El Grafo de la Curiosidad: un mapa de lo que la humanidad considera digno de recordar

Tres mapas de la atención humana

Durante aproximadamente treinta años, internet ha producido en silencio mapas de aquello a lo que prestamos atención. No mapas geográficos, sino mapas del interés humano. Funcionan de manera continua en segundo plano detrás de cada tecla pulsada, cada deslizamiento y cada toque. La mayoría de las personas nunca los percibe como mapas. Simplemente los llamamos "el algoritmo" o "el feed" y seguimos adelante.

Hay tres que en verdad importan, y son categóricamente distintos.

El primero es Google, un mapa de la demanda. Cada consulta es una persona, en algún lugar, que levanta la mano y hace una pregunta. Multiplicado por miles de millones de sesiones diarias, el mapa muestra lo que la humanidad quiere saber, ordenado por frecuencia, tiempo y lugar. Las tendencias de búsqueda son la curva agregada de demanda más limpia que hemos tenido jamás de la curiosidad humana en abstracto.

El segundo son las redes sociales, un mapa de la viralidad. Likes, compartidos, respuestas, tiempo de visualización, retuits, permanencia. El mapa muestra lo que se propaga, lo que engancha, lo que provoca. Las plataformas luego devuelven lo más alto de ese mapa al feed de más personas, lo que lo agudiza, lo que vuelve a alimentarlo. El mapa es recursivo por diseño.

El tercero es uno del que casi nadie habla como mapa. Es el corpus de subrayados: los pasajes que las personas han marcado personalmente como significativos durante la lectura. En papel, esto solía ser marginalia, subrayados, esquinas dobladas. En línea, se convirtió en el resaltador. En plataformas como Glasp, se volvió público, social y agregado. Este es un mapa de la intencionalidad, de lo que las personas consideraron digno de conservar.

Tres mapas. Tres señales categóricamente distintas. En 2026, solo uno de ellos sigue funcionando como fue diseñado.

Lo que registra cada mapa en realidad

Es fácil meter todo esto en el mismo saco como "datos que internet recoge sobre nosotros", pero los actos subyacentes son diferentes de maneras que importan.

Una búsqueda es una pregunta hecha bajo incertidumbre. El usuario aún no sabe aquello que está consultando. La búsqueda registra el deseo de saber, una de las conductas más veraces que tenemos. El sesgo es enorme, pero humano: buscamos lo que no tenemos. Por eso Google Trends se correlaciona con todo, desde brotes de gripe hasta participación electoral. El mapa mide la brecha entre lo que tenemos y lo que queremos saber a continuación.

Un like o un compartido es una reacción a un contenido ya presentado. Al usuario le ha sido servido algo por un sistema, y el clic es un voto sobre la elección del sistema. La interacción nunca es interés humano puro. Es una reacción humana al contenido que la plataforma decidió mostrar, ordenado según lo que la plataforma estimó que tenía más probabilidades de provocar una reacción. El mapa mide la capacidad de respuesta dentro de un entorno diseñado.

Un subrayado es algo distinto. La persona ha elegido la fuente, la ha abierto y ha leído más allá del pasaje subrayado para tomar la decisión de marcarlo. Tres acciones: elegir la fuente, atender al texto, marcar un fragmento para el futuro. Cada acto es voluntario, deliberado y asimétrico en costo. Puedes recorrer un feed durante una hora sin subrayar una sola frase. La mayoría de las personas, de hecho, nunca lo hace.

Esta es la comparación a la que vuelve el resto de este ensayo:

Esta tabla es la columna vertebral. Cada sección posterior es un argumento sobre una de sus filas.

Por qué dos de los mapas se están echando a perder

Los mapas se echan a perder cuando el territorio que describen deja de coincidir con lo que registran. Eso es lo que está sucediendo con Google y con la interacción social, por razones distintas pero relacionadas.

