Autor: admin

  • Viento en las velas, muerte en las entrañas: la medicina a bordo en la era de la vela

    Viento en las velas, muerte en las entrañas: la medicina a bordo en la era de la vela

    Viento en las velas, muerte en las entrañas: cómo la Royal Navy venció al escorbuto antes de saber qué era

    TL;DR:
    – Durante siglos, el escorbuto mató a más marineros que todas las batallas navales juntas, diezmando flotas enteras en largas travesías.
    – La medicina a bordo se basaba en la teoría humoral y prácticas como las sangrías, que eran ineficaces contra las enfermedades carenciales.
    – El ensayo clínico de James Lind en 1747 demostró la eficacia de los cítricos, pero su adopción masiva en la Royal Navy no llegó hasta 1795, un retraso que costó miles de vidas.

    La medicina naval española siglo xviii fue, en esencia, un campo de batalla silencioso donde la teoría humoral y la tradición empírica chocaban contra un enemigo invisible que mataba más que el hierro enemigo. Este artículo explora cómo la lucha contra el escorbuto —esa enfermedad que pudría las encías y desmoronaba los cuerpos en altamar— obligó a cirujanos y almirantazgos a repensar la sanidad a bordo, desde las sangrías rutinarias hasta el zumo de limón.


    Capítulo 1: El enemigo invisible

    En 1744, cuando el almirante George Anson regresó a Inglaterra tras su épica circunnavegación, traía consigo un solo navío de los seis que habían zarpado y apenas 188 hombres de los 1.900 originales. No fueron los cañones españoles los que causaron la masacre, sino una enfermedad que nadie comprendía: el escorbuto. Durante los siglos XVI al XVIII, mientras las potencias europeas —España, Portugal, Inglaterra y Holanda— competían por dominar los océanos, la mortalidad a bordo por esta dolencia superaba con creces la de cualquier combate. Los marineros, rodeados de un océano infinito de agua salada, morían por algo que sus cuerpos no encontraban en la monótona dieta del mar: ácido ascórbico (término moderno para el factor antiescorbútico contenido en cítricos y alimentos frescos), aunque entonces ni siquiera existía el concepto de vitamina.

    Los síntomas eran brutales. Encías esponjosas que sangraban al menor contacto, dientes que caían, hematomas espontáneos, heridas que no cicatrizaban, debilidad extrema y, finalmente, la muerte. Un cronista de la época lo describió así: «El hombre se deshace desde dentro, como un barco podrido que se hunde lentamente». La paradoja es que, en tierra firme, el remedio existía desde hacía siglos, pero el paradigma médico dominante —la teoría de los humores— y la logística de la conservación de alimentos lo mantuvieron oculto durante demasiado tiempo.


    Capítulo 2: Sangrías y galletas podridas: la medicina a bordo

    Para entender por qué el escorbuto diezmaba las flotas, hay que sumergirse en la realidad material y mental de la medicina naval. Según la teoría humoral, el cuerpo humano estaba regido por cuatro fluidos: sangre, flema, bilis amarilla y bilis negra. La enfermedad se interpretaba como un desequilibrio de estos humores, y la sangría era la herramienta principal para «restablecer el equilibrio». En los barcos, el encargado de ejecutarla solía ser el cirujano barbero —en el siglo XVI— o el cirujano de a bordo —en el XVIII—, un profesional formado empíricamente, sin estudios universitarios, que manejaba lancetas, escarificadores y sierras con una brutalidad que hoy nos estremece. Las amputaciones se realizaban sin anestesia, a punta de ron y con el paciente sujeto por varios marineros.

    En la Armada Española del siglo XVIII, tras las reformas borbónicas impulsadas por Felipe V, se crearon los Colegios de Cirugía (Cádiz, Barcelona) que intentaron profesionalizar la figura del cirujano de la Real Armada. Estos colegios establecieron exámenes, protocolos y manuales, pero en la práctica, la sangría seguía siendo una intervención rutinaria para cualquier dolencia, incluido el escorbuto. El reglamento de 1748 de la Armada española, por ejemplo, prescribía sangrías «para evacuar los humores viciados» en casos de fiebre y debilidad general. Era un enfoque que, vista desde hoy, no solo era inútil, sino contraproducente: debilitaba aún más a los pacientes.

    A esto se sumaba una dieta nefasta. Las travesías largas se alimentaban de bizcocho (galleta dura, a menudo agusanada), carne salada en salazón, legumbres secas, queso rancio y alcohol (cerveza o ron aguado). No existían alimentos frescos. La combinación de teoría humoral + dieta carencial creaba un caldo de cultivo perfecto para la catástrofe sanitaria.

    flowchart TD
     A[Teoría humoral] -->|Siglos XVI-XVII| B[Práctica de sangrías]
     B --> C[Alta mortalidad por escorbuto]
     D[Alimentación deficiente] --> C
     C --> E[Ensayos empíricos]
     E --> F[James Lind 1747]
     F --> G[Evidencia de eficacia de cítricos]
     G --> H[Adopción gradual en Royal Navy]
     H --> I[Reducción del escorbuto ~1795]
    
    Aspecto Royal Navy (s. XVIII) Armada Española (s. XVIII)
    Formación del cirujano Práctica empírica + cirujanos titulados en hospitales Colegios de Cirugía (Cádiz, Barcelona) desde 1748
    Tratamiento principal del escorbuto Sangrías, elixires, hasta Lind (1747) Sangrías, remedios herbales, jarabes
    Dieta base Bizcocho, carne salada, queso Bizcocho, carne salada, garbanzos, vino
    Adopción de cítricos Oficial en 1795 Limitada, no sistematizada hasta bien entrado el s. XIX

    Capítulo 3: El remedio fantasma

    La conexión entre los cítricos y la prevención del escorbuto no era un secreto absoluto. Ya en 1617, el cirujano inglés John Woodall, en su manual «The Surgeon’s Mate», recomendaba explícitamente el jugo de limón para tratar la enfermedad. Woodall trabajaba para la Compañía de las Indias Orientales, y su libro fue el primer tratado médico naval inglés en señalar esta relación. Sin embargo, la recomendación cayó en saco roto durante más de un siglo.

