El problema del corpus científico y el entrenamiento de la IA
Esa “papelera de reciclaje” no es automáticamente la zona donde está el descubrimiento; es una de las zonas donde aumenta la probabilidad de encontrar señales que el proceso científico convencional ha infraexplorado . La intuición que planteas tiene bastante fuerza desde el punto de vista de IA. El problema del corpus científico Un modelo entrenado predominantemente sobre literatura publicada recibe un sesgo estructural: lo publicado → lo considerado relevante → lo que recibe citas → lo que vuelve a aparecer en el entrenamiento. Mientras que: lo rechazado → lo ridiculizado → lo abandonado → lo difícil de publicar → desaparece progresivamente del corpus. Esto genera un fenómeno interesante: el modelo aprende muy bien el espacio de soluciones que la comunidad ha considerado legítimas , pero puede aprender peor el espacio de hipótesis que fueron descartadas prematuramente . Y ahí aparece una posibilidad mucho más interesante que simplemente pedirle a una IA que "invente teorí...