Cómo la IA de Microsoft puede multiplicar la innovación científica

Описание: Crea un avatar profesional con HeyGen (mi enlace de afiliado): https://www.heygen.com/?sid=rewardful...

Ponle una voz pro con ElevenLabs (mi enlace de afiliado): https://try.elevenlabs.io/iabro

La entrevistadora conversa con John Link sobre cómo la IA está a punto de cambiar la ciencia no solo por ir más rápido, sino por obligar a los humanos a pensar de forma distinta. Plantean que, si hoy la ciencia sigue el ciclo clásico de observar, formular hipótesis, probar y refinar, la irrupción de miles de agentes de IA capaces de ejecutar millones de simulaciones y cruzar datos entre disciplinas puede alterar ese ritmo: la IA puede descubrir patrones o ideas que antes quedaban ocultas, y el trabajo humano se desplaza hacia validar, cuestionar y ampliar el marco teórico para entender lo que aparece.

En ese contexto, Link imagina que cualquier científico que entre por primera vez en un laboratorio tendrá algo parecido a un “equipo” de apoyo: un conjunto de agentes que actuarán como postdocs virtuales. No se trata de sustituir al investigador, sino de darle superpoderes: sintetizar grandes cantidades de literatura científica y datos (tanto públicos como privados), sugerir hipótesis más rápido, y ayudar a elegir herramientas y enfoques para ejecutar simulaciones y experimentos. La clave, insiste, es que el científico sigue llevando el volante y la IA colabora de principio a fin.

La conversación ocurre en un entorno de laboratorio cuántico, y eso sirve para aterrizar la idea en química y ciencia de materiales, donde muchos problemas se vuelven intratables para la computación clásica cuando crece la complejidad del sistema (por ejemplo, al aumentar el número de electrones). Ahí, combinando computación avanzada —y en el horizonte, computación cuántica— con modelos de IA, se abre la puerta a explorar espacios enormes de posibilidades que un laboratorio tradicional no podría recorrer.

Microsoft, según Link, entra en este terreno porque es una empresa de plataforma y quiere llevar estas herramientas a tantos científicos como sea posible. Como prueba de que no es solo teoría, menciona trabajos internos donde han encontrado candidatos para electrolitos de baterías y, especialmente, un ejemplo en refrigeración de centros de datos: buscando reemplazar refrigerantes con “forever chemicals” poco sostenibles, usaron sus herramientas para identificar una molécula nueva en menos de diez días de cómputo y sintetizarla y probarla físicamente en unos meses, algo que en métodos tradicionales podría alargarse años.

La entrevistadora empuja un punto crucial: si la IA conecta ideas entre campos que el científico no domina, ¿cómo se evita que una sugerencia brillante sea en realidad un error? Link responde que el futuro depende de la validación y la transparencia: la IA debe mostrar trazabilidad con referencias, notas y registros de lo que hizo cada agente, para que el investigador pueda auditar el proceso, corregir desviaciones y, cuando haga falta, contrastar con expertos humanos de otras disciplinas.

También discuten el mito de que la IA “no crea nada nuevo”, y lo matizan: en ciencia, la novedad muchas veces llega por escala. Si puedes evaluar decenas de millones de candidatos —algo imposible en la práctica experimental tradicional— terminas generando datos y rutas de exploración que nadie había visto, y de ahí salen descubrimientos que obligan a replantear preguntas. Con esa visión, proyectan un futuro cercano donde la innovación científica se “escala” igual que hoy se escalan los productos, y donde la IA acelera avances en retos enormes como captura de carbono, clima o seguridad alimentaria. Al final, Link apunta a 2026 como un año en el que Microsoft espera acercar la computación cuántica fiable a un uso más real, como parte de esta nueva etapa en la que la IA se convierte en compañera de laboratorio.