L’AI aumenta del 44% la scoperta di nuovi materiali e del 39% i brevetti, ma solo per gli scienziati più esperti che sanno valutare i suggerimenti dell’intelligenza artificiale.
L’Intelligenza Artificiale sta rivoluzionando il modo in cui facciamo ricerca scientifica, ma qual è il suo reale impatto sulla scoperta e l’innovazione? Uno studio pioneristico del MIT ha analizzato per la prima volta gli effetti dell’introduzione di uno strumento di AI per la scoperta di nuovi materiali in un importante laboratorio di R&D americano, rivelando risultati sorprendenti sia in termini di produttività che di trasformazione del processo di ricerca.
L’esperimento: AI per scoprire nuovi materiali
Lo studio ha coinvolto 1.018 scienziati specializzati nella scoperta di nuovi materiali per applicazioni in campo sanitario, ottico e manifatturiero. L’introduzione randomizzata di uno strumento di AI basato su reti neurali profonde ha permesso di valutare in modo rigoroso l’impatto della tecnologia confrontando team di ricerca con e senza accesso all’AI.
Lo strumento utilizza reti neurali a grafo (GNN) addestrate sulla struttura e le proprietà dei materiali esistenti. Gli scienziati inseriscono le caratteristiche desiderate e il modello genera “ricette” per nuovi composti con le proprietà specificate. I ricercatori valutano poi i candidati e sintetizzano le opzioni più promettenti.
Risultati principali: più scoperte ma non per tutti
I risultati mostrano un impatto significativo dell’AI sulla ricerca e produttività scientifica:
- Aumento del 44% nella scoperta di nuovi materiali
- Incremento del 39% nei brevetti depositati
- Crescita del 17% nei prototipi di nuovi prodotti
- Miglioramento del 13-15% nell’efficienza complessiva della R&D
Tuttavia, questi benefici non sono distribuiti in modo uniforme. Mentre gli scienziati nel terzo inferiore di produttività vedono pochi vantaggi, l’output dei ricercatori più performanti quasi raddoppia (+81%). Di conseguenza, la disuguaglianza nelle performance tra il top 10% e il bottom 10% più che raddoppia.
Una trasformazione radicale del processo di ricerca
L’AI trasforma radicalmente il modo in cui gli scienziati lavorano:
- Il tempo dedicato alla generazione di idee crolla dal 39% al 16%
- Le attività di valutazione aumentano dal 23% al 40%
- La sperimentazione cresce dal 36% al 44%
“Mentre l’AI automatizza la generazione di idee, gli scienziati si concentrano sulla valutazione dei composti suggeriti dall’algoritmo”, spiega l’autore. “Il successo dipende dalla capacità di giudizio: i migliori ricercatori sfruttano la loro expertise per identificare i candidati più promettenti, mentre altri sprecano risorse testando falsi positivi.”
Soddisfazione in calo nonostante i risultati
Nonostante i notevoli incrementi di produttività, l’82% degli scienziati riporta una ridotta soddisfazione lavorativa. Le principali preoccupazioni sono:
- Sottoutilizzo delle competenze (73%)
- Lavoro meno creativo e più ripetitivo (53%)
- Problemi nell’attribuzione del merito (21%)
- Complessità dello strumento AI (19%)
Come commenta un ricercatore: “Mentre ero impressionato dalle performance dell’AI… non potevo fare a meno di sentire che gran parte della mia formazione è ora inutile. Non è questo per cui sono stato addestrato.”
Implicazioni per il futuro della ricerca scientifica
Lo studio fornisce importanti indicazioni sul futuro della ricerca scientifica nell’era dell’AI:
- L’AI può accelerare significativamente l’innovazione, ma solo se abbinata a ricercatori altamente qualificati
- La conoscenza del dominio rimane fondamentale: solo gli esperti riescono a sfruttare efficacemente l’AI
- Le organizzazioni devono ripensare pratiche di assunzione e formazione per privilegiare le capacità di valutazione
- Gli scienziati dovranno sviluppare nuove competenze per collaborare efficacemente con l’AI
“Questi risultati dimostrano che l’AI non sostituirà gli scienziati, ma trasformerà radicalmente il loro modo di lavorare”, conclude l’autore. “Il futuro appartiene a chi saprà combinare expertise umana e potenza dell’intelligenza artificiale.”
Immagine di copertina generata tramite Flux.
Leggi l’articolo completo su MIT Working Papers:
https://www.mit.edu/~aidantr@github.io
