Cuando la inteligencia artificial se pone la bata

La ciencia es una actividad característicamente humana. Es un esfuerzo colectivo de curiosidad, creatividad e imaginación que nos ayuda a comprender el mundo. Los grandes descubrimientos científicos los han hecho personas observadoras, capaces de proponer hipótesis y reflexionar críticamente. Sin embargo, el uso de la inteligencia artificial (IA) en la investigación científica está produciendo avances tan importantes que nos obligan a preguntarnos hasta qué punto descubrir seguirá siendo una tarea exclusivamente humana.

Las máquinas son fundamentales para el avance científico. Gracias a ellas podemos observar lo más pequeño, explorar lo más lejano y simular fenómenos complejos con gran precisión. En los últimos años, los instrumentos con los que llevamos a cabo nuestro trabajo, especialmente las grandes infraestructuras científicas, generan tal cantidad de información que la inteligencia artificial se ha convertido en una herramienta indispensable para analizar los resultados de nuestros experimentos, identificar patrones en enormes bases de datos y revisar una literatura científica cada vez más extensa.

La incorporación de la inteligencia artificial a la investigación ha transformado profundamente la forma en la que hacemos ciencia. En los últimos años, gracias a ella se han logrado avances notables en prácticamente todos los campos. Por ejemplo, en la exploración espacial, redes neuronales como ExoMiner se han utilizado para analizar los datos del telescopio Kepler, lo que ha permitido descubrir cientos de exoplanetas. Pero las herramientas actuales van mucho más allá de analizar grandes cantidades de información. Plataformas como AlphaFold, nos permiten predecir la estructura tridimensional de cualquier proteína a partir de su secuencia de aminoácidos. Esto, que hasta hace apenas unos años era literalmente imposible, se ha convertido en una herramienta fundamental en el descubrimiento de nuevos fármacos. En este sentido, un equipo de científicos de Estados Unidos y Canadá ha identificado mediante inteligencia artificial un nuevo antibiótico, la abaucina, que es capaz de erradicar una de las superbacterias que la Organización Mundial de la Salud ha identificado como una amenaza crítica para la que no teníamos ningún tratamiento disponible.

Siendo todo esto muy importante, la verdadera revolución de la IA no consiste en ayudarnos a hacer ciencia. Lo extraordinario es que la IA ha empezado a generar conocimiento de manera autónoma. Plataformas como Co-Scientist, desarrollada por Google, van mucho más allá de procesar información: plantean hipótesis, planifican experimentos, los ejecutan mediante robots, interpretan los resultados y extraen conclusiones. Un ejemplo en este sentido es el trabajo que hace poco han presentado investigadores de la Universidad Carnegie Mellon, en EE. UU. en el que las máquinas diseñan y realizan experimentos de manera completamente autónoma usando instrucciones en lenguaje natural. De forma similar, en la Universidad de Liverpool, un robot desarrollado por el equipo de Andrew Cooper, utiliza inteligencia artificial para diseñar sus propios experimentos, ejecutarlos y aprender de ellos. De esta manera en apenas 5 días descubrió un nuevo catalizador para la producción de hidrógeno verde. Y Omar Yaghi, galardonado el 8 de octubre de 2025 con el Premio Nobel de Química junto a Susumu Kitagawa y Richard Robson por el desarrollo de las estructuras metal–orgánicas (MOF), ha co-desarrollado un sistema de inteligencia artificial llamado “GPT-4 Reticular Chemist”, que utiliza el popular GPT para descubrir y preparar nuevos MOFs.

Por primera vez, las máquinas no solo nos ayudan a hacer ciencia: la están haciendo. Y aunque aún no comprenden el significado de sus propios descubrimientos, porque su razonamiento interno sigue siendo, en gran medida, una “caja negra” que identifica correlaciones en los datos sin construir modelos comprensibles del mundo, existen importantes esfuerzos para que pronto sean capaces de hacerlo. Disponer de sistemas explicables lo cambiaría todo porque nos permitiría entender y aprender de cómo piensan las máquinas.

Estas posibilidades nos obligan a hacer una reflexión crítica porque la aplicación de la IA en la investigación plantea desafíos éticos importantes. Como hemos conocido recientemente, existe una verdadera carrera por el desarrollo y control de nuevas sustancias tóxicas mediante el uso de la IA. No menos preocupante es la capacidad de estas inteligencias para generar contenido persuasivo que se está utilizando para manipular la opinión pública o incluso la narrativa científica. Asimismo, la concentración de herramientas avanzadas en pocas manos podría monopolizar el descubrimiento científico.Y obviamente los sistemas automatizados podrían desplazar proyectos basados en la reflexión, la creatividad y el pensamiento crítico, limitando la innovación realmente disruptiva.

Para enfrentar estos desafíos, necesitamos guías éticas claras que nos permitan aprovechar el potencial de la IA de forma responsable.Por ejemplo, es necesario documentar los datos, los algoritmos y los procesos, de modo que cualquier investigador pueda comprender y reproducir los hallazgos de otros. No basta con generar resultados: estos deben someterse a validación y estar revisados por científicos que aseguren su rigor y reproducibilidad. La supervisión debe ser eficaz y dinámica, es decir, debe ser capaz de anticipar riesgos y ajustar las normas conforme evoluciona la tecnología. También es esencial establecer normas claras de atribución y propiedad intelectual, para reconocer la contribución de la IA y diferenciarla del trabajo humano. Al mismo tiempo, debemos fomentar la investigación más significativa, apoyando proyectos realmente transformadores en vez de avances incrementales. Y en el centro de todo debe estar la educación de los científicos del futuro no solo en las posibilidades que ofrece la IA sino también en pensamiento crítico y principios éticos. La ciencia del futuro debe construirse sobre bases sólidas y resultados reproducibles y accesibles, fomentando infraestructuras e instrumentos abiertos que eviten depender de unos pocos modelos centralizados.

La IA refleja nuestras capacidades y fortalezas, pero también nuestros sesgos y limitaciones. Nos recuerda que la ciencia no es solo acumulación de datos: es la mejor manera que tenemos de entender el mundo y de hacer frente a los retos que tenemos por delante. Hasta ahora, la ciencia había sido una de las tareas más propiamente humanas. La pregunta no es cómo la IA está cambiando la ciencia, sino cómo elegimos que lo haga. Esa decisión dependerá de nuestra capacidad para combinar inteligencia y ética, de llegar a acuerdos y de nuestra capacidad de hacerlos cumplir. Solo así el conocimiento será patrimonio de todos y la ciencia un bien público.

Por Javier García Martínez, catedrático de Química Inorgánica de la Universidad de Alicante y miembro del Consejo Mundial de Ciencia