La investigación impulsada por la curiosidad ha sido el motor de transformaciones tecnológicas a lo largo de la historia. A principios del siglo XX, la curiosidad sobre los átomos llevó al desarrollo de la mecánica cuántica y, eventualmente, al transistor que sustenta la computación moderna. Por otro lado, la máquina de vapor fue un avance práctico, pero se necesitó la investigación fundamental en termodinámica para maximizar su potencial.
En la actualidad, la inteligencia artificial (IA) y la ciencia se encuentran en un punto de inflexión similar. La revolución actual de la IA ha sido impulsada por décadas de investigación en las ciencias matemáticas y físicas (MPS), que ha proporcionado problemas desafiantes, conjuntos de datos e ideas que han hecho posible la IA moderna. Los premios Nobel de física y química de 2024, que reconocieron métodos fundamentales de IA basados en la física y aplicaciones de IA para el diseño de proteínas, han destacado esta conexión de manera ineludible.
Avances en la investigación de IA y ciencias
En 2025, el MIT organizó un Taller sobre el Futuro de la IA y MPS, financiado por la Fundación Nacional de Ciencias, con el apoyo de la Escuela de Ciencias del MIT y de los departamentos de Física, Química y Matemáticas. Este taller reunió a destacados investigadores de IA y ciencia para trazar cómo los dominios de MPS pueden capitalizar y contribuir al futuro de la IA. Ahora, un documento blanco con recomendaciones para agencias de financiamiento, instituciones e investigadores ha sido publicado en Machine Learning: Science and Technology.
Q: ¿Cuáles son los temas clave del informe sobre la reunión del año pasado de líderes en ciencias matemáticas y físicas?
A: Reunir a tantos investigadores de la vanguardia de la IA y la ciencia en un mismo lugar fue revelador. Aunque los participantes provenían de cinco comunidades científicas distintas —astronomía, química, ciencia de materiales, matemáticas y física— encontramos similitudes en cómo cada uno se relaciona con la IA. Un consenso real surgió de nuestras discusiones animadas: una inversión coordinada en infraestructuras de computación y datos, técnicas de investigación interdisciplinarias y una formación rigurosa puede avanzar significativamente tanto en la IA como en la ciencia.
La interconexión entre ciencia e IA
Uno de los principales insights fue que esto debe ser una calle de doble sentido. No se trata solo de usar la IA para hacer mejor ciencia; la ciencia también puede mejorar la IA. Los científicos son expertos en destilar conocimientos de sistemas complejos, incluidas las redes neuronales, al descubrir principios subyacentes y comportamientos emergentes. Esto se denomina la “ciencia de la IA”, que tiene tres enfoques: ciencia que impulsa la IA, donde el razonamiento científico informa enfoques fundamentales de IA; ciencia que inspira la IA, donde los desafíos científicos impulsan el desarrollo de nuevos algoritmos; y ciencia que explica la IA, donde las herramientas científicas ayudan a iluminar cómo funciona la inteligencia máquina.
En mi campo de la física de partículas, por ejemplo, los investigadores están desarrollando algoritmos de IA en tiempo real para manejar la avalancha de datos de los experimentos en colisionadores. Este trabajo tiene implicaciones directas para descubrir nueva física, pero los algoritmos resultantes son valiosos más allá de nuestro campo. El taller dejó claro que la ciencia de la IA debe ser una prioridad comunitaria, ya que tiene el potencial de transformar nuestra comprensión, desarrollo y control de los sistemas de IA.
Por supuesto, conectar la ciencia y la IA requiere personas que puedan trabajar en ambos mundos. Los asistentes enfatizaron la necesidad de “científicos centauro”, investigadores con auténtica experiencia interdisciplinaria. Apoyar a estos polímatas en todas las etapas de su carrera, desde cursos de grado integrados hasta programas de doctorado interdisciplinarios y contrataciones conjuntas de profesores, se identificó como esencial.
