En agosto de 2026, un equipo de investigadores de Google DeepMind publicó los resultados de AlphaProof, un sistema de IA que resolvió cuatro de los seis problemas del International Mathematical Olympiad — el nivel más alto de competición matemática para estudiantes del mundo — con una puntuación equivalente a medalla de plata. Tres semanas antes, un sistema distinto llamado AI Scientist, desarrollado por Sakana AI con participación de investigadores de la Universidad de Toronto y de Oxford, había generado de forma autónoma hipótesis científicas, diseñado experimentos para verificarlas, ejecutado el código necesario, interpretado los resultados y producido papers completos listos para revisión. Los revisores humanos que evaluaron esos papers sin saber que los había escrito una IA los calificaron como aceptables para publicación en conferencias de segundo nivel.
Esto no es lo mismo que una IA que ayuda a un científico a buscar bibliografía o a escribir secciones de un paper. Es una IA que ejecuta el ciclo científico completo de forma autónoma: pregunta, hipótesis, experimento, datos, interpretación, comunicación. La diferencia es cualitativa, no cuantitativa.
El contexto que hace esto relevante más allá del laboratorio es el siguiente: el avance científico lleva décadas frenado por un cuello de botella que no es de ideas sino de capacidad de verificación. Hay más hipótesis plausibles en biología, química y materiales de las que cualquier cantidad razonable de científicos humanos puede verificar en un tiempo útil. Si los agentes de IA pueden ejecutar ciclos de verificación experimental de forma autónoma — incluso con una tasa de error significativamente más alta que un investigador humano senior — el volumen de hipótesis verificadas por unidad de tiempo se multiplica por factores que cambian la velocidad de la ciencia.
En el Hackathon de Reproducibilidad celebrado en la conferencia NeurIPS de 2025, equipos de agentes de IA intentaron reproducir los resultados de 6.000 papers presentados en la conferencia. Los resultados sugieren que los agentes pudieron verificar de forma autónoma una fracción significativa de los trabajos más sencillos — sentando las bases para lo que podría convertirse en un sistema de revisión por pares asistido por IA a escala industrial.
La pregunta que los propios investigadores están debatiendo no es técnica: es epistémica. Si una IA genera una hipótesis, diseña el experimento que la verifica y publica el resultado, ¿quién es el autor? ¿A quién se le concede el Nobel si ese descubrimiento resulta ser de importancia fundamental? El sistema de incentivos de la ciencia — financiación, reconocimiento, carrera académica — está construido sobre la autoría humana. Los agentes científicos de IA no encajan en ese sistema. Y el sistema todavía no sabe qué hacer con ellos.
— La Forja Global
#TecnologíaEIA #IA #Ciencia #Investigación #LaForjaGlobal
Fuentes : Los resultados de AlphaProof en la International Mathematical Olympiad proceden de Nature ("AlphaProof and AlphaGeometry 2", DeepMind, agosto 2026). El sistema AI Scientist de Sakana AI está documentado en MIT Technology Review ("Artificial scientists", agosto 2026) y en el paper original publicado en arXiv. El Hackathon de Reproducibilidad en NeurIPS 2025 está documentado en Science ("Researchers presented 6000 papers at a major meeting. Could AI reproduce their findings?", Celina Zhao, 25 agosto 2026). El análisis sobre autoría y Nobel es editorial basado en el debate académico documentado en Nature y Science.