di Federico Ruggiero

L'incipit può apparire insolito, si parte da un quesito: l'utilizzo degli strumenti di IA generativa può aiutare i ricercatori? L'intelligenza Artificiale sembra essere diventata pervasiva in ogni campo della conoscenza e gli strumenti basati sugli LLM rappresentano una delle aree più avanzate e innovative, con la capacità non solo di analizzare dati esistenti, ma anche di creare nuovi contenuti in modo autonomo. A differenza delle IA tradizionali, che si concentrano prevalentemente sul riconoscimento di pattern e l'elaborazione di informazioni fornite dall'utente, tool come ChatGpt, Copilot, Perplexity o Mistral, tanto per citarne alcuni, sono progettati per generare nuove informazioni, testi, immagini, musica o persino video, basandosi su modelli statistici complessi e sull'apprendimento automatico.

Attraverso tecniche avanzate di machine learning e deep learning, l'IA rilascia contenuti originali, elaborati a partire da ciò su cui è stata addestrata. Ad esempio, i modelli di linguaggio come GPT (Generative Pretrained Transformer) sono in grado di produrre testi coerenti e contestualmente appropriati in risposta a un input (prompt) fornito dall'utente. Allo stesso modo, esistono modelli specializzati nella creazione di immagini (ad esempio DALL-E), video o musica.

Chatbot come ChatGPT (OpenAI), Gemini (Google DeepMind), Copilot (Microsoft) sono noti come modelli di linguaggio avanzati, progettati per comprendere e generare testo complesso in modