La IA no puede automatizar la ciencia: un filósofo explica los aspectos exclusivamente humanos de la investigación

En línea con la tendencia general de incorporar inteligencia artificial en casi todos los campos, los investigadores y políticos utilizan cada vez más modelos de IA entrenados en datos científicos para inferir respuestas a preguntas científicas. Pero, ¿podrá la IA llegar a sustituir a los científicos?

La administración Trump firmó una orden ejecutiva el 24 de noviembre de 2025, anunciando la misión Génesis, una iniciativa para construir y entrenar una serie de agentes de inteligencia artificial en conjuntos de datos científicos federales “para probar nuevas hipótesis, automatizar los flujos de trabajo de investigación y acelerar los descubrimientos científicos”.

Hasta ahora, los logros de estos científicos llamados de inteligencia artificial han sido desiguales. Por un lado, los sistemas de inteligencia artificial pueden procesar enormes conjuntos de datos y detectar correlaciones sutiles que los humanos no pueden detectar. Por otro lado, su falta de sentido común puede dar lugar a recomendaciones experimentales poco realistas o irrelevantes.

Aunque la inteligencia artificial puede ayudar con tareas que forman parte del proceso científico, todavía está muy lejos de automatizar la ciencia (y tal vez nunca pueda hacerlo). Como filósofo que estudia tanto la historia como los fundamentos conceptuales de la ciencia, veo varios problemas con la idea de que los sistemas de IA puedan “hacer ciencia” sin los humanos o incluso mejor que ellos.

Los modelos de IA sólo pueden aprender de los científicos humanos

Los modelos de IA no aprenden directamente del mundo real: sus diseñadores humanos tienen que “decirles” cómo es el mundo. Sin científicos humanos que supervisen la construcción del “mundo” digital en el que opera el modelo (es decir, los conjuntos de datos utilizados para entrenar y probar sus algoritmos), los descubrimientos que facilita la IA no serían posibles.

Considere el modelo AlphaFold AI. Sus desarrolladores ganaron el Premio Nobel de Química 2024 por la capacidad del modelo para inferir la estructura de proteínas en células humanas. Debido a que tantas funciones biológicas dependen de las proteínas, la capacidad de generar rápidamente estructuras proteicas para probarlas mediante simulaciones tiene el potencial de acelerar el diseño de fármacos, rastrear cómo se desarrollan las enfermedades y avanzar en otras áreas de la investigación biomédica.

Sin embargo, por muy práctico que parezca, un sistema de IA como AlphaFold no proporciona por sí solo nuevos conocimientos sobre proteínas, enfermedades o fármacos más eficaces. Simplemente permite un análisis más eficiente de la información existente.

AlphaFold se basa en enormes bases de datos de estructuras de proteínas existentes.

Como ha dicho la filósofa Emily Sullivan, para tener éxito como herramientas científicas, los modelos de IA deben mantener una fuerte conexión empírica con el conocimiento ya establecido. Es decir, las predicciones que hace el modelo deben basarse en lo que los investigadores ya saben sobre el mundo natural. La fuerza de esta conexión depende de cuánto conocimiento ya está disponible sobre un tema en particular y de qué tan bien los desarrolladores de modelos traducen en código conceptos científicos altamente técnicos y principios lógicos.

AlphaFold no habría tenido éxito sin el conocimiento humano existente sobre las estructuras de las proteínas que los desarrolladores utilizaron para entrenar el modelo. Y sin científicos humanos que proporcionen una base de conocimiento teórico y metodológico, nada de lo que cree AlphaFold constituiría un progreso científico.

La ciencia es una empresa exclusivamente humana

Pero el papel de los científicos humanos en el proceso de descubrimiento y experimentación científica va más allá de garantizar que los modelos de IA estén adecuadamente diseñados y anclados en el conocimiento científico existente. En cierto sentido, la ciencia como logro creativo deriva su legitimidad de las capacidades, los valores y el modo de vida humanos. Estos, a su vez, se basan en las formas únicas en que las personas piensan, sienten y actúan.

Los descubrimientos científicos son más que teorías respaldadas por evidencia: son el producto de generaciones de científicos con diversos intereses y perspectivas, que trabajan juntos a través de un compromiso compartido con su oficio y honestidad intelectual. Los descubrimientos científicos nunca son producto de un genio visionario.

Los avances son posibles gracias a la colaboración entre generaciones de científicos. Jacob Wackerhausen/iStock vía Getty Images Plus

Por ejemplo, cuando los investigadores propusieron por primera vez la estructura de doble hélice del ADN, no había pruebas empíricas para confirmar esta hipótesis: se basaba en las habilidades de razonamiento de expertos altamente capacitados. Fue necesario casi un siglo de progreso tecnológico y varias generaciones de científicos para pasar de lo que parecía pura especulación a finales del siglo XIX a un descubrimiento que mereció el Premio Nobel en 1953.

En otras palabras, la ciencia es una empresa claramente social, en la que se debaten ideas, se ofrecen interpretaciones y los desacuerdos no siempre se superan. Como han señalado otros filósofos de la ciencia, los científicos se parecen más a una tribu que a “receptores pasivos” de información científica. Los investigadores no acumulan conocimiento científico registrando “hechos”: crean conocimiento científico a través de la práctica especializada, el debate y estándares acordados basados ​​en valores sociales y políticos.

La IA no es un ‘científico’

Creo que la potencia informática de los sistemas de inteligencia artificial puede utilizarse para acelerar el progreso científico, pero sólo si se hace con cuidado.

Con la participación activa de la comunidad científica, proyectos ambiciosos como la Misión Génesis podrían resultar beneficiosos para los científicos. Unas herramientas de IA bien diseñadas y rigurosamente entrenadas harían que las partes mecánicas de la investigación científica fueran más fluidas y quizás incluso más rápidas. Estas herramientas recopilarían información sobre lo que se ha hecho en el pasado para ayudar a diseñar experimentos futuros, recopilar mediciones y formular teorías.

Pero si la visión principal para la aplicación de modelos de IA en la ciencia es reemplazar al científico humano o automatizar completamente el proceso científico, creo que el proyecto sólo convertiría la ciencia en una caricatura de sí misma. La existencia misma de la ciencia como fuente de conocimiento autorizado sobre el mundo natural depende esencialmente de la vida humana: objetivos, experiencias y aspiraciones compartidas.