Más allá del chat: 5 avances contraintuitivos donde la inteligencia artificial reescribe la ciencia, la matemática y la simulación

Por Sebastián Ignacio García Cáceres · RUT 18.128.930-9 · Perito judicial informático inscrito, ficha 359345

¿Qué ocurre cuando la Inteligencia Artificial deja de responder preguntas genéricas en una interfaz de texto y comienza a intervenir directamente en las fronteras de la ciencia moderna? Durante años, la percepción generalizada ha encasillado a los grandes modelos de lenguaje en roles asistenciales: redactores de borradores, resumidores de documentos o motores de búsqueda optimizados. Sin embargo, estamos presenciando una transición profunda hacia un paradigma de agentes científicos colaborativos capaces de razonar sobre datos empíricos crudos, auditar la literatura matemática acumulada durante décadas y simular el mundo físico en tiempo real.

Desde la verificación rigurosa de teoremas de miles de páginas hasta la creación autónoma de terapias moleculares para enfermedades raras, los desarrollos más recientes revelan un salto contraintuitivo en la resolución de problemas complejos. A continuación, analizamos los cinco hallazgos y demostraciones más impactantes del panorama actual que están redefiniendo el descubrimiento científico y la simulación de la realidad.

«Pipeline-in-a-Person»: Biotecnología de un solo científico

La historia de Mithril Medicine, fundada por Cody Tranbarger (conocido en redes sociales como "Professor Oak") y posteriormente adquirida por Anthropic, demuestra una nueva arquitectura organizacional en la ciencia: el modelo "Pipeline-in-a-Person". Al ser el único empleado a tiempo completo de la empresa, Tranbarger utilizó al modelo Claude para supervisar y ejecutar de forma coordinada la logística, el diseño de experimentos y el análisis de datos junto a 11 laboratorios externos independientes.

Bajo este esquema agentico, la entidad desarrolló una prueba de concepto para la distrofia muscular congénita por deficiencia de LAMA2 (LAMA2-CMD) en menos de 18 meses. El mecanismo biofísico del tratamiento resulta fascinante: se trata de un anticuerpo bispecífico diseñado para actuar como una "grapa" o puente físico que conecta el distroglicano situado en la membrana de la fibra muscular con la lámina de laminina circundante. Este enlace restaura mecánicamente el anclaje proteico defectuoso o ausente que provoca que las fibras musculares se rompan con el movimiento. En ensayos preclínicos con ratones que padecían una variante severa de la enfermedad, la terapia logró duplicar tanto la fuerza de agarre como la fuerza muscular del tríceps, mejorando sustancialmente la supervivencia general.

"Mithril took a possible treatment for one form of muscular dystrophy from an idea to promising results in mice in less than 18 months."

Este modelo es profundamente disruptivo para el ámbito de las enfermedades raras u huérfanas. Tradicionalmente, la reducida población de pacientes desincentiva la inversión de la industria farmacéutica, ya que los elevados costos de personal e infraestructura hacen inviable formar equipos de investigación convencionales. Al delegar la sobrecarga operativa y la coordinación logística en la IA, un solo investigador puede liderar múltiples programas biológicos de manera ágil y económicamente sostenible.

Resolución de la prueba matemática más larga de la historia

Si el caso de Mithril demuestra cómo la IA puede coordinar la cadena de suministro física y el ensayo biológico en el mundo real, su incursión en la matemática pura prueba que los sistemas agenticos también pueden auditar el razonamiento humano más abstracto.

La organización Axiom logró formalizar en el lenguaje de programación Lean la Clasificación de Grupos Simples Finitos (CFSG), conocida como el "Enorme Teorema". La prueba original, considerada la más extensa de la historia de la matemática, abarcaba cerca de 15,000 páginas distribuidas en más de 500 artículos científicos publicados por unos 100 matemáticos a lo largo de varias décadas.

