Vantaggi e insidie nell’uso dell’IA nella ricerca scientifica
Oggi si parla sempre più spesso di “AI Graduate Student”: sistemi di intelligenza artificiale con competenze paragonabili a quelle di un ricercatore o di uno studente di dottorato, non solo per scrivere testi o codice, ma per sviluppare idee e svolgere ricerca teorica. Su questo tema si è cimentato il professor Morten Gram Pedersen, che ha sperimentato diversi sistemi di IA per verificarne le capacità nell’intera attività, dalla formulazione del problema di ricerca, allo sviluppo della teoria, fino alla stesura di un articolo scientifico. L’obiettivo era riprendere un progetto di ricerca abbozzato anni prima, incentrato sull’inibizione reciproca tra neuroni e sull’applicazione di modelli matematici complessi. L’esperienza iniziale ha ricordato quella di un tesista alle prime armi: l’IA non era in grado di formulare il problema in modo sensato e, una volta formulato il modello da studiare, proponeva soluzioni e analisi apparentemente complete, che a un esame più attento rivelavano passaggi affrettati o errori grossolani. Il professore ha testato diversi sistemi, Gemini Pro, l’IA cinese Kimi («particolarmente efficace nei calcoli») e Claude Pro, facendoli “dialogare” tra loro: passava a un sistema il lavoro di ricerca prodotto dall’altro, affinando progressivamente i risultati. L’osservazione principale è che le Intelligenze Artificiali faticano a impostare correttamente un problema complesso. Si comportano come uno studente appena uscito dai corsi, convinto che tutto sia semplice. Tuttavia, quando ricevono istruzioni precise, sanno sorprendere nella fase di esplorazione scientifica: propongono equazioni appropriate e riscrivono i sistemi nella forma richiesta. Il paradosso è che poi sbagliano calcoli banali, costringendo a verifiche continue, – «Sei sicuro? Mi sembra manchi un segno meno…» – e talvolta a ricominciare da capo. In queste fasi di supervisione dell’IA, l’esperienza e l’intuizione erano cruciali, proprio come lo sono nella supervisione di un dottorando. Un altro limite è la tendenza all’autoconferma: quando l’IA imbocca una strada sbagliata nell’analisi, fatica a correggersi, rendendo utile il passaggio a un sistema diverso. Il professor Pedersen ha salvato oltre quaranta versioni del lavoro, tornando spesso a bozze precedenti. In particolare, Gemini tendeva a inventare citazioni inesistenti, mentre Claude risultava più preciso, pur con qualche svista. Nonostante questi limiti, il vantaggio in termini di tempo sulla ricerca è notevole. Un compito che richiederebbe settimane a un tesista o a un dottorando al primo anno, come studiare un metodo scientifico e capire come applicarlo, con l’IA si risolve in pochi minuti. L’intero articolo, poi pubblicato come preprint e attualmente in revisione a una rivista scientifica, è stato completato in circa due settimane di lavoro effettivo. La conclusione del professor Pedersen è chiara: l’IA oggi è un potente motore di ricerca, scava nei dati, connette paper scientifici tra loro e accelera le fasi di scoperta, come un bravo studente magistrale, forse un dottorando al primo anno. Con un problema ben definito, permette di lavorare molto velocemente. Tuttavia, questa efficienza nasconde un’insidia sistemica molto pericolosa. Il rischio è che “il sistema”, in particolare i decisori politici attratti da un immediato risparmio economico nella convinzione che l’algoritmo possa sostituire il capitale umano, non investi più nei dottorandi. Niente di più falso. «Servono studenti e dottorandi che imparino i metodi e le teorie “sporcandosi le mani” sul campo, con i calcoli, i ragionamenti e il lavoro quotidiano in laboratorio», afferma il professor Pedersen. «Se questa formazione viene a mancare, stiamo ipotecando il nostro futuro: quando i professori meno giovani andranno in pensione, chi guiderà la ricerca? Senza una solida conoscenza teorica ed empirica di base, mancheranno le persone capaci di controllare criticamente il lavoro dell’IA» conclude il professor Pedersen. Il grande rischio, dunque, non è l’IA in sé, ma la cieca illusione che basti porre una domanda per ottenere la risposta giusta. Approfondimenti La Commissione e la comunità della ricerca elaborano orientamenti sull’uso responsabile dell’intelligenza artificiale generativa nella ricerca, Comunicato Stampa, 20 Marzo 2024 (con link a diversi approfondimenti). Why I may ‘hire’ AI instead of a graduate student, March 12, 2026 Vibe physics: The AI grad student, March 23, 2026 Il preprint dell’articolo del professor Pedersen
