Faraday, el agente de IA que apuesta por el criterio científico para replicar investigaciones

Inherent, un laboratorio londinense de inteligencia artificial fundado por antiguos investigadores de Google DeepMind, afirma que su agente científico Faraday puede reproducir resultados de artículos publicados sin conocer de antemano las respuestas. La empresa también asegura que el sistema superó a Claude Opus 4.8, de Anthropic, y a GPT-5.5, de OpenAI, en esa tarea concreta. 259

Si el resultado se confirma mediante pruebas más amplias e independientes, sería una señal relevante. Pero conviene leer el titular con cierta cautela: Faraday ha sido evaluado en la reproducción de hallazgos existentes, no en el descubrimiento autónomo de nuevos conocimientos científicos.

Qué se puso a prueba

Inherent creó Replica, un benchmark formado a partir de 100 artículos de aprendizaje automático y de aplicaciones de la IA a la ciencia. Esos trabajos se transformaron en 310 tareas de replicación. En cada una, el agente debe recrear una figura concreta del artículo con tiempo y recursos informáticos limitados, sin tener acceso al gráfico original. 34

No se trata, por tanto, de pedirle a un modelo que resuma un artículo o copie una gráfica publicada. El agente debe entender la investigación, implementar los experimentos necesarios, decidir cómo emplear sus recursos y producir un resultado suficientemente parecido al hallazgo descrito para que pueda considerarse una replicación.

Inherent sostiene que Faraday superó a Claude Opus 4.8 y GPT-5.5 en este benchmark pese a utilizar un modelo mucho más pequeño, de 27.000 millones de parámetros. 158 La comparación debe interpretarse como una afirmación limitada a Replica, no como una clasificación general de las capacidades de estos sistemas en ciencia, programación u otras tareas.

El llamado «criterio científico»

La tesis de Inherent es que hacer ciencia exige algo más que llegar a un resultado final. Un investigador competente debe decidir qué experimentos merece la pena realizar, diseñarlos de forma razonable, interpretar resultados ambiguos y cambiar de estrategia cuando una vía no funciona. La compañía resume ese conjunto de decisiones con la expresión inglesa «research taste», que puede entenderse como criterio o intuición científica. 47

La distinción es importante porque un modelo podría generar un resultado de apariencia convincente sin seguir un proceso científico fiable. Según Inherent, Faraday ha sido entrenado para desarrollar comportamientos propios de una investigación prolongada: formular hipótesis, ponerlas a prueba, aprender de los errores y escoger los siguientes pasos con mayor potencial. 4

La empresa considera que la replicación es un campo de entrenamiento útil para esas capacidades. Reproducir un resultado publicado obliga a reconstruir buena parte del proceso de ensayo y error que los artículos científicos no siempre describen en detalle. La hipótesis de Inherent es que aprender a desenvolverse en ese proceso podría ayudar a los agentes a pasar de verificar hallazgos conocidos a abordar investigaciones más abiertas. 49

Faraday utiliza GPT-5.5 Codex como herramienta

Faraday no se presenta como un sustituto independiente de los agentes avanzados de programación. En su lugar, funciona como una capa científica de supervisión que dirige a GPT-5.5 Codex durante las tareas de replicación. Inherent compara el sistema con un científico humano que utiliza un asistente de programación: Faraday aporta la planificación y el juicio científico, mientras Codex se ocupa de buena parte de la ejecución técnica. 39

Este diseño desplaza el foco del tamaño del modelo. Un sistema más pequeño puede aportar valor al decidir qué debe hacer una herramienta más potente, cuándo conviene cambiar de táctica y cómo evaluar los resultados obtenidos. Por eso, la ventaja comunicada por Inherent es en parte una ventaja de orquestación: combina planificación científica con capacidad de programación de frontera. No demuestra que el modelo de 27.000 millones de parámetros sea universalmente más capaz que sistemas de mayor tamaño.

El objetivo: un compañero científico, no un científico autónomo

Inherent dice que quiere crear agentes de IA capaces de colaborar con investigadores como compañeros de equipo. El sistema ideal ayudaría a planificar, ejecutar, revisar y repetir experimentos, mientras las personas conservarían la dirección y la supervisión. 45

Faraday se entiende mejor como una primera versión de esa idea: un modelo entrenado para aportar intuición científica y gestionar procesos de investigación sobre herramientas de programación de propósito general. La ambición a largo plazo de la empresa es desarrollar agentes que contribuyan a descubrir nuevos conocimientos, pero el resultado presentado hasta ahora demuestra replicación, no descubrimiento. 34

La diferencia es fundamental. Reproducir un resultado conocido es una prueba valiosa de fiabilidad científica, pero por sí solo no demuestra que un agente pueda plantear preguntas originales importantes, generar hipótesis genuinamente novedosas o validar descubrimientos en el mundo real.

Qué revela el lanzamiento sobre la estrategia de Inherent

Inherent salió del modo sigiloso con una ronda semilla anunciada de 50 millones de dólares y se presenta como un laboratorio londinense especializado, fundado por antiguos miembros de Google DeepMind. 25 Su estrategia consiste en centrarse en aspectos de la ciencia asistida por IA que los modelos generalistas quizá no desarrollen automáticamente: el juicio experimental, la toma de decisiones a largo plazo, la evaluación y la coordinación entre personas y herramientas de software.

Ese enfoque también explica que la empresa destaque el uso de un sistema externo de programación. En vez de intentar concentrar todas las capacidades en un único modelo, Inherent busca entrenar una capa especializada que haga más eficaces las herramientas de frontera existentes para el trabajo científico. 39

La conclusión inmediata es prudente, pero significativa: Inherent afirma que un modelo supervisor relativamente pequeño, entrenado mediante aprendizaje por refuerzo, puede superar a sistemas de frontera más grandes en un benchmark de replicación cuidadosamente definido. La cuestión de mayor alcance —si este enfoque puede generar contribuciones científicas originales y fiables— sigue abierta.