Por Emilio Tejera* (CSIC)
Cuando oímos hablar del creciente poder de los ordenadores y, en concreto, de la inteligencia artificial, suelen llamarnos la atención los aspectos más perturbadores: que si sirve para colarnos bulos (aunque también para combatirlos), desafiar nuestra privacidad o volvernos más consumistas; que si los robots nos robarán los trabajos; incluso, que una inteligencia artificial, influida por los seres humanos, se ha vuelto racista. Al final, sentimos un temor instintivo que nos lleva a apagar el ordenador, pensando en Hal9000 o en Terminator. Sin embargo, hoy quiero mencionar la historia de una inteligencia artificial que, quizá, haya resuelto un enigma científico que llevaba más de 50 años desafiando a la comunidad científica. En una palabra, hoy quiero hablar del día en que una máquina nos hizo un gran favor.
Empezaremos con los artífices de este logro: Deepmind. La empresa, dirigida por Demis Hassabis y adquirida por Google, empezó desarrollándose sobre todo en el campo de los videojuegos, pero también utilizaba los clásicos juegos de mesa para perfeccionar sus propios sistemas de inteligencia artificial, como refleja el documental AlphaGo, que trata sobre el entretenimiento de origen chino denominado Go. En él se narra cómo su algoritmo fue capaz de derrotar de manera aplastante al campeón mundial de este juego milenario, mucho más complejo que el ajedrez.
Imagen del juego Go / Prachatai / Flickr
Los frikis de los juegos se meten en ciencia
Pero el equipo de Deepmind quería llegar mucho más lejos y aplicar su experiencia a la ciencia. En concreto, se interesaron por una cuestión clave para la biología: cómo conocer la estructura de una proteína –las moléculas que realizan buena parte de las funciones biológicas– a partir de su secuencia de aminoácidos (es decir, de sus componentes fundamentales). Resulta que poseemos esta secuencia básica de la mayoría de las proteínas, pero para obtener su estructura hay que realizar complicados estudios bioquímicos que tardan meses o años en extraer resultados. Por eso, siempre existió el interés en que las máquinas pudieran acortar este proceso y deducir las estructuras, aunque hasta ahora los resultados eran bastante pobres. Hasta que Deepmind, con su programa AlphaFold, ganó de modo rotundo las ediciones de 2018 y 2020 del concurso bienal CASP, que premia los software que trabajan en este ámbito. Se intuía que algo gordo iba a ocurrir y, en efecto, sucedió.
En julio de 2021, Deepmind, en colaboración con el Laboratorio Europeo de Biología Molecular, publicaba dos artículos en la prestigiosa revista Nature. En uno describían el proceso para crear una versión mejorada del software de AlphaFold (cuyo código fuente donaron al mundo, como corresponde a una investigación financiada en parte con fondos públicos). Y en el otro aportaban las estructuras del 98,5% de las proteínas de las células humanas: un resultado espectacular si tenemos en cuenta que hasta entonces solo conocíamos la estructura del 17% de ellas. Además, publicaron las estructuras de 365.000 proteínas de 20 tipos de organismos diferentes, muchos de ellos modelos clave para la investigación en biología. El manantial de nueva información a disposición de la comunidad científica era impresionante (y sigue aumentando).
Imagen de la estructura de la mioglobina, una de las primeras proteínas que se desentrañó/ Wikipedia
Un software que ahorraría años de investigación
Pero, ¿por qué es tan importante averiguar la estructura de las proteínas? Gracias a este conocimiento, podemos analizar cómo actúan estas moléculas y, a partir de ahí, elaborar fármacos que modifiquen su función y nos permitan actuar sobre toda clase de enfermedades. De hecho, softwares similares a AlphaFold podrían predecir cómo un medicamento interaccionará con determinada proteína y, así, ahorrar años de investigación y acelerar el desarrollo de nuevos tratamientos.
¿Ha desentrañado finalmente Deepmind este tan descomunal como intrincado problema? Probablemente tardaremos años en dilucidarlo, conforme las técnicas clásicas confirmen (o no) que las estructuras propuestas por AlphaFold en tan sólo unas pocas horas de análisis coinciden con las que realmente poseen dichas proteínas. Además, se plantean nuevos interrogantes: quizá existan estructuras concretas frente a las que AlphaFold no sea lo suficientemente resolutiva. Hasta ahora, el software no ha entrado en los cambios que se producen en las proteínas cuando interaccionan con otras moléculas; y, entre conocer la conformación de una proteína, y curar enfermedades como el alzhéimer, queda por recorrer un mundo. No obstante, si se confirma (de momento, los últimos artículos refuerzan tanto las perspectivas como las dudas), será un avance fundamental; y no logrado por especialistas en biología que llevan años estudiando la cuestión, sino por un grupo de frikis expertos en informática que empezaron trabajando en videojuegos.
Deepmind está desarrollando otras aplicaciones para sus software: quiere diagnosticar enfermedades mediante el análisis de imágenes de fondos de ojo, así como predecir dolencias futuras a partir de las constantes básicas de un individuo. Las aplicaciones de la inteligencia artificial (capaz de aprender de sí misma, y de detectar patrones que permanecen ocultos al intelecto humano) son todavía innumerables; entre otras cosas porque muchas, probablemente, no somos capaces aún de imaginarlas.
La inteligencia artificial, desde luego, representa un reto para la humanidad, pero, como la mayor parte de las creaciones humanas, presenta tantos inconvenientes como ventajas. Al final, la tecnología es una herramienta: la gran responsabilidad que tenemos es que nos lleve a prosperar como sociedad. De no ser así, poco importará que llegue Terminator para acabar con la humanidad: seremos nosotros mismos quienes habremos desaprovechado esta inmensa oportunidad.
* Emilio Tejera (@EmilioTejera1) es responsable de la Unidad de Biología Molecular del Instituto Cajal (IC-CSIC). En este post de su blog realiza una descripción más detallada del tema de este artículo.
