Inherent, laboratorio de inteligencia artificial de Londres fundado por ex-investigadores de Google DeepMind, presentó el 14 de agosto el Faraday, un agente de IA que, según pruebas de la propia empresa, superó a Claude Opus 4.8, de Anthropic, y al GPT-5.5, de OpenAI, en la tarea de reproducir resultados de investigaciones científicas. El sistema fue entrenado para reconstruir experimentos descritos de forma incompleta en artículos, una habilidad que la startup considera un paso hacia IAs capaces de participar en descubrimientos científicos.
El Faraday tiene 27 mil millones de parámetros y fue evaluado en el Replica, un entorno de pruebas creado por Inherent específicamente para entrenar y medir agentes de IA en tareas de replicación científica.
El benchmark reúne 310 tareas extraídas de 100 artículos de las áreas de aprendizaje automático e inteligencia artificial aplicada a la ciencia, incluyendo investigaciones sobre procesamiento del lenguaje, ciencia de materiales y predicción del tiempo.
La IA necesita reconstruir el experimento sin ver el resultado
En las pruebas, el agente recibe un artículo científico, pero no tiene acceso a la figura con el resultado que necesita reproducir. A partir de la información disponible en el trabajo, debe descubrir cómo ejecutar el experimento, elegir métodos y recursos y llegar a una reproducción coherente con las conclusiones de los investigadores.
En la práctica, la tarea busca reproducir uno de los desafíos que enfrentan los científicos cuando intentan repetir estudios publicados: los artículos suelen registrar el método y los resultados finales, pero no siempre documentan todos los intentos, decisiones y ajustes realizados durante la investigación.
Según Inherent, el Faraday produjo reproducciones más fieles que los sistemas utilizados como referencia en todas las categorías evaluadas en Replica. Claude Opus 4.8 se ejecutó mediante Claude Code, mientras que el GPT-5.5 utilizó el entorno Codex.
La empresa también afirma que el agente presentó un mejor desempeño en investigaciones más recientes, incluyendo trabajos que no formaban parte de los datos disponibles durante el entrenamiento original de su modelo base.
Faraday intenta aprender a tomar decisiones como un investigador
El objetivo de Inherent no es solo enseñar a una IA a ejecutar código o seguir instrucciones de un artículo. La empresa quiere desarrollar lo que llama “research taste”, o “gusto científico”: la capacidad de identificar qué hipótesis vale la pena investigar, elegir experimentos adecuados y evaluar si los resultados realmente sustentan una conclusión.
Para desarrollar esta habilidad, el Faraday fue entrenado con aprendizaje por refuerzo de largo plazo. En este método, el sistema recibe señales de recompensa según la calidad de las decisiones y los resultados obtenidos a lo largo de varias etapas, en lugar de depender solo de instrucciones previamente definidas.
Como no existe una respuesta única y perfectamente verificable para muchos experimentos científicos, Inherent creó criterios específicos para evaluar cada tarea. La empresa también realizó evaluaciones humanas para verificar si el sistema de puntuación se acercaba al juicio de los investigadores.
La idea es lograr que el agente aprenda no solo a llegar a un resultado visualmente similar, sino también a respetar el método científico, utilizar los recursos disponibles de manera adecuada y preservar las conclusiones centrales del estudio original.
Un agente más pequeño utiliza GPT-5.5 Codex como herramienta
Hay una particularidad importante en la comparación. A pesar de que el Faraday tiene 27 mil millones de parámetros y se basa en una arquitectura más pequeña que los modelos de frontera utilizados en la prueba, no trabaja solo.
El sistema utiliza agentes de programación como herramientas. Durante las evaluaciones, el Faraday recurrió al GPT-5.5 Codex para ejecutar parte del trabajo de codificación, de manera similar a un investigador que utiliza software especializado durante un experimento.
En este arreglo, el Faraday actúa principalmente como la capa responsable de las decisiones científicas: define qué investigar, orienta la herramienta de programación y evalúa los próximos pasos.
Inherent afirma que el agente logró incluso utilizar, durante las pruebas, un sistema de programación más avanzado que el empleado en parte de su entrenamiento. Para la empresa, esto indica que el conocimiento aprendido por el Faraday puede combinarse con herramientas más poderosas a medida que se lancen nuevos modelos.
Startup apunta a una IA capaz de realizar descubrimientos científicos
La replicación de investigaciones es solo una etapa del proyecto de Inherent. A largo plazo, el laboratorio pretende desarrollar agentes capaces de formular hipótesis, ejecutar experimentos y encontrar resultados inéditos en diferentes áreas científicas.
La empresa argumenta que aprender a reproducir investigaciones existentes es un camino para ello porque obliga a la IA a lidiar con información incompleta, probar alternativas y tomar decisiones que no aparecen explícitamente en los artículos.
Inherent salió recientemente del modo sigilo tras recaudar US$ 50 millones en una ronda semilla. La compañía tiene alrededor de 12 empleados trabajando presencialmente en King's Cross, en Londres, y pretende ampliar el equipo a aproximadamente 20 a 25 personas para fin de año.
El resultado presentado por el Faraday aún no demuestra que una IA sea capaz de reemplazar a los investigadores o realizar descubrimientos científicos de forma independiente. Sin embargo, muestra que entrenar a un agente específicamente para tomar decisiones de investigación puede mejorar su desempeño en tareas científicas complejas, incluso cuando parte del trabajo técnico se delega en modelos más grandes.
