El exCEO de Google Eric Schmidt, que desempeñó ese rol entre 2001 y 2011, dijo que la Inteligencia Artificial (IA) tiene el potencial de convertir la ciencia en algo "mucho más emocionante y, en cierto modo, irreconocible". Al respecto, señaló que "las repercusiones de este cambio se sentirán fuera del laboratorio y nos afectarán a todos".
El empresario e informático contó que la compañía Nvidia está creando un gemelo digital de la Tierra, llamado Earth-2, que usará un modelo de IA llamado FourCastNet para predecir el clima extremo con mayor rapidez y precisión que los métodos actuales.
Ese sistema puede simular miles de escenarios posibles, lo que permite anticipar y prevenir desastres naturales. Este avance en el modelado climático es parte de una revolución científica impulsada por la IA, que tendrá un gran impacto en la sociedad y el medio ambiente.
El exCEO de Google dijo en un artículo en MIT Technology Review que, "si jugamos bien nuestras cartas con una regulación sensata y el apoyo adecuado para los usos innovadores de la IA para abordar los problemas más apremiantes de la ciencia, la IA puede reescribir el proceso científico. Podemos construir un futuro en el que las herramientas impulsadas por IA nos salven del trabajo sin sentido y que consume mucho tiempo y también propongan invenciones y descubrimientos creativos, fomentando avances que de otro modo tomarían décadas".
El experto recordó que diferentes modelos de IA han ayudado, por ejemplo, a los científicos de McMaster y el MIT a encontrar nuevos antibióticos para combatir una de las bacterias consideradas resistentes a los medicamentos, según la Organización Mundial de la Salud. Dentro de la atención médica, la FDA ya aprobó 523 dispositivos que usan IA, el 75% para uso en radiología.
También han permitido, a través de un modelo de Google DeepMind, controlar el plasma en la fusión nuclear, lo que podría llevar a una revolución de energía limpia.
La IA puede cambiar la forma de hacer ciencia, desde la revisión de literatura hasta la formulación de hipótesis. Los científicos pueden usar herramientas basadas en estos sistemas para obtener resúmenes y citas de artículos existentes. Los modelos de lenguaje grandes pueden predecir el siguiente paso lógico en una secuencia científica, sugiriendo posibles descubrimientos.
A diferencia de otros especialistas que hacen predicciones más alarmantes, el experto informático consideró que "esta técnica hace que los LLM sean especialmente adecuados para problemas escalados intrínsecos a la estructura jerárquica de la ciencia y puede permitir que dichos modelos predigan el próximo gran descubrimiento en física o biología".
Otro ejemplo que está dando impulso a la ciencia de la salud es el realizado por expertos de CalTech, dijo Schmidt, que utilizaron un modelo de simulación de fluidos de IA para diseñar automáticamente un mejor catéter que evita que las bacterias naden río arriba y causen infecciones. De esta forma, dijo, la IA puede acelerar el progreso científico al permitir a los investigadores encontrar la mejor solución posible para un problema desde el principio, en lugar de tener que probar muchas soluciones parciales o subóptimas hasta llegar a la mejor, como ocurrió en el pasado con el desarrollo de las bombillas de electricidad.
"Pasando al paso de la experimentación, la IA podrá realizar experimentos más rápido, más barato y a mayor escala. Por ejemplo, podemos construir máquinas impulsadas por IA con cientos de micropipetas funcionando día y noche para crear muestras a una velocidad que ningún ser humano podría igualar. En lugar de limitarse a solo seis experimentos, los científicos pueden usar herramientas de inteligencia artificial para ejecutar mil", agregó.
Según dijo, la IA puede liberar a los científicos de las limitaciones y sesgos que afectan su trabajo, permitiéndoles explorar hipótesis más innovadoras y arriesgadas. Además, la IA puede automatizar y optimizar el diseño, la ejecución y el análisis de los experimentos, utilizando plataformas robóticas que funcionan como laboratorios autónomos.
La importancia del "toque humano"
Schmidt aclaró que si bien la IA dará chances de sumarse a nuevos científicos en una suerte de democratización de las áreas del conocimientos que hasta ahora no se ha visto, "debemos reconocer dónde el toque humano sigue siendo importante y evitar correr antes de poder caminar. Por ejemplo, fusionar con éxito la IA y la robótica a través de laboratorios autónomos no será fácil. Hay mucho conocimiento tácito que los científicos aprenden en los laboratorios que es difícil de transferir a la robótica impulsada por IA. Del mismo modo, debemos ser conscientes de las limitaciones, e incluso las alucinaciones, de los LLM actuales antes de descargarles gran parte de nuestro papeleo, investigación y análisis". Si se logra generar una buena integración entre estas tecnologías y el trabajo humano, los sistemas basados en inteligencia artificial tienen el potencial de transformar el trabajo de la ciencia, haciéndolo más creativo, inclusivo y eficiente. Los LLM también pueden facilitar la codificación, la escritura y la revisión de los proyectos de investigación, ampliando el alcance y la calidad de la ciencia. La inteligencia artificial de código abierto permite que los investigadores académicos aprovechen los avances de la industria y los mejoren. Un ejemplo es RoseTTAFold, un modelo desarrollado por científicos de la Universidad de Washington que se basa en el trabajo de DeepMind para predecir cómo se unen las proteínas entre sí, algo que el modelo original no podía hacer. Además, los académicos tienen más libertad para explorar problemas científicos más complejos y desafiantes que los que interesan a la industria. El informático recordó que, según un trabajo publicado en Nature en 2016, cerca del 70% de los científicos dijeron que no habían podido reproducir el experimento de otro científico, "pero a medida que la IA reduzca el costo y el esfuerzo de realizar experimentos, en algunos casos será más fácil replicar (o no replicar) los resultados, lo que contribuirá a una mayor confianza en la ciencia", opinó, y remarcó: "La clave para la replicabilidad y la confianza es la transparencia". El especialista recordó que para abordar los malos usos de la IA, tanto intencionales como no intencionales, necesitamos una regulación inteligente y bien informada, tanto en los gigantes tecnológicos como en los modelos de código abierto, que no impida usar la IA de formas que puedan ser beneficiosas para la ciencia. Si bien las empresas de tecnología han avanzado en la seguridad de la IA, los reguladores gubernamentales actualmente están lamentablemente mal preparados para promulgar leyes adecuadas y deberían tomar medidas más importantes para informarse sobre los últimos desarrollos, dijo. Como conclusión el experto consideró que aún resta un largo camino para que la IA sea adoptada en forma generalizada en la ciencia y deben hacerse avances sin fallas en varios aspectos, "desde construir las bases de datos correctas hasta implementar las regulaciones correctas, mitigar los sesgos en los algoritmos de IA para garantizar un acceso equitativo a través de las fronteras a recursos como cómputo y GPU".
Se necesitan regulaciones inteligentes
