OmniScientist: la IA que hace ciencia directamente desde datos en bruto sin resúmenes precalculados
Un nuevo sistema de IA científica trabaja directamente con imágenes, audio, vídeo y estructuras 3D sin convertirlos primero a texto o números. Qué significa esto para el futuro de la investigación y la seguridad.
La mayoría de los sistemas de IA científica que existen hoy siguen un patrón parecido: reciben datos que alguien ya procesó antes — un CSV, un resumen, una tabla—, y a partir de ahí generan hipótesis o escriben artículos. Es como darle a un chef un guiso ya hecho y pedirle que diseñe la receta original.
OmniScientist, publicado en arXiv el 13 de agosto de 2026, propone algo distinto: un sistema de IA científica de extremo a extremo que trabaja directamente con la evidencia bruta en toda su diversidad — imágenes de microscopio, señales de audio, vídeo de experimentos, estructuras 3D de moléculas, tablas de datos numéricos, grafos de relaciones, incluso fórmulas matemáticas.
La diferencia no es menor. Cuando reduces una imagen de criomicroscopía a un vector de características precalculado, estás perdiendo las relaciones espaciales sutiles que pueden ser exactamente lo que distingue un resultado interesante de uno irrelevante. OmniScientist prescinde de ese paso.
Arquitectura: tres agentes y una tubería determinista
El sistema se compone de tres agentes autónomos que operan dentro de una tubería determinista — nada de agentes que actúan de forma aleatoria y luego se filtra el resultado bueno.
Agente de ideación: genera hipótesis a partir de la percepción directa de los datos, no de resúmenes.
Agente de experimento: diseña y ejecuta experimentos — escribe código, lo corre, interpreta los resultados.
Agente de redacción: compila todo en un manuscrito completo con reivindicaciones verificables.
Lo importante es que las observaciones moldean las preguntas de investigación de forma continua a lo largo del ciclo. No es un flujo lineal donde primero se hipotetiza y luego se verifica — es un proceso iterativo en el que los datos van guiando el rumbo.
Resultados: puntuación media de 6.3 sobre 10
OmniScientist se evaluó en 36 casos reales distribuidos en 5 familias de disciplinas científicas, 4 tipos de evidencia científica y 8 modalidades distintas de datos (imágenes, señales, audio, vídeo, estructuras 3D, trayectorias, tablas y fórmulas). El sistema completó el recorrido completo — de datos en bruto a manuscrito compilado — en los 36 casos, con una puntuación media de 6.3 sobre 10.
El dato más revelador viene de la comparativa: cuando se enfrenta a una variante que recibe únicamente características escalares precalculadas (el estándar actual en la mayoría de sistemas), la percepción directa mejora las 7 dimensiones de evaluación y gana el 85% de los juicios frente a frente. Es decir: trabajar con los datos originales produce sistemáticamente mejores resultados que trabajar con resúmenes procesados.
El sistema también incorpora verificaciones automatizadas — cribado de novedad, validez estadística, procedencia de la ejecución y trazabilidad numérica — todas ejecutadas en código, no como paso humano posterior.
Qué significa esto para la seguridad
A primera vista, esto parece ciencia básica. Pero hay implicaciones de seguridad que merecen atención.
Un sistema que puede percibir directamente datos científicos brutos y generar hipótesis verificables reduce la barrera de entrada para hacer investigación de doble uso. No en el sentido de que sea más fácil hacer daño — ya lo era con las herramientas existentes—, sino en el sentido de que esta tecnología democratiza la capacidad de hacer ciencia real, lo cual es fundamentalmente positivo pero requiere gobernanza.
Donde sí hay una preocupación más concreta: estos sistemas automatizan pasos que antes requerían un científico experimentado revisando datos con criterio. Cuando la tubería es determinista y produce resultados que "parecen" científicos, la tentación de saltarse la verificación humana crece. El propio artículo reconoce que la percepción directa es esencial, pero no dice nada sobre quién decide qué percepciones son relevantes y cuáles son artefactos del instrumento de medición.
En resumen: OmniScientist marca un avance real en cómo las máquinas pueden participar en el proceso científico completo. La pregunta de si eso nos acerca a una IA científica fiable o a uno más sofisticado no tiene respuesta fácil — y probablemente la respuesta correcta es "ambas cosas a la vez".