Si parla molto di intelligenza artificiale ma molto spesso l’attenzione del grande pubblico è focalizzata sulle chatbot IA come ChatGPT e suoi pari. Ma l’IA è una risorsa che sta cambiando anche la scienza e allora, quali sono i campi di applicazione nei quali vale la pena spenderla? Nell’articolo la grande sete dell’intelligenza artificiale lascia a secco le città abbiamo sollevato il problema etico che riguarda i consumi di tale tecnologia. Tuttavia, l’intento non è quello di sottovalutare il potenziale di questa rivoluzione tecnologica, quanto piuttosto quello di dare risalto al potenziale che ha in determinati settori e come la mancanza di conoscenza e normativa in altri può produrre una concatenazione di effetti negativi.
Ma tornando a noi profani di questo settore, quali sono i campi nei quali sta facendo la differenza e come viene sviluppata? Quali sono le menti dietro l’innovazione dell’IA e su cosa lavorano? Abbiamo parlato di questo con una di queste menti, Francesco Di Bello, fisico delle Particelle del CERN a capo di un gruppo di cento fisici provenienti da tutto il mondo, nonché ricercatore presso l’Università di Genova e docente del corso in machine learning per la fisica.
Dott. Di Bello, nonostante lei sia giovane è già a capo di un gruppo di ricerca piuttosto ampio, circa cento fisici, di cosa vi occupate e lei come nasce?
Esatto, in totale siamo un po’ più di cento persone e l’intero esperimento conta circa mille fisici provenienti da tutto il mondo. Io nasco come fisico delle particelle e successivamente mi sono specializzato nel bosone di Higgs, in particolare nelle tecniche per rilevarlo al fine di studiarne le proprietà. Negli ultimi quattro/cinque anni mi sono specializzato anche nell’utilizzo dell’intelligenza artificiale per scopi scientifici al fine di migliorare la comprensione del bosone di Higgs e di altre particelle associate.
Che differenze ci sono tra i dati che potete raccogliere nei vostri studi e quelli raccolti in altri settori come quello industriale/economico?
La differenza forse sta nel punto di vista un po’ più tecnico dei dati, tra i dati che prendiamo come CERN e quelli che per esempio vengono utilizzati nelle industrie, ma più in generale nel mondo dell’intelligenza artificiale. Ci sono due grandi differenze, la prima è che noi abbiamo miliardi di dati che produciamo ogni giorno e che cerchiamo di scremare in base alla loro significatività. Nel nostro campo, nel far collidere delle particelle ad altissima energia, si producono migliaia di eventi al secondo e da questi eventi dobbiamo essere in grado di estrapolarne due o tre ai quali siamo interessati. Per canalizzare questi dati si usa l’intelligenza artificiale, quindi viene utilizzata per dati da noi stessi creati. Cosa ben diversa da altri, come ad esempio Google, che deve fare scouting dei dati e prenderli da un ampio paniere di fonti.
E l’altra grande differenza?
L’altra grande differenza è che abbiamo delle simulazioni molto accurate di quello che ci aspettiamo, di ciò che può avvenire e questo permette di sviluppare molti algoritmi di intelligenza artificiale che altrimenti, in ambito esterno, sarebbero sviluppati con più difficoltà perché non avrebbero una simulazione accurata di quello che potrebbe succedere.
Quindi contribuite a sviluppare e implementare l’IA in base alle necessità del vostro campo di ricerca?
Esatto, chiaramente non siamo a livello di competitor come Google e non abbiamo come loro una intera equipe che si occupa unicamente dello sviluppo dell’IA per la grande popolazione, però siamo in grado di sviluppare le loro idee e siamo in grado di adattarle a contesti specifici. Ogni tanto capita anche di avere interazioni con loro per sviluppare progetti congiunti. Ad esempio, un paio d’anni fa mi trovavo in Israele ad una conferenza organizzata da un professore di fisica, c’erano sia i capi di Google Deepmind che fisici e ci fu uno scambio sui rispettivi usi dell’IA. Insomma, delle conferenze ibride tra fisici e computer scientist. Quella serie di conferenze si è interrotta, ma negli ultimi anni ne sono nate anche molte altre come a Parigi, negli Stati Uniti, ecc.
In questi ultimi anni nei quali avete implementato l’utilizzo dell’intelligenza artificiale avete ottenuto la tanto citata rivoluzione oppure una transizione graduale?
Non troppo graduale, è una rivoluzione in corso nel senso che lo è ora, pur se iniziata qualche anno fa. Il motivo per il quale dico questo è che nel campo della fisica già prima del Cern, quando c’erano altri acceleratori, grandi centri di ricerca come Tevatron di Chicago vennero impiegati tecniche primitive di intelligenza artificiale, le primissime reti neurali. La potenza computazionale recente ha avuto un impatto molto forte, se volessimo visualizzarlo con un grafico in funzione del tempo da graduale, fino a quattro/cinque anni fa, possiamo notare un’esplosione di crescita di tutti gli algoritmi, esplosione che continua ancora oggi. Credo che cambierà il modo in cui guardiamo ai dati. L’aspetto che rende questa transizione più lenta è che in fisica, differentemente dalla società in generale, si deve essere sicuri di quello che si sta guardando e di quello che si sta misurando e questo è un passaggio di interpretabilità. È un algoritmo superiore rispetto a quello di cui ha bisogno il grande pubblico anche se sono entrambi estremamente interessanti, a lungo andare se si comprende cosa stanno imparando potresti potenzialmente controllarli meglio.
Nell’ambito del suo campo di ricerca quali sono i risultati più significativi che siete riusciti a produrre in questa fase di evoluzione?
I risultati più significativi li stiamo ottenendo nelle tecniche. Per andare a studiare queste particelle rare, come il bosone di Higgs e altri suoi compagni, queste tecniche hanno permesso un guadagno maggiore rispetto a quello che abbiamo ottenuto soltanto un anno fa. Questo provoca, a cascata, una serie di miglioramenti nelle misurazioni che potremo fare nei prossimi anni e che sperabilmente porteranno a misure ancora più accurate e perché no, se siamo fortunati ad una scoperta. Come fisici oggi ci occupiamo sia della ricerca che dello sviluppo, stanno inoltre nascendo delle figure ibride che si occupano di entrambe le materie, è frequente che un fisico diventi esperto di questi algoritmi. Insomma, anche nella formazione ci sono dei percorsi che si stanno modellando in base alle esigenze della ricerca così come stanno nascendo nuovi accordi di collaborazione con grandi attori per sviluppare competenze necessarie al campo della ricerca.