00:03El miércoles 23 de septiembre de 2026, cinco empresas de edición genética cerraron en rojo en Wall Street entre un 3 y un 12%
00:11La causa, según las crónicas de bolsa, no estaba en ningún laboratorio farmacéutico, estaba en una nota de prensa de una empresa de software
00:19Una inteligencia artificial había encontrado algo en el ADN de un virus
00:24Al terminar este vídeo, vas a saber tres cosas
00:26¿Qué encontró exactamente Cloud? la IA de Antropic
00:28¿Y por qué se parece a las tijeras genéticas más famosas del mundo? ¿Cómo lo encontró? Leyendo un trozo de ADN que nadie le había pedido que leyera
00:37¿Y por qué la empresa que lo anunció reconoce por escrito que no sabe para qué sirve? Esto es lo que hay
00:44950 agentes de Clod buscaron durante 21 horas en una base de datos de 100 millones de grupos de proteínas
00:52Uno de ellos se detuvo junto a una enzima ya conocida [música] en el genoma de un virus que infecta bacterias y miró el ADN de al lado
00:58Encontró una hilera de repeticiones de unas 200 letras cada una, espaciadas con regularidad
01:06El mismo dibujo que tiene un sistema Crisper Antropic lo ha bautizado como ART y en su propio artículo científico escribe que no ha demostrado que la enzima esté activa ni qué hace el sistema para el virus
01:20Para entender lo que pasó, hay que entender cómo se buscó
01:21Antropic no le pidió a Cloud que encontrara unas tijeras genéticas, le dio un brief, un documento con un objetivo de investigación
01:30busca transcriptas inversas nuevas enzimas que copian ARN en ADN y lo soltó dentro de un sistema que ellos llaman un harness, un andamio de software que coordina a cientos de agentes de Cloud Code, cada uno con sus herramientas trabajando en paralelo
01:44Los agentes construyeron sus propios perfiles de búsqueda, recuperaron unos 200,000 grupos de esas encimas y los ordenaron en nueve clases
01:53muestrearon 11000 regiones del genoma, una por cada vecindario donde aparecía una de esas encimas y puntuaron 3564 familias de proteínas que se repetían al lado
02:0616 pasaron el corte que los propios agentes habían definido
02:09Todo eso es lo que un pipeline normal hace
02:14Lo que un pipeline normal no hace es lo que vino después
02:16Uno de los agentes, mirando una encima ya descrita en un fago gigante hizo algo que no estaba en el brief
02:23leyó el ADN crudo que había justo al lado
02:25No lanzó ninguna herramienta de búsqueda de repeticiones, no había ninguna en marcha, simplemente leyó la secuencia y notó que algo se repetía
02:34Una hilera de bloques de unos 200 nucleótidos, uno detrás de otro, con la misma separación, lo llamó [música] en lenguaje natural una ray de repeticiones en tandem y a partir de ahí redirigió su propia investigación hacia esa región
02:49Si te interesa saber lo que pasa de verdad con la inteligencia artificial, con los documentos delante y sin titulares, suscríbete
02:54Aquí es donde se cuenta
02:57El artículo de Antropic lo dice con una frase que conviene escuchar entera
03:02Muchos descubrimientos científicos se originaron cuando un científico miró de cerca los datos y reconoció algo inusual que merecía la pena seguir
03:10Aquí, esos pasos los dieron agentes de inteligencia artificial trabajando juntos sin supervisión humana
03:16Los humanos escribieron el brief y luego hicieron el trabajo de laboratorio
03:21Todo lo de en medio, 119 tareas, 949 sesiones de agente, 21 horas y media de reloj y 215 millones de tokens
03:30Lo hizo Cloud sin intervención humana, dice el artículo, y cuando Antropic volvió a lanzar la misma búsqueda para comprobar que aquello no había sido suerte, pasó algo que también cuentan en el artículo
03:40A eso llegamos más tarde
03:42Antes hay que ver qué es exactamente lo que ese agente vio
03:48Una transcript en que hace el trabajo al revés
03:50La biología normal va del ADN al ARN
