La IA en la ciencia está dando un paso que parecía lejano: la llegada de investigadores virtuales capaces de desarrollar estudios completos sin intervención humana. Un sistema automatizado ya logró producir un artículo que cumple con estándares científicos, abriendo nuevas posibilidades… y también nuevas preocupaciones.
La idea es simple, pero poderosa: automatizar todo el proceso científico. Desde generar hipótesis hasta escribir resultados, la inteligencia artificial puede realizar tareas que antes requerían semanas o meses de trabajo humano.
IA en la ciencia: investigadores que trabajan solos
Un ejemplo reciente es el sistema desarrollado por la empresa Sakana.ai, capaz de crear investigaciones desde cero. Este modelo puede diseñar experimentos, ejecutar código y redactar artículos sin ayuda externa, incluso con su propio sistema de revisión por pares .
En pruebas iniciales, los resultados no fueron perfectos. Algunos trabajos presentaban errores, referencias limitadas o datos incorrectos. Aun así, el sistema logró completar todo el ciclo de investigación en apenas 3.5 horas, cuando a una persona le tomaría al menos 20 .
Más recientemente, uno de estos artículos generados por IA logró superar la revisión en un congreso especializado, demostrando que la tecnología está avanzando rápidamente.
Más rápido, pero ¿más confiable?
El potencial es enorme. La IA puede analizar miles de estudios en segundos, trabajar sin descanso y reducir costos de forma significativa. Esto podría acelerar descubrimientos científicos y hacer más eficiente la investigación.
Sin embargo, también existen riesgos. Expertos advierten que depender demasiado de estos sistemas podría generar un “monocultivo de la ciencia”, donde las ideas se vuelven limitadas y homogéneas .
Además, las llamadas “alucinaciones” (errores o datos inventados por la IA) siguen siendo un problema. Sin supervisión humana, estos fallos podrían pasar desapercibidos.
El mayor desafío, coinciden especialistas, no es tecnológico, sino humano: mantener el pensamiento crítico. Porque producir más conocimiento no siempre significa entender mejor el mundo.
Con información de DW.
