Doscientos equipos de investigacion de toda Europa van a trabajar con herramientas que hasta ahora estaban al alcance de muy pocos. El miercoles 14 de octubre, en una cumbre de inteligencia artificial en Dublin, Google anuncio que abrira sus modelos cientificos mas avanzados a investigadores seleccionados por la Comision Europea. Y no se trata solo de software. Detras hay una bolsa compartida de 3 millones de dolares en creditos de Google Cloud para que las ideas se puedan probar de verdad.
La seleccion correra a cargo de RAISE, el recurso europeo para la ciencia con inteligencia artificial. Google aporta la tecnologia y la infraestructura. La Comision elige a los beneficiarios. Esa separacion importa, porque mantiene la decision en manos publicas y pone recursos privados al servicio de universidades, hospitales e institutos que a menudo esperan meses para conseguir tiempo de computo suficiente.
Si el importe se repartiera a partes iguales, cada equipo recibiria unos 15.000 dolares en creditos. No es dinero para construir un superordenador. Si alcanza, en cambio, para lo decisivo: una prueba piloto, un primer intento que falla, un segundo intento que por fin funciona. Muchas veces, ahi se decide si un proyecto merece una financiacion mayor.
Una caja de herramientas con cinco nombres propios
La lista parece un grandes exitos de Google DeepMind. AlphaFold 3 predice la estructura de las proteinas y como interactuan las moleculas, un trabajo que esta en el origen de numerosos proyectos sobre farmacos y enfermedades. WeatherNext se dedica a la prevision meteorologica, donde acertar unos dias antes puede cambiar la preparacion de una ciudad ante una tormenta. AlphaGenome estudia el ADN y la funcion de cada secuencia. AlphaEvolve diseña y mejora algoritmos. AlphaEarth Foundations convierte datos de satelite en una imagen detallada del planeta.
Cinco herramientas y cinco laboratorios muy distintos. Una biologa en Cracovia, un equipo climatico en Copenhague y un grupo de genomica en Lisboa pueden sacar provecho del mismo anuncio por motivos completamente diferentes. Esa amplitud es justo el objetivo. La ciencia actual choca una y otra vez contra el mismo muro: buenas preguntas y falta de potencia de calculo. Estos modelos nacieron para bajar ese muro unos metros.
El enfoque conecta con otras aplicaciones practicas que ya hemos contado, como el modelo Muse Wonder de Meta y su memoria activa para terminar el trabajo, donde tambien se apuesta por la constancia y el seguimiento en tareas largas, no por respuestas rapidas y olvidadizas.
Por que Dublin y por que ahora
Google presento la iniciativa en Dublin como un impulso a la innovacion europea y a la competitividad cientifica del continente. Maureen Costello, vicepresidenta de Google Cloud para Reino Unido, Irlanda y Africa subsahariana, detallo la propuesta en el blog de la compañia y defendio que las herramientas ayudaran a resolver problemas dificiles con mas rapidez, desde prever fenomenos extremos hasta cartografiar moleculas.
El momento tiene logica. RAISE nacio como instituto virtual en noviembre de 2025 con 107 millones de euros de financiacion piloto, orientados sobre todo a formar y atraer talento en inteligencia artificial. Europa amplia ademas el acceso a traves de Horizonte Europa y de sus futuras gigafactorias de IA. En otras palabras, el continente esta construyendo las carreteras. El anuncio de Google entrega a 200 equipos un coche mas rapido durante un tiempo.
La falta de computo no es un problema abstracto
Si le pregunta a cualquier directora de laboratorio que frena su trabajo, rara vez dira que le faltan ideas. Hablara de colas de espera. De una ejecucion demasiado cara para repetirla. De un doctorando brillante que pasa un semestre esperando tiempo de maquina en lugar de poner a prueba hipotesis.
Por eso el acceso, mas que el programa en si, es la noticia real. Un modelo que no te puedes permitir ejecutar es un comunicado de prensa. Un modelo con creditos, apoyo en la nube y un plazo es un plan de investigacion. Los 200 equipos tendran que hacer la parte dificil, diseñar experimentos limpios, revisar resultados y publicar con honestidad, pero lo haran sin el primer obstaculo de siempre.
Que podria desbloquear primero cada modelo
Empecemos por AlphaFold 3. El trabajo con proteinas avanza despacio cuando cada estructura es un rompecabezas. Una prediccion fiable permite saltar meses de pruebas y centrarse en las interacciones que podrian conducir a un tratamiento o a un diagnostico mejor. Nadie deberia esperar una cura para Navidad, y Google no la promete. Pero recortar meses en la fase inicial se multiplica en cientos de proyectos.
WeatherNext puede ofrecer los resultados mas visibles. La calidad de una prevision se ve en publico y rapido: trayectorias de tormentas mas precisas, avisos de inundacion mejores, planificacion mas segura para agricultores y redes electricas. Si un equipo europeo mejora este invierno un modelo regional con esta herramienta, la gente lo notara sin haber oido nunca el nombre del modelo.
AlphaGenome y AlphaEarth Foundations trabajan en la escala opuesta, la de los datos enormes y los patrones lentos. Variantes genomicas que parecen ruido en un estudio pequeño pueden formar un patron al analizar un continente entero. Los registros de satelite muestran como cambian la tierra, el agua y las ciudades estacion tras estacion. Son proyectos que rara vez dan un titular en la primera semana, pero crean las bases de datos sobre las que todos construiran durante una decada. Y AlphaEvolve es el comodin, un sistema que diseña algoritmos y puede mejorar la maquinaria que usan los demas, incluidos los problemas de planificacion y optimizacion escondidos en casi cada simulacion grande, algo parecido a lo que ya se ve en la conduccion autonoma urbana de QCraft presentada en Paris, donde el software aprende a decidir en entornos reales.
Consejos practicos para los equipos
Primero, sigan el proceso de seleccion de RAISE, no solo el titular. Los equipos con una pregunta definida, datos limpios y un socio en otro pais estaran mejor situados para aprovechar bien una rafaga corta de computo.
Segundo, piensen en pilotos. Unos 15.000 dolares en creditos premian un experimento ajustado con una respuesta clara de si o no, no una lista de deseos interminable. Ejecuten la prueba pequeña, publiquen el metodo y usen el resultado para buscar financiacion europea mayor.
Tercero, planifiquen la salida desde el primer dia. Anoten que partes del flujo dependen de un modelo concreto, documenten todo y mantengan los datos en formatos portables. La buena ciencia debe sobrevivir a un cambio de proveedor. Y miren tambien lo que ocurre en el hardware, porque cada credito rinde mas cuando la infraestructura hace mas por vatio, una linea de trabajo que comparten proyectos como el avion hibrido electrico de Heart Aerospace respaldado por la FAA en su propio sector.
¿Cambiaran 200 equipos la ciencia europea por si solos? No. Pero la ciencia rara vez cambia de un salto. Cambia cuando mucha gente capaz deja de esperar y empieza a probar. El miercoles, en Dublin, a 200 equipos les dijeron que empezaran.
Sé el primero en comentar