La IA de Google le tiró una idea loca contra el cáncer… pero olvidó preguntar con cuánta plata y tiempo

¿Puede una inteligencia artificial inventar una idea nueva contra el cáncer y, al mismo tiempo, olvidarse de que la ciencia se hace con plata y paciencia? Parece que sí. Co-Scientist, la herramienta de Google para generar hipótesis científicas, le propuso a una investigadora del Whitehead Institute, en Cambridge, Massachusetts, una estrategia para atacar a MYC, una proteína cuyo mal funcionamiento aparece en la mayoría de los cánceres. La idea era tan original que el equipo se sorprendió. La trampa apareció cuando le metieron los límites de un doctorado cualquiera: ahí no quedó ni una hipótesis viable.

¿Qué hizo la IA?

Antes de proponer nada, la herramienta metió la pata. Confundía los cúmulos de proteínas que había que atacar con el propio fármaco y les asignaba siempre una función de activar genes. Algunos, en cambio, hacen lo contrario. La bioquímica Anna Pertl y su colega Kalon Overholt dedicaron casi una hora a corregirle el planteo. Después, la IA trabajó durante una noche, se tragó más de 700 estudios, generó 108 estrategias y se quedó con una sola: en vez de intentar disolver los cúmulos, propuso unirlos entre sí hasta tapar la lectura del ADN. “Nunca habíamos pensado en nada parecido”, dijo Overholt.

• Arranque con correcciones: casi una hora para desactivar dos errores de interpretación de la herramienta.
• Procesamiento intensivo: más de 700 estudios masticados durante una noche.
• Selección final: 108 estrategias generadas, una sola elegida por el sistema.
• Idea central: trabar los cúmulos de proteínas para impedir la lectura del ADN, en lugar de romperlos.

¿Por qué se cayó cuando le pusieron presupuesto?

Ahí se vino abajo la fiesta. Cuando Pertl repitió la consulta agregando los tiempos y el dinero reales de su doctorado, Co-Scientist no encontró ninguna hipótesis viable. La distancia entre pensar algo brillante y poder meterlo en un laboratorio quedó a la vista. El químico computacional Anton Sinitskiy, de la Universidad Northeastern, lo resume en pocas palabras: generar propuestas puede ser rápido, pero comprobarlas sigue costando tiempo y recursos. Ross King, de la Universidad de Cambridge, fue más allá y calificó a los protocolos generados por IA como “recetas”, no como planes serios de investigación.

El caso, entonces, deja una lección útil para investigadores y curiosos: las IAs que arman hipótesis sirven para pensar fuera de la caja, pero no reemplazan a quien define el problema, revisa las ideas y decide si vale la pena gastar un año de beca en probarlas. Como dijo el propio equipo, lo que más cuesta no es imaginarlas, sino financiarlas. Veremos.