La IA Podría Confundir Rocas Muertas con Vida Extraterrestre, Advierte Nueva Investigación
Científicos probaron una IA con formas de vida simuladas y la engañaron cada vez. Eso es un problema si planeamos usar IA para buscar microbios en Marte o en las nubes de Venus.
Puntos clave
- Investigadores de la Universidad Estatal de Míchigan engañaron a una IA para que identificara erróneamente con confianza lo que no es vida como vida dentro de aproximadamente 15 pequeños cambios en una secuencia de prueba, cada vez.
- El equipo ejecutó su experimento en 1.000 computadoras paralelas durante tres meses, utilizando un programa llamado Avida que simula organismos digitales que compiten y evolucionan.
- El problema fundamental se llama datos "fuera de distribución": una IA entrenada en vida terrestre no tiene un marco de referencia confiable para la biología alienígena, que podría verse completamente diferente.
- La NASA planea lanzar el Observatorio de Mundos Habitables en la década de 2040 para buscar signos de vida en planetas fuera de nuestro sistema solar, una misión que probablemente dependerá considerablemente del análisis de IA.
- Adami y Gupta presentarán sus hallazgos en la Conferencia 2026 sobre Vida Artificial en Waterloo, Canadá, en agosto.
Una IA que identifica con confianza vida donde no la hay suena como un fallo menor. En una futura misión a Marte, podría ser la diferencia entre un avance científico y una falsa alarma vergonzosa que se oiría en todo el mundo.
Christoph Adami, biólogo computacional de la Universidad Estatal de Míchigan, y su estudiante Ankit Gupta pasaron tres meses ejecutando una prueba que debería preocupar a cualquiera entusiasmado con la exploración espacial impulsada por IA. Su herramienta fue Avida, un programa de computadora que Adami construyó en 1993 que ejecuta diminutos organismos digitales: fragmentos de código que se copian a sí mismos, compiten por tiempo de procesamiento e incluso mutan, muy similar a las bacterias en una placa de petri.
Los organismos en Avida proporcionaron al equipo un conjunto de datos amplio y limpio de cosas que están vivas (según las reglas del programa) y cosas que no. Pidieron a una IA que las clasificara.
La IA se desempeñó razonablemente bien al principio. Luego los investigadores comenzaron a ajustar las muestras sin vida, modificando sus secuencias moleculares poco a poco, cada vez verificando si la confianza de la IA se alteraba. Los resultados, según informó Space.com, fueron contundentes.
"Dentro de aproximadamente 15 cambios podemos lograr que la IA esté perfectamente segura de una clasificación de vida cuando de hecho no fue vida una sola vez cuando tenía el 100% de confianza," dijo Adami.
Sin importar con qué secuencia sin vida comenzaran, la IA era engañada. Cada vez.
La razón subyacente es algo que los investigadores llaman un problema de "fuera de distribución". Piénsalo de esta manera: si entrenas una IA para reconocer manzanas y luego le muestras un plátano, tiene dificultades. El plátano tiene una forma desconocida, y la IA no tiene un buen modelo mental para ello. Los microbios alienígenas, si existen, podrían ser igual de ajenos a una IA entrenada completamente en biología terrestre.
Esto importa enormemente para misiones reales. Un rover de Marte encontrando algo que se ve inconfundiblemente como un microbio bajo un microscopio es una cosa. Pero la mayoría de los intentos de detectar vida serán mucho más indirectos, utilizando espectrometría de masas, una técnica que identifica moléculas midiendo su peso, para examinar datos atmosféricos de Venus, muestras de océano de la luna Europa de Júpiter, o firmas de luz de planetas a docenas de años luz de distancia.
Alimenta esos datos ambiguos a una IA entrenada solo en vida terrestre, y podrías obtener una respuesta confiada que simplemente es incorrecta.
"No puedes garantizar eso con vida extraterrestre," dijo Adami claramente.
¿Qué significa esto para futuras misiones espaciales?
Significa que la IA debe ser una herramienta de primer nivel, no la palabra final. Adami no está pidiendo que la IA se abandone completamente de la astrobiología. Cree que tiene un valor genuino clasificando cantidades enormes de datos de sensores que ningún equipo humano podría leer lo suficientemente rápido. La advertencia es más específica: sabe en qué fue entrenada tu IA, y sé honesto sobre lo que no puede saber.
Luego, el equipo planea ir más allá de organismos digitales y ejecutar las mismas pruebas en datos químicos del mundo real, un desafío más difícil y más revelador.
