Alessandra Buccella*
- Por un lado, los sistemas de IA pueden procesar vastos conjuntos de datos y detectar correlaciones sutiles que los humanos son incapaces de detectar, pero falta razonamiento sensato.
En consonancia con la tendencia general de incorporar la inteligencia artificial en casi todos los campos, investigadores y políticos utilizan cada vez más modelos de IA entrenados con datos científicos para inferir respuestas a preguntas científicas. Pero ¿puede la IA finalmente reemplazar a los científicos?
El 24 de noviembre de 2025, la administración Trump firmó una orden ejecutiva que anunció la Misión Génesis, una iniciativa para construir y entrenar una serie de agentes de IA con conjuntos de datos científicos federales “para probar nuevas hipótesis, automatizar los flujos de trabajo de investigación y acelerar los avances científicos”.
Hasta ahora, los logros de estos supuestos científicos de IA fueron desiguales. Por un lado, los sistemas de IA pueden procesar vastos conjuntos de datos y detectar correlaciones sutiles que los humanos son incapaces de detectar. Por otro lado, su falta de razonamiento sensato puede resultar en recomendaciones experimentales poco realistas o irrelevantes.
Si bien la IA puede ayudar en tareas que forman parte del proceso científico, aún está lejos de automatizar la ciencia, y es posible que nunca lo logre. Como filósofo que estudia tanto la historia como los fundamentos conceptuales de la ciencia, veo varios problemas en la idea de que los sistemas de IA puedan “hacer ciencia” sin humanos o incluso mejor que ellos.
Los modelos de IA solo pueden aprender de los científicos humanos
Los modelos de IA no aprenden directamente del mundo real: sus diseñadores humanos deben “informarles” sobre cómo es el mundo. Sin científicos humanos que supervisen la construcción del “mundo” digital en el que opera el modelo (es decir, los conjuntos de datos utilizados para entrenar y probar sus algoritmos), los avances que la IA facilita no serían posibles.
Considere el modelo de IA AlphaFold. Sus desarrolladores recibieron el Premio Nobel de Química 2024 por su capacidad para inferir la estructura de las proteínas en las células humanas. Dado que muchas funciones biológicas dependen de las proteínas, la capacidad de generar rápidamente estructuras proteicas para probarlas mediante simulaciones tiene el potencial de acelerar el diseño de fármacos, rastrear el desarrollo de enfermedades y avanzar en otras áreas de la investigación biomédica.
Sin embargo, por muy práctico que parezca, un sistema de IA como AlphaFold no proporciona por sí solo nuevos conocimientos sobre proteínas, enfermedades o fármacos más eficaces. Simplemente permite analizar la información existente con mayor eficiencia.
Como lo expresó la filósofa Emily Sullivan, para tener éxito como herramientas científicas, los modelos de IA deben mantener un fuerte vínculo empírico con el conocimiento ya establecido. Es decir, las predicciones que realiza un modelo deben basarse en lo que los investigadores ya saben sobre el mundo natural. La solidez de este vínculo depende de la cantidad de conocimiento disponible sobre un tema determinado y de la eficacia con la que los programadores del modelo traducen conceptos científicos altamente técnicos y principios lógicos al código.
AlphaFold no habría tenido éxito si no fuera por el conjunto de conocimientos generados por humanos sobre las estructuras de las proteínas que los desarrolladores utilizaron para entrenar el modelo. Y sin científicos humanos que aportaran una base de conocimiento teórico y metodológico, nada de lo que AlphaFold crea constituiría progreso científico.
La ciencia es una actividad exclusivamente humana
Pero el papel de los científicos en el proceso de descubrimiento y experimentación científica va más allá de garantizar que los modelos de IA estén correctamente diseñados y anclados al conocimiento científico existente. En cierto sentido, la ciencia, como logro creativo, deriva su legitimidad de las capacidades, valores y formas de vida humanas. Estos, a su vez, se fundamentan en las formas únicas en que los seres humanos piensan, sienten y actúan.
Los descubrimientos científicos son más que simples teorías respaldadas por evidencia: son el producto de generaciones de científicos con diversos intereses y perspectivas, que trabajan juntos mediante un compromiso común con su oficio y honestidad intelectual. Los descubrimientos científicos nunca son producto de un solo genio visionario.
Por ejemplo, cuando los investigadores propusieron por primera vez la estructura de doble hélice del ADN, no existían pruebas empíricas capaces de verificar esta hipótesis; se basaba en la capacidad de razonamiento de expertos altamente capacitados. Se necesitó casi un siglo de avances tecnológicos y varias generaciones de científicos para pasar de lo que parecía pura especulación a finales del siglo XIX a un descubrimiento galardonado con el Premio Nobel en 1953.
En otras palabras, la ciencia es una empresa claramente social, en la que se discuten ideas, se ofrecen interpretaciones y los desacuerdos no siempre se resuelven. Como han señalado otros filósofos de la ciencia, los científicos se asemejan más a una tribu que a simples receptores pasivos de información científica. Los investigadores no acumulan conocimiento científico registrando hechos, sino que lo crean mediante la práctica experta, el debate y estándares consensuados, fundamentados en valores sociales y políticos.
La IA no es un científico
Creo que la potencia computacional de los sistemas de IA puede utilizarse para acelerar el progreso científico, pero solo si se hace con cuidado.
Con la participación activa de la comunidad científica, proyectos ambiciosos como la Misión Génesis podrían resultar beneficiosos para los científicos. Unas herramientas de IA bien diseñadas y rigurosamente entrenadas facilitarían, e incluso acelerarían, las partes más mecánicas de la investigación científica. Estas herramientas recopilarían información sobre lo que se ha hecho en el pasado para facilitar el diseño de futuros experimentos, la recopilación de mediciones y la formulación de teorías.
Pero si la visión que guía la implementación de modelos de IA en la ciencia es reemplazar a los científicos humanos o automatizar completamente el proceso científico, creo que el proyecto solo convertiría la ciencia en una caricatura de sí misma. La existencia misma de la ciencia como fuente de conocimiento fiable sobre el mundo natural depende fundamentalmente de la vida humana: objetivos, experiencias y aspiraciones compartidas.
*Alessandra Buccella es profesora adjunta de Filosofía en la Universidad de Albany, Universidad Estatal de Nueva York.
Este texto fue publicado originalmente en The Conversation
