El Informe del \u00cdndice de Inteligencia Artificial 2025 ofrece una visi\u00f3n general exhaustiva del panorama de la inteligencia artificial, abarcando desde los avances t\u00e9cnicos y la investigaci\u00f3n y desarrollo, hasta las implicaciones \u00e9ticas, econ\u00f3micas, pol\u00edticas y educativas a nivel global. El informe destaca el liderazgo continuo de la industria en el desarrollo de modelos y de la academia en la investigaci\u00f3n m\u00e1s citada, junto con el crecimiento significativo en las patentes y propiedad intelectual de la IA. El informe tambi\u00e9n analiza la evoluci\u00f3n de la IA responsable, las tendencias en la inversi\u00f3n p\u00fablica y privada, y la creciente integraci\u00f3n de la IA en la ciencia y la medicina, todo ello mientras explora la opini\u00f3n p\u00fablica y los desaf\u00edos regulatorios emergentes en este campo tan din\u00e1mico.<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
1. Investigaci\u00f3n y Desarrollo (Cap\u00edtulo 1)<\/strong> \u00b7 Patentes<\/strong>: A nivel global, ha habido un aumento constante y significativo en el n\u00famero de patentes de inteligencia artificial (IA) concedidas entre 2010 y 2023, pasando de 3.833 a 122.511. Cabe destacar que en el \u00faltimo a\u00f1o registrado, esta cifra creci\u00f3 un 29,6%. Esto pone de relieve la creciente innovaci\u00f3n y actividad en torno a la propiedad intelectual en el \u00e1mbito de la IA. \u00b7 Distribuci\u00f3n geogr\u00e1fica de las patentes<\/strong>: China lidera de forma destacada en el porcentaje total de patentes de IA concedidas a nivel mundial, representando el 69,70% en 2023. Estados Unidos (14,16%) y Europa (13,00%) le siguen a una distancia considerable. Esto indica una fuerte concentraci\u00f3n de la actividad de patentado en China.<\/p>\n\n\n\n Patentes de IA concedidas (% del total mundial) por regiones seleccionadas, 2010\u20132023. Fuente: AI Index, 2025 | Gr\u00e1fico: Informe AI Index 2025 69,70%, China.<\/p>\n\n\n\n \u00b7 Patentes per c\u00e1pita<\/strong>: Si se consideran las patentes en relaci\u00f3n con el tama\u00f1o de la poblaci\u00f3n, Luxemburgo y Corea del Sur presentan el mayor n\u00famero de patentes de IA concedidas por cada 100.000 habitantes en 2023, con 17,27 y 15,31 respectivamente. En cuanto al crecimiento de esta m\u00e9trica entre 2013 y 2023, Dinamarca y Australia experimentaron los mayores cambios porcentuales, con aumentos del 8.216% y 6.317% respectivamente. Esto ofrece una perspectiva distinta sobre la innovaci\u00f3n en IA, destacando a los pa\u00edses con alta actividad de patentado en relaci\u00f3n con su poblaci\u00f3n.<\/p>\n\n\n\n Patentes de IA concedidas por cada 100.000 habitantes por pa\u00eds, 2023. Fuente: AI Index, 2025 | Gr\u00e1fico: Informe AI Index 2025 Luxemburgo 17,27, Corea del Sur 15,31.<\/p>\n\n\n\n Cambio porcentual de patentes de IA concedidas por cada 100.000 habitantes por pa\u00eds, 2013 vs. 2023. Fuente: AI Index, 2025 | Gr\u00e1fico: Informe AI Index 2025 Dinamarca 8.216%, Australia 6.317%.<\/p>\n\n\n\n \u00b7 Modelos de IA destacados<\/strong>: La potencia computacional utilizada para entrenar modelos de IA destacados ha crecido exponencialmente desde 2012, siendo la industria el principal motor de este aumento. Tambi\u00e9n se observa una tendencia hacia el desarrollo de modelos multimodales, capaces de procesar y generar distintos tipos de datos como texto e im\u00e1genes. Esto subraya la creciente escala y complejidad del desarrollo de modelos de IA.