Teníamos un trato: la IA iba a revolucionar toda clase de campos, de la ingeniería a la carrera espacial y, por supuesto, la medicina. Pero mientras las valoraciones bursátiles de las compañías tecnológicas alcanzan cifras récord, la comunidad científica enfrenta el reto de traducir el procesamiento de datos masivos disponible hoy en nuevas medicinas y tratamientos específicos.
Esto se debe a una mezcla de estrategia comercial y choque de realidad tecnológica. Es una deuda que las compañías de IA empiezan a reconocer. Figuras como Sam Altman de OpenAI o Dario Amodei de Anthropic presentan escenarios en los que la automatización elimina la escasez, mientras advierten de riesgos existenciales derivados de sus propios desarrollos. Eso erosiona la legitimidad de las herramientas de IA ante la opinión pública y ha causado un rechazo que, aunque incipiente, ya ha dado lugar a hechos de violencia.
La gente percibe la amenaza próxima y concreta de la IA pero sus beneficios más espectaculares no se han materializado. Según datos de Anthropic, la IA tiene el potencial de desplazar el 50 por ciento de los puestos administrativos de nivel inicial en el próximo lustro. A esto se suma la advertencia de Greg Brockman, presidente de OpenAI, sobre la concentración de capital y las cifras de consumo energético y uso de agua.
No es que no haya resultados verificables de la capacidad de la IA. Un equipo del MIT liderado por James Collins emplea modelos de aprendizaje profundo para analizar bibliotecas de compuestos químicos con una velocidad inalcanzable mediante métodos tradicionales.
Mediante el entrenamiento de algoritmos en el reconocimiento de patrones, los investigadores procesaron 45 millones de estructuras químicas y hallaron dos candidatos que mostraron eficacia contra Neisseria gonorrhoeae resistente y Staphylococcus aureus multirresistente (MRSA).
Sin embargo, la eficacia demostrada en la búsqueda de antibióticos no es directamente escalable a patologías complejas como el Parkinson o como el cáncer. No es posible entrenar un modelo para buscar una solución si no se han definido correctamente las variables biológicas que causan el trastorno y eso reduce la función de la IA a una herramienta de apoyo en la investigación básica en lugar de un motor de descubrimiento directo de fármacos.
La retórica de Silicon Valley mantiene una línea de optimismo tecnológico que choca con los tiempos de la investigación clínica. Amodei predice la eliminación de la mayoría de los cánceres en un plazo de cerca de diez años. Estas afirmaciones ignoran con frecuencia la complejidad de los ensayos clínicos y las regulaciones de seguridad en el campo de la salud.
Pero cabe preguntarse qué pasaría si la potencia de cómputo que gastamos en hacer fotos trucadas y videos de futas sexys se dedicara a explorar incógnitas fundamentales que aún escapan al procesamiento binario. Aunque no sea realista esperar de la IA soluciones mágicas, si lo es esperar -y exigir- una aceleración comprobable de causas mucho más loables que las actuales.