    Existen indicios de que marinos españoles y holandeses también conocían empíricamente los beneficios de las naranjas y limones. Según algunos relatos, los capitanes más experimentados procuraban cargar cítricos frescos en los puertos tropicales, pero al no existir una autoridad central que impusiera su uso, el conocimiento se perdía o se ignoraba. La medicina naval española siglo xviii carecía de un sistema de higiene preventiva similar al que luego implantaría la Royal Navy. La tradición humoral y el costo logístico de transportar fruta fresca —que se pudría rápidamente— eran obstáculos formidables.


    Capítulo 4: Un experimento entre cañones

    El punto de inflexión llegó en 1747, a bordo del HMS Salisbury, un navío de 50 cañones. El médico escocés James Lind, harto de ver morir a sus hombres, diseñó lo que hoy consideraríamos uno de los primeros ensayos clínicos de la historia. Tomó a doce marineros aquejados de escorbuto en estado similar y los dividió en seis parejas. A cada grupo le administró un tratamiento distinto: (1) sidra, (2) elixir de vitriolo, (3) vinagre, (4) agua de mar, (5) nuez moscada y (6) dos naranjas y un limón al día.

    El resultado fue tan espectacular como rápido. Al cabo de seis días, los marineros que recibieron cítricos estaban lo suficientemente recuperados como para ayudar a cuidar a sus compañeros. Los demás tratamientos apenas mostraron mejoría. Lind publicó sus conclusiones en 1753 en «A Treatise of the Scurvy», donde proponía métodos para conservar el zumo —hervirlo y almacenarlo en barriles— y recomendaba su uso sistemático en la flota.

    Es importante señalar que Lind no fue un genio aislado, sino la pieza clave de un puzle empírico colectivo. Su mérito fue la sistematicidad: por primera vez, un médico naval comparó tratamientos en condiciones controladas y publicó los resultados de forma clara. Sin embargo, el establishment naval tardó décadas en aceptar sus conclusiones.


    Capítulo 5: La inercia de los almirantazgos

    La paradoja más frustrante de esta historia es que la evidencia existía desde 1747, pero la Royal Navy no adoptó oficialmente el zumo de limón como preventivo obligatorio hasta 1795. ¿Qué ocurrió en esos casi 50 años? Hubo varias razones. En primer lugar, la teoría humoral seguía siendo el paradigma dominante entre los médicos de mayor rango, que desconfiaban de un remedio que no encajaba en su marco teórico. En segundo lugar, el costo logístico de proveer cítricos a toda la flota era considerable, y los intereses comerciales de otros proveedores de alimentos (como los fabricantes de sidra y vinagre) presionaban en contra.

    Finalmente, la persistencia de capitanes ilustrados como James Cook —que en sus viajes del Pacífico logró mantener a sus tripulaciones libres de escorbuto gracias a una dieta variada que incluía chucrut y verduras frescas— y la labor del médico Gilbert Blane desde la Junta de Sanidad Naval inclinaron la balanza. A partir de 1795, todo barco de la Royal Navy debía llevar una provisión de jugo de limón, almacenado en barriles con alcohol para su conservación. La incidencia del escorbuto se desplomó, y los marinos británicos ganaron el apodo de «limeys».

    En la Armada Española, la adopción fue más lenta y fragmentada. Aunque los Colegios de Cirugía comenzaron a incluir en sus planes de estudio las observaciones de Lind, la falta de una autoridad sanitaria centralizada y las guerras napoleónicas retrasaron la sistematización de los cítricos hasta bien entrado el siglo XIX. Las condiciones sanitarias en los navíos de línea españoles mejoraron, pero nunca alcanzaron la eficiencia británica en la prevención del escorbuto.


    Preguntas frecuentes (FAQ)

    1. ¿Qué es la teoría humoral y por qué influyó en la medicina naval?
    La teoría humoral, heredada de Hipócrates y Galeno, postulaba que la salud dependía del equilibrio entre cuatro fluidos corporales. En los barcos, esta teoría justificaba las sangrías como tratamiento para casi cualquier enfermedad, incluido el escorbuto, lo que en realidad empeoraba a los pacientes al debilitarlos aún más.

    2. ¿Por qué tardó tanto la Royal Navy en adoptar los cítricos si Lind demostró su eficacia en 1747?
    Influyeron la inercia del paradigma humoral, los costos logísticos de almacenar y distribuir zumo de limón, la resistencia de grupos comerciales con intereses en otros remedios, y la falta de una autoridad sanitaria que impusiera el cambio. Fue necesario el empuje de figuras como Gilbert Blane y la evidencia acumulada por navegantes como Cook.

    3. ¿Cómo era la formación de los cirujanos en la Armada Española del siglo XVIII?
    Tras las reformas borbónicas, se crearon los Colegios de Cirugía en Cádiz y Barcelona, que establecieron exámenes y protocolos para los cirujanos de la Real Armada. Sin embargo, la enseñanza seguía basada en la teoría humoral, y la práctica de sangrías y amputaciones continuó siendo rutinaria hasta bien entrado el siglo XIX.


    Glosario de este artículo

    • Teoría humoral: Paradigma médico que explicaba la salud como equilibrio entre sangre, flema, bilis amarilla y bilis negra. Sustentó las sangrías hasta el siglo XIX.
    • Cirujano barbero: Profesional empírico que realizaba sangrías, extracciones dentales y amputaciones en los barcos de los siglos XVI y XVII.
    • Colegios de Cirugía: Instituciones creadas en la España borbónica (Cádiz, Barcelona) para profesionalizar la formación quirúrgica naval, con exámenes y protocolos regulados.
    • Escorbuto: Enfermedad carencial causada por el déficit severo de ácido ascórbico (factor antiescorbútico), caracterizada por hemorragias, debilidad y muerte. Fue la principal causa de muerte en las travesías oceánicas hasta finales del siglo XVIII.
    • Ensayo clínico: Estudio comparativo controlado de tratamientos. El de James Lind en 1747 es considerado uno de los primeros ejemplos documentados.

    Enlace al glosario maestro

    Consulta nuestro Glosario Maestro de Historia Naval para más términos y definiciones.


