El sistema AstroAgents, presentado recientemente en la International Conference on Learning Representations en Singapur, introdujo una metodología novedosa en la astrobiología al utilizar inteligencia artificial para generar hipótesis científicas. Conformado por ocho agentes especializados, este equipo digital trabajó analizando datos de espectrometría de masas obtenidos de ocho meteoritos y diez muestras de suelo recolectadas en regiones como la Antártida y el desierto de Atacama.
Durante el experimento, el equipo de investigación decidió comparar el desempeño de dos modelos de lenguaje de última generación: Claude Sonnet 3.5 y Gemini 2.0 Flash. Durante el proceso, ambos sistemas recibieron idénticos conjuntos de datos para evaluar su capacidad de generar hipótesis relacionadas con posibles señales biológicas en las muestras analizadas.
Gemini generó un total de 101 hipótesis, destacándose por su volumen y originalidad. De acuerdo con Denise Buckner, astrobióloga del NASA Goddard Space Flight Center, 36 de esas propuestas fueron plausibles, mientras que 24 se consideraron novedosas. Claude, por su parte, produjo 48 hipótesis, ninguna clasificada como original por Buckner, pero sobresalió por presentar menor cantidad de errores y ofrecer explicaciones más claras en sus resultados.
Amirali Aghazadeh, coautor del proyecto y científico computacional en el Georgia Institute of Technology, explicó que la división del trabajo entre varios agentes especializados dentro de AstroAgents permitió abordar la complejidad de los datos de manera más eficiente. El diseño contempla funciones específicas asignadas a cada agente, incluyendo un analista de datos, un planificador y un crítico, lo que optimiza el proceso de generación y evaluación de hipótesis.
Las diferencias observadas entre Claude y Gemini ofrecen una perspectiva reveladora sobre las capacidades actuales de los modelos de inteligencia artificial aplicados a la ciencia. Gemini demostró una notable capacidad para proponer ideas originales, aunque acompañadas de un margen de error superior. Claude, en cambio, apostó por hipótesis más conservadoras, priorizando precisión y claridad en sus planteamientos.
Michael Wong, astrobiólogo del Carnegie Science’s Earth and Planets Laboratory, manifestó cautela respecto a los resultados obtenidos. Según Wong, la evaluación llevada a cabo por una sola persona limita el alcance de las conclusiones. "Las calificaciones serían mucho más poderosas si provinieran de, digamos, un centenar de expertos", indicó, remarcando la necesidad de una revisión más amplia para valorar correctamente el aporte científico de AstroAgents.
Igualmente, la implementación de estos sistemas no solo representa un avance tecnológico, sino también un desafío metodológico para la comunidad científica. Se prevé que AstroAgents será empleado en futuros análisis de muestras provenientes de Marte, en particular de un lecho lacustre antiguo cuya recuperación está programada para la próxima década. Buckner expresó confianza en que esta herramienta permitirá obtener una comprensión más profunda sobre posibles señales de vida en esos materiales.
Así, la experiencia con Claude y Gemini ha mostrado que los modelos de inteligencia artificial poseen potencial para complementar el trabajo humano en la astrobiología, aunque aún se requiere una validación más exhaustiva de sus contribuciones. Por el momento, AstroAgents se posiciona como una herramienta experimental prometedora, capaz de generar un volumen significativo de hipótesis que, en manos de los investigadores, podrían allanar nuevos caminos para explorar el misterio del origen de la vida. (Notipress)
