La ciencia celebra un paso de gigante: EEUU diseña dos sistemas con agentes IA para acelerar la investigación humana

Dos equipos de investigadores publicaron de forma simultánea en la revista Nature sistemas de agentes de inteligencia artificial diseñados para automatizar fases completas de la investigación científica. Los sistemas, denominados Co-Scientist y Robin, son capaces de revisar literatura científica, generar hipótesis y proponer experimentos sin intervención humana directa.

Co-Scientist es obra de Google DeepMind, el laboratorio de inteligencia artificial de Google con sede principal en Londres. Robin, mientras tanto, fue desarrollado por FutureHouse, una organización estadounidense sin ánimo de lucro dedicada a la investigación en biología.

Curiosamente, ambos artículos se publicaron en la edición del mismo número de Nature.

¿Qué son los sistemas de inteligencia artificial Co-Scientist y Robin?

Según recogió la agencia de noticias científicas Agencia Sinc, Co-Scientist es un sistema de razonamiento científico generalista construido sobre Gemini 2.0, el modelo de la empresa estadounidense Google. Puede trabajar en distintas disciplinas y aborda los problemas científicos con una estructura de debate interno entre agentes, en la que las hipótesis compiten en torneos comparativos hasta que las más sólidas son seleccionadas y refinadas.

Robin, por su parte, fue diseñado específicamente para la biología experimental. Combina agentes de búsqueda bibliográfica con herramientas de análisis de datos biológicos, y usa los modelos OpenAI o4-mini y Claude 3.7 como motores de razonamiento. A diferencia de Co-Scientist, Robin está optimizado para el ciclo completo de una investigación en laboratorio.

¿Qué resultados obtuvieron en las pruebas con inteligencia artificial?

Co-Scientist generó candidatos a reposicionamiento de fármacos para la leucemia mieloide aguda y propuso combinaciones terapéuticas con potencial clínico. También identificó objetivos epigenéticos para la fibrosis hepática y reprodujo de forma independiente una hipótesis sobre resistencia antimicrobiana que un equipo científico tenía en desarrollo pero no había publicado.

Robin demostró su potencial en la investigación sobre degeneración macular seca relacionada con la edad, una de las principales causas de pérdida de visión. El sistema revisó más de 800 artículos en aproximadamente 30 minutos e identificó el ripasudil, un fármaco aprobado para el glaucoma, como posible terapia retinal. Propuso también análisis de secuenciación de ARN que revelaron nuevas dianas terapéuticas validadas posteriormente en el laboratorio.

¿Cómo trabajan estos sistemas de agentes IA por dentro?

El funcionamiento de ambos sistemas se basa en la colaboración entre múltiples agentes de inteligencia artificial especializados. Cada agente asume un rol distinto dentro del proceso, y los resultados de unos alimentan el trabajo de los siguientes. Las hipótesis se someten a debates internos y a torneos de clasificación antes de ser presentadas como propuestas finales.

Este diseño permite que los sistemas recorran en poco tiempo el ciclo completo que a un investigador le llevaría semanas o meses, como la búsqueda bibliográfica exhaustiva, la síntesis de la literatura, la formulación de hipótesis, el diseño de experimentos y el análisis de los posibles resultados. Esta aceleración no depende de un único modelo grande, sino de la coordinación entre agentes especializados de inteligencia artificial.

¿Pueden reemplazar estos sistemas a los científicos?

Ambos equipos son explícitos sobre los límites de sus sistemas. Co-Scientist y Robin no eliminan la necesidad de validación experimental ni reemplazan el juicio humano en ninguna fase crítica del proceso científico. Las hipótesis y los candidatos terapéuticos que generan requieren estudios preclínicos y ensayos clínicos antes de que pueda evaluarse su viabilidad real.

El valor de estos sistemas no está en reemplazar al investigador, sino en ampliar su capacidad de trabajo. Por ejemplo, un científico asistido por Robin puede revisar en media hora el corpus bibliográfico de una enfermedad que de otro modo le llevaría meses, y orientar sus experimentos con una base de hipótesis mucho más amplia de la que podría generar manualmente.