    KIT DE REDES SOCIALES

    Hilo de X (Twitter)

    1/5 Durante siglos, el escorbuto mató a más marineros que todas las batallas navales juntas, diezmando flotas enteras en largas travesías oceánicas. ¿Cómo vencieron las marinas de guerra a este enemigo invisible sin saber qué lo causaba? HILO

    2/5 En el siglo XVIII imperaba la teoría humoral. Se creía que el escorbuto era un desequilibrio de humores. El tratamiento rutinario eran las sangrías, que en realidad debilitaban al paciente y aceleraban su muerte sobre cubiertas inmundas.

    3/5 En 1747, el médico escocés James Lind realizó en el HMS Salisbury uno de los primeros ensayos clínicos de la historia. Dividió a 12 marineros enfermos en parejas y probó 6 tratamientos. Los únicos que se curaron fueron los que recibieron naranjas y limones.

    4/5 A pesar de la evidencia empírica, la Royal Navy tardó casi 50 años en sistematizar el jugo de limón en 1795. La inercia del establishment médico y los costos logísticos costaron miles de vidas antes de que capitanes como Cook impusieran la higiene dietética.

    5/5 En la Armada Española, los recién fundados Colegios de Cirugía de Cádiz y Barcelona (1748) profesionalizaron a los cirujanos de a bordo, pero la adopción del factor antiescorbútico fue fragmentada. Lee más sobre este capítulo clave de la medicina naval.

    Artículos relacionados

  • Mr. Josues en Londres: la misión secreta que quiso arrebatar a Inglaterra el secreto del carenado

    Mr. Josues en Londres: la misión secreta que quiso arrebatar a Inglaterra el secreto del carenado

    espionaje naval siglo XVIII

    TL;DR:
    – Jorge Juan, científico y marino español, se infiltró en Londres entre 1749 y 1750 bajo el alias de «Mr. Josues» para sustraer secretos navales británicos.
    – La operación, impulsada por el marqués de la Ensenada, apuntaba a cerrar la brecha técnica que separaba a la Armada Española de la Royal Navy en artillería de hierro y construcción naval estandarizada.
    – Aunque los informes originales se perdieron, su labor influyó en una renovación parcial de la flota española, pero las limitaciones estructurales impidieron igualar a los británicos.


    1. Introducción

    La misión de espionaje naval de Jorge Juan en Londres fue una operación de inteligencia encubierta ejecutada entre 1749 y 1750. El prestigioso marino y científico español adoptó la identidad ficticia de Mr. Josues para infiltrarse en los astilleros reales británicos y recabar información sobre los avances técnicos que convertían a la Royal Navy en la armada más poderosa del mundo. Tras la Paz de Aquisgrán (1748), la guerra declarada había cesado, pero la tensión por la hegemonía en América convertía cada astillero en un campo de batalla secreto. Allí, entre el humo de las fundiciones y el rumor de los telares de velas, un hombre disfrazado de caballero inglés arriesgaba el devenir de la Armada Española.


    2. El contexto de la rivalidad naval

    Para comprender por qué el marqués de la Ensenada envió a su mejor científico a una misión clandestina, hay que examinar el abismo técnico que separaba a las dos potencias navales a mediados del siglo XVIII.

    La Royal Navy había implantado el Establishment de 1745, un sistema de estandarización de diseños que permitía construir navíos de 70 y 74 cañones con dimensiones y aparejos casi idénticos, facilitando la producción, el mantenimiento y la formación de tripulaciones. Además, los británicos dominaban el curado del roble con técnicas que garantizaban mayor durabilidad y resistencia estructural.

    En el lado opuesto, la Armada Española dependía de maderas de calidad variable, de diseños artesanales que cambiaban de un astillero a otro, y de una artillería de bronce o de hierro colado de baja calidad. Sus hornos usaban carbón vegetal, incapaz de alcanzar las temperaturas necesarias para fundir piezas grandes y homogéneas.

    El siguiente diagrama resume visualmente la operación que Ensenada concibió para romper ese desequilibrio:

    graph TD
     A[Marqués de la Ensenada] -->|Ordena misión de inteligencia| B[Jorge Juan adopta identidad de Mr. Josues]
     B -->|Viaja a Londres| C[Establece contactos]
     C -->|Ofrece proyectos de construcción| D[Constructores navales ingleses]
     D -->|Comparten información técnica| E[Recopilación de datos]
     E -->|Regreso a España| F[Informe para la Armada Española]
     F -->|Modernización de la Armada| G[Renovación naval española]
    

    Para acortar esa brecha, Ensenada concibió una empresa tan audaz como reservada.


    3. La orden del marqués y el nacimiento de Mr. Josues

    Zenón de Somodevilla, marqués de la Ensenada, era el impulsor de la modernización borbónica. Conocía el valor de la información técnica. En 1749 autorizó una misión que no podía constar en ningún documento oficial: enviar a Jorge Juan y Santacilia, el héroe de la medición del meridiano terrestre, a Londres con una identidad ficticia.

    ¿Por qué Jorge Juan? Había demostrado capacidad científica, dominio del inglés y contactos en círculos académicos europeos. Además, su reputación como proyectista naval le permitía justificar su presencia en los astilleros sin levantar sospechas. Tomó el alias de Mr. Josues —grafía inglesa que esquivaba su nombre real— y, según la fuente del Centro Virtual Cervantes, se instaló en Londres en marzo de 1749. Otras fuentes, como Ibercarto, adelantan su partida a finales de 1748. Esta discrepancia es una de las muchas incertidumbres que rodean la operación.


    4. Londres, 1749: infiltración en los astilleros clave

    Londres bullía entonces con innovaciones técnicas. El carbón mineral alimentaba las fundiciones, las máquinas de vapor de Newcomen drenaban minas, y en los astilleros reales —posiblemente Deptford, Woolwich o Chatham— se materializaba el poderío británico.

    Mr. Josues se presentó como un proyectista deseoso de vender diseños de construcción naval. Con esa cobertura logró entrevistarse con constructores ingleses cuyas identidades siguen siendo una incógnita para los historiadores. Observó personalmente los sistemas de ensamblaje precisos, la compartimentación interna que permitía resistir el retroceso de baterías de hasta 32 libras, y las técnicas de curado del roble que alargaban la vida útil de los buques.

