La IA resolvió en tres meses un problema ecológico en el que los investigadores llevaban 20 años dándole vueltas

La herramienta adecuada para la tarea adecuada

Suena casi demasiado bueno para ser verdad. Pero el profesor Matthew Schwartz, de la Universidad de Harvard, se esfuerza por explicar por qué funcionó, y el secreto no es que la IA sea más inteligente que los investigadores. Se trata de plantear la pregunta correcta desde el principio.

En lugar de tratar la IA como un colega humano, Schwartz se preguntó: ¿para qué tareas es realmente adecuada la IA? La respuesta fue BootLoops, una herramienta de software abierta diseñada para cálculos científicos precisos. El código está disponible gratuitamente en GitHub y, según el propio Schwartz, que además es investigador invitado en la empresa de IA Anthropic, lo que ha hecho posibles los resultados es precisamente la combinación de tareas claramente delimitadas y modelos de lenguaje potentes.

Es una distinción importante. BootLoops no posiciona la IA como un sustituto del proceso científico, sino como una herramienta de cálculo con una capacidad impresionante para llenar lagunas de conocimiento.

Las cifras hablan por sí solas

Los resultados que Schwartz describe en una entrada de blog invitada en Anthropic son difíciles de asimilar de primeras. En tres meses, el grupo de investigación, formado por Schwartz y 19 coautores, produjo 36 manuscritos científicos en nada menos que 18 campos de investigación distintos.

En física de partículas, el modelo de IA Claude calculó 30 integrales, de las cuales quince eran resultados completamente nuevos. Pero el ejemplo más llamativo llegó desde la ecología. BootLoops resolvió una ecuación de la teoría de la biodiversidad neutra que llevaba exactamente dos décadas sin solución. Cuando después se aplicó la solución a datos reales de Barro Colorado Island, en el canal de Panamá, surgió un hallazgo inesperado: la composición de las especies de árboles cambia 4,5 veces más rápido de lo que predecía la teoría.

Otros proyectos del grupo incluyeron la revisión automática de 4 452 paquetes de replicación de revistas de economía y la construcción de una base de datos de huellas léxicas en nada menos que 6 072 idiomas. Es una amplitud que habría requerido décadas de trabajo humano.

Cubrir los vacíos entre disciplinas

Schwartz utiliza un concepto acertado para describir lo que hace realmente la IA aquí: la llama una envolvente convexa de la ciencia. La idea es que la IA puede explorar los espacios intermedios, las lagunas de conocimiento que surgen en la frontera entre disciplinas, adonde los investigadores humanos rara vez llegan. Un físico no tiene tiempo para familiarizarse con el formalismo de la ecología. Un ecólogo quizá no domina los métodos de cálculo necesarios para resolver una ecuación diferencial concreta. La IA no se preocupa por esas fronteras.

Esto me recuerda algo a lo que vuelvo en mi propio trabajo como desarrollador de sistemas: las mejores herramientas son las que permiten a una persona operar fuera de su alcance habitual. BootLoops parece ser precisamente eso para los cálculos científicos.

La revisión humana sigue siendo decisiva

Schwartz se cuida de no exagerar. A pesar de los impresionantes resultados, subraya que la revisión humana sigue siendo indispensable. Los modelos de IA pueden cometer errores, a veces sutiles y a veces flagrantes, y en la ciencia las consecuencias de un error no revisado pueden ser graves.

Es un enfoque sensato y necesario. Lo que hace interesante a BootLoops no es que sustituya al investigador, sino que multiplica su capacidad. Schwartz y sus colegas siguen siendo quienes plantean las preguntas, interpretan las respuestas y asumen la responsabilidad científica. La IA se encarga de los cálculos.

Es un reparto del trabajo que parece sostenible y escalable.