No habrá límite para lo que la Inteligencia Artificial puede lograr en la Ciencia

Nuevos planetas encontrados en rincones lejanos de la galaxia. Modelos climáticos que pueden mejorar nuestra comprensión del aumento del nivel del mar. La aparición de nuevos medicamentos antipalúdicos. Estos avances y descubrimientos científicos han sido noticia en los últimos meses.

Mientras representan disciplinas tremendamente divergentes, desde la astronomía hasta la biotecnología, todas tienen una cosa en común: la Inteligencia Artificial desempeñó un papel clave en su descubrimiento científico.

Uno de los ejemplos más recientes y famosos salió de la NASA a finales de 2017. La agencia espacial estadounidense había anunciado un octavo planeta descubierto en el sistema Kepler-90. Los científicos habían entrenado una red neuronal, una computadora con un "cerebro" modelado en la mente humana, para volver a examinar los datos de Kepler, un telescopio espacial con una misión de cuatro años para buscar nueva vida y nuevas civilizaciones. O más precisamente, para encontrar planetas habitables donde la vida (como la conocemos) podría existir.

Los investigadores entrenaron a la red neuronal artificial en un conjunto de 15,000 señales previamente examinadas, hasta que fue posible identificar planetas verdaderos y falsos positivos el 96 por ciento de las veces. Luego se puso a trabajar en las señales más débiles de casi 700 sistemas estelares con planetas conocidos.

La máquina detectó a Kepler 90i, un planeta caliente y rocoso que orbita su sol aproximadamente cada dos semanas terrestres, a través de un cambio casi imperceptible en el brillo capturado cuando un planeta pasa una estrella. También encontró un sexto planeta del tamaño de la Tierra en el sistema Kepler-80.

La Inteligencia Artificial, apoyada por Big Data

La aplicación de la Inteligencia Artificial a la ciencia está impulsada por tres grandes avances en tecnología, según Ross King, del Instituto de Biotecnología de la Universidad de Manchester, líder de un equipo que desarrolló una "científica" artificialmente inteligente llamada Eve.

"Esos tres avances incluyen computadoras mucho más rápidas, grandes conjuntos de datos y mejores métodos de inteligencia artificial", dijo King. "Estos avances dan cada vez más habilidades de razonamiento sobrehumanas a la Inteligencia Artificial", agregó vía Correo Electrónico.

"Los sistemas de Inteligencia Artificial pueden recordar sin problemas un gran número de hechos y extraer información sin esfuerzo, de millones de artículos científicos, por no mencionar que exhiben un razonamiento lógico impecable y un razonamiento probabilístico casi óptimo", dice King.

Los sistemas de Inteligencia Artificial también golpean a los humanos cuando se trata de manejar enormes cantidades de datos.

Eso es en parte lo que atrajo a un equipo de glaciólogos a recurrir al Aprendizaje Automático para desenredar los factores que intervienen en cómo el calor del interior de la Tierra podría influir en la capa de hielo que cubre Groenlandia.

Los algoritmos hicieron malabarismos con 22 variables geológicas -como la topografía del lecho de roca, el grosor de la corteza, las anomalías magnéticas, los tipos de rocas y la proximidad a características como zanjas, crestas, grietas jóvenes y volcanes- para predecir el flujo de calor geotérmico bajo la capa de hielo de Groenlandia.

El modelo de Aprendizaje Automático, por ejemplo, predice un elevado flujo de calor aguas arriba del glaciar Jakobshavn, el glaciar de movimiento más rápido del mundo.

"La principal ventaja es que podemos incorporar tantos tipos diferentes de datos", explica Leigh Stearns, profesora asociada de geología en la Universidad de Kansas, cuya investigación la lleva a las regiones polares para entender cómo y por qué las grandes capas de hielo de la Tierra están cambiando, preguntas directamente relacionado con el aumento futuro del nivel del mar.

"Todos los demás modelos solo dependen de un parámetro para determinar el flujo de calor, pero el enfoque de Aprendizaje Automático los incorpora a todos", dijo Stearns a Singularity Hub en un Correo Electrónico. "Curiosamente, encontramos que no hay solo un parámetro... que determina el flujo de calor, sino una combinación de muchos factores".

La investigación fue publicada el mes pasado en Geophysical Research Letters.

Stearns dice que su equipo espera aplicar el aprendizaje automático de alta potencia para caracterizar el comportamiento de los glaciares tanto a corto como a largo plazo, gracias a la gran cantidad de datos que ella y otros han recopilado en los últimos 20 años.

Aparición de los científicos de robots

Mientras que Stearns ve el aprendizaje automático como otra herramienta para aumentar su investigación, King cree que la inteligencia artificial puede desempeñar un papel mucho más importante en los descubrimientos científicos en el futuro.