    No se conservan los informes originales completos de la misión ni los pagos a posibles informantes, por lo que desconocemos el alcance exacto de lo que Jorge Juan consiguió ver. Lo que sí sabemos es que no se limitó a copiar planos: absorbió procesos.


    5. La ventaja decisiva: artillería de hierro y vapor

    La diferencia fundamental entre ambas armadas no residía solo en el casco, sino en la potencia de fuego. Los cañones de hierro colado ingleses, fundidos con carbón mineral, alcanzaban calibres de 32 libras con una homogeneidad y fiabilidad que la artillería española no podía igualar.

    La siguiente tabla compara los sistemas productivos de ambos países:

    Aspecto España Inglaterra
    Combustible de fundición Carbón vegetal Carbón mineral
    Energía para maquinaria Hidráulica (molinos, fuelles) Máquinas de vapor (Newcomen/Watt)
    Material principal de cañones Bronce y hierro colado limitado Hierro colado de alta calidad
    Calibres máximos típicos Cañones de 24 libras (navíos de línea) Cañones de 32 libras (navíos de línea)
    Producción estandarizada Escasa; cada fundición variaba Alta; sistemas de fundición uniformes
    Durabilidad y fiabilidad Problemas de fragilidad y reventones Mayor resistencia y vida útil

    El carbón mineral permitía temperaturas de fusión superiores a los 1.300 °C, obteniendo un hierro colado homogéneo. Las máquinas de vapor —primero las de Newcomen, luego las mejoradas por Watt— proporcionaban energía constante para los fuelles y martinetes, algo que los saltos de agua estacionales no garantizaban. En España, los hornos de carbón vegetal apenas alcanzaban los 1.100 °C, y el metal resultante solía presentar inclusiones de escoria que provocaban reventones durante el disparo.

    Por eso los navíos ingleses podían montar baterías de 32 libras con seguridad, mientras que los españoles se limitaban a cañones de 24 libras, y aun así con riesgo de explosión. Según el reglamento de artillería naval de 1748, la Marina española reconocía esta inferioridad y buscaba desesperadamente una solución.


    6. El retorno y el informe que transformó la Armada

    Jorge Juan abandonó Londres en abril de 1750. Regresó a España con los datos recopilados, aunque los historiadores debaten si pudo traer planos reales o solo anotaciones personales. Lo cierto es que en los años siguientes la Armada Española emprendió una renovación de sus métodos de construcción:

    • Se intentó estandarizar los diseños de navíos de línea, siguiendo el modelo de los 70 cañones.
    • Se importaron técnicas de curado de madera más eficaces.
    • Se fundaron nuevas fábricas de artillería, aunque ninguna pudo replicar la calidad del hierro colado inglés por la falta de carbón mineral de coque y de máquinas de vapor a gran escala.

    El impacto fue real pero limitado. Las limitaciones estructurales de España —escasez de minas de carbón, ausencia de una industria siderúrgica moderna, dependencia de la energía hidráulica— impidieron igualar a la Royal Navy a corto plazo. Como muestra el diagrama inicial, el flujo culminaba en la renovación naval, pero ese proceso fue complejo y parcial.


    7. Legado y preguntas abiertas

    La misión de Mr. Josues es uno de los primeros ejemplos documentados de inteligencia científica al servicio del Estado en los albores del proceso de industrialización. Sin embargo, aún quedan muchas preguntas sin respuesta:

    • Fechas exactas: ¿Partió Jorge Juan en 1748 o se instaló en marzo de 1749? Las fuentes no se ponen de acuerdo.
    • Identidad de los constructores: ¿Con quién se entrevistó? No se ha podido identificar a ningún constructor inglés que colaborara con él.
    • Alcance real de la información: Los informes originales se han perdido. ¿Cuánto detalle consiguió? ¿Trajo planos o solo notas mentales?
    • Cobertura diplomática: ¿Actuó con apoyo de la embajada española o en total independencia para mantener el secreto?

    A pesar de estas sombras, la imagen de Jorge Juan, disfrazado de caballero inglés, llevándose en la mente las claves de la futura guerra naval, sigue siendo un emblema de la pugna entre dos mundos que se preparaban para los conflictos del siglo siguiente. La rivalidad naval anglo-española en el siglo XVIII


    Glosario de este artículo

    • Establishment de 1745 – Conjunto de reglas y especificaciones técnicas adoptadas por la Royal Navy para estandarizar las dimensiones y el aparejo de los navíos de línea, facilitando su construcción y mantenimiento.
    • Carbón mineral – Combustible fósil (hulla) utilizado en Inglaterra para alcanzar altas temperaturas en la fundición de hierro; frente al carbón vegetal español, permitía obtener un metal más homogéneo.
    • Máquinas de vapor – Dispositivos que convertían la energía térmica del vapor en trabajo mecánico; en el siglo XVIII se usaban principalmente para bombear agua en minas y accionar fuelles de fundición.
    • Compartimentación interna – División del casco de un buque en compartimentos estancos, que aumentaba la resistencia estructural y la seguridad ante impactos de artillería.
    • Cañón de 32 libras – Pieza de artillería naval que disparaba proyectiles de 32 libras (aproximadamente 14,5 kg); era el calibre estándar de las baterías principales de los navíos ingleses de línea.

    Consulta el glosario maestro de historia naval para más términos.


    Preguntas frecuentes

    ¿Cuánto tiempo duró la misión de Jorge Juan en Londres?
    Según la fuente del Centro Virtual Cervantes, se instaló en marzo de 1749 y regresó en abril de 1750, lo que daría unos 13 meses de infiltración. Otras fuentes sugieren una estancia más corta, comenzando a finales de 1748.

    ¿Consiguió Jorge Juan planos reales de los navíos ingleses?
    No existen registros concluyentes. Los historiadores creen que su método fue más visual y práctico: observar procesos y memorizar detalles, en lugar de sustraer documentos que habrían levantado sospechas.

    ¿Por qué la Armada Española no pudo copiar directamente las técnicas inglesas?
    Porque la superioridad británica no radicaba solo en el conocimiento, sino en una infraestructura industrial completa: minas de carbón, máquinas de vapor, hornos de coque y una red de astilleros estandarizados. España carecía de esa base productiva.