El territorio de Google es el texto en la web abierta. Ese territorio está siendo inundado. Los modelos generativos pueden producir párrafos creíbles a un costo marginal cercano a cero. Los sitios optimizados para ingresos publicitarios se han dado cuenta. Las granjas de SEO se han dado cuenta. Las redes de afiliados se han dado cuenta. El resultado es una categoría de contenido que observadores experimentados como Charlie Warzel y Casey Newton han empezado a llamar "AI slop": prosa gramaticalmente correcta, genérica y casi por completo vacía de señal original. Existe para ser indexada, no leída.

Peor aún, este contenido se reinyecta en los datos de entrenamiento. El artículo de 2024 en Nature de Ilia Shumailov y colegas, "The Curse of Recursion: Training on Generated Data Makes Models Forget", demostró formalmente lo que muchos sospechaban: cuando los modelos se entrenan con las salidas de modelos anteriores, las colas de la distribución colapsan. Las ideas raras, los casos límite y las perspectivas minoritarias desaparecen primero. Veselovsky et al. (2023) ya habían mostrado que los conjuntos de datos de trabajadores colectivos, considerados durante mucho tiempo el patrón oro de aporte humano, ya estaban siendo silenciosamente completados con salidas de ChatGPT. Los mapas a partir de los cuales se dibujan los modelos están siendo rellenados por otros mapas.

Esto no es solo un problema de entrenamiento de IA. Es un problema de búsqueda. El índice de Google siempre fue un índice de lo que los humanos escribían. Ahora es, en parte, un índice de lo que los modelos escribieron sobre lo que los humanos podrían querer. La relación señal-ruido de los clics, el tiempo de permanencia y los retrocesos está cayendo. El mapa se sigue dibujando, pero el territorio debajo está mutando.

El territorio de las redes sociales es la interacción, y la interacción nunca fue lo mismo que el interés. El ensayo "enshittification" de Cory Doctorow (2023) es el encuadre más limpio. Las plataformas comienzan sirviendo a los usuarios, giran a servir a los anunciantes y luego giran a servirse a sí mismas. En cada paso, las métricas se desplazan para favorecer aquello que extrae más valor al menor costo. Surgen las granjas de atención. Los formatos cebo de interacción dominan. Los bots escalan porque son baratos. Las respuestas escritas por IA, los videos de reacción generados por IA y los creadores clonados con IA refuerzan la tendencia.

Cuanto más diseñado está el entorno, peor funciona la interacción como sustituto del interés humano. Un like en 2009 era probablemente una persona que leyó la publicación. Un like en 2025 puede ser un bot, un pulgar aburrido, un pod pagado o un agente de IA operando una cuenta en nombre de una marca. El territorio quedó simulado y el mapa no se dio cuenta.

Así que nos quedamos con dos de las tres grandes señales públicas de la atención humana perdiendo fidelidad en silencio al mismo tiempo. Esto no es un ataque a ninguna plataforma. Es la descripción de un proceso entrópico al que cualquier sistema que monetice la atención termina sometiéndose cuando producir contenido se vuelve demasiado barato.

Por qué subrayar se mantiene honesto

El tercer mapa resiste por la forma en la que está hecho.

Un subrayado requiere tres filtros en secuencia. Primero, una persona decide leer un fragmento de texto el tiempo suficiente para llegar al pasaje. Segundo, el pasaje tiene que aterrizar: tiene que sentirse importante, verdadero, útil, hermoso, peligroso o de algún otro modo digno de ser recordado. Tercero, la persona tiene que actuar con base en ese sentimiento y marcarlo. Cada paso tiene un costo.

Producir el artefacto de un subrayado de manera fluida es trivial: es solo un fragmento de texto y una marca de tiempo. Producir la señal que un subrayado se supone que codifica es difícil, porque la señal es "un humano atendió y eligió esto". Para falsificar eso a escala no basta con texto sintético. Hacen falta lectores sintéticos que atiendan sintéticamente, sobre URLs de fuentes reales, con un gusto consistente, contra una línea base poblacional que la detección de anomalías no pueda identificar. Cada capa de la falsificación colapsa uno de los filtros y rompe la señal.