Para abordar esta monumental tarea de verificación lógica, Axiom coordinó enjambres de agentes de IA articulados mediante un mapa de demostración (proof map) compartido que estructuró el proyecto en 108 hitos y unos 380 subtareas. En solo 24 días, los agentes produjeron aproximadamente 43.1 millones de líneas de código verificable en Lean. Durante el proceso, la IA detectó 34 desviaciones u errores relevantes en la literatura publicada.

El hallazgo más significativo ocurrió en la prueba del Teorema del Grupo Desbalanceado (UGT). El sistema identificó contraejemplos explícitos a una afirmación de clausura en la literatura existente (específicamente al operar sobre $PSL_2(49)$, cuya involución de campo produce un centralizador $PGL_2(7)$ que contiene la componente simple $PSL_2(7)$, la cual estaba excluida de la familia asumida). Para subsanar esta falla lógica sin introducir dependencias circulares, los agentes formularon y demostraron un nuevo resultado en teoría de grupos, denominado "Preservation of simple tops" (Preservación de cúspides simples).

Este logro demuestra que la formalización mediante IA no solo funciona como un verificador mecánico de código, sino como un auditor crítico capaz de corregir puntos ciegos en la literatura acumulada por la humanidad durante generaciones.

Reducción del 89% en revisión de documentos regulatorios

La transición de verificar lógica pura a revisar procesos regulatorios es inmediata: en las ciencias de la vida, los errores humanos de formato, omisión o discrepancia en registros documentales suelen paralizar durante meses la llegada de terapias al mercado.

La empresa de biotecnología Enveda abordó este cuello de botella mediante el CMC Document Processor (CDP), un sistema basado en Claude conectado a la base de datos de cumplimiento normativo de la empresa para auditar registros de lotes bajo las normas de Buenas Prácticas de Manufactura (GMP). En una evaluación sobre 1,061 páginas de registros pertenecientes a cuatro lotes de Fase 2 enviados a la FDA, Claude detectó los 11 problemas identificados por los auditores humanos. Adicionalmente, en una prueba cronometrada, el sistema descubrió 7 problemas adicionales que los revisores humanos habían pasado por alto (incluyendo pasos de proceso que excedieron el tiempo límite o pruebas marcadas como fallidas sin registro de resultado).

Esta intervención redujo el tiempo total de revisión de 25.9 horas a solo 2.8 horas, lo que representa una reducción del 89%. En un flujo paralelo de redacción regulatoria, Claude generó los primeros borradores del Módulo 2 para una solicitud de Nuevo Fármaco en Investigación (IND) ante la FDA en 4 horas (un proceso que manualmente tomaba tres meses), trabajando a partir de un conjunto de datos estructurados como fuente única de verdad. Asimismo, un borrador del Folleto del Investigador redactado por el sistema fue aprobado por los departamentos de Calidad para su envío formal a la FDA tras corregir una única conversión de unidades menor.

Diseño de anticuerpos y reanálisis experimental

Auditar la documentación regulatoria evita retrasos administrativos, pero la IA también está ingresando al laboratorio físico para reanalizar las lecturas crudas de los instrumentos científicos y cuestionar si los parámetros de medición tradicionales son correctos.

En Divergence Labs, orientados a desarrollar una terapia disruptora para alergias alimentarias graves (dirigida a la molécula IgE), Claude diseñó cerca de 35,000 variantes de anticuerpos a lo largo de 2,750 horas de cómputo GPU (NVIDIA H100). El trabajo se estructuró en dos proyectos paralelos: un brazo inhibidor/disruptor (3 semanas de desarrollo) para desenganchar la IgE acoplada a las células inmunitarias, y un brazo de anclaje (4.5 semanas) para fijar el fármaco a la molécula objetivo sin provocar la agrupación receptora que desencadena la reacción alérgica. El proceso, que antes requería hasta nueve meses, permitió identificar 20 candidatos funcionales para el brazo disruptor (tres de los cuales superaron la efectividad del fármaco estándar Xolair) y 3 para el brazo de anclaje.

