El aprendizaje automático puede acelerar avances revolucionarios en campos tan diversos como la energía o la medicina. Innovar es más fácil que nunca.
Según la evidencia disponible, cada vez es más difícil encontrar nuevas ideas. Desde la década de 1990, la proliferación de nuevas patentes no ha crecido mucho en Estados Unidos. Sin embargo, la tecnología hace que innovar sea más fácil que nunca.
Según un estudio muy citado, la productividad de la investigación en dicho país disminuye un 50 por ciento cada 13 años. Eso se debe, en gran parte, a que las nuevas ideas se están agotando.
A partir de estos datos, se concluye que Estados Unidos necesita duplicar su inversión en investigaciones aproximadamente cada 12 años para evitar un estancamiento. Pero la constante dificultad por descubrir nuevas ideas no es tan sorprendente si consideramos que, en primer lugar, las probabilidades de éxito son pocas para los científicos.
Toda materia sobre la Tierra se compone de una combinación única de los 118 elementos de la tabla periódica. Trillones de combinaciones quedan aún sin descubrir. De éstas, la mayoría no tiene propiedades útiles para la industria.
Hallar un minúsculo subconjunto de nuevos materiales útiles es como tratar de encontrar una aguja no en un pajar, sino en un campo de pajares. En el campo de la salud, por ejemplo, sólo del uno al dos por ciento de los medicamentos prometedores llegan al mercado, con costos de miles de millones de dólares que aumentan año tras año.
Innovación radical, porque cambiar las reglas del juego en el negocio tiene su costo
“Estamos acostumbrados a pensar que las máquinas hacen los trabajos aburridos, sucios y peligrosos, mientras que los humanos se dedican a las labores creativas”, comentó en entrevista el escritor de tecnología Luke Dormehl, autor de Thinking Machines.
Pero los límites entre los seres humanos creadores y las máquinas ejecutoras se están difuminando:
“En la práctica, buena parte de la creatividad humana surge de ideas previas o de experimentos con la fuerza bruta. Por ejemplo, un músico puede probar decenas de acordes antes de encontrar una nueva melodía”.
Quizás resulta más claro en la búsqueda de nuevos productos químicos y materiales, donde los descubrimientos se realizan tradicionalmente mediante hipótesis. Este método tiene muchos inconvenientes: altas tasas de falsos positivos, desperdicio de materiales costosos para las pruebas y largos tiempos de espera para obtener resultados.
Algunos de los desarrollos más interesantes se están produciendo en el sector farmacéutico, donde la búsqueda de nuevos medicamentos, mediante métodos tradicionales, es cada vez más difícil y costosa.
Las nuevas tecnologías no sólo se utilizan para encontrar tratamientos nuevos. Con frecuencia proporcionan un sondeo más rápido de las terapias existentes para encontrar mejores soluciones a nuevas enfermedades o condiciones médicas. Un ejemplo es la búsqueda de tratamientos y vacunas durante la pandemia de COVID-19.
Un desafío importante con este nuevo método es la potencia informática necesaria para realizar búsquedas a gran escala. Una posible solución es VirtualFlow, un sistema desarrollado por un equipo interdisciplinario de científicos, con el fin de descubrir nuevos fármacos.
Según un reciente artículo de Nature, la plataforma de código abierto tiene como objetivo atender el problema de la escala para encontrar candidatos útiles.
Las soluciones tecnológicas también han surgido en la lucha contra el cambio climático, gracias a que aceleran la búsqueda de fuentes de energía más limpias.
Investigadores de la Universidad de Liverpool utilizaron un robot comandado por Inteligencia Artificial (IA) para identificar catalizadores más fuertes en la producción de hidrógeno a partir de agua,
Fuera del laboratorio o del estudio de diseño, la generación de ideas y las pruebas en tiempo real se tornan más complejas. Por poner un ejemplo, pensemos en el diseño de ciudades: debido a la dificultad para controlar todas las variables, es difícil probar ideas como un control de inundaciones.
No obstante, incluso en este caso, podemos disponer de soluciones gracias a los gemelos digitales. Es decir, una réplica virtual de un objeto, ser o sistema que se puede actualizar continuamente con datos de su contraparte física.
Phil Christensen, exvicepresidente del departamento de Ciudades Digitales de Bentley Systems, nos explicó:
“Los gemelos digitales pueden servir para crear ambientes de prueba en simulaciones a gran escala. Miren, por decir, el cambio ambiental: podemos simular cuál sería el impacto de diferentes patrones de lluvia y cómo las inundaciones afectarían a una ciudad. Los gemelos digitales se convertirán en recursos invaluables para la experimentación y la toma de decisiones”.
Qué rol tiene la IA Generativa en la innovación y flexibilidad empresarial
A pesar de estos avances, capitalizar los hallazgos y las pruebas automatizadas puede ser más difícil en la práctica por varias razones. Hemos detectado tres acciones que ayudarían a las compañías e industrias a aprovechar la capacidad de la investigación tecnológica.
Sería un error considerar que, con este nuevo método, se automatizarán algunas tareas y las personas serán meros portadores de la chispa creativa. El modelo debería estar más orientado al trabajo en equipo para innovar, con humanos y máquinas en interacción constante de acuerdo con los conocimientos y aptitudes de cada uno.
Sin duda, como apuntó Dormehl, probablemente las personas guiarán las preguntas de la investigación inicial. Pero las máquinas pueden complementarlas y mejorarlas a lo largo del camino, pues son susceptibles a encontrar patrones que los humanos no detectarían.
Los humanos y las máquinas piensan de diferentes maneras, pero es la colaboración entre ellos lo que siembra la clave para innovar. Implementar un método automatizado requiere un enfoque interdisciplinario que involucre no sólo a físicos o químicos, sino también a tecnólogos, científicos de datos, etc.
Implementar este nuevo método depende de una compleja gama de herramientas diferentes, todas en constante comunicación entre sí. No todas las empresas o laboratorios tendrán los fondos para invertir en sus propios sistemas internos.
Para proporcionar la red principal de la tecnología necesaria, las organizaciones más pequeñas pueden considerar opciones como la agrupación de recursos informáticos en diferentes centros de innovación o el uso de sistemas de nube pública o híbrida.
Los medicamentos o materiales nuevos que eventualmente salen al mercado, por lo regular alcanzan altos precios por unidad para cubrir los grandes costos de experimentación.
Sin embargo, los descubrimientos con máquinas comienzan a cambiar este modelo, ya que aumenta el número de iniciativas exitosas y, a la vez, se reduce el tiempo de su comercialización. Las industrias con ciclos de innovación “largos” podrían acercarse a los modelos de los bienes de consumo duraderos.
Muchos de los desarrollos automatizados más interesantes tienen grandes beneficios sociales, como la lucha contra el Alzheimer o el cambio climático.
Las empresas deberán trabajar en estrecha colaboración con los responsables de la formulación de políticas, los científicos y las organizaciones no gubernamentales para garantizar que los frutos de estas investigaciones puedan llegar a la sociedad, a través de precios adecuados o costos compartidos.
De manera más general, las empresas deben considerar la tecnología no sólo como un medio para reducir costos, sino como una piedra angular para impulsar su responsabilidad social.
Mark Purdy (@mjpurdyecon) es asesor independiente en economía y tecnología. Max Klymenko (@maxoklymenko) es investigador en las mismas áreas de tecnología y economía.