Una IA le tiró una idea loca a una bioquímica, le encantó, y después le arruinó la tesis con el presupuesto en la mano

El otro día una becaria me contaba que le había pedido ayuda a una inteligencia artificial para avanzar con su tesis y la IA, en lugar de simplificarle la vida, se la complicó un poco más. La historia le pasa a Anna Pertl, bioquímica del Whitehead Institute en Cambridge, Massachusetts, que está haciendo el doctorado sobre MYC, una proteína cuyo comportamiento se descontrola en la mayoría de los cánceres y a la que la ciencia lleva décadas, perdón, intentando doblegar sin demasiado éxito. Hace poco metió la cabeza en Co-Scientist, el sistema que armó Google para generar hipótesis científicas, y lo que pasó da para pensar.

Primero, la IA se hizo un lío

Antes de tirar ideas, Co-Scientist necesitó un correctivo. Pertl y su colega Kalon Overholt invirtieron casi una hora en enderezar dos lecturas equivocadas que tenía la herramienta: confundía los cúmulos de proteínas que tenían que ser el blanco del tratamiento con el propio fármaco, y además les asignaba a todos una función de activación de genes, cuando algunos hacen exactamente lo contrario. Básico, pero si no lo arreglaban a tiempo, el resto era inservible.

Una vez puesta en vereda, la cosa mejoró. Durante una noche el sistema masticó más de 700 estudios, soltó 108 estrategias y se quedó con una. La elegida tenía una vuelta de tuerta que los propios investigadores no habían contemplado: en lugar de tratar de desarmar los cúmulos de proteínas que activan el gen, proponía unirlos entre sí hasta impedir que el ADN se lea. Algo así como tapar la cerradura con tanto cinta adhesiva que la llave ya no entra ni a palos. Overholt lo dijo sin vueltas: "Nunca habíamos pensado en nada parecido".

Después llegó la realidad con los dólares en la mano

Hasta acá parecía un golazo. La euforia duró lo que tarda un paper en pasar de la pizarra al laboratorio. Semanas más tarde, cuando Pertl repitió la consulta sumando dos variables muy terrenales, el tiempo y el presupuesto reales de un doctorado promedio, Co-Scientist no encontró ni una hipótesis viable. Se quedó muda. Pasó de genio a mudanza sin colchón: la idea original era interesante, pero hacerla en serio costaba más plata y más años de los que tenía una beca de cuatro años.

Por qué la IA no pisa el laboratorio

El caso deja al descubierto la diferencia entre tener una buena idea y bancársela. Anton Sinitskiy, químico computacional de la Universidad Northeastern, lo resume así: generar hipótesis puede ser rápido, pero ponerlas a prueba sigue demandando meses y recursos que una computadora no fabrica. Ross King, biólogo computacional de la Universidad de Cambridge, fue más gráfico: los protocolos que arma la IA son "recetas", y nadie abre un restaurante de tres tenedores con la receta de un koktail de bodas.

Lo que sirve y lo que no de esta experiencia

• Sirve para barrer literatura y proponer ángulos nuevos que al equipo ni se le habían ocurrido.
• No sirve para reemplazar el ojo clínico sobre el planteo inicial: hubo que corregirla casi una hora antes de empezar.
• No sirve para planificar la ejecución real: el mismo sistema se quedó vacío cuando le metieron plazo y presupuesto.
• Sirve como brainstorming acelerado, pero ningún paper termina solo con eso.

Moraleja para el becario que esté leyendo esto con un mate al lado: tratá a la IA como ese compañero de oficina que sabe mucho pero nunca mandó un mail solo. Le pedís ideas, le pedís bibliografía, le pedís que te discuta una hipótesis. Pero no le delegues el final de la tesis, porque cuando le muestres la tarjeta de crédito, se va a quedar callado. Y si te seduce una propuesta brillante, sentate a calcular los dólares y los meses antes de festejar: en ciencia, lo que no se financia no existe.