Ciencia tradicional e IA por la Prof. Dra. Dª. María de los Ángeles Molina Gómez, académica de número

Una teoría científica está basada, tradicionalmente, en la observación del comportamiento de un sistema y la necesidad de explicarlo, para lo cual su cuantificación es indispensable. La forma óptima de obtenerla es llegar a relaciones entre magnitudes en forma de ecuaciones matemáticas que puedan predecir reglas generales. Así por ejemplo, una teoría simple relativa al comportamiento de los gases da la siguiente relación entre la presión P, el volumen V, la temperatura T y el número n de moles de un gas: P=C n T/V, siendo C una constante. Esta ecuación predice, por ejemplo, que  el  gas de un globo aerostático tienda a expandirse cuando se calienta (es decir, su volumen aumenta y su densidad disminuye), dando lugar a la elevación el globo.

Para llegar a establecer relaciones de este tipo debe idealizarse la realidad, suponiendo, por ejemplo, que las partículas del gas no interaccionan entre sí, lo cual requiere una importante intuición para que la simplificación siga reflejando la realidad.

Actualmente, el uso de la denominada Inteligencia Artificial (IA) y en particular de una de sus formas, denominada redes neuronales, se ha extendido a muy diferentes campos de la ciencia. En el caso de la medicina, AlphaFold es un programa de IA que, manejando gran cantidad de datos, realiza predicciones de la estructura de proteínas en total acuerdo con los datos determinados experimentalmente mediante rayos X y resonancia magnética nuclear. Aunque estos resultados son realmente asombrosos e interesantes, y  su impacto sobre el desarrollo de las ciencias médicas es innegable, el mayor problema es que no arrojan ninguna información sobre el mecanismo de los diferentes movimientos que tienen lugar dentro de la proteína, porque están únicamente basados en correlaciones.

Ante esta situación, algunos piensan que el método científico basado en hipótesis-verificación está anticuado y pronto será historia. Lo cierto es que al científico no sólo le satisface la obtención de buenos resultados, utilizando “cajas negras”, sino que necesita conocer el por qué, y esto no se logra sin la elaboración de las teorías. Si se confiara todo a la IA, ¿podría ocurrir que teorías que todavía no han sido formuladas se retrasaran o cayeran al vacío?, ¿cómo sería entonces la formación de los científicos en un futuro inmediato?, ¿habrá diferentes escuelas defendiendo cada uno de estos diferentes procedimientos? Como lo más lógico es, en general, lo más simple, parece que lo más razonable sería encontrar una convergencia entre ambos enfoques para que la ciencia avance tanto en predicciones y resultados como en el conocimiento intrínseco/mecanístico de la relación entre una causa y un efecto.