La inteligencia artificial está dejando de ser una simple herramienta auxiliar para convertirse en un colaborador activo dentro de los laboratorios científicos. Esa es la tesis central del último episodio del programa Inside Science de la BBC, donde Pushmeet Kohli, responsable de IA para la Ciencia en Google DeepMind, expuso ante el presentador Tom Whipple una visión provocadora: la ciencia tal y como la conocemos podría dejar de ser una actividad exclusivamente humana.
Durante la entrevista, Kohli defendió el papel de Co-Scientist, una herramienta de inteligencia artificial desarrollada por DeepMind concebida no como un sustituto del investigador, sino como un "colaborador en el laboratorio". Según explicó, el sistema es capaz de participar en el proceso de generación de hipótesis, revisión de literatura y diseño experimental, liberando a los científicos de tareas mecánicas y acelerando ciclos de investigación que tradicionalmente podían延长arse durante años. La idea de fondo es que, al asumir la IA el trabajo computacional pesado, el razonamiento creativo y la formulación de preguntas relevantes seguirán siendo dominio del ser humano, al menos a corto y medio plazo.
La conversación contó además con la participación de Clare Bryant, investigadora de la Universidad de Cambridge, que aportó una mirada complementaria desde las ciencias biomédicas. Bryant coincidió en el potencial transformador de estas herramientas, pero insistió en uno de los grandes retos pendientes: conseguir que la IA no solo funcione en tareas concretas y delimitadas, sino que logre trasladar su rendimiento al terreno, mucho más imprevisible, de la investigación científica abierta. La científica recordó que muchos modelos actuales fallan cuando se enfrentan a problemas para los que no fueron específicamente entrenados, lo que limita su utilidad en disciplinas donde la formulación misma del problema forma parte del hallazgo.
Esa advertencia enlaza con el núcleo del debate que plantea el episodio: los desafíos de construir una inteligencia artificial que realmente funcione en ciencia. Kohli reconoció que, pese a los avances recientes, todavía existen barreras técnicas importantes, desde la interpretabilidad de los modelos hasta la integración de datos heterogéneos o la capacidad de razonamiento causal. Sin embargo, se mostró convencido de que la tendencia es irreversible y de que los próximos años traerán sistemas cada vez más sofisticados, capaces de proponer experimentos originales y de identificar conexiones que pasarían desapercibidas para cualquier grupo humano.
El programa incluyó otros contenidos de interés. Steve Brusatte, profesor de Paleontología en la Universidad de Edimburgo, presentó su nuevo libro "The Story of Birds", un recorrido de 150 millones de años que traza la evolución de las aves desde pequeños dinosaurios emplumados hasta las especies actuales. La entrevista sirvió para ilustrar, precisamente, cómo la paleontología moderna combina técnicas tradicionales de excavación y análisis morfológico con herramientas computacionales avanzadas, incluida la inteligencia artificial, para reconstruir árboles filogenéticos y datar fósiles con una precisión antes impensable. En este sentido, la IA aparece menos como una amenaza y más como una prolongación natural del método científico.
Por su parte, la periodista científica Caroline Steel repasó algunos de los descubrimientos recientes que habían pasado desapercibidos en el ciclo informativo general. Aunque el contenido específico de su sección no se detalla en la ficha del episodio, la sección cumple con una función habitual en Inside Science: acercar al oyente avances significativos pero poco cubiertos por los medios generalistas, reforzando la idea de que la ciencia avanza a un ritmo mayor del que la opinión pública percibe.
Desde un punto de vista analítico, el episodio refleja una tensión que recorre actualmente a toda la comunidad científica. Por un lado, voces como la de Kohli defienden una integración profunda y acelerada de la IA en el flujo de trabajo investigador, argumentando que los beneficios en productividad y descubrimientos justifican el cambio. Por otro, investigadores como Bryant llaman la atención sobre los riesgos de depender de sistemas opacos, sobre las dificultades de reproducir resultados generados con ayuda algorítmica y sobre la necesidad de mantener el juicio crítico humano en la interpretación de los datos. Las dos posturas no son necesariamente contradictorias, pero sí ponen el acento en aspectos distintos: la primera en el potencial, la segunda en los límites.
En conclusión, el episodio de Inside Science deja una imagen nítida del momento que atraviesa la investigación científica. La inteligencia artificial ha dejado de ser un experimento de nicho para convertirse en infraestructura, y herramientas como Co-Scientist de DeepMind marcan el inicio de una nueva etapa en la que la frontera entre colaborador humano y máquina será cada vez más difusa. El reto inmediato no es tanto si la IA transformará la ciencia, cuestión que parece resuelta en sentido afirmativo, sino cómo garantizar que esa transformación preserve los estándares de rigor, transparencia y reproducibilidad que definen al método científico.