America, hai parlato forte e chiaro: non ti piace l’intelligenza artificiale.
UN Sondaggio del Pew Research Center pubblicato a settembre ha rilevato che il 50% degli intervistati era più preoccupato che entusiasta dell’intelligenza artificiale; solo il 10% ritiene il contrario. La maggior parte delle persone, il 57%, ritiene che i rischi per la società siano elevati, mentre solo il 25% ritiene che i benefici sarebbero elevati. In un altro sondaggiosolo il 2% – 2%! – degli intervistati ha affermato di avere piena fiducia nella capacità dell’intelligenza artificiale di prendere decisioni giuste e imparziali, mentre il 60% ne ha una certa o totale sfiducia. In piedi di traverso lo sviluppo dell’intelligenza artificiale e il grido “Stop!” È emergendo rapidamente come una delle posizioni più popolari su entrambe le estremità dello spettro politico.
Mettendo da parte il fatto che gli americani lo sono sicuramente utilizzando l’intelligenza artificiale tutto il tempoquesti timori sono comprensibili. Abbiamo sentito dire che l’intelligenza artificiale lo è rubandoci l’elettricità, rubandoci il lavoro, rubando le nostre vibrazionie se credi agli avvertimenti di importanti catastrofi, potenzialmente anche rubandoci il futuro. Stiamo essendo inondato di slop di intelligenza artificiale – Ora con i personaggi Disney! Anche la visione più ottimistica dell’intelligenza artificiale: annunciando un mondo tutto gioco e niente lavoro – possono sembrare così utopici fuori dal mondo da essere anche un po’ spaventosi.
I nostri sentimenti contraddittori vengono catturati nel grafico dell’anno dalla Fed di Dallas che prevede come l’intelligenza artificiale potrebbe influenzare l’economia in futuro:
Linea rossa: AI singolarità e denaro quasi infinito. Linea viola: guidata dall’intelligenza artificiale totale estinzione umana e zero soldi.
Ma credo che parte del motivo per cui troviamo l’IA così inquietante è che gli usi inquietanti – nel campo del lavoro, dell’istruzione, delle relazioni – sono quelli che hanno ricevuto la maggior parte dell’attenzione, mentre gli usi pro-sociali dell’IA che potrebbero effettivamente aiutare ad affrontare i problemi più importanti tendono a passare sotto il radar. Se volessi cambiare l’opinione delle persone sull’intelligenza artificiale, per dare loro la buona notizia che questa tecnologia porterà, inizierei da ciò che potrebbe fare per il fondamento della prosperità umana: la ricerca scientifica.
Abbiamo davvero bisogno di idee migliori
Ma prima di arrivare a questo, ecco la brutta notizia: ci sono prove sempre più evidenti che l’umanità sta generando sempre meno nuove idee. In un articolo ampiamente citato dal titolo estremamente poco sottile “Le idee stanno diventando più difficili da trovare?“L’economista Nicholas Bloom e i suoi colleghi hanno esaminato tutti i settori, dai semiconduttori all’agricoltura, e hanno scoperto che ora abbiamo bisogno di molti più ricercatori e investimenti in ricerca e sviluppo solo per mantenere la produttività e la crescita sulla stessa vecchia linea di tendenza. Dobbiamo remare più duramente solo per rimanere nello stesso posto.
Nella scienza, lo schema sembra simile. UN 2023 Natura carta ha analizzato 45 milioni di documenti e quasi 4 milioni di brevetti e ha scoperto che il lavoro sta diventando meno “dirompente” nel tempo – meno probabile che invii un campo in una nuova direzione promettente. Poi c’è la crisi demografica: le nuove idee provengono dalle persone, quindi meno persone alla fine significa meno idee. Con la fertilità nei paesi ricchi al di sotto dei livelli di sostituzione e la popolazione globale che probabilmente raggiungerà un plateau per poi ridursi, ti muovi verso un “pianeta vuoto” scenario in cui il tenore di vita ristagna perché semplicemente non ci sono abbastanza cervelli per oltrepassare la frontiera. E se, come sta facendo l’amministrazione Trump, tu tagliare il flusso di talenti scientifici stranieristai essenzialmente tassando due volte la produzione di idee.
Uno dei problemi principali qui, ironicamente, è che gli scienziati devono districarsi tra troppa scienza. Stanno aumentando affogando nei dati e nella letteratura che non hanno il tempo per analizzare, per non parlare di utilizzarli nel lavoro scientifico reale. Ma questi sono esattamente i colli di bottiglia che l’IA è adatta ad attaccare, motivo per cui i ricercatori stanno arrivando all’idea di “AI come co-scienziato”.
