La IA le tiró un pase a una científica del MIT y el presupuesto lo dejó en el mostrador

¿Puede una inteligencia artificial pensando como una becaria de doctorado? Sí, en teoría. ¿Puede hacer lo mismo con plata para un café con medialunas? Ahí la cosa cambia, y un grupo del Whitehead Institute lo comprobó en carne propia.

La bioquímica Anna Pertl está haciendo su doctorado en ese instituto de Cambridge, Massachusetts, y decidió poner a prueba a Co-Scientist, el sistema de Google que se anima a proponer hipótesis científicas. El blanco elegido fue la proteína MYC, involucrada en la mayoría de los cánceres y un hueso duro de roer desde hace décadas.

Un ida y vuelta que arrancó torcido

Como cuando le explicás a alguien cómo llegar a tu casa y te dice que sí mientras va para el lado contrario, Co-Scientist arrancó confundiendo dos cosas básicas: tomaba al fármaco como blanco en vez de los cúmulos de proteínas, y les asignaba siempre una función activadora cuando algunas hacen exactamente lo opuesto. Corregir eso les llevó a Pertl y a su colega Kalon Overholt casi una hora de ida y vuelta.

Con el planteo ya afinado, la herramienta se tomó una noche entera, revisó más de 700 estudios, masticó 108 estrategias y se quedó con una sola. La idea era tan rara como llamativa: en vez de desarmar los cúmulos de proteínas que activan el gen MYC, había que pegarlos entre sí hasta tapar la lectura del ADN. Overholt lo resumió así:

Nunca habíamos pensado en nada parecido.

El presupuesto manda

Entonces llegó el momento de la verdad, el del laboratorio, donde las hipótesis pelean contra los tubos de ensayo y la tarjeta de crédito. Pertl repitió la consulta, esta vez con las restricciones reales de un doctorado: tiempo acotado, plata para hacer unas pocas pruebas y nada más. Resultado: cero propuestas viables.

El químico computacional Anton Sinitskiy, de la Universidad Northeastern, lo puso en palabras simples: generar ideas puede ser cuestión de minutos, pero comprobarlas sigue siendo cuestión de meses. Su colega Ross King, biólogo computacional de la Universidad de Cambridge, coincidió y agregó que los protocolos que arma la IA son más bien recetas, útiles como punto de partida pero lejos de un plan ejecutable.

• Generar hipótesis con IA puede ser rápido y hasta sorprender.
• Definir bien el problema sigue siendo trabajo humano ineludible.
• Validar en el laboratorio exige presupuesto, tiempos y manos que la IA todavía no resuelve.

El episodio deja una imagen bastante clara: la inteligencia artificial puede servir como cerebro extra en la mesada de la ciencia, pero todavía se choca con la parte más terrenal del trabajo, esa que un becario del Conicet o del MIT conoce bien, como cuando ves un gol en la tribuna pero no te alcanza el bondi para llegar a la cancha. Si te sirve, probalo, con la cautela de quien sabe que la última palabra la tiene el laboratorio.