Vaya a saber cuántos de nosotros empezamos el día pidiéndole algo a la inteligencia artificial y terminamos renegando porque entendió todo al revés. Algo así le pasó a Anna Pertl, una bioquímica del Whitehead Institute, en Cambridge, Massachusetts, cuando le pidió ayuda a Co-Scientist, el sistema de Google pensado para generar hipótesis científicas. La IA le devolvió una propuesta que su equipo jamás había imaginado. El problema fue cuando le aclaró que trabajaba con el presupuesto y los plazos de un doctorado, no con los de una gran farmacéutica.

Primero hubo que traducirle el problema

La consulta apuntaba a MYC, una proteína que se descontrola en la mayoría de los cánceres y a la que durante décadas se le buscaron la vuelta para frenarla. Suena sencillo dicho así, pero la herramienta arrancó confundiendo lo básico. Confundía los cúmulos de proteínas que tenían que ser el blanco con el propio fármaco y, peor todavía, les asignaba siempre una función de activación de genes, cuando muchos hacen exactamente lo contrario. Casi una hora ella y su colega Kalon Overholt estuvieron corrigiendo lo que la IA entendía mal. Recién después de ese pase manual, el sistema procesó más de 700 estudios durante una noche, generó 108 estrategias y se quedó con una sola.

La propuesta que sobrevive era, como decirlo bien, bastante ingeniosa: en vez de intentar deshacer los cúmulos de proteínas que activan el gen, la idea era unirlos más todavía hasta bloquear la lectura del ADN. Overholt lo resumió con una frase que dice mucho: Nunca habíamos pensado en nada parecido.

Después llegó la realidad: mesada, reactivos y horarios de becario

Semanas más tarde, Pertl repitió la misma consulta, pero esta vez le agregó los condimentos que cualquier investigador conoce bien: el tiempo y el dinero que tiene un doctorando. Resultado: ni una hipótesis viable. Cero. La herramienta, que en el primer intento había tenido una idea audaz, se quedó sin respuestas cuando le pusieron los límites del mundo real.

El químico computacional Anton Sinitskiy, de la Universidad Northeastern, puso el dedo en la llaga: generar propuestas puede ser rápido, pero comprobarlas sigue llevando tiempo y recursos que la IA no inventa por arte de magia. Ross King, biólogo computacional de la Universidad de Cambridge, fue todavía más gráfico: los protocolos que arma una inteligencia artificial son, en el mejor de los casos, recetas. Sirven como punto de partida, no como manual de instrucciones.

Lo que el caso deja en evidencia

• Definir bien el problema sigue siendo tarea humana, por más que la IA procese 700 papers en una noche.
• La IA puede proponer ideas originales, pero todavía necesita que alguien le marque la diferencia entre activar y desactivar un gen.
• Sin presupuesto ni plazos realistas, hasta el mejor sistema se queda sin ideas: la limitación no es técnica, es material.

Moraleja para investigadores que estén tentados de delegar todo en el chat de turno: la inteligencia artificial puede tirar centros inesperados, pero todavía no sabe lo que es pedir un reactivo caro y escuchar que no hay. Antes de pedirle una hipótesis revolucionaria, asegurate de que entienda la pregunta. Si no, vas a terminar como yo la última vez que le pedí una receta al asistente del teléfono: con ñoquis en lugar de pastel de papas.

Consejo final: usá la IA como sparring, no como director técnico. Ella propone, vos corregís, y el laboratorio sigue siendo un lugar con mesada, pipetas y paciencia. Lucas Gallo, Tecnología.