Desde descubrir la estructura de millones de proteínas hasta encontrar soluciones matemáticas desconocidas, la inteligencia artificial está permitiendo avances que durante décadas parecían imposibles para la ciencia.
La inteligencia artificial (IA) ha dejado de ser únicamente una herramienta para responder preguntas, generar imágenes o automatizar tareas. Actualmente, también está transformando la investigación científica al encontrar soluciones que habían escapado a los métodos tradicionales y abrir nuevas posibilidades en medicina, matemáticas, química y tecnología.
Aunque no todos estos problemas se han resuelto por completo, existen descubrimientos documentados que demuestran cómo los sistemas de inteligencia artificial pueden superar resultados obtenidos por especialistas después de años de investigación.
Durante décadas, uno de los mayores desafíos de la biología fue predecir la forma tridimensional que adquieren las proteínas a partir de su composición química. Conocer esta estructura es fundamental para comprender enfermedades y desarrollar medicamentos.
En 2020, AlphaFold2, un sistema creado por Google DeepMind, consiguió avances extraordinarios en este problema. Posteriormente, sus modelos permitieron generar predicciones de más de 200 millones de estructuras de proteínas.
El descubrimiento fue tan importante que sus desarrolladores, Demis Hassabis y John Jumper, recibieron el Premio Nobel de Química en 2024. Aunque las predicciones todavía requieren validación en determinados casos, el avance transformó la biología estructural.
En 2023, Google DeepMind presentó FunSearch, un sistema de inteligencia artificial capaz de realizar descubrimientos matemáticos mediante la generación y evaluación de programas informáticos.
Uno de sus mayores logros ocurrió con el llamado problema del conjunto sin progresiones de tres términos, conocido como cap set problem, un desafío de combinatoria que estudia determinadas configuraciones de puntos en espacios matemáticos.
La IA encontró construcciones que mejoraron los resultados conocidos, incluyendo un avance significativo en un límite matemático que llevaba aproximadamente dos décadas sin mejorar.
Esto no significa que el problema haya quedado completamente resuelto, pero sí que una inteligencia artificial logró descubrir soluciones parciales que los investigadores no habían encontrado.
Las multiplicaciones de matrices son fundamentales para el funcionamiento de computadoras, sistemas de inteligencia artificial, simulaciones científicas y múltiples tecnologías digitales.
Durante más de 50 años, el algoritmo de Strassen, desarrollado en 1969, fue una referencia para realizar determinadas operaciones de manera eficiente.
Sin embargo, en 2022, AlphaTensor, otro sistema de Google DeepMind, encontró procedimientos capaces de superar resultados conocidos. En un caso específico, consiguió multiplicar matrices de 4 por 4 utilizando 47 multiplicaciones, frente a las 49 de un método anterior, dentro de un sistema de aritmética modular.
Aunque la diferencia parece pequeña, reducir operaciones repetidas millones de veces puede contribuir a mejorar la eficiencia de los sistemas informáticos.
La resistencia a los antibióticos representa uno de los mayores desafíos de la medicina moderna. Algunas bacterias han desarrollado mecanismos que dificultan su eliminación mediante los tratamientos existentes.
En 2025, investigadores del Instituto Tecnológico de Massachusetts (MIT) utilizaron inteligencia artificial generativa para diseñar nuevos compuestos capaces de combatir bacterias relacionadas con la gonorrea resistente a medicamentos y las infecciones provocadas por Staphylococcus aureus resistente a la meticilina (MRSA).
Los científicos identificaron moléculas con estructuras diferentes a las de los antibióticos convencionales y obtuvieron resultados prometedores en experimentos de laboratorio y modelos animales.
Aunque estos compuestos todavía necesitan superar estudios adicionales antes de utilizarse en pacientes, la investigación demostró que la IA puede explorar alternativas químicas que no habían sido desarrolladas previamente.
Encontrar nuevos materiales capaces de mejorar baterías, paneles solares o dispositivos electrónicos suele requerir numerosos experimentos y años de investigación.
En 2023, Google DeepMind presentó GNoME, una herramienta de inteligencia artificial que identificó aproximadamente 2.2 millones de estructuras cristalinas candidatas mediante cálculos computacionales.
De ellas, alrededor de 381 mil fueron clasificadas como nuevas estructuras potencialmente estables bajo los criterios del estudio.
Estos resultados no significan que todos los materiales existan físicamente o que puedan fabricarse de inmediato. Sin embargo, proporcionan a los científicos una enorme cantidad de posibilidades para investigar y comprobar experimentalmente.
Estos descubrimientos muestran que la inteligencia artificial puede identificar patrones, analizar cantidades extraordinarias de información y explorar soluciones que resultarían difíciles de encontrar mediante métodos convencionales.
No obstante, los especialistas destacan que estos sistemas no sustituyen el método científico. Las predicciones, hipótesis y descubrimientos requieren comprobación, experimentación y revisión humana.
Más que demostrar que las máquinas pueden resolver cualquier misterio, estos avances representan una nueva etapa de colaboración entre científicos e inteligencia artificial, con el potencial de acelerar descubrimientos que antes podían tardar décadas.
