¿Cómo podría la IA cambiar la forma en que avanzamos en el conocimiento humano? ¿Podría cambiar la forma en que universidades como Cambridge llevan a cabo una de sus funciones principales: la investigación? ¿Podría la IA representar una transformación tecnológica sin precedentes?
Un grupo de investigadores de Cambridge afirma que la respuesta a las dos últimas preguntas es sí. Pero esto no se debe a un descubrimiento misterioso ni a una ilusión, sino al avance implacable de la capacidad computacional. «Lo que ha cambiado no son los métodos; la mayoría los hemos tenido desde la década de 1970», declaró el Dr. James Fergusson, del Departamento de Matemáticas Aplicadas y Física Teórica (DAMTP) de Cambridge. «Lo que ha cambiado es que ahora disponemos de suficiente potencia computacional y datos para que funcionen».
Si la Ley de Moore se cumple, como lo ha hecho durante los últimos 50 años, la potencia de procesamiento seguirá multiplicándose por 30 cada década. Incluso sin algoritmos más inteligentes, la potencia del hardware por sí sola impulsará a los sistemas de IA a ser exponencialmente más capaces y a integrarse más en nuestras vidas en los próximos años.
“La mayoría de las herramientas de IA de uso generalizado hoy en día imitan básicamente lo que los humanos ya hacen, pero lo hacen más rápido”, dijo Fergusson. “Queremos impulsar las matemáticas de la IA para que pueda lograr cosas nuevas. No queremos que imite datos, sino que te explique cómo funcionan y los desglose. Ahí es donde se producirá el verdadero cambio”.
Además de su puesto en DAMTP, Fergusson es director del Centro de IA Infosys-Cambridge, inaugurado en otoño de 2024 en las instalaciones de Infosys en Canary Wharf, Londres. El Laboratorio de IA forma parte de una colaboración más amplia entre la Universidad y la empresa multinacional de tecnología y consultoría, cuyo objetivo es poner la investigación de vanguardia en IA de Cambridge al alcance de la industria.
“En el pasado, a las empresas les ha resultado difícil navegar por Cambridge”, dijo Fergusson. “Queremos crear una puerta de entrada: un lugar donde las empresas puedan acercarse a plantear sus preguntas y descubrir lo que la IA realmente puede hacer por ellas, y donde podamos conocer los desafíos a los que se enfrentan. Esperamos que esta colaboración con Infosys sea un ejemplo de cómo lograrlo”.
Hay tres temas principales de investigación en el Centro de IA:
- Simulaciones mejoradas con IA para mejorar nuestra comprensión de los sistemas físicos, lo que ayudará a la IA a «pensar» como científicos, incluidas iniciativas como el proyecto Polymathic AI
- IA matemática , o física teórica para IA, que analizará cómo tomamos ideas de la física teórica y las usamos para comprender cómo funcionan las redes neuronales y cómo aprenden; y cómo extraemos conocimiento de los sistemas de aprendizaje automático.
- Sistemas de IA agenticos , una forma de automatizar gran parte del proceso de investigación científica, como el procesamiento de datos, la creación de software y la redacción de documentos.
El Dr. Boris Bolliet, del Laboratorio Cavendish de Cambridge y responsable de investigación en IA Agentic del Centro de IA Infosys-Cambridge, desarrolla estos sistemas multiagente personalizados, basados en modelos de lenguaje extenso (LLM) como ChatGPT, Claude y Gemini. Bolliet y su equipo utilizan sistemas multiagente, como CMBAgent y DENARIO , para planificar y ejecutar tareas complejas, desde simulaciones financieras y análisis de datos cosmológicos hasta investigación autónoma y redacción de artículos.
“Creo que muchas cosas van a cambiar en nuestra forma de investigar”, dijo Bolliet, cuya formación investigadora se centra en la cosmología y la astrofísica computacional. “Quizás eso signifique que muchas tareas repetitivas y laboriosas, en las que dedico mucha energía, pronto se automatizarán, lo que me dará más tiempo y espacio para hacer cosas más interesantes”.
Los sistemas multiagente funcionan descomponiendo problemas complejos en tareas más pequeñas, verificando sus propios resultados y funcionando como asistentes digitales de investigación. Son más robustos que los modelos de IA individuales porque pueden planificar, revisar y contrastar su propio trabajo.
