Los avances científicos se basan en décadas de trabajo diligente y experiencia, salpicados de destellos de ingenio y, a veces, de serendipia.
por Shelly Fan
¿Y si pudiéramos acelerar este proceso?
La creatividad es crucial a la hora de explorar nuevas ideas científicas. No surge de la nada: los científicos pasan décadas aprendiendo sobre su campo. Cada pieza de información es como una pieza de rompecabezas que se puede reorganizar en una nueva teoría, por ejemplo, cómo convergen los diferentes tratamientos antienvejecimiento o cómo el sistema inmunitario regula la demencia o el cáncer para desarrollar nuevas terapias.
Las herramientas de IA podrían acelerar esto. En un estudio de preimpresión, un equipo de Stanford enfrentó un gran modelo de lenguaje (LLM) -el tipo de algoritmo detrás de ChatGPT- con expertos humanos en la generación de ideas novedosas sobre una serie de temas de investigación en inteligencia artificial. Cada idea fue evaluada por un panel de expertos humanos que no sabían si provenía de una IA o de un humano.
En general, las ideas generadas por la IA eran más innovadoras que las de los expertos humanos. También se calificaron como menos probables de ser factibles. Eso no es necesariamente un problema. Las nuevas ideas siempre conllevan riesgos. En cierto modo, la IA razonó como científicos humanos dispuestos a probar ideas con mucho en juego y grandes recompensas, proponiendo ideas basadas en investigaciones previas, pero un poco más creativas.
El estudio, de casi un año de duración, es uno de los más grandes hasta ahora para evaluar el potencial de investigación de los LLM.
El científico de la IA
Los grandes modelos de lenguaje, los algoritmos de IA que están arrasando en todo el mundo, están impulsando la investigación académica.
Estos algoritmos extraen datos del mundo digital, aprenden patrones en los datos y utilizan estos patrones para completar una variedad de tareas especializadas. Algunos algoritmos ya están ayudando a los científicos investigadores. Algunos pueden resolver problemas matemáticos desafiantes. Otros están “soñando” con nuevas proteínas para abordar algunos de nuestros peores problemas de salud, como el Alzheimer y el cáncer.
Aunque son útiles, solo ayudan en la última etapa de la investigación, es decir, cuando los científicos ya tienen ideas en mente. ¿Qué tal tener una IA para guiar una nueva idea en primer lugar?
La IA ya puede ayudar a redactar artículos científicos, generar código y buscar en la literatura científica. Estos pasos son similares a cuando los científicos comienzan a recopilar conocimientos y forman ideas basadas en lo que han aprendido.
Algunas de estas ideas son muy creativas, en el sentido de que podrían conducir a teorías y aplicaciones innovadoras. Pero la creatividad es subjetiva. Una forma de medir el impacto potencial y otros factores para las ideas de investigación es llamar a un juez humano, ciego al experimento.
“La mejor manera de contextualizar tales capacidades es tener una comparación cara a cara” entre la IA y los expertos humanos, dijo el autor del estudio, Chenglei Si, a Nature.
El equipo reclutó a más de 100 científicos informáticos con experiencia en el procesamiento del lenguaje natural para que produjeran ideas, actuaran como jueces o ambas cosas. Estos expertos están especialmente versados en cómo las computadoras pueden comunicarse con las personas usando el lenguaje cotidiano. El equipo enfrentó a 49 participantes contra un LLM de última generación basado en Claude 3.5 de Anthropic. Los científicos ganaron 300 dólares por idea más 1.000 dólares adicionales si su idea se encontraba entre las 5 primeras en general.
La creatividad, especialmente cuando se trata de ideas de investigación, es difícil de evaluar. El equipo utilizó dos medidas. Primero, analizaron las ideas mismas. En segundo lugar, pidieron a la IA y a los participantes que elaboraran escritos que comunicaran las ideas de forma sencilla y clara, un poco como un informe escolar.
También intentaron reducir las “alucinaciones” de la IA, cuando un bot se desvía de los hechos e inventa cosas.
