IA11 MIN

DeepMind quiere adelantarse a la próxima pandemia con IA. El problema es lo que esa misma tecnología permite

DeepMind e Isomorphic Labs quieren acelerar la detección de amenazas biológicas y el diseño de tratamientos. Pero los modelos que ayudan a defendernos también pueden abaratar el daño.

Visual de Google DeepMind sobre bioresiliencia, con una doble hélice de ADN detrás de un cristal
Imagen: Google DeepMind / Isomorphic Labs
01

Qué propone exactamente DeepMind

Google DeepMind e Isomorphic Labs han presentado un plan conjunto de bioresiliencia. Quieren impedir que alguien utilice sus modelos para causar daño y, al mismo tiempo, ponerlos a disposición de gobiernos, científicos y especialistas en bioseguridad. Las compañías aseguran que durante el último año han puesto en marcha más de quince colaboraciones.

El programa intenta actuar antes, durante y después de una amenaza biológica. Primero evalúa qué capacidades podrían ser peligrosas y limita su uso. Después busca indicios que permitan detectar antes un problema y trabaja en herramientas para acelerar el diagnóstico o desarrollar tratamientos. No puede predecir la fecha y el lugar de la próxima pandemia. Su objetivo es recortar el tiempo que tardamos en reconocerla y reaccionar.

02

Dónde puede ayudar de verdad la IA

DeepMind señala que AlphaEvolve puede optimizar algoritmos utilizados en el análisis metagenómico: el estudio del material genético presente en una muestra, sin necesidad de aislar previamente un único organismo. Si ese análisis se vuelve más rápido y barato, los laboratorios podrían detectar patrones extraños antes y ampliar la vigilancia a lugares con menos infraestructura.

Unos días de ventaja pueden cambiar una respuesta sanitaria, pero el modelo no puede hacerlo todo. Necesita muestras fiables, hospitales que compartan información, datos representativos, laboratorios capaces de confirmar un hallazgo y autoridades preparadas para actuar. Sin todo eso, una alerta más rápida puede quedarse en una pantalla sin que nadie sea capaz de comprobarla.

03

La misma capacidad también reduce barreras para hacer daño

Un modelo que entiende proteínas, genomas y protocolos puede ayudar a diseñar un fármaco, pero también puede orientar a quien intenta aumentar la peligrosidad de un agente o saltarse controles. No hace falta que la IA invente un patógeno desde cero. El riesgo aparece si explica con claridad conocimientos que antes estaban repartidos entre muchos documentos o si permite que una sola persona haga algo para lo que antes necesitaba un equipo experto.

DeepMind plantea evaluaciones de amenaza, filtros y acceso controlado para determinados socios. También explora adaptar SynthID —su tecnología de marcado y detección de contenido generado— a secuencias biológicas producidas con IA. La idea es interesante, pero necesitará pruebas independientes: una marca útil debe resistir transformaciones, evitar falsos positivos y no convertirse en una falsa garantía de seguridad.

04

Quién podrá utilizar las herramientas más potentes

La decisión no es solo técnica: alguien tendrá que elegir quién recibe acceso y bajo qué supervisión. Si entran muy pocos investigadores, se puede frenar trabajo legítimo, dejar fuera a países con menos recursos y concentrar todavía más el descubrimiento en unas pocas compañías. Si entra cualquiera, las capacidades peligrosas también se repartirán con mayor facilidad.

Las reglas deberían distinguir entre publicar un hallazgo científico, ofrecer el modelo completo y permitir el uso de herramientas de alto riesgo. También hacen falta auditorías externas, criterios de acceso que se puedan entender y una vía para recurrir una negativa. La empresa que controla el modelo no debería decidir por sí sola quién merece ser considerado un socio de confianza.

05

La prueba llegará cuando aparezca una amenaza real

Las mismas herramientas pueden acelerar un tratamiento o facilitar que alguien haga daño. Parar toda la investigación nos dejaría peor preparados, pero publicar cada capacidad sin límites también aumentaría el riesgo. DeepMind tendrá que demostrar que sus controles frenan los usos peligrosos sin bloquear a los científicos que sí pueden aprovecharlos.

Lo importante será comprobar cuántas horas ahorra el análisis, cuántas alertas se confirman, qué instituciones pueden utilizar el sistema y qué ocurre cuando aparece un fallo. Ningún modelo evitará por sí solo una pandemia: seguirá haciendo falta una red de hospitales, laboratorios, investigadores y autoridades que sepan qué hacer con la información.

00

La conversación empieza aquí

Accede con una cuenta de apoyo para comentar. Entrar

Todavía no ha comentado nadie. ¿Estrenas tú?

SIGUE LEYENDO

También te puede interesar

PORTADA