La IA ya propone las ideas de los científicos: el problema es quién va a saber cuándo se equivoca

Un martes lluvioso de julio, la bioquímica Anna Pertl escribió una pregunta, apretó Enter y se fue a dormir.

A la mañana siguiente, Co-Scientist , el sistema de Google que genera hipótesis científicas, había leído más de 700 papers, producido 108 estrategias contra la proteína MYC y descartado 107.

La que quedó daba vuelta lo que su laboratorio venía pensando.

El caso lo cuenta la revista Nature en su edición del 24 de septiembre, en un reportaje de Elie Dolgin sobre los “co-científicos” de IA.

MYC es una proteína que se descontrola en la mayoría de los cánceres y resistió décadas de intentos de ataque.

Pertl hace su doctorado en el Whitehead Institute, un centro de investigación biomédica de Cambridge, Massachusetts.

La propuesta de la máquina: en lugar de disolver los cúmulos de proteínas que activan el gen, pegarlos entre sí hasta que el ADN quede ilegible.

Es lo contrario de lo que persigue Dewpoint Therapeutics, la empresa que cofundó el propio jefe de Pertl, el biólogo Richard Young.

“Nunca habíamos pensado en nada parecido” , dijo su colega Kalon Overholt.

Hasta acá, la parte de la historia que llega a los titulares.

Falta la otra mitad.

La máquina solo funciona con un experto sentado al lado Antes de que Co-Scientist leyera un solo paper, Pertl y Overholt pasaron casi una hora corrigiéndolo.

El sistema había entendido la pregunta al revés: creyó que los cúmulos de proteínas eran el fármaco y no el blanco, y asumió que siempre activaban genes, cuando algunos hacen lo opuesto.

Sin esa hora, las 108 estrategias habrían respondido a un problema inexistente.