Ormai nessun ricercatore è in grado di leggere tutto ciò che viene pubblicato nel proprio campo. Il volume degli articoli cresce a un ritmo che da tempo supera la capacità di lettura umana, e con esso emerge un problema meno evidente: interessanti connessioni tra diverse aree rimangono invisibili semplicemente perché nessuno ha il tempo di notarle.
Un team del Karlsruhe Institute of Technology (KIT), insieme a partner scientifici, ha cercato di affrontare questo problema con un metodo che combina modelli linguistici e apprendimento automatico. Lo studio è stato pubblicato su Nature Machine Intelligence.
Come funziona il metodo
Il sistema lavora in due tempi.
Nella prima fase, un modello linguistico di grandi dimensioni legge gli abstract di articoli scientifici sui materiali ed estrae termini chiave e concetti scientifici. Ogni parola chiave diventa un nodo in una rete, che gli autori definiscono un grafo concettuale: una mappa in cui la conoscenza di un campo è rappresentata come un insieme di punti interconnessi.
Nella seconda fase, entra in gioco un secondo modello, che collega i nodi quando i termini corrispondenti compaiono insieme con particolare frequenza negli articoli. L’esempio scelto dal primo autore, Thomas Marwitz, studente di informatica al KIT, riguarda il fotovoltaico: se il modello linguistico osserva che “perovskite” e “cella solare” compaiono con sempre maggiore frequenza nella stessa pagina, traccia una nuova connessione nel grafo.
Il passaggio successivo è cruciale. Il modello di apprendimento automatico non osserva la rete in un singolo momento, ma la sua evoluzione nel corso di molti anni: analizza come le connessioni si formano, si rafforzano o si indeboliscono e, da questa dinamica, estrapola quali combinazioni di concetti potrebbero diventare rilevanti nei prossimi due o tre anni.
Secondo il team, guidato da Pascal Friederich, responsabile del gruppo di ricerca del KIT dedicato all’intelligenza artificiale per la scienza dei materiali, le previsioni ottenute sono più accurate di quelle prodotte dai tradizionali algoritmi basati su regole.
Non un oracolo, ma uno strumento per esperti
La parte più interessante dello studio riguarda il modo in cui i risultati sono stati validati. Le combinazioni suggerite dal sistema sono state sottoposte a ricercatori esperti nei rispettivi campi e diverse sono state ritenute davvero promettenti.
Questa scelta metodologica dice molto sull’ambizione del progetto. L’obiettivo dichiarato non è quello di sostituire il giudizio scientifico, ma di supportare il processo creativo: evidenziare percorsi di ricerca e opportunità di collaborazione interdisciplinare che un singolo studioso, per quanto esperto, raramente noterebbe.
La distinzione è importante. Uno scienziato con vent’anni di esperienza può individuare connessioni all’interno del proprio campo; molto più raramente, può vedere quelle che conducono a discipline che non frequenta. È proprio qui che uno strumento di questo tipo può essere utile.
La scienza dei materiali si presta bene come terreno di prova perché è alla base di tecnologie molto diverse – batterie, celle solari, componenti elettronici, catalisi, applicazioni mediche – e di conseguenza produce una vasta e frammentata letteratura. Gli autori, tuttavia, ritengono che l’approccio possa essere trasferito ad altri campi.
Cosa misura davvero il modello
Qui conviene essere precisi, perché la formula “l’IA prevede il futuro della scienza” rischia di far dire allo studio più di quanto affermi.
Il sistema non prevede scoperte. Prevede su quali coppie di concetti si concentrerà l’attenzione della comunità scientifica, ricavandola dalla frequenza con cui i termini compaiono insieme nelle pubblicazioni. La co-occorrenza è un ottimo indicatore di quanto un tema stia guadagnando terreno, ma non dice nulla su quanto quel tema sia fecondo. Un argomento può diventare popolare perché è promettente, oppure perché è finanziabile, o perché è di moda.
C’è poi un effetto di secondo ordine che vale la pena tenere presente. Se strumenti di questo tipo si diffondessero e orientassero le scelte di molti gruppi di ricerca, finirebbero per rendere più affollate proprio le direzioni che segnalano come emergenti. Una previsione che modifica il comportamento di chi la legge tende a realizzarsi da sola — e la conseguenza, in un sistema della ricerca già incline al conformismo tematico, sarebbe meno diversificazione, non più.
Nulla di tutto questo toglie valore al lavoro del KIT, che è esplicito nel presentarsi come supporto alla creatività umana. Ma segnala che la domanda rilevante non è se questi sistemi funzionino: è chi decide cosa contare come direzione promettente, e con quali criteri.
Un filone che si sta consolidando
Lo studio si inserisce in un filone di ricerca che ha assunto una certa continuità negli ultimi anni: reti semantiche costruite a partire dalla letteratura scientifica, benchmark dedicati alla previsione di future connessioni tra concetti e modelli che stimano il potenziale impatto di un’idea ancor prima che l’articolo venga scritto. La stessa rivista che ospita il lavoro del KIT aveva già pubblicato ricerche simili applicate alla letteratura sull’intelligenza artificiale.
Il filo conduttore è che la letteratura scientifica cessa di essere semplicemente un archivio da consultare e diventa un oggetto da analizzare: una fonte di dati sul comportamento collettivo dei ricercatori, con tutti i vantaggi e le ambiguità che ciò comporta.
Per chi desidera leggere il lavoro in dettaglio, una versione preliminare è disponibile in accesso aperto su arXiv, mentre l’articolo finale è stato pubblicato su Nature Machine Intelligence.
