AIgeist 35 │🔬 Scienza e AI, pro e contro │Nobel 2024 a tutta intelligenza artificiale │ Cosa dicono (e fanno) gli scienziati oggi │Regole e buone pratiche │🧠 I modelli generali dedicati alla ricerca
Benvenuti in AIgeist, la newsletter settimanale che parla semplicemente di AI.
Le altre nostre newsletter: Finambolic (martedì), Xerotonina (giovedì). Abbonatevi, è gratis!
Cosa c’entrano fisica e chimica con l’AI? beh, parecchio, per esempio c’è di mezzo un premio Nobel. Anzi due. Perché sia John Hopfield e Geoffrey Hinton - fisici - che Demis Hassabis, John Jumper, e David Baker - chimici - hanno fatto dell'AI non solo il loro strumento di lavoro nella propria disciplina, ma hanno contribuito a migliorare l’AI stessa e per questo sono stati premiati nel 2024 a Stoccolma.
Hinton in particolare è un nome molto noto, spesso chiamato il “padrino dell'AI”, e ha fatto la sua fortuna sviluppando la macchina di Boltzmann, che ha posto le basi per molte delle moderne tecniche di machine learning. I chimici invece hanno ricevuto il premio per lo sviluppo di AlphaFold, un modello AI in grado di prevedere le strutture delle proteine, risolvendo un problema scientifico che durava da 50 anni.
Cosa succede nella comunità scientifica
Casi limite? Forse, ma intanto una ricerca pubblicata pochi giorni fa dalla Northwestern University di Chicago ha analizzato 74,6 milioni di pubblicazioni e messo il bollino finale: gli articoli che menzionano termini correlati all'IAI nel titolo o nell'abstract, o ne fanno in qualche modo uso dichiarato ricevono più citazioni e diventano "hit paper", cioè rientrano nel 5% dei paper più citati per quelli pubblicati nello stesso campo e nello stesso anno (qui la ricerca completa, in pdf). Fin qui parliamo di quantità di produzione e di punte di eccellenza, ma cosa succede nel mondo della scienza in generale?
Spostiamoci in Europa: lo European Research Council (ERC), massimo organo di ricerca del nostro continente ed elargitore di milioni in fondi, ha realizzato nel 2023 un sondaggio sull’uso dell'AI nella ricerca scientifica (qui il pdf completo). Il risultato mostra un’opinione generalmente positiva tra gli scienziati. Circa l’88% crede che l’AI accelererà il processo scientifico entro il 2030, soprattutto nell’analisi dei dati e nella progettazione degli esperimenti. Tuttavia, c’è anche preoccupazione per i rischi, come i bias nei sistemi AI e le questioni etiche, con il 93% che indica la necessità di linee guida. La maggior parte vede l’AI come uno strumento per assistere i ricercatori, non per sostituirli, preferendo la collaborazione bot-umano.
3 i punti di particolare positività e interesse, come ben illustrato dal grafico sotto: l’accelerazione dei processi, il lavoro congiunto tra discipline con conseguente condivisione di conoscenza e la collaborazione tra umani e AI.
Qualche esempio concreto
E ci siamo fatti aiutare proprio da ChatGPT4o per stilare qualche esempio di progetti concreti realizzati già oggi con l’aiuto dell’AI, li trovate nella tabella sotto:
Si spazia davvero in molti campi, e vuole essere solo un piccolo campione di cosa si possa ottenere in pratica. Se volete un altro quadro generale, ma anche qui completato da esempi, vi consigliamo questa sezione dedicata del sito della Royal Society del Regno Unito che è dedicata sia al pubblico che agli specialisti e apre un nuovo tema di discussione: quanto sono pronti gli scienziati a fare uso di questi strumenti? Dopotutto, come nelle aziende e in tutte le organizzazioni, non possiamo dare per scontata la padronanza di strumenti informatici, e men che meno di strumenti come i modelli linguistici o le reti neurali. Sono scienziati, non geni. O no?
Scienziati da ri-formare?
Abbiamo la fortuna di avere accesso a una ricerca recentissima, ottobre 2024, realizzata da scienziati della Kellogg School of Management di Chicago, il cui titolo è senza cuore: AI Is Revolutionizing Science. Are Scientists Ready? La risposta non è confortante: utilizzando metodi di ricerca simili a quelli citati a inizio newsletter, vale a dire studiando titoli, abstract e fonti dei paper recenti, si scopre che certamente l’impatto (positivo) dell’AI aumenta, ma si concentra in solo 3 filoni disciplinari: computer science, matematica, e ingegneria. Al di fuori (e qui probabilmente con i Nobel recenti si è voluto dare un incoraggiamento a scienziati di campi diversi) c’è ancora troppo poco, ed è un segnale di scarsa preparazione.
Gli scienziati della Kellogg hanno toccato un punto dolente per il sistema americano (come si è detto sopra e in altri numeri della nostra newsletter, in UE siamo ancora all’opinione e a una certa resistenza di fondo) a tal punto da essere incaricati dal governo americano di redigere un gigantesco report chiamato SECURING AMERICA’S FUTURE dove si torna sul tema invitando le autorità a riformare, e in fretta, il mondo scientifico in chiave AI. Forse si sono presi paura guardando questo grafico dove si vede quanto sia rampante l’industria scientifica cinese in paragone al resto del mondo quando si tratta di “disruptive papers”. Altro che Draghi paper…
Diamoci delle regole
E se infatti cerchiamo ricerche corrispettive nel mondo dell’Unione Europea, invece di linee guida per lo sviluppo troviamo ottime linee guida per il controllo e la riduzione del rischio. In questa importante sezione del sito UE battezzata Artificial Intelligence (AI) in Science il primo paper presentato è intitolato “Living guidelines on the responsible use of generative AI in research”.
Cercando meglio però appare una pagina molto interessante, dedicata a tutti i progetti AI stimolati e finanziati dall’Unione, dal machine learning ai modelli linguistici alla “inner life of the proton”. C’è anche un progetto realizzato alla Sapienza di Roma sul multilinguismo, per gli appassionati del tema.
I modelli dedicati
In chiusura, ci siamo di nuovo fatti aiutare da ChatGPT ma questa volta per capire quali e quanti siano i modelli di AI - soprattutto linguistici ma non solo - dedicati in modo specifico a chi fa ricerca scientifica. A questo link trovate la rassegna completa, ma volendo tirare le conclusioni, AlphaFold, BERT, GPTL, GANs, e BNNs sono i più gettonati.
Insomma, quadro complesso e come sempre dalle molte sfaccettature. Ma bisogna crederci, alla scienza prima di tutti. Buona ricerca a tutti. E voi ci credete?