Desde hace tiempo se ha albergado la esperanza de que la IA podría ayudar a acelerar el progreso científico. Ahora, las empresas apuestan a que la última generación de chatbots podría convertirse en útiles asistentes de investigación.
por Edd Gent
La mayoría de los esfuerzos para acelerar el progreso científico mediante la IA se han centrado en resolver problemas conceptuales fundamentales, como el plegamiento de proteínas o la física de los modelos meteorológicos . Pero una gran parte del proceso científico es considerablemente más prosaica: decidir qué experimentos hacer, idear protocolos experimentales y analizar datos.
Esto puede consumir una enorme cantidad de tiempo de un académico, distrayéndolo de un trabajo de mayor valor. Por eso, tanto Google DeepMind como BioNTech están desarrollando actualmente herramientas diseñadas para automatizar muchos de estos trabajos más mundanos, según el Financial Times .
En un evento reciente, el director ejecutivo de DeepMind, Demis Hassabis, dijo que su empresa estaba trabajando en un modelo de lenguaje de gran tamaño centrado en la ciencia que podría actuar como asistente de investigación, ayudando a diseñar experimentos para abordar hipótesis específicas e incluso predecir el resultado. BioNTech también anunció en un día de innovación en IA la semana pasada que había utilizado el modelo Llama 3.1 de código abierto de Meta para crear un asistente de IA llamado Laila con un “conocimiento detallado de la biología”.
“Vemos a los agentes de IA como Laila como un acelerador de productividad que permitirá a los científicos y técnicos dedicar su tiempo limitado a lo que realmente importa”, dijo Karim Beguir, director ejecutivo de InstaDeep AI, la subsidiaria de la compañía, al Financial Times .
El robot mostró sus capacidades en una demostración en vivo, donde los científicos lo usaron para automatizar el análisis de secuencias de ADN y visualizar resultados. Según Constellation Research , el modelo viene en varios tamaños y está integrado con la plataforma DeepChain de InstaDeep, que alberga varios otros modelos de IA especializados en cosas como el diseño de proteínas o el análisis de secuencias de ADN.
BioNTech y DeepMind no son los primeros en intentar convertir la última tecnología de inteligencia artificial en un par de manos extra para ayudar en el laboratorio. El año pasado, los investigadores demostraron que la combinación del modelo GPT-4 de OpenAI con herramientas para buscar en la web, ejecutar código y manipular equipos de automatización de laboratorio podría crear un “cocientífico” capaz de diseñar, planificar y ejecutar experimentos químicos complejos..
También hay evidencia de que la IA podría ayudar a decidir qué dirección tomar en la investigación. Los científicos utilizaron el modelo Claude 3.5 de Anthropic para generar miles de nuevas ideas de investigación , que luego el modelo clasificó según su originalidad. Cuando los revisores humanos evaluaron las ideas según criterios como novedad, viabilidad y efectividad esperada, descubrieron que, en promedio, eran más originales y emocionantes que las ideadas por los participantes humanos.
Sin embargo, es probable que existan límites a la contribución de la IA al proceso científico. Una colaboración entre académicos y la startup Sakana AI, con sede en Tokio, causó sensación con un “científico de la IA” centrado en la investigación del aprendizaje automático. Pudo realizar revisiones bibliográficas, formular hipótesis, llevar a cabo experimentos y redactar un artículo. Pero la investigación producida fue juzgada como incremental en el mejor de los casos, y otros investigadores sugirieron que el resultado probablemente no era confiable debido a la naturaleza de los grandes modelos de lenguaje.
Esto pone de relieve un problema central a la hora de utilizar la IA para acelerar la ciencia: de poco sirve simplemente producir artículos o resultados de investigación si no son buenos. Por ejemplo, cuando los investigadores analizaron una colección de dos millones de cristales generados con IA producidos por DeepMind, descubrieron que casi ninguno cumplía los importantes criterios de “novedad, credibilidad y utilidad”.
El mundo académico ya está plagado de fábricas de papel que producen grandes cantidades de investigación de baja calidad, escribe Karin Verspoor, del Royal Melbourne Institute of Technology de Australia, en The Conversation . Sin una supervisión cuidadosa, las nuevas herramientas de inteligencia artificial podrían impulsar esta tendencia.
Sin embargo, no sería prudente ignorar el potencial de la IA para mejorar el proceso científico. La capacidad de automatizar gran parte del trabajo científico básico podría resultar inestimable y, siempre que estas herramientas se utilicen de manera que complementen a los humanos en lugar de reemplazarlos, su contribución podría ser significativa.