Durante la ponencia inaugural de Google I/O del martes, Demis Hassabis, consejero delegado de Google DeepMind, proclamó que actualmente nos encontramos «en las estribaciones de la singularidad». Fue una declaración impactante —la singularidad es el momento teórico futuro en el que la IA supera rápidamente la inteligencia humana y transforma drásticamente el mundo—. Pero lo que me impactó mientras escuchaba entre el público fue el contexto en el que pronunció esas palabras.
Estaba en el escenario para cerrar la sesión con un segmento sobre IA científica, cuyo elemento central fue un vídeo que detallaba cómo el software de predicción meteorológica de la compañía proporcionó una alerta temprana sobre el catastrófico impacto en tierra del huracán Melissa en Jamaica el año pasado —y potencialmente salvó vidas. Si ese software, llamado WeatherNext, ayudó a alguien a escapar de la tormenta o a fortificar mejor su hogar, eso es un logro enorme y significativo. Pero difícilmente es una prueba de una singularidad inminente.
La yuxtaposición de la elevada retórica de Hassabis con los resultados reales de WeatherNext puso de manifiesto la tensión entre dos enfoques muy diferentes de la IA para la ciencia. El primero se centra en herramientas de IA, como WeatherNext, que están diseñadas y entrenadas para resolver problemas científicos específicos. El segundo son sistemas agénticos, basados en LLM, que algún día podrían ejecutar proyectos de investigación de vanguardia sin intervención humana.
Esta segunda visión impulsa gran parte del entusiasmo por la IA actualmente, incluyendo la reciente expectación en to o a la auto-mejora recursiva, o la idea de que los sistemas de IA podrían eventualmente convertirse en los principales impulsores del avance de la IA—un proceso que se volvería cada vez más rápido a medida que los sistemas de IA se vuelvan más inteligentes. Y los sistemas agénticos están ahora realizando auténticas contribuciones de investigación, a veces con una guía humana limitada.
Esta misma semana, Pushmeet Kohli, científico jefe de Google Cloud, publicó un artículo en un número especial sobre IA y ciencia de la revista Daedalus, escribiendo: «Estamos avanzando hacia una IA que no solo facilita la ciencia, sino que empieza a hacer ciencia». Con científicos de IA autónomos en el horizonte, es más difícil justificar esfuerzos masivos para desarrollar herramientas superespecializadas —incluso una como AlphaFold, por la que los científicos de DeepMind ganaron un Premio Nobel, o un sistema potencialmente salvavidas como WeatherNext. También anuncia un futuro mucho más extraño para la ciencia, en el que los humanos y los sistemas de IA colaboran como iguales —o la IA incluso logra avances científicos por sí misma.
Para ser claros, Google no parece estar abandonando su trabajo en IA especializada para herramientas científicas. AlphaGenome y AlphaEarth Foundations, que están entrenadas para aplicaciones de genética y ciencias de la Tierra, respectivamente, fueron lanzadas el verano pasado, y la versión más reciente de WeatherNext se lanzó en noviembre.
Además, estas herramientas siguen siendo extremadamente populares entre los científicos. El año pasado, por ejemplo, Google informó que las predicciones de estructura de proteínas de AlphaFold han sido utilizadas por más de tres millones de investigadores en todo el mundo. E Isomorphic Labs, una subsidiaria de Google que aspira a utilizar AlphaFold y tecnologías relacionadas para desarrollar nuevos fármacos, acaba de cerrar una ronda de financiación Serie B de 2.000 millones de dólares.
Pero hay señales concretas de realineamiento, tanto en entusiasmo como en recursos. El mes pasado, el Los Angeles Times informó de que John Jumper, miembro de Google y ganador del Nobel por AlphaFold, trabaja ahora en codificación de IA, no en herramientas de IA específicas para la ciencia. No es sorprendente que Google esté asignando a sus mejores mentes al problema de la codificación, ya que la compañía ha sufrido recientemente un golpe reputacional porque sus herramientas de codificación no están actualmente a la altura de las ofrecidas por Anthropic y OpenAI. Pero también podría señalar una priorización de la ciencia agéntica por parte de Google, ya que las habilidades de codificación son clave para el éxito de algunos de esos sistemas.
