La IA que salva vidas mientras duermes (y por qué eso cambia todo)

No es solo que a mi me sorprenda

Hay sorpresas que no significan lo mismo dependiendo de quién las cuenta

Cuando a mí me sorprende la inteligencia artificial, es esperable. Llevo dos años explorando estas herramientas con la curiosidad de alguien que viene del mundo de la tecnología pero que no ha dedicado su vida a la investigación científica. Que me asombre tiene un valor relativo. Pero hace poco, en una charla pública, le escuché contar una anécdota a José Ignacio Latorre, uno de los físicos cuánticos más importantes de España. Doctor en partículas elementales, becario en el MIT, investigador en el Instituto Niels Bohr de Copenhague, más de cien artículos científicos publicados, exdirector del Centre for Quantum Technologies de Singapur y uno de los pioneros en aplicar inteligencia artificial al análisis de datos del Gran Colisionador de Hadrones del CERN. Un hombre que lleva décadas exactamente en la frontera donde la física teórica y la computación se tocan.

Latorre contó que Gemini Ultra, la versión más avanzada de la IA de Google, había ayudado a un colega suyo a completar su tesis postdoctoral. Y lo contó con sorpresa y entusiasmo por probarlo el también. 

Eso es lo que me detuvo. No el hecho en sí, sino la cara de quien lo cuenta. Que a alguien así le sorprenda la capacidad actual de la IA no es una anécdota curiosa. Es una señal.

Porque yo llevo semanas escribiendo sobre los riesgos de la inteligencia artificial: que si Amodei predice una AGI para 2027, que si el sedentarismo cognitivo nos está atrofiando el cerebro, que si la IA miente con una seguridad pasmosa. Me he pasado meses conduciéndote por el carril de la preocupación. Era necesario. Pero hoy toca cambiar de carril.

Porque resulta que, mientras yo escribía artículos que no te dejaban dormir, una IA entrenada con casi 600.000 horas de sueño humano aprendía a leer el cuerpo mientras duermes para predecir más de 130 enfermedades. Su nombre es SleepFM, nació en Stanford, y puede detectar el Parkinson con un índice de precisión del 0,89 sobre 1, la demencia con 0,85 y el cáncer de mama con 0,87. Todo eso a partir de una sola noche monitorizada.

Déjalo reposar un momento. Una noche. 130 enfermedades.

Eso es la otra cara de la moneda. Y esta es la historia de esa cara.

La carrera que nadie ve en directo

Imagina dos coches en el mismo circuito. Uno lleva pintado en el capó todo lo que te he contado estos meses: las alucinaciones, el desempleo tecnológico, los sesgos invisibles, la opacidad de los modelos que nadie controla del todo. El otro lleva pintados los nombres de las personas que van a sobrevivir a un cáncer detectado a tiempo, de los agricultores que van a salvar su cosecha porque una IA predijo la inundación con siete días de antelación, de los niños que van a crecer en un planeta un poco menos caliente.

Los dos coches son reales. Los dos van rápido. Y nadie sabe cuál llegará primero a la meta.

Esa es la tensión que define nuestro momento histórico. Entenderla bien requiere observar algo que pocas veces se menciona: la compresión brutal del tiempo.

El argumento que nadie está contando

En 2018, DeepMind publicó AlphaFold 1. Era prometedor. En 2020, AlphaFold 2 resolvió el problema del plegamiento de proteínas, un reto que la biología llevaba cincuenta años sin poder descifrar. En setenta años de ciencia experimental se habían catalogado 400.000 proteínas. AlphaFold 2 puso 400 millones a disposición de los investigadores en dos años.

En 2024, AlphaFold 3 dio el siguiente salto: ya no modela solo proteínas, sino también ADN, ARN y moléculas pequeñas. Eso abre la puerta al diseño de fármacos desde cero, a materiales biorrenovables, a cultivos resistentes al clima que viene. Sus creadores recibieron el Nobel de Química ese mismo año.

De 2018 a 2024: seis años para pasar de "prometedor" a "Premio Nobel".

ChatGPT llegó en noviembre de 2022. SleepFM, capaz de diagnosticar 130 enfermedades mientras duermes, llega en 2026. Tres años y medio.

No son fechas. Es una curva. Y esa curva se está poniendo vertical. Eso es, los coches aceleran a fondo.

La IA que ya no repite lo que ha leído

Aquí es donde el artículo da un giro que me cuesta escribir sin que se me ponga la piel de gallina. Porque hasta ahora hemos hablado de una IA que aprende de datos humanos y los aplica con una precisión asombrosa. Eso ya es mucho. Pero hay algo más.

