USTC lanza «Científico Máquina 2.2»: la IA pasa de los experimentos a la creación de sustancias

El 18 de octubre, en Hefei, durante la cuarta conferencia anual de la Alianza del Ecosistema de Científicos Inteligentes, la Universidad de Ciencia y Tecnología de China (USTC) presentó oficialmente la serie «Científico Máquina 2.2». La versión 2.2 se posiciona como el siguiente paso tras la automatización de laboratorios: el sistema debe crear nuevas sustancias por sí mismo, y no limitarse a ejecutar protocolos predefinidos. Por ahora se trata de una afirmación de los desarrolladores. El material disponible no incluye cifras que permitan verificarla, y conviene tenerlo presente al leer todo lo demás.

El listón de las expectativas ha cambiado

Quien mejor resume el momento es Jiang Jun, director del Centro de Inteligencia Científica y Creación de Materiales de la USTC. Según cuenta, hace cinco años, al ver un robot que realizaba experimentos, mucha gente pensaba: qué ingenioso. Hoy la reacción es otra: «¿eso es todo?». La causa, en sus palabras, son los grandes modelos, que han elevado las expectativas sobre la IA.

La observación es acertada e incómoda para todo el sector. Un brazo robótico con una pipeta hace tiempo que dejó de ser noticia. El mercado espera otra cosa de un «científico de IA»: que formule hipótesis por su cuenta, elija el siguiente experimento, interprete el resultado y, al final, obtenga una sustancia que antes no existía. Es en esa dirección en la que la USTC impulsa la marca «Científico Máquina».

Qué se sabe del lanzamiento

Según el fragmento disponible del comunicado, el panorama es este:

• Producto: serie «Científico Máquina 2.2» (机器科学家 2.2).
• Desarrollador: Universidad de Ciencia y Tecnología de China, Centro de Inteligencia Científica y Creación de Materiales.
• Lugar del anuncio: cuarta conferencia anual de la Alianza del Ecosistema de Científicos Inteligentes, Hefei, 18 de octubre.
• Objetivo declarado: creación autónoma de nuevas sustancias en lugar de la automatización de experimentos aislados.
• No se revela en el texto disponible: arquitectura, composición de los modelos, número de muestras procesadas, cantidad de materiales nuevos confirmados ni plazos de acceso para laboratorios externos.

La palabra «serie» en el nombre también dice mucho: todo apunta a un conjunto de sistemas para distintas clases de tareas, y no a una única instalación. Solo se podrá confirmar a través de la documentación técnica o de publicaciones.

Contexto: del robot químico al creador autónomo

El equipo de Hefei no trabaja en esta línea desde ayer. Anteriormente, el grupo de Jiang Jun mostró un robot químico que, a partir de publicaciones científicas, seleccionaba catalizadores para obtener oxígeno a partir de materiales vinculados con meteoritos marcianos. Entonces el énfasis estaba en la combinación de «IA más plataforma robótica» en un ciclo cerrado: el modelo propone, el robot ejecuta y los datos vuelven al modelo.

La versión 2.2 declara un nivel superior. La diferencia entre «optimizar lo conocido» y «crear algo nuevo» es fundamental. En el primer caso, el sistema busca un óptimo dentro de un espacio dado de composiciones y condiciones. En el segundo, tiene que salirse de los datos de entrenamiento sin generar estructuras irrealizables. Ahí es donde los grandes modelos ofrecen una oportunidad: trabajan mejor con la literatura científica, formulan hipótesis y planifican la síntesis. Pero también tienden a cometer errores con total seguridad, y en química cada error cuesta reactivos y tiempo.

El lugar del anuncio es igualmente revelador. La Alianza del Ecosistema de Científicos Inteligentes reúne a participantes que necesitan estándares, datos y herramientas comunes. Si la USTC construye un ecosistema en torno al «Científico Máquina», y no solo un banco de pruebas de laboratorio, la apuesta es escalar a través de socios.

Cómo evaluar este tipo de afirmaciones

Mientras no haya datos completos, conviene tener a mano una lista de comprobación breve. Para investigadores e inversores, sería esta:

• Cuántos materiales nuevos ha obtenido el sistema por sí solo y han sido confirmados mediante mediciones independientes.
• Qué proporción de las decisiones toma el modelo y cuál toma el humano: elección del objetivo, planificación de la síntesis, análisis de fallos.
• Reproducibilidad: si una segunda ejecución da el mismo resultado en otra instalación.
• Apertura: si habrá datos, API o acceso remoto a la plataforma para grupos externos.
• Aplicabilidad: baterías, catalizadores, semiconductores o una tarea de demostración acotada.

Si la USTC publica respuestas al menos a los dos primeros puntos, «Científico Máquina 2.2» se convertirá en una referencia destacada para los laboratorios y las empresas que construyen sus propias plataformas autónomas. Si no, el lanzamiento quedará como una formulación contundente en una buena conferencia. Conviene seguir los artículos en revistas con revisión por pares y la lista de socios de la alianza: ahí se verá si el sistema funciona más allá de la demostración.