    Kit de redes sociales

    Hilo de X (Twitter)

    1/ La mayor operación de espionaje naval del siglo XVIII no fue de cine, sino de un científico español disfrazado de caballero en Londres. ‍

    2/ Jorge Juan, el sabio que midió la Tierra, se convirtió en «Mr. Josues» para robar los secretos de la Royal Navy. ¿Su objetivo? Igualar la artillería de hierro colado.

    3/ Mientras España fundía cañones con carbón vegetal, Inglaterra usaba carbón mineral y máquinas de vapor. La diferencia: calibres de 24 libras contra 32 libras.

    4/ La misión duró un año (1749-1750). Logró información valiosa, pero las fábricas españolas no pudieron replicar el proceso. El carbón y el vapor marcaban la diferencia.

    5/ Aún hoy se discuten detalles: ¿qué vio realmente? ¿con quién habló? ¿trajo planos? El misterio de Mr. Josues sigue vivo. #HistoriaNaval #Espionaje

    Post de LinkedIn

    La lección de Mr. Josues: cuando la inteligencia técnica se adelanta a la industria

    Hace 275 años, el marqués de la Ensenada envió a Jorge Juan a Londres con una misión que hoy llamaríamos intelligence économique: infiltrarse en los astilleros reales, observar, preguntar y traer de vuelta el conocimiento que permitiera modernizar la Armada Española.

    El resultado fue ambivalente: los informes de Juan sirvieron para intentar estandarizar la construcción naval, pero el verdadero secreto británico no era solo un plano, sino todo un ecosistema industrial: carbón mineral, máquinas de vapor, hornos de coque.

    Esta historia nos recuerda que la transferencia de conocimiento no basta sin la capacidad productiva para aplicarlo. Una lección especialmente relevante hoy en día para cualquier sector que pretenda acometer una transformación digital o tecnológica sin dotarse primero de la infraestructura y competencias base necesarias. De nada sirve importar el mejor diseño o metodología del mundo si no posees la fundición y el tejido capaces de forjarlo a gran escala.

    ¿Cómo aseguramos en nuestras organizaciones que la captación de talento y conocimiento va acompañada de la capacidad real para implementarlos?

    InteligenciaEconómica #GestiónDelConocimiento #Innovación #HistoriaNaval #JorgeJuan #Estrategia

    Artículos relacionados

  • Poda de vocabulario + Continual Pre-training: adapta cualquier LLM al español

    Poda de vocabulario + Continual Pre-training: adapta cualquier LLM al español

    Poda de vocabulario + Continual Pre-training: adapta cualquier LLM al español

    En los artículos previos vimos que cada idioma necesita su propio tokenizador. Entrenamos uno con 128.000 tokens específico para español que reduce los tokens en un 59 % frente al de GPT-2.

    Relacionado: Dos minutos para la gloria: la máquina humana del cañón naval español

    Relacionado: Poda de vocabulario + Continual Pre-training: adapta cualquier LLM al español

    Pero hay un problema: los modelos modernos como Llama 3.2 3B ya no dejan cambiar el tokenizador. El tokenizador está incrustado en el modelo: sus matrices de embedding (input) y LM head (output) tienen una fila por cada token del vocabulario. Si el tokenizador tiene 128.000 tokens, esas matrices ocupan ~1 GB de VRAM solo almacenando tokens de idiomas que nunca vas a usar.

    La solución es la poda de vocabulario (Vocabulary Pruning). Consiste en:

    1. Escanear qué tokens del vocabulario se usan realmente en español
    2. Podar el resto — eliminar cirílico, kanjis, árabe, etc.
    3. Re-mapear los IDs para que sean contiguos
    4. Reducir las matrices del modelo al nuevo tamaño
    5. Hacer continual pre-training con corpus español para que el modelo se adapte a su nuevo vocabulario reducido

    En este artículo lo hacemos paso a paso con TinyLlama 1.1B (modelo abierto, sin autenticación, cabe en cualquier GPU). Los mismos pasos aplican a Llama 3.2 3B, Mistral, o cualquier modelo de la familia Llama.


    El problema: vocabularios multilingües desaprovechados

    Los modelos actuales se entrenan con vocabularios enormes para cubrir todos los idiomas del mundo:

    Modelo Tokens en vocabulario
    GPT-2 (solo inglés) 50.257
    Llama 3 / 3.1 128.000
    Llama 3.2 128.000
    Mistral 32.768
    Gemma 2 256.000

    Cada token en el vocabulario necesita una fila en la matriz de input embeddings (que convierte IDs en vectores) y otra en la de output embeddings / LM head (que convierte vectores en logits).

    En TinyLlama 1.1B (32.000 tokens, dimensión 2048):

    Input embeddings:  32.000 × 2048 = 65,5 millones de parámetros
    Output LM head:    32.000 × 2048 = 65,5 millones de parámetros
    Total embeddings:  131,0 millones de parámetros (11,9 % del modelo)
    

    En Llama 3.2 3B (128.000 tokens, dimensión 4096):

    Input embeddings:  128.000 × 4096 = 524,3 millones de parámetros
    Output LM head:    128.000 × 4096 = 524,3 millones de parámetros
    Total embeddings:  1.048,6 millones de parámetros (~33 % del modelo)
    

    Un tercio del modelo se dedica a almacenar vectores para tokens cirílicos, kanjis, escritura árabe, caracteres devanagari… que si trabajas solo en español nunca vas a usar.


    Paso 1: Escanear qué tokens se usan realmente

    Primero necesitas un corpus representativo de español. Cuanto más variado, mejor. Para esta demo usamos ~2 MB de texto en español (artículos publicados, borradores del blog, y contenido técnico de IA).

    from transformers import AutoTokenizer
    from collections import Counter
    
    model_id = "TinyLlama/TinyLlama-1.1B-Chat-v1.0"
    tokenizer = AutoTokenizer.from_pretrained(model_id)
    
    with open("corpus_espanol.txt", "r", encoding="utf-8") as f:
        corpus = f.read()
    
    used_ids = set()
    freqs = Counter()
    chunk_size = 100_000
    
    for i in range(0, len(corpus), chunk_size):
        chunk = corpus[i:i + chunk_size]
        ids = tokenizer.encode(chunk)
        used_ids.update(ids)
        freqs.update(ids)
    
    # Preservar tokens especiales (<s>, </s>, <pad>, etc.)
    used_ids.update(tokenizer.all_special_ids)
    saved_ids = sorted(list(used_ids))
    

    Resultado con TinyLlama 1.1B:

    Vocabulario total:          32.000 tokens
    Tokens usados en español:   13.713 tokens
    Tokens podables:            18.287 tokens
    Reducción:                   57,1 %
    

    Solo el 43 % del vocabulario de TinyLlama se usa para texto en español. El 57 % restante son tokens para otros idiomas que podemos eliminar sin perder funcionalidad.

