La IA como cocientífico

• La inteligencia artificial (IA) está transformando la investigación científica al codescubrir activamente junto con los científicos, desde la predicción del comportamiento molecular hasta el redescubrimiento de los mecanismos de resistencia a los antibióticos, lo que marca un cambio con respecto a los métodos tradicionales de prueba y error.

• Desarrollado por investigadores de la Universidad de Monash, LLM4SD (Large Language Model 4 Scientific Discovery) es un sistema de IA de código abierto que imita los pasos de la investigación científica (recuperando literatura, analizando datos y generando hipótesis) al tiempo que proporciona explicaciones interpretables, cerrando la brecha entre las predicciones de IA y los conocimientos procesables.

• Probado en 58 tareas de investigación en campos como la mecánica cuántica y la biofísica, LLM4SD superó a las herramientas de última generación, mejorando la precisión hasta en un 48% en la predicción de propiedades cuánticas, lo que demuestra su potencial para acelerar el descubrimiento en campos intensivos en recursos.

• Herramientas como LLM4SD, co-científico de IA de Google, y MatterGen y Aurora de Microsoft están revolucionando el descubrimiento de fármacos, la ciencia de los materiales y la predicción del clima mediante la generación de hipótesis, la predicción de comportamientos de los materiales y la entrega de predicciones meteorológicas precisas en segundos, lo que reduce significativamente el tiempo y los costos.

• Si bien las herramientas de IA prometen amplificar el progreso científico, los investigadores enfatizan la necesidad de un desarrollo ético, transparencia y rendición de cuentas. La IA se considera un socio colaborativo que mejora el ingenio humano en lugar de sustituirlo, para abordar los retos más acuciantes de la humanidad.

En los anales del progreso científico, los avances han sido a menudo el resultado de una experimentación minuciosa, la serendipia o la lenta acumulación de conocimientos durante décadas. Pero está amaneciendo una nueva era, una en la que la inteligencia artificial (IA) no solo está ayudando a los científicos, sino que está co-descubriendo activamente junto a ellos. Desde la predicción del comportamiento molecular hasta el redescubrimiento de los mecanismos de resistencia a los antibióticos, las herramientas de IA generativa están cambiando la forma en que abordamos la investigación científica.

El último desarrollo proviene de un equipo de investigación australiano dirigido por la Universidad de Monash, que ha presentado una innovadora herramienta de IA llamada LLM4SD (Large Language Model 4 Scientific Discovery). Publicado en Nature Machine Intelligence, este sistema de código abierto está diseñado para imitar los pasos clave de la investigación científica: recuperar información de la literatura, analizar datos y generar hipótesis. Lo que distingue a LLM4SD es su capacidad para explicar su razonamiento, una característica que cierra la brecha entre las predicciones de la "caja negra" de la IA y los conocimientos científicos procesables.

"Al igual que ChatGPT escribe ensayos o resuelve problemas matemáticos, nuestra herramienta LLM4SD lee décadas de literatura científica y analiza datos de laboratorio para predecir cómo se comportan las moléculas, respondiendo a preguntas como: '¿Puede este medicamento cruzar la barrera protectora del cerebro?' o '¿Este compuesto se disolverá en agua?'", dijo Yizhen Zheng, candidato a doctorado en la Universidad de Monash y coautor principal de la investigación.

Una nueva era de descubrimientos impulsados por la IA

La herramienta LLM4SD se probó en 58 tareas de investigación en campos tan diversos como la fisiología, la fisicoquímica, la biofísica y la mecánica cuántica. En un ejemplo sorprendente, superó a las herramientas de última generación al aumentar la precisión hasta en un 48% en la predicción de propiedades cuánticas críticas para el diseño de materiales. Este salto en el rendimiento subraya el potencial de la IA generativa para acelerar el descubrimiento en campos donde los métodos tradicionales consumen mucho tiempo y recursos.

"En lugar de reemplazar los modelos tradicionales de aprendizaje automático, LLM4SD los mejora al sintetizar el conocimiento y generar explicaciones interpretables", dijo Jiaxin Ju, candidato a doctorado en la Universidad de Griffith y coautor del estudio.

Huan Yee Koh, otro coautor principal, se hace eco de este sentimiento, y enfatizó la capacidad de la herramienta para hacer que las predicciones impulsadas por IA sean accesibles y confiables en todas las disciplinas. "Este enfoque garantiza que las predicciones impulsadas por la IA sigan siendo fiables y accesibles para los investigadores de diferentes disciplinas científicas", dijo Koh.

