Cuando la inteligencia artificial se topa con los plazos y el dinero de un laboratorio chico

Vuelvo a imaginar esa cocina de departamento antiguo, con la mesada de mármarol gastado y la pava silbando, porque la noticia que me llegó esta semana parece contarse mejor ahí, con el ruido de la calle de fondo y una taza en la mano. Acá en la cuenca del Plata sabemos lo que es estirar el sueldo hasta fin de mes y reinventar la milanesa del domingo; del otro lado del mundo, en un laboratorio de Cambridge, Massachusetts, una investigadora joven vive esa misma sensación pero con tubos de ensayo. Lo que le pasó a Anna Pertl, una bioquímica que está haciendo su doctorado en el Whitehead Institute, sirve para pensar qué puede hacer hoy por nosotros la inteligencia artificial y dónde todavía se queda corta.

Pertl trabaja con una proteína que se llama MYC, una pieza clave del motor de las células. Cuando MYC se descontrola, aparecen la mayoría de los cánceres que conocemos. Durante décadas, laboratorios de todo el mundo intentaron bloquearla sin demasiado éxito. Frente a ese problema viejo, esta investigadora decidió probar algo nuevo: le hizo una consulta a Co-Scientist, un sistema de Google pensado para generar hipótesis científicas.

Una primera respuesta que sorprendió

Antes de lanzar la pregunta, la investigadora y su colega Kalon Overholt tuvieron que dedicar casi una hora a corregir dos errores gruesos de la herramienta. La máquina confundía los cúmulos de proteínas que había que atacar con el propio fármaco y, además, les asignaba siempre una función de activación de genes, cuando en realidad algunos de esos cúmulos hacen lo contrario. Recién después de esos ajustes, la IA pasó una noche entera leyendo más de 700 estudios, armó 108 estrategias distintas y se quedó con una sola.

La propuesta que conservó fue, como contó Overholt, algo que a ellos nunca se les había ocurrido: en vez de buscar cómo deshacer esos cúmulos de proteínas que activan el gen, la herramienta sugirió unirlos entre sí hasta impedir que el ADN pueda leerse. Una idea nueva, rara, que los dejó pensando.

La segunda prueba, la del presupuesto real

Hasta ahí, la historia suena a promesa. El problema apareció cuando Pertl repitió la consulta con las condiciones reales de su doctorado: cuánto dinero tenía, cuánto tiempo, qué materiales podía usar. Con esos límites encima de la mesa, la herramienta ya no encontró ninguna hipótesis que se pudiera llevar adelante en el laboratorio. La idea brillante del primer intento se chocó con la economía de una tesis.

Para Anton Sinitskiy, químico computacional de la Universidad Northeastern, la cuestión de fondo pasa por otro lado: generar ideas con IA puede ser rápido, pero comprobarlas en el laboratorio sigue siendo un trabajo lento y caro. Ross King, biólogo computacional de la Universidad de Cambridge, lo resume con una imagen que a mí me hizo pensar en la receta de la abuela: los protocolos que arma la inteligencia artificial son, dice él, como recetarios, y no siempre se pueden cocinar con lo que hay en la alacena.

• La herramienta de Google procesó más de 700 estudios antes de elegir una hipótesis sobre la proteína MYC, vinculada a la mayoría de los cánceres.
• Primero hizo falta una hora de correcciones para que la IA entendiera bien qué proteína atacar y qué efecto tenían los cúmulos sobre los genes.
• Sin restricciones de tiempo y dinero, la IA propuso unir los cúmulos de proteínas en vez de disolverlos, algo que el equipo nunca había imaginado.
• Cuando se agregaron los límites de un doctorado real, la herramienta no encontró ninguna hipótesis viable.
• Especialistas consultados sostienen que el cuello de botella ya no es generar ideas, sino poder probarlas en el laboratorio.

Me quedo pensando en Mirta, la vecina del tercer piso, que tiene 63 años y siempre me dice que la ilusión sin presupuesto es un lujo. Tiene razón, y la experiencia de Pertl parece darle la razón también en un laboratorio de primer nivel. La IA puede leer miles de papers mientras nosotros dormimos y devolver una idea que ningún investigador había tenido, pero después aparece la mesada, el plazo, los reactivos caros, y la fantasía se enfría. La tecnología promete, sí, pero todavía necesita de alguien que defina bien el problema, que revise lo que propone y que evalúe, con los pies en el barro, si el experimento se puede hacer. Mientras eso siga así, la cocina del laboratorio, igual que la nuestra, va a seguir necesitando una mano humana que decida qué se cocina y qué se guarda en la heladera para otro día.