Una IA resuelve problemas en 22 campos científicos con soluciones que estaban a la vista de todos
INTELIGENCIA ARTIFICIAL / CIENCIA.
Investigadores apoyados por Claude y BootLoops elaboraron 36 prepublicaciones en tres meses, sobre temas que van de la lingüística a la política sanitaria.
Un análisis impulsado por inteligencia artificial del manuscrito Voynich, un libro del siglo XV lleno de escritura indescifrable, concluye que no contiene un mensaje oculto. / Crédito: Biblioteca de manuscritos y libros raros Beinecke/Universidad de Yale vía Wikimedia Commons.
El sistema de IA BootLoops, desarrollado con ayuda de Claude, ha permitido explorar problemas de 22 disciplinas. Los resultados muestran el potencial de combinar inteligencia artificial y conocimiento humano, aunque los investigadores advierten que los hallazgos necesitan evaluación externa y contexto científico.
La inteligencia artificial empieza a demostrar que su mayor contribución a la ciencia quizás no consista únicamente en resolver problemas imposibles, sino en hallar respuestas que llevaban años al alcance de los investigadores sin que nadie hubiese conectado las piezas necesarias. Un proyecto dirigido por el físico Matthew Schwartz, con ayuda del modelo de inteligencia artificial Claude y de la plataforma BootLoops, ha generado 36 manuscritos científicos en tres meses, con aplicaciones en ámbitos tan diversos como la lingüística, la ecología, la genética, la economía y las políticas sanitarias.
La iniciativa, que se describe en un artículo publicado en la revista Science, ilustra una nueva forma de investigación interdisciplinaria: utilizar herramientas matemáticas, algoritmos y técnicas informáticas ya conocidas para abordar preguntas que otras disciplinas todavía no habían conseguido resolver de manera satisfactoria.
Conectar conocimientos dispersos.
El proyecto nació en el terreno de la física matemática. Schwartz, investigador especializado en física teórica, recurrió a Claude para desarrollar herramientas capaces de reproducir cálculos complejos, escribir código y combinar métodos procedentes de distintas publicaciones científicas. De ese proceso surgió BootLoops, un conjunto de programas y protocolos de trabajo diseñado para que los modelos de lenguaje puedan realizar cálculos cuantitativos de manera más sistemática.
Según explica Schwartz en el blog científico de Anthropic, la clave estuvo en identificar problemas adecuados para las capacidades actuales de la inteligencia artificial. En lugar de exigirle que actuara como un científico humano en todos los aspectos, el investigador orientó el trabajo hacia tareas en las que los modelos destacan: procesar grandes cantidades de información, programar, aplicar herramientas matemáticas y detectar conexiones entre disciplinas.
Técnicas que funcionan en múltiples disciplinas.
La expansión llegó cuando el equipo descubrió que determinadas técnicas de la física podían utilizarse también en campos aparentemente alejados. Algunos cálculos matemáticos empleados para estudiar partículas pueden aplicarse, por ejemplo, a modelos estadísticos utilizados en genética de poblaciones, ecología o lingüística.
BootLoops reúne aplicaciones en 22 áreas científicas: Schwartz explica que los 36 manuscritos elaborados durante el período de tres meses abarcan 18 campos y cuentan con 19 coautores. Las cifras responden, por tanto, a dos referencias distintas: las áreas de aplicación del conjunto de herramientas y las disciplinas cubiertas por los trabajos producidos.
De la genética a la lingüística: la IA abre nuevas vías para resolver problemas científicos. / Crédito: Jackson Sophat en Unsplash.
De los bosques a los archivos lingüísticos.
Entre los ejemplos más llamativos figura la ecología: el equipo abordó una ecuación relacionada con la teoría neutral de la biodiversidad, un modelo que estudia hasta qué punto los cambios en los ecosistemas pueden explicarse mediante el azar. Según Schwartz, Claude logró resolver un problema computacional que llevaba dos décadas sin abordarse a esa escala. La colaboración posterior con especialistas permitió desarrollar un modelo predictivo más útil para estudiar las diferencias entre especies.
En genética de poblaciones, la investigación se extendió al análisis de miles de millones de pares de mutaciones cercanas en el genoma humano, utilizando datos del proyecto internacional 1000 Genomes. El trabajo encontró indicios relacionados con la conversión génica, un mecanismo que puede influir en la interpretación de la variación genética.
La lingüística fue otro campo abordado: con la colaboración de tres especialistas, Claude ayudó a reunir una base de datos sobre el acento de las palabras en 6.072 lenguas, acompañada de referencias bibliográficas y documentación de las fuentes consultadas. La tarea muestra cómo la IA puede reducir el tiempo necesario para recopilar información dispersa y hacerla accesible para nuevas investigaciones.
El proyecto también ha explorado la reproducción de resultados publicados en economía y métodos para analizar datos utilizados en políticas sanitarias y medioambientales.
La velocidad no sustituye a la verificación.
El alcance de estos avances exige, sin embargo, una lectura crítica. Los 36 manuscritos no equivalen a 36 descubrimientos definitivos, ni todos los resultados tienen la misma relevancia. Schwartz reconoce que, en muchos casos, las primeras respuestas de Claude eran técnicamente correctas, pero poco interesantes desde el punto de vista científico. La intervención de especialistas permitió identificar las preguntas importantes y orientar los análisis hacia resultados con mayor valor explicativo.
Además, los manuscritos y los resultados preliminares deben someterse a revisión, comprobaciones independientes y evaluación por expertos antes de considerarse conocimiento consolidado.
La principal aportación de BootLoops es ayudar a comprender que los sistemas de IA pueden colaborar en la superación de barreras entre disciplinas y aprovechar métodos que permanecían aislados en distintas comunidades académicas. En el marco de una ciencia cada vez más especializada, la inteligencia artificial puede actuar como puente entre conocimientos dispersos y ayudar a los científicos a hallar nuevas respuestas.
Por: Pablo Javier Piacente.
Sitio Fuente: Levante / Tendencias21