En toda la industria, los sistemas de investigación agénticos están mostrando un potencial real. Esta semana, OpenAI anunció que uno de sus modelos había refutado una importante conjetura matemática, quizás la contribución más significativa que la IA generativa ha hecho a las matemáticas hasta la fecha, según algunos matemáticos.
Cabe destacar que el modelo utilizado por OpenAI no está especializado en la resolución de problemas matemáticos, ni siquiera en la investigación; según la empresa, es un modelo de razonamiento de propósito general en la línea de GPT-5.5. Si los agentes generales pueden hacer contribuciones independientes a la investigación matemática, pronto podrían hacer lo mismo en ciencia (aunque el hecho de que las ideas científicas deban verificarse experimentalmente lo convierte en un dominio más difícil para la IA).
Google está dedicando sin duda mucha atención a un futuro científico impulsado por agentes. El gran anuncio científico en el I/O fue el nuevo paquete Gemini para la Ciencia, que unifica varios de los sistemas científicos basados en LLM de la compañía bajo una única marca.
Entre estos se incluyen el AI Co-Scientist, generador de hipótesis, y AlphaEvolve, optimizador de algoritmos, que aún no están disponibles públicamente; pero dado que Google ahora permite a cualquier investigador solicitar acceso a Gemini for Science, pronto podrían ver una mayor adopción en la comunidad científica. Los científicos que participaron en las pruebas iniciales están entusiasmados con su potencial: Gary Peltz, genetista de Stanford, comparó el uso del AI Co-Scientist con «consultar el oráculo de Delfos» en un Nature Medicine artículo.
Gemini for Science no es incompatible con las herramientas especializadas; al contrario, los sistemas agénticos pueden diseñarse para recurrir a dichas herramientas cuando puedan ser útiles. Y ningún sistema agéntico puede predecir la estructura en la que se plegará una proteína sin la ayuda de AlphaFold (al menos, no todavía). Pero la empresa parece estar desviando su imagen pública —y al menos algunos recursos y personal, como Jumper— de desarrollar específicamente ese tipo de herramientas. Aunque solo han pasado cinco años desde que AlphaFold resolvió el problema del plegamiento de proteínas, tanto la tecnología como el discurso han avanzado rápidamente más allá de aquel logro que en su día fue revolucionario.
Google ha sido cuidadoso al posicionar este nuevo conjunto de agentes científicos como un acelerador para los científicos humanos, en lugar de un reemplazo para ellos —la elección del nombre AI Co-Scientist en lugar de AI Scientist, por ejemplo, parece bastante deliberada—. Hassabis utiliza ese mismo enfoque centrado en el ser humano cuando habla de los cambios en el panorama de la IA científica. «Durante la próxima década aproximadamente, deberíamos pensar en la IA como esta increíble herramienta para ayudar a los científicos», dijo Hassabis en una entrevista publicada en el número de Daedalus. «Más allá de ese plazo, es difícil decirlo con certeza, pero quizás estos sistemas se conviertan más en colaboradores.»
Pero nadie puede ser un colaborador científico eficaz sin ser también un científico competente por derecho propio. Y si Hassabis no anda desencaminado cuando habla de los «umbrales de la singularidad», entonces los científicos de IA podrían llegar a superar las capacidades de sus homólogos humanos.
En una conversación con el periodista Mike Allen en I/O, Hassabis habló de cómo se sintió inicialmente inspirado a dedicarse a la IA cuando observó cómo el progreso en física se había estancado desde los años 70; se preguntó si la mente humana había alcanzado sus límites en ese dominio, y si la IA podría ayudar a superar esa barrera. Científicos agénticos sobrehumanos sin duda cumplirían con ese cometido. Puede que nunca nos acerquemos a ello, pero Google parece estar dirigiéndose hacia esa cumbre.

