¿Puede la IA crear una hipótesis científica detallada sobre la materia oscura que resista la revisión por pares ?

Los modelos de lenguaje grande ahora sintetizan vastas cantidades de investigación en física para proponer nuevos marcos teóricos. Aunque no están verificados experimentalmente, estas hipótesis están lo suficientemente estructuradas como para participar en el discurso científico actual. La salida respeta las restricciones conocidas del Modelo Estándar y los fenómenos cósmicos observados. Tales contribuciones son cada vez más citadas en áreas especulativas pero comprobables de la cosmología.

Background

AI models increasingly synthesize vast amounts of physics research to propose novel theoretical frameworks in cosmology and particle physics. These outputs aim to respect the constraints of the Standard Model and observed cosmic phenomena while remaining experimentally unverified. Human scientists remain essential for refining, critiquing, and validating such theories, as peer review demands deep physical insight, coherence with established laws, and novel experimental pathways. While AI can generate hypotheses from data, it currently lacks the capacity to design falsifiable experiments, integrate interdisciplinary theoretical frameworks, or anticipate experimental anomalies that drive scientific progress. This highlights the ongoing role of human expertise in advancing dark matter research.