    Los tokens más frecuentes en nuestro corpus español son los esperados: espacios, puntuación, artículos, preposiciones y palabras completas como «aprendizaje», «modelo», «datos».


    Paso 2: Podar el tokenizer.json

    El tokenizer de Hugging Face guarda su vocabulario en un archivo tokenizer.json. Basta con quedarse solo con los tokens que usamos y reasignarles IDs contiguos:

    import json
    
    # Cargar tokenizer.json
    with open("tokenizer.json", "r") as f:
        tok_data = json.load(f)
    
    old_vocab = tok_data["model"]["vocab"]
    old_to_new = {old_id: new_id for new_id, old_id in enumerate(saved_ids)}
    
    # Nuevo vocabulario: solo los tokens que conservamos
    new_vocab = {}
    for token_str, old_id in old_vocab.items():
        if isinstance(old_id, int) and old_id in old_to_new:
            new_vocab[token_str] = old_to_new[old_id]
    
    tok_data["model"]["vocab"] = new_vocab
    tok_data["model"]["added_tokens"] = [
        t for t in tok_data["model"].get("added_tokens", [])
        if t.get("id") in old_to_new
    ]
    
    with open("tokenizer.json", "w") as f:
        json.dump(tok_data, f, ensure_ascii=False, indent=2)
    
    print(f"Tokenizer.json: {len(old_vocab)} → {len(new_vocab)} tokens")
    

    Paso 3: Podar las matrices del modelo

    Las matrices embedding y lm_head tienen una fila por token. Creamos matrices nuevas con solo las filas de los tokens que conservamos:

    import torch
    from transformers import AutoModelForCausalLM
    
    model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.float32)
    
    old_emb = model.get_input_embeddings()
    old_head = model.get_output_embeddings()
    
    new_emb_weight = torch.zeros(len(saved_ids), old_emb.weight.shape[1], dtype=old_emb.weight.dtype)
    new_head_weight = torch.zeros(len(saved_ids), old_head.weight.shape[1], dtype=old_head.weight.dtype)
    
    with torch.no_grad():
        for new_id, old_id in enumerate(saved_ids):
            new_emb_weight[new_id] = old_emb.weight[old_id]
            new_head_weight[new_id] = old_head.weight[old_id]
    
    # Asignar las nuevas matrices
    model.resize_token_embeddings(len(saved_ids))
    
    # Copiar los pesos podados
    with torch.no_grad():
        model.get_input_embeddings().weight.copy_(new_emb_weight)
        model.get_output_embeddings().weight.copy_(new_head_weight)
    
    model.save_pretrained("./modelo-podado-es")
    

    Resultado con TinyLlama 1.1B:

    Matriz Antes Después Ahorro
    Input embeddings 262,1 MB 112,3 MB 149,8 MB
    LM head 262,1 MB 112,3 MB 149,8 MB
    Total (fp32) 524,3 MB 224,7 MB 299,6 MB
    Total (fp16, GPU) 262,1 MB 112,3 MB ~150 MB

    En una GTX 1070 de 8 GB, esos 150 MB pueden ser la diferencia entre que un modelo quepa o no quepa en VRAM. Y sin perder ninguna capacidad en español — solo eliminamos tokens de otros idiomas.


    Paso 4: Verificar que el modelo funcione

    Después de la poda, las secuencias de tokens de cualquier texto en español se conservan exactamente igual. Los IDs cambian (porque reasignamos a contiguos), pero el significado es el mismo:

    Original: "Hola mundo, esto es una prueba del modelo podado."
    IDs originales:  [1, 379, 2963, 13864, 29892, 18261, 831, 1185, 28854, 2291, 628, 29472, 2532, 912, 29889]
    IDs podados:     [1, 193, 2266, 8407, 13530, 10071, 593, 904, 13259, 1754, 420, 13403, 1930, 663, 13527]
    Tokens totales:  15 → 15 ✅
    

    Caracteres del español bien manejados: la ñ, los acentos (áéíóú), los signos de apertura (¿¡) se tokenizan correctamente tanto antes como después de la poda.


    Paso 5: Continual Pre-training

    Podar el vocabulario no basta. El modelo se ha quedado sin los vectores de los tokens que eliminamos, pero nunca ha visto texto español continuo con su nuevo vocabulario. Ahora toca el continual pre-training.

    La configuración de entrenamiento depende del hardware disponible:

    Para RTX 3060 12GB (configuración recomendada)

    from transformers import TrainingArguments
    from trl import SFTTrainer
    
    training_args = TrainingArguments(
        output_dir="./llm-espanol-final",
        per_device_train_batch_size=2,
        gradient_accumulation_steps=8,  # Batch efectivo: 16
        learning_rate=1e-5,
        bf16=True,                       # Ampere+ soporta bf16
        optim="adamw_8bit",              # Ahorra VRAM
        gradient_checkpointing=True,
        max_steps=1000,
        logging_steps=10,
        save_strategy="steps",
        save_steps=200,
    )
    

    Para GTX 1070 8GB (nuestro hardware)

    La GTX 1070 (Pascal) no soporta bf16 por hardware. Alternativas:

    • Usar fp16 (cuidado con underflow en gradientes pequeños)
    • 4-bit quantization (QLoRA): reduce el modelo a 4 bits sin perder calidad
    • Gradient checkpointing + CPU offloading: mueve capas a RAM cuando no se usan
    • Usar Llama 3.2 1B en lugar de 3B (cabe justo en 8 GB con fp16)
    from transformers import BitsAndBytesConfig
    
    bnb_config = BitsAndBytesConfig(
        load_in_4bit=True,
        bnb_4bit_use_double_quant=True,
        bnb_4bit_quant_type="nf4",
        bnb_4bit_compute_dtype=torch.float16
    )
    

    El corpus de entrenamiento es el español que ya tenemos: Wikipedia en español (18 GB), nuestros artículos, y cualquier texto técnico en español que puedas recopilar. El modelo hace continual pre-training: no aprende desde cero, sino que ajusta sus pesos al nuevo idioma partiendo del conocimiento que ya tiene.


