Fuentes y referencias

Referencias

1. Babu, J.; Joseph, D.; Mohan Kumar, R.; Alexander, E.; Sasi, R.; Joseph, J. «Emotional AI and the rise of pseudo-intimacy: are we trading authenticity for algorithmic affection?». Frontiers in Psychology, 2025, doi 10.3389/fpsyg.2025.1679324. frontiersin.org. Leído completo. Lo que dice: la IA emocional (compañeros, apps terapéuticas, asistentes) interpreta estados emocionales y simula respuestas; «no tiene consciencia ni vida interior… responde no porque le importe, sino porque fue entrenada para parecer que le importa»; propone guardarraíles: autodeclaración persistente de que es una máquina, fricción y derivación a personas en momentos sensibles, minimización de datos, control del usuario sobre su historial afectivo; advierte que la evidencia sobre efectos a largo plazo es aún preliminar. Usado como apoyo de la transición y de las cuatro condiciones.
2. Somers, M. «Emotion AI, explained». MIT Sloan, Ideas Made to Matter, 8 de marzo de 2019. mitsloan.mit.edu. Leído completo. Lo que dice: definición («measures, understands, simulates, and reacts to human emotions»), sinónimos, origen en Picard 1995, industrias (publicidad, centros de llamadas, salud mental, automóvil, asistiva), dato Affectiva 25 % de las Fortune 500, sesgo de entrenamiento (Brynjolfsson), «machine augmenting human» (el Kaliouby). Usado para la definición, los usos y el dato de adopción.
3. SRI International. «Part one: What is emotional AI and how is it embracing computing?», 21 de febrero de 2020. sri.com. Leído completo. Lo que dice: computación afectiva, concepto propuesto por Picard en el artículo «Affective Computing» de 1995, con su conclusión citada; tres bloques según IEEE 2018 (reconocimiento, generación, aumentación). Usado para la cita de Picard y los tres bloques.
4. Bubb, A. J. «Emotional AI and Affective Computing: How AI Learns to Understand Human Feelings». Facing Disruption (Substack), 10 de octubre de 2025. facingdisruption.substack.com. Leído completo. Lo que dice: definición (reconocer, interpretar, responder), cuatro canales (rostro, voz, PLN, fisiología), usos (servicio al cliente, marketing, UX, salud), retos (precisión y cultura, privacidad, manipulación). Usado para las señales que lee.
5. The Princeton Review. «Emotional Intelligence in AI». princetonreview.com (sin fecha ni autor). Leído completo. Lo que dice: definición escolar (detectar y responder a emociones; rostro y voz), beneficios en educación, consideraciones éticas (privacidad, sesgo, responsabilidad). Usado solo como confirmación de la definición.
6. Szatar, J. «What is Emotional AI API? The Complete Guide». Tavus (blog de proveedor), 13 de marzo de 2025. tavus.io. Leído completo; proveedor. Fuente comercial: lo que dice sobre su propio producto no se usa. Lo que dice y se usó: definición (detectar, interpretar, responder), señales (rostro, voz, fisiología), casos de uso por sector (ventas y marketing, salud, servicio al cliente, salud mental, automóvil, educación), seis emociones básicas de Ekman como base de muchos sistemas, retos éticos (privacidad, sesgo, responsabilidad). No da cifras de mercado.
7. Barrett, L. F.; Adolphs, R.; Marsella, S.; Martinez, A. M.; Pollak, S. D. «Emotional Expressions Reconsidered: Challenges to Inferring Emotion From Human Facial Movements». Psychological Science in the Public Interest, 20(1), 1–68, 2019, doi 10.1177/1529100619832930. Solo resumen (registro Crossref); el texto completo en PMC no cargó esta noche. Leído el resumen (registro Crossref), no el texto completo de 68 páginas: la «visión común» de que la emoción se lee en la cara influye en decisiones legales, educativas y en la IA; la evidencia muestra variación sustancial entre culturas, situaciones y personas, y que una misma configuración facial a menudo comunica algo que no es una emoción. Usado para la cautela científica.
8. Radford, C.; Weston, M. «How Can We Be Moved by the Fate of Anna Karenina?». Aristotelian Society Supplementary Volume 49(1), 1975, 67–94. doi.org/10.1093/aristoteliansupp/49.1.67. Registro Crossref; no se leyó el texto. El simposio que dio nombre a la paradoja de la ficción: cómo puede conmovernos un personaje que sabemos que no existe. Usado en «¿Por qué lloramos en el cine?».
