Lo probé en mi cabeza mientras leía el caso y me pasó lo que le debe pasar a cualquier investigador: tentación y frustración en la misma tarde. Co-Scientist, la herramienta de Google para generar hipótesis científicas, le planteó a un equipo del Whitehead Institute una estrategia contra el cáncer que ellos jamás habían imaginado. Pero cuando le metieron los plazos y el presupuesto reales de un doctorado, la máquina se quedó sin respuestas.

Una proteína que obsesiona a la oncología hace décadas

La historia la cuenta la bioquímica Anna Pertl, que está haciendo el doctorado en el instituto de Cambridge, Massachusetts. Su pregunta apuntaba a MYC, una proteína que funciona mal en la mayoría de los tumores y que viene resistiendo todos los intentos por atacarla con fármacos. La herramienta tardó una noche en leer más de 700 estudios, le devolvió 108 estrategias y se quedó con una sola.

• La propuesta era trabar los cúmulos de proteínas que activan el gen, en vez de disolverlos como se buscaba hasta ahora.
• El equipo tuvo que dedicar casi una hora a corregirle a la IA dos errores de interpretación antes de obtener una idea concreta.
• Sobre esa idea, su colega Kalon Overholt dijo, textual: Nunca habíamos pensado en nada parecido.

Ojo con esto: la idea es fácil, pagarla es otra cosa

El punto más interesante, y el que muchas notas no subrayan, es lo que pasó cuando Pertl repitió la consulta con los recursos reales de su beca. Con plata y tiempo contados, Co-Scientist no encontró ninguna hipótesis viable. O sea: la inteligencia artificial puede imaginar caminos originales en minutos, pero la mayoría son carísimos de comprobar.

El químico computacional Anton Sinitskiy, de la Universidad Northeastern, lo resumió así: generar propuestas puede ser rápido, pero ponerlas a prueba sigue demandando tiempo. Ross King, biólogo computacional de la Universidad de Cambridge, agregó que los protocolos que arma la IA son, en el mejor de los casos, recetas. Tres tareas, entonces, siguen dependiendo de personas con experiencia: definir bien el problema, revisar las ideas y decidir si los experimentos se pueden pagar.

Entonces, ¿vale la pena usar este tipo de herramientas en el laboratorio? Para pensar ideas fuera de la caja y discutir con un copilotoinformático, sí. Para reemplazar el criterio humano en ciencia, todavía no: el presupuesto y el tiempo mandan, y por ahora la IA no los lee entre líneas.