El modelo multiagente permite a Bolliet asignar un rol o incluso una personalidad a cada agente. Por ejemplo, un agente podría ser investigador y otro ingeniero, o uno podría ser un generador de ideas y otro un crítico, desafiando y criticando constantemente para fortalecer el producto final.
Bolliet afirma que, utilizando estos sistemas multiagente, la IA no solo podrá generar investigaciones, sino también revisar y corregir literatura científica a gran escala. Y, a diferencia de los humanos, podrá transitar sin problemas entre campos académicos, desde la astronomía hasta la oncología, para encontrar las mejores soluciones.
“Queremos usar la IA para acelerar el intercambio de información entre campos”, dijo Bolliet. “Los agentes de IA no tienen estas barreras. No están estancados en una sola disciplina como nosotros, los investigadores humanos”.
Bolliet afirma que, si bien solemos pensar en los LLM como cajas negras propensas a alucinaciones, el uso del modelo multiagente le permite verificar cada paso del proceso de investigación. «Puedo ver cada paso que ha ocurrido y revisar el código línea por línea», afirmó. «Puedo reproducir la investigación completa, lo cual no siempre es cierto cuando se habla con colegas y se les pregunta qué hicieron en su artículo».
Mediante herramientas como los sistemas multiagente, la inminente revolución de la IA está a punto de reemplazar muchas tareas que requieren inteligencia humana, desde la redacción de documentos legales hasta la investigación científica. Para muchos, esto plantea una pregunta inquietante: si las máquinas pueden hacer nuestro trabajo, ¿qué nos queda por hacer?
La respuesta, según Fergusson, es sorprendentemente esperanzadora. A medida que los sistemas de IA asumen cada vez más tareas rutinarias y especializadas (escribir código, analizar datos, automatizar la atención al cliente), el bien más valioso se convierte en algo que las máquinas aún no pueden replicar: las ideas originales.
“Parafraseando a Edison, la IA podría gestionar el 99 % de la transpiración, pero aún se necesita un ser humano para ese 1 % de inspiración”, dijo. “Este cambio podría liberar un potencial extraordinario”.
Por ejemplo, un estudiante con una gran idea para una aplicación y que no sabe programar ahora puede describírsela a una IA, que escribirá el código, lo probará y lo lanzará. A medida que la implementación se facilite, el énfasis se trasladará de las habilidades a la creatividad. El futuro, afirma Fergusson, pertenecerá a quienes puedan formular las mejores preguntas.
“Existe una oportunidad transformadora para cambiar la forma en que se realiza la investigación científica mediante IA”, afirmó. “Ya no será algo exclusivo de los humanos, sino algo que haremos en colaboración con máquinas, capaces de realizar análisis científicos de alto nivel con rapidez y precisión”.
La investigación que se lleva a cabo en el Centro de IA también es relevante para las empresas porque, en última instancia, los problemas que intentan resolver son los mismos. ¿Cómo podemos convertir los enormes volúmenes de datos a nuestro alcance en conocimiento real?
“Las empresas buscan explicabilidad”, afirmó Fergusson. “Quieren simulaciones que se ejecuten con mayor rapidez y sean confiables. Quieren aprovechar la potencia de los sistemas multiagente para automatizar los procesos empresariales destinados al procesamiento del conocimiento. Este centro conecta a Cambridge con el mundo empresarial, para que el conocimiento pueda compartirse globalmente entre todos los sectores”.
“La universalidad del desafío de la IA está uniendo a la ciencia y la industria: todos enfrentamos los mismos desafíos a la hora de adoptarla y utilizarla en nuestro trabajo”.
Por supuesto, la IA dista mucho de ser perfecta. La cantidad de agua y energía que utilizan los centros de datos que impulsan la mayor parte de la tecnología de IA es gigantesca y podría frustrar el progreso que la humanidad está logrando para alcanzar el cero neto.
Y los modelos de lenguaje aún inventan cosas u olvidan su propia lógica en respuestas más largas. Son más convincentes que correctos. Pero Fergusson afirma que estas fallas pueden solucionarse, especialmente con sistemas basados en agentes que verifican el trabajo de los demás e incorporan fuentes de datos externas.
También advierte contra considerar la IA como pura publicidad o puramente perjudicial. «La experiencia de la mayoría de la gente con la IA es la de un chatbot que intenta, sin éxito, convencerte de comprar una lavadora», dijo Fergusson. «Pero, en el fondo, lo está cambiando todo, desde los descubrimientos científicos hasta las industrias creativas».
Universidad de Cambridge News. S. C. Traducido al español