9. Green, M. C.; Brock, T. C. «The role of transportation in the persuasiveness of public narratives». Journal of Personality and Social Psychology 79(5), 2000, 701–721. doi.org/10.1037/0022-3514.79.5.701. Registro Crossref; no se leyó el texto. Transporte narrativo: quien se deja llevar por una historia tiende a adoptar creencias más acordes con ella. Usado en «¿Por qué lloramos en el cine?».
10. Ravaja, N.; Saari, T.; Salminen, M.; Laarni, J. «Phasic Emotional Reactions to Video Game Events: A Psychophysiological Investigation». Media Psychology 8(4), 2006, 343–367. doi.org/10.1207/s1532785xmep0804_2. Registro Crossref; no se leyó el texto. Reacciones emocionales ante los eventos de un videojuego, medidas con psicofisiología. Usado en «¿Por qué lloramos en el cine?»; sin cifras.
11. Thorndike, E. L. «A constant error in psychological ratings». Journal of Applied Psychology 4(1), 1920, 25–29. doi.org/10.1037/h0071663. Registro Crossref; no se leyó el texto. El trabajo que dio nombre al efecto halo: la impresión general de una persona tiñe el juicio sobre sus rasgos particulares. Usado en «Cuando nos sentimos seguros, bajamos la guardia».
12. Reglamento (UE) 2024/1689 (Reglamento de Inteligencia Artificial), artículo 5.1.f y artículo 113.a. Texto leído en el AI Act Explorer del Future of Life Institute, artificialintelligenceact.eu/article/5, que reproduce el Diario Oficial. Verificado en el espejo del Future of Life Institute; EUR-Lex no verificado directamente. Lo que dice: prohibido comercializar, poner en servicio o usar sistemas de IA para inferir emociones de una persona física en el ámbito del lugar de trabajo y de los centros educativos, salvo cuando el sistema se destine a razones médicas o de seguridad; el artículo 5 aplica desde el 2 de febrero de 2025. [REVISAR] EUR-Lex no respondió desde esta máquina esta noche; la cita se cotejó en el espejo, no en el Diario Oficial.
13. MIT Media Lab y OpenAI. «Early methods for studying affective use and emotional wellbeing in ChatGPT: An OpenAI and MIT Media Lab Research collaboration», 2025. media.mit.edu. Leído completo (la nota conjunta); los dos informes completos no se leyeron. Lo que dice: dos estudios paralelos, un análisis automatizado de casi 40 millones de interacciones (OpenAI) y un ensayo controlado aleatorizado de cuatro semanas con cerca de 1.000 participantes (MIT Media Lab); el uso emocional es raro y se concentra en un grupo pequeño de usuarios intensivos; el uso diario prolongado se asoció a peores resultados; los autores advierten que no está revisado por pares, que es solo ChatGPT y solo en inglés con participantes de EE. UU., y piden no generalizar. Usado para la «evidencia reciente» de la diapositiva 4.
14. Skadden, Arps, Slate, Meagher & Flom. «New California “Companion Chatbot” Law Imposes Disclosure, Safety Protocol and Annual Reporting Requirements», octubre de 2025. skadden.com. Leído completo; fuente secundaria (bufete). El texto de la ley en leginfo.legislature.ca.gov no cargó. Lo que dice: SB 243 firmada el 13 de octubre de 2025; definición de chatbot de compañía; excluye servicio al cliente y operaciones; aviso claro de que es una IA; protocolos ante ideación suicida; con menores, recordatorio cada tres horas; informes anuales desde el 1 de julio de 2027; acción civil. Usado para la cautela legal (California).
15. Future of Privacy Forum. «Understanding the New Wave of Chatbot Legislation: California SB 243 and Beyond», octubre de 2025. fpf.org. Leído completo; fuente secundaria. Lo que dice: confirma las obligaciones de la SB 243, la primera con protecciones específicas para menores; la compara con la S-3008C de Nueva York, Maine y Utah; señala la tensión con la privacidad. Usado como segunda fuente de la SB 243.
16. Sigma Xi. Perfil de Rosalind W. Picard (Walston Chubb Award). sigmaxi.org. Leído completo; cita de segunda mano del sitio del grupo del MIT. Lo que dice: Picard, pionera de la computación afectiva; su libro Affective Computing fundó el campo (sin fecha en el perfil); cita la definición del Affective Computing Research Group del MIT Media Lab: «computing that relates to, arises from, or deliberately influences emotion or other affective phenomena». Usado para la definición de los tres verbos.