Iniciativas en el MIT para la IA y la ciencia
Q: ¿Cómo se alinean los esfuerzos de IA y ciencia del MIT con las recomendaciones del taller?
A: El taller enmarcó sus recomendaciones en tres pilares: investigación, talento y comunidad. Como director del Instituto NSF para la Inteligencia Artificial y las Interacciones Fundamentales (IAIFI), he visto de primera mano cuán efectivo puede ser este marco. Ampliando esto al MIT, podemos ver dónde se está avanzando y dónde existen oportunidades.
En el ámbito de la investigación, el MIT ya está habilitando el trabajo de IA y ciencia en ambas direcciones. Un vistazo rápido a MIT News muestra cómo investigadores individuales a través de la Escuela de Ciencias están persiguiendo proyectos impulsados por IA, creando una red de conocimiento y surgiendo nuevas oportunidades. Al mismo tiempo, esfuerzos colaborativos como IAIFI y el Instituto de Algoritmos de IA Acelerados para el Descubrimiento Basado en Datos (A3D3) concentran energía interdisciplinaria para un mayor impacto. El Consorcio de Impacto de IA Generativa del MIT también apoya el trabajo impulsado por IA a nivel universitario.
Para fomentar el talento en IA y ciencia desde etapas tempranas, varias iniciativas están formando a la próxima generación de científicos centauro. El programa Common Ground for Computing Education de la Escuela de Computación del MIT ayuda a los estudiantes a volverse “bilingües” en computación y su disciplina de origen. Los caminos de doctorado interdisciplinarios también están ganando tracción; IAIFI trabajó con el Instituto MIT para Datos, Sistemas y Sociedad para crear uno en física, estadística y ciencia de datos, y alrededor del 10 por ciento de los estudiantes de doctorado en física ahora optan por ello —un número que probablemente crecerá.
Reflexiones sobre el futuro de la IA y la ciencia
Roles postdoctorales dedicados como la Beca IAIFI y la Beca Tayebati brindan a investigadores en etapas tempranas la libertad para seguir trabajos interdisciplinarios. Financiar a los científicos centauro y darles espacio para construir conexiones entre dominios, universidades y etapas de carrera ha sido transformador.
Finalmente, la creación de comunidad une todo. Desde talleres enfocados hasta simposios grandes, organizar eventos interdisciplinarios señala que el trabajo de IA y ciencia no es aislado, sino un campo emergente. El MIT cuenta con el talento y los recursos para generar un impacto significativo, y albergar estas reuniones a múltiples escalas ayuda a establecer ese liderazgo.
Q: ¿Qué lecciones puede aprender el MIT para avanzar en sus esfuerzos de IA y ciencia?
A: El taller cristalizó algo importante: las instituciones que lideren en IA y ciencia serán aquellas que piensen de manera sistemática, no fragmentada. Los recursos son finitos, por lo que las prioridades importan. Los asistentes del taller fueron claros sobre lo que se vuelve posible cuando una institución coordina contrataciones, investigación y formación en torno a una estrategia cohesiva.
El MIT está bien posicionado para construir sobre lo que ya está en marcha con más iniciativas estructurales —líneas de profesores conjuntas entre dominios de computación y científicos, ampliación de caminos de grado interdisciplinarios, y financiación deliberada para la “ciencia de la IA”. Ya estamos viendo movimientos en esta dirección; este año, la Escuela de Computación del MIT y el Departamento de Física están llevando a cabo su primera búsqueda conjunta de profesores, lo cual es emocionante de ver.
El ciclo virtuoso de la IA y la ciencia tiene el potencial de ser verdaderamente transformador, ofreciendo una comprensión más profunda de la IA, acelerando el descubrimiento científico y produciendo herramientas robustas para ambos. Al desarrollar una estrategia intencionada, el MIT estará bien posicionado para liderar y beneficiarse de las próximas olas de IA.
