“Un sistema de IA ya puede tener el mismo impacto positivo sobre la Ciencia que un premio Nobel”, VP de Google Mind

La investigación científica atraviesa una transformación marcada por el papel creciente de la inteligencia artificial. El ascenso de Pushmeet Kohli a la vicepresidencia de Ciencia e Iniciativas Estratégicas en Google DeepMind, el laboratorio de IA del grupo tecnológico estadounidense, simboliza este cambio de época.

Desde su despacho en Londres, Kohli coordina la agenda de uno de los equipos más influyentes en la ciencia computacional, donde proyectos como Alphafold han dado origen a hallazgos inéditos en biología molecular.

Cuál ha sido el impacto de Alphafold: de la predicción de proteínas al Nobel de Química

El impacto de Alphafold ha ido más allá del avance tecnológico. Estas reflexiones, expresadas por Kohli en una entrevista a El Mundo, destacando cómo la herramienta, que le valió el Nobel de Química a Demis Hassabis y John Jumper en 2024, ha permitido que millones de científicos predigan estructuras de proteínas complejas en cuestión de segundos, una tarea que antes suponía años de trabajo y grandes inversiones en investigación básica.

Según datos de Google DeepMind, más de 3,3 millones de personas han utilizado el sistema, con 82.000 usuarios españoles y más de 40.000 publicaciones científicas derivadas de sus predicciones.

Cómo decide DeepMind sus prioridades

Para Kohli, la clave reside en apostar por problemas transformadores, de alta dificultad y con disponibilidad de datos abundantes para entrenar los modelos. En su criterio, un proyecto entra en la agenda de DeepMind si puede cambiar radicalmente un campo científico y acelerar la resolución de retos complejos.

El caso de Alphafold ilustra ese enfoque: el algoritmo ha resuelto en segundos lo que antes requería años de laboratorios sofisticados y ensayos costosos para determinar la forma tridimensional de proteínas esenciales.

Por qué la IA está generando nuevos dilemas en la autoría y transparencia científica

La revolución que introduce la inteligencia artificial plantea nuevas preguntas en el entorno académico. Kohli ha reconocido que la IA no solo predice, sino que en ocasiones deduce reglas y estructuras biológicas que los seres humanos todavía no comprenden al detalle.

El ejecutivo de Google referenció como ejemplo la predicción de la estructura del complejo de control nuclear en células humanas, un hallazgo que amplió fronteras en biología celular.

Sin embargo, el carácter de “caja negra” de los modelos actuales (es decir, la ausencia de explicación clara sobre cómo el algoritmo llega a sus conclusiones) despierta interrogantes filosóficos y científicos sobre la validez, la verificación y la autoría del conocimiento generado.

Las aplicaciones ya se extienden a campos como la agricultura y la medicina de precisión. Investigadores de la Universidad de Michigan State, por ejemplo, emplearon Alphafold para analizar una enzima crucial en la fotosíntesis de plantas y anticipar su reacción ante el cambio climático.

Esta aproximación, al acelerar la comprensión de proteínas resistentes, podría facilitar la obtención de cultivos más adaptados a temperaturas elevadas, mostrando cómo la inteligencia artificial ayuda a abordar problemas globales urgentes que afectan a millones de personas.

Cuál es el futuro de la inteligencia artificial en el laboratorio

Kohli asegura que el futuro inmediato apunta a una integración más estrecha entre la inteligencia artificial y la experimentación. El desarrollo de Isomorphic Labs, una empresa derivada destinada al descubrimiento de fármacos, ejemplifica cómo los algoritmos van a reducir procesos de décadas a simples meses.

Aun así, Kohli subrayó que la IA no eliminará la necesidad del trabajo en laboratorio, sino que multiplicará los descubrimientos optimizando el número de experimentos.

El avance suscita un debate: el riesgo de que la automatización limite los descubrimientos accidentales que han sido claves en la historia de la ciencia. Kohli sostuvo que el incremento en el número de experimentos que permite la inteligencia artificial abre nuevas formas de casualidad beneficiosa para la innovación científica.

Las preocupaciones éticas y de responsabilidad también cobran protagonismo. el ejecutivo ha enfatizado la importancia de una gobernanza cuidadosa, de incentivar el uso ético de herramientas generativas y de identificar contenidos sintéticos, como las imágenes y videos generados por IA.

Ejemplos como la integración de marcas de agua invisibles en los contenidos digitales muestran cómo la tecnología puede reforzar la transparencia y ayudar a contrarrestar la manipulación.