Inteligencia Artificial en Medicina

Desde sus inicios, DeepMind ha sido una empresa pionera en inteligencia artificial (IA) con una visión clara y ambiciosa: «resolver la inteligencia y usarla para resolver todo lo demás». Fundada en 2010 por Demis Hassabis, Shane Legg y Mustafa Suleyman, esta organización ha trabajado para combinar avances en algoritmos de aprendizaje profundo con la meta de transformar la ciencia y aportar soluciones significativas a problemas complejos. Sus innovaciones han tenido un impacto significativo en campos tan diversos como los videojuegos y la química computacional.

Adquirida por Google en 2014, DeepMind se ha mantenido a la vanguardia de la innovación en IA. Desde su fundación, la empresa ha perseguido el objetivo de «resolver la inteligencia», utilizando un enfoque interdisciplinario que mezcla aprendizaje automático y neurociencia. Esto ha llevado al desarrollo de sistemas que pueden aprender de la experiencia de manera autónoma, sin depender de reglas programadas previamente, procesando datos en bruto como los píxeles de un videojuego. Esta capacidad de aprender directamente del entorno ha sido clave en sus numerosos avances tecnológicos.

La Visón de DeepMind

La visión de DeepMind se basa en dos pilares fundamentales:

1. Entender y desarrollar inteligencia artificial general (AGI): Crear sistemas capaces de aprender y razonar como los seres humanos.
2. Aplicar la IA para resolver grandes desafíos científicos y sociales: Usar esta tecnología como herramienta para acelerar descubrimientos y mejorar la calidad de vida global.

Figura. imagen de presentación de la misión de DeepMind (tomado de https://deepmind.google/about/)

A lo largo de los años, esta misión ha impulsado desarrollos que no solo han roto barreras tecnológicas, sino también han transformado industrias.

Línea de Tiempo de los Logros de DeepMind:

Año	Avance
2010	Fundación de DeepMind por Demis Hassabis, Shane Legg y Mustafa Suleyman.
2013	DeepMind crea una IA que aprende a jugar 7 juegos de Atari a nivel humano utilizando solo información visual.
2014	Google adquiere DeepMind por $500 millones, asegurando su rol como líder en IA. La alianza con Google permite a DeepMind acceder a recursos masivos para acelerar su investigación.
2015	AlphaGo, la IA de DeepMind, derrota al campeón europeo de Go, Fan Hui.
2016	AlphaGo derrota al legendario jugador de Go, Lee Sedol, en un evento histórico que cautivó al mundo.
2017	DeepMind presenta AlphaZero, una versión mejorada de AlphaGo capaz de dominar juegos complejos como ajedrez, shogi y Go sin intervención humana, aprendiendo desde cero.
2018	AlphaZero vence a Stockfish 8, el campeón mundial de ajedrez por computadora, demostrando su superioridad en la planificación estratégica tras solo 24 horas de entrenamiento mediante aprendizaje por refuerzo (RL). También incursiona en la medicina, desarrollando modelos que ayudan a diagnosticar enfermedades oculares y predecir fallas renales con alta precisión.
2020	Con AlphaFold 2, DeepMind resuelve un problema que ha desafiado a los científicos durante décadas: predecir la estructura tridimensional de las proteínas a partir de su secuencia de aminoácidos. También desarrolla un sistema de IA que controla el plasma en reactores de fusión nuclear con una precisión sin precedentes, abriendo nuevas vías para la investigación energética.
2021	DeepMind lanza un sistema de predicción meteorológica denominado DGMR (Deep Generative Model of Rainfall), que utiliza IA para realizar pronósticos de lluvia a corto plazo con alta precisión. Esta herramienta ayuda a predecir eventos meteorológicos hasta con una hora de anticipación, siendo especialmente útil para la planificación de actividades sensibles al clima.
2022	DeepMind lanza AlphaFold Protein Structure Database, proporcionando millones de estructuras de proteínas de manera gratuita a la comunidad científica. Además, AlphaCode logra un nivel competitivo en concursos de programación, resolviendo problemas novedosos que requieren pensamiento crítico y lógico. También se presentó AlphaMissense, una IA capaz de categorizar el 89% de las 71 millones de posibles variantes de sentido erróneo como probablemente patógenas o probablemente benignas. Esto contrasta con el 0.1% que ha sido confirmado previamente por expertos humanos, mostrando su potencial para acelerar significativamente el análisis genético y el diagnóstico de enfermedades.
2024	Los desarrollos liderados por DeepMind contribuyen al Premio Nobel de Química, reconociendo la importancia de la IA en la simulación molecular y el diseño de nuevos materiales. AlphaProteo diseña proteínas que se unen a moléculas objetivo con gran precisión, abriendo nuevas posibilidades para el diseño de fármacos y la bioingeniería. Genie 2, un modelo de mundo basado en IA, genera entornos 3D diversos y controlables para el entrenamiento y la evaluación de agentes de IA. Además, AlphaQubit mejora la precisión en la decodificación de errores en computadoras cuánticas, acercándonos a la computación cuántica práctica. GenCast, un modelo probabilístico avanzado para predicción meteorológica, combina aprendizaje automático con datos de reanálisis recopilados durante décadas. Este sistema genera en tan solo 8 minutos un conjunto de pronósticos globales de 15 días con una resolución de 0.25° de latitud y longitud. Con una precisión superior al sistema ENS del Centro Europeo para Previsiones Meteorológicas a Medio Plazo, GenCast mejora la predicción de fenómenos extremos, trayectorias de ciclones tropicales y producción de energía eólica.

