Una IA le tiró una idea al laboratorio y, cuando aparecieron los dólares, se quedó muda

¿Puede una inteligencia artificial inventar una idea científica que un investigador serio no imaginó en décadas? Sí. ¿Puede después pagarla con la plata de un doctorado? No, o al menos no esta vez. La historia la cuenta Anna Pertl, bioquímica del Instituto Whitehead, en Cambridge, Massachusetts, Estados Unidos, y deja al descubierto la diferencia entre tener una hipótesis y bancarla en el laboratorio.

¿Qué le preguntaron y a quién?

Pertl trabaja sobre MYC, una proteína que se descontrola en la mayoría de los cánceres y a la que la ciencia viene tratando de tumbar desde hace décadas sin mucho éxito. Para probar hasta dónde llega la IA le pasó el problema a Co-Scientist, un sistema de Google, sigla que en la jerga del Valle ya suena tan común como Starbucks, pero que en este caso designa un motor pensado para generar hipótesis de investigación.

¿Qué hizo la máquina y qué tuvieron que corregirle?

Antes de empezar, la becaria y su colega Kalon Overholt dedicaron casi una hora a sacarle dos errores de encima. La herramienta confundía los cúmulos de proteínas que tenían que ser el blanco del tratamiento con el propio fármaco, algo así como apuntar al arco y terminar pateando la pelota. Además, les asignaba siempre una función activadora de genes, cuando en realidad algunos de esos cúmulos hacen exactamente lo contrario: frenan la lectura del ADN.

Una vez corregida, Co-Scientist masticó durante una noche más de 700 estudios sobre MYC, escupió 108 estrategias posibles y se quedó con una sola. La elegida proponía unir entre sí los cúmulos de proteínas que activan el gen hasta trabar la lectura del ADN, en vez de la lógica habitual de buscar disolverlos. Overholt lo resumió con una frase: "Nunca habíamos pensado en nada parecido".

¿Por qué se cayó la idea cuando apareció el presupuesto?

Semanas después, Pertl repitió la consulta, esta vez con los tiempos y la plata reales de un doctorado, esas cifras que en la vida de un becario se cuentan en mesadas y reactivos, no en millones. La IA, otra vez ciento por ciento original, no produjo ninguna hipótesis viable. La diferencia fue brutal: pasar de una idea brillante en el papel a un experimento que se pueda hacer con lo que hay en el banco.

¿Qué dicen los que miran desde afuera?

Anton Sinitskiy, químico computacional de la Universidad Northeastern, puso el dedo en la llaga: generar hipótesis puede ser rápido, pero comprobarlas sigue costando tiempo y dinero. Ross King, biólogo computacional de la Universidad de Cambridge, fue más allá y definió a los protocolos que arma la IA como "recetas", es decir, instrucciones que suenan convincentes pero que muchas veces no se pueden cocinar en la mesada del laboratorio.

El caso deja una conclusión incómoda: la IA puede aportar el qué, pero el cómo y el con qué siguen siendo asunto de los humanos, de sus subsidios, sus plazos y sus pipetas. Veremos si en la próxima ronda, cuando los dólares aparezcan, la máquina vuelve a tener algo interesante que decir.