03:53Esta encima copia ARN y lo convierte en ADN
03:57Es la encima de los retrovirus y es la base de técnicas de laboratorio que van de la copia de ARN a la ingeniería genética
04:04En las bacterias, estas enzimas casi nunca van solas
04:08Suelen venir con un gen acompañante y con un ARN propio, codificados en el mismo tramo del genoma
04:14En los sistemas llamados retrones, por ejemplo, la enzima copia su propio ARN en ADN y ese ADN dispara una defensa contra los virus que atacan a la bacteria
04:23Cada sistema nuevo de este tipo que se describe suele traer un ASN distinto y un compañero distinto
04:30Ahora, Crisper
04:30Crisper es en origen un sistema inmune de las bacterias
04:32Guarda una hilera de repeticiones de ADN y entre repetición y repetición un recuerdo de un virus que ya la atacó
04:40Esa hilera es una ray, un banco de guías
04:43Por eso Crisper se pudo convertir en una herramienta programable
04:45Cambias la guía y la encima corta donde tú quieres
04:49Lo que Cloth encontró tiene tres piezas
04:52Una transcript un fago gigante, un virus que infecta bacterias del género estafilococus, un gen acompañante dedicado del que no se conoce la función y una hilera larga de repeticiones de ADN de unos 200 nucleótidos espaciadas de forma regular
05:09Esa hilera es la que se parece a una Ray Crisper
05:11Antropic llama al conjunto ART
05:15Transcriptas inversas asociadas a una Ray
05:17El artículo dice que arenece a ninguna clase descrita de estas encimas
05:22Y en el laboratorio comprobaron dos cosas, que los arrays de ART se expresan mucho, es decir, se leen y se convierten en ARN en grandes cantidades y que aparecen como unidades separadas mientras el fago infecta a la bacteria
05:36A los 15 minutos de la infección, los ARN que salen de la ray llegan a ser el 8% de todo el ARN del virus
05:41Están entre los más abundantes que produce el fago
05:46Su interpretación es cautelosa
05:46Podría ser una enzima con un repertorio de moldes distintos
05:49Una sola encima, muchas plantillas
05:52Y aquí está la parte que ningún titular ha puesto en primera línea
05:55El propio artículo lo escribe así
05:57No hemos demostrado que la enzima esté activa, ni que esas unidades de ARN sean su sustrato
06:03Si la enzima y su gen acompañante interactúan y qué hace el sistema para el virus es desconocido a día de hoy
06:09Hay una diferencia más y es importante en Crisper
06:12Los recuerdos entre repetición y repetición cambian de una bacteria a otra porque cada una ha visto virus distintos
06:18En arte las unidades se conservan entre fagos emparentados
06:22No son recuerdos, son otra cosa
06:24Y nadie sabe todavía qué
06:24Sin saber qué hace, sin saber si la enzima está activa, el mercado ya había decidido cuánto valía
06:34Crisper Therapeutics cayó un 6% desde el cierre del martes
06:37Intelia un 3, BIM un 6, Prime Medicine un 12%
06:40Editas abrió subiendo un siete y cerró bajando un 8
06:47Todo el mismo miércoles del anuncio
06:47Lo que había cambiado no era ninguna de sus terapias, era una posibilidad
06:51Una nota de Stock Twitch lo resumió con precisión
06:55El mercado no estaba valorando un fármaco rival, estaba valorando opcionalidad
07:00La idea de que si una IA puede encontrar en 21 horas un sistema con la forma de Crisper, quizá pueda encontrar otro y otro y en algún momento uno que funcione
07:10Dos días después, Forbes tituló que Wall Street había entendido mal el descubrimiento y los científicos consultados por la prensa fueron bastante más fríos que la bolsa
07:21Kevin Blake, microbiólogo de la Universidad de Washington, dijo que no hay nada que indique que esto sea un rival de Crisper como tecnología, ni que pueda convertirse en ninguna aplicación terapéutica o práctica
07:33Dimitri Perrin, de la Universidad Tecnológica de Queensland fue más quirúrgico
