La nuova IA Newton impara da sola la fisica
A partire da dati grezzi di sensori, il modello fondativo della Archetype AI è in grado di comprendere le leggi fisiche ed effettuare previsioni
In ambito scientifico, una delle domande più frequenti riguardo le capacità dell’Intelligenza Artificiale (IA) è se essa sarà in grado di scoprire nuove leggi fisiche (o perfezionare quelle esistenti).
Se ci si riferisce al tipo di IA al momento più popolare, cioè i Large Language Model (LLM) come ChatGPT, la risposta è un sonoro no: gli LLM sono modelli linguistici predittivi che si basano su quanto già scoperto e messo nero su bianco dagli esseri umani e quindi il loro contributo potrebbe essere al più quello di evidenziare qualcosa che ci è sfuggito o trovare nuove correlazioni tra dati preesistenti.
E se invece, per cominciare, si creasse un’IA senza conoscenze scientifiche pregresse e la si “sguinzagliasse” nel mondo reale, lasciandola libera di imparare da zero le leggi fisiche che lo governano? Dopotutto nel corso della storia i fisici hanno acquisito una sempre più profonda conoscenza delle leggi naturali attraverso attente osservazioni, esperimenti e precise misurazioni.
Questo interessante concetto è proprio ciò che hanno pensato di sperimentare i ricercatori della Archetype AI con la loro nuova Intelligenza Artificiale dall’altisonante nome di Newton.
Un modello fondativo per zero-shot forecasting
L’IA in oggetto è un cosiddetto modello fondativo o di fondazione (foundation model), cioè un modello allenato su grandi quantità di dati e in grado di operare in vari ambiti applicativi; nel caso specifico di Newton, si parla di 590 milioni di esempi provenienti da dataset open-source (insiemi di dati ad accesso libero).
In questo caso, però, la particolarità è nel tipo di dati utilizzati: misurazioni grezze aquisite da sensori di vario tipo, relative a fenomeni fisici come corrente elettrica, temperatura, vibrazioni o pressione.
A partire da tali dati, Newton si adopera per derivare le leggi fisiche che li determinano, utilizzandole poi per effettuare esso stesso delle previsioni, in un processo detto zero-shot forecasting, cioè previsione senza allenamento specifico in materia.
Ma se si prova a fare qualcosa senza conoscenze pregresse, i risultati saranno sicuramente peggiori rispetto a quelli ottenuti da esperti nel campo, giusto? Beh, sorprendentemente Newton sembra dimostrare esattamente il contrario.
Risultati straordinari senza bias induttivo
Come si può notare dal grafico sopra, in base ai test effettuati da Jaime Lien e altri ricercatori della Archetype AI il loro modello presenta un errore quadratico medio (cioè, la discrepanza quadratica media fra i valori dei dati osservati e i valori dei dati stimati) inferiore a quello di sistemi specificamente progettati allo scopo e paragonabile a quello ottenuto affinando Newton stesso.
E questo in merito a processi fisici complessi e reali, come la previsione del consumo elettrico della Turchia o delle temperatura giornaliera a Melbourne.
Il segreto di questi straordinari risultati starebbe proprio nel concetto alla base del nuovo modello: nei casi di allenamento standard di un modello fondativo c’è infatti il rischio di incappare nel cosiddetto bias induttivo, cioè di inserire nell’IA una serie di assunti (ad esempio, insegnandole la legge fisica di conservazione dell’energia).
Newton, invece, per costruzione è in grado di “vedere il mondo con gli occhi dei bambini” e sfruttare la sua enorme potenza di calcolo per comprendere in brevissimo tempo ciò che gli esseri umani hanno impiegato secoli a studiare e, chissà, un giorno anche riuscire a scoprire qualcosa di nuovo.
Newton: incognite e speranze
Ave Newton, super-fisico artificiale, quindi? Beh, non così presto. Innanzitutto, va detto che lo studio che dettaglia le idee e gli esperimenti di Lien e colleghi è ancora in attesa di revisione e quindi potrebbe contenere errori e/o assunti sbagliati.
Inoltre, per ora si tratta solo di un prototipo di ricerca, con tutte le incognite del caso per un futuro lancio sul mercato, quali privacy dei dati, stabilità del sistema e, perché no, eventuali implicazioni etiche di un modello che potrebbe superare le capacità umane nell'interpretazione e previsione dei fenomeni naturali.
Ciò nonostante, Newton dimostra già un'impressionante capacità di generalizzazione, che gli consente di comprendere processi fisici anche molto diversi dai dati sui quali è stato addestrato; tale abilità potrebbe rivelarsi particolarmente importante in situazioni nelle quali i dati in ingresso sono scarsi o difficili da reperire.
Non resta quindi che attendere i futuri sviluppi di un modello che potrebbe avere un forte impatto sia dal punto di vista pratico (sistemi di controllo, robot con adattamento automatico, ecc.), che teorico (scoperta di nuove leggi fisiche).
Nome altisonante, hai ragione, ma le premesse sono davvero entusiasmanti. Bello che sia venuto in mente di usarla per scoprire nuove leggi fisiche o modificarne di già esistenti. Un po' meno fico quando hai parlato di un possibile lancio futuro sul mercato. È sempre un'incognita (sugli usi) quando le cose lasciano i centri di ricerca per finire sul mercato. Ma vedremo.