Los investigadores de IA de universidades están siendo desplazados de su propio campo

Puntos clave

• Los investigadores académicos no pueden acceder al funcionamiento interno de modelos de IA fronterizos como ChatGPT o Claude, que son mantenidos en privado por sus propietarios corporativos.
• Las universidades no pueden permitirse los chips de computadora especializados necesarios para entrenar modelos de IA fronterizos, según investigadores en la convención AI2050 de Schmidt Sciences 2025 en Mountain View, California.
• Un estudio de Johns Hopkins encontró que los modelos de lenguaje de IA dan respuestas menos detalladas a preguntas formuladas de maneras más comúnmente asociadas con mujeres que con hombres.
• El equipo AlphaFold de Google DeepMind, que ganó un Premio Nobel por predecir cómo se pliegan las proteínas, fue disuelto el mes pasado.
• Algunos investigadores preocupan que herramientas de IA que resuelven matemáticas avanzadas podrían amenazar el futuro de los matemáticos humanos.

Imagina ser un biólogo marino cuyo océano está completamente detrás de un muro de pago corporativo. Así es aproximadamente cómo Nika Haghtalab, profesora de ciencias de la computación en UC Berkeley, describe la investigación de IA académica en este momento. Le dijo a MIT Technology Review que estudiar la IA actual se parece a ser un biólogo excluido de CRISPR, la tecnología de edición de genes que transformó la medicina, porque empresas privadas la controlaban exclusivamente.

Esa comparación llegó a un hotel en Mountain View, California, donde el programa AI2050 de Schmidt Sciences, financiado por Eric y Wendy Schmidt, reunió a algunos de los académicos de IA más respetados que trabajan fuera de las grandes tecnológicas. Cubrimos la agenda de investigación de este programa el 10 de agosto de 2026, cuando la pregunta sobre qué puede hacer la IA académica que los laboratorios fronterizos no harán ya era apremiante.

¿Por qué las universidades no pueden simplemente hacer la investigación ellas mismas?

Dinero. Entrenar o ejecutar un modelo de IA fronterizo requiere enormes cantidades de GPUs, los chips de computadora especializados que manejan el cálculo intensivo de la IA, y las universidades no pueden permitirse suficientes. El programa AI2050 proporciona a los investigadores fondos para comprar chips, que los investigadores llamaron un verdadero salvavidas, pero los recortes de financiamiento científico federal están apretando aún más los presupuestos.

Incluso los investigadores que no entrenan sus propios modelos enfrentan costos. Consultar repetidamente los sistemas de OpenAI o Anthropic para estudiarlos adecuadamente se suma rápidamente, y ninguna de las dos empresas abre su arquitectura interna al escrutinio externo.

Así que los académicos están marcando terreno diferente. Anjalie Field, profesora de ciencias de la computación en Johns Hopkins, lo expresó claramente: "Intento no trabajar en problemas que creo que serán resueltos por una empresa tecnológica". Su estudio reciente encontró que los modelos de lenguaje de IA dan respuestas menos detalladas a indicaciones escritas en estilos más comúnmente utilizados por mujeres. Ese tipo de resultado, que refleja mal el producto de una empresa, no vendrá de dentro de una.

¿Qué hay sobre la investigación de IA que no tiene nada que ver con chatbots?

Una gran parte de la IA académica nunca ha tocado modelos de lenguaje grandes. Estos investigadores construyen herramientas enfocadas: modelos que predicen clima extremo o simulan cómo los medicamentos interactúan con el cuerpo. No están persiguiendo los objetivos de OpenAI.

Pero tienen su propio problema. Cuando la mayoría de las personas escuchan "IA", imaginan chatbots que consumen mucha energía, y esa imagen dificulta que los investigadores de clima o salud argumenten el valor de su trabajo. La disolución del equipo AlphaFold de Google DeepMind el mes pasado, a pesar de su trabajo ganador del Premio Nobel en predicción de estructura de proteínas, subraya qué tan rápido cambian las prioridades incluso dentro de los laboratorios.

La tubería de talento del campo también se está desplazando. Varios académicos conocidos han tomado licencia de universidades para unirse a laboratorios fronterizos, y muchos becarios del AI2050 ahora ocupan puestos académicos junto con roles de la industria.

Una presión más nueva: los modelos de OpenAI han resuelto problemas de investigación reales en matemáticas durante los últimos seis meses, y algunos investigadores preocupan que las matemáticas puras podrían no tener un rol a largo plazo para los humanos. Un becario le dijo a MIT Technology Review que estaba preocupado por la salud mental de sus colegas matemáticos.

Hay una nota más positiva. Las limitaciones de recursos empujan a los laboratorios académicos a hacer modelos de IA más pequeños y rápidos de ejecutar. Tim Dettmers, científico de computación en Carnegie Mellon que trabaja en eficiencia, argumenta que las herramientas de IA podrían hacer que los científicos humanos sean dramáticamente más productivos en lugar de redundantes. Las limitaciones generan creatividad, y siempre lo han hecho.

Si el próximo avance real viene de un laboratorio universitario con presupuesto limitado en lugar de una empresa de billones de dólares, nadie en esa sala de hotel en Mountain View se sorprenderá.