¡Todo el mundo está emocionado por "AI for Science" en 2025! Al final del año, permítanme compartir mi inquietud y optimismo, específicamente sobre la IA y la biología. Después de pasar otro año sumergido en modelos biológicos fundamentales, IA en salud y descubrimiento de fármacos, aquí hay 3 lecciones que aprendí en 2025. 1. La biología no es "solo otra modalidad." La mayor misconception que aún veo: "La biología es texto + imágenes + gráficos. Solo escala transformadores." No. La biología es causal, jerárquica, estocástica e incompleta de maneras en que el lenguaje y la visión no lo son. Los tokens no corresponden limpiamente a la realidad. Las etiquetas son escasas, sesgadas y a menudo incorrectas. La verdad fundamental es condicional, dependiente del contexto y a veces incognoscible. Hemos hecho un progreso real: los modelos de célula única, imágenes, genómica, y EHRs finalmente se están modelando conjuntamente, pero la dura verdad es esta: La mayoría de las señales biológicas no son problemas supervisados esperando mejores funciones de pérdida. Son problemas impulsados por intervenciones. Exigen perturbaciones, contrafactuales y mecanismos, más allá de solo la predicción. Escalar obviamente ayuda. Pero sin una estructura causal, escalar principalmente te da correlaciones más agudas. 2025 reforzó mi creencia de que los modelos biológicos fundamentales deben construirse en torno a la perturbación, la incertidumbre y la capacidad de acción, no solo en el aprendizaje de representación. 2. Los benchmarks están frenando más a la biología que la computación. Seamos honestos: La evaluación en IA y biología sigue estando rota. Todos reportan SOTA. Todos eligen un corte de conjunto de datos diferente. Todos ajustan para una métrica diferente. Todos evitan la validación prospectiva....