Un concorso che richiede progetti di ricerca che coinvolgano i cosiddetti scienziati dell’intelligenza artificiale dimostra quanto velocemente si stia evolvendo questa tecnologia.
Numerose startup e università che stanno creando “scienziati dell’IA” per progettare e condurre esperimenti in laboratorio, tra cui biologi e chimici robotici, hanno appena ottenuto ulteriori finanziamenti dall’agenzia governativa britannica che finanzia la ricerca e lo sviluppo moonshot. Il concorso, indetto dall’ARIA (Advanced Research and Invention Agency), dà un’idea chiara della rapidità con cui questa tecnologia sta avanzando: l’agenzia ha ricevuto 245 proposte da gruppi di ricerca che stanno già sviluppando strumenti in grado di automatizzare una quantità sempre maggiore di lavoro di laboratorio.
L’ARIA definisce uno scienziato AI come un sistema in grado di eseguire un intero flusso di lavoro scientifico, formulando ipotesi, progettando e conducendo esperimenti per testare tali ipotesi e quindi analizzando i risultati. In molti casi, il sistema può poi reimmettere tali risultati al suo interno e ripetere il ciclo più volte. Gli scienziati umani diventano supervisori, formulando le domande di ricerca iniziali e lasciando poi che lo scienziato AI si occupi del lavoro di routine.
“Ci sono modi migliori per impiegare un dottorando che farlo aspettare in laboratorio fino alle 3 del mattino per assicurarsi che un esperimento venga portato a termine”, afferma Ant Rowstron, direttore tecnico di ARIA.
ARIA ha selezionato 12 progetti da finanziare tra le 245 proposte, raddoppiando l’importo che intendeva stanziare a causa dell’elevato numero e dell’alta qualità delle candidature. La metà dei team proviene dal Regno Unito, mentre il resto dagli Stati Uniti e dall’Europa. Alcuni team provengono da università, altri dall’industria. Ciascuno riceverà circa 500.000 sterline (circa 675.000 dollari) per coprire nove mesi di lavoro. Al termine di tale periodo, dovrebbero essere in grado di dimostrare che il loro scienziato di IA è stato in grado di arrivare a scoperte innovative.
Tra i team vincitori c’è Lila Sciences, un’azienda statunitense che sta sviluppando quello che definisce un nano-scienziato di IA, un sistema che progetterà e condurrà esperimenti per scoprire i modi migliori per comporre ed elaborare i punti quantici, particelle semiconduttrici su scala nanometrica utilizzate nell’imaging medico, nei pannelli solari e nei televisori QLED.
“Stiamo utilizzando i fondi e il tempo a nostra disposizione per dimostrare una tesi”, afferma Rafa Gómez-Bombarelli, responsabile scientifico per le scienze fisiche presso Lila: “La sovvenzione ci consente di progettare un vero e proprio ciclo robotico basato sull’intelligenza artificiale attorno a un problema scientifico specifico, generare prove della sua efficacia e documentare il playbook in modo che altri possano riprodurlo ed estenderlo”.
Un altro team, dell’Università di Liverpool, nel Regno Unito, sta costruendo un robot chimico, che esegue più esperimenti contemporaneamente e utilizza un modello di linguaggio visivo per aiutare a risolvere i problemi quando il robot commette un errore.
E una startup con sede a Londra, ancora in modalità stealth, sta sviluppando uno scienziato AI chiamato ThetaWorld, che utilizza LLM per progettare esperimenti sulle interazioni fisiche e chimiche importanti per le prestazioni delle batterie. Gli esperimenti saranno poi condotti in un laboratorio automatizzato dai Sandia National Laboratories negli Stati Uniti.
Misurare la temperatura
Rispetto ai progetti da 5 milioni di sterline che durano due o tre anni e che ARIA finanzia di solito, 500.000 sterline sono una cifra irrisoria. Ma era proprio questa l’idea, dice Rowstron: anche per ARIA si tratta di un esperimento. Finanziando una serie di progetti per un breve periodo di tempo, l’agenzia sta prendendo la temperatura all’avanguardia per determinare come sta cambiando il modo di fare scienza e con quale rapidità. Ciò che apprende diventerà la base di riferimento per il finanziamento di futuri progetti su larga scala.
Rowstron riconosce che c’è molto clamore, soprattutto ora che la maggior parte delle principali aziende di IA ha team dedicati alla scienza. Quando i risultati vengono condivisi tramite comunicati stampa e non tramite revisione tra pari, può essere difficile capire cosa può e non può fare la tecnologia. “Questa è sempre una sfida per un’agenzia di ricerca che cerca di finanziare la frontiera”, afferma. “Per fare cose all’avanguardia, dobbiamo sapere qual è la frontiera”.
Per ora, l’avanguardia coinvolge sistemi agentici che richiamano altri strumenti esistenti al volo. “Stanno utilizzando strumenti come grandi modelli linguistici per l’ideazione, poi utilizzano altri modelli per l’ottimizzazione e l’esecuzione di esperimenti”, afferma Rowstron. “E poi reimmettono i risultati nel ciclo”.
Rowstron vede la tecnologia suddivisa in livelli. Alla base ci sono strumenti di IA progettati dagli esseri umani per gli esseri umani, come AlphaFold. Questi strumenti consentono agli scienziati di superare le parti lente e laboriose del processo scientifico, ma possono comunque richiedere molti mesi di lavoro in laboratorio per verificare i risultati. L’idea di uno scienziato di IA è quella di automatizzare anche questo lavoro.
Gli scienziati di IA si trovano in un livello superiore rispetto a questi strumenti creati dall’uomo e li utilizzano quando necessario, afferma Rowstron. “Ma arriverà un momento, e non credo che ci vorrà un decennio, in cui lo scienziato di IA dirà: ‘Ho bisogno di uno strumento che non esiste’, e creerà effettivamente uno strumento simile ad AlphaFold proprio mentre sta cercando di capire come risolvere un altro problema. L’intera zona inferiore sarà semplicemente automatizzata”.
Ci vorrà ancora un po’ di tempo, afferma. Tutti i progetti che ARIA sta finanziando attualmente riguardano sistemi che utilizzano strumenti esistenti piuttosto che crearne di nuovi.
Ci sono anche problemi irrisolti con i sistemi agentici in generale, che limitano il tempo in cui possono funzionare da soli senza andare fuori strada o commettere errori. Ad esempio, uno studio intitolato “Perché gli LLM non sono ancora scienziati”, pubblicato online la scorsa settimana dai ricercatori di Lossfunk, un laboratorio di IA con sede in India, riporta che in un esperimento volto a far eseguire agli agenti LLM un flusso di lavoro scientifico fino al completamento, il sistema ha fallito tre volte su quattro. Secondo i ricercatori, i motivi del malfunzionamento degli LLM includevano modifiche alle specifiche iniziali e “un’eccessiva eccitazione che dichiara il successo nonostante evidenti fallimenti”.
“Ovviamente, al momento questi strumenti sono ancora in una fase piuttosto iniziale del loro ciclo e queste cose potrebbero stabilizzarsi”, afferma Rowstron. “Non mi aspetto che vincano il Premio Nobel”.
“Ma esiste un mondo in cui alcuni di questi strumenti ci costringeranno a operare molto più rapidamente”, continua. “E se finiremo in quel mondo, sarà estremamente importante per noi essere pronti”.
