Thomas Wolf es cofundador de Hugging Face, una empresa conocida por sus modelos de IA de código abierto y bibliotecas para facilitar chatbots e investigación científica. Altman (de OpenAI) y Hassabis (de DeepMind) han expresado bastante más tecno-optimismo sobre el potencial de la inteligencia artificial para acelerar avances científicos en áreas como medicina o biología.
Wolf discrepa de ese optimismo: sostiene que los modelos de IA actuales, especialmente los basados en lenguaje, no tienen la capacidad de generar descubrimientos científicos relevantes por sí mismos.
Argumentos de Wolf
-
Limitación en la arquitectura de los modelos de lenguaje
-
Estos modelos funcionan esencialmente prediciendo la “siguiente palabra más probable” en un contexto estadístico.
-
Esa mecánica los hace poco propensos a proponer hipótesis inesperadas o disruptivas, que muchas veces son clave para los grandes saltos científicos.
-
-
Tendencia a complacer al usuario
-
Wolf señala que los modelos tienden a “dar lo que el usuario quiere escuchar” en lugar de confrontarlo con ideas novedosas o retadoras.
-
En la ciencia, una parte importante del descubrimiento es cuestionar lo obvio, plantear lo inesperado. Esa actitud crítica estaría fuera del alcance de los modelos actuales.
-
-
Papel más modesto de la IA en ciencia, por ahora
-
Wolf concede que la IA ya tiene utilidades reales en investigación: por ejemplo, AlphaFold, de DeepMind, ha permitido analizar estructuras de proteínas y ha impulsado desarrollos en fármacos.
-
Pero advierte que eso no implica que la IA esté generando descubrimientos disruptivos por sí sola.
-
-
Discusión con visiones más optimistas
-
La posición de Wolf se fortalece frente a ensayos como el de Dario Amodei (de Anthropic), que predice que la IA podría condensar décadas de avances científicos en solo unos años. Wolf considera esa visión demasiado idealista frente a lo que permite la tecnología hoy.
-
A su modo de ver, la IA seguirá siendo un “copiloto” útil, pero no un inventor autónomo de conocimiento.
-