07:37La encima en sí ya se conocía
07:40Lo nuevo es reconocer que puede formar parte de un sistema mayor y remató con la frase que mejor describe el estado real de la cuestión
07:48Podemos decir que ART se parece a Crisper en su arquitectura, pero no hay ninguna evidencia de que se parezca a Crisper en su función
07:58Bloomberg lo tituló así: El descubrimiento de Antropic recibe notas de cautela de los científicos
08:02El propio Dario Amodei, el consejero delegado de Antropic, lo describió como preliminar
08:09Su frase completa fue que podría constituir un nuevo mecanismo de edición genética con aplicaciones en terapia génica
08:14Podría
08:14Y en el mismo comunicado reconoció que la función precisa, la utilidad biotecnológica, si es que la tiene, y el nivel de importancia no están todavía claros
08:23Del otro lado, la voz que más pesa en este campo, Feng Shank, del MIT y del Instituto Broad, uno de los pioneros de Crisper, lo llamó genuinamente intrigante
08:32Dijo que merece más investigación y añadió que es un ejemplo emocionante de cómo los agentes de IA pueden contribuir al descubrimiento biológico
08:40Fíjate en lo que Sank no dijo
08:42No dijo que fuera una herramienta, dijo que era una pista
08:48Pero lo más interesante del artículo de Antropic no es la encima, es lo que hicieron después con el modelo
08:52Lo abrieron por dentro para ver por qué la había visto
08:58Antropic tenía un problema
08:58Una gente había encontrado el array, pero no sabían si había sido capacidad o casualidad
09:04Así que montaron un banco de pruebas con las cartas marcadas, le daban a un modelo las secuencias de ART directamente o se las dejaban en un sistema de archivos con herramientas y medían si era capaz de darse cuenta de lo que tenía delante
09:17Siete modelos de cloud, 100 intentos cada uno en cada nivel de dificultad, 3,500 intentos en total
09:25Los cuatro modelos agrupados en ese análisis encontraron el array entre un 29 y un 76% de las veces, según el nivel de dificultad
09:33y Mitos 5, el modelo de frontera de Antropic llegó al 96%
09:40De ahí sacaron una conclusión concreta
09:42La observación directa del ADN por parte del modelo es crítica para reconocer el array
09:46Si el modelo solo ve el resultado de las herramientas, no lo ve
09:49Si lee la secuencia, sí
09:51Y entonces hicieron lo que casi ninguna empresa hace con un descubrimiento así
09:55Miraron dentro del modelo, usaron interpretabilidad, la disciplina que intenta entender qué hace una red neuronal por dentro
10:03No solo lo que responde
10:05Buscaron si había señales internas en Mitos 5 que respondieran al ADN repetido
10:10La sabía
10:10El artículo lo describe así
10:12La repetición disparó una señal dentro del modelo mientras se leía la secuencia de la raide de art y a eso le siguió inmediatamente un razonamiento en lenguaje natural que llamó a esa secuencia una ray de repeticiones en tandem
10:25Piensa un momento en el orden de esa frase
10:28Primero la señal
10:28Después las palabras
10:31El modelo no razonó hasta encontrar la repetición
10:33Algo dentro del modelo reaccionó a la repetición y después el modelo le puso nombre
10:38Esto ya se había visto en modelos entrenados solo con ADN
10:42Aprenden representaciones de las repeticiones
10:45Lo que Antropic dice es que un modelo de lenguaje general entrenado para escribir código y responder preguntas tiene también ese ojo, un ojo que no estaba en el brief ni en ninguna herramienta
10:56Si quieres que sigamos abriendo estos documentos contigo, dale a me gusta
10:59es lo que le dice a YouTube que esto merece llegar a más gente
11:03Y hay que decir la otra mitad
11:05Un ojo que ve repeticiones no es un ojo que entiende para qué sirven
11:08Ver el array fue el primer paso
11:10Entenderlo exige experimentos
11:13Cultivar el fago, infectar la bacteria, medir que ARN se produce, comprobar si la enzima hace algo
