Agentes de IA extraen 4.000 registros científicos en 30 minutos

En un banco de laboratorio de Penn State, Xu Zhou mide cómo responden los materiales alimentarios a la energía electromagnética. Los números que necesita suelen existir ya, pero están repartidos en miles de artículos publicados a lo largo de décadas. Un equipo que dirige ha demostrado ahora que los agentes de IA, guiados por expertos humanos, pueden leer esos artículos y reunir las cifras en una base de datos consultable en una fracción del tiempo que antes requería.

Los ingenieros alimentarios se basan en los llamados datos de propiedades físicas, como las propiedades dieléctricas que rigen el calentamiento por microondas, para construir modelos matemáticos y simulaciones por ordenador. Esos valores suelen estar enterrados en tablas, figuras y ecuaciones, y no en el texto corrido que leen las herramientas convencionales de minería de datos. El sistema, llamado AgentXtract, asigna distintos agentes de IA a distintos formatos. Ellos extraen los datos numéricos y después los validan, estandarizan y organizan, mientras que los ingenieros alimentarios eligen las fuentes y se aseguran de que los datos sean fiables. Para elegir los modelos subyacentes, los investigadores compararon 10 grandes modelos de lenguaje de OpenAI, Google y Anthropic en precisión, velocidad y coste, usando como referencia datos verificados a mano.

La diferencia de velocidad es la cifra que destacan los investigadores. Zhou recuerda que ese mismo trabajo requería en su día «un estudiante de posgrado o un investigador posdoctoral con experiencia que dedicara seis meses o más». Con los agentes, el equipo reunió y organizó más de 4.000 registros de datos experimentales en apenas 30 minutos. Esa rapidez es la que hizo posible el siguiente descubrimiento. Una vez reunidos los datos, el equipo halló una relación nueva y consistente entre la constante dieléctrica y el factor de pérdida en más de 100 alimentos diferentes. Zhou afirma que este hallazgo no se había publicado porque reunir tantos datos a mano resultaba demasiado difícil. El resultado procede de la recopilación propia del equipo y todavía debe ser comprobado por otros investigadores.

La base de datos también sirve como base de conocimiento para una IA de propósito general. En una configuración conocida como generación aumentada por recuperación, la IA busca entre las entradas verificadas antes de responder, de modo que puede ofrecer una referencia y explicar el resultado. El ejemplo de Zhou es una pregunta sobre las propiedades dieléctricas de las patatas a una frecuencia específica, respondida con los datos subyacentes y una explicación de cómo esas propiedades afectan al calentamiento por microondas. Para los ingenieros alimentarios, la ganancia es un acceso más rápido a datos verificados, lo que importa para el desarrollo de productos y el diseño de procesos. Zhou sostiene que el método no se limita a la ciencia de los alimentos. Sus resultados aparecerán en el número de marzo de 2027 de Journal of Food Engineering, y el artículo no indica cuándo estará abierta a otros usuarios la base de datos en sí.