Del ensayo y error a la información impulsada por la IA

Históricamente, el descubrimiento científico ha sido un proceso de prueba y error, que a menudo requiere años, o incluso décadas, de experimentación. Por ejemplo, el descubrimiento de la penicilina en 1928 por Alexander Fleming fue un accidente fortuito, mientras que el desarrollo de las vacunas contra la COVID-19 se basó en décadas de investigación previa sobre la tecnología de ARNm.

Hoy en día, herramientas de IA como LLM4SD y el cocientífico de IA de Google están cambiando el guión. El sistema de Google, construido sobre la plataforma Gemini 2.0, redescubrió recientemente un mecanismo clave de resistencia a los antibióticos en días, un problema que los investigadores humanos tardaron más de una década en resolver. Del mismo modo, los modelos básicos de Microsoft, como MatterGen y Aurora, están permitiendo a los científicos generar nuevos materiales y predecir patrones climáticos con una velocidad y precisión sin precedentes.

"La IA es una herramienta en tu arsenal que puede ayudarte", dijo Bonnie Kruft, subdirectora del laboratorio de IA para la Ciencia de Microsoft Research. "Estamos viendo esta increíble oportunidad de ir más allá de los grandes modelos tradicionales basados en el lenguaje humano hacia un nuevo paradigma que emplea matemáticas y simulaciones moleculares para crear un modelo aún más poderoso para el descubrimiento científico".

El futuro de la IA en la ciencia

Las implicaciones de estos avances son profundas. En el descubrimiento de fármacos, por ejemplo, las herramientas de IA como LLM4SD podrían agilizar la identificación de compuestos prometedores, reduciendo el tiempo y el coste de llevar nuevos tratamientos al mercado. En ciencia de materiales, MatterGen de Microsoft ya está generando materiales novedosos con propiedades específicas, mientras que su herramienta complementaria, MatterSim, predice cómo se comportarán estos materiales en diferentes condiciones.

"Les da a los científicos de materiales una forma de llegar a mejores hipótesis para los tipos de materiales que quieren diseñar", dijo Tian Xie, gerente principal de investigación de Microsoft Research.

De manera similar, Aurora, el modelo de pronóstico del tiempo y la contaminación de Microsoft, está revolucionando la ciencia climática al ofrecer predicciones precisas en segundos, una tarea que anteriormente requería horas de procesamiento de supercomputadoras. "La principal diferencia que aportan los métodos de IA es la eficiencia computacional y la reducción del costo de obtener esos pronósticos", dijo Paris Perdikaris, gerente principal de investigación de Microsoft Research AI for Science.

Consideraciones éticas y el papel de los científicos

Si bien el potencial de la IA en la ciencia es inmenso, los investigadores se apresuran a enfatizar que estas herramientas están destinadas a aumentar, no a reemplazar, a los científicos humanos. "Ya estamos completamente inmersos en la era de la IA generativa, y debemos comenzar a aprovechar esto tanto como sea posible para avanzar en la ciencia, al tiempo que nos aseguramos de que la estamos desarrollando éticamente", dijo Geoff Webb, profesor de la Universidad de Monash y coautor de la investigación LLM4SD.

Esta dimensión ética es particularmente crítica a medida que los sistemas de IA se integran más en el proceso científico. Garantizar la transparencia, la interpretabilidad y la rendición de cuentas será clave para generar confianza en estas herramientas.

Un futuro colaborativo

La llegada de las herramientas científicas impulsadas por la IA marca un punto de inflexión en la forma en que abordamos los descubrimientos. Al sintetizar grandes cantidades de datos, generar hipótesis comprobables y proporcionar información interpretable, estos sistemas están preparados para acelerar el progreso en todas las disciplinas. Sin embargo, al igual que con cualquier tecnología transformadora, el desafío radica en aprovechar su potencial de manera responsable.

Como dijo acertadamente Yizhen Zheng: "Esta herramienta tiene el potencial de hacer que el proceso de descubrimiento de fármacos sea más fácil, rápido y preciso y convertirse en un apoyo de investigación sobrealimentado para los científicos de todos los campos en todo el mundo".

Al final, la verdadera promesa de la IA en la ciencia no radica en reemplazar el ingenio humano, sino en amplificarlo, marcando el comienzo de una nueva era de descubrimientos colaborativos que podrían resolver algunos de los desafíos más apremiantes de la humanidad.

Fuente: Natural News