La startup tenta un nuovo trucco per sviluppare l'intelligenza artificiale per la scoperta scientifica
La startup tenta un nuovo trucco per sviluppare l'intelligenza artificiale per la scoperta scientifica
Lo sviluppo dell’intelligenza artificiale per la scoperta scientifica è diventato un obiettivo monumentale per i giganti della tecnologia. Aziende come OpenAI e Anthropic si sono assicurate decine di miliardi di finanziamenti con la promessa di scoperte rivoluzionarie dell’intelligenza artificiale in medicina, biologia e fisica. Tuttavia, la vera scoperta scientifica guidata dall’intelligenza artificiale rimane sfuggente, come dimostrato da incidenti passati come una scoperta matematica generata da ChatGPT sfatata. La sfida principale, secondo gli esperti, è che gli attuali modelli linguistici di grandi dimensioni (LLM) non hanno la capacità intrinseca di generare nuove conoscenze scientifiche in modo autonomo.
Perché i grandi laboratori di intelligenza artificiale hanno difficoltà con la scoperta scientifica
Markus Buehler, professore di ingegneria del MIT, identifica un limite fondamentale nell'intelligenza artificiale avanzata di oggi. Sostiene che i modelli che alimentano i sistemi di OpenAI e Anthropic non sono progettati per una vera scoperta. La loro architettura si basa sul riconoscimento di modelli a partire da dati esistenti, non sulla creazione di nuove teorie o ipotesi.
Ciò è stato chiaramente illustrato lo scorso autunno, quando una presunta scoperta matematica di ChatGPT è stata rapidamente smentita. L'episodio ha evidenziato il divario tra il potere analitico dell'intelligenza artificiale e il suo pensiero creativo e orientato alla scoperta. È una sfida che ricorda altri sforzi di intelligenza artificiale in cui la tecnologia lotta con l'originalità, proprio come le critiche affrontate dall'"attore" dell'intelligenza artificiale Tilly Norwood per la mancanza di genuina creatività.
Il problema principale con gli attuali modelli di intelligenza artificiale
I grandi modelli linguistici eccellono nell’elaborazione e nel rigurgito delle informazioni. Possono riassumere testi, rispondere a domande e persino scrivere codice in base ai dati di addestramento. Tuttavia, operano entro i limiti di ciò che hanno già imparato.
La scoperta scientifica, per sua natura, richiede di entrare nell’ignoto. Si tratta di formare nuove connessioni tra campi disparati e proporre idee che non sono presenti in nessun set di dati di formazione. Si tratta di un salto che l’attuale intelligenza artificiale generativa, focalizzata sulla creazione di contenuti e sull’automazione, non è in grado di compiere. Il settore si sta evolvendo, come si è visto con sviluppi come l’aggiornamento Gutenberg di WordPress che gettano le basi per la pubblicazione basata sull’intelligenza artificiale, ma la sfida principale per la scoperta rimane.
Presentazione di Unreasonable Labs: un nuovo approccio all'intelligenza artificiale per la scienza
Per colmare questa lacuna, il professor Buehler ha co-fondato Unreasonable Labs con Yuan Cao, un ex ricercatore senior di Google DeepMind. La startup mira a aprire la strada a un approccio fondamentalmente diverso allo sviluppo dell’intelligenza artificiale per la scoperta scientifica. Invece di fare affidamento esclusivamente sull’acquisizione massiccia di dati, stanno costruendo sistemi capaci di ragionamento interdisciplinare.
Unreasonable Labs ha recentemente ottenuto 13,5 milioni di dollari in un round di finanziamento guidato da Playground Global. Il round ha visto la partecipazione di AIX Ventures, E14 Fund e MS&AD Ventures. Questo investimento significativo sottolinea la fiducia del mercato nella loro nuova metodologia.
Imparare dai momenti "Aha" nella storia della scienza
L'ipotesi di Buehler è che molte grandi scoperte nascano da momenti "aha". Questi sono casi in cui uno scienziato applica una teoria o un concetto di un campo per risolvere un problema in un dominio completamente diverso. Questa impollinazione incrociata di idee è la chiave per le scoperte.
Un classico esempio è il lavoro di John Hopfield del 1982. Egli applicò concetti della fisica della materia condensata al campo allora nascente dell'intelligenza artificiale. Ciò ha portato allo sviluppo delle reti Hopfield, un tipo di rete neurale in grado di apprendere e richiamare ricordi. Era un'idea rivoluzionaria nata dal collegamento di discipline non correlate.
In che modo l'intelligenza artificiale di Unreasonable Labs differisce dai modelli tradizionali
L’intelligenza artificiale sviluppata presso Unreasonable Labs è progettata per imitare questa capacità umana di intuizione interdisciplinare. Il loro obiettivo non è creare un modello linguistico più ampio, ma costruire un sistema in grado di ragionare in tutti i domini scientifici.
Grafici di conoscenza interdisciplinare: invece di allenarsi solo sul testo, la loro intelligenza artificiale integra conoscenze strutturate provenienti da più campi scientifici, dalla biologia alla fisica. Motori di ragionamento analogico: la tecnologia di base si concentra sulla ricerca di analogie e paralleli tra concetti apparentemente non correlati, un motore chiave dell’innovazione scientifica. Generazione di ipotesi: il sistema è stato progettato per proporre ipotesi scientifiche verificabili, non solo per analizzare i dati esistenti.
Questo approccio rappresenta un allontanamento significativo dalle strategie di acquisizione delle società più grandiaziende tecnologiche, come l’acquisizione da parte di Zendesk della startup AI Forethought, che spesso si concentrano sul perfezionamento delle applicazioni di servizio clienti esistenti piuttosto che sull’esplorazione di nuove forme di scoperta.
Il futuro della scoperta guidata dall’intelligenza artificiale
In caso di successo, la tecnologia di Unreasonable Labs potrebbe accelerare la ricerca in aree critiche. Immagina un’intelligenza artificiale in grado di suggerire un nuovo composto farmaceutico combinando principi di chimica e genetica. Oppure un modello che propone un nuovo materiale per l'energia sostenibile collegando concetti di nanotecnologia e termodinamica.
Le potenziali applicazioni sono vaste, dall’accelerazione della ricerca medica alla risoluzione di complesse sfide ambientali. Ciò rappresenta la prossima frontiera per l’intelligenza artificiale, andando oltre l’automazione per diventare un vero partner nell’ingegno umano.
Conclusione: la prossima ondata di innovazione dell’intelligenza artificiale
La corsa per sviluppare l’intelligenza artificiale per la scoperta scientifica si sta infiammando, ma il vero successo potrebbe risiedere in startup specializzate come Unreasonable Labs. La loro attenzione al ragionamento interdisciplinare offre un percorso promettente oltre i limiti degli attuali grandi modelli linguistici. Il viaggio verso la creazione di un’intelligenza artificiale in grado di fare davvero scoperte è appena iniziato.
Rimani aggiornato sulle ultime innovazioni nel campo dell'intelligenza artificiale e della tecnologia. Per ulteriori approfondimenti e per condividere facilmente questo articolo, crea la tua pagina link in bio gratuita su Seemless per curare i tuoi contenuti preferiti.
