January | 2026
David Dalrymple, an AI safety specialist at the United Kingdom's publicly funded Aria research agency, warned that governments may run out of time to prepare for systems whose capabilities are improving faster than public safeguards. He pointed to a gap between technology companies and the officials responsible for energy networks and other infrastructure. The United Kingdom's AI Security Institute has reported rapid gains across several kinds of tasks. Dalrymple's program is therefore working on ways to contain failures in critical systems instead of assuming that advanced models will behave reliably.
Safety work follows a different clock from product development. A company can release a model, measure errors, issue an update, and keep its customers inside the experiment. A power grid cannot treat a blackout as useful feedback. Public agencies must test rare failures, assign responsibility, write procurement rules, and prepare operators before a system touches a control room. Those steps look slow beside a release calendar, yet their slowness records the number of people who cannot consent to the trial. Dalrymple's warning describes an institutional race in which one side earns money by moving first and the other is blamed after something breaks. The safeguard arrives as a budget request, a test environment, and an emergency procedure whose deadline was set by a company elsewhere.
David Dalrymple, especialista en seguridad de IA de Aria, una agencia británica de investigación con fondos públicos, advirtió que los gobiernos podrían quedarse sin tiempo para prepararse ante sistemas cuyas capacidades avanzan más rápido que las protecciones públicas. Señaló una distancia entre las empresas tecnológicas y los funcionarios responsables de las redes eléctricas y otras infraestructuras. El Instituto de Seguridad de IA del Reino Unido ha registrado mejoras rápidas en varias clases de tareas. Por eso, el programa de Dalrymple trabaja en formas de contener fallos en sistemas esenciales en lugar de asumir que los modelos avanzados serán confiables.
El trabajo de seguridad obedece a un reloj distinto al del desarrollo comercial. Una empresa puede lanzar un modelo, medir errores, publicar una actualización y mantener a sus clientes dentro del experimento. Una red eléctrica no puede tratar un apagón como información útil para la siguiente versión. Las agencias deben probar fallos raros, asignar responsabilidades, redactar reglas de compra y preparar a los operadores antes de conectar un sistema a una sala de control. Esos pasos parecen lentos frente al calendario de lanzamientos, pero esa lentitud registra a todas las personas que no pueden aceptar la prueba. Un lado gana dinero por llegar primero y el otro recibe la culpa después de la avería. La protección llega como presupuesto, entorno de prueba y procedimiento de emergencia con una fecha fijada por una empresa lejana.
Researchers at Imperial College London built CardioKG, an artificial intelligence tool that connects heart scans from the UK Biobank with information about genes, diseases, and medicines. The system identified possible uses for existing drugs, including methotrexate for heart failure and diabetes medicines called gliptins for atrial fibrillation. It also found a possible protective link involving caffeine, although the researchers warned patients against changing what they consume. CardioKG produces candidates for further study. It does not write prescriptions or replace clinical trials.
The distinction can shrink quickly once a result reaches a headline. A medicine already sitting in a pharmacy carries the authority of prior approval, even when its proposed use for another disease remains untested. The graph gives researchers a faster way to connect thousands of observations that no physician could review at once. It also gives a statistical suggestion the visual form of a path, as if the route from scan to drug had already been cleared. Doctors will still need trials, dosage studies, records, and conversations with patients. The useful output is a hypothesis with an address. The dangerous one is the same hypothesis presented without the waiting room, consent form, and years of evidence that must come before a new prescription.
Investigadores del Imperial College de Londres crearon CardioKG, una herramienta de inteligencia artificial que conecta estudios del corazón del UK Biobank con información sobre genes, enfermedades y medicamentos. El sistema identificó posibles usos para fármacos existentes, entre ellos el metotrexato para la insuficiencia cardíaca y unos medicamentos para la diabetes llamados gliptinas para la fibrilación auricular. También halló una posible relación protectora con la cafeína, aunque los investigadores advirtieron que ningún paciente debería cambiar su consumo. CardioKG produce candidatos para estudios posteriores. No receta ni reemplaza los ensayos clínicos.
Esa diferencia puede reducirse con rapidez cuando un resultado llega a un titular. Un medicamento que ya está en la farmacia conserva la autoridad de una aprobación previa, aunque su uso propuesto para otra enfermedad siga sin probarse. El grafo permite conectar miles de observaciones que ningún médico podría revisar de una vez. A la vez, presenta una sugerencia estadística como un camino visible, casi como si la ruta entre el estudio y el fármaco estuviera despejada. Todavía harán falta ensayos, estudios de dosis, historiales y conversaciones con pacientes. El resultado útil es una hipótesis con dirección. El peligro aparece cuando esa misma hipótesis circula sin la sala de espera, el consentimiento y los años de evidencia anteriores a una receta nueva.