<\/p>\n\n\n\n \u00b7 L\u00edmites de datos<\/strong>: El informe aborda la cuesti\u00f3n de si los modelos de IA podr\u00edan quedarse sin datos para entrenar, presentando proyecciones sobre el uso de datos p\u00fablicos disponibles. Esto plantea posibles limitaciones al desarrollo futuro de la IA debido a la escasez de datos.<\/p>\n\n\n\n \u00b7 Hardware y eficiencia energ\u00e9tica<\/strong>: Se destaca una mejora significativa en la eficiencia energ\u00e9tica del hardware de IA, con ejemplos como la Nvidia B100, que resulta ser 33,8 veces m\u00e1s eficiente que la Nvidia P100. Esta tendencia hacia hardware m\u00e1s eficiente energ\u00e9ticamente es clave para la sostenibilidad del desarrollo de IA, dada su creciente demanda computacional. \u00b7 Impacto medioambiental<\/strong>: El informe estima la huella de carbono asociada al entrenamiento de modelos de IA seleccionados, compar\u00e1ndola con las emisiones derivadas de actividades cotidianas. Este an\u00e1lisis pone de relieve los costes ambientales del desarrollo de la IA y genera conciencia sobre su impacto.<\/p>\n\n\n\n \u00b7 Software de IA de c\u00f3digo abierto<\/strong>: Estados Unidos y Europa lideran en n\u00famero de estrellas acumuladas en GitHub para proyectos localizados en sus regiones. No obstante, India y China muestran un fuerte crecimiento interanual en este \u00e1mbito, lo que indica una contribuci\u00f3n creciente a la IA de c\u00f3digo abierto por parte de estas regiones.<\/p>\n\n\n\n 2. Rendimiento T\u00e9cnico (Cap\u00edtulo 2)<\/strong> \u00b7 Modelos de lenguaje (LLMs)<\/strong>: El rendimiento de varios modelos de lenguaje de gran escala (LLMs) se eval\u00faa utilizando pruebas como MMLU<\/em> (Massive Multitask Language Understanding), que mide la capacidad del modelo para comprender y razonar sobre una amplia gama de temas. El informe destaca como modelos con mayor puntuaci\u00f3n a o1-mini<\/em> (92,0), o1-preview<\/em> (90,4) y Claude-3.5-Sonnet<\/em> (85,2), seg\u00fan el ranking Arena-Hard-Auto<\/em> de noviembre de 2024. Esto refleja los avances continuos en las capacidades de los LLMs.<\/p>\n\n\n\n En noviembre de 2024, los modelos con mejor puntuaci\u00f3n en el ranking Arena-Hard-Auto fueron: \u00b7 Contexto largo<\/strong>: El informe subraya la importancia de evaluar las capacidades de recuperaci\u00f3n de informaci\u00f3n en contextos extensos, lo cual es crucial para manejar tareas complejas y documentos largos. El modelo Gemini<\/em> de Google estableci\u00f3 un nuevo est\u00e1ndar con una ventana de contexto de 1 mill\u00f3n de tokens<\/strong>, superando ampliamente el l\u00edmite de 128.000 tokens<\/strong> de GPT-4 Turbo. Este avance permite a los modelos procesar y comprender mucha m\u00e1s informaci\u00f3n.<\/p>\n\n\n\n El modelo Gemini de Google estableci\u00f3 un nuevo r\u00e9cord con una ventana de contexto de 1 mill\u00f3n de tokens<\/strong>, superando el l\u00edmite de 128K de GPT-4 Turbo.