Professore AI, al tuo servizio
IL l’esempio più chiaro là fuori è AlphaFoldil sistema Google DeepMind che prevede la forma 3D delle proteine dalle loro sequenze di aminoacidi, un problema che richiedeva mesi o anni di scrupoloso lavoro di laboratorio per proteina. Oggi, grazie ad AlphaFold, i biologi hanno previsioni di alta qualità essenzialmente per l’intero universo delle proteine conservate in un database, il che rende molto più semplice progettare il tipo di nuovi farmaci, vaccini ed enzimi che aiutano a migliorare la salute e la produttività. AlphaFold ha persino ottenuto il massimo riconoscimento scientifico quando ha lanciato questo progetto ha vinto il Premio Nobel per la chimica 2024. (Okay, tecnicamente, il premio è andato ai creatori di AlphaFold Demis Hassabis e John Jumper di DeepMind, nonché al biologo computazionale David Baker, ma è stato AlphaFold a svolgere gran parte del duro lavoro.)
Oppure prendiamo la scienza dei materiali, cioè la scienza delle cose. Nel 2023, DeepMind ha presentato GNoMEuna rete neurale grafica addestrata sui dati dei cristalli che ha proposto circa 2,2 milioni di nuove strutture cristalline inorganiche e ne ha contrassegnate circa 380.000 come probabilmente stabili, rispetto ai soli circa 48.000 cristalli inorganici stabili che l’umanità aveva precedentemente confermato in assoluto. Quello rappresentava centinaia di anni di scoperte in un colpo solo. L’intelligenza artificiale ha ampliato notevolmente la ricerca di materiali che potrebbero produrre batterie più economiche, celle solari più efficienti, chip migliori e materiali da costruzione più resistenti.
Se vogliamo seriamente rendere la vita più accessibile e abbondante – se vogliamo seriamente la crescita – il progetto politico più interessante non è vietare l’intelligenza artificiale o adorarla.
Oppure prendiamo qualcosa che tocca la vita di tutti, ogni giorno: le previsioni del tempo. Quella di DeepMind Il modello GraphCast apprende direttamente da decenni di dati e può elaborare una previsione globale a 10 giorni in meno di un minuto, facendolo molto meglio dei modelli gold standard. (Se stai notando un tema, DeepMind si è concentrato più sulle applicazioni scientifiche rispetto a molti dei suoi rivali nel campo dell’intelligenza artificiale.) Ciò può alla fine tradursi in previsioni meteorologiche migliori sulla TV o sul telefono.
In ciascuno di questi esempi, gli scienziati possono prendere un dominio che è già ricco di dati e strutturato matematicamente – proteine, cristalli, atmosfera – e lasciare che un modello di intelligenza artificiale beva da una manichetta antincendio di dati passati, apprenda i modelli sottostanti e poi cerchi enormi spazi di “e se?” possibilità. Se in altri settori dell’economia l’intelligenza artificiale sembra focalizzata principalmente sulla sostituzione di parti del lavoro umano, la migliore intelligenza artificiale nella scienza consente ai ricercatori di fare cose che prima semplicemente non erano possibili. Questa è un’aggiunta, non una sostituzione.
L’ondata successiva è ancora più strana: sistemi di intelligenza artificiale che possono effettivamente farlo correre esperimenti.
Un esempio è Coscienziatoun grande “partner di laboratorio” basato su modelli linguistici creato dai ricercatori della Carnegie Mellon. Nell’a 2023 Natura cartahanno dimostrato che Coscientist poteva leggere la documentazione hardware, pianificare esperimenti chimici a più fasi, scrivere codice di controllo e utilizzare strumenti reali in un laboratorio completamente automatizzato. Il sistema in realtà orchestra i robot che mescolano sostanze chimiche e raccolgono dati. È ancora presto e molto lontano da un “laboratorio a guida autonoma”, ma dimostra che con l’intelligenza artificiale non è più necessario essere nell’edificio per fare seriamente la scienza del laboratorio umido.
Poi c’è CasaFuturoche non è, come avevo pensato inizialmente, una sorta di futuristico DJ EDM europeo, ma una piccola organizzazione no-profit sostenuta da Eric Schmidt che vuole costruire uno “scienziato dell’intelligenza artificiale” entro un decennio. Ricordi quel problema su come ci siano semplicemente troppi dati e troppi documenti per essere elaborati da qualsiasi scienziato? Quest’anno FutureHouse ha lanciato una piattaforma con quattro agenti specializzati progettati per eliminare quel collo di bottiglia: Crow per domande e risposte scientifiche generali, Falcon per revisioni approfondite della letteratura, Owl per “qualcuno ha fatto X prima?” controlli incrociati e Phoenix per flussi di lavoro chimici come la pianificazione della sintesi. Nei loro parametri di riferimento e nei primi resoconti esterni, questi agenti spesso battono sia gli strumenti generici di intelligenza artificiale che i dottorandi umani nel trovare documenti rilevanti e sintetizzarli con citazioni, eseguendo l’estenuante lavoro di revisione che libera gli scienziati umani di fare scienza.
