Los últimos trabajos de Demis Hassabis y cómo conectan la inteligencia artificial con la psicología

—Qué hace, por qué importa y qué implicaciones reales tiene para el estudio del comportamiento y la mente.

1) ¿Quién es y cuál es el foco reciente?

Demis Hassabis es el cofundador y CEO de DeepMind; tras los hitos de AlphaGo y AlphaFold, su agenda pública y científica se ha desplazado hacia dos ejes claros: usar IA para acelerar la ciencia (especialmente biomedicina y materiales) y construir sistemas de IA cada vez más generales tomando inspiración del cerebro y la cognición humana. Ese doble objetivo (IA para ciencia + IA inspirada en neurociencia) es la mejor llave para entender sus trabajos recientes.

2) Proyectos concretos y novedades destacadas

AlphaFold / impacto científico: el trabajo que permitió predecir estructuras proteicas con alta precisión sigue siendo la bandera de sus éxitos y ha reconfigurado la relación entre IA y ciencias biológicas. Ese proyecto fue reconocido institucionalmente y marcó la transición de DeepMind hacia aplicaciones científicas concretas.

Automated science lab & colaboración pública: DeepMind/Google han anunciado planes para laboratorios automatizados y asociaciones con gobiernos para desplegar IA en investigación de materiales y ciencias aplicadas —un movimiento que traslada modelos de laboratorio “in silico” a pipelines experimentales reales, acelerando el ciclo hipótesis→experimento→validación. Esto no es solo ingeniería; es una apuesta para que la IA estructure, diseñe y priorice preguntas científicas.

Estrategia de desarrollo de AGI: Hassabis ha insistido públicamente en que la vía hacia agentes cada vez más generales pasa por combinar escalado de modelos con ideas de arquitectura inspiradas en la cognición y la simulación del mundo interno. En entrevistas y charlas recientes plantea que las mejoras no son solo de tamaño, sino de cómo los sistemas representan y simulan la realidad.


3) La conexión IA — psicología: ¿qué aporta Hassabis y su equipo?

1. Modelos como laboratorios teóricos de la mente.
Cuando DeepMind construye agentes que aprenden mediante refuerzo, planificación y memoria episódica, esos modelos funcionan como hipótesis computacionales sobre procesos cognitivos (aprendizaje por refuerzo, memoria, imaginación de escenarios). Esto permite tomar preguntas clásicas de psicología cognitiva y someterlas a pruebas cuantitativas: ¿qué tipo de representación interna facilita la generalización humana? ¿Cómo surgen las capacidades de planificación en entornos complejos?


2. Neuroinspiración práctica.
Hassabis y su grupo han tomado elementos de neurociencia (por ejemplo, estructuras de memoria, papel del hipocampo y sistemas de recompensa) como guías de diseño arquitectural. No es emulación literal del cerebro sino traducción funcional: buscar componentes que expliquen comportamiento inteligente en organismos y replicarlos en redes. Esa metodología aproxima a la IA a marcos teóricos de la psicología experimental.


3. Simulación y “modelo del mundo”.
En charlas recientes Hassabis ha enfatizado que los agentes efectivos necesitan modelos internos para simular consecuencias —un punto que conecta con teorías psicológicas sobre representación mental y contrafactuales (pensamiento contrafactual, simulaciones mentales). Esto abre la puerta a usar modelos de IA para estudiar procesos como imaginación, creatividad o toma de decisiones bajo incertidumbre.



4) Aplicaciones prácticas para la psicología y la salud mental

Herramientas de investigación: automatización del diseño experimental (optimización de estímulos, análisis de grandes datasets conductuales), y modelos computacionales que ayudan a formalizar teorías psicológicas.

Intervenciones clínicas: aunque Hassabis no diseña terapias psicológicas, las técnicas (modelos predictivos, personalización a gran escala) pueden alimentar herramientas de soporte —por ejemplo, sistemas que detectan patrones de riesgo o modelos que personalizan estrategias de cambio conductual. Aquí es crucial la validación clínica y ética.


5) Riesgos, límites y tensiones relevantes para psicología

No confundir correlación con explicación cognitiva: que una red artificial reproduzca un patrón conductual no garantiza que comparta los mismos mecanismos que la mente humana. Las analogías deben manejarse con rigor experimental.

Privacidad y bienestar: los modelos usados en psicología o salud mental requieren datos sensibles; la promesa tecnológica choca con requisitos éticos y regulatorios. Hassabis ha defendido la investigación responsable y la colaboración pública-privada, pero el despliegue exige cautela.

Desajuste de objetivos: la optimización dirigida a rendimiento (eficiencia científica, predicción) puede no priorizar variables psicológicas importantes como la agencia o la autonomía humana; por tanto, la integración con la psicología requiere diseño con finalidades humanas.


6) Conclusión y líneas de futuro

Demis Hassabis impulsa una orientación de investigación que empalma IA de frontera con preguntas científicas reales —y la psicología está llamada a beneficiarse y a criticar: beneficiarse porque obtiene modelos computacionales y capacidades experimentales escalarizadas; criticar porque necesita garantizar que la traducción entre redes y mentes sea científicamente sólida y éticamente segura. A corto plazo (los últimos dos años) el movimiento más visible ha sido la transición de DeepMind de pruebas de laboratorio a infraestructuras científicas reales (AlphaFold → laboratorios automatizados → colaboración con gobiernos) y una narrativa pública que combina escalado de modelos con principios inspirados en la cognición.