La investigación impulsada por la curiosidad ha sido un motor de transformaciones tecnológicas a lo largo de la historia. Hace un siglo, el interés por los átomos condujo al desarrollo de la mecánica cuántica y, eventualmente, al transistor que sustenta la computación moderna. Por otro lado, aunque la máquina de vapor representó un avance práctico, fue necesario realizar investigaciones fundamentales en termodinámica para aprovechar todo su potencial.
En la actualidad, la inteligencia artificial (IA) y la ciencia se encuentran en un punto de inflexión similar. La revolución actual en IA ha sido alimentada por décadas de investigación en las ciencias matemáticas y físicas (MPS), que han proporcionado problemas desafiantes, conjuntos de datos e ideas que han hecho posible el desarrollo de la IA moderna. Los Premios Nobel 2024 en física y química, que reconocieron métodos fundamentales de IA basados en principios físicos y aplicaciones de IA para el diseño de proteínas, subrayan esta conexión.
Un Taller Innovador sobre IA y Ciencias Matemáticas y Físicas
En 2025, el Instituto Tecnológico de Massachusetts (MIT) organizó un Taller sobre el Futuro de AI+MPS, financiado por la Fundación Nacional de Ciencias con apoyo del MIT School of Science y los departamentos de Física, Química y Matemáticas. Este evento reunió a destacados investigadores en IA y ciencia para trazar cómo los dominios MPS pueden capitalizar —y contribuir a— el futuro de la IA. El resultado fue un documento blanco con recomendaciones para agencias financiadoras, instituciones e investigadores, publicado en Machine Learning: Science and Technology.
En una entrevista, Jesse Thaler, profesor de física en MIT y presidente del taller, expone los temas clave discutidos durante este encuentro y cómo MIT se está posicionando para liderar en el ámbito de la IA y la ciencia.
Temas Clave del Taller sobre IA y Ciencia
Q: ¿Cuáles son los temas centrales del informe sobre la reunión del año pasado entre líderes en las ciencias matemáticas y físicas?
A: Reunir a tantos investigadores punteros en IA y ciencia fue revelador. Aunque los participantes provenían de cinco comunidades científicas distintas —astronomía, química, ciencia de materiales, matemáticas y física— encontramos muchas similitudes en nuestra interacción con la IA. Un consenso real emergió: una inversión coordinada en infraestructuras computacionales y datos, técnicas de investigación interdisciplinarias y formación rigurosa puede avanzar significativamente tanto la IA como la ciencia.
Uno de los principales hallazgos fue que esto debe ser una calle de doble sentido. No se trata solo de utilizar IA para mejorar la ciencia; también *la ciencia puede mejorar la IA*. Los científicos son expertos en destilar conocimientos a partir de sistemas complejos, incluidas las redes neuronales, al descubrir principios subyacentes y comportamientos emergentes. Llamamos a esto “la ciencia de la IA”, que se manifiesta en tres formas: *ciencia impulsando la IA*, donde el razonamiento científico informa enfoques fundamentales; *ciencia inspirando la IA*, donde desafíos científicos impulsan el desarrollo de nuevos algoritmos; y *ciencia explicando la IA*, donde herramientas científicas ayudan a iluminar cómo funciona realmente la inteligencia máquina.
MIT: Un Líder Emergente en Investigación Interdisciplinaria
En mi campo específico de física de partículas, por ejemplo, los investigadores están desarrollando algoritmos AI en tiempo real para manejar el torrente de datos provenientes de experimentos con colisionadores. Este trabajo tiene implicaciones directas para el descubrimiento de nueva física; sin embargo, los algoritmos resultan ser valiosos más allá del ámbito específico. El taller dejó claro que *la ciencia de la IA* debe ser una prioridad comunitaria —tiene el potencial para transformar nuestra comprensión, desarrollo y control sobre los sistemas AI.
Ponte a pensar: unir ciencia e IA requiere personas capaces de trabajar entre ambos mundos. Los asistentes enfatizaron constantemente la necesidad urgente de “científicos centauro”, es decir, investigadores con verdadera experiencia interdisciplinaria. Apoyar a estos polímatas en todas las etapas profesionales —desde cursos integrados a nivel universitario hasta programas doctorales interdisciplinarios— se identificó como esencial.
Q: ¿Cómo se alinean los esfuerzos del MIT en materia de IA y ciencia con las recomendaciones del taller?
A: El taller estructuró sus recomendaciones alrededor de tres pilares: investigación, talento y comunidad. Como director del Instituto NSF para Inteligencia Artificial e Interacciones Fundamentales (IAIFI), he visto cómo este marco puede ser efectivo. Escalándolo al MIT, podemos observar dónde se están logrando avances significativos y dónde existen oportunidades adicionales.
Estrategias Efectivas para Fomentar Talento Interdisciplinario
En cuanto a investigación, MIT ya está facilitando trabajos interdisciplinares entre AI y ciencias desde ambas direcciones. Un vistazo rápido a MIT News revela cómo investigadores individuales están llevando adelante proyectos impulsados por AI dentro del School of Science. Al mismo tiempo, esfuerzos colaborativos como el IAIFI concentran energía interdisciplinaria para lograr un mayor impacto.
A fin de fomentar talento joven especializado en AI-ciencia, varias iniciativas están formando a la próxima generación de científicos centauros. El programa Common Ground for Computing Education, del MIT Schwarzman College of Computing ayuda a estudiantes a volverse “bilingües” entre computación y su disciplina principal. Además, están ganando terreno caminos doctorales interdisciplinarios; el IAIFI trabajó junto al Instituto MIT para Datos, Sistemas y Sociedad para crear uno enfocado en física estadística y ciencia de datos; aproximadamente el 10% de los estudiantes doctorales en física optan por esta opción —una cifra que probablemente aumentará.
Cerrando Brechas mediante Construcción Comunitaria
A: Papel fundamental juega también construir comunidad alrededor del tema. Desde talleres específicos hasta simposios grandes, organizar eventos interdisciplinarios demuestra que el trabajo entre AI y ciencia no es aislado —es un campo emergente. MIT posee tanto talento como recursos necesarios para hacer un impacto significativo; albergar estas reuniones a múltiples escalas contribuye a establecer ese liderazgo.
Q: ¿Qué lecciones puede extraer MIT para avanzar aún más sus esfuerzos relacionados con AI-y-ciencia?
A: El taller dejó claro algo importante: las instituciones que lideren en AI-ciencia serán aquellas que piensen sistemáticamente, no fragmentadamente. Dado que los recursos son finitos, las prioridades importan enormemente. Los asistentes fueron claros acerca del potencial que surge cuando una institución coordina contrataciones, investigación y formación bajo una estrategia cohesiva.
MIT hacia un Futuro Transformador
MIT está bien posicionado para construir sobre lo ya existente mediante iniciativas estructurales más amplias —líneas conjuntas entre facultades dedicadas tanto a computación como a disciplinas científicas— así como ampliando caminos académicos interdisciplinarios intencionados hacia “la ciencia detrás da AI”. Ya estamos viendo movimientos hacia esta dirección; este año se lleva a cabo una búsqueda conjunta histórica entre el MIT Schwarzman College of Computing y el Departamento de Física.
The virtuous cycle of AI-and-science has the potential to be truly transformative:* ofrecerá una comprensión más profunda sobre AI*, acelerará descubrimientos científicos e generará herramientas robustas para ambos campos. Al desarrollar una estrategia intencionada,MIT estará bien posicionado para liderar ante las próximas olas transformadoras generadas por AI*.
Si (
No(