Resumen de los avances de Google DeepMind en IA

Un resumen de las ideas y hechos clave sobre los desarrollos de Google DeepMind en Inteligencia Artificial se pueden resumir en las siguientes áreas:

• Dominio de juegos: DeepMind ha desarrollado sistemas de IA capaces de dominar juegos complejos como Go, ajedrez, shogi y Atari. AlphaGo, AlphaZero y MuZero son ejemplos de estos sistemas, que han demostrado un rendimiento sobrehumano en estos juegos.
• Aplicaciones científicas: Las tecnologías de IA de DeepMind se están aplicando a desafíos científicos complejos, como la predicción de la estructura de las proteínas con AlphaFold, el control de plasmas de fusión nuclear, el descubrimiento de algoritmos de clasificación más rápidos con AlphaDev y la predicción meteorológica con DGMR y GenCast.

Figura. Funcionamiento de AlphaFold 2 (tomado sin modificar de la referencia 3)

• Aprendizaje por refuerzo: DeepMind es pionera en el aprendizaje por refuerzo (RL), una técnica que permite a las IA aprender a través de la interacción con su entorno. Esta técnica ha sido fundamental para el éxito de sus sistemas en juegos y aplicaciones científicas.
• Modelado del mundo: Genie 2, un modelo de mundo a gran escala, permite a los agentes de IA aprender y planificar en entornos complejos. Esto representa un avance hacia la creación de IA más generalistas y capaces de resolver una variedad de problemas, incluyendo temas relacionados con juegos 3D, robótica y el metaverso.

El Legado de DeepMind

DeepMind no solo ha liderado avances técnicos en IA, sino que también ha mostrado cómo esta tecnología puede ser usada para el bien común. Desde dominar juegos hasta contribuir al descubrimiento de nuevos fármacos, su impacto ha sido profundo y multifacético. Su trayectoria demuestra que el desarrollo tecnológico, cuando está guiado por una visión clara y ética, tiene el potencial de transformar positivamente nuestra sociedad.

Figura. Premio Nobel de química 2024

El desarrollo de AlphaFold 2 y su reconocimiento con el Premio Nobel de Química en 2024 marca un hito crucial en la historia de DeepMind y la IA en general. Este galardón fue otorgado a Demis Hassabis y John Jumper por liderar el equipo que logró resolver uno de los mayores desafíos de la biología: predecir con precisión la estructura tridimensional de las proteínas a partir de su secuencia de aminoácidos. Este avance, considerado un «momento eureka» en la ciencia computacional, no solo abre nuevas posibilidades en el desarrollo de fármacos, sino también en la investigación de enfermedades complejas y la bioingeniería. La revolución de AlphaFold ha permitido a los científicos acceder a millones de estructuras proteicas de forma gratuita, acelerando investigaciones que antes tomaban años o incluso décadas.

Con el tiempo, DeepMind continuará redefiniendo los límites de la inteligencia artificial, manteniéndose fiel a su misión de «resolver la inteligencia» y aplicarla para el beneficio de la humanidad.

Lecturas Recomendadas:

1. Google DeepMind [Internet]. 2024 [citado 17 de enero de 2025]. About Google DeepMind. Disponible en: https://deepmind.google/about/
2. HP – Tech Takes Blog [Internet]. 2024 [citado 17 de enero de 2025]. Google DeepMind: innovación en IA y su impacto. Disponible en: https://www.hp.com/co-es/shop/tech-takes/google-deepmind-revolucion-ia
3. Jumper J, Evans R, Pritzel A, Green T, Figurnov M, Ronneberger O, et al. Highly accurate protein structure prediction with AlphaFold. Nature. agosto de 2021;596(7873):583-9.
4. Soliman A. DeepMind AI weather forecaster beats world-class system. Nature. 4 de diciembre de 2024;636(8042):282-3.