<\/p>\n\n\n\n \u00b7 Generaci\u00f3n de im\u00e1genes y v\u00eddeo<\/strong>: Se observa un progreso notable en la calidad de la generaci\u00f3n de v\u00eddeo, con comparaciones entre ejemplos de 2023 y 2024. Modelos como Veo<\/em> (DeepMind) y Pika<\/em> muestran mejoras significativas en la generaci\u00f3n de v\u00eddeos realistas y coherentes a partir de indicaciones textuales. Esto indica un avance acelerado en la capacidad de la IA para crear contenido visual.<\/p>\n\n\n\n \u00b7 Programaci\u00f3n<\/strong>: Se utilizan pruebas como SWE-bench<\/em> y BigCodeBench<\/em> para evaluar las capacidades de programaci\u00f3n de los modelos de IA. El informe presenta el rendimiento de modelos como GPT-4o<\/em> y Qwen 2.5-Coder<\/em> en estas pruebas, destacando la creciente competencia de la IA en tareas de desarrollo de software.<\/p>\n\n\n\n \u00b7 Matem\u00e1ticas y razonamiento<\/strong>: El informe destaca los avances en la resoluci\u00f3n de problemas matem\u00e1ticos complejos (IMO-AG-30) y el rendimiento en pruebas generales de razonamiento como MMMU<\/em> y GPQ<\/em>. Esto demuestra la creciente capacidad de la IA para abordar tareas cognitivas sofisticadas.<\/p>\n\n\n\n \u00b7 Rob\u00f3tica<\/strong>: El informe ilustra los avances en la capacidad de los robots entrenados con IA para realizar tareas complejas, como lo demuestra el robot ALOHA<\/em>. Esto muestra una integraci\u00f3n cada vez mayor de la IA en sistemas f\u00edsicos y su potencial para la automatizaci\u00f3n.<\/p>\n\n\n\n \u00b7 Evaluaci\u00f3n y contaminaci\u00f3n de datos<\/strong>: El informe menciona el surgimiento de nuevas pruebas de evaluaci\u00f3n de capacidades de modelos y advierte sobre el problema de la contaminaci\u00f3n de datos<\/strong> en los conjuntos de evaluaci\u00f3n. Esto plantea consideraciones importantes sobre la fiabilidad y validez de las evaluaciones del rendimiento de la IA.<\/p>\n\n\n\n 3. Inteligencia Artificial Responsable (Cap\u00edtulo 3)<\/strong> \u00b7 Veracidad<\/strong>: Se eval\u00faa la veracidad de los modelos de IA utilizando pruebas como FACTS<\/em>, que miden la precisi\u00f3n y veracidad de la informaci\u00f3n generada por los modelos. El informe muestra las puntuaciones de modelos como Gemini 1.5 Pro<\/em> y GPT-4o<\/em> en este benchmark. Esto es crucial para entender la fiabilidad del contenido generado por IA.<\/p>\n\n\n\n \u00b7 Sesgos<\/strong>: El informe examina los sesgos impl\u00edcitos en los modelos de lenguaje relacionados con raza, g\u00e9nero, religi\u00f3n y salud. Este an\u00e1lisis pone de relieve el potencial de los sistemas de IA para perpetuar y amplificar los sesgos sociales, lo que requiere esfuerzos espec\u00edficos para mitigar estos problemas.<\/p>\n\n\n\n \u00b7 Seguridad y protecci\u00f3n<\/strong>: Se eval\u00faa la seguridad de los modelos de IA mediante el benchmark HELM Safety<\/em>, que mide la susceptibilidad de un modelo a generar contenido da\u00f1ino o inapropiado. El informe muestra la evoluci\u00f3n de las puntuaciones de varios modelos a lo largo del tiempo, reflejando los esfuerzos continuos por mejorar la alineaci\u00f3n de seguridad de los sistemas de IA.<\/p>\n\n\n\n 4. Econom\u00eda (Cap\u00edtulo 4)<\/strong> \u00b7 Empleo<\/strong>: El informe analiza el impacto de la IA en el mercado laboral, mostrando el cambio porcentual interanual en el n\u00famero de ofertas de empleo relacionadas con IA en sectores seleccionados, as\u00ed como la distribuci\u00f3n por estados en EE. UU. en 2024. Esto aporta informaci\u00f3n sobre la evoluci\u00f3n de la demanda de habilidades relacionadas con IA en distintas industrias y regiones.