Por su parte, en BigHat Biosciences, durante la optimización de dos fragmentos de anticuerpos (un scFv anti-mesotelina para oncología y un VHH anti-albúmina para extender la vida media de los medicamentos), la IA reanalizó las curvas térmicas crudas de los instrumentos del laboratorio en lugar de aceptar los resúmenes automatizados del software. El análisis reveló modos de falla físicos contraintuitivos:

  • En el scFv, el desplegamiento y la aglomeración ocurrían en simultáneo, provocando que la solución colapsara y que el software registrara la temperatura de colapso como si fuera el punto de fusión verdadero.
  • En el VHH, la aglomeración comenzaba a tan solo 40 °C, mucho antes del desplegamiento molecular, dejando inútiles las métricas estándar de estabilidad.

Tras reformular los algoritmos de evaluación y ajustar los protocolos experimentales, el equipo obtuvo candidatos que se unen de 6 a 10 veces más fuerte a su objetivo y soportan temperaturas entre 8 y 18 °C más altas (el scFv final colapsa a los 74 °C frente a los 56 °C del original; el VHH final se funde a 71 °C frente a 62 °C y no muestra aglomeración hasta los 85 °C, reduciendo la velocidad de aglomeración en más de 100 veces). Este caso demuestra que la IA no solo optimiza resultados bajo métricas dadas, sino que ayuda a los científicos a corregir cómo interpretan los fenómenos físicos de sus instrumentos.

Simulación de mundos en tiempo real con física interactiva

Más allá de la biología molecular y la matemática, la comprensión del mundo físico requiere motores de simulación capaces de predecir la interacción de objetos, sonidos y agentes en entornos tridimensionales.

Google DeepMind presentó Genie 4, un modelo de mundo multimodal nativo diseñado para generar entornos 3D navegables e interactivos en tiempo real a partir de imágenes o instrucciones en lenguaje natural. A diferencia de las herramientas sintéticas tradicionales, Genie 4 genera audio nativo interactivo de forma simultánea (efectos de sonido, acústica ambiental y diálogos dinámicos entre personajes) integrado con física realista que contempla aerodinámica, colisiones y dinámicas de materiales.

La arquitectura de Genie 4 se apoya en un ensamblaje multimodal avanzado: Gemini Omni ancla la apariencia visual y el comportamiento del mundo físico con alto fotorrealismo, mientras que Gemini 3.8 Flash actúa como un agente guía "en el bucle" (in the loop). Este último analiza continuamente la escena frame por frame, descompone objetivos complejos en secuencias de pasos y ajusta la simulación ante las intervenciones del usuario, garantizando coherencia procedimental y causalidad a lo largo del tiempo.

Este avance representa el paso definitivo desde la generación estática de contenido hacia la creación de simulación interactiva. Sus aplicaciones abarcan desde la creación de entornos sintéticos seguros e infinitamente variables para el entrenamiento de robótica autónoma, hasta el prototipado acelerado y la previsualización en la dirección creativa.

El nuevo horizonte del descubrimiento colaborativo

Los casos analizados marcan una evolución clara en la madurez de la tecnología. La Inteligencia Artificial está dejando atrás la fase del asistente conversacional de propósito general para consolidarse como un científico colaborativo: capaz de gestionar la logística de laboratorios físicos, auditar la corrección de teoremas complejos, reinterpretar datos instrumentales crudos y simular realidades dinámicas en tiempo real.

Al eliminar cuellos de botella metodológicos y reducir tiempos de desarrollo de años a semanas, estas capacidades agenticas plantean una interrogante fundamental para cualquier disciplina: ¿De qué manera transformarían estas herramientas de simulación, verificación y descubrimiento autónomo los límites históricos de su propia industria?

Fuentes consultadas

Sebastián Ignacio García Cáceres

Chile

LinkedIn

Sebastián Ignacio García Cáceres

Fundador de Grupo Valit

RUT 18.128.930-9 · Perito judicial informático inscrito, ficha 359345.

Perito en Inteligencia Artificial, Fraudes y Delitos Informáticos.

Ingeniero Civil en Informática en Universidad Técnica Federico Santa María.

Diplomado en Auditoría de la Ciberseguridad en Universidad de Santiago de Chile.

Artículos que te pueden interesar