Inteligencia artificial para falsificar el genoma humano

Existen muchos usos diferentes para la inteligencia artificial. En las noticias hemos podido ver aplicaciones como el diseño de nuevos fármacos o la organización de hospitales durante la pandemia, pero esto es solo la punta del iceberg de sus posibilidades. En lo más profundo, hay vertientes que pueden parecer poco éticas pero que son útiles, como la falsificación.

Gracias a este tipo de algoritmos, es posible crear cuadros imitando el estilo de Pablo Picasso o escribir novelas parecidas al Quijote. Pero en un último estudio se ha logrado algo mucho más futurista: en vez de imitar contenido artístico, se ha logrado imitar el genoma humano, creando secuencias de ADN que no pertenecen a nadie. Pero, ¿para qué sirve esto?

Copiar un estilo

En su estado actual, la inteligencia artificial se basa en algoritmos que pueden aprender patrones o comportamientos concretos de manera autodidacta. Imaginemos que queremos que un ordenador pueda multiplicar números. El método sencillo, sin inteligencia artificial, sería programar la multiplicación, indicando las sumas de manera secuencial y dejando que el ordenador ejecute estos pasos como una receta a seguir.

Con inteligencia artificial, solo le damos al ordenador multiplicaciones resueltas, y aplicamos un algoritmo de aprendizaje, diseñado para que aprenda a multiplicar. Mediante prueba y error, el ordenador va probando diferentes técnicas por su cuenta hasta lograr dar con los pasos de la multiplicación, logrando multiplicar si le damos dos valores nuevos. En ambos casos, tenemos un ordenador que puede multiplicar, pero en el segundo caso ha aprendido a hacerlo por sí mismo.

Siguiendo esta idea, es posible usar estos algoritmos para detectar patrones más complicados, difíciles de ver incluso para el ser humano. Por ejemplo, se está usando inteligencia artificial para detectar tumores en radiografías o predecir la evolución de la enfermedad en un paciente, aprendiendo de casos anteriores.

En las falsificaciones, los algoritmos se diseñan para que aprendan algo más sutil: el estilo de la obra original. Los pintores y escritores tienen manías concretas, trazos y palabras favoritas que usan con más frecuencia de lo normal. La inteligencia artificial puede detectar y aprender estos patrones, logrando imitarlos al crear contenido nuevo.

De este modo, podemos enseñar a un algoritmo todos los cuadros de Pablo Picasso para que genere un cuadro nuevo con su estilo, o toda la bibliografía de Miguel de Cervantes para crear una nueva novela. No serán duplicados de sus obras existentes, sino obras del estilo de los autores reales que puedan engañar a algunos expertos.

Aunque el potencial uso delictivo de estos programas es evidente, los que programan estos algoritmos suelen incluir también un algoritmo de detección de falsificaciones, que permita rastrear con facilidad las falsificaciones generadas. Así se evita que nadie pueda sacar provecho económico de ellas. Pero si este veneno viene con su antídoto, ¿para qué querríamos generar contenido falso?

Tierra de nadie

La gran ventaja que tienen los datos falsificados es que no pertenecen realmente a nadie. Un cuadro o una novela generada por una inteligencia artificial no tiene derechos de autor ni copyright, por lo que puede ser usada de manera gratuita para bancos de imágenes o pruebas literarias.

Una aplicación que ha ganado popularidad es el uso de rostros artificiales. Este tipo de algoritmos puede crear fotos realistas de personas que realmente no existen, lo que permite usar estas imágenes sin afectar a ningún actor o actriz. Hoy en día se trabajan en soluciones para usar estas caras como una máscara digital, que nos permita anonimizar personas en videos y conferencias. Estamos acostumbrados a ver caras difuminadas de menores o confidentes en algunos videos, pero pronto podremos sustituirlas por caras inocuas para mantener el anonimato sin afectar a la experiencia visual.

Una barrera legal similar sucede en el campo de la genética. La información genética de nuestro ADN nos permite conocer la incidencia de algunas enfermedades y la posibilidad de responder mejor a algunos tratamientos. Este conocimiento está avanzando tanto que muchos expertos opinan que la medicina cada vez será más personalizada, y que un medicamento puede ser exclusivo para aquellos con una variante concreta de su genoma.

Crear esta medicina personalizada requiere la investigación y análisis de millones de genomas humanos diferentes, pero existe una barrera legal al respecto: nuestra secuencia de ADN nos pertenece. Es como un número de DNI propio, que refleja una información privada sobre nuestra salud. Esto hace que muchas bases de datos genéticas sean privadas, y obliga a científicos e instituciones a pagar grandes cantidades de dinero para poder usarlas en su trabajo, paralizando la investigación científica.

Por este motivo, nació la idea de generar secuencias de ADN falsas. Investigadores franceses han creado un algoritmo que aprende del estilo de la secuencia de ADN, logrando imitarlo y generar genes y secuencias completas parecidas a las de un humano. En el estudio aseguran que estas secuencias falsas son indistinguibles de las originales, y al no pertenecer a nadie, están libres de derechos, por lo que pueden ser usadas por la comunidad científica sin problema.

¿Cuánto de útiles serán estas secuencias falsas? El tiempo lo dirá. Al mejorar nuestro conocimiento sobre genética, es posible crear algoritmos mejores y falsificaciones cada vez más realistas y útiles. Y es que puede que anonimizar nuestro rostro sea importante hoy en día, pero puede que anonimizar nuestro ADN se vuelva más valioso en el futuro.

QUE NO TE LA CUELEN:

• La inteligencia artificial es mucho más que los algoritmos de aprendizaje automático. También se incluyen algoritmos adaptativos, que le permiten a un ordenador (o a un robot) aprender que respuesta realizar ante estímulos determinados, logrando movimientos realistas con el entorno, como coger un vaso. Lo que no se incluye, aunque mucha gente lo confunde, son los modelos y herramientas matemáticas para trabajar con grandes conjuntos de datos, que se engloba más dentro de la Ciencia de datos y Big data.

REFERENCIAS:

• Yelmen, Burak, et al. “Creating Artificial Human Genomes Using Generative Neural Networks.” PLOS Genetics, edited by Sara Mathieson, vol. 17, no. 2, Public Library of Science, Feb. 2021