IL il pezzo forte è Robinuno “scienziato dell’intelligenza artificiale” multiagente che mette insieme questi strumenti in qualcosa di simile a un flusso di lavoro scientifico end-to-end. In un esempio, FutureHouse ha utilizzato Robin per affrontare degenerazione maculare secca legata all’etàuna delle principali cause di cecità. Il sistema ha letto la letteratura, ha proposto un meccanismo per la condizione che prevedeva molte parole lunghe che non riesco a pronunciare, ha identificato il farmaco antiglaucoma ripasudil come candidato per un trattamento trattamento ripropostoe poi ha progettato e analizzato esperimenti di follow-up che supportavano la sua ipotesi, tutti con esseri umani che eseguivano il lavoro di laboratorio e, soprattutto, ricontrollavano i risultati.
Metti insieme i pezzi e puoi vedere un plausibile prossimo futuro in cui gli scienziati umani si concentrano maggiormente sulla scelta di buone domande e sull’interpretazione dei risultati, mentre uno strato invisibile di sistemi di intelligenza artificiale gestisce il duro lavoro di lettura, pianificazione ed elaborazione dei numeri, come un esercito di studenti laureati non pagati.
Dovremmo usare l’intelligenza artificiale per le cose che contano davvero
Anche se la popolazione globale si stabilizza e gli Stati Uniti continuano a rendere più difficile l’immigrazione per gli scienziati, l’abbondante intelligenza artificiale per la scienza aumenta di fatto il numero di “menti” che lavorano su problemi difficili. Questo è esattamente ciò di cui abbiamo bisogno per riavviare la crescita economica: invece di limitarci ad assumere più ricercatori (una proposta sempre più difficile), rendiamo ogni ricercatore esistente molto più produttivo. Ciò si traduce idealmente in una scoperta e un riutilizzo di farmaci più economici che possono eventualmente ridurre i costi dell’assistenza sanitaria; nuove batterie e materiali solari che rendono l’energia pulita veramente economica; previsioni e modelli climatici migliori che riducano le perdite dovute ai disastri e rendano più semplice costruire in più luoghi senza essere spazzati via da condizioni meteorologiche estreme.
Come sempre con l’intelligenza artificiale, però, ci sono degli avvertimenti. Gli stessi modelli linguistici che possono aiutare a interpretare i documenti sono anche molto bravi a manipolarli con sicurezza, e recenti valutazioni suggeriscono generalizzano eccessivamente e travisano i risultati scientifici molto più di quanto i lettori umani vorrebbero. Gli stessi strumenti che possono accelerare la progettazione del vaccino possono, in linea di principio, accelerare la ricerca sugli agenti patogeni e sulle armi chimiche. Se colleghi l’intelligenza artificiale alle apparecchiature di laboratorio senza i giusti controlli, rischi di ampliare non solo gli esperimenti buoni ma anche quelli cattivi, più velocemente di quanto gli esseri umani possano verificarli.
Quando ripenso al grafico della Fed di Dallas, ormai famoso in Internet, in cui la linea rossa è “singolarità dell’IA: denaro infinito” e la linea viola è “singolarità dell’IA: estinzione”, penso che la vera linea mancante sia quella noiosa ma trasformativa nel mezzo: l’intelligenza artificiale come infrastruttura invisibile che aiuta gli scienziati a trovare buone idee più velocemente, riavviare la crescita della produttività e rendere silenziosamente parti fondamentali della vita più economiche e migliori invece che più strane e spaventose.
Il pubblico ha ragione a essere preoccupato per i modi in cui l’intelligenza artificiale può andare storta; urlare “stop” è una risposta razionale quando le scelte sembrano essere trascurate ora o singolarità/estinzione in seguito. Ma se siamo seriamente intenzionati a rendere la vita più accessibile e abbondante – se siamo seri riguardo alla crescita – il progetto politico più interessante non è vietare l’intelligenza artificiale o adorarla. Significa invece insistere affinché puntiamo quanto più possibile questa strana nuova capacità sul lavoro scientifico che effettivamente sposta l’ago della bilancia su salute, energia, clima e tutto ciò che diciamo di avere a cuore.
Questa serie è stata sostenuta da una sovvenzione di Arnold Ventures. Vox aveva piena discrezione sul contenuto di questo rapporto.
Una versione di questa storia è apparsa originariamente nella newsletter Good News. Iscriviti qui!