El equipo entrenó a su IA en un vasto catálogo de artículos de investigación en el campo y le pidió que generara ideas en cada uno de los siete temas. Para examinar las ideas generadas y elegir las mejores, el equipo diseñó un “clasificador de ideas” automático basado en revisiones de datos anteriores y la aceptación para su publicación de una popular conferencia de informática.
El crítico humano
Para que fuera una prueba justa, los jueces no sabían qué respuestas eran de la IA. Para disimularlos, el equipo tradujo las presentaciones de los humanos y la IA a un tono genérico utilizando otro LLM. Los jueces evaluaron las ideas sobre la novedad, la emoción y, lo más importante, si podían funcionar.
Después de agregar las revisiones, el equipo descubrió que, en promedio, las ideas generadas por expertos humanos fueron calificadas como menos emocionantes que las de la IA, pero más factibles. Sin embargo, a medida que la IA generaba más ideas, se volvía menos novedosa y generaba cada vez más duplicados. Al indagar en las casi 4.000 ideas de la IA, el equipo encontró alrededor de 200 únicas que justificaban una mayor exploración.
Pero muchos no eran confiables. Parte del problema se deriva del hecho de que la IA hizo suposiciones poco realistas. Alucinaba ideas que eran “infundadas e independientes de los datos” con los que se entrenaba, escribieron los autores. El LLM generó ideas que sonaban nuevas y emocionantes, pero que no eran necesariamente prácticas para la investigación de IA, a menudo debido a problemas de latencia o hardware.
“De hecho, nuestros resultados indicaron algunas compensaciones de viabilidad de las ideas de IA”, escribió el equipo.
La novedad y la creatividad también son difíciles de juzgar. Aunque el estudio trató de reducir la probabilidad de que los jueces pudieran decir qué presentaciones eran de IA y cuáles humanas reescribiéndolas con un LLM, como un juego de teléfono, los cambios en la longitud o la redacción pueden haber influido sutilmente en la forma en que los jueces percibían las presentaciones, especialmente cuando se trata de novedades. Además, a los investigadores a los que se les pidió que propusieran ideas se les dio un tiempo limitado para hacerlo. Admitieron que sus ideas estaban en la media en comparación con sus trabajos anteriores.
El equipo está de acuerdo en que queda mucho por hacer a la hora de evaluar la generación de nuevas ideas de investigación por parte de la IA. También sugirieron que las herramientas de IA conllevan riesgos dignos de atención.
“La integración de la IA en la generación de ideas de investigación presenta un desafío sociotécnico complejo”, dijeron. “La dependencia excesiva de la IA podría conducir a un declive en el pensamiento humano original, mientras que el uso cada vez mayor de LLM para la ideación podría reducir las oportunidades de colaboración humana, que es esencial para refinar y expandir las ideas”.
Dicho esto, las nuevas formas de colaboración entre humanos e IA, incluidas las ideas generadas por la IA, podrían ser útiles para los investigadores a medida que investigan y eligen nuevas direcciones para su investigación.
Significado de Serendipia
Serendipia es un descubrimiento o hallazgo fortuito. Se realiza por accidente, de casualidad, de forma inesperada, sobre cosas que no se están buscando o investigando, pero que suponen una solución para otro problema que se tenía.
La serendipia puede ser considerada como la habilidad de un individuo para encontrar constantemente cosas por azar, aunque no tenga relación con lo que se busca, resulta productivo para solucionar otros problemas.
No es una palabra muy utilizada en español, pero algunos sinónimos de serendipia son: chiripa, carambola (términos coloquiales), suerte, coincidencia, casualidad, accidente.
El fenómeno de la serendipia se puede presenciar en diferentes ámbitos. En el caso de la ciencia, cuando se descubren cosas sin investigar sobre ello, por casualidad. Por su parte, en la literatura, cuando alguien escribe sobre algo que imagina y luego se demuestra que existe tal como se lo imaginó.
Por otro lado, se habla de pseudoserendipia cuando, después de haber investigado mucho sobre algo sin obtener resultados, se consigue finalmente el objetivo a causa de un accidente fortuito o una revelación.
