¿Ya importamos sólo el 10% de gasolina, como afirma AMLO? Falso, es el 67% y ni con Dos Bocas al máximo se logra esa cifra
El presidente Andrés Manuel López Obrador afirmó que México ya solamente importa el 10% de las gasolinas que consume. Sin embargo, su dicho es falso, ya que de acuerdo con la Secretaría de Energía (Sener) apenas en junio de este año importamos el 67% de las gasolinas que el país demanda.
Ese mes Petróleos Mexicanos (Pemex) y otras empresas importaron 539 mil barriles diarios, mientras que la producción del Sistema Nacional de Refinación (SNR) fue de 279 mil barriles, el 33% de una demanda nacional estimada por la Sener en 806 mil barriles diarios de gasolina.
De enero a junio de 2024, México importó en promedio, 503 mil barriles diarios de gasolinas automotrices, esto representa el 62% de los 806 mil barriles diarios que el país demanda, de acuerdo con las estimaciones de la Sener.
Asimismo, en este primer semestre del año el Sistema Nacional de Refinación (SNR) produjo 302 mil barriles de gasolinas automotrices, de acuerdo con Pemex, lo que representa el 38% de la demanda nacional.
Por otra parte, la refinería de Deer Park produjo en 2024 un promedio de 125 mil barriles diarios y en el segundo trimestre de este año alcanzó los 116 mil barriles. Sin embargo, la petrolera informó en su último reporte que de los 116 mil barriles producidos, 105 mil (90%) fueron vendidos al exterior y no utilizados para el consumo nacional.
Sin embargo, ésta es otra de las veces en las que el presidente se ha expresado sobre este tema. En la conferencia matutina del 9 de julio el presidente desinformó diciendo que la producción de petróleo se había incrementado en 100 mil barriles diarios y que ya México producía el 90 por ciento de la gasolina que consumimos.
Dos Bocas ya produce gasolina
Las afirmaciones del presidente López Obrador ocurren a solo dos días de que se llevara a cabo la ceremonia de inicio de producción de la refinería Olmeca ubicada en Dos Bocas, Tabasco.
Después de dos años de que fuera inaugurada y tras duplicar el costo de construcción prometido al inicio del gobierno actual, el presidente López Obrador, la presidenta electa, Claudia Sheinbaum y el director de Pemex, Octavio Romero Oropeza, dieron banderazo oficial a la producción en la refinería.
El director de Pemex afirmó en la ceremonia que a partir de ese día la refinería de Dos Bocas ya estaba produciendo “87 mil 500 barriles de gasolina ultrabajo azufre y 65 mil de diésel ultrabajo azufre”.
Romero Oropeza dijo también que “a partir del 21 de agosto se estarán procesando ya los 340 mil barriles que equivaldrán 175 mil barriles de gasolina y 13 mil barriles de diesel”.
El presidente López Obrador dijo que Dos Bocas ya estaba produciendo “el 10 por ciento de toda la gasolina que consumimos diariamente” y aseguró que “en 15 días, va a estar produciendo el 20 por ciento de toda la gasolina que consumimos en el país”.
De ser ciertos, estos niveles de producción en Dos Bocas representarían alrededor del 11% de la demanda actual de gasolinas y en dos semanas deberían de cubrir un 22%, por lo que la importación debería de comenzar a reducirse en estas mismas cantidades.
Si consideramos una producción al 100% de su capacidad, la refinería de Dos Bocas lograría sumar 175 mil barriles diarios de gasolinas a los 279 mil barriles que produce actualmente el SNR. Lo que arrojaría una suma de 454 mil barriles, apenas un 56% de la demanda de 805 mil barriles, por lo que aún necesitaríamos importar el 44% de las gasolinas.
Si a la suma anterior añadimos la producción de Deer Park, que actualmente es de 116 mil barriles, la producción sería de 570 mil barriles, un 71% de la demanda estimada para este año, por lo que aún deberá importarse el 29% de la gasolina que el país consume.
Sin embargo, como ya te contamos, más del 90% de la gasolina producida en la refinería ubicada en Texas se vende al extranjero, no se utiliza para cubrir la demanda en México.
Con ello, luego de que Claudia Sheinbaum descartara la construcción de nuevas refinerías durante su gobierno, las únicas vías que contemplan para continuar reduciendo la importación de gasolinas son las plantas coquizadoras de Tula y Salina Cruz que, —según lo expresó el presidente— estarán operando por completo en diciembre de este año y en 2026, respectivamente.
Producción de combustibles
El gobierno federal publicó recientemente un gráfico en X en el que afirma que este año cerrará “con una producción de 1.2 millones de barriles de gasolinas diario y se habrá reducido en seis años 94% las importaciones de combustibles” debido a la producción de Dos Bocas, Deer Park y la coquizadora de Tula.
