Un sistema convierte artículos científicos en asistentes reutilizables

Leer un artículo científico no siempre alcanza para volver a usar lo que hizo el equipo que lo escribió. Detrás de una figura o un resultado pueden quedar repositorios de código, datos suplementarios, programas que exigen configuraciones específicas y una secuencia de pasos difícil de reconstruir. Un trabajo publicado en Nature propone convertir ese conjunto de materiales en herramientas que un asistente de inteligencia artificial pueda utilizar mediante preguntas formuladas en lenguaje natural.

El sistema, llamado Paper2Agent, toma el manuscrito, el código asociado, los datos y las instrucciones de análisis de un estudio. Con esos materiales construye un servidor de herramientas: en lugar de limitarse a resumir el texto, el asistente puede invocar funciones del flujo de trabajo original. Los autores diseñaron además pruebas automáticas para comprobar si cada función produce resultados compatibles con los que el artículo reportó. Las funciones que no superan esas pruebas quedan fuera del paquete final.

La diferencia importa porque un chat que solo ha leído un artículo puede describir un método, pero no necesariamente ejecutar el programa con el que se obtuvieron los resultados. En este caso, el objetivo es conservar también el entorno y las operaciones necesarias para usarlo. Una persona podría, por ejemplo, pedir que se aplique un análisis ya publicado a un conjunto de datos nuevo, sin tener que localizar e instalar por su cuenta cada dependencia informática.

Para poner a prueba la idea, el equipo convirtió en asistentes los materiales de trabajos sobre predicción genómica y análisis de datos de células individuales. En esas demostraciones, los agentes pudieron repetir análisis de los artículos de origen y resolver consultas adicionales usando sus herramientas. El estudio también evaluó la propuesta en 100 artículos de biología computacional: 74 llegaron a convertirse en herramientas funcionales. De las 599 herramientas que el sistema propuso para ese conjunto, 593 superaron su validación automática.

Ese resultado no significa que cualquier publicación esté lista para transformarse en un asistente fiable. Los obstáculos más frecuentes fueron la ausencia de código ejecutable, datos o componentes de modelos; también fallaron algunos entornos de software y guiones demasiado específicos para reutilizarse. La evaluación se concentró en trabajos computacionales con materiales disponibles, por lo que no permite concluir que el procedimiento funcione del mismo modo en todas las disciplinas ni en todos los artículos.

La propuesta abre una discusión práctica sobre la reproducibilidad. Si los resultados científicos dependen de programas y datos, compartir un PDF es solo una parte de la comunicación. Empaquetar esas piezas puede bajar la barrera para que otros equipos revisen, aprendan o adapten un método. Pero el paquete sigue dependiendo de que los materiales originales estén completos, de que las pruebas elegidas detecten errores relevantes y de que quienes lo usen examinen si sus datos y sus preguntas son comparables con los del estudio inicial.