Los artículos científicos han sido documentos estáticos desde que aparecieron las primeras revistas académicas en la década de 1660. Un equipo de Stanford Medicine quiere hacerlos hablar. En un estudio publicado el 16 de septiembre en la revista Nature, los investigadores dieron a conocer Paper2Agent, un sistema que convierte cualquier manuscrito científico (su texto, figuras y datos) en un agente interactivo de IA que puede responder preguntas sobre el trabajo, aplicar sus métodos a nuevos datos y colaborar con otros agentes en papel para generar nuevos hallazgos.
El proyecto fue dirigido por el académico postdoctoral Jiacheng Miao y el autor principal James Zou, profesor asociado de ciencia de datos biomédicos en Stanford Medicine.
De páginas pasivas al conocimiento activo
"Durante esencialmente toda la historia de la humanidad, la forma en que representamos el conocimiento es en forma de estos artefactos muy pasivos", dijo Zou en el anuncio de Stanford Medicine. "En la antigüedad la gente grababa el conocimiento en piedras, y ahora lo escribimos en palabras en páginas, pero en cierto sentido las páginas no son mucho mejores".
"Esta es una oportunidad para reimaginar fundamentalmente cómo es el conocimiento", añadió. "En lugar de tener sólo artefactos pasivos, ¿por qué no convertimos cada registro estático en una encarnación activa del conocimiento?" Zou describe a cada agente en papel como algo así como un autor virtual que sabe cómo se realizó realmente la investigación y puede explicarla, defenderla y ampliarla.
Cómo Paper2Agent crea un agente
El proceso de conversión se basa en un equipo de "agentes trabajadores" de IA que analizan un artículo publicado junto con cualquier código y datos asociados. Lo más importante es que no se limitan a leer el estudio, sino que intentan reproducirlo desde cero en un entorno virtual, simulando los experimentos documentados. Al rehacer el trabajo, los agentes absorben conocimientos que nunca llegan al manuscrito final, desde reactivos y dependencias de software hasta los detalles específicos de la configuración experimental.
Luego, ese conocimiento se almacena mediante un MCP, un protocolo de contexto modelo que organiza el documento en una estructura accesible. "Un MCP permite que la IA represente esencialmente un PDF en papel en una forma que sea de fácil acceso para los agentes, casi como un sistema de archivo", dijo Zou, con cada sección del documento organizada en su propio compartimento.
Sin embargo, las máquinas no pueden capturarlo todo. Los experimentos fallidos, las decisiones tomadas con criterio y el razonamiento tácito detrás de las decisiones de diseño todavía viven sólo en las cabezas de los investigadores. Entonces, el sistema incluye un paso conversacional en el que el agente del papel entrevista a los autores humanos para llenar esos vacíos.
El primer descubrimiento: una nueva pista sobre el TDAH
Para demostrar lo que se podría lograr con la colaboración entre agentes, el equipo convirtió dos artículos no relacionados en agentes. Uno describió una herramienta para predecir cómo las mutaciones genéticas afectan el genoma; el otro informó sobre un estudio de asociación de todo el genoma sobre el riesgo de trastorno por déficit de atención con hiperactividad.
Una vez que ambos huyeron, los agentes encontraron puntos en común por su cuenta. El agente de predicción del genoma aplicó su método al conjunto de datos del TDAH y marcó una variante molecular cerca de un gen llamado MPHOSPH9 como asociada con un mayor riesgo de TDAH, una conexión que, según Zou, no se había informado antes.
"En el pasado, si había dos grupos de investigación que publicaban dos artículos diferentes, esos dos grupos de investigación tenían que encontrarse de alguna manera", dijo Zou. La visión a largo plazo es mucho más amplia que una pareja cuidadosamente seleccionada: millones de agentes en papel sacan a la luz superposiciones entre ellos y generan nuevos conocimientos a escala, algo que Zou comparó con las citas rápidas manuscritas.
Promesa, atribución y barreras de seguridad
El equipo ha creado más de 100 agentes en papel hasta el momento y todavía está trabajando en cómo miles o millones de ellos podrían encontrarse productivamente entre sí. Zou sostiene que las ventajas para la ciencia son enormes: "Cada año se publican millones de artículos", señaló, pero es explícito sobre dos advertencias.
Primero, atribución. Los agentes que amplían los hallazgos de un artículo deberían amplificar el trabajo de los investigadores originales, no enterrarlo. "Aún es importante atribuir los descubrimientos finales y hacer referencia a ellos a los artículos originales y a los autores humanos originales", dijo.
En segundo lugar, la supervisión. Los parámetros bajo los cuales los agentes colaboran y hacen descubrimientos deben guiarse y monitorearse de cerca, dijo Zou, para mantener esas colaboraciones alineadas con prácticas de investigación seguras y éticas.
El trabajo fue apoyado por financiación del Chan-Zuckerberg Biohub.
Por qué es importante
Paper2Agent aterriza en un panorama de investigación ya remodelado por la revisión de literatura asistida por IA y la automatización de laboratorio, pero su premisa es diferente: en lugar de utilizar un modelo de propósito general para resumir artículos, convierte cada artículo en un especialista ejecutable y verificado que en realidad ha vuelto a ejecutar la ciencia subyacente. Si el enfoque se generaliza, el artículo científico en sí puede evolucionar de un documento citable a una pieza operativa de infraestructura, y el ritmo al que los hallazgos se conectan entre disciplinas podría acelerarse en consecuencia.
_Manténgase a la vanguardia. Obtenga lo último sobre los avances de la IA y lo que significan para la ciencia y la industria en AI Buzz Wire._
