Cuando la inteligencia artificial le gana al laboratorio… pero pierde con la billetera

¿Puede una máquina inventar una idea nueva para atacar al cáncer? La pregunta suena a novela de ciencia ficción, pero una bioquímica se la hizo en serio a una inteligencia artificial y se llevó una sorpresa. La herramienta le devolvió una hipótesis que su equipo ni siquiera había considerado. El problema fue cuando le contó cuánto tiempo y cuánta plata tenía: ahí la ilusión se pinchó.

La protagonista se llama Anna Pertl y hace su doctorado en el Whitehead Institute, en Cambridge, Massachusetts. Su obsesión es una proteína llamada MYC, que aparece descontrolada en la mayoría de los cánceres. Durante décadas, laboratorios de todo el mundointentaron diseñar estrategias para frenarla. Y fracasaron. Por eso Pertl decidió probar algo distinto: consultarle a Co-Scientist, el sistema que Google armó para generar hipótesis científicas.

Una receta que salió del horno… después de ajustar los ingredientes

Antes de que la máquina empiece a cocinar, hubo que limpiar la mesada. Pertl y su colega Kalon Overholt pasaron casi una hora corrigiéndole el planteo. La IA confundía los cúmulos de proteínas que había que atacar con el propio fármaco, y además les asignaba siempre la misma función: activar genes. Hay proteínas que hacen lo opuesto, reprimen. Como si la receta pidiera sal en cada paso sin distinguir entre platos dulces y salados.

Una vez encarrilada, la herramienta trabajó durante una noche. Leyó más de 700 estudios, cocinó 108 estrategias posibles y se quedó con una sola. La idea era tan particular que Overholt lo dijo con todas las letras: “Nunca habíamos pensado en nada parecido”. En lugar de disolver los cúmulos de proteínas que activan al gen, la propuesta sugería unirlos más todavía hasta impedir que el ADN se pueda leer. Algo así como tapar la cerradura con más material para que la llave no entre jamás.

Cuando aparece el presupuesto, la hipótesis se cae

La fantasía duró hasta que llegó la hora de la verdad. Semanas después, Pertl volvió a formular la consulta, pero esta vez con los tiempos y el dinero reales de un doctorado. La IA no encontró ninguna hipótesis viable. Es la diferencia entre pensar un experimento y poder pagarlo. La química computacional de una universidad rusa que trabaja en Northeastern lo resume en una frase clave: armar ideas puede ser rápido, pero probarlas lleva tiempo. Y el tiempo, en investigación, cuesta plata.

Lo que todavía no sabe hacer la máquina

El caso deja una lista de tareas que todavía requieren un científico con experiencia:

• Definir bien el problema: sin un planteo correcto, la IA invierte horas en hipótesis fuera de foco.
• Revisar las ideas que propone: la selección final sigue siendo un trabajo humano.
• Evaluar si los experimentos son viables: ahí entran el presupuesto, los plazos y el sentido común del laboratorio.

Lo que cambia para el usuario común es más simple de lo que parece. La inteligencia artificial ya puede leer cientos de papers en una noche y proponer caminos originales, incluso caminos que un equipo con años de experiencia no había imaginado. Pero todavía no sabe lo que cuesta hacer ciencia. Todavía no sabe que un reactivo está en falta, que una beca dura tres años ni que cierto equipamiento solo está disponible los martes. Hasta que aprenda eso, las hipótesis que genera serán ideas brillantes… en el aire.