17. Smart Eye, página «Automotive Interior Sensing» (proveedor). smarteye.se. Página leída; la adquisición de Affectiva no verificada. Fuente comercial, cifras propias: sistemas de monitoreo del conductor en «380 production car models by 24 of the world’s leading OEMs… more than 6,000,000 cars». No menciona la adquisición de Affectiva; solo en notas.
18. Briefing «Emotional AI — Panel Briefing» (otra sesión, 20 de octubre de 2026, en scratch/). Borrador de otra sesión; no es una fuente. Borrador de otro modelo, no una fuente. Se adoptaron sus ideas estructurales, que son el encuadre de Carlos: los tres verbos, la prueba de estrés «Nunca ayudar» con cinco preguntas, «lo que nos hace diferentes, nos hace mejores», la regla práctica regulatoria, las tres preguntas para el lunes y sus preguntas anticipadas. Cada dato que de allí llegó a una diapositiva se verificó antes en una fuente primaria (SB 243, OpenAI y MIT Media Lab, definición de Picard). [REVISAR] No verificados y por eso solo en notas: Smart Eye compró Affectiva por 73,5 M USD en 2021; Hume AI y su interfaz de voz empática; el informe de Zao-Sanders (HBR 2025) con terapia y compañía como primer caso de uso; la entrada en vigor de la SB 243 el 1 de enero de 2026.
19. Capítulo en volumen editado (Elsevier), ScienceDirect, sciencedirect.com, pii B9780443190964000079. Solo resumen; no leído. [REVISAR] No leído: la página respondió 403; solo se leyó el resumen, pegado por Carlos; título y autores no capturados. Lo que dice el resumen: la computación afectiva desarrolla dispositivos capaces de percibir, comprender e imitar emociones humanas (voz, rostro, gestos) en clave de «humano aumentado»; la IA emocional «no puede reemplazar completamente a los docentes, pero puede ayudarlos en ciertas circunstancias». Usado solo en notas, como puente hacia «aumentación, no reemplazo».
20. Picard, R. W. Affective Computing. MIT Press, 1997. No verificado: no leído; la fecha del libro no aparece en las fuentes consultadas (Sigma Xi lo nombra sin fecha; MIT Sloan y SRI citan el artículo de 1995). Citado por Carlos como origen del campo; en la diapositiva va 1995, la fecha sí verificada.
21. EUR-Lex. Reglamento (UE) 2024/1689, Diario Oficial L, 12 de julio de 2024, eur-lex.europa.eu/eli/reg/2024/1689/oj. No verificado directamente: el servidor no entregó el texto desde esta máquina (tres intentos). El artículo 5.1.f se cotejó en el espejo citado arriba.
22. California Legislative Information. SB 243, Companion chatbots, 2025–2026, leginfo.legislature.ca.gov. No verificado directamente: la página no cargó; se usaron Skadden y FPF.
23. TechCrunch, «Emotion-detection software startup Affectiva acquired for $73.5M» (2021), y Smart Eye, comunicado de la adquisición. No verificado: no leídos esta noche. Citados por el briefing y el deck en inglés; por eso la cifra no está en ninguna diapositiva.
24. Contrary Research, perfil de Hume AI; Hume AI, portada hume.ai. No verificado: la portada leída habla de medir «timing, tone, emotional expression» en voz; no describe la Empathic Voice Interface ni su fecha de fundación.
25. Zao-Sanders, M. «The 2025 Top-100 Gen AI Use Case Report» (Filtered; resumido en Harvard Business Review). Leído el PDF del informe (método y ranking); no se leyó el artículo de HBR completo. Según el briefing, pone terapia y compañía en primer lugar, pero ordena por utilidad e impacto juzgados por expertos, no por cuota de uso; si se cita en voz, decirlo así.

Las demás diapositivas son la posición de Carlos Miranda Levy y se sostienen en su canon de persona (CEMI), sus ensayos sobre Magnifica Humanitas en cemi.ai/dialogues, el Arco de Impacto, el principio «aprendizaje primero» y su mensaje del 20 de octubre de 2026 con la tesis.

Cada diapositiva cita sus fuentes en las notas del ponente; el brief resume la literatura con cada afirmación atada a su referencia.