen esas leyes de la naturaleza y -por tanto- se podría llegar a encontrar un grupo de axiomas de los cuales derivarlas.

Aquí entraría Gödel, si no estoy equivocado, y afirmaría que juzgar si el modelo es verdadero o falso es una proposición indecidible con los axiomas de ese mismo modelo. En lógica nos explicaban que todo modelo necesita un metamodelo que juzgue si ese modelo es verdadero (aunque no sé hasta qué punto aquellos profesores de lógica entendían a Gödel). En el caso de la IA, precisamente mi interpretación de tal teorema me sugiere que es radicalmente imposible que un sistema llegue a decidir sobre su propia corrección o, en otras palabras, que tome conciencia. De hecho ese mismo razonamiento nos lleva a la imposibilidad de que el mismo ser humano llegue a saber si conoce o no la verdad. Pero también sugeriría que los metamodelos -intersubjetividad- en términos humanos nos pueden acercar más a la decidibilidad de la verdad que los simples modelos -conocimientos de un indivíduo-.

Y con esto me retiro, si hice o no el ridículo -dada mi ineptitud matemática- solo lo saben Dios y ChatGPTinfinito.

Estás yéndote por las ramas y haciendo analogía con cosas que suenan parecidas pero no tienen nada que ver. El teorema de Gödel se aplica a cosas muy concretas que cumplen ciertas propiedades y esto de lo que hablas está sometido a probabilidades y es de corte difuso y abstracto. De hecho Gödel también trabajó con estas cosas y el propio Gödel es el que introdujo el concepto de lógica difusa en el que se trabaja con algo mucho más parecido (de lejos) a los LLM ya que se basa en probabilidades.

Lo que hacen los modelos selectores de mejores respuestas no tiene nada que ver con estos teoremas, porque ni aplican lógica formal determinística (dada una entrada específica la salida puede ser diferente en todos los casos) ni son algoritmos al uso, ya que su resultado depende de un estado desconocido (el modelo y el prompt de entrada), ni hay ninguna garantía de que cumplan su cometido. Son estimadores por heurística sin razonamiento (que al final es lo que son todos los LLM).

La inteligencia humana emplea estimaciones por heurística (ojímetro, intuición, reflejos, memoria muscular, instinto, experiencia, etc.) y además puede razonar formalmente y podemos enfatizar una u otra forma de pensamiento según las circunstancias o hacer una mezcla de ambas. Los animales pueden hacer heurística con un razonamiento muy limitado según lo inteligente de la especie y los LLM son heurística pura.

Léete el artículo de la Wikipedia sobre el teorema de incompletud de Gödel y tú mismo verás que no es aplicable en absoluto ni tiene nada que ver en general. Por mucho que los conceptos puedan sonar análogos.

Personalmente no me interesan las divagaciones folosóficas sobre esto, porque son las que dan lugar a las magufadas y a las creencias erróneas (como que los LLM pueden pensar) que son las que aprovechan los estafadores. La diferencia entre Musk y Rappel es que Musk tiene muchos más medios a su alcance para vender la moto y es mucho más peligroso porque tiene una pequeña base de verdad.

Ya que hablamos de programas y sistemas determinísticos, no mezclemos conceptos.

[Cadavre Exquis]

Can This Simple Invention Convert Waste Heat Into Electricity?
Posted by EditorDavid on Sunday December 07, 2025 @09:40PM from the power-plays dept.

Nuclear engineer Lonnie Johnson worked on NASA's Galileo mission, has more than 140 patents, and invented the Super Soaker water gun. But now he's working on "a potential key to unlock a huge power source that's rarely utilized today," reports the Atlanta Journal-Constitution. [Alternate URL here.]

Waste heat...

The Johnson Thermo-Electrochemical Converter, or JTEC, has few moving parts, no combustion and no exhaust. All the work to generate electricity is done by hydrogen, the most abundant element in the universe. Inside the device, pressurized hydrogen gas is separated by a thin, filmlike membrane, with low pressure gas on one side and high pressure gas on the other. The difference in pressure in this "stack" is what drives the hydrogen to compress and expand, creating electricity as it circulates. And unlike a fuel cell, it does not need to be refueled with more hydrogen. All that's needed to keep the process going and electricity flowing is a heat source.

As it turns out, there are enormous amounts of energy vented or otherwise lost from industrial facilities like power plants, factories, breweries and more. Between 20% and 50% of all energy used for industrial processes is dumped into the atmosphere and lost as waste heat, according to the U.S. Department of Energy. The JTEC works with high temperatures, but the device's ability to generate electricity efficiently from low-grade heat sources is what company executives are most excited about. Inside JTEC's headquarters, engineers show off a demonstration unit that can power lights and a sound system with water that's roughly 200 degrees Fahrenheit — below the boiling point and barely warm enough to brew a cup of tea, said Julian Bell, JTEC's vice president of engineering. Comas Haynes, a research engineer at the Georgia Tech Research Institute specializing in thermal and hydrogen system designs, agrees the company could "hit a sweet spot" if it can capitalize on lower temperature heat...

For Johnson, the potential application he's most excited about lies beneath our feet. Geothermal energy exists naturally in rocks and water beneath the Earth's surface at various depths. Tapping into that resource through abandoned oil and gas wells — a well-known access point for underground heat — offers another opportunity. "You don't need batteries and you can draw power when you need it from just about anywhere," Johnson said. Right now, the company is building its first commercial JTEC unit, which is set to be deployed early next year. Mike McQuary, JTEC's CEO and the former president of the pioneering internet service provider MindSpring, said he couldn't reveal the customer, but said it's a "major Southeast utility company." "Crossing that bridge where you have commercial customers that believe in it and will pay for it is important," McQuary said...

On top of some initial seed money, the company brought in $30 million in a Series A funding in 2022 — money that allowed the company to move to its Lee + White headquarters and hire more than 30 engineers. McQuary said it expects to begin another round of fundraising soon.

"Johnson, meanwhile, hasn't stopped working on new inventions," the article points out. "He continues to refine the design for his solid-state battery..."

Saludos.