11:21Para hacer eso hace falta un laboratorio y Antropic lo tenía desde hacía meses, sin decirlo
11:28El viernes 18 de septiembre, 5 días antes del anuncio, Tech Crunch y Reuters publicaron que Anthropic tenía un laboratorio de biología en la bahía de San Francisco
11:37No lo anunció Anthropic
11:40Lo confirmó cuando le preguntaron
11:41llevaba funcionando desde la primavera
11:44Al frente está Eric Cuderer Abrams, responsable de ciencias de la vida de la empresa
11:48Su frase, "A Reuters, fue esta: "Creemos que para hacer biología, la prueba final sigue estando y va a seguir estando durante un tiempo en el trabajo real de laboratorio." Y lo estamos haciendo hoy
11:58El laboratorio no es lo que uno imagina cuando oye que una IA hace biología
12:02Antropic lo deja por escrito
12:05Todo el trabajo de laboratorio lo realizan científicos humanos
12:07Cloud lee las bases de datos
12:10Elige candidatos y propone hipótesis
12:12Las pipetas las mueven personas
12:15También deja por escrito dónde se mueven
12:17Solo trabajan en los niveles bajos de bioseguridad BSSLC1 y BSTL2
12:23No manejan patógenos que infecten a humanos
12:25Los fagos de infectan bacterias, no personas
12:27Dario Amodei fue un paso más allá en la misma nota
12:32Dijo que en algún momento puede que Claud pueda realizar los experimentos por sí mismo, controlando de forma autónoma el equipo de laboratorio de manera segura y añadió, "Pero no lo estamos haciendo hoy
12:43Guarda esa frase, la palabra importante es hoy
12:48Alrededor de este laboratorio hay una estructura que ya no es un experimento
12:52En abril, Antropic compró Coeficient Bio por 400 millones de dólares
12:55Tiene un acuerdo con Novo Nordisk
12:57la farmacéutica danesa para descubrir fármacos juntos y la semana anterior al anuncio lanzó un programa para dar acceso a sus modelos más potentes a investigadores verificados en ciencias de la vida
13:09El foco declarado es la biología fundamental
13:11No van a hacer ensayos clínicos, no van a competir con las farmacéuticas, van a buscar cosas como arte y a comprobarlas con las manos
13:22Este laboratorio no es un capricho de una empresa de software
13:24Es el intento de cumplir una promesa que Amodei escribió hace dos años
13:29Y esa promesa tenía un ejemplo
13:31El ejemplo era Crisper
13:36En octubre de 2024, Dario Amodei publicó un ensayo largo titulado Máquinas de gracia amorosa
13:42Era su visión de lo que una inteligencia artificial potente podría hacer por el mundo si todo saliera bien
13:49Y el capítulo más ambicioso era el de la biología
13:50La frase central es esta: comprimir el progreso que los biólogos humanos habrían logrado en los próximos 50 o 100 años en cinco o 10
13:58lo llamó el siglo XXI comprimido
14:02La idea de que después de que exista una IA potente, en unos pocos años haremos todo el progreso en biología y medicina que habríamos hecho en todo el siglo
14:11No hablaba de una IA que ayuda a los biólogos
14:14Sus palabras, usar la IA para realizar, dirigir y mejorar casi todo lo que hacen los biólogos
14:20Y puso un ejemplo concreto de por qué creía que eso era posible
14:25Crisper escribió que Crisper era un componente natural del sistema inmune de las bacterias conocido desde los años 80 y que hicieron falta otros 25 años para que alguien se diera cuenta de que se podía reutilizar para editar genes
14:3625 años entre ver una cosa y entender para qué servía
14:41Y añadió, "Hay cientos de descubrimientos así esperando a ser hechos si los científicos fueran más listos y mejores conectando cosas." Mira ahora la historia de Artant, una encima ya conocida, una Ray al lado que nadie había notado, una gente que lo ve en 21 horas
14:58Es exactamente el patrón que Amodei describió, el paso de ver
15:05Pero el ejemplo de Crisper tiene una segunda mitad que el ensayo no subraya