<\/p>\n\n\n\n \u00b7 Talento en IA<\/strong>: Se analiza la concentraci\u00f3n de talento en IA por g\u00e9nero y ubicaci\u00f3n geogr\u00e1fica, mostrando la penetraci\u00f3n de habilidades de IA entre hombres y mujeres en diferentes pa\u00edses. Tambi\u00e9n se estudia la migraci\u00f3n neta de talento en IA, se\u00f1alando el flujo de profesionales del sector entre distintas regiones geogr\u00e1ficas.<\/p>\n\n\n\n \u00b7 Inversi\u00f3n<\/strong>: La inversi\u00f3n privada global en IA generativa ha aumentado significativamente, alcanzando los 33.940 millones de d\u00f3lares en 2024<\/strong>. Tambi\u00e9n han crecido el n\u00famero de nuevas empresas financiadas y el tama\u00f1o medio de las inversiones. Esto pone de relieve el fuerte respaldo financiero y el creciente inter\u00e9s en las tecnolog\u00edas de IA generativa.<\/p>\n\n\n\n \u00b7 Actividad empresarial<\/strong>: El informe analiza la adopci\u00f3n de la IA en distintas funciones empresariales, mostrando el cambio previsto en el tama\u00f1o de la plantilla por funci\u00f3n debido a la implementaci\u00f3n de IA. Esto ofrece una perspectiva sobre c\u00f3mo se espera que la IA reconfigure la fuerza laboral dentro de las organizaciones.<\/p>\n\n\n\n \u00b7 Despliegue de robots<\/strong>: Se analiza la tasa de crecimiento anual de robots industriales instalados en distintos pa\u00edses, observ\u00e1ndose variaciones significativas. Esto refleja los diferentes niveles de automatizaci\u00f3n y adopci\u00f3n de rob\u00f3tica entre las econom\u00edas.<\/p>\n\n\n\n 5. Ciencia y Medicina (Cap\u00edtulo 5)<\/strong> \u00b7 Descubrimientos relevantes<\/strong>: El informe destaca hitos importantes en la aplicaci\u00f3n de la IA en medicina y biolog\u00eda, como AlphaFold 3<\/em> para el acoplamiento de prote\u00ednas y ligandos, que muestra un mejor rendimiento en comparaci\u00f3n con otras herramientas de acoplamiento. Esto subraya el papel creciente de la IA en los avances cient\u00edficos.<\/p>\n\n\n\n \u00b7 El dogma central<\/strong>: Se presenta el crecimiento de las bases de datos p\u00fablicas sobre prote\u00ednas y el aumento de publicaciones cient\u00edficas impulsadas por IA en biolog\u00eda. Tambi\u00e9n se analiza el n\u00famero de modelos fundacionales aplicados a distintas t\u00e9cnicas de microscop\u00eda. Esto refleja el uso creciente de la IA en la investigaci\u00f3n biol\u00f3gica y en la comprensi\u00f3n de procesos vitales.<\/p>\n\n\n\n \u00b7 Atenci\u00f3n cl\u00ednica e imagen m\u00e9dica<\/strong>: El informe compara los vol\u00famenes de tokens de entrenamiento entre modelos de lenguaje e imagen en contextos m\u00e9dicos frente a no m\u00e9dicos. Tambi\u00e9n menciona modelos y enfoques de modelado destacados en el \u00e1mbito de la imagen m\u00e9dica. Esto demuestra la creciente capacidad de la IA para analizar im\u00e1genes cl\u00ednicas y apoyar la toma de decisiones m\u00e9dicas.