"Estoy interesado en desarrollar sistemas de Inteligencia Artificial que hagan de manera autónoma actividades científicas. Científicos Robots", dijo. "Tales sistemas", explicó King, "originarían automáticamente hipótesis para explicar las observaciones, diseñar experimentos para probar esas hipótesis, ejecutar físicamente los experimentos utilizando robots de laboratorio e incluso interpretar los resultados. Las conclusiones luego influirían en el próximo ciclo de hipótesis y experimentos".

Su científica basada en Inteligencia Artificial Eva, recientemente ayudó a los investigadores a descubrir que el triclosán, un ingrediente comúnmente encontrado en la pasta de dientes, podría usarse como un medicamento antipalúdico contra ciertas cepas que han desarrollado resistencia a otras terapias farmacológicas comunes. La investigación fue publicada en la revista Scientific Reports.


La automatización que utiliza inteligencia artificial para el descubrimiento de fármacos se ha convertido en un área de investigación en crecimiento, ya que las máquinas pueden trabajar órdenes de gran magnitud, más rápido que cualquier ser humano. La Inteligencia Artificial también se está aplicando en áreas relacionadas, como la biología sintética para el diseño rápido y la fabricación de microorganismos para usos industriales.

King argumenta que las máquinas son más adecuadas para desentrañar las complejidades de los sistemas biológicos, incluso los organismos más "simples" albergan miles de genes, proteínas y pequeñas moléculas que interactúan de maneras complejas.

"Los científicos de robots y las herramientas semiautomaticas de Inteligencia Artificial son esenciales para el futuro de la biología, ya que simplemente no hay suficientes biólogos humanos para hacer el trabajo necesario en tan corto tiempo", dijo.

Creando Ondas de Choque en la Ciencia

El uso de Aprendizaje Automático, redes neuronales y otros métodos de Inteligencia Artificial, a menudo pueden obtener mejores resultados en una fracción del tiempo del que normalmente se emplearía en condiciones típicas.

Por ejemplo, los científicos del Centro Nacional de Aplicaciones de Supercomputación, ubicado en la Universidad de Illinois en Urbana-Champaign, tienen un sistema de Aprendizaje Profundo para la detección y caracterización rápida de las ondas gravitacionales. Las ondas gravitacionales son perturbaciones en el espacio-tiempo, que emanan de grandes eventos cósmicos de alta energía, como la explosión masiva de una estrella conocida como supernova. El "Santo Grial" de este tipo de investigación es detectar las ondas gravitacionales producidas por el Big Bang.

Apodado "Deep Filtering", el método permite el procesamiento en tiempo real de los datos de LIGO, un observatorio de ondas gravitacionales compuesto por dos enormes interferómetros láser ubicados a miles de kilómetros de distancia en California y Louisiana. La investigación fue publicada en Physics Letters B. Puede ver una visualización trippy de los resultados a continuación.



En un ejemplo más realista, los científicos publicaron un artículo el mes pasado en Science Advances sobre el desarrollo de una red neuronal llamada ConvNetQuake, para detectar y localizar terremotos menores a partir de medidas de movimiento del suelo llamadas Sismogramas.

ConvNetQuake descubrió 17 veces más terremotos que los métodos tradicionales. Los científicos dicen que el nuevo método es particularmente útil en el monitoreo de la actividad sísmica a pequeña escala, que se ha vuelto más frecuente, posiblemente debido a las actividades de fracking que implican la inyección de aguas residuales a gran profundidad. Puede obtener más información sobre ConvNetQuake en este video:



King dice que cree que a largo plazo no habrá límite para lo que AI puede lograr en ciencia. Él y su equipo, incluido Eve, están trabajando actualmente en el desarrollo de terapias contra el cáncer bajo una subvención de DARPA.

"Los Robots Científicos se están volviendo más inteligentes y más sagaces; los científicos humanos no lo son", dice. "De hecho, podría decirse que los científicos humanos son menos buenos. No veo ningún científico vivo hoy de la estatura de un Newton o Einstein, a pesar del gran número de científicos vivos. El Nobel de Física Frank Wilczek, ha declarado que hace 10 años que el mejor físico será una máquina. ¿Estoamos de acuerdo?"

Como colofón y de manera personal estamos seguros que las máquinas, equipadas con miles o hasta millones de sensores, posibilidad de procesamiento en tiempos muy reducidos y con la capacidad de seguir algoritmos de cómputo cada vez más complejos, no dejan de ser una herramienta ante la inmensa capacidad de razonamiento de los Seres Humanos.