Clippers fans have embraced face-based entry at the Intuit Dome, The Verge noted on January 1st, citing Sportico reporting on the arena's biometric ticketing system. Staff reportedly expected about a third of visitors to opt in when the venue opened. Instead, close to 75 percent enrolled. The team insists the system is used for facial authentication rather than facial recognition, and says it is not for security purposes. The promise is speed, convenience, personalization, and fewer frictions at the entrance.
The willing face is more politically useful than the captured one. A person who scans under protest remains evidence of coercion. A person who scans to skip a line makes the system look like customer service. Stadiums understand this grammar well. They turn mass entry into a problem of delay, then present biometric enrollment as relief. The camera becomes a courtesy. The database becomes a membership feature. The language of authentication softens the fact that a face now performs the labor once assigned to a ticket, a phone, or a hand stamp. The fan enters faster, and the venue learns that consent can be produced by placing impatience in front of a gate.
Los fans de los Clippers han aceptado el ingreso basado en el rostro en el Intuit Dome, señaló The Verge el 1 de enero al citar un reporte de Sportico sobre el sistema biométrico de boletaje del estadio. El personal esperaba que cerca de un tercio de los visitantes aceptara inscribirse cuando abrió el recinto. En cambio, se registró casi el 75%. El equipo insiste en que el sistema se usa para autenticación facial y no para reconocimiento facial, y afirma que no tiene fines de seguridad. La promesa es rapidez, comodidad, personalización y menos fricción en la entrada.
El rostro voluntario es políticamente más útil que el rostro capturado. Una persona que se escanea bajo protesta sigue siendo prueba de coerción. Una persona que se escanea para saltarse una fila hace que el sistema parezca servicio al cliente. Los estadios entienden bien esa gramática. Convierten la entrada masiva en un problema de demora y luego presentan la inscripción biométrica como alivio. La cámara se vuelve cortesía. La base de datos se vuelve beneficio de membresía. El lenguaje de la autenticación suaviza el hecho de que una cara realiza ahora el trabajo antes asignado a un boleto, un teléfono o un sello en la mano. El fan entra más rápido, y el recinto aprende que el consentimiento puede producirse colocando impaciencia frente a una puerta.
The first day of 2026 arrived with a stack of technology laws already in force or waiting on the calendar, The Verge reported on January 1st. California began enforcing AI transparency rules, companion chatbot safeguards, and disclosure requirements for law enforcement AI. Other states added repair rights, data privacy rules, social media limits for minors, deepfake provisions, age checks, and consumer protections around subscriptions and crypto ATMs. The list is uneven, fragmented, and vulnerable to court fights, but it marks a shift from tech as launch cycle to tech as statute.
The legal year gives artificial intelligence a new texture. Models, platforms, app stores, image generators, ticket bots, biometric systems, and repair locks now appear inside bills, injunctions, effective dates, and enforcement delays. The result is not a single national philosophy. It is a map of local anxieties. California worries about frontier systems and companion bots. Nevada worries about AI electioneering. Oregon worries about synthetic sexual imagery. Virginia worries about teenage screen time. The industry still prefers one rulebook, preferably written close to itself, but the public record is filling with smaller acts of friction. January begins with the machine placed inside folders, deadlines, carve-outs, and lawsuits.
El primer día de 2026 llegó con una pila de leyes tecnológicas ya en vigor o esperando fecha en el calendario, informó The Verge el 1 de enero. California empezó a aplicar reglas de transparencia para IA, salvaguardas para chatbots companion y requisitos de divulgación sobre el uso policial de IA. Otros estados sumaron derecho a reparar, normas de privacidad de datos, límites de redes sociales para menores, disposiciones sobre deepfakes, verificaciones de edad y protecciones de consumo alrededor de suscripciones y cajeros de criptomonedas. La lista es desigual, fragmentada y vulnerable a batallas judiciales, pero marca un giro: la tecnología deja de aparecer solo como ciclo de lanzamiento y entra como estatuto.
El año legal le da a la inteligencia artificial una textura nueva. Modelos, plataformas, tiendas de apps, generadores de imágenes, bots de boletos, sistemas biométricos y candados de reparación aparecen ahora dentro de proyectos de ley, medidas cautelares, fechas de entrada en vigor y demoras de cumplimiento. El resultado no es una filosofía nacional única. Es un mapa de ansiedades locales. California se preocupa por sistemas de frontera y chatbots companion. Nevada se preocupa por propaganda electoral con IA. Oregon se preocupa por imágenes sexuales sintéticas. Virginia se preocupa por el tiempo de pantalla adolescente. La industria todavía prefiere un solo reglamento, escrito de ser posible cerca de sí misma, pero el registro público se llena de pequeñas fricciones. Enero empieza con la máquina colocada dentro de carpetas, plazos, excepciones y demandas.
