Un grupo multidisciplinario de investigación, compuesto por expertos de Google y la Universidad de Harvard, ha desarrollado una innovadora inteligencia artificial llamada ERA (Asistente de Investigación Empírica). Este sistema es capaz de crear software científico de manera automática, logrando superar el rendimiento de programas desarrollados por humanos en diversas pruebas. Este avance fue detallado en la prestigiosa revista científica Nature y se presenta como una solución que podría transformar la forma en que se diseñan herramientas para la investigación científica, reduciendo el tiempo requerido de meses o incluso años a solo horas o días.
La validación de este sistema se ha llevado a cabo en áreas críticas como la salud y la biología. Un ejemplo destacado es la capacidad de ERA para generar 14 modelos predictivos para hospitalizaciones por COVID-19, los cuales demostraron un rendimiento superior al de los modelos más efectivos utilizados por los Centros para el Control y la Prevención de Enfermedades de Estados Unidos durante la crisis sanitaria. Este resultado subraya la potencialidad de la inteligencia artificial para contribuir en momentos de emergencia, donde la rapidez y precisión en las predicciones son fundamentales para la toma de decisiones.
Otra de las pruebas realizadas por ERA involucró la identificación de cuatro nuevos métodos para integrar conjuntos de datos de secuenciación de ARN de célula única. En esta ocasión, los resultados obtenidos fueron superiores a los enfoques convencionales diseñados por especialistas en el área. Este tipo de hallazgos no solo demuestra la eficacia de la IA en el análisis de datos complejos, sino que también abre nuevas vías para la investigación biológica y médica, donde la integración de datos es crucial para un análisis más profundo.
La dirección del proyecto estuvo a cargo de Michael Brenner, profesor de Matemáticas Aplicadas y Física en la Escuela de Ingeniería y Ciencias Aplicadas John A. Paulson de Harvard, junto con Shibl Mourad de Google DeepMind. Ambos investigadores han señalado que ERA fue concebido como un “software empírico”, diseñado específicamente para optimizar su rendimiento en tareas científicas concretas. Esta propuesta se enmarca dentro de un contexto más amplio, donde se han logrado avances significativos en campos como la química, respaldados por recientes premios Nobel que destacan la importancia del software especializado en la investigación científica.
Uno de los principales obstáculos que enfrenta la creación de software especializado es el tiempo que requiere la intervención humana para probar, corregir y perfeccionar el código. Este proceso es intensivo y, a menudo, puede llevar años antes de que un programa alcance su máximo potencial. Con la llegada de ERA, se busca eliminar este cuello de botella, automatizando el ciclo completo de diseño y perfeccionamiento del software científico, lo que podría cambiar drásticamente la forma en que los investigadores abordan sus proyectos.
La inteligencia artificial combina el modelo de lenguaje Gemini de Google con una estrategia de búsqueda optimizada, lo que le permite explorar y ajustar miles de fragmentos de código a una velocidad y escala que superan las capacidades de un investigador individual. Este proceso comienza con un código base relacionado con un problema específico, a partir del cual ERA puede proponer modificaciones, ya sea añadiendo nuevos componentes o reemplazando algoritmos. El objetivo es siempre mejorar métricas predefinidas, como la precisión en la predicción de la propagación de enfermedades o la capacidad para predecir estructuras proteicas a partir de secuencias de aminoácidos.
El sistema no opera de manera aislada; puede incorporar información de artículos científicos o textos que el usuario le proporcione, así como recuperar información relevante por su cuenta. Esto no solo amplía su capacidad de aprendizaje, sino que también lo convierte en una herramienta valiosa para investigadores que buscan mejorar sus propios modelos a partir de la vasta cantidad de conocimiento disponible en la literatura científica. En resumen, ERA representa un avance significativo en el uso de la inteligencia artificial en la investigación científica, ofreciendo un futuro prometedor para la salud y la biología.
