OpenAI no busca crear una AGI. Asegúrate de que no dejemos de hablar de ella. Es el máximo exponente de la “productización” de la IA. Él y otros competidores se centran en ofrecer opciones llamativas que mejoren nuestra productividad pero no cambien el mundo. Eso es exactamente lo que algunas empresas están intentando hacer, destacando una en particular: DeepMind.
La IA que ayudó a la ciencia. En los últimos dos años, la industria de la tecnología se ha parecido a una competencia de fuegos artificiales. Cada pocos días o semanas, un nuevo modelo promete ayudarte a escribir mejores correos electrónicos, crear vídeos más realistas o tener conversaciones cada vez más humanas. El ciclo de la novedad suele ser efímero -las imágenes estilo Studio Ghibli fueron un buen ejemplo-, pero lejos de estos efectos «wow» existe una IA silenciosa que no pretende impresionar en las redes sociales sino ayudar a resolver problemas científicos que han bloqueado nuevos avances durante décadas.
el juego de pensar. El documental actual sobre DeepMind llamado “The Thinking Game” y disponible gratis en YouTube nos muestra exactamente el otro lado de la IA. Si bien el audio no está exento de la épica que ya vivimos con el documental “AlphaGo”, lo que nos cuenta sirve como recordatorio de esta dicotomía que vive la industria. A medida que la burbuja de la IA se infla en busca de rentabilidad inmediata, DeepMind parece haber conservado su espíritu original. Uno que no quiere utilizar la IA para imitar a los humanos, sino, en este caso, para descifrar el código de la biología.
Del Pong a AlphaFold. Este documental de 84 minutos cuenta la historia de DeepMind a través de la carrera de su cofundador Demis Hassabis. Este viaje es fascinante y nos muestra cómo la startup comenzó a desarrollar modelos de IA que aprendían por sí solos a jugar videojuegos retro como Pong o Breakout (Arkanoid), evolucionando gradualmente hacia desafíos mucho más ambiciosos. En particular, la capacidad de predecir la estructura de las proteínas mediante el aprendizaje profundo.
La IA puede transformar la ciencia. El desafío al que se enfrentaban los ingenieros de DeepMind parecía imposible. Predecir la estructura de estas proteínas era a menudo engañoso y requería una enorme potencia informática, pero con AlphaFold 1 (2018) y especialmente con AlphaFold 2 (2020), DeepMind logró resultados espectaculares. En 2021, la empresa publicó tanto el código fuente del proyecto como una base de datos que contiene la estructura de más de 200 millones de proteínas, a disposición de cualquier laboratorio o investigador. Fue un regalo absoluto para el mundo científico. Luego aparecería AlphaFold 3, más centrado en el desarrollo de fármacos y con un enfoque un poco más comercial.
Una IA ganadora del Premio Nobel. Dos de los premios Nobel de Química de 2024 trabajan en DeepMind. Se trata de Demis Hassabis y John M. Jumper, quienes recibieron el premio por sus contribuciones a la predicción de la estructura de las proteínas. Este trabajo con AlphaFold ha demostrado que la IA realmente puede contribuir al progreso científico y ha colocado a DeepMind más que nunca en el trono de este segmento.
Un enfoque radicalmente diferente. Es importante practicar la pedagogía aquí. Mientras que los LLM (grandes modelos de lenguaje como GPT-5) predicen la siguiente palabra más probable en una oración, la “IA para la ciencia” predice comportamientos físicos y químicos: mientras que los LLM pueden alucinar y mentir como si nada, la IA científica obedece las leyes de la física.
De la observación a la simulación. Tradicionalmente, el avance de la ciencia se producía a través de la observación, las hipótesis y la experimentación, que a menudo era lenta y costosa. La IA introduce una fase intermedia, una simulación masiva que actúa como catalizador de este proceso. Gracias a la IA, es posible eliminar millones de callejones sin salida antes de que el científico entre al laboratorio. DeepMind lo tiene tan claro que fundó Isomorphic Labs, una spin-off comercial dedicada exclusivamente a utilizar esta tecnología para descubrir nuevos fármacos.
DeepMind no está solo. Aunque la empresa cofundada por Demis Hassabis es el claro referente en este ámbito, también hay otros ejemplos que siguen el mismo camino:
- microsoft– En colaboración con PNNL (Laboratorio Nacional del Noroeste del Pacífico), se alcanzó un hito notable al filtrar 32 millones de materiales inorgánicos potenciales con IA y encontrar uno nuevo que puede reducir el consumo de litio en baterías en un 70%.
- CON: El reconocido instituto técnico utilizó modelos de aprendizaje profundo para descubrir Halicin, un antibiótico capaz de eliminar bacterias resistentes a todos los tratamientos conocidos.
- Nvidia: Además de dominar el mercado de chips de IA, la empresa también ha construido un “gemelo digital” de la Tierra llamado Earth-2. Sus modelos de IA (FourCastNet) predicen fenómenos meteorológicos extremos miles de veces más rápido y utilizan mucho menos que las supercomputadoras tradicionales.
La promesa (algo) cumplida. Casi desde que apareció ChatGPT, nos prometieron que la IA cambiaría el mundo. No ha logrado mucho por el momento, pero lo que DeepMind y otras empresas han logrado en el campo de la ciencia parecen representar verdaderas revoluciones. Recomiendo no perderse el documental: es fantástico.
En | Lo que dicen los pioneros de la IA hoy ganadores del Premio Nobel sobre la IA y sus riesgos
