Me gustaría recordarle a la gente que Polonia es casi tan rica como Gran Bretaña y está en camino de superarla a mediados de la década de 2030.

El gobernador de uno de los estados más manipulados amenaza con ser aún más parcial. Existe un riesgo real de que los gobernadores demócratas que apuestan por la redistribución de distritos provoquen que más estados republicanos hagan lo mismo. Y los estados republicanos tienen *mucho* más espacio para hacerlo.

¡Y estamos de vuelta!

Torque es un bebé @hereticon. Nos gustaría agradecer a su patrocinador oficial de GPU @LambdaAPI así como a @nvidia y @OpenAI por su generoso apoyo.

Quienquiera que esté detrás del impulso de las redes sociales de Newsom en realidad está cambiando materialmente sus probabilidades. Ahora está sólidamente en segundo lugar, liderando sólidamente la candidatura demócrata, ¡y ha subido un 36% en poco más de una semana!

Calorías que entran, calorías que salen (CICO) realmente se me quedó grabado después de la experimentación. Me las arreglé para verificar el modelo en mí mismo y en docenas de personas a lo largo de los años. La forma más fácil era controlar las dietas y el ejercicio de las personas. Eso me permitió ver que podía hacer que controlaran fácilmente su peso. Pero luego, descubrí una forma más simple, mucho menos involucrada y mucho más científica de hacer esto en una publicación de blog sobre el tema. La publicación del blog se titula "Calorías que entran, calorías que salen" y muestra un método simple que puede usar para demostrarse a sí mismo que CICO es real, verdadero y una gran descripción de la realidad. Para comenzar, la publicación dice que tome su peso y registre correctamente las calorías reportadas en los alimentos que consume, además de reducir su kilometraje de carrera para el día. Los conecta en una relación de recurrencia y calcula un montón de pesos predichos. Cuando haces esto, eventualmente obtienes predicciones que dan en el blanco: Bastante simple, ¿no? Entonces, hice esto por mí mismo. Utilicé la ingesta de calorías, la actividad, etc., y comencé a predecir mis cambios de peso con un grado impactante de precisión. Lo intenté y fallé varias veces al principio, pero finalmente, después de marcar todas mis medidas, todo funcionó, e incluso pude planificar mis días con anticipación y aún así obtener predicciones precisas de pesos. Eso fue prueba suficiente para mí de que CICO funcionaba. Después de descubrir que esto funcionaba para mí, decidí evangelizar. Le conté a la gente sobre esto y se lo apliqué a mi novia en ese momento. Resultó que no funcionó para ella. Extraño, pensé, así que decidí monitorear su actividad y dieta con más cuidado, y descubrí que lo que me informó estaba mal. Cuando catalogé todo, tuvimos algunas discrepancias, y cuando las abordé, ¡de repente esto también funcionó para ella! Pero ahora me había dado cuenta del problema de la grabación. Si no está familiarizado, cuando realmente medimos la ingesta calórica utilizando agua doblemente etiquetada, calorímetros de toda la habitación y otros métodos similares, hay evidencia de informes erróneos sistemáticos. Por ejemplo, dos conjuntos de datos recientes mostraron que las personas más gordas tendían a subestimar su ingesta calórica:* Entonces, comencé a guiar a las personas pidiéndoles que registraran sus pesos en un ayuno de agua. Eso parecía ser un truco de una sola vez para hacer que las predicciones se alinearan muy rápido. Si desea ser más preciso, la ecuación de la que obtiene sus predicciones tiene un valor de quema por libra de peso. Para los hombres, este valor tiende a ser más alto que para las mujeres, en gran parte porque los hombres tienen una mayor proporción de músculo y eso tiende a quemar más calorías que grasa. Puede obtener fácilmente este valor de quema midiendo su ingesta calórica y peso y luego calculando el valor de mínimos cuadrados que mejor se ajusta a la tasa de quema. El autor de las publicaciones del blog hizo esto (y proporcionó un medio para hacerlo), y pareció que le tomó algunas semanas llegar a un valor estable, pero finalmente lo hizo. Con este valor estimado personalmente, puede mejorar aún más sus predicciones. También puede llegar a este valor más rápido al comenzar con un ayuno, ya que eso elimina el ruido