AlphaEvolve, de Google DeepMind, descubrió un algoritmo para multiplicar matrices complejas usando menos operaciones de las que cualquier matemático había logrado. No es un detalle menor: el algoritmo anterior llevaba cincuenta y seis años sin que nadie lo mejorara. Desde 1969. Generaciones enteras de matemáticos habían intentado superarlo y no habían podido. La IA lo resolvió. Y lo que hace que esto quite el sueño de verdad es esto: los avances de AlphaEvolve se han incorporado al entrenamiento de los modelos Gemini, que a su vez alimentan nuevas versiones del propio AlphaEvolve. La IA ya se está mejorando a sí misma. El bucle ha empezado.

Luego está Aletheia, también de DeepMind, a la que le dieron 700 problemas matemáticos abiertos de los que llevan décadas esperando solución en los archivos de la humanidad. El resultado es desconcertante en el mejor sentido posible: resolvió 4 problemas que ningún ser humano había podido resolver jamás y escribió un paper de investigación completo sin intervención humana. Sí, falló en el 68,5% de los intentos. Pero si le das a un matemático brillante 700 problemas de frontera y resuelve 4 que nadie había resuelto antes, eso es una carrera extraordinaria. Con la diferencia de que el coste por intento de la IA se acerca a cero.

Esto responde a algo que llevas tiempo escuchando: que la IA es como un loro estocástico, que solo combina lo que ha visto, que no inventa nada realmente nuevo. AlphaEvolve y Aletheia demuestran que esa descripción ya no es del todo exacta. No están repitiendo lo que han leído. Están encontrando caminos que ningún humano había transitado. Igual que Gemini encontró el camino que le faltaba a la tesis de aquel postdoc del que habló Latorre.

Entonces, ¿qué viene después?

No voy a darte fechas exactas porque sería irresponsable. Lo que sí puedo hacer es seguir la lógica de esa curva de compresión y preguntarte esto: si de 2018 a 2026 hemos pasado de "nombrar proteínas" a "leer enfermedades en el sueño" y a "resolver problemas matemáticos abiertos desde hace décadas", ¿qué implica que en 2030 habrá modelos entrenados con los datos biológicos, climáticos y sociales de toda la humanidad acumulada?

No hablamos ya de detectar enfermedades. Hablamos de diseñar los fármacos que las eliminen. No de predecir inundaciones. De modelar el planeta completo con resolución local para actuar antes, no después. No de reducir emisiones. De simular con precisión qué intervenciones en qué zonas producen el mayor impacto climático real.

La desigualdad y la paz son más complicadas porque no son problemas de datos, sino de voluntad humana. Y eso, por ahora, ninguna IA lo resuelve. Esa frontera sigue siendo nuestra.

Lo que no ha cambiado

Todo lo que te he contado antes sigue siendo verdad. La IA alucina. Tiene sesgos. Consume cantidades obscenas de energía. Puede usarse para manipular, vigilar y concentrar poder en pocas manos. Amodei sigue teniendo razón en que el ritmo supera nuestra capacidad de gobernanza. Y el hecho de que la IA ya se esté mejorando a sí misma no es solo una buena noticia: es exactamente el tipo de desarrollo que exige que el coche bueno llegue primero.

Pero hoy no toca hablar de eso.

Lo que sí toca es ser honesto sobre algo que pocas veces se dice en voz alta: en esta carrera, tú y yo somos espectadores. Podemos animar a uno de los dos coches, podemos elegir cómo usamos la tecnología en nuestro día a día, podemos escribir artículos como este. Pero el volante no lo tenemos nosotros. Lo tienen los que deciden cuánto capital se destina al desarrollo, cuánta regulación se aplica y en qué dirección va la próxima versión del modelo. Esa parte de la carrera ya lleva ventaja y no espera.

Lo que sí está en tu mano es decidir cómo te posicionas ante lo que viene. Si el riesgo te parece inaceptable o si el premio justifica la apuesta. Eso no te lo puedo resolver yo.

Lo que sí puedo decirte es esto: esta noche, cuando vayas a dormir, alguna versión futura de SleepFM podría estar aprendiendo a leer cuerpos como el tuyo con una precisión que ningún médico humano ha tenido jamás. Y mañana, cuando el chatbot de turno te dé una respuesta mediocre, recuerda que detrás de esa misma tecnología hay alguien en un laboratorio resolviendo un problema matemático que lleva cincuenta años esperando solución, o un físico cuántico mirando la pantalla con los ojos abiertos sin saber muy bien qué acaba de pasar.

Los dos coches siguen en pista. Los dos van rápido. Los dos acaban de acelerar.