La IA de Google le tiró una idea contra el cáncer a dos becarios y, cuando le pusieron los dólares sobre la mesa, se quedó callada

El sistema le había propuesto a dos investigadores una estrategia que nunca se les había ocurrido para atacar una proteína clave en el cáncer. La alegría duró hasta que le contaron cuánto dinero y cuánto tiempo tenían para llevarla al laboratorio. Ahí, la inteligencia artificial de Google se quedó sin respuestas.

La historia empieza con Anna Pertl, bioquímica que hace su doctorado en el Whitehead Institute, en Cambridge, Massachusetts. Para una becaria santiagueña que sueña con investigar el cáncer, pensar en MYC es como pensar en el motor averiado de un auto: en la mayoría de los tumores ese motor está revolucionado, y desde hace décadas los científicos buscan cómo frenarlo. Sobre esa proteína, ensayar fármacos es una apuesta de alto riesgo.

El primer round: una hipótesis que los dejó pensando

Pertl y su colega Kalon Overholt cargaron el problema en Co-Scientist, la herramienta de Google pensada para generar hipótesis científicas. Antes de empezar a trabajar, tuvieron que dedicar casi una hora a corregirle el examen al sistema: la IA confundía los cúmulos de proteínas que había que atacar con el propio fármaco, y les asignaba siempre una función de activación de genes cuando algunos hacen exactamente lo contrario. Es como si un mecánico te dijera que el problema del auto es el acelerador, pero a veces te está hablando del freno.

Una vez encaminada, la herramienta procesó durante una noche más de 700 estudios académicos, barajó 108 estrategias distintas y se quedó con una sola. La idea era osada: en lugar de intentar deshacer los cúmulos de proteínas que activan el gen, había que pegarlos entre sí hasta bloquear la lectura del ADN. Overholt lo resumió con una frase: "Nunca habíamos pensado en nada parecido".

El segundo round: con presupuesto de doctorado, no hay plan

Semanas más tarde llegó la prueba de fuego. Pertl volvió a cargar el mismo problema, pero esta vez le agregó al pedido los límites reales de su beca doctoral: tiempo acotado y dinero contado. El resultado fue demoledor: Co-Scientist no ofreció ninguna hipótesis viable. La diferencia entre las dos corridas fue apenas el contexto, y eso basta para cambiar todo el menú.

El químico computacional Anton Sinitskiy, de la Universidad Northeastern, lo explica con una metáfora de oficina: armar el plan en una servilleta puede llevar diez minutos, pero ejecutarlo lleva diez meses. Ross King, biólogo computacional de la Universidad de Cambridge, coincide y aporta una imagen más dura: los protocolos que arma la IA funcionan como "recetas" de cocina, pero sin el cocinero que interprete los tiempos y los ingredientes.

El caso deja al descubierto tres tareas en las que la inteligencia artificial todavía no puede reemplazar al investigador: definir bien el problema, revisar lo que propone y, sobre todo, decidir si el experimento se puede pagar y terminar a tiempo. Generar hipótesis es la parte barata del trabajo de laboratorio; comprobarlas, la cara. Por ahora, la IA sabe soñar, pero todavía no sabe presupuestar.