Este es un argumento distinto a "la IA no sabe escribir". La IA sabe escribir. Lo importante es que subrayar no es ante todo una actividad de escritura. Es una actividad de lectura y de selección, y leer a ritmo humano es una de las pocas cosas que los agentes sintéticos todavía son genuinamente malos para falsificar de manera económica. Puedes levantar mil cuentas de IA que publican; levantar mil cuentas de IA que lean libros, año tras año, con preferencias estables que coincidan con una vida intelectual real, es un problema mucho más difícil, y en el momento en que lo intentas, has construido algo tan parecido a una persona que la distinción deja de importar.

Hay también un punto más profundo y antiguo aquí. Mortimer Adler, en How to Read a Book (1940/1972), sostuvo que la marginalia es el acto que convierte la lectura de consumo pasivo en una conversación con el autor. El subrayado es el descendiente moderno de su marginalia. Es el residuo visible del lector pensando. No puedes obtener ese residuo sin el pensamiento. El artefacto es barato. La cognición detrás, no.

De las marcas al mapa: el Curiosity Graph

Un solo subrayado es un momento privado. Un millón de subrayados, públicos, con marca de tiempo y conectados a identidades y a textos, es algo distinto. Es un grafo.

Piénsalo como una estructura bipartita: por un lado, las fuentes (libros, ensayos, artículos, videos, transcripciones). Por el otro, los lectores. Las aristas entre ambos son los subrayados, ponderados por cuántos lectores distintos eligieron el mismo pasaje, cuándo lo eligieron, qué más subrayaron a su alrededor y qué escribieron en sus propias anotaciones. Agrega esto a lo largo de los años y obtienes el Curiosity Graph: un mapa actualizado de manera continua de qué fragmentos de qué textos han sido considerados dignos de conservar, por quién y en qué vecindarios intelectuales.

Tres propiedades hacen que este grafo se comporte de manera inusualmente sólida.

Es estable a lo largo del tiempo. Los pasajes muy subrayados en libros de 1990 siguen siendo subrayados hoy. Las frases más marcadas en Meditaciones, en El origen de las especies, en Pensar rápido, pensar despacio, no rotan como rotan las tendencias de las redes sociales. El grafo tiene actividad de hace semanas superpuesta a una forma de hace décadas. Esa estabilidad es una virtud: significa que el mapa mide algo más duradero que lo que es popular en este momento.

Está distribuido entre lenguas y contextos. Una lectora en São Paulo subrayando el mismo párrafo de un ensayo de 2014 que también subraya un lector en Seúl, con tres años de diferencia, no está respondiendo a un feed ni a un tema en tendencia. Cada uno está encontrando el texto y marcándolo de manera independiente. Cuando ese patrón se repite a escala, es evidencia de que el pasaje está haciendo algo real.

Es interpretable. A diferencia de los clics o el tiempo de visualización, los subrayados vienen con el texto real adjunto. Puedes leer el mapa directamente. No hace falta modelar lo que los usuarios quisieron decir; el fragmento subrayado es el significado. Esto es raro en los datos de atención y hace que el grafo sea inusualmente útil tanto como registro público como sustrato de investigación.

Para hacer concreta la durabilidad:

Fíjate en lo que esto no es: una lista de publicaciones en tendencia, un ranking de hilos virales, un "gráfico de interacción". Es un mapa del sentido humano estable, dibujado lentamente, por lectores individuales, un pasaje a la vez. Más cerca en espíritu de la manera en que hemos descrito la inteligencia colectiva que de cualquier cosa que viva en un feed.

El Curiosity Graph en la era de la IA

Dos hechos chocan en 2026.