    Proyección para Llama 3.2 3B

    Los mismos pasos aplican a Llama 3.2 3B. La diferencia es el tamaño:

    Métrica TinyLlama 1.1B Llama 3.2 3B
    Vocabulario 32.000 128.000
    Dimensión embedding 2048 4096
    Memoria embeddings (fp16) 262 MB 2,1 GB
    Ahorro estimado (57 % poda) 150 MB ~1,2 GB
    Modelo completo (fp16) ~2,2 GB ~6,0 GB

    En Llama 3.2 3B, las matrices de embedding ocupan 2,1 GB (un tercio del modelo). Podar el 57 % del vocabulario libera ~1,2 GB de VRAM — suficiente para duplicar el batch size o añadir más contexto.


    Conclusiones

    1. Los modelos multilingües desperdician ~57 % de su vocabulario en español. Si trabajas solo en este idioma, puedes podar sin perder calidad.

    2. La poda de vocabulario libera ~150-1200 MB de VRAM dependiendo del modelo. En hardware modesto (GTX 1070 8 GB), esto puede ser la diferencia entre que quepa o no.

    3. El proceso es barato: escanear el corpus y podar las matrices se hace en minutos en CPU. El continual pre-training posterior es la parte cara, pero solo hay que hacerlo una vez.

    4. El código es reutilizable. El script poda_vocabulario.py funciona con cualquier modelo de la familia Llama.

    5. Combinado con nuestro tokenizador BPE español, el ahorro es acumulativo: menos tokens al codificar + menos vectores que almacenar.


    Fuentes y recursos

    • Script completo: poda_vocabulario.py (repositorio del proyecto: https://github.com/Carlos-droid/bpe-espanol)
    • Artículo anterior: Cómo entrenar tu propio tokenizador BPE para español (https://ventasymundopop.com/entrena-tu-tokenizador-bpe-espanol/)
    • Artículo anterior: Tokenización y Embeddings (https://ventasymundopop.com/tokenizacion-embeddings-llm-desde-cero-2/)
    • Giles Thomas, «Writing an LLM from scratch» (CC BY 4.0): https://www.gilesthomas.com/llm-from-scratch
    • Sebastian Raschka, «Build a Large Language Model (from Scratch)»: https://sebastianraschka.com/llms-from-scratch/
    • Repositorio de Raschka: https://github.com/rasbt/LLMs-from-scratch
    • TinyLlama: https://huggingface.co/TinyLlama/TinyLlama-1.1B-Chat-v1.0
    • Búsqueda original sobre poda: Zhou et al., «Vocabulary Pruning for Multilingual LLMs», 2024.

    Ver también en el glosario: Fuentes Y Recursos, Fuentes Y Recursos, Transformers, Tokenización, Tokenizador, Embeddings, Tercio, Token

  • NAV-S30 · El navio como maquina de Estado

    NAV-S30 · El navio como maquina de Estado

    NAV-S30 · El navio como maquina de Estado

    Satélite del principal: NAV-P30 — el-navio-como-maquina-de-estado
    Fuente: DRIVE (smart_rag_nomic_v2, domain=drive) · validable contra RAG
    Estado: BORRADOR para corrección (iPad)

    Relacionado: El navío como máquina de Estado


    1. El ángulo

    Construir y sostener un navio de linea movilizaba bosques, fundiciones, hospitales y escuelas. El buque era el producto visible de todo un Estado.

    2. Por qué importa este satélite

    Acompaña al principal 30 bajándolo a un hecho, un buque o una cifra
    concreta. La base DRIVE tiene material de respaldo (ver fuentes sugeridas).

    3. Notas para el editor

    • Cotejar con fuentes DRIVE: DRIVE: 10_evolucion_construccion, 07_ferrol_astillero.
    • Validar contra RAG (reranker bge-reranker-v2-m3) antes de publicar.
    • Enlazar con el principal y satélites vecinos.

    Borrador generado por Hermes · pendiente de revisión humana antes de publicar.

  • NAV-S29 · Trafalgar y la perdida del mando del mar

    NAV-S29 · Trafalgar y la perdida del mando del mar

    NAV-S29 · Trafalgar y la perdida del mando del mar

    Satélite del principal: NAV-P29 — trafalgar-y-la-perdida-del-mando-del-mar
    Fuente: DRIVE (smart_rag_nomic_v2, domain=drive) · validable contra RAG
    Estado: BORRADOR para corrección (iPad)

    Relacionado: NAV-S07 · Trafalgar: analisis tactico

    Relacionado: Trafalgar y la pérdida del mando del mar


    1. El ángulo

    Tras Trafalgar, Gran Bretana cerrro el Mediterraneo y el Atlantico a Espana. La derrota no fue el fin de la Armada, sino el fin de su mando del mar.

    2. Por qué importa este satélite

    Acompaña al principal 29 bajándolo a un hecho, un buque o una cifra
    concreta. La base DRIVE tiene material de respaldo (ver fuentes sugeridas).

    3. Notas para el editor

    • Cotejar con fuentes DRIVE: DRIVE: 06_trafalgar_1805, 08_carrera_de_indias.
    • Validar contra RAG (reranker bge-reranker-v2-m3) antes de publicar.
    • Enlazar con el principal y satélites vecinos.

    Borrador generado por Hermes · pendiente de revisión humana antes de publicar.

