¿Cuándo puede decirse que la IA ha hecho un descubrimiento científico? El caso Anthropic-CRISPR

Anthropic anunció que a principios de este año puso en marcha un laboratorio de biología molecular en el que agentes de Claude leen y formulan conjeturas sobre problemas complejos de biología, mientras los científicos humanos ejecutan en el laboratorio los experimentos que esos agentes proponen. La compañía presentó este sistema como responsable de su "primer descubrimiento": un conjunto de 950 agentes que, tras 21 horas de trabajo, no encontró una secuencia de ADN nueva, sino que señaló un patrón repetitivo alrededor de una enzima ya conocida, un patrón que, según Anthropic, no había sido catalogado hasta ahora. En su comunicado, la empresa describió ese patrón como "reminiscente" del hallazgo que dio origen a CRISPR, la tecnología de edición genética que "ya ha transformado la ciencia y la medicina", una comparación que eleva mucho las expectativas sobre lo logrado.

Esa forma de presentar el hallazgo ha irritado a parte de la comunidad de biólogos. Una publicación que se volvió viral, firmada por un biólogo y respaldada después por el presidente y consejero delegado de la farmacéutica Eli Lilly, sostenía que "encontrar un extraño grupo de genes y repeticiones suele ser la parte fácil; la parte difícil, de donde salen los descubrimientos reales, es averiguar qué hace realmente ese sistema". Según esta lectura, los agentes de Claude habrían ayudado en tareas rutinarias de laboratorio, pero eso no equivale a un descubrimiento propiamente dicho.

El episodio se complicó aún más cuando Mario Rodríguez Mestre, biólogo de la Universidad de Copenhague, afirmó el fin de semana siguiente —según recogió el New York Times— que su equipo ya había identificado ese mismo patrón con anterioridad. Mestre, que solía conversar habitualmente con Claude como parte de su trabajo, se preguntó si el equipo de Anthropic podría haberse beneficiado de esas conversaciones. Anthropic lo ha negado, pero Mestre ha anunciado que dejará de usar Claude en cualquier caso.

El análisis original de MIT Technology Review, firmado por James O'Donnell en el boletín The Algorithm, sitúa el problema de fondo: las empresas de IA no presentan sus sistemas como herramientas al servicio de los científicos —comparables a un microscopio o un superordenador—, sino que insisten en que es la propia IA la que "hace" los descubrimientos. Para muchos, ese planteamiento choca con la forma en que realmente avanza la ciencia, que suele surgir de la colaboración entre personas y de un arsenal cada vez mayor de herramientas, no de un único agente que reclama el mérito en solitario.

Esta manera de enmarcar los resultados también alimenta el escepticismo hacia avances que sí son genuinos. El propio artículo señala que reducir 200.000 candidatos a un puñado de opciones merecedoras de estudio no es un logro menor: es trabajo científico legítimo, y resulta significativo que un chatbot de propósito general pueda realizarlo, aunque haya sido guiado por humanos que después ejecutaron los experimentos. El problema surge cuando el criterio de éxito se reduce a si Claude "hizo" o no un descubrimiento por sí mismo: ese marco binario —o es un hito histórico o no vale nada— deja poco espacio para reconocer avances intermedios reales.

Ese mismo patrón de disputa se repitió semanas antes con OpenAI, que afirmó que sus propios agentes habían resuelto un problema matemático valorado en un millón de dólares. Poco después, muchos críticos de la IA compartían un artículo que se preguntaba si ese problema concreto era realmente el que más interesaba a la comunidad matemática; el texto no cuestionaba que la solución fuera correcta, sino su relevancia real dentro del campo. A esto se sumó la acusación de un matemático de que los modelos podrían haber usado parte de su trabajo sin atribuírselo, dejando a la opinión pública con la sensación de que, o bien OpenAI había actuado de forma poco limpia, o bien el resultado no era tan importante como se dijo —o ambas cosas a la vez.

El biólogo autor de la crítica a Anthropic cerraba su publicación con una recomendación dirigida a las propias empresas de IA: fijar el listón alto desde ahora, para que cuando una IA descubra de verdad un mecanismo biológico fundamentalmente nuevo, todo el mundo sea capaz de apreciar la magnitud del logro. Sin embargo, el artículo concluye con una nota escéptica: mientras los responsables de Anthropic y OpenAI compitan por superarse mutuamente en titulares y anuncios, subir el listón de lo que cuenta como un verdadero avance científico probablemente sea lo último en lo que piensen.