Se presenta una visión general de cómo la inteligencia artificial está transformando la ciencia, desde la biología y la química hasta la climatología y la física cuántica. Ideas clave: se necesitan datos fiables, modelos capaces de transferir conocimiento entre tareas y sistemas que integren simulaciones con experimentos reales. Se hace especial hincapié en los laboratorios autogestionados, que cierran el ciclo «predicción-verificación» como un robot de laboratorio que perfecciona hipótesis incansablemente. Los autores esbozan cómo superar los cuellos de botella y crear una IA no solo potente, sino también transparente.
La ciencia es una enorme cocina donde los científicos-cocineros buscan nuevas recetas. Antes los ingredientes se seleccionaban manualmente, ahora la inteligencia artificial ayuda como un experimentado chef. La IA memoriza millones de sabores y sugiere combinaciones inesperadas: es así, mediante la búsqueda informacional, como el algoritmo encuentra patrones ocultos. Por ejemplo, una red neuronal descubrió un antibiótico en apenas un par de días, algo que a los biólogos les habría llevado años.
Este enfoque también funciona en el análisis de luz de las estrellas: la IA busca exoplanetas a través de tenues parpadeos, como si notara especias en un plato por su matiz. En ciencia de materiales, los algoritmos proponen nuevas aleaciones y los laboratorios robotizados las crean de inmediato, cerrando el ciclo de la idea a la verificación. Lo clave es hacer que la IA sea comprensible, para que el científico pueda seguir su razonamiento. Entonces, los descubrimientos que parecen ciencia ficción se volverán cotidianos.
🎯 Una red neuronal propuso una vez la estructura de un cristal que se consideraba imposible, y lograron crearlo en el laboratorio; ahora se estudia este material para la electrónica del futuro.
🎬 «El replicador» de «Star Trek»