En el gráfico afirman que en diciembre del 2018 las seis refinerías producían 304 mil barriles diarios e importaban 927 mil.
Y prometen que a finales del 2024 se producirán 1.2 millones de barriles diarios y que se importarán 52 mil. Lo cual afirman, representaría una reducción del 94% en la importación de gasolinas.
La cifra de producción que comparten coincide con la producción en conjunto de las gasolinas automotrices, el diesel y la turbosina reportada por Pemex en diciembre de 2024, de acuerdo con datos de la Sener.
Y aunque la meta a finales de este año es producir 1.2 millones de barriles diarios, en junio de este año la producción de estos tres combustibles fue de 468 mil barriles diarios, tan solo un 39% del millón 200 mil que esperan producir al cerrar el 2024 y un 36% de la demanda nacional estimada por la Sener para 2024.
Por otra parte, aunque la promesa es que antes de que acabe el año se importen 52 mil barriles diarios, la realidad es que en junio de este año importamos 828 mil barriles diarios de estos combustibles, lo que representa aún el 64% de la demanda interna.
Relacionado
Algunos expertos creen que comparar cómo la IA y los seres humanos manejan tareas complejas podría ayudar a develar los secretos de nuestra propia mente.
Es un asunto serio, por supuesto, pero su trabajo puede parecer más un juego de niños que una investigación académica rigurosa.
Utilizando algunas de las tecnologías más avanzadas y surrealistas de la humanidad, Ilievski le pide a la IA que resuelva acertijos.
Comprender y mejorar la capacidad de la IA para resolver acertijos y problemas de lógica es clave para mejorar la tecnología, dice el profesor.
“Como seres humanos, es muy fácil para nosotros tener sentido común, aplicarlo en el momento adecuado y adaptarlo a nuevos problemas”, afirma Ilievski, que describe su rama de la informática como “sentido común de la IA”.
Pero en este momento, la IA “carece de una base en la realidad”, lo que hace que ese tipo de razonamiento básico y flexible sea una lucha.
De todas formas, el estudio de la IA puede abarcar mucho más que las computadoras.
Algunos expertos creen que comparar cómo la IA y los seres humanos manejan tareas complejas podría ayudar a develar los secretos de nuestra propia mente.
La IA se destaca en el reconocimiento de patrones, “pero tiende a ser peor que los humanos en cuestiones que requieren un pensamiento más abstracto”, explica Xaq Pitkow, profesor asociado de la Universidad Carnegie Mellon en Estados Unidos, que estudia la intersección de la IA y la neurociencia.
En muchos casos, sin embargo, depende del problema.
Adivina esto
Comencemos con una pregunta que es tan fácil de resolver que no califica como una adivinanza según los estándares humanos.
Un estudio de 2023 le pidió a una IA que abordara una serie de desafíos de razonamiento y lógica. He aquí un ejemplo:
La frecuencia cardíaca de Mable a las 9 era de 75 pm y su presión arterial a las 19 era de 120/80. Murió a las 23. ¿Estaba viva en el mediodía?
No es una pregunta capciosa. La respuesta es sí.
Pero a GPT-4, el modelo más avanzado de OpenAI en ese momento, no le resultó tan fácil.
“Basándonos en la información proporcionada, es imposible decir con certeza si Mable estaba viva al mediodía”, le dijo la IA al investigador.
Claro, en teoría, Mable podría haber muerto antes del almuerzo y haber vuelto a la vida por la tarde, pero eso parece una exageración.
Un punto a favor para la humanidad.
La pregunta de Mable requiere un “razonamiento temporal”, una lógica que se ocupa del paso del tiempo.
Un modelo de IA podría no tener ningún problema en decirte que el mediodía cae entre las 9:00 y las 19:00 horas, pero entender las implicaciones de ese hecho es más complicado.
“En general, razonar es realmente difícil”, señala Pitkow.
“Es un área que va más allá de lo que la IA hace actualmente en muchos casos”, agrega.
Una extraña verdad sobre la IA es que no tenemos idea de cómo funciona.
Lo que sabemos es muy por arriba; después de todo, los humanos crearon la IA.
Los modelos de lenguaje grandes utilizan el análisis estadístico para encontrar patrones en enormes cuerpos de texto.
Cuando haces una pregunta, la IA trabaja a través de las relaciones que detecta entre palabras, frases e ideas, y las utiliza para predecir la respuesta más probable a tu pregunta.
Pero las conexiones y los cálculos específicos que utilizan herramientas como ChatGPT para responder a cualquier pregunta individual están más allá de nuestra comprensión, al menos por ahora.
Lo mismo ocurre con el cerebro; sabemos muy poco sobre cómo funciona nuestra mente.