  • NAV-S28 · Especial: lecciones de la Armada (cierre)

    NAV-S28 · Especial: lecciones de la Armada (cierre)

    NAV-S28 · Especial: lecciones de la Armada (cierre)

    Satélite del principal: NAV-P28 — especial-lecciones-de-la-armada-cierre
    Fuente: DRIVE (smart_rag_nomic_v2, domain=drive) · validable contra RAG
    Estado: BORRADOR para corrección (iPad)

    Relacionado: Especial fin de año: lecciones de la Armada

    Relacionado: Especial: lecciones de la Armada (cierre)


    1. El ángulo

    La Armada fue una maquina de estados: hombres, madera, hierro y numeros. Su historia es la de un sistema que funciono por procedimiento, no por gesta.

    2. Por qué importa este satélite

    Acompaña al principal 28 bajándolo a un hecho, un buque o una cifra
    concreta. La base DRIVE tiene material de respaldo (ver fuentes sugeridas).

    3. Notas para el editor

    • Cotejar con fuentes DRIVE: DRIVE: 22_final_armada_vela, 23_mitos_realidades.
    • Validar contra RAG (reranker bge-reranker-v2-m3) antes de publicar.
    • Enlazar con el principal y satélites vecinos.

    Borrador generado por Hermes · pendiente de revisión humana antes de publicar.

  • NAV-S27 · Lecciones de la Armada para hoy

    NAV-S27 · Lecciones de la Armada para hoy

    NAV-S27 · Lecciones de la Armada para hoy

    Satélite del principal: NAV-P27 — lecciones-de-la-armada-para-hoy
    Fuente: DRIVE (smart_rag_nomic_v2, domain=drive) · validable contra RAG
    Estado: BORRADOR para corrección (iPad)

    Relacionado: Especial: lecciones de la Armada (cierre)

    Relacionado: NAV-S28 · Especial: lecciones de la Armada (cierre)


    1. El ángulo

    Logistica, coordinacion y mando decidieron mas que el heroismo. Las lecciones de la vela aplican a cualquier sistema complejo: el detalle vence al simbolo.

    2. Por qué importa este satélite

    Acompaña al principal 27 bajándolo a un hecho, un buque o una cifra
    concreta. La base DRIVE tiene material de respaldo (ver fuentes sugeridas).

    3. Notas para el editor

    • Cotejar con fuentes DRIVE: DRIVE: 06_trafalgar_1805, 13_logistica_naval.
    • Validar contra RAG (reranker bge-reranker-v2-m3) antes de publicar.
    • Enlazar con el principal y satélites vecinos.

    Borrador generado por Hermes · pendiente de revisión humana antes de publicar.

  • NAV-S26 · Herencia de la construccion naval

    NAV-S26 · Herencia de la construccion naval

    NAV-S26 · Herencia de la construccion naval

    Satélite del principal: NAV-P26 — herencia-de-la-construccion-naval
    Fuente: DRIVE (smart_rag_nomic_v2, domain=drive) · validable contra RAG
    Estado: BORRADOR para corrección (iPad)

    Relacionado: La herencia de la construcción naval española

    Relacionado: Herencia de la construcción naval


    1. El ángulo

    Los astilleros, las escuelas y los planos sobrevivieron al vapor y alimentaron la ingenieria naval moderna de Espana. La herencia fue tecnica, no solo mito.

    2. Por qué importa este satélite

    Acompaña al principal 26 bajándolo a un hecho, un buque o una cifra
    concreta. La base DRIVE tiene material de respaldo (ver fuentes sugeridas).

    3. Notas para el editor

    • Cotejar con fuentes DRIVE: DRIVE: 10_evolucion_construccion, 07_ferrol_astillero.
    • Validar contra RAG (reranker bge-reranker-v2-m3) antes de publicar.
    • Enlazar con el principal y satélites vecinos.

    Borrador generado por Hermes · pendiente de revisión humana antes de publicar.

    Ver también en el glosario: Astilleros

  • NAV-S25 · Ciencia y poder naval en la Ilustracion

    NAV-S25 · Ciencia y poder naval en la Ilustracion

    NAV-S25 · Ciencia y poder naval en la Ilustracion

    Satélite del principal: NAV-P25 — ciencia-y-poder-naval-en-la-ilustracion
    Fuente: DRIVE (smart_rag_nomic_v2, domain=drive) · validable contra RAG
    Estado: BORRADOR para corrección (iPad)

    Relacionado: Ciencia y poder naval en la España ilustrada

    Relacionado: Ciencia y poder naval en la Ilustración


    1. El ángulo

    La Ilustracion uso la ciencia para el Estado: academias, planos, estadisticas. El poder naval se calculaba tanto como se combatia.

    2. Por qué importa este satélite

    Acompaña al principal 25 bajándolo a un hecho, un buque o una cifra
    concreta. La base DRIVE tiene material de respaldo (ver fuentes sugeridas).

    3. Notas para el editor

    • Cotejar con fuentes DRIVE: DRIVE: 21_armada_ciencia, 28_ciencia_poder.
    • Validar contra RAG (reranker bge-reranker-v2-m3) antes de publicar.
    • Enlazar con el principal y satélites vecinos.

    Borrador generado por Hermes · pendiente de revisión humana antes de publicar.

  • NAV-S24 · Exploracion y Patagonia

    NAV-S24 · Exploracion y Patagonia

    NAV-S24 · Exploracion y Patagonia

    Satélite del principal: NAV-P24 — exploracion-y-patagonia
    Fuente: DRIVE (smart_rag_nomic_v2, domain=drive) · validable contra RAG
    Estado: BORRADOR para corrección (iPad)

    Relacionado: La Armada y la exploración de la Patagonia

    Relacionado: Exploración y Patagonia


    1. El ángulo

    Las costas patagonicas fueron cartografiadas por la Armada en misiones de reconocimiento. El mapa era poder: quien lo dibujaba, lo controlaba.

    2. Por qué importa este satélite

    Acompaña al principal 24 bajándolo a un hecho, un buque o una cifra
    concreta. La base DRIVE tiene material de respaldo (ver fuentes sugeridas).

    3. Notas para el editor

    • Cotejar con fuentes DRIVE: DRIVE: 27_armada_exploracion, 20_cabo_hornos.
    • Validar contra RAG (reranker bge-reranker-v2-m3) antes de publicar.
    • Enlazar con el principal y satélites vecinos.

    Borrador generado por Hermes · pendiente de revisión humana antes de publicar.

    Ver también en el glosario: Reconocimiento