Durante siglos, la ciencia tuvo una regla no escrita: descubrir y comprender eran parte del mismo proceso. Los científicos observaban fenómenos, formulaban hipótesis, realizaban experimentos y finalmente construían explicaciones capaces de dar sentido a lo observado. Así ocurrió con Newton y la gravedad, con Darwin y la evolución, o con Watson y Crick y la estructura del ADN.
Hoy esa relación comienza a cambiar. Los sistemas modernos de inteligencia artificial ya no son simples herramientas para procesar información. En muchos casos están identificando patrones, relaciones y soluciones que ningún investigador habría podido detectar por sí mismo.
Silverio García, investigador de la Escuela de Ingeniería y Ciencias del Tec de Monterrey, y columnista de TecScience, formula esta pregunta es inquietante: ¿estamos observando el nacimiento de una ciencia capaz de producir descubrimientos más rápido de lo que podemos comprenderlos?
– – – – – – – – – – – – – – – – – – – –
El problema de la caja negra
La mayoría de los modelos modernos de inteligencia artificial funcionan mediante redes neuronales capaces de procesar cantidades enormes de información. Estos sistemas aprenden identificando patrones complejos entre millones o miles de millones de variables.
El resultado suele ser extraordinario: diagnósticos médicos, predicción de proteínas, diseño de nuevos materiales o identificación de posibles fármacos. El problema es que, muchas veces, ni siquiera los expertos pueden reconstruir por completo el proceso que siguió el algoritmo para producir una respuesta.
Los científicos llaman a este fenómeno el problema de la “caja negra”. Sabemos que la respuesta funciona y que la predicción es correcta, pero no siempre sabemos por qué. Durante gran parte de la historia de la ciencia, esto habría sido considerado inaceptable. Hoy comienza a convertirse en una realidad cotidiana.

Cuando las máquinas comenzaron a hacer descubrimientos
Biología: predicción de proteínas
Durante más de medio siglo, uno de los grandes desafíos de la biología fue predecir la estructura tridimensional de las proteínas. Resolver experimentalmente una sola proteína podía requerir años de trabajo y millones de dólares. En 2021, AlphaFold sorprendió a la comunidad científica al resolver gran parte de este problema utilizando inteligencia artificial. En pocos meses se pusieron a disposición de los investigadores millones de estructuras proteicas previamente desconocidas.
El impacto fue tan grande que muchos investigadores describieron el avance como uno de los mayores logros de la biología moderna. La IA podía predecir estructuras con extrema precisión. Sin embargo, ni siquiera sus desarrolladores podían describir paso a paso cómo el sistema llegaba exactamente a cada una de sus conclusiones.
Medicina: identificación de cáncer
La medicina enfrenta una situación similar. Diversos sistemas de inteligencia artificial ya son capaces de identificar ciertos cánceres, enfermedades cardiovasculares y alteraciones oftalmológicas con niveles de precisión comparables o superiores a los de especialistas experimentados.
Física: ecuaciones imposibles
La física tampoco escapa a este fenómeno. En años recientes, se han desarrollado algoritmos capaces de identificar relaciones matemáticas ocultas en grandes volúmenes de datos experimentales. Algunos sistemas han logrado reconstruir ecuaciones físicas o detectar patrones asociados a materiales cuánticos y sistemas complejos antes de que los científicos pudieran interpretarlos por completo. Por primera vez, una máquina puede señalar una regularidad en la naturaleza y dejar a los investigadores la tarea de averiguar qué significa.
Materiales: combinaciones jamás exploradas
Algo parecido está ocurriendo en el descubrimiento de nuevos materiales. Tradicionalmente, desarrollar una nueva aleación, un semiconductor o un material para baterías requería décadas de ensayo y error. Hoy, los sistemas de IA pueden explorar millones de combinaciones químicas virtuales y predecir cuáles tienen mayores probabilidades de éxito.
Es como si la inteligencia artificial estuviera explorando regiones enteras del conocimiento que permanecían fuera de nuestro alcance. El fenómeno se repite una y otra vez: primero aparece el hallazgo; después llega la explicación.
Las matemáticas, la última frontera de la razón humana
Tradicionalmente consideradas la forma más pura del razonamiento humano, las matemáticas tampoco han quedado al margen de esta revolución. En los últimos años, sistemas de inteligencia artificial han comenzado a generar demostraciones, encontrar contraejemplos y resolver problemas abiertos en teoría de números, geometría y teoría de grafos.
La comunidad científica ha debatido el anuncio de una solución asistida por IA al problema de existencia y suavidad de las ecuaciones de Navier-Stokes, uno de los Problemas del Milenio del Clay Mathematics Institute. Aunque estos resultados continúan siendo evaluados, representan un cambio de paradigma: por primera vez, las máquinas no solo aceleran cálculos, sino que participan activamente en la generación de ideas matemáticas originales. ¿Podría existir una demostración matemáticamente correcta que ningún ser humano llegue a comprender por completo?
¿La primera ciencia posthumana?
Algunos filósofos de la tecnología consideran que podríamos estar entrando en una etapa que denominan ciencia posthumana. La expresión no significa que los científicos desaparecerán ni que los laboratorios serán reemplazados por máquinas autónomas.
Significa algo mucho más profundo. Por primera vez desde el surgimiento de la ciencia moderna, la generación de conocimiento podría comenzar a separarse de la comprensión humana. Los investigadores seguirán diseñando experimentos, validando resultados y planteando preguntas relevantes, pero una parte podría originarse en sistemas cuya lógica interna resulta demasiado compleja para ser interpretada por las personas.
En otras palabras, podríamos estar acercándonos a una situación en la que las máquinas generan conocimiento y los humanos intentan comprenderlo después.
El futuro de la ciencia humana
Cada revolución científica transformó nuestra visión del mundo. Copérnico nos sacó del centro del universo. Darwin nos mostró que somos parte de la evolución biológica, y Watson y Crick nos mostraron que la herencia proviene del ADN. Hoy, la inteligencia artificial podría obligarnos a afrontar una pregunta aún más incómoda: ¿qué sucede cuando el conocimiento ya no depende exclusivamente de la inteligencia humana?
Nunca habíamos tenido acceso a tanta información ni a herramientas tan poderosas para analizarla. Al mismo tiempo, podríamos estar acercándonos a un escenario en el que algunos descubrimientos importantes resulten demasiado complejos para ser comprendidos por quienes los utilizan.
Tal vez la próxima gran frontera de la ciencia no sea descubrir más. Tal vez sea aprender a interpretar lo que las inteligencias artificiales ya están comenzando a descubrir. Porque la gran pregunta del siglo XXI podría no ser si las máquinas llegarán a pensar como nosotros. La verdadera pregunta es si nosotros seremos capaces de comprender lo que ellas descubran.
Autor

Silverio García-Lara es profesor investigador del Departamento de Bioingeniería, de la Escuela de Ingeniería y Ciencias, del Tec de Monterrey. Es miembro del Sistema Nacional de Investigadores, nivel 3. Es columnista de TecScience.
Nota: En este texto, el autor usó la inteligencia artificial Copilot (2026) para corregir conceptos y editar la versión final.







