Una IA diseñada para trabajar mediante hipótesis, experimentos y correcciones ha creado dos métodos capaces de superar herramientas ya utilizadas en bioinformática.
El dispositivo se llama The Little Scientist, «el pequeño científico». Su principio es sencillo: en lugar de modificar el código y conservar únicamente lo que funciona, el agente debe formular una hipótesis. Después predice el resultado esperado, escribe su programa, lo prueba y compara lo que ocurrió realmente con su predicción.
Fuente: Wikimedia Commons — Arek Socha, CC0
Esta diferencia es importante cuando el ensayo falla. El sistema recibe información detallada sobre los casos en los que su programa mejora o empeora. Por tanto, puede relacionar una modificación concreta con sus efectos. En la siguiente iteración, estos resultados sirven para construir una nueva hipótesis en lugar de volver a empezar al azar.
Los investigadores probaron este método en dos tareas relacionadas con la biología. La primera consiste en predecir el efecto de una mutación sobre el funcionamiento de una proteína. El sistema desarrolló una estrategia llamada Delta V, que combina varios modelos existentes y ajusta sus resultados. En la clasificación ProteinGym utilizada en el estudio, alcanzó el primer puesto según las cinco medidas oficiales evaluadas.
La segunda prueba se centró en el ADN. Algunas proteínas se unen preferentemente a determinadas secuencias cortas. Detectar estos motivos ayuda a comprender cómo se controla la actividad de los genes. La IA escribió desde cero un algoritmo llamado DALE para buscar estos motivos en los datos.
En 132 proteínas que regulan la actividad de los genes, DALE obtuvo una puntuación media de 0,842, frente a 0,803 de STREME, la herramienta de referencia. En esta prueba, DALE también funcionaba 11 veces más rápido.
El sistema también prevé una forma de salir de un callejón sin salida. Después de varios intentos sin avances, un segundo agente propone una nueva manera de abordar el problema, inspirada a veces en otro ámbito. En ambos experimentos, este cambio de perspectiva contribuyó a mejoras que posteriormente desarrolló el agente principal.
El código y el historial de los ensayos se han publicado para permitir reproducir las pruebas.