Negli ultimi anni l’IA si è affermata come uno strumento sempre più centrale nel processo scientifico. Il suo impatto non si verifica solo in termini di tempi della scoperta, ma anche nei suoi metodi. Dalla formulazione delle ipotesi alla progettazione degli esperimenti, fino all’analisi e all’interpretazione di grandi quantità di dati, l’IA potrebbe essere impiegata come alleata degli scienziati nel comprendere la complessità del mondo naturale (ma non per sostituirlo).
Tra le innovazioni più rilevanti emerse negli ultimi 10 anni c’è l’apprendimento autosupervisionato, una tecnica che consente di addestrare modelli su enormi dataset non etichettati, superando una delle principali barriere dell’addestramento supervisionato, ovvero la necessità di dati già classificati. Anche il deep learning geometrico spicca tra le innovazioni più interessanti di questi ultimi anni. Sfrutta la struttura intrinseca dei dati scientifici (come relazioni spaziali e topologie molecolari) per aumentare precisione ed efficienza delle previsioni effettuate dai modelli.
Leggi l’articolo completo: Scientific discovery in the age of artificial intelligence su nature.com.
Immagine generata tramite DALL-E 3. Tutti i diritti sono riservati. Università di Torino (2025).
