In un nuovo paper del National Bureau of Economic Research si indaga l’utilizzo dei Large Language Models come “aiuto alla ricerca”.

Ma che vuol dire?

L’AI generativa, nella forma di avanzati assistenti, può aiutare i ricercatori a:

• Formulare ipotesi e ideare nuovi approcci alla soluzione di un problema
• Analizzare grandi quantità di dati per estrapolare pattern significativi
• Generare descrizioni testuali, creare istruzioni per gli esperimenti
• Convertire ipotesi e impostazioni sperimentali in codice Python o R

Insomma, possono aiutare nella ricerca scientifica in tutte le fasi del lavoro sperimentale: progettazione, esecuzione e analisi.

Tuttavia, anche se sapevamo che l’AI può accelerare le scoperte, l’ha sempre fatto a un livello di “strumento”.

Ad esempio, Alphafold ha migliorato drasticamente le nostra capacità di predire la struttura tridimensionale delle proteine, accelerando la ricerca in molti campi come la medicina e la biologia.

E indovina da dove arriva Alphafold?

Chiaramente da un laboratorio tech, ovvero Deepmind, che è stato acquisito nel 2014 da Google e ora è stato unito al laboratorio “Google Brain”, dando così vita a “Google Deepmind”.

Tuttavia…. qua stiamo parlando di qualcos’altro, ovvero degli assistenti di ricerca “completi”, che magari possono anche integrare questi strumenti, ma il cui vero valore aggiunto sta nell’essere “intelligenti” in ogni punto del processo di ricerca!

In sostanza, l’idea è di poter dare a ogni ricercatore un assistente con cui accelerare il proprio workflow.

A quel punto, di fronte a una nuova scoperta, quanto sarebbe merito dell’AI e quanto dell’umano?

Il confine si fa grigio…

Intanto:

• L’AI di Google Deepmind scopre un algoritmo di sorting più efficiente, che gli umani “da soli” non avrebbero mai pensato.
• Nvidia ha creato una simulazione completa della Terra, che può venire usata per studiare il clima e l’effetto delle modifiche umane, una sorta di “digital twin” dell’intero pianeta.
• Grazie all’AI i ricercatori della NASA e di Google identificano nuovi “esopianeti” che non avremmo potuto scoprire con i normali metodi.

L’ex CEO di Google pensa che la scienza verrà “reinventata” dall’AI e che “tutto sta per diventare molto più eccitante”.

Siamo abbastanza d’accordo, stiamo a vedere.

Altre news interessanti

• Il CEO di Github: la domanda per software engineers continuerà a essere più alta dell’offerta, a dispetto dell’AI
• ChatGPT integrerà DALL-E 3, l’ultima versione del modello di immagini di OpenAI
• È uscito un nuovo report di Sequoia Capital sullo stato della Generative AI, super consigliato
• Google ha cambiato le proprie politiche nella gestione del contenuto generato da AI, e potrebbe non penalizzarlo poi così tanto.

🍕 Datapizza Selection 🍕

Tool AI da provare

Nell’attesa che ChatGPT aggiunga il supporto per le immagini che sembra saranno capaci di scrivere testo corretto durante la generazione, ti lasciamo un tool.. che già lo fa!

Ideogram è uscito solo un mesetto fa ma noi lo abbiamo già utilizzato per creare loghi, immagini, e altri esperimenti carini.

.

Salvati questa risorsa

Parliamo sempre di AI (e ci mancherebbe), ma qual è veramente il modo in cui imparano a essere “assitenti intelligenti”?

Il processo si chiama RLHF (Reinforcement Learning from Human Feedback). 🤖

In pratica una volta addestrato un modello su un grande corpus di testo, si applica questa tecnica e lo si rende “capace di conversare” ed eseguire compiti.

Ti lasciamo la risorsa più dettagliata sul tema che abbiamo trovato fin ora, salvatela che non si sa mai.