IA científica más allá de grandes conjuntos de datos

La comunidad científica es optimista sobre el potencial de la IA tras el Premio Nobel de DeepMind para AlphaFold en 2024, pero expertos advierten que este modelo exitoso depende de condiciones excepcionalmente raras. AlphaFold fue entrenado en 170.000 estructuras de proteínas del Protein Data Bank, un repositorio construido durante 53 años con una inversión estimada de 21 mil millones de dólares. Replicar estas condiciones en otras disciplinas científicas tomaría décadas. Además, la mayoría de los datos científicos son inherentemente inconsistentes—los cultivos celulares evolucionan, los reactivos contienen impurezas, las condiciones ambientales varían—lo que hace imposible crear conjuntos de datos estandarizados a gran escala necesarios para entrenar redes neuronales modernas. El verdadero catalizador para acelerar el descubrimiento científico vendrá a través de agentes de IA en lugar de enfoques basados en datos masivos.