Un químico que desarrolla fármacos se parece a un detective que busca la sustancia adecuada entre millones de sospechosos. Las redes neuronales modernas aceleran la búsqueda, pero actúan como un testigo que dice «es él» y se niega a explicar. En la industria farmacéutica, esa reserva es peligrosa: una correlación falsa puede enviar un compuesto tóxico a la siguiente fase de ensayos.
GlassMol cambia las reglas del juego. En lugar de emitir un veredicto inmediato, el modelo primero descompone la molécula en propiedades que un químico puede entender, como un intérprete que primero anota las palabras clave de una conversación y luego redacta un resumen. Estas propiedades no se eligen a mano, sino automáticamente, mediante un modelo de lenguaje que selecciona las características realmente importantes para la tarea. Este enfoque resuelve tres problemas principales: la escasez de datos etiquetados, la selección de características relevantes y la pérdida de precisión debida al estrecho «cuello de botella».
Esto se parece a una receta en la que cada ingrediente está etiquetado: el chef puede confiar en el plato porque ve de qué está hecho. Para la farmacéutica, esa receta no es un lujo, sino una necesidad. Después de todo, cuando está en juego la vida del paciente, no queremos solo un «sí» o un «no», sino un camino comprensible hacia esa respuesta.
El término «caja negra» proviene de la aviación: así se llamaba a las grabadoras de vuelo que no se pueden abrir sin romperlas. En el aprendizaje automático, se refiere a un modelo cuyos cálculos internos son demasiado complejos para que los entienda un ser humano.
En la serie «Westworld», los robots anfitriones actúan según reglas comprensibles, pero sus creadores pierden el control de todos modos. GlassMol es el enfoque opuesto: la transparencia como forma de mantener el control en manos humanas.