Hasta ahora, la palabra “generativa” tenía una frontera bastante clara. Una inteligencia artificial podía escribir un texto que nunca había sido escrito, crear la fotografía de una persona inexistente o producir el video de una escena que jamás ocurrió. Los resultados podían ser extraordinarios. Sin embargo, seguían perteneciendo al mismo territorio: eran información; ahora esa frontera comienza a moverse.
Investigadores de Stanford y el Arc Institute utilizaron los modelos genómicos Evo 1 y Evo 2 para diseñar genomas completos de bacteriófagos, virus que infectan bacterias. Pero el proceso no terminó con una simulación. Después, los científicos sintetizaron cientos de esos diseños y los llevaron al laboratorio para comprobar si podían funcionar, finalmente dieciséis funcionaron.
Las secuencias dieron lugar a fagos viables capaces de infectar bacterias E. coli. Por lo tanto, la IA no había producido la imagen de un virus, una descripción de cómo podría ser o una simulación de su comportamiento. Había propuesto instrucciones genéticas que, después de pasar por un laboratorio, la biología pudo ejecutar.
Decir que la inteligencia artificial está comenzando a “generar vida” requiere un asterisco. Los virus ocupan una frontera particular de la biología y existe un largo debate sobre si pueden considerarse seres vivos. Además, ningún virus apareció directamente de una computadora: hicieron falta científicos, síntesis de ADN, experimentación y selección. Sin embargo, ese matiz no reduce la importancia del experimento. En realidad, ayuda a entenderla.
Cuando generar deja de significar crear contenido
Durante la primera etapa de la IA generativa aprendimos que un modelo podía analizar enormes cantidades de información, reconocer patrones y utilizarlos para producir algo nuevo. Primero ocurrió con palabras, después llegaron imágenes, música, voces y videos. Ahora estamos empezando a aplicar esa capacidad a las instrucciones de la biología.
Evo 2 fue entrenado con más de 9.3 billones de nucleótidos procedentes de más de 128,000 genomas completos, además de datos metagenómicos. En otras palabras, en lugar de aprender relaciones entre palabras, estos modelos pueden encontrar relaciones dentro de enormes cantidades de información genética.
La comparación con ChatGPT no es perfecta, pero ayuda a visualizar el cambio. Mientras un modelo de lenguaje aprende patrones dentro del texto, un modelo genómico busca patrones dentro de secuencias de ADN. Es ahí cuando el alfabeto también cambia. En lugar de palabras aparecen combinaciones de A, C, G y T.
Así, la historia reciente de la IA empieza a mostrar una progresión curiosa. Primero le entregamos internet y aprendió patrones de cómo escribimos. Después le mostramos millones de imágenes y aprendió cómo representamos el mundo. Ahora le entregamos genomas para encontrar patrones en cómo funciona la biología.
Los 16 bacteriófagos convierten esa última idea en algo más que una metáfora.
La naturaleza también empieza a convertirse en un espacio de diseño
Durante siglos, buena parte de la biología consistió en observar lo que la naturaleza había producido para intentar comprenderlo. Más tarde, la biotecnología añadió otra posibilidad: modificarlo.
Ahora aparece una tercera: usar inteligencia artificial para explorar diseños biológicos que todavía no conocemos en la naturaleza.
Los investigadores utilizaron como referencia a ΦX174, un bacteriófago que infecta E. coli. Sin embargo, los resultados no fueron simples copias. El estudio encontró una considerable novedad evolutiva en los fagos generados.
Además, varios mostraron mayor aptitud que ΦX174 en pruebas de competencia y velocidad de lisis. Incluso una combinación de los nuevos fagos logró superar la resistencia a ΦX174 en tres cepas de E. coli. Ahí aparece una de las posibilidades más interesantes de esta tecnología.
Podemos imaginar un buscador que, en lugar de recorrer páginas de internet, recorra posibilidades biológicas. La pregunta ya no sería únicamente qué virus existe capaz de atacar determinada bacteria. También podríamos empezar a explorar qué virus podría existir.
ALT: Inteligencia artificial analizando secuencias de ADN y código genético. Foto: Canva
Diseñar virus para combatir bacterias
Paradójicamente, crear nuevos virus podría ayudarnos a enfrentar uno de los problemas sanitarios más serios del presente: las bacterias resistentes a los antibióticos.
Según la Organización Mundial de la Salud, la resistencia antimicrobiana bacteriana estuvo asociada con más de 4.7 millones de muertes en 2021. Además, aproximadamente una de cada seis infecciones bacterianas confirmadas en laboratorio durante 2023 mostró resistencia a los antibióticos.
Los bacteriófagos son interesantes precisamente porque atacan bacterias. Por eso, desde hace décadas existe investigación sobre su posible uso terapéutico. La fagoterapia no nació con la inteligencia artificial. Lo que sí podría cambiar es nuestra capacidad para buscar candidatos.
En lugar de depender únicamente de los fagos que encontramos en la naturaleza, estos modelos podrían ampliar el espacio de diseños que los científicos pueden estudiar. Así, la IA no sustituiría al laboratorio. Le ofrecería más lugares donde buscar.
El prompt empieza a tener consecuencias fuera de la pantalla
Aquí también aparece la parte incómoda de la historia. Hasta ahora, muchos de los riesgos de la inteligencia artificial ocurrían alrededor de la información. Hablábamos de imágenes falsas, privacidad, derechos de autor, sesgos o desinformación.
La biología introduce otra dimensión. Una alucinación de ChatGPT puede producir una frase falsa. En cambio, una secuencia genética propuesta por un modelo puede terminar, después de un complejo proceso científico, convertida en materia biológica.
Por eso, el avance también abre preguntas de bioseguridad. A medida que estos modelos sean mejores para diseñar sistemas biológicos, importará no solo preguntarnos qué pueden generar, sino qué queremos permitir que generen y bajo qué condiciones.
No porque estos 16 bacteriófagos anuncien una catástrofe. El estudio trabajó con virus que infectan bacterias. Más bien, porque demuestran que la distancia entre información y materia comienza a reducirse.
La próxima revolución generativa podría no ocurrir en una pantalla
Tal vez por eso los 16 virus importan menos por lo que son que por lo que representan. Durante años imaginamos la inteligencia artificial como una tecnología capaz de producir versiones digitales de las cosas que hacemos los humanos. Después, empezamos a utilizarla para descubrir medicamentos, proteínas y nuevos materiales.
Ahora aparece otra posibilidad: utilizarla para explorar sistemas biológicos completos. Primero aprendió patrones de nuestras palabras. Después, de nuestras imágenes. Ahora comienza a encontrarlos en el código genético.
Los 16 bacteriófagos son apenas una señal. Pero hacen que la palabra “generativa” empiece a significar algo distinto. Ya no se trata solamente de qué contenido puede producir una inteligencia artificial.
La pregunta que empieza a abrirse es mucho más grande: ¿qué partes del mundo podremos aprender a diseñar con ella?
