Akura Yonomoto – Periodista Científico de El Ciudadano Digital-

Lo que hasta hace meses se consideraba el dominio exclusivo de la intuición humana —la creación de teorías científicas— ha sido reclamado por la Inteligencia Artificial. En este inicio de 2026, la comunidad académica global enfrenta una crisis de identidad tras una serie de hitos que han dejado obsoletos los métodos de investigación convencionales.

-1. El descubrimiento de leyes físicas “no humanas”

El impacto más profundo ha ocurrido en el campo de la física teórica. Sistemas avanzados de IA ya no solo replican ecuaciones conocidas, sino que están descubriendo nuevas leyes del universo analizando datos brutos sin intervención humana. Científicos de la Universidad de Emory, en Estados Unidos, han demostrado que la Inteligencia Artificial, puede ir más allá del procesamiento de datos y ser una herramienta efectiva para descubrir nuevas leyes físicas que rigen el mundo natural. Con algoritmos de aprendizaje profundo han logrado identificar patrones fundamentales en fenómenos cuánticos que los físicos tardaron siglos en intentar descifrar, planteando una pregunta inquietante: ¿necesitamos entender la física para que la IA la utilice?

-2. Revolución en la biología: De meses a segundos

La era de la experimentación lenta en laboratorios ha terminado. La evolución de herramientas como AlphaFold de Google DeepMind ha transformado el plegamiento de proteínas de un misterio de 50 años a una tarea rutinaria. En 2026, proyectos como LIGAND-AI están permitiendo diseñar fármacos personalizados de forma inmediata, acelerando el salto de la teoría a soluciones reales en tiempos récord, según reporta Infobae.

-3. La sombra del fraude y la pérdida de control

Sin embargo, el “golpe” no es solo positivo. El aumento masivo en la capacidad de generación de datos ha traído consigo una sombra: el fraude científico asistido por IA. La facilidad para fabricar estudios coherentes pero falsos está obligando a las revistas científicas a reinventar sus sistemas de revisión por pares. Además, la aparición de IA que crea sus propios lenguajes informáticos ininteligibles para los humanos, mencionada por la BBC, ha generado un temor real sobre la pérdida de supervisión científica.

Este 2026, la ciencia ha dejado de ser una búsqueda exclusivamente humana para convertirse en una colaboración —o competencia— con una entidad que procesa la realidad a una velocidad que apenas podemos seguir.

La Caja Negra

Esta es la frontera más oscura de la ciencia actual: el surgimiento de la “Ciencia de Caja Negra”, donde la Inteligencia Artificial resuelve enigmas universales pero no puede explicarnos el “cómo”. 

El Dilema de la Opacidad: Cuando la IA es “más lista” que Newton

El golpe al mundo científico radica en que hemos pasado de usar la IA como una calculadora gigante a verla actuar como un oráculo inescrutable. Estos son los tres pilares de esta crisis ética y funcional:

-1. El colapso del Método Científico Tradicional

Durante siglos, la ciencia se basó en la interpretabilidad: si no puedes explicar por qué ocurre algo, no es ciencia. Hoy, sistemas como los analizados por la Universidad de Chile están detectando variables en el clima o la genética que los humanos simplemente no percibimos. Estamos aceptando soluciones de una entidad que “ve” dimensiones o correlaciones para las que el cerebro humano no está evolutivamente preparado.

-2. La “Dictadura” de los Resultados sobre la Verdad

Existe un riesgo ético masivo: priorizar la utilidad técnica sobre la comprensión intelectual. Investigaciones publicadas en Nature sugieren que si una IA diseña un material superconductor perfecto basándose en leyes físicas que no entendemos, lo usaremos. El peligro, según advierten expertos en el Blog del BID es que nos convirtamos en simples operarios de una tecnología cuya lógica interna nos es ajena, perdiendo nuestra soberanía sobre el conocimiento.

-3. Sesgos en la Realidad Fundamental

Si la Inteligencia Artificial crea sus propias reglas físicas basándose en datos sesgados o incompletos, podríamos estar construyendo el futuro sobre una “falsa física”. Como señala la UNESCO, la falta de transparencia en estos algoritmos científicos podría llevar a errores catastróficos en ingeniería o medicina que nadie sabría cómo corregir, porque nadie entiende la lógica que los generó.
 
La ciencia ya no solo busca la verdad, ahora busca descifrar a la IA que está encontrando esa verdad por nosotros.

Casos

Casos más impactantes donde la Inteligencia Artificial ha “superado” la lógica humana, entregando soluciones que funcionan aunque la ciencia aún no termine de entender por qué.

-1 Halicina: El antibiótico que rompió las reglas  

En un hito histórico,investigadores del MIT y Harvard utilizaron un algoritmo para buscar nuevas moléculas antibacterianas. La IA identificó la Halicina, una molécula que elimina bacterias ultra-resistentes de una forma totalmente distinta a los antibióticos conocidos. 
 
