Skip to main content
  1. Home
  2. Tendencias
  3. Noticias
  4. News

Tormentas en los polos de Júpiter sorprenden a los científicos

Add as a preferred source on Google

La NASA presentó los primeros hallazgos científicos de su misión a Júpiter, Juno, desafiando lo que se sabía hasta ahora del planeta más grande del sistema solar. Uno de los principales descubrimientos, según informó la agencia espacial estadounidense, es que ambos polos del planeta están cubiertos por tormentas que están densamente agrupadas e incluso se rozan entre sí.

“Estamos perplejos en cuanto a cómo podrían formarse, qué tan estable es la configuración y por qué el polo norte de Júpiter no se parece al polo sur», dijo en un comunicado Scott Bolton, investigador principal de Juno del Southwest Research Institute en San Antonio.

Recommended Videos

El equipo de científicos está tratando de determinar si se trata de un sistema dinámico, y si lo que captó la cámara de Juno es solo una etapa que podría desaparecer en el próximo año, o si esa configuración es estable y estas tormentas circulan una alrededor de la otra.

Otra de las sorpresas con las que se encontraron los científicos fue la radiación térmica de microondas de la atmósfera de Júpiter, desde la parte superior de las nubes de amoníaco hasta la profundidad de su atmósfera. Los datos del radiómetro de Juno indican que los cinturones y zonas icónicas de Júpiter son misteriosas, con unos penetrando profundamente en su atmósfera, mientras que otros parecen evolucionar hacia otras estructuras.

Juno también ha permitido la medición del campo magnético más cercana que se tenga de Júpiter y, según los primeros datos, es mucho más fuerte de lo que se creía. Las lecturas de la misión indican que el campo magnético de Júpiter es casi 10 veces más fuerte que el de cualquiera encontrado en la Tierra.

Júpiter, que es casi 1,300 veces más grande que la Tierra, está compuesto principalmente de hidrógeno y algo de helio, sin una superficie sólida conocida hasta ahora. Para develar sus misterios, la NASA lanzó en agosto de 2011 Juno, una misión espacial destinada a estudiar el origen y evolución del planeta. La nave llegó a la órbita de Júpiter en julio de 2016 con la meta de determinar si existe un centro solido, mapear el campo magnético y medir los niveles de agua y amoniaco en las profundidades de su atmósfera, así como observar sus auroras.

“Estamos emocionados de compartir estos primeros descubrimientos, lo que nos ayuda a entender mejor lo que hace que Júpiter sea tan fascinante”, dijo Diane Brown, directora ejecutiva del programa Juno en la sede de la NASA en Washington. “Fue un largo viaje para llegar a Júpiter, pero estos primeros resultados ya demuestran que valió la pena”.

Juno está ubicada en una órbita polar alrededor de Júpiter, y la mayoría de cada órbita la pasa lejos del gigante de gas. Pero, una vez cada 53 días, su trayectoria se aproxima a Júpiter desde su polo norte, donde comienza una trayectoria de dos horas hacia el polo sur con sus ocho instrumentos científicos recolectando datos y con su cámara tomando imágenes. La NASA dice que la descarga de seis megabytes de datos recolectados durante el tránsito puede tomar día y medio.

Detalles de los descubrimientos de Juno sobre Júpiter serán publicados en dos artículos de la revista Science, así como en 44 artículos en Geophysical Research Letters, una publicación quincenal de geociencia.

Claudia Sandoval
Former Digital Trends Contributor
Claudia Is a writer and editor based in New York. During almost two decades, she has written not only about technology, but…
Enamorarse de un chatbot ahora está prohibido para los niños en China
Electronics, Phone, Mobile Phone

Desde que los chatbots de IA aparecieron, ha habido un aspecto que ha preocupado mucho a legisladores y expertos: los humanos formando conexiones emocionales con los chatbots. Ha habido muchos casos en los que la dependencia excesiva de estos compañeros o compañeros de IA ha provocado emergencias médicas, pérdida de vidas y ha provocado múltiples demandas contra empresas como OpenAI y Meta.

China reprime las aplicaciones complementarias de IA

Read more
La IA de Huawei está permitiendo conservar a los jaguares mexicanos
Animal, Mammal, Panther

La combinación de Inteligencia Artificial (IA), monitoreo ambiental y participación comunitaria para proteger una de las especies más emblemáticas de América Latina acaba de recibir un importante reconocimiento internacional. El proyecto Tech4Nature México, impulsado por Huawei junto con la Unión Internacional para la Conservación de la Naturaleza (UICN) y diversas organizaciones locales, obtuvo el premio Global Mobile LATAM Award 2026, otorgado por GSMA en la categoría Impacto Social en América Latina, gracias a los resultados alcanzados en la conservación del jaguar en la Reserva Estatal Dzilam de Bravo, en Yucatán.

Desde el inicio de la iniciativa -en 2022- el proyecto ha permitido identificar individualmente a 16 jaguares y registrar más de 147 especies de fauna silvestre, de las cuales 40 se encuentran en alguna categoría de amenaza. Estos resultados han sido posibles gracias a un sistema de monitoreo compuesto por 26 cámaras trampa y 60 dispositivos acústicos, cuya información tomada es procesada mediante tecnologías de Inteligencia Artificial, que incluyen algoritmos y análisis de datos en la Nube.

Read more
¿Qué ocurre cuando fallan los detectores de IA?
Mark Zuckerberg

La inteligencia artificial se ha vuelto notablemente buena creando rostros humanos falsos. Tan buenos, de hecho, que los viejos trucos en los que la gente confiaba —contar dedos, detectar pendientes deformados o buscar fondos distorsionados— están quedando rápidamente obsoletos. Según un nuevo estudio destacado por la BBC, la próxima línea de defensa puede que no sea en absoluto un mejor detector de IA. Podría ser simplemente un humano mejor entrenado.

Investigadores de la Universidad de Aberdeen, trabajando junto a la Universidad Nacional de Australia, descubrieron que las personas pueden mejorar drásticamente su capacidad para distinguir rostros generados por IA de rostros reales tras un periodo relativamente corto de formación estructurada. En lugar de buscar fallos visuales evidentes, se enseñó a los participantes a reconocer patrones sutiles que los generadores de imágenes modernos aún tienen dificultades para replicar de forma consistente.

Read more