Co-Scientist, la IA de Google que promete hipótesis y se topa con la realidad de un doctorado sin presupuesto

¿Una inteligencia artificial capaz de proponer ideas nuevas en un laboratorio? Suena a película. Pero cuando una investigadora argentina le puso los números reales de su beca al sistema de Google, la magia se evaporó más rápido que un presupuesto de doctorado.

La protagonista de esta historia es Anna Pertl, bioquímica que cursa su doctorado en el Whitehead Institute, en Cambridge, Massachusetts. Le hizo una consulta a Co-Scientist, la herramienta de Google diseñada para generar hipótesis científicas, sobre MYC, una proteína que funciona mal en la mayoría de los cánceres y contra la que se viene peleando desde hace décadas sin mucho éxito. Sigla mediante: MYC es como la persona del pueblo que organiza todos los asados y termina prendiendo fuego el quincho cuando se descontrola. Si la sacás de circulación, se calma la fiesta, pero también queda todo parado.

¿Qué pasó cuando la IA se puso a pensar?

Antes de soltarle el problema, la investigadora y su colega Kalon Overholt dedicaron casi una hora a corregirle el libreto. La herramienta confundía los cúmulos de proteínas que tenían que ser el blanco con el propio fármaco, y les asignaba siempre una función de activación de genes, cuando en realidad algunos hacen lo contrario: desactivan. Error conceptual básico, el mismo que comete alguien que cree que el termo y el mate son lo mismo.

Una vez reencauzada, la IA trabajó durante una noche entera, masticó más de 700 estudios, escupió 108 estrategias y se quedó con una sola. La propuesta era unir entre sí los cúmulos de proteínas que activan el gen hasta impedir la lectura del ADN, en vez de buscar disolverlos, que era el enfoque clásico. Overholt lo resumió con una frase que lo dice todo: "Nunca habíamos pensado en nada parecido".

¿Por qué la originalidad no alcanzó para pasar de la pantalla al laboratorio?

• Sin restricciones, la IA propuso una estrategia inédita que sorprendió a los investigadores.
• Al repetir la consulta con los tiempos y el dinero de una beca doctoral típica, el sistema no encontró ninguna hipótesis viable.
• La generación de ideas puede ser rápida, pero comprobarlas sigue demandando meses de trabajo en el banco del laboratorio.
• Los protocolos que arma la IA funcionan como "recetas" generales, no como instrucciones listas para ejecutar.
• Tres tareas siguen dependiendo de humanos especializados: definir bien el problema, revisar las ideas y decidir si los experimentos entran en el presupuesto.

Anton Sinitskiy, químico computacional de la Universidad Northeastern, lo planteó con claridad: producir hipótesis puede ser cuestión de horas, pero testearlas es otra historia. Ross King, biólogo computacional de la Universidad de Cambridge, coincidió y agregó que los protocolos generados por IA son útiles como guía, pero no como sustitutos del criterio de un investigador.

El caso deja una lección incómoda para quien sueñe con apretar un botón y tener el paper listo: la inteligencia artificial puede abrir caminos que la cabeza humana no había explorado, pero todavía no sabe lo que es ganarse la vida con una beca que apenas cubre los reactivos. La herramienta sirve, pero el laboratorio sigue siendo un taller artesanal con mesada, pipetas y paciencia. Mientras tanto, seguimos esperando la fibra.