Hace algunos años, el estudio del cáncer parecía estar llegando a ese punto. Entre el 2000 y el 2012 se registraron en la página del Instituto Nacional de Salud de Estados Unidos (el acervo mundial de publicaciones médicas) alrededor de 1 200 000 textos sobre la temible enfermedad. De 2012 a 2024 —el mismo lapso de tiempo—, se han publicado más del doble. A pesar de ello, muchos hallazgos, que en un inicio parecían prometer nuevas terapias, terminaron siendo solo una infinitésima pieza más en el gran rompecabezas de la célula.
Todo indica que cada vez conseguimos nuevas maneras de producir información, pero pocas formas de darle significado. Por ejemplo, las tecnologías de resolución de célula única —imprescindibles hoy en el estudio del cáncer— son capaces de obtener la información casi completa de lo que está ocurriendo en cada uno de los genes de cada una de las células de un tejido. Sin embargo, la multiplicidad de información que esto representa es abismal, por lo que a pesar de conocer cada vez más sobre el panorama genómico de nuestras células, menos idea tenemos de lo que significa. ¿Qué genes son cruciales para el desarrollo del cáncer y cuáles son los mecanismos en los que participan? Como los bibliotecarios de Alejandría, hemos llegado a un punto donde el todo ya no es la suma de sus partes. ¿Qué ocurre con la información que producimos y por qué parece no trascender su significado?
La respuesta radica, primero, en reconocer las limitaciones del cerebro humano, capaz de comprender de manera simultánea un número limitado de variables. No obstante, la cantidad de información que se ha producido en torno al cáncer es tal que nos hemos quedado perplejos frente al reto de comprender el funcionamiento de la célula. Es aquí donde delegamos la resolución de problemas tan complejos a la siguiente generación de herramientas de análisis de datos. Una de las más conocidas y relevantes en la actualidad es la inteligencia artificial.
A lo largo de los años, la inteligencia artificial ha sido definida de múltiples maneras; no obstante, casi todas sus definiciones resaltan la idea de extender la capacidad de una máquina para resolver tareas utilizando inteligencia humanoide. Si bien este concepto es veraz, me gustaría precisar que más que ampliar la capacidad de una computadora, la inteligencia artificial es la extensión de nuestra propia inteligencia a través del uso del poder computacional: algo así como un supracerebro capaz de manejar cantidades inmensas de información mientras aprende sobre ella. Para entender cómo funciona la inteligencia artificial es importante comprender los fundamentos sobre los que se construyó. Entre los más relevantes destaca una dicotomía que hoy gobierna el estudio de casi cualquier aspecto de nuestra realidad: las matemáticas y la informática.
Desde tiempos antiguos las matemáticas han representado el tipo de abstracción que, a través de sus formulaciones, describe procesos y objetos del mundo material. Tanto contar rollos de papiro en una biblioteca como llevar las cuentas de un imperio necesitaron de las matemáticas para hacer simplificaciones operables de objetos físicos. Ahora bien, la modelación matemática de sistemas mucho más complejos ha probado ser el eslabón faltante entre la generación de conocimiento por parte de la investigación básica y la utilización de ese conocimiento en la ciencia aplicada. Un modelo matemático es una representación que no solo recapitula las propiedades más importantes de un sistema, sino que puede analizarse de manera mucho más eficaz y consigue un valor predictivo de las variables en cuestión.
