Intelligenza Artificiale
L'intelligenza artificiale nella ricerca scientifica: guadagni di produttività contro rischi di qualità
Securities.io mantiene rigorosi standard editoriali e potrebbe ricevere compensi per i link recensiti. Non siamo consulenti finanziari registrati e questo non costituisce consulenza finanziaria. Si prega di consultare il nostro divulgazione di affiliati.
L'intelligenza artificiale come assistente di ricerca
L'intelligenza artificiale rappresenta una vera rivoluzione per molti campi scientifici, consentendo l'elaborazione di dati e la modellazione di materiali e situazioni reali in un modo che nemmeno i supercomputer più potenti avrebbero potuto realizzare solo pochi anni fa.
Esempi recenti includono diverse forme di intelligenza artificiale utilizzate per:
- Trovare nuovi materiali per i reattori a fusione nucleare.
- Ripristinare la nitidezza delle immagini del telescopio spaziale.
- Ottimizzazione dei processi di stampa 3D in metallo.
- Scoperta di nuovi materiali per celle solari, elettrocatalizzatori a idrogeno, materiali superduri, polimeri ed elettroliti allo stato solido.
Queste applicazioni solitamente si basano su modelli di intelligenza artificiale altamente specializzati, accuratamente addestrati per esaminare una specifica classe di cristalli o elaborare un set unico di immagini.
Tuttavia, quando si parla di intelligenza artificiale, il grande pubblico pensa solitamente ai LLM (Large Language Models) generalisti. Questi sono attualmente utilizzati principalmente per scrivere e migliorare i testi, nonché per eseguire query avanzate e leggibili rispetto ai motori di ricerca tradizionali.
In teoria, questo dovrebbe applicarsi non solo ai saggi degli studenti, alle poesie scadenti e alle presentazioni PowerPoint, ma anche alla ricerca scientifica e agli articoli pubblicati.
Questo, tuttavia, può rivelarsi un'arma a doppio taglio, come spiegato in una recente analisi pubblicata sulla prestigiosa rivista scientifica Science1, intitolato "La produzione scientifica nell'era dei grandi modelli linguistici".
In questa analisi, i ricercatori dell'Università della California e della Cornell University hanno osservato i risultati degli scienziati che utilizzano gli LLM rispetto ai loro lavori precedenti. Hanno scoperto che, sebbene l'utilizzo degli LLM possa migliorare la qualità degli articoli scientifici, crea anche un volume maggiore di ricerca di qualità inferiore, aggravando i problemi esistenti nel mondo accademico.
Sintesi
L'intelligenza artificiale sta rapidamente rimodellando la ricerca scientifica accelerando la scrittura, la scoperta e la produttività. Tuttavia, gli stessi strumenti rischiano di inondare il mondo accademico con ricerche di qualità inferiore, mettendo in discussione i tradizionali parametri di valutazione e i sistemi di revisione paritaria.
Rilevamento dell'uso dell'intelligenza artificiale negli articoli di ricerca scientifica
La prima sfida è determinare quanto sia diffuso l'uso dell'LLM nella scrittura scientifica e chi lo utilizza.
Non sorprende che questi non siano dati che i ricercatori ammettono spontaneamente, poiché gli strumenti sono ancora nuovi e possono essere soggetti a errori, soprattutto per quanto riguarda dati tecnici o argomenti di nicchia.
I ricercatori hanno raccolto oltre 2 milioni di articoli da grandi database scientifici come arXiv, bioRxiv e Social Science Research Network (SSRN), risalenti al periodo compreso tra gennaio 2018 e giugno 2024.
Hanno poi confrontato gli articoli pubblicati prima del 2023, presumibilmente scritti da esseri umani, con il testo generato dall'intelligenza artificiale.
Utilizzando questi dati, hanno sviluppato un modello per rilevare l'utilizzo dell'intelligenza artificiale. Con questo strumento, hanno determinato con ragionevole accuratezza quali scienziati utilizzano gli LLM e quando hanno iniziato. Hanno quindi monitorato il volume di pubblicazioni di quegli scienziati prima e dopo l'adozione degli strumenti e se tali articoli sono stati successivamente accettati dalle riviste scientifiche.