Hecho uno: los datos de entrenamiento de los grandes modelos están contaminados. Los modelos que aprenden de la web abierta aprenden, cada vez más, del residuo de otros modelos. El resultado de recursión de Shumailov no es un escenario peor; es una asíntota.

Hecho dos: la señal más valiosa para cualquier sistema de IA que aspire a ser útil para los humanos es "lo que los humanos en verdad encuentran significativo". Esa señal no puede inferirse de manera confiable a partir del texto de la página por sí solo, porque ese texto es en parte sintético. No puede inferirse de los clics, porque los clics son manipulables. Puede inferirse bastante bien a partir de los subrayados, porque los subrayados son ese tipo raro de dato en el que los humanos dijeron deliberadamente esta parte, no el resto.

Un corpus de subrayados públicos tiene propiedades que los productos de IA necesitan con desesperación:

• Etiquetas de saliencia de alta calidad. Cada subrayado es una etiqueta de "esto importa" validada por un humano sobre un fragmento de texto específico.
• Procedencia encadenada a una fuente. Los subrayados están atados a URLs y libros, así que el mapa está anclado en texto real y atribuible.
• Continuidad de identidad del lector. Con el tiempo, el historial de subrayados de un lector individual forma una firma intelectual coherente que es costosa de falsificar.
• Vinculación entre fuentes. Los lectores que subrayan el pasaje A en un libro y el pasaje B en otro crean enlaces semánticos implícitos que ningún texto por sí solo podría expresar.

Compara esto con un scraping de la web abierta en 2026. El scraping es más grande. El corpus de subrayados es honesto. Para entrenamiento, para recuperación, para alineación con una verdad de base, la honestidad le gana al tamaño a partir de cierto umbral. Hemos hecho ese argumento en otra parte sobre por qué Glasp importa como inteligencia colectiva en la era de la IA; el Curiosity Graph es la forma estructural de ese argumento.

Hay un efecto de segundo orden. A medida que los productos de IA compiten por sentirse personales, necesitan señales específicas de cada usuario sobre qué le resulta significativo. Los subrayados son básicamente la señal más limpia de ese tipo que un usuario puede producir voluntariamente. Una lectora que ha subrayado quinientos pasajes a lo largo de dos años le ha entregado a un sistema de IA un índice preciso, denso y con criterio propio de su vida intelectual. A esto lo hemos llamado personal context management: la práctica de construir la capa de entrada que permite que la IA trabaje en tu nombre. El Curiosity Graph es su gemelo de cara al público.

Glasp como infraestructura pública para el sentido humano

La mayoría de las apps para tomar notas tratan los subrayados como un artefacto personal. Subrayas en Notion, en Obsidian, en Apple Notes, en Readwise. El subrayado va a tu repositorio privado. Puede aparecer en tu revisión diaria. Puede que ninguna otra persona lo vea jamás.

Ese modelo está bien para la gestión personal del conocimiento. Está mal para el Curiosity Graph.

El grafo solo existe si los subrayados son públicos por defecto. Un subrayado privado es un punto cerrado en un mapa que nadie puede leer. Un subrayado público es una coordenada. La decisión arquitectónica de hacer los subrayados sociales por defecto, atados a una identidad, navegables y agregados entre lectores es lo que convierte la práctica de literacidad privada en infraestructura pública. Argumentamos a favor de esta evolución del segundo cerebro al cerebro compartido: el cambio de optimizar el recuerdo personal a contribuir a un registro colectivo.

Esto es lo que hace que el resaltador web de Glasp sea diferente en naturaleza de una herramienta de subrayado privado. El mismo gesto, hecho público, se convierte en otra cosa. Subrayas una frase en un ensayo de Paul Graham. El subrayado va a tu perfil de lector. También se une al cúmulo de cualquier otro lector que haya marcado esa frase. También fortalece la saliencia inferida de ese fragmento en todo el índice. También se convierte en un nodo de una red que conecta a cada lector que haya subrayado en ese vecindario intelectual. Nada de eso ocurre en un cuaderno privado.

