{"id":108843,"date":"2025-11-28T23:11:40","date_gmt":"2025-11-28T23:11:40","guid":{"rendered":"https:\/\/enfoquenoticioso.com\/?p=108843"},"modified":"2025-11-28T23:11:40","modified_gmt":"2025-11-28T23:11:40","slug":"mientras-otros-nos-venden-fuegos-artificiales-ella-esta-reescribiendo-la-ciencia","status":"publish","type":"post","link":"https:\/\/enfoquenoticioso.com\/?p=108843","title":{"rendered":"mientras otros nos venden fuegos artificiales, ella est\u00e1 reescribiendo la ciencia"},"content":{"rendered":"
\n

OpenAI no busca crear una AGI. Busca que no dejemos de hablar de ella<\/a>. Es el m\u00e1ximo exponente de la \u00abproductizaci\u00f3n\u00bb de la IA. Ella y otras rivales se centran en ofrecer opciones llamativas que mejoran nuestra productividad pero que no cambian el mundo. Que es justamente lo que est\u00e1n intentando hacer algunas empresas, entre las cuales destaca una especialmetne: DeepMind.<\/p>\n

<\/p>\n

La IA que ayudaba a la ciencia<\/strong>. Durante los \u00faltimos dos a\u00f1os la industria tecnol\u00f3gica ha parecido un concurso de fuegos artificiales. Cada pocos d\u00edas o semanas un nuevo modelo promete escribir mejores correos, generar v\u00eddeos m\u00e1s realistas o mantener conversaciones m\u00e1s y m\u00e1s humanas. El ciclo de la novedad es a menudo ef\u00edmero \u2014las im\u00e1genes estilo Studio Ghibli<\/a> fueron un buen ejemplo\u2014, pero lejos de esos \u00abefectos wow\u00bb hay una IA silenciosa que no busca impresionar en redes sociales, sino ayudar a resolver problemas cient\u00edficos que llevan d\u00e9cadas bloqueando nuevos avances.<\/p>\n

\n
\n
\n
\n
\n \"'AlphaGo'
\n <\/a>\n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

The Thinking Game<\/strong>. El reciente documental sobre DeepMind titulado ‘The Thinking Game’ y disponible de forma gratuita en YouTube<\/a> precisamente nos muestra esa otra cara de la IA. Aunque el tono no est\u00e1 exento de esa \u00e9pica que ya experimentamos con el documental ‘AlphaGo’,\u00a0lo que nos cuenta sirve de recordatorio de esta dicotom\u00eda que vive la industria. Mientras la burbuja de la IA se infla buscando rentabilidad inmediata, DeepMind parece haber mantenido su esp\u00edritu original. Uno que quiere usar la IA no para imitar al ser humano, sino para \u2014en este caso\u2014 descifrar el c\u00f3digo de la biolog\u00eda.\u00a0<\/p>\n

<\/p>\n

De Pong a AlphaFold<\/strong>. En ese documental de 84 minutos se narra la historia de DeepMind a trav\u00e9s de la trayectoria de su cofundador, Demis Hassabis. Ese recorrido es fascinante y nos muestra c\u00f3mo la startup comenz\u00f3 a desarrollar modelos de IA que aprend\u00edan solos a jugar a videojuegos retro como Pong o Breakout (Arkanoid) para, poco a poco, evolucionar hacia retos mucho m\u00e1s ambiciosos. En concreto, lograr predecir la estructura de las prote\u00ednas mediante aprendizaje profundo.\u00a0<\/p>\n

La IA s\u00ed puede cambiar la ciencia<\/strong>. El reto al que se enfrentaron los ingenieros de DeepMind parec\u00eda imposible. Predecir la estructura de esas prote\u00ednas a menudo llevaba a error y requer\u00eda una enorme capacidad de c\u00f3mputo, pero con AlphaFold 1 (2018) y sobre todo con AlphaFold 2<\/a> (2020) DeepMind logr\u00f3 resultados espectaculares. En 2021 la empresa public\u00f3 tanto el c\u00f3digo fuente del proyecto como una base de datos con la estructura de m\u00e1s de 200 millones de prote\u00ednas<\/a> disponible para cualquier laboratorio o investigador. Fue un absoluto regalazo para el mundo cient\u00edfico. Luego llegar\u00eda AlphaFold 3<\/a>, m\u00e1s orientado al desarrollo de f\u00e1rmacos y con un punto algo m\u00e1s comercial.<\/p>\n

<\/p>\n

Una IA ganadora del Premio Nobel<\/strong>. Dos de los ganadores del Premio Nobel de qu\u00edmica de 2024 trabajan en DeepMind<\/a>. Se trata de Demis Hassabis y de John M. Jumper, que recibieron el premio por sus contribuciones a la predicci\u00f3n de la estructura de las prote\u00ednas. Ese trabajo con AlphaFold demostr\u00f3 que efectivamente la IA pod\u00eda contribuir al avance cient\u00edfico, y puso m\u00e1s que nunca a DeepMind en el trono de dicho segmento.<\/p>\n

<\/p>\n

Un enfoque radicalmente distinto<\/strong>. Es importante hacer pedagog\u00eda aqu\u00ed. Mientras que los LLM (grandes modelos de lenguaje como GPT-5) funcionan prediciendo la siguiente palabra m\u00e1s probable en una frase, la \u00abIA para la ciencia\u00bb predice comportamientos f\u00edsicos y qu\u00edmicos: mientras que los LLM pueden alucinar y mentir como si nada, la IA cient\u00edfica se somete a las leyes de la f\u00edsica.\u00a0<\/p>\n

De la observaci\u00f3n a la simulaci\u00f3n<\/strong>. Tradicionalmente la ciencia avanzaba mediante la observaci\u00f3n, la hip\u00f3tesis y el experimento, lo que sol\u00eda ser lento y costoso. Con la IA se introduce una fase intermedia, la simulaci\u00f3n masiva, que act\u00faa como un catalizador de ese proceso. Gracias a la IA es posible descartar millones de callejones sin salida antes de que el cient\u00edfico pise el laboratorio. DeepMind ha visto esto tan claro que ha creado Isomorphic Labs<\/a>, una escisi\u00f3n comercial dedicada exclusivamente a usar esta tecnolog\u00eda para descubrir nuevos f\u00e1rmacos.<\/p>\n

<\/p>\n

\n
\n
\n
\n
\n \"Google
\n <\/a>\n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

DeepMind no est\u00e1 sola<\/strong>. Aunque la empresa cofundada por Demis Hassabis es el claro referente en este \u00e1mbito, hay otros ejemplos que siguen ese mismo camino:\u00a0<\/p>\n

<\/p>\n