La inteligencia artificial prometió acelerar la búsqueda de vida más allá de la Tierra escaneando grandes conjuntos de datos en busca de biosignaturas sutiles. Un nuevo estudio de la Universidad Estatal de Michigan muestra que esta promesa viene con un defecto oculto: la IA puede ser coaccionada para ver vida donde no existe.

Los investigadores construyeron una simulación digital que imita uno de los indicadores más confiables de biología – la capacidad de las moléculas para replicarse y mutar. Generaron decenas de miles de organismos virtuales, la mitad capaces de autorreplicación, la mitad no. Una red neuronal entrenada en estos datos aprendió a distinguir los dos grupos con una precisión asombrosa del 99,7%.

Pruebas de la IA en organismos digitales

La confianza se convirtió en cautela cuando el modelo enfrentó datos fuera de su conjunto de entrenamiento. Comenzando con un organismo digital no replicante, el equipo hizo ediciones incrementales, empujando la secuencia hacia los patrones que la IA había aprendido a asociar con la vida. Cada pequeño cambio provocó que la IA etiquetara el organismo como vivo, aunque la capacidad de replicación fundamental permaneció ausente.

"No importa qué secuencia de comandos comenzamos, pudimos engañar a la IA el 100% de las veces", dijo Ankit Gupta, coautor del papel. El resultado no fue un error único; la IA clasificó consistentemente los organismos alterados, revelando un talón de Aquiles en su lógica de reconocimiento de patrones.

Aunque el estudio utilizó un entorno artificial – no se involucraron datos reales de telescopios – la metodología refleja los desafíos que las agencias espaciales pronto enfrentarán. Las misiones futuras, como los rovers de Marte y los telescopios de espacio profundo, confiarán en la IA para priorizar observaciones, señalizando posibles biosignaturas para análisis adicionales.

Si un algoritmo señaliza incorrectamente un falso positivo, los científicos podrían perder un tiempo y recursos valiosos persiguiendo una señal fantasma. El riesgo se extiende más allá de la astrobiología. Clasificaciones similares podrían aparecer en imágenes médicas, footage de seguridad y cualquier campo donde la IA escanea patrones sin verificación humana directa.

Christoph Adami, otro autor del estudio, enfatizó que la tecnología no está rota, solo es incompleta. "La IA tiene un talón de Aquiles: puede ver un patrón y clasificarlo completamente mal", señaló. "Debe haber un humano en el bucle". Los investigadores sugieren incorporar controles rigurosos y mantener la supervisión humana como salvaguardias esenciales.

A pesar de la advertencia, los autores siguen siendo optimistas sobre el papel de la IA en el descubrimiento científico. Cuando se limita a datos de entrenamiento bien definidos, la red neuronal funcionó de manera impresionante. La clave, argumentan, es reconocer los límites de lo que el modelo ha visto y diseñar flujos de trabajo que señalizen casos inciertos para revisión de expertos.

Como las agencias espaciales se preparan para misiones de próxima generación, el estudio sirve como un recordatorio oportuno: las herramientas poderosas requieren un manejo cuidadoso. La promesa de la exploración impulsada por la IA solo se realizará si los científicos incorporan pasos de verificación robustos en cada etapa de la búsqueda de vida más allá de la Tierra.

Este artículo fue escrito con la asistencia de IA.
News Factory APP - noticias agénticas para impulsar tu SEO y AEO.