La misma lógica se extiende a otros formatos. YouTube Summary permite a los lectores marcar segmentos de videos. Los subrayados de Kindle traen las anotaciones de libros al mismo grafo. La capa de community es donde el grafo se vuelve legible: donde puedes ver lo que otros están leyendo, lo que están marcando y qué pasajes se agrupan en torno a las preguntas que persigues.

El subrayado público es, en este sentido, un acto de pequeña generosidad cívica. Aportas una coordenada etiquetada a un mapa que se vuelve más valioso con cada coordenada. Ese es el argumento estructural de por qué estamos construyendo Glasp, y la razón estructural por la que ser público por defecto no es una funcionalidad sino el cimiento.

Lo que esto significa para ser humano hoy

Herbert Simon, escribiendo en 1971, nos dejó la frase que todavía rige internet: "Lo que la información consume es bastante obvio: consume la atención de sus destinatarios. De ahí que una abundancia de información cree una pobreza de atención". Durante la mayor parte de los últimos cincuenta años, la atención ha sido el recurso escaso y la información el recurso abundante.

En 2026 estamos cruzando hacia un nuevo régimen. La información ya no es solo abundante; se está produciendo a costo marginal cero, a menudo sin un autor humano. La salida de los modelos generativos se está volviendo rápidamente más grande que todo el corpus de autoría humana que la precedió. En ese régimen, "información" deja de ser la unidad significativa. La unidad significativa pasa a ser "lo que a un humano le importó, a propósito, y estuvo dispuesto a marcar".

Walter Benjamin, en 1935, temía que la reproducción mecánica borrara el "aura" de la obra de arte original. Tenía la mitad de razón. La reproducción aplanó las artes visuales como él predijo. También creó un nuevo tipo de aura, ligada a la procedencia: estampas firmadas, originales verificados, artefactos autenticados. La misma dinámica está ocurriendo con el texto. La reproducción generativa está aplanando el campo. Lo que recibe la nueva aura es el gesto humano verificado: el pasaje marcado, la nota personal, el compromiso público con "esta es la parte que me importó".

Un subrayado, visto así, es una pequeña afirmación de presencia. Leí esto. Estuve aquí. Esta frase merecía ser conservada. Multiplica eso a lo largo de cien millones de sesiones de lectura y tienes algo parecido a un registro público del sentido humano, dibujado lentamente, sobreviviendo a la época. A esto lo llamamos, en otra pieza, el mayor legado para las generaciones futuras: no los libros, sino la herencia de haberlos leído, estructurada de modo que el siguiente lector pueda encontrar lo que importó.

Cuando la IA puede producir texto con fluidez, "lo que a los humanos les importó" se convierte en la señal escasa. El Curiosity Graph es el aspecto que tiene esa señal cuando se dibuja el mapa.

Preguntas frecuentes

¿No es esto exagerado? Los subrayados son solo una práctica personal de tomar notas.

Al nivel de un solo lector, sí. El argumento es sobre la agregación. Un millón de cuadernos privados son un millón de cuadernos privados. Un millón de subrayados públicos, atados a identidades y a fuentes, son una red. La afirmación no es que cualquier subrayado individual sea profundo. Es que la red de subrayados, agregada, tiene propiedades (intencionalidad, durabilidad, procedencia) que ningún otro conjunto público de datos de atención posee, y que esas propiedades se vuelven más valiosas a medida que otros conjuntos se degradan.

¿Goodreads, Pocket o Readwise no hacen ya esto?

Cada uno captura una porción. Goodreads registra lo que lees, no lo que marcaste dentro. Pocket archivaba enlaces para leer después, casi sin datos granulares a nivel de pasaje. Readwise es excelente para la gestión privada y la importación de subrayados, pero su centro de diseño es el recuerdo personal, no la agregación pública. El Curiosity Graph requiere subrayados públicos por defecto, con granularidad de pasaje, atados a una identidad y a través de fuentes diversas. Esa combinación es alrededor de la cual está construido Glasp. La diferencia no son las funcionalidades; es si los datos forman un grafo o no.

