Una IA para la ciencia: la promesa de Co-Scientist y los límites del laboratorio real

Les cuento de entrada: la inteligencia artificial ya es capaz de leer cientos de papers de un tirón, masticarlos y proponer una idea nueva para investigar un cáncer. Eso fue lo que demostró una prueba con Co-Scientist, el sistema de Google pensado para generar hipótesis científicas. Lo interesante es que la idea que arrojó nadie la había tenido. Lo preocupante es qué pasa cuando se le pone un presupuesto real encima de la mesa.

La protagonista de esta historia es Anna Pertl, bioquímica que hace su doctorado en el Whitehead Institute, en Cambridge, Massachusetts. Ella le pidió a la herramienta que se enfocara en MYC, una proteína que aparece trastocada en la mayoría de los tumores y a la que se le vienen buscando la vuelta desde hace décadas sin demasiado éxito. Imagínense MYC como un interruptor general de la célula: cuando funciona bien, enciende los genes en el momento justo; cuando se rompe, deja la luz prendida todo el día y la célula no para de crecer. Por eso es tan deseada como blanco de fármacos.

Un primer intento que asombró a los investigadores

Antes de llegar a la propuesta final hubo que explicarle a la IA qué le estaban preguntando. La colega de Pertl, Kalon Overholt, dedicó casi una hora a corregir dos errores de arranque: el sistema confundía los cúmulos de proteínas que tenían que ser el blanco terapéutico con el propio fármaco, y además les asignaba siempre una función de activación de genes, cuando algunos hacen exactamente lo contrario. Es como si le pidiéramos a alguien que limpie el piso y entendiera que tiene que limpiar el trapo de piso.

Una vez corregido el planteo, Co-Scientist procesó durante una noche más de 700 estudios, generó 108 estrategias distintas y se quedó con una. La elegida proponía unir entre sí los cúmulos de proteínas que activan el gen hasta bloquear la lectura del ADN, en lugar de intentar disolver esos cúmulos como se venía haciendo. Overholt lo dijo con una frase que resume el asombro: nunca habíamos pensado en nada parecido.

Cuando aparece el presupuesto, la IA se queda sin respuestas

Semanas después llegó la prueba de fuego. Pertl repitió la consulta, pero esta vez agregando las condiciones reales de un doctorado: tiempos acotados y un presupuesto limitado. El resultado fue demoledor. La herramienta no encontró ninguna hipótesis que se pudiera llevar adelante con esos recursos. La propuesta original, la más creativa, requería equipos, reactivos y plazos que un becario simplemente no tiene.

Y acá aparece una de las grandes discusiones del momento. El químico computacional Anton Sinitskiy, de la Universidad Northeastern, lo explica con una comparación que sirve para entendernos: generar hipótesis puede ser tan rápido como pedir un café, pero chequearlas en el laboratorio sigue siendo una tarea de meses. Su colega Ross King, biólogo computacional de la Universidad de Cambridge, fue más allá y dijo que los protocolos que arma la inteligencia artificial son, en el fondo, recetas: pueden sonar bien, pero no necesariamente funcionan en la cocina de un laboratorio con fondos ajustados.

¿Y eso para qué sirve? Para recordar que la IA no reemplaza al científico

Sirve para entender algo que a los propios investigadores les costó digerir: la inteligencia artificial es una herramienta formidable para leer literatura, cruzar datos y proponer ideas originales, pero todavía necesita que alguien defina bien el problema, corrija sus errores de interpretación y decida si lo que propone es realizable. En el caso de Pertl, esos tres pasos estuvieron a cargo de personas formadas durante años. Por ahora, la chispa creativa puede venir de una máquina, pero el laboratorio sigue siendo de los humanos.