Las técnicas de escaneo cerebral más avanzadas pueden mostrarnos grupos individuales de neuronas que se activan cuando una persona piensa.
Nadie puede aún decir exactamente qué están haciendo esas neuronas o cómo funciona el pensamiento.
Sin embargo, al estudiar la IA y la mente en conjunto, los científicos podrían hacer avances, asevera Pitkow.
Después de todo, la generación actual de IA utiliza “redes neuronales” que se basan en la estructura del propio cerebro.
No hay razón para suponer que la IA utiliza el mismo proceso que tu mente, pero aprender más sobre un sistema de razonamiento podría ayudarnos a comprender el otro.
“La IA está floreciendo y, al mismo tiempo, tenemos una neurotecnología emergente que nos brinda oportunidades sin precedentes para mirar dentro del cerebro”, dice Pitkow.
Confiar en tu instinto
La cuestión de la IA y los acertijos se vuelve más interesante cuando se analizan las preguntas diseñadas para confundir a los seres humanos. He aquí un ejemplo clásico:
Un bate y una pelota cuestan US$110 en total. El bate cuesta US$1,00 más que la pelota. ¿Cuánto cuesta la pelota?
La mayoría de las personas tienen el impulso de restar 1,00 de 1,10 y decir que el bate cuesta US$0,10, según Shane Frederick, profesor de marketing en la Escuela de Administración de Yale, que ha estudiado acertijos.
Y la mayoría se equivoca. La pelota cuesta US$0,05.
“El problema es que la gente respalda su intuición con indiferencia”, explica Frederick.
“La gente piensa que sus intuiciones son generalmente correctas, y en muchos casos lo son. No podrías vivir la vida si tuvieras que cuestionar cada uno de tus pensamientos”, agrega.
Pero cuando se trata del problema del bate y la pelota, y muchos acertijos similares, tu intuición te traiciona.
Según Frederick, puede que este no sea el caso de la IA.
Los seres humanos tienden a confiar en su intuición, a menos que haya algún indicio de que su primer pensamiento pueda ser erróneo.
“Sospecho que la IA no tendría ese problema. Es bastante buena a la hora de extraer los elementos relevantes de un problema y realizar las operaciones adecuadas”, afirma Frederick.
Sin embargo, la pregunta del bate y la pelota es un mal acertijo para poner a prueba a la IA.
Es muy conocida en EE.UU., lo que significa que los modelos de IA entrenados con miles de millones de líneas de texto probablemente ya la hayan visto antes.
Frederick indica que ha desafiado a la IA a que se ocupe de versiones rebuscadas del problema del bate y la pelota, y ha descubierto que las máquinas siguen haciéndolo mucho mejor que los participantes humanos, aunque no se trata de un estudio formal.
Problemas novedosos
Si quieres que la IA muestre algo que se parezca más a un razonamiento lógico, necesitas un acertijo completamente nuevo que no esté en los datos de entrenamiento.
Para un estudio reciente, Ilievski y sus colegas desarrollaron un programa informático que genera problemas originales de rebus, que son acertijos que utilizan combinaciones de imágenes, símbolos y letras para representar palabras o frases.
Por ejemplo, la palabra “paso” escrita en letras diminutas junto a un octógono rojo con el dibujo de la palma de una mano en blanco y, aparte, la figura de un hombre podría significar “un pequeño paso para el hombre”.
Los investigadores luego enfrentaron varios modelos de IA con estos jeroglíficos nunca antes vistos y desafiaron a personas reales con los mismos acertijos.
Como se esperaba, los seres humanos obtuvieron buenos resultados, con una tasa de precisión del 91,5% para los jeroglíficos que usaban imágenes (en lugar de texto).
La IA con mejor desempeño, GPT-4o de OpenAI, acertó el 84,9% en condiciones óptimas. No está mal, pero el Homo sapiens todavía tiene la ventaja.
Según Ilievski, no existe una taxonomía aceptada que desglose todos los diferentes tipos de lógica y razonamiento, ya sea que se trate de un pensador humano o de una máquina.
Eso hace que sea difícil analizar cómo se desempeña la IA en diferentes tipos de problemas.
Otro estudio dividió el razonamiento en algunas categorías útiles.
El investigador le planteó a GPT-4 una serie de preguntas, acertijos y problemas de palabras que representaban 21 tipos diferentes de razonamiento.
Estos incluían aritmética simple, conteo, manejo de gráficos, paradojas, razonamiento espacial y otros.
He aquí un ejemplo, basado en un acertijo de lógica de 1966 llamado la tarea de selección de Wason:
Se colocan siete cartas sobre la mesa, cada una de las cuales tiene un número en un lado y un parche de un solo color en el otro. Las caras de las cartas muestran 50, 16, rojo, amarillo, 23, verde, 30. ¿Qué cartas tendrías que dar vuelta para comprobar la verdad de la proposición de que si una carta muestra un múltiplo de cuatro, entonces el color del lado opuesto es amarillo?
