En noviembre de 2020, un grupo de científicos se reunió virtualmente para revisar los resultados de una competencia que llevaba casi treinta años realizándose. Se llamaba CASP: cada dos años, equipos de todo el mundo intentaban predecir la estructura tridimensional de proteínas a partir de su secuencia de aminoácidos. Era uno de los grandes problemas abiertos de la biología. Llevaba cincuenta años sin resolverse.
Ese año, un sistema llamado AlphaFold2 alcanzó una precisión tan alta que los organizadores hicieron algo que nunca habían hecho: declararon el problema esencialmente resuelto.
Cincuenta años de trabajo humano. Un espacio de posibilidades tan grande que un cálculo por fuerza bruta tardaría más que la edad del universo. Y una máquina lo resolvió.
Sería fácil sacar la conclusión obvia: las máquinas van a resolver los problemas más difíciles de la humanidad. Pero esa conclusión esconde algo importante. Porque el protein folding, con toda su dificultad monstruosa, tenía una característica que lo hacía perfecto para una máquina: la pregunta estaba perfectamente definida. Dada esta secuencia, ¿cuál es su estructura? Sabíamos exactamente qué significaba una respuesta correcta.
Y ahí está la distinción que va a definir la próxima década:
Un problema difícil no es lo mismo que un problema mal definido.
Puedes tener un problema con millones de variables y saber exactamente qué buscas. Y puedes tener un problema aparentemente simple —”contrata a la mejor persona”, “¿qué hago con mi carrera?”— donde lo verdaderamente difícil es decidir qué significa resolverlo.
Esa distinción produce un mapa. Dos ejes: qué tan complejo es el problema, y qué tan bien definido está. Cuatro mundos. Y en cada uno, la relación entre humanos y máquinas es completamente distinta.
