Noticias IA · Investigación Científica Autónoma, Descubrimiento con LLMs y Peer Review
Edición: Álvaro MaureiraFecha: 2026-11-02Fuente: Sakana AI, University of Oxford & UBC Research
Sakana AI, en colaboración con investigadores de la Universidad de Oxford y la Universidad de Columbia Británica, presentó The AI Scientist, el primer marco completamente automatizado capaz de llevar a cabo el ciclo completo de investigación científica en aprendizaje automático. Desde la generación y filtrado de ideas novedosas hasta la redacción de código de entrenamiento, ejecución paralela de experimentos computacionales, generación de gráficos explicativos, redacción integral de artículos en formato LaTeX y evaluación mediante revisión por pares simulada con modelos de lenguaje, The AI Scientist abre el debate sobre la aceleración autónoma de la ciencia a un coste inferior a 15 dólares por paper generado.
Capítulo 01
La noticia en una frase
Sakana AI presentó The AI Scientist, marco autónomo que formula hipótesis, ejecuta experimentos y redacta papers científicos.
En pruebas de evaluación ciega sobre arquitecturas de transformadores y modelos de difusión, The AI Scientist produjo artículos científicos que alcanzaron puntuaciones comparables a las de conferencias de primer nivel (como NeurIPS e ICLR) en el sistema automatizado de peer review. El marco incluye un revisor semántico basado en LLM que evalúa solidez empírica, originalidad y claridad formal.
Capítulo 02
El alcance que cambia la lectura
Hasta el surgimiento de este desarrollo, el papel de la IA en la investigación se limitaba a tareas asistidas: resumen de literatura previa, formateo de citas bibliográficas o autocompletado de funciones estadísticas. The AI Scientist traspasa esta barrera al otorgar agencia al sistema para diseñar sus propias hipótesis experimentales y reaccionar ante resultados numéricos inesperados.
Capítulo 03
El mecanismo documentado
El sistema opera mediante una máquina de estados orquestada: primero explora repositorios de código base preexistentes (templates); luego lanza un proceso de lluvia de ideas guiado por búsqueda en Semantic Scholar; a continuación genera ramas en Git para modificar scripts de PyTorch, ejecuta los experimentos en GPU y extrae métricas cuantitativas; finalmente compila un documento PDF completo con figuras renderizadas en Matplotlib.
Capítulo 04
La relación entre las piezas
El proyecto fue liberado como código abierto en GitHub, permitiendo a laboratorios académicos y departamentos de I+D corporativos clonar la infraestructura para acelerar ciclos de exploración preliminar en bioinformática, física aplicada y ciencia de materiales.
Capítulo 05
Qué capacidad se puede atribuir
Se comprueba una capacidad notable para descubrir optimizaciones heurísticas de hiperparámetros y esquemas de aprendizaje combinados que no eran obvios en la literatura base. Sin embargo, no se debe atribuir al sistema la facultad de refutar paradigmas fundamentales ni de evaluar el impacto social o ético de sus hallazgos sin supervisión humana experta.
Capítulo 06
La puerta de control
Los investigadores implementaron barreras de contención (sandboxing) y límites de tiempo de ejecución para evitar bucles infinitos en clústeres de GPUs y bloquear llamadas a APIs no autorizadas.
Capítulo 07
Lo que la fuente no demuestra
Sakana AI reconoce honestamente que el sistema a veces introduce alucinaciones en la interpretación de anomalías estadísticas y puede generar papers repetitivos o variaciones incrementales menores si no se le proporcionan semillas conceptuales de alta calidad.
Capítulo 08
Cómo probarlo sin prometer de más
El código fuente, los entornos de ejecución y los ejemplos de papers generados están disponibles en el repositorio oficial de Sakana AI (`github.com/SakanaAI/AI-Scientist`).
Capítulo 09
Veredicto editorial
The AI Scientist representa una mirada fascinante y provocadora al futuro de la indagación humana: una demostración contundente de que cuando las máquinas asumen la carga del ensayo y error empírico, los científicos pueden concentrarse en plantear las preguntas verdaderamente transformadoras.
Fuente oficial y reporte: Sakana AI, University of Oxford & UBC Research