<\/p>\n\n\n\n \u00b7 Descubrimiento de f\u00e1rmacos<\/strong>: Se destaca el uso de IA generativa para la optimizaci\u00f3n in silico<\/em> de formulaciones farmac\u00e9uticas, incluyendo un estudio reciente en Nature<\/em> sobre la mejora de formulaciones y la ingenier\u00eda de part\u00edculas con IA. Esto muestra el potencial de la IA para acelerar y mejorar el proceso de descubrimiento de medicamentos.<\/p>\n\n\n\n \u00b7 \u00c9tica en IA m\u00e9dica<\/strong>: Se analizan las principales preocupaciones \u00e9ticas tratadas en las publicaciones sobre \u00e9tica de la IA m\u00e9dica, as\u00ed como la financiaci\u00f3n del NIH (Institutos Nacionales de Salud de EE. UU.) destinada a este campo. Esto refleja la creciente atenci\u00f3n e investigaci\u00f3n sobre las implicaciones \u00e9ticas de la IA en la salud.<\/p>\n\n\n\n 6. Pol\u00edticas P\u00fablicas y Gobernanza (Cap\u00edtulo 6)<\/strong> \u00b7 Contrataci\u00f3n p\u00fablica<\/strong>: Se analiza el valor mediano de los contratos p\u00fablicos relacionados con IA en pa\u00edses seleccionados. Esto ofrece informaci\u00f3n sobre la inversi\u00f3n gubernamental en IA a trav\u00e9s de la contrataci\u00f3n p\u00fablica.<\/p>\n\n\n\n \u00b7 Gasto federal en EE. UU.<\/strong>: El informe examina la distribuci\u00f3n del gasto federal estadounidense en contratos relacionados con IA por departamento. Esto muestra qu\u00e9 agencias gubernamentales est\u00e1n invirtiendo m\u00e1s en inteligencia artificial.<\/p>\n\n\n\n \u00b7 Regulaci\u00f3n de los deepfakes<\/strong>: Se presenta la situaci\u00f3n legal a nivel estatal en EE. UU. sobre la regulaci\u00f3n de deepfakes generados por IA en im\u00e1genes \u00edntimas. Esto destaca el incipiente marco legal en torno al contenido generado por IA y sus posibles da\u00f1os.<\/p>\n\n\n\n 7. Educaci\u00f3n (Cap\u00edtulo 7)<\/strong> \u00b7 Educaci\u00f3n en CS e IA en K-12<\/strong>: Se analiza el acceso a la educaci\u00f3n en ciencias de la computaci\u00f3n (CS) y en inteligencia artificial en las escuelas primarias y secundarias de EE. UU. (K-12), mostrando desigualdades basadas en factores socioecon\u00f3micos y geogr\u00e1ficos. Esto subraya la necesidad de abordar las inequidades en el acceso a una formaci\u00f3n b\u00e1sica en IA.<\/p>\n\n\n\n \u00b7 Ex\u00e1menes de AP en inform\u00e1tica<\/strong>: El informe muestra el aumento en el n\u00famero de ex\u00e1menes de inform\u00e1tica Advanced Placement<\/em> (AP) realizados, as\u00ed como la participaci\u00f3n por raza\/etnia en relaci\u00f3n con los datos demogr\u00e1ficos nacionales. Esto ofrece una visi\u00f3n del creciente inter\u00e9s por la inform\u00e1tica y de la representaci\u00f3n de distintos grupos demogr\u00e1ficos.<\/p>\n\n\n\n \u00b7 Educaci\u00f3n superior en CS e IA<\/strong>: Se analiza el n\u00famero de estudiantes internacionales de doctorado en inform\u00e1tica en universidades estadounidenses y el n\u00famero de nuevos doctorados en TIC por pa\u00eds. Tambi\u00e9n se presenta la distribuci\u00f3n de graduados en TIC por nivel educativo en distintos pa\u00edses. Esto refleja el panorama global de la educaci\u00f3n avanzada en inform\u00e1tica y disciplinas afines.<\/p>\n\n\n\n 8. Opini\u00f3n P\u00fablica (Cap\u00edtulo 8)<\/strong> \u00b7 Apoyo a pol\u00edticas sobre IA<\/strong>: Se analiza la probabilidad de que funcionarios locales en EE. UU. promuevan pol\u00edticas relacionadas con la IA, desglosada por partido pol\u00edtico y por a\u00f1o. Esto aporta informaci\u00f3n sobre la din\u00e1mica pol\u00edtica que influye en la elaboraci\u00f3n de pol\u00edticas sobre IA a nivel local.