L'impatto dell'intelligenza artificiale sulla ricerca scientifica
Scorri per scorrere →
| Area di impatto dell'IA | Effetto positivo | Rischio |
|---|---|---|
| Scrittura di documenti | Maggiore chiarezza e velocità | Volume più elevato di output di bassa qualità |
| Scoperta della letteratura | Esposizione alla ricerca più ampia e recente | Pregiudizio verso lavori recenti o non citati |
| Carriere accademiche | Metriche di produttività più elevate | Le metriche si disaccoppiano dalle competenze reali |
Maggiore produttività
La prima conclusione è che l'utilizzo degli LLM aumenta la produttività degli scienziati, almeno se misurata in base al numero di pubblicazioni.
Su arXiv, gli scienziati segnalati come utilizzatori di LLM hanno pubblicato circa un terzo di articoli in più rispetto a quelli che non sembravano utilizzare l'intelligenza artificiale. Su bioRxiv e SSRN, l'aumento ha superato il 50%.
Dato che la cultura del "pubblica o muori" detta i percorsi di carriera della maggior parte degli scienziati, questo aumento di volume ha un impatto serio sui percorsi di carriera.
Un altro dato interessante è che l'incremento è stato più marcato tra gli scienziati che si presume non fossero di madrelingua inglese.
Ad esempio, i ricercatori affiliati a istituzioni asiatiche hanno pubblicato tra il 43.0% e l'89.3% di articoli in più dopo che il rilevatore ha suggerito loro di iniziare a utilizzare gli LLM.
Ciò è logico: molti scienziati sono tecnicamente brillanti e capaci di leggere l'inglese (un requisito nel mondo accademico moderno), ma potrebbero avere difficoltà a costruire frasi chiare ed eleganti in una seconda lingua.
Un uso diffuso degli LLM potrebbe creare condizioni di parità per i non madrelingua, aiutando la ricerca di alta qualità a ottenere un riconoscimento internazionale indipendentemente dalla padronanza linguistica dell'autore.
Migliore scoperta della conoscenza scientifica
Gli LLM possono anche essere utilizzati per trovare documenti pertinenti a un argomento specifico, utilizzando IA specializzate come suscitare, RicercaConiglio, o Scita.
Una parte significativa della ricerca scientifica consiste nel reperire e leggere altri articoli per dedurre informazioni o identificare protocolli sperimentali che possono essere riutilizzati in nuovi contesti.
Le IA generalmente privilegiano gli articoli più recenti e attribuiscono meno importanza al numero di citazioni rispetto ai motori di ricerca tradizionali. In quanto tali, offrono un'alternativa agli scienziati alla ricerca di nuove idee o esperimenti meno discussi.
"Le persone che utilizzano gli LLM hanno accesso a una conoscenza più diversificata, il che potrebbe stimolare idee più creative."
Keigo Kusumegi, dottorando alla Cornell University
Questa ipotesi potrebbe essere verificata in futuro verificando se gli articoli scritti con l'ausilio dell'intelligenza artificiale presentano bibliografie più diversificate o sono più innovativi e interdisciplinari.
L'intelligenza artificiale come nuova questione nella scienza e nel mondo accademico
Negli ultimi anni la ricerca scientifica, soprattutto nell'ambito delle scienze sociali, ha attraversato una crisi di replicabilità.
Poiché i risultati di molti articoli non possono essere riprodotti da altri ricercatori, studi apparentemente seri potrebbero rivelarsi imperfetti o addirittura fraudolenti. Ciò è stato descritto come una “crisi esistenziale per la scienza”.
Storicamente, la scrittura complessa, che include frasi più lunghe e un vocabolario sofisticato, è stata un criterio euristico per una ricerca di qualità superiore. Pur non essendo infallibile, ha contribuito a distinguere una ricerca scritta da esperti da un'analisi scadente.
Al contrario, gli articoli scritti con l'ausilio dell'intelligenza artificiale hanno attualmente meno probabilità di essere accettati dalle riviste.
Nel complesso, questo rischia di dissociare ulteriormente la metrica degli "articoli pubblicati" dal talento effettivo di un ricercatore. Redattori e revisori potrebbero avere difficoltà a identificare i contributi più validi, soprattutto perché l'intelligenza artificiale sta diventando sempre più efficiente e simile a quella umana.
