Molto è cambiato in questi 15 anni da quando Kaiming He era uno studente di dottorato. “Quando sei in fase di dottorato, c’è un muro alto tra le diverse discipline e materie, e c’era anche un muro alto all’interno dell’informatica”, dice. “Il ragazzo seduto accanto a me potrebbe fare cose che non riesco a capire”. Nei sette mesi trascorsi dal suo ingresso al MIT Schwarzman College of Computing come Douglas Ross (1954) Career Development Professor of Software Technology nel Dipartimento di Ingegneria Elettrica e Informatica, afferma di aver sperimentato qualcosa che a suo avviso è “molto raro nella storia scientifica umana” un abbassamento dei muri che si espande attraverso diverse discipline scientifiche. “Non c’è modo di poter mai capire la fisica ad alta energia, la chimica o la frontiera della ricerca biologica, ma ora stiamo vedendo qualcosa che può aiutarci a rompere questi muri”, afferma, “e questa è la creazione di un linguaggio comune che è stato trovato nell’IA”. Costruire il ponte dell’IA. Secondo He, questo cambiamento è iniziato nel 2012 sulla scia della “rivoluzione dell’apprendimento profondo”, un punto in cui si è reso conto che questo insieme di metodi di apprendimento automatico basati su reti neurali era così potente che poteva essere utilizzato in modo più ampio. “A questo punto, la visione artificiale aiutando i computer a vedere e percepire il mondo come se fossero esseri umani ha iniziato a crescere molto rapidamente, perché come si evince è possibile applicare questa stessa metodologia a molti problemi diversi e molte aree diverse”, dice He. “Così la comunità della visione artificiale è cresciuta rapidamente perché questi diversi sottotemi erano ora in grado di parlare un linguaggio comune e condividere un insieme comune di strumenti”. Da lì, He dice che la tendenza ha iniziato ad espandersi ad altre aree dell’informatica, tra cui l’elaborazione del linguaggio naturale, il riconoscimento vocale e la robotica, creando le basi per ChatGPT e altri progressi verso l’intelligenza artificiale generale (AGI). “Tutto questo è accaduto nell’ultimo decennio, portandoci a una nuova tendenza emergente che non vedo l’ora di vedere, e che sta guardando la metodologia AI propagare altre discipline scientifiche”, dice He. Uno degli esempi più famosi, dice He, è AlphaFold, un programma di intelligenza artificiale sviluppato da Google DeepMind, che esegue previsioni della struttura delle proteine. “È una disciplina scientifica molto diversa, un problema molto diverso, ma le persone stanno anche utilizzando lo stesso set di strumenti AI, la stessa metodologia per risolvere questi problemi”, dice He, “e penso che sia solo l’inizio”. Il futuro dell’IA nella scienza. Dal suo arrivo al MIT nel febbraio 2024, dice di aver parlato con professori di quasi tutti i dipartimenti.
Photo: Steph Stevens