15:09Los 25 años de Crisper no fueron los de ver el array, fueron los de entenderlo
15:13Y en arte ese reloj acaba de empezar
15:16Nadie sabe si va a tardar 25 años, dos, o si no va a llegar a ninguna parte
15:22Aquí está el problema de fondo
15:22La empresa que quiere comprimir un siglo de biología es la misma que lleva 3 años diciendo ante el Senado y en sus políticas internas que las armas biológicas son uno de los mayores riesgos de la inteligencia artificial y cuyos propios empleados dicen este mismo mes que la IA podría matarnos a todos
15:44Martes 25 de julio de 2023
15:44Comité Judicial del Senado de Estados Unidos
15:49Dario Amodei bajo juramento sobre armas biológicas
15:51Una extrapolación directa de los sistemas de hoy a los que esperamos ver en dos o tres años sugiere un riesgo sustancial de que los sistemas de IA sean capaces de rellenar todas las piezas que faltan si no se ponen las salvaguardas adecuadas
16:04contó que su empresa llevaba 6 meses trabajando con expertos en bioseguridad para estudiar cómo la IA puede contribuir al mal uso de la biología
16:13Mayo de 2025
16:13Antropic activa por primera vez su nivel de seguridad 3 ASL3 al lanzar Clodopus 4
16:23Medidas centradas, según sus propias palabras, en impedir que el modelo ayude en tareas relacionadas con armas químicas, biológicas, radiológicas y nucleares
16:31Clasificadores que vigilan cada entrada y cada salida buscando ese tipo de contenido
16:35Lo activaron de forma preventiva, sin haber confirmado que el modelo cruzara el umbral por si acaso
16:43Martes 8 de septiembre de 2026
16:43Jacob Coxson, 3 años de investigación en Open AI y en Antropic, Dmite
16:48Van directas a la superinteligencia que se mejora a sí misma, escribió, y están jugando con nuestras vidas
16:55Y esta frase, que es la que importa hoy, la gente que construye la IA cree de verdad que podría matarnos a todos antes de que acabe la década
17:05Miércoles 9 de septiembre, Evan Hubinger, el jefe de alineamiento de Antropic, que no ha admitido, que sigue dentro, responde en público
17:10Jacob tiene razón
17:13De verdad creemos que la IA podría matar a todos los humanos
17:15Yo personalmente creo que es más de un 10% en la próxima década
17:19Creo que Antropic lo está intentando lo mejor que puede, pero todavía no tenemos un plan para resolver el alineamiento de una superinteligencia y no está claro que vayamos por el camino
17:29Y 9 días después, la misma empresa confirma que tiene un laboratorio de biología donde suía busca sistemas para editar genes
17:35Chat Paliapitilla, inversor y fundador, lo escribió en X con una ironía que no necesita explicación
17:42El grupo detrás de éxitos como todos vamos a morir y reguladme ya está construyendo un laboratorio húmedo en San Francisco
17:48No lo recomiendo
17:50En el artículo de Tech Crunch no hay ninguna respuesta de Antropic a esa contradicción
17:54Si crees que este vídeo lo tiene que ver alguien que todavía piensa que la IA es solo un chat, compártelo, con eso basta
18:01Ahora, la defensa que Antropic no ha dado, pero que se puede reconstruir con sus propios documentos
18:08El laboratorio trabaja en BSSL 1 y 2 sin patógenos humanos
18:11El trabajo de banco lo hacen personas
18:14Los modelos llevan clasificadores para contenido biológico peligroso desde hace más de un año y el acceso a los modelos más potentes para biología pasa por un programa de verificación de investigadores
18:27Es decir, lo van a hacer con guardarrailes y si no lo hacen ellos, lo hará alguien sin ellos
18:31Las dos lecturas son legítimas
18:34Una, no puedes decir que hay un 10% de que esto nos mate a todos y abrir un laboratorio donde lo dejas buscar tijeras genéticas
18:44Otra, precisamente porque lo crees, quieres que la primera a que haga biología de verdad sea la tuya con tus reglas en un laboratorio donde los virus solo infectas