Infine, enormi volumi di "slop" – articoli di ricerca fasulli ma dall'aspetto plausibile – potrebbero essere generati tramite l'intelligenza artificiale. Questo rischio non si limita ai social media; rappresenta un problema significativo per la ricerca scientifica, dove il tempo dei revisori era già una risorsa scarsa prima dell'avvento degli LLM.
Cosa significa l'intelligenza artificiale per il futuro della ricerca scientifica
Poiché l'intelligenza artificiale è uno strumento, i ricercatori devono imparare a usarla in modo efficace. È quasi impossibile bandire gli LLM dai laboratori di ricerca e l'individuazione diventerà sempre più difficile.
L'adattamento e l'uso produttivo dell'intelligenza artificiale nella scrittura scientifica saranno i temi determinanti del futuro.
"Già ora, la domanda non è: 'Hai usato l'IA?'. La domanda è: 'Come hai usato esattamente l'IA, e ti è stata utile?'"
Le pratiche di assunzione in ambito scientifico potrebbero trarre vantaggio da un ritorno a parametri qualitativi, come colloqui approfonditi e test tecnici, anziché basarsi esclusivamente sul volume delle pubblicazioni.
Allo stesso modo, revisori e riviste scientifiche devono adattarsi. Potenzialmente, i sistemi che verificano se un articolo proviene da un laboratorio di ricerca legittimo prima dell'analisi potrebbero essere necessari per bloccare la produzione in serie di articoli falsi.
In definitiva, la comprensione approfondita degli elementi tecnici di un documento, piuttosto che l'eleganza linguistica, diventerà l'elemento principale nel giudicare la qualità.
Investire nell'innovazione dell'intelligenza artificiale
Investitore da asporto
La produttività della ricerca basata sull'intelligenza artificiale potrebbe non tradursi direttamente in risultati di qualità superiore. I vincitori a lungo termine saranno le aziende che abilitano il calcolo, l'infrastruttura e la convalida, non solo la generazione di contenuti. Nvidia rimane centrale in questa tesi.
Nvidia
Nvidia si è evoluta da un'azienda di schede grafiche rivolta ai giocatori alla più grande azienda al mondo, grazie al suo ruolo centrale nel fornire Hardware AI all'intero settore tecnologico.
Pioniere nell'hardware dedicato all'intelligenza artificiale, Nvidia è stata la prima ad aiutare i ricercatori a sfruttare questi strumenti. "CUDA", un'interfaccia di programmazione generica per le GPU Nvidia, ha aperto le porte a utilizzi che vanno oltre il gaming, aprendo la strada alle odierne applicazioni di intelligenza artificiale.
"I ricercatori hanno capito che acquistando questa scheda video da gioco chiamata GeForce, la si aggiunge al computer e si ottiene essenzialmente un supercomputer personale.
Dinamica molecolare, elaborazione sismica, ricostruzione TC, elaborazione delle immagini: un sacco di cose diverse."
È probabile che l'hardware Nvidia, direttamente o incorporato nei cloud di Microsoft, Google, Meta e OpenAI, continuerà a essere l'hardware preferito dai ricercatori.
È previsto un capex per l'intelligenza artificiale per raggiungere i 200 miliardi di dollari nel 2025, oltre alla spesa cumulativa in continua crescita delle più grandi aziende tecnologiche. Altri componenti elettronici, come la RAM ad alte prestazioni, sono ora carenti con l'aumento della produzione di chip Nvidia.
Sebbene la ricerca scientifica potrebbe non rappresentare la maggior parte del calcolo dell'intelligenza artificiale rispetto agli usi consumer o B2B, potrebbe diventare il motore più influente a lungo termine, promettendo nuove leghe, medicinali e metodologie scientifiche.
Studio referenziato
1. Keigo Kusumegi, Xinyu Yang, Paul Ginsparg, Mathijs de Vaan, Toby Stuart e Yian Yin. La produzione scientifica nell'era dei grandi modelli linguistici. Scienza. 18 dicembre 2025. Vol. 390, numero 6779, pp. 1240-1243. DOI: 10.1126/science.adw3000
