La inteligencia artificial está remodelando rápidamente el panorama de la investigación científica, yendo más allá de simples herramientas para convertirse potencialmente en una nueva forma de entidad científica. Lo que comenzó con los primeros experimentos automatizados, como el robot “Adam” en la década de 2000, ha evolucionado hasta convertirse en sistemas de inteligencia artificial que contribuyen a avances ganadores del Premio Nobel y aceleran los descubrimientos en diversos campos. Si bien persiste el escepticismo, el ritmo de avance sugiere que el papel de la IA en la ciencia ya no es una exageración, es una realidad.
La evolución de la IA en la investigación
Las primeras aplicaciones de IA imitaban a investigadores humanos, como Adam, que formulaban preguntas y las probaban en un laboratorio robótico. Hoy en día, agentes de IA más sofisticados, impulsados por modelos como ChatGPT de OpenAI, dividen problemas complejos en pasos procesables y aprovechan vastos conjuntos de datos para brindar respuestas detalladas. Los investigadores de productos farmacéuticos, ciencia de materiales y computación cuántica ya están utilizando estos sistemas para acelerar los descubrimientos. Los Premios Nobel de Química y Física de 2024 reconocen la creciente importancia de las herramientas de inteligencia artificial, pero el verdadero cambio aún se está desarrollando.
IA como socio de investigación: fortalezas y limitaciones actuales
Actualmente, la IA se destaca en la búsqueda dentro de límites definidos, examinando conjuntos de datos masivos para identificar patrones y conexiones oscuros. Los modelos de lenguajes grandes (LLM) detrás de los chatbots tienen acceso a una cantidad de texto sin precedentes, incluidos artículos de investigación en varios idiomas. Sin embargo, los verdaderos avances científicos a menudo requieren pensar fuera de la caja, algo con lo que la IA actual lucha.
El desafío no es el acceso a la información, sino la capacidad de generar ideas verdaderamente novedosas. La creatividad y la imaginación humanas siguen siendo vitales para avances de conocimiento, como la teoría de la deriva continental o la relatividad especial. La IA puede aumentar los descubrimientos humanos, pero aún no puede replicarlos por completo.
Avances: de las simetrías de los agujeros negros a los nuevos fármacos
A pesar de sus limitaciones, la IA ya está haciendo contribuciones tangibles. El físico teórico Alex Lupsasca descubrió que el agente profesional GPT-5 de OpenAI podía identificar de forma independiente simetrías en ecuaciones de agujeros negros, verificando su trabajo anterior. El matemático Ernest Ryu colaboró con ChatGPT en una prueba de la teoría de la optimización y descubrió que un método común siempre converge en una única solución después de 12 horas de ida y vuelta.
La clave no es el reemplazo, sino la colaboración. Científicos como Lupsasca y Ryu se están uniendo a empresas de IA (OpenAI) para ampliar aún más los límites, viendo a la IA no como un competidor, sino como un socio de investigación esencial.
El riesgo de la “ciencia basura” y la necesidad de mejores herramientas
La proliferación de contenido generado por IA genera preocupaciones sobre la calidad. Críticos como Gary Marcus, de la Universidad de Nueva York, advierten que los LLM pueden producir fácilmente “ciencia basura”, incluidos artículos de investigación falsos producidos en serie por las fábricas de papel. Las revistas ya han comenzado a rechazar envíos generados por IA debido a su baja calidad.
Para mitigar esto, los investigadores están avanzando hacia “cajas apiladas”, combinando agentes generales de IA con herramientas especializadas que garantizan la precisión, como los gráficos de conocimiento. Este enfoque está resultando eficaz en el descubrimiento de fármacos y la ciencia de materiales. Insilico Medicine, por ejemplo, utilizó IA para identificar una proteína vinculada a la fibrosis pulmonar idiopática y diseñó una molécula de fármaco para bloquearla, actualmente en ensayos clínicos.
El futuro: la IA construye su propio marco de investigación
El objetivo final es permitir que la IA construya su propio marco de investigación: defina sus propias preguntas, diseñe experimentos y analice datos con una mínima intervención humana. Proyectos como AutoRA (investigación en ciencias sociales) y Code Scientist (investigación en ciencias informáticas) son los primeros pasos en esta dirección. Estos sistemas recombinan el conocimiento existente para generar experimentos novedosos y analizar los resultados de forma autónoma.
Si bien estos sistemas aún no están haciendo descubrimientos trascendentales, señalan un cambio hacia una verdadera ciencia impulsada por la IA. El desafío sigue siendo perfeccionar estas herramientas, garantizar la creatividad y evitar la generación de conclusiones erróneas o engañosas.
El impacto de la IA en los descubrimientos científicos es innegable. Desde ayudar a los investigadores humanos hasta convertirse potencialmente en entidades científicas autónomas, el futuro de la ciencia está indisolublemente ligado a la evolución de la inteligencia artificial.