¿Puede la IA falsificar subrayados?

Puede falsificar el artefacto. Un bot puede marcar un fragmento en una página y llamarlo subrayado. Lo que le cuesta mucho más falsificar es la conducta subyacente: un historial de lectura sostenido con un gusto consistente, sobre fuentes reales, a ritmo humano, con una identidad estable y patrones que coincidan con una vida intelectual real. La señal no es el subrayado en sí mismo. Es el lugar del subrayado dentro de un patrón largo de comportamiento. Falsificar el artefacto es barato; falsificar la cognición detrás de varios años de vida lectora resulta, por ahora, prohibitivamente caro. La asimetría es justamente el punto.

¿Y la privacidad?

Los subrayados públicos son voluntarios. Los lectores pueden subrayar de manera privada, compartir de forma selectiva o aportar plenamente al grafo público. El argumento del Curiosity Graph trata sobre lo que ocurre cuando los lectores eligen hacer públicos sus subrayados. No es una afirmación de que el subrayado privado no sirva; es una afirmación de que el subrayado público produce un artefacto categóricamente distinto, y que ese artefacto es el que se vuelve infraestructura.

¿Mi único subrayado importa?

De la misma manera en la que importa un solo voto. Individualmente, la señal marginal es pequeña. Colectivamente, la única razón por la que el grafo existe es que millones de pequeñas señales se suman. Si subrayas un párrafo que nadie más ha marcado, has creado una arista nueva. Si subrayas un párrafo que diez mil personas más han marcado, has reforzado una existente. Las dos cosas son útiles. Al grafo no le importan los gestos grandes; le importan los gestos reales.

¿Esto no es solo una manera elegante de decir "los datos del usuario son valiosos"?

Es lo contrario. La mayoría de las plataformas trata el comportamiento del usuario como una emisión privada que hay que monetizar. El Curiosity Graph trata los gestos intelectuales públicos y voluntarios como un recurso compartido que hay que agregar para beneficio de todos los que leen. El modelo no es la extracción. Es un bien común público cuyo valor proviene de ser legible para todos los participantes. Por eso también hemos enmarcado a Glasp como parte de un learning OS más amplio: una capa abierta para cómo las personas leen, marcan y comparten comprensión.

Conclusión

Tres mapas de la atención humana. Uno registra la demanda. Uno registra la viralidad. Uno registra la intencionalidad. Los dos primeros se están degradando bajo la presión del contenido sintético barato y la interacción manipulada. El tercero resiste porque depende de algo que el contenido sintético no puede reproducir económicamente: leer de verdad, encontrar significado y elegir conservarlo.

Agregadas, esas elecciones forman el Curiosity Graph. Es un mapa lento, duradero e interpretable de lo que las personas, a lo largo de décadas de lectura, han considerado digno de recordar. A medida que la fluidez de la IA inunda cada canal, este mapa se vuelve más valioso, no menos, porque es la verdad de base más auténtica que queda de la vida intelectual humana.

Cada subrayado público que haces añade un punto a ese mapa. Una coordenada, atada a un lector real, sobre una fuente real, marcando un fragmento real de significado. Multiplica eso a lo largo de la próxima década de lectura y el resultado es algo que la época necesita de verdad: un registro público de la atención humana que sobreviva a la inundación sintética.

Si ese es un proyecto del que quieres formar parte, el gesto es pequeño. Elige algo que valga la pena leer. Marca el pasaje que te llegue. Hazlo público. Abre el resaltador web de Glasp y aporta una coordenada. Recorre la community y sigue a los lectores cuyos mapas se cruzan con el tuyo. El grafo crece una marca honesta a la vez. Esa es la única manera en que podría crecer.