Cuando la inteligencia artificial se queda sin respuestas: una hipótesis brillante que el presupuesto del laboratorio no pudo financiar

En una mesada del Whitehead Institute, en Cambridge, Massachusetts, la bioquimica Anna Pertl miro la pantalla con la misma mezcla de entusiasmo y desconfianza que cualquier investigador joven acostumbrado a desconfiar de las promesas faciles. Del otro lado, Co-Scientist, el sistema de inteligencia artificial de Google pensado para generar hipotesis cientificas, llevaba toda una noche masticando mas de 700 estudios sobre MYC, una proteina cuyo funcionamiento se altera en la mayoria de los canceres y que desde hace decades esquiva cualquier intento serio de ser atacada con farmacos.

El numero es elocuente por si mismo: mas de 700 papers procesados, 108 estrategias formuladas y una sola conservada. La propuesta que sobrevivia a la propia seleccion interna de la herramienta era, cuanto menos, desconcertante para Pertl y su companero Kalon Overholt. La idea no pasaba por disolver los cumulos de proteinas que activan MYC, como suele buscar la literatura, sino por unirlos entre si hasta impedir la lectura del ADN. Un giro conceptual que el propio Overholt reconocio con una frase que sonaba a confesion: nunca habiamos pensado en nada parecido.

Antes del hallazgo, una hora de correcciones

Para llegar a esa salida inesperada, hubo que hacer antes el trabajo menos vistoso y mas revelador del uso de inteligencia artificial en ciencia: casi sesenta minutos dedicados a corregir dos interpretaciones equivocadas que el sistema arrastraba desde el arranque. Co-Scientist confundia los cumulos de proteinas que debian ser el blanco con el propio farmaco y, ademas, les asignaba siempre una funcion de activacion de genes cuando, en realidad, algunos actuan exactamente al reves. La paradoja es didactica: una herramienta entrenada para producir ciencia todavia necesitaba que un equipo humano le explicara, en lenguaje llano, de que hablaba la pregunta.

“Nunca habiamos pensado en nada parecido.”Kalon Overholt, colega de Anna Pertl en el Whitehead Institute

La segunda prueba fue la que volvio a todos a la mesada. Semanas despues del hallazgo, Pertl repitio la consulta agregando una condicion que cualquier investigador conoce de memoria pero que la primera corrida habia soslayado: cuanto tiempo y cuanto dinero se podian gastar. Con los plazos ajustados y el presupuesto acotado de un doctorado, la herramienta no produjo ninguna hipotesis viable. El contraste es lo que cuenta la historia: una cosa es proponer, y otra muy distinta es poder pagar lo que la propuesta implica en horas de pipeta, reactivos y horas humanas.

Lo que dicen los especialistas que miran desde afuera

• Anton Sinitskiy, quimico computacional de la Universidad Northeastern, ubico la principal dificultad en la instancia de comprobacion: las hipotesis se generan rapido, pero testearlas sigue demandando tiempo de laboratorio y dinero del que no siempre se dispone.
• Ross King, biologo computacional de la Universidad de Cambridge, recordo que los protocolos elaborados por inteligencia artificial suelen parecerse mas a recetas de cocina que a procedimientos ajustables: sirven para una primera lectura, pero no necesariamente para enfrentar la complejidad biologica real.
• Ambos coinciden en una advertencia que sobrevuela el caso: la IA es una herramienta de apoyo, todavia no un reemplazo del criterio experimental que se construye con anos de mesada.

El caso deja una fotografia inquietante para quien mire la inteligencia artificial desde la trinchera del laboratorio. Detras del numero rutilante de los mas de 700 estudios procesados y de las 108 estrategias producidas en una sola noche, sobreviven tres tareas que la maquina todavia no puede resolver por si sola: definir correctamente el problema, revisar las ideas y, sobre todo, evaluar si los experimentos pueden financiarse y ejecutarse a tiempo. La pregunta queda abierta para una comunidad cientifica que, mientras discute como regular el uso de IA, todavia pelea con lo mas viejo y mas concreto: conseguir presupuesto para una mesada. Sera entonces la inteligencia artificial una compania de ruta o, cuando el dinero aprieta, se baja del viaje y deja sola a la ciencia?