Hacia la automatización de extremo a extremo de la investigación en IA

Por qué importa un científico robot

Imagínese un investigador digital incansable que puede concebir ideas, escribir código, ejecutar experimentos, trazar gráficos e incluso redactar y revisar artículos científicos con casi ninguna ayuda humana. Este artículo describe un sistema así, llamado “El Científico IA”. Muestra que la inteligencia artificial moderna ya puede manejar casi todos los pasos de un proyecto de investigación en aprendizaje automático, insinuando un futuro en el que los descubrimientos lleguen más rápido, pero también planteando cuestiones serias sobre confianza, empleos y la salud misma de la ciencia.

De la idea al artículo terminado

El Científico IA está diseñado para recorrer el ciclo de vida completo de un estudio, de forma parecida a como lo haría un estudiante de posgrado. Primero, propone direcciones de investigación dentro de un área elegida del aprendizaje automático, explica por qué cada idea puede ser interesante y esboza un plan para probarla. Luego comprueba estas ideas frente a bases de datos de investigación en línea para evitar copiar trabajos existentes. Solo las ideas que parecen genuinamente nuevas avanzan. A continuación, el sistema escribe y edita el código necesario para ejecutar experimentos, corrige muchos de sus propios errores y mantiene un “cuaderno de laboratorio” en curso con lo que intentó y lo que sucedió.

Dos formas de dejar que el sistema explore

Los investigadores construyeron dos versiones de este científico digital. En el modo “basado en plantillas”, los humanos proporcionan un programa inicial simple y el sistema lo modifica gradualmente para explorar preguntas relacionadas. En el modo “sin plantilla”, la IA parte casi de cero: inventa ideas, diseña experimentos y escribe código por sí sola, guiada solo por instrucciones generales como el tema de un taller de conferencia. Esta versión abierta emplea una búsqueda ramificada a través de muchos “caminos” experimentales paralelos, promoviendo los más prometedores y descartando los que se bloquean o producen resultados pobres. Más potencia de cálculo le permite explorar más ramas y tiende a producir estudios finales más sólidos.

Enseñar a una IA a comportarse como un revisor

Juzgar la calidad de un flujo interminable de artículos escritos por IA es un reto, así que el equipo también construyó un Revisor Automatizado. Esta herramienta lee artículos de investigación, los puntúa en solidez y contribución, enumera fortalezas y debilidades y emite una recomendación de aceptar o rechazar usando las mismas pautas que una conferencia de primer nivel en aprendizaje automático. Probado con miles de artículos reales con decisiones conocidas, los juicios del Revisor Automatizado coincidieron con los de revisores humanos aproximadamente en la misma medida en que los humanos coinciden entre sí. Rendía de forma similar incluso con artículos recientes que no estaban en sus datos de entrenamiento, lo que sugiere que realmente aprendió la tarea de revisión en lugar de memorizar resultados.

Poner a prueba al Científico IA

Para ver qué tan bien funciona su sistema en condiciones reales, los autores le pidieron que generara artículos completos para un taller en una conferencia líder de aprendizaje automático. Con aprobación ética y la cooperación de los organizadores, se enviaron tres manuscritos generados por IA junto con los escritos por humanos. Se informó a los revisores que algunas presentaciones podrían haber sido escritas por IA, pero no se les dijo cuáles. Uno de los tres artículos creados por IA obtuvo calificaciones que habrían superado el umbral de aceptación del taller; los autores lo retiraron después según un protocolo preacordado. Los otros dos artículos no alcanzaron el nivel requerido. En conjunto, el sistema produjo trabajos que aún no están a la altura de la mejor investigación humana, pero que ya son lo suficientemente buenos como para, en ocasiones, pasar la revisión por pares real.

Promesas, riesgos y el camino por delante

Aunque El Científico IA todavía comete errores —como ideas superficiales, fallos de programación y citas engañosas—, el estudio sugiere que a medida que mejoren los modelos de IA subyacentes y los recursos de cálculo, estos sistemas probablemente mejorarán mucho. Eso podría acelerar drásticamente el descubrimiento en campos donde los experimentos pueden ejecutarse en ordenadores o en laboratorios automatizados. Al mismo tiempo, la generación fácil de artículos podría inundar las revistas con trabajo de baja calidad, difuminar las líneas sobre autoría y crédito y posibilitar experimentos arriesgados o poco éticos. Los autores sostienen que la comunidad científica necesita reglas y salvaguardas claras ahora, mientras la tecnología aún está emergiendo, para que los investigadores automatizados fortalezcan la ciencia en lugar de debilitarla.

Cita: Lu, C., Lu, C., Lange, R.T. et al. Towards end-to-end automation of AI research. Nature 651, 914–919 (2026). https://doi.org/10.1038/s41586-026-10265-5

Palabras clave: investigación científica automatizada, científico IA, experimentos de aprendizaje automático, automatización de la revisión por pares, integridad científica