¿Por qué la IA no puede generar conocimiento científico nuevo? Te lo contamos

¿Te imaginas un laboratorio del futuro dirigido completamente por inteligencias artificiales, sin un solo humano? Suena a película, pero con el avance de modelos como GPT y Gemini, la idea de que los científicos IA puedan tomar el control ha dejado de ser solo ciencia ficción. Sin embargo, antes de que empieces a preocuparte por el futuro de tu carrera en STEM, un estudio contundente de las universidades de Oxford y Utah State viene a dar un giro al debate.

Esta investigación se adentra en los límites de la IA y explica por qué, a pesar de su poder para procesar información, su papel como generadora de conocimiento genuino tiene un techo de cristal. En esta nota, desglosamos por qué la creatividad científica humana sigue siendo irreplicable, cómo el razonamiento causal es la gran barrera para las máquinas y por qué la IA, por ahora, es la herramienta de apoyo perfecta, pero no el cerebro maestro.

El cerebro que solo sabe de pasado: La IA como enciclopedia, no como genio

El estudio es claro: los actuales modelos de lenguaje, por más impresionantes que sean, funcionan como sistemas de predicción estadística. Su trabajo es encontrar patrones en los datos existentes y generar respuestas probables. No “entienden” el mundo; lo imitan.

• Dependencia total de datos: A diferencia de un investigador humano, que puede formular una hipótesis loca con muy poca información, la IA depende al 100% de los datos con los que fue entrenada. Si esa información es incompleta, sesgada o errónea, la IA reproducirá esos mismos errores.
• El Ejemplo de Galileo: Los investigadores ponen un caso hipotético brillante. Si entrenáramos a una IA con todos los textos científicos previos a 1633, su conclusión sería que el Sol gira alrededor de la Tierra. Nunca se le ocurriría desafiar el consenso, como sí lo hizo Galileo. La IA reproduce; el científico innova.

También te puede interesar: Paul McCartney y su ‘tema silencioso’: ¿Por qué el silencio es su protesta más fuerte contra la IA?

Este es el corazón del problema para crear verdaderos científicos IA: la verdadera ciencia no se trata solo de analizar lo que ya se sabe, sino de imaginar lo que podría ser, incluso si contradice la evidencia inicial. La capacidad de formulación de hipótesis disruptivas es un territorio puramente humano.

Intuición vs. Algoritmo: ¿Quién decide qué buscar?

Aquí está otra de las limitaciones de la IA más grandes. La investigación señala que “el mundo no es una base de datos”. Los seres humanos tomamos decisiones en entornos cambiantes, con información incompleta y llena de incertidumbre. La IA, en cambio, necesita un conjunto de datos claro y definido para funcionar.

La intuición humana y la curiosidad son las que guían la pregunta científica inicial. ¿Qué experimento hacer? ¿Qué dato buscar cuando no sabes lo que estás buscando? Un científico IA no puede determinar por sí mismo qué es lo interesante o relevante investigar. Su función se centra en el análisis de datos una vez que los humanos han definido el problema y la metodología.

Piensa en los hermanos Wright. La ciencia de su época decía que volar en un artefacto más pesado que el aire era inviable. Pero ellos usaron el pensamiento crítico, la experimentación y la imaginación para lograr lo “imposible”. Ese salto conceptual, esa ruptura con lo establecido, es algo que ningún algoritmo puede programar… por ahora.

Socios, no suplentes

Esto no significa que la IA no sirva para la ciencia. Al contrario, es una herramienta de apoyo increíblemente poderosa para acelerar el análisis de datos, simular escenarios o revisar literatura. El futuro no es de la IA contra los científicos, sino de científicos aumentados por la IA. La combinación del pensamiento crítico humano y el poder de procesamiento de las máquinas es la fórmula ganadora para los descubrimientos del mañana.