La Inteligencia Artificial (IA), podría generar un nuevo Renacimiento o Ilustración, debido a la influencia positiva en la ciencia según Yann LeCun, quien es uno de los primeros promotores de la IA. Históricamente hablando, han existido transformaciones en la ciencia que comienzan con la aparición del método científico en el siglo XVII, con la posterior creación de las revistas científicas donde expertos compartieron conocimientos y descubrimientos que influyeron en la revolución científica. Más tarde la creación de laboratorios de investigación a finales del siglo XIX dio lugar a invenciones que van desde productos químicos, farmacéuticos hasta los semiconductores. En conjunto, todo se tradujo en un incremento de la productividad científica junto con la aparición de nuevos campos de investigación.

En el contexto actual, la IA abre un nuevo enfoque que promete revolucionar la forma de hacer ciencia a través del “Descubrimiento basado en la literatura” (LBD, por su sigla en inglés), una IA que tiene el fin de hacer descubrimientos científicos mediante el estudio y análisis de literatura científica (dato crucial 1).

Cargando la batería

Específicamente, en el campo de la ciencia de materiales, el uso de LBD está rindiendo frutos. Muestra de ello es la llamada "intuición química" que permite a LBD sugerir materiales con propiedades similares mediante el análisis y la extracción de información de la literatura científica en este área. En este contexto, la nota indica que el sistema LBD fue ocho veces más eficaz de lo que se tenía pronosticado.

De esta manera, la IA abre un nuevo abanico de posibilidades con cuestiones no estudiadas o no tomadas en cuenta por los científicos e investigadores. Inclusive, también se tomaron en cuenta los errores de LBD como área de oportunidad, tales como la tendencia a centrarse solo en los conceptos de los artículos pero ignorando a los autores; este tipo de error, llevó a crear un sistema LBD todavía más eficiente (40% más eficiente de acuerdo con la nota), puesto que después de realizar los ajustes necesarios, se consiguió que el sistema pudiera acelerar los descubrimientos en el corto plazo y rastrear los puntos ciegos que potencialmente pueden implicar nuevos descubrimientos.

Traducido en lo tangible, esto implica que un sistema LBD puede contribuir con la generación de nuevas hipótesis, y a la vez, ubicar a los expertos que pueden resultar en una colaboración, lo que significa que también pueden crearse puentes entre diferentes campos del saber. Algo que The Economist vaticina como un servicio de búsqueda de parejas científicas.

Estamos llenos de energía

LBD además de proporcionar IA a las investigaciones, tiene el potencial de automatizar con IA todo un laboratorio y llevar esta actividad hacia nuevas áreas de investigación, así como una nueva gestión para datos, artículos de investigación y patentes. Tal como la máquina Adam construida en 2009 por la Universidad de Aberystwyth en Gales, la cual realizó experimentos sobre la relación entre genes y enzimas en el metabolismo de la levadura, convirtiéndose en la primera máquina en descubrir nuevos conocimientos de forma autónoma. O su sucesor Eve, que realizó experimentos en el descubrimiento de fármacos mediante el proceso del aprendizaje automático con el fin de crear modelos matemáticos que relacionen las estructuras químicas con efectos biológicos (dato crucial 2).

Tal como sucede con los sistemas de IA construidos para juegos como el ajedrez, los cuales han avanzado más rápido de lo esperado y han derrotado a los mejores humanos en la materia mediante el uso de estrategias que no habían sido pensadas.

Los robots científicos también podrían transformar la ciencia con la resolución de los diversos problemas científicos. Esto es importante si se considera el estancamiento productivo de la ciencia debido a las dificultades y altos costos que existen en la frontera de conocimiento. En tal sentido, la IA podría influir en realizar los trabajos científicos de manera más rápida, barata y precisa, además de poder operar las 24 horas del día.

Otra de las premisas de la IA es la resolución del problema de la reproducibilidad, la cual refiere a una crisis metodológica en el campo de la investigación sobre aquellos trabajos que son difíciles de reproducir por otros autores, puesto que presentan varios enigmas ya sea por teorías no válidas o incluso fraudulentas. En este sentido y ante las presiones por mostrar resultados, se opta por pasar por alto este tipo de cuestiones sin verificar las fallas en los trabajos anteriores (dato crucial 2). La IA puede contribuir a realizar la tarea de verificación de las publicaciones con la identificación de resultados negativos en las pruebas o teorías que se han presentado. En conclusión, llevar a cabo esta automatización, reduciría el esfuerzo o "frustración" ante la aparición de resultados no esperados, a la vez que guiaría a los investigadores sobre las cosas que no deben hacer.

Funcionamiento automático

Pero como existen beneficios potenciales, también existen obstáculos, tales como la mejora en la infraestructura externa e interna de la IA, es decir la interoperabilidad entre lo físico y lo digital, tales como los sistemas de automatización de laboratorios y normas que permitan a la IA el intercambio e interpretación de información.

Otro obstáculo no menos importante es la poca familiaridad que existe por parte de la comunidad científica con la IA y el enigma de la eliminación de puestos de trabajo.

En suma, la IA podría cambiar la forma de trabajar la ciencia en todos los sentidos y los hechos históricos en este terreno lo respaldan.