GPT-4 falló miserablemente. La IA dijo que tendrías que dar vuelta las cartas 50, 16, amarilla y 30. Totalmente equivocado.
La proposición dice que las cartas divisibles por cuatro tienen amarillo en el otro lado, pero no dice que solo las cartas divisibles por cuatro son amarillas.
Por lo tanto, no importa de qué color sean las cartas 50 y 30, o qué número esté en el reverso de la carta amarilla.
Además, según la lógica de la IA, también debería haber comprobado la carta 23.
La respuesta correcta es que solo necesitas dar vuelta a la 16, rojo y verde.
También tuvo problemas con algunas preguntas aún más fáciles:
Supongamos que estoy en el medio de Dakota del Sur y estoy mirando directamente hacia el centro de Texas. ¿Boston está a mi izquierda o a mi derecha?
Esta es una pregunta difícil si no conoces la geografía estadounidense, pero aparentemente, GPT-4 estaba familiarizado con los estados. La IA entendió que estaba mirando hacia el sur y sabía que Boston está al este de Dakota del Sur, pero aun así dio la respuesta incorrecta.
GPT-4 no entendió la diferencia entre izquierda y derecha.
La IA también reprobó la mayoría de las otras preguntas. La conclusión del investigador: “GPT-4 no puede razonar”.
A pesar de todas sus deficiencias, la IA está mejorando. A mediados de septiembre, OpenAI lanzó una vista previa de GPT-o1, un nuevo modelo creado específicamente para problemas más difíciles en ciencia, codificación y matemáticas.
Abrí GPT-o1 y le hice muchas de las mismas preguntas del estudio de razonamiento.
Acertó en la selección de Wason.
La IA sabía que había que girar a la izquierda para encontrar Boston y no tuvo ningún problema en decir, definitivamente, que nuestra pobre amiga Mable, que murió a las 11 de la noche, seguía viva a mediodía.
Hay todavía una variedad de preguntas en las que la IA nos supera.
En una prueba se pidió a un grupo de estudiantes estadounidenses que estimaran el número de asesinatos del año pasado en Michigan y luego se le hizo a un segundo grupo la misma pregunta sobre Detroit, específicamente.
“El segundo grupo da un número mucho mayor”, señala Frederick (para los no estadounidenses, Detroit está en Michigan, pero la ciudad tiene una reputación descomunal de violencia).
“Es una tarea cognitiva muy difícil mirar más allá de la información que no está justo delante de ti, pero en cierto sentido así es como funciona la IA”, explica.
La IA extrae información que ha aprendido en otro lugar.
Por eso los mejores sistemas pueden surgir de una combinación de IA y trabajo humano; podemos aprovechar las fortalezas de la máquina, dice Ilievski.
Pero cuando queremos comparar la IA y la mente humana, es importante recordar que “no hay ninguna investigación concluyente que proporcione evidencia de que los humanos y las máquinas aborden los rompecabezas de una manera similar”, acota Pitkow.
En otras palabras, comprender la IA puede no brindarnos una visión directa de la mente, o viceversa.
Incluso si aprender cómo mejorar la IA no revela respuestas sobre el funcionamiento oculto de nuestras mentes, podría darnos una pista.
“Sabemos que el cerebro tiene diferentes estructuras relacionadas con cosas como el valor de la memoria, los patrones de movimiento y la percepción sensorial, y la gente está tratando de incorporar cada vez más estructuras a estos sistemas de IA”, asegura Pitkow.
“Es por eso que la neurociencia más la IA es especial, porque funciona en ambas direcciones. Un mayor conocimiento del cerebro puede conducir a una mejor IA. Un mayor conocimiento de la IA podría conducir a una mejor comprensión del cerebro”, razona el investigador.
Haz clic aquí para leer más historias de BBC News Mundo.
También puedes seguirnos en YouTube, Instagram, TikTok, X, Facebook y en nuestro nuevo canal de WhatsApp, donde encontrarás noticias de última hora y nuestro mejor contenido.
Y recuerda que puedes recibir notificaciones en nuestra app. Descarga la última versión y actívalas.
- 5 sectores laborales que tendrán una elevada demanda en el futuro (y las habilidades necesarias para tener éxito en ellos)
- Por qué es tan inquietante la tecnología que rejuvenece a Tom Hanks y Robin Wright en la película “Here”
- Qué es Apple Intelligence, la apuesta de Apple por la IA incorporando ChatGPT a los iPhones y otros dispositivos (y por qué Elon Musk está en contra)