El misterio: Los científicos se sorprendieron al descubrir que la IA eligió esta molécula basándose en patrones que escapan a la intuición química humana. Aunque se sabe que interrumpe el flujo de energía en las bacterias, el proceso de selección de la IA sigue siendo una “caja negra” que los expertos intentan descifrar. 

-2 GNoME: 800 años de física en unos meses 

El sistema de inteligencia artificial GNoME de Google DeepMind ha predicho la estabilidad de 2.2 millones de nuevos cristales, una cifra que equivale a 800 años de conocimiento acumulado por la humanidad. 
 
El misterio: Muchos de estos materiales tienen estructuras que los físicos consideraban “imposibles” o improbables según las reglas tradicionales de la cristalografía. Lo más impactante es que laboratorios autónomos ya han logrado sintetizar varios de estos materiales, confirmando que la IA tiene una comprensión de la estabilidad atómica que desafía los modelos actuales.

-3 Rentosertib: El fármaco “nacido” de la IA 
Recientemente, el Rentosertib se convirtió en el primer fármaco donde tanto la diana biológica (dónde atacar la enfermedad) como la molécula misma fueron descubiertas por IA generativa. 
 
El misterio: A diferencia del diseño tradicional, donde los químicos eligen componentes basándose en reacciones conocidas, la IA diseñó la estructura desde cero para combatir la fibrosis pulmonar. Los científicos ahora están en la posición inversa: tienen un fármaco que funciona en ensayos clínicos y deben trabajar hacia atrás para comprender completamente todas sus interacciones moleculares. 

-4 Materiales “imposibles” más fuertes que el acero 
Investigadores han utilizado IA para diseñar nanomateriales con la resistencia del acero pero la ligereza de la espuma. 
 
El misterio: Estas geometrías complejas, creadas mediante aprendizaje automático, duplican la resistencia de cualquier diseño previo hecho por humanos. La IA “razona” sobre la distribución de cargas de formas que no siguen las simetrías clásicas de la ingeniería. 
 
Este fenómeno está creando una nueva era científica: ya no somos los autores de los descubrimientos, sino los arqueólogos de los hallazgos de la IA, intentando entender las maravillas que una máquina acaba de “soñar”. 

Fábricas de Fantasmas: El ascenso de los laboratorios autónomos 

La imagen del científico con bata blanca está siendo sustituida por brazos robóticos de precisión quirúrgica operados por algoritmos que nunca duermen.

1. A-Lab: El laboratorio que “piensa” y construye solo

El ejemplo más radical es el A-Lab, una instalación en el Laboratorio Nacional Lawrence Berkeley. Este sistema combina robótica con inteligencia artificial para:
 
LaIA propone una estructura de material nueva (como las de GNoME). Luego decide qué “ingredientes” químicos mezclar y a qué temperatura.  Brazos robóticos realizan la síntesis química sin intervención humana. Si el experimento falla, la IA analiza el error en milisegundos y ajusta la siguiente prueba. En solo 17 días, este laboratorio logró crear 41 nuevos compuestos que a un humano le habrían tomado años.

2. “Self-Driving Labs”: Los laboratorios que se conducen solos

Investigadores de la Universidad de Toronto y el Consorcio de Aceleración están perfeccionando estos “Self-Driving Labs” (SDLs). Utilizan la técnica de Optimización Bayesiana, permitiendo que el laboratorio explore millones de combinaciones químicas para encontrar celdas solares más eficientes o polímeros biodegradables. El proceso es tan autónomo que, según Science Robotics, los robots pueden reconfigurarse a sí mismos para realizar diferentes tareas de laboratorio según lo que la IA demande.

La optimización bayesiana es una estrategia eficiente para encontrar el máximo o mínimo global de funciones objetivo “caja negra” que son costosas de evaluar, como el ajuste de hiperparámetros en aprendizaje automático. Utiliza el teorema de Bayes para construir un modelo probabilístico sustituto (generalmente procesos Gaussianos) que guía la búsqueda secuencial hacia las áreas más prometedoras, reduciendo drásticamente el número de evaluaciones necesarias

3. Robótica en la nube: Ciencia “As-a-Service”

Empresas como Emerald Cloud Lab están permitiendo que científicos envíen su código desde un portátil en cualquier parte del mundo. El laboratorio, ubicado en una instalación remota llena de robots, ejecuta los experimentos físicos exactamente como se programaron. Esto democratiza la ciencia extrema, pero también significa que el “hacer” físico se ha desconectado totalmente del contacto humano.

El Riesgo: ¿Quién es el responsable si algo sale mal?

Como advierte la revista Nature, esta autonomía total plantea un vacío legal y ético. Si un laboratorio autónomo crea accidentalmente una toxina nueva o un material inestable, no hay un humano presente para detener el proceso en el acto. La seguridad ahora depende de que los “frenos” de software sean tan inteligentes como los motores de descubrimiento.