Origen de la palabra serendipia
La palabra serendipia proviene del inglés, “serendipity”. Deriva del vocablo árabe “Serendib” o “Sarandib”, es un nombre persa del país fabuloso árabe de la historia de Simbad, Las mil y una noches.
También, Serendip es el nombre árabe de la antigua isla llamada Ceilán, la actual Sri Lanka desde 1972.
Por otro lado, existe una antigua fábula persa del siglo XVIII, con el título de Los tres príncipes de Serendip. En ella se cuentan las aventuras de tres príncipes, dotados del extraño don de descubrir accidentalmente soluciones a sus problemas. En 1754, el escritor inglés Sir Horace Walpole (1717-1797), recogió este término de ese libro y habló de la riqueza expresiva del serendipity en una carta a Horace Mann.
Ejemplos curiosos de serendipia
Arquímedes se introdujo en una bañera y observó cómo su cuerpo desplazaba una masa de agua equivalente al volumen sumergido. Así descubrió el principio de Arquímedes y salió desnudo a la calle gritando: ¡Eureka!
Dicen que Cristóbal Colón descubrió América en 1492 buscando las Indias, y es por eso que llamó a los nativos de América, indios o indígenas.
Morgan Robertson escribió un libro en 1898 llamado “Futility or The Wreck of the Titan” donde narra el naufragio de un transatlántico llamado Titán. 14 años después, el Titanic sufrió un naufragio con muchas coincidencias asombrosas.
Por ejemplo, el nombre de los dos barcos son parecidos (Titán y Titanic). Sus dimensiones son similares (243 y 268 metros de eslora, 75000 y 66000 toneladas). Estaban equipados con tres hélices y dos mástiles.
Se hundieron en su viaje inaugural en abril chocando con un iceberg en el Atlántico Norte, a 400 millas de distancia de la isla de Terranova, en New York (uno a una velocidad de 25 nudos y otro a 22,5 nudos); tenían pocos botes salvavidas (24 y 20), menos de la mitad del número requerido para la capacidad total de pasajeros, que era 2.223 en los dos casos.
La mayor parte de las personas fallecidas eran multimillonarios y más de la mitad de los pasajeros murieron gritando ayuda. Zarparon desde Southampton, Inglaterra, en el mismo mes, abril; los capitanes tenían el mismo apellido (Smith); y ambas naves fueron consideradas “insumergibles”.
Ejemplos curiosos de serendipia
Arquímedes se introdujo en una bañera y observó cómo su cuerpo desplazaba una masa de agua equivalente al volumen sumergido. Así descubrió el principio de Arquímedes y salió desnudo a la calle gritando: ¡Eureka!
Dicen que Cristóbal Colón descubrió América en 1492 buscando las Indias, y es por eso que llamó a los nativos de América, indios o indígenas.
Morgan Robertson escribió un libro en 1898 llamado “Futility or The Wreck of the Titan” donde narra el naufragio de un transatlántico llamado Titán. 14 años después, el Titanic sufrió un naufragio con muchas coincidencias asombrosas.
Por ejemplo, el nombre de los dos barcos son parecidos (Titán y Titanic). Sus dimensiones son similares (243 y 268 metros de eslora, 75000 y 66000 toneladas). Estaban equipados con tres hélices y dos mástiles.
Se hundieron en su viaje inaugural en abril chocando con un iceberg en el Atlántico Norte, a 400 millas de distancia de la isla de Terranova, en New York (uno a una velocidad de 25 nudos y otro a 22,5 nudos); tenían pocos botes salvavidas (24 y 20), menos de la mitad del número requerido para la capacidad total de pasajeros, que era 2.223 en los dos casos.
La mayor parte de las personas fallecidas eran multimillonarios y más de la mitad de los pasajeros murieron gritando ayuda. Zarparon desde Southampton, Inglaterra, en el mismo mes, abril; los capitanes tenían el mismo apellido (Smith); y ambas naves fueron consideradas “insumergibles”.