de la estimación errónea de su ingesta calórica. Genial, ¿eh? La siguiente pregunta es: ¿Esto se mantiene cuando no estás perdiendo peso? La respuesta es, en términos generales, ¡sí! El autor siguió grabando y finalmente llegó al punto en que se fueron de viaje. Comían en buffets, comían en restaurantes y no podían obtener recuentos precisos de calorías. También comieron lo suficiente para recuperar peso. Como puede ver, las predicciones se salieron un poco de control, pero luego volvieron a la normalidad. Todos estaban bien (mediciones buenas y consistentes), todos desordenados (mediciones malas y escasas) y luego volvieron a la normalidad (¡rendimientos buenos y consistentes!). Parte de esto es la mala medición, y otra parte es algo que he logrado verificar experimentalmente: ¡el peso del agua! Cuando pierdes peso, agotas tus reservas de glucógeno y la pérdida de peso es inicialmente rápida, ya que gran parte de lo que te desprende es agua. Cuando recupera peso, recupera rápidamente el glucógeno y, por lo tanto, el peso corporal debido al agua agregada. Esto se desprende con la misma facilidad, pero desconcierta el modelo. Si comienza a aumentar de peso constantemente, vuelve a la precisión. O si vuelves a perder peso, vuelves a la precisión. Pero en el período de transición, cuando hay grandes oscilaciones, se pierde una precisión sustancial, pero lejos de ser total. Y luego, cuando mantienes el peso, te mantienes preciso todo el tiempo. Descubrir esto se sintió increíble. Todo funciona y puedes predecir tu peso de forma fiable a lo largo del tiempo. Incluso puedes agregar complejidad, como jugar con la información sobre tu ciclo si eres mujer.** Realmente no obtienes mucho beneficio al agregar complejidad además de, tal vez, ajustar esos cambios de transición, así que de cualquier manera, esto está bien. Lo realmente bueno aquí es que esto obvia muchos problemas con la variabilidad interindividual. Mucha gente se opone a CICO debido a los efectos de cosas como las diferencias en los niveles hormonales o de actividad en reposo. Y eso está bien, pero no es relevante aquí, ya que estamos midiendo a una persona, y tienden a ser lo suficientemente consistentes como para que esto funcione. Esto es inherentemente autocontrolado, por lo que después de su calibración, todos esos factores que varían individualmente se eliminan, excepto en la medida en que evolucionan con el tiempo a medida que cambia su peso, por las razones que sean. Si quieres hacerlo tú mismo, te recomiendo encarecidamente que leas los artículos y lo hagas. Si lo haces, tú también puedes descubrir cómo comenzar a ser un verdadero creyente en el poder de CICO, porque simplemente funciona, experimentalmente. Enlaces: * La novia que mencioné era muy delgada, por lo que este sesgo sistemático no era el problema. Observe la variabilidad individual alrededor de los puntos en todos los niveles. Considero que es un problema más probable. ** Algunas mujeres que conozco recopilaron datos de diferentes partes de sus ciclos y encontraron diferencias en la tasa de quema. Pudieron mejorar la precisión de la predicción de manera medible con esa información.

Recuerdo haber visto todos los llamados para prohibir Uber hace diez años, todas las declaraciones sobre la necesidad de pensar en el empleo de taxistas. Y ahora las mismas personas están atacando la introducción de Waymos en nombre de los conductores de Uber. Tempus fugit.

Los neoyorquinos ya casi nunca son acusados de delitos menores. Este hecho permite que unos pocos superdelincuentes corran arruinando negocios y aterrorizando a los ciudadanos. Es bueno ver que uno de los candidatos está replanteando la posición de "¡Más de eso!".

Si eres hombre y tienes más de 16 años, deberías poder hacer 135 repeticiones. Si eres un adulto y estás tan débil que no puedes manejar ni siquiera eso, tendrás dificultades con dolores y molestias a medida que envejeces. Entra en el gimnasio.

Parece que no hay suficiente respuesta política al hecho de que, con 57 millones de millas de datos, los vehículos autónomos de Waymo experimentan un 85% menos de lesiones graves y un 79% menos de lesiones en general que los automóviles con conductores humanos. 2.4 millones resultan heridos y 40k mueren en accidentes en EE. UU. al año