<\/p>\n\n\n\n Este informe ofrece una visi\u00f3n detallada y multifac\u00e9tica del estado actual y las tendencias de la inteligencia artificial, abarcando desde la investigaci\u00f3n y el desarrollo hasta su impacto econ\u00f3mico, social, \u00e9tico y pol\u00edtico a nivel global. Se enfatiza el r\u00e1pido avance de la tecnolog\u00eda, el aumento de la inversi\u00f3n, la concentraci\u00f3n del talento en ciertas regiones y la necesidad de abordar las implicaciones \u00e9ticas y de seguridad de la IA. El informe tambi\u00e9n pone de manifiesto las desigualdades existentes en el acceso a la educaci\u00f3n en inform\u00e1tica e IA, as\u00ed como la creciente atenci\u00f3n de los responsables pol\u00edticos hacia la regulaci\u00f3n de esta tecnolog\u00eda. El Informe del \u00cdndice de Inteligencia Artificial 2025 ofrece una visi\u00f3n general exhaustiva del panorama de la inteligencia artificial, abarcando desde los avances t\u00e9cnicos y la investigaci\u00f3n y desarrollo, hasta las implicaciones \u00e9ticas, econ\u00f3micas, pol\u00edticas y educativas a nivel global. El informe destaca el liderazgo continuo de la industria en el desarrollo de modelos y […]<\/p>\n","protected":false},"author":8,"featured_media":10754,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[8,27],"tags":[],"class_list":["post-10753","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news-and-knowledge","category-news-and-insigths"],"acf":[],"_links":{"self":[{"href":"https:\/\/dive.tech\/es\/wp-json\/wp\/v2\/posts\/10753","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/dive.tech\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dive.tech\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dive.tech\/es\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/dive.tech\/es\/wp-json\/wp\/v2\/comments?post=10753"}],"version-history":[{"count":5,"href":"https:\/\/dive.tech\/es\/wp-json\/wp\/v2\/posts\/10753\/revisions"}],"predecessor-version":[{"id":10762,"href":"https:\/\/dive.tech\/es\/wp-json\/wp\/v2\/posts\/10753\/revisions\/10762"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dive.tech\/es\/wp-json\/wp\/v2\/media\/10754"}],"wp:attachment":[{"href":"https:\/\/dive.tech\/es\/wp-json\/wp\/v2\/media?parent=10753"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dive.tech\/es\/wp-json\/wp\/v2\/categories?post=10753"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dive.tech\/es\/wp-json\/wp\/v2\/tags?post=10753"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
<\/p>\n\n\n\n
En los \u00faltimos doce a\u00f1os, el n\u00famero de patentes de IA ha crecido de forma constante y significativa, aumentando de 3.833 en 2010 a 122.511 en 2023. En el \u00faltimo a\u00f1o, el n\u00famero de patentes aument\u00f3 un 29,6%.<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
La B100 es 33,8 veces m\u00e1s eficiente energ\u00e9ticamente<\/strong> que la P100.<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
o1-mini (92,0), o1-preview (90,4) y Claude-3.5-Sonnet (85,2)<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n","protected":false},"excerpt":{"rendered":"