Una biblioteca de 27 mil libros, y todos sobre hormigón. En cada uno, la receta de la mezcla, la temperatura, la resistencia. Pero los datos están dispersos en párrafos, tablas y notas al pie. A una persona le llevaría años reunirlos. El programa lo hizo en una hora.
Los científicos tomaron un gran modelo de lenguaje —de esos que saben leer y comprender texto— y lo ajustaron para buscar datos sobre el hormigón. El modelo extraía de los artículos la composición de la mezcla, el método de preparación y las propiedades finales. Por ejemplo, cuánto cemento se añadió, cuánto tiempo se curó y qué resistencia se obtuvo. Los datos recopilados se organizaron en una tabla con más de cien columnas.
Esta base no es solo un archivo. Se puede usar para entrenar otros programas que predigan las propiedades del hormigón para nuevas recetas. Cuantos más ejemplos, más preciso el pronóstico. Además, la base es abierta: cualquier investigador puede descargarla y usarla para sus propios fines.
Ahora la biblioteca ha dejado de ser un laberinto. Se ha convertido en un fichero donde cada ficha es una receta lista. Y esto no funciona solo para el hormigón: el mismo enfoque se puede aplicar a aleaciones, polímeros o medicamentos. Los datos que antes acumulaban polvo en los artículos empiezan a trabajar.
La base contiene casi 9 mil registros, y cada uno tiene más de 100 características: desde la proporción de cemento hasta la resistencia a la compresión.