La inteligencia artificial ya genera hipótesis científicas, pero todavía necesita expertos para detectar sus errores
Sistemas como Co-Scientist pueden revisar cientos de estudios y plantear nuevas líneas de investigación en pocas horas. Sin embargo, la validación en el laboratorio y el conocimiento humano siguen siendo decisivos.
La inteligencia artificial empieza a ocupar un lugar que hasta hace poco parecía reservado a los investigadores: generar hipótesis científicas. Las nuevas herramientas pueden analizar grandes cantidades de literatura, relacionar datos y proponer caminos experimentales, aunque sus resultados todavía requieren una revisión especializada.
Uno de los ejemplos es Co-Scientist, un sistema multiagente desarrollado por Google sobre Gemini y pensado como un colaborador virtual para investigadores. La herramienta puede generar, evaluar y refinar hipótesis a partir de un objetivo científico planteado por una persona.
El avance promete acelerar etapas de la investigación, pero también plantea un problema: para reconocer cuándo la IA se equivoca sigue haciendo falta un científico con conocimientos suficientes para detectar el error.
Cientos de estudios analizados en una noche
Un caso relatado por Infobae, a partir de un reportaje de Nature, muestra tanto el potencial como las limitaciones de estos sistemas.
La bioquímica Anna Pertl, doctoranda en el Whitehead Institute de Cambridge, Massachusetts, utilizó Co-Scientist para investigar posibles estrategias contra MYC, una proteína vinculada con numerosos tipos de cáncer.
Durante una noche, el sistema revisó más de 700 trabajos científicos y produjo 108 estrategias. Finalmente priorizó una propuesta que sorprendió al equipo de investigadores: en lugar de intentar disolver determinados cúmulos de proteínas, planteó unirlos hasta dificultar la lectura del ADN.
Pero antes de llegar a ese resultado ocurrió algo fundamental. Los investigadores tuvieron que dedicar cerca de una hora a corregir la interpretación inicial de la IA porque el sistema había entendido incorrectamente aspectos centrales del problema planteado.
Sin esa intervención, las propuestas generadas habrían intentado resolver una pregunta científica mal formulada.
La velocidad de la IA y el límite del laboratorio
La capacidad para producir ideas no elimina otro obstáculo: una hipótesis científica debe ser comprobada.
Las pruebas experimentales necesitan tiempo, recursos, infraestructura y especialistas. En el caso de Pertl, cuando posteriormente se incorporaron al pedido las restricciones de presupuesto y los tiempos disponibles para un doctorado, Co-Scientist no encontró una hipótesis viable bajo esas condiciones.
Google presenta la herramienta como un sistema de colaboración con los científicos y no como un reemplazo del investigador. Su arquitectura utiliza distintos agentes especializados para generar, revisar, comparar y mejorar las hipótesis antes de presentar los resultados.
La compañía informó además que algunas propuestas generadas por el sistema fueron llevadas a experimentos en áreas biomédicas como la reutilización de medicamentos, la fibrosis hepática y los mecanismos de resistencia antimicrobiana. También reconoce entre las áreas que necesitan mejoras la revisión de literatura, la comprobación de datos y las evaluaciones con un mayor número de especialistas.
El desafío de formar a quienes deberán controlar a la IA
El avance abre además un interrogante sobre la formación de nuevos científicos.
Parte de la experiencia necesaria para detectar errores se adquiere durante años de trabajo: experimentos fallidos, problemas en los protocolos y resultados que obligan a revisar las hipótesis.
Si la automatización reduce esas tareas para quienes comienzan sus carreras, aparece una tensión: las herramientas pueden necesitar investigadores altamente capacitados para supervisarlas al mismo tiempo que modifican las actividades mediante las cuales esos especialistas adquieren experiencia.
Por ahora, la inteligencia artificial puede acelerar la búsqueda de posibles respuestas y explorar una cantidad de alternativas difícil de abordar manualmente. La decisión sobre cuáles tienen sentido, cómo comprobarlas y cuándo descartarlas continúa dependiendo de la experiencia científica y de la validación experimental.
Lectura rápida
¿La inteligencia artificial ya puede crear hipótesis científicas?
Sí. Existen sistemas diseñados para generar y evaluar posibles hipótesis a partir de objetivos definidos por investigadores.
¿Qué es Co-Scientist?
Es un sistema multiagente desarrollado por Google para colaborar con científicos en la generación de hipótesis y propuestas de investigación.
¿Puede reemplazar a un científico?
Google lo plantea como una herramienta de colaboración y los casos analizados muestran que todavía requiere supervisión especializada.
¿Cuál es una de sus principales limitaciones?
Puede interpretar incorrectamente un problema o plantear propuestas difíciles de comprobar con los recursos disponibles.
¿Por qué sigue siendo necesario el laboratorio?
Porque una hipótesis generada por IA necesita evidencia experimental antes de poder considerarse respaldada.
