La IA generativa, a menudo criticada por sus «alucinaciones» – la invención de información falsa – se está revelando como una herramienta poderosa para la investigación científica. Estas «alucinaciones», lejos de ser un error, están impulsando avances en campos como la medicina, la biotecnología y la meteorología.
Los grandes descubrimientos del hombre no están exceptuados de lo que podríamos llamar casualidad y, peor aún, accidentes que resultan en algo muy parecido a un milagro. Algo similar sucede con los errores de la IA, con las alucinaciones.
La inteligencia artificial (IA) generativa, capaz de crear nuevos contenidos a partir de datos existentes, ha sido objeto de críticas por su tendencia a «alucinar»: inventar información que parece real pero es falsa.
Sin embargo, en el ámbito científico, esta característica, lejos de ser un defecto, se está convirtiendo en una herramienta invaluable para el descubrimiento.
Científicos están utilizando las «alucinaciones» de la IA para generar nuevas ideas, acelerar la investigación y lograr avances significativos en campos que van desde la medicina hasta la meteorología.
El proceso implica entrenar modelos de IA con información específica, para luego dejar que la máquina «reinterprete» esos datos.
Los resultados, a veces sutilmente erróneos, otras veces completamente surrealistas, pueden conducir a descubrimientos importantes.
Un ejemplo destacado es el trabajo del Premio Nobel de Química 2024, David Baker, quien utilizó las «imaginaciones» de la IA para diseñar proteínas completamente nuevas, no encontradas en la naturaleza.
Su laboratorio ha diseñado «diez millones de proteínas completamente nuevas» utilizando esta técnica, resultando en aproximadamente 100 patentes, muchas de ellas con aplicaciones médicas, incluyendo un nuevo tratamiento contra el cáncer.
«Las cosas se están moviendo rápido», afirmó Baker, «incluso los científicos que trabajan con proteínas no saben hasta dónde han llegado las cosas».
Si bien el término «alucinación» puede resultar impreciso y hasta negativo, evocando imágenes de experiencias psicodélicas, muchos científicos lo utilizan para describir este fenómeno.
Otros prefieren términos como «distribuciones de probabilidad», pero la esencia es la misma: la IA genera posibilidades, algunas correctas, otras incorrectas, que luego son validadas por el método científico.
Este proceso, lejos de ser aleatorio, está basado en datos reales, a diferencia de las «alucinaciones» de los chatbots, que a menudo carecen de base fáctica.
«Estamos enseñando física a la IA», explica Anima Anandkumar, profesora del Instituto de Tecnología de California, destacando la base científica sólida de estos modelos.
La validación experimental es clave. Las propuestas generadas por la IA deben ser verificadas a través de experimentos y pruebas rigurosas.
Anandkumar y sus colegas utilizaron «alucinaciones» de IA para diseñar un nuevo catéter que reduce la contaminación bacteriana, mientras que en el Memorial Sloan Kettering Cancer Center se usaron para mejorar imágenes médicas.
Incluso en meteorología, la IA se utiliza para generar miles de variaciones de pronóstico, lo que ayuda a identificar factores inesperados que pueden influir en eventos climáticos extremos.
Pushmeet Kohli, director de la división de ciencia de DeepMind, resalta la capacidad de la IA para generar «ideas muy novedosas», como la jugada 37 del programa AlphaGo, inicialmente considerada un error, pero que resultó clave para su victoria.
En resumen, las «alucinaciones» de la IA generativa están demostrando ser una herramienta poderosa para la innovación científica, acelerando el proceso de descubrimiento y generando ideas que de otro modo podrían no haber surgido.
Si bien la verificación y la validación experimental siguen siendo fundamentales, la capacidad de la IA para explorar un espacio enorme de posibilidades está abriendo nuevas fronteras en la investigación científica.
El futuro de la ciencia podría estar impulsado, en parte, por las «alucinaciones» de la inteligencia artificial.