18:53Lo que no es legítimo es ignorar la cifra que Antropic publica en su propio artículo y que ningún titular ha usado
19:01La cifra que dice cuántas veces encontró Claud lo que encontró
19:08Después de la campaña original, Antropic volvió a lanzar exactamente la misma búsqueda, mismo brief, mismo harness, mismo modelo, 10 veces más
19:14En ninguna de las 10 apareció el array
19:18El artículo lo escribe sin adornos
19:20El array se pasó por alto en todas las repeticiones
19:25Ninguno de los agentes de esas 10 campañas leyó el ADN que había antes de la encima y como nadie lo leyó, nadie lo vio
19:31Antropic lo atribuye a dos cosas
19:33El espacio de búsqueda es enorme, 200,000 grupos de enzimas
19:35Y el Harness no es determinista
19:38Cada campaña toma caminos distintos
19:40Por eso construyeron el banco de pruebas de entrada fija, el del 96%
19:45Si le pones la secuencia delante, el modelo la ve casi siempre
19:50Si lo sueltas en la base de datos, la vio una vez de 11
19:51Un analista que leyó el preprint entero lo resumió en una frase que me parece justa
19:56El modelo puede verlo
19:58La búsqueda lo encontró una vez de 11
20:00Son dos afirmaciones distintas y las dos son verdad
20:02Hay más cifras así en el artículo y conviene ponerlas todas
20:07De las 17 familias de genes acompañantes que la campaña señaló como candidatas, 14 resultaron ser errores de anotación, piezas de sistemas ya conocidos o vecinos casuales
20:16Tres eran asociaciones nuevas y Artó de esa lista
20:22Salió de una observación inesperada, fuera del objetivo de la misión que el propio artículo describe como tal
20:29El artículo es un preprint, no ha pasado revisión por pares y tiene un detalle que viniendo del canal no puedo dejar pasar
20:37En su bibliografía cita el informe de Open AA sobre Navier Stokes, el que analizamos hace dos semanas, y lo etiqueta como no revisado por pares
20:47Antropic señala con el dedo la misma condición en la que está su propio artículo
20:51Así que esto es lo que hay con las cifras encima de la mesa
20:53Un sistema real en un virus real con una forma que recuerda a Crisper encontrado por una gente que leyó lo que no le habían pedido
21:01una vez de 11 con una enzima que no se ha demostrado que esté activa, con una función que su propia empresa declara desconocida y con el mercado los científicos y los propios autores diciendo tres cosas distintas sobre lo que significa
21:14Lo que falta para que importe está claro: demostrar que la enzima funciona, demostrar que esos ARN son su sustrato, averiguar qué le hace al virus
21:25Y eso no lo hacen 950 agentes en 21 horas, eso lo hacen personas con pipetas durante meses
21:31Los 25 años de Crisper empezaron exactamente ahí
21:38Hay una frase en el artículo de Antropic que resume todo esto mejor que cualquier titular
21:42Muchos descubrimientos científicos se originaron cuando un científico miró de cerca los datos y reconoció algo inusual
21:48Aquí esos pasos los dieron agentes de inteligencia artificial sin supervisión humana
21:53Eso es lo nuevo, ¿no? La encima, el ojo
21:55Un modelo entrenado para escribir código miró una secuencia de ADN y algo dentro de él reaccionó antes de tener palabras para decirlo
22:06Y lo primero que ese ojo encontró cuando lo dejaron suelto en el código de la vida fue un mecanismo con la forma de unas tijeras que nadie, ni siquiera quien lo construyó, sabe que corta
22:16Si quieres entender de dónde viene esto, tienes dos vídeos en el canal
22:20el de GPT 6 Astra, donde Open AI reconoció que su modelo cruzaba por primera vez el nivel crítico de ciberseguridad y el de los 1200 agentes que se escaparon de su entrenamiento y montaron un canal secreto
22:31Este es el tercer capítulo de la misma historia, la IA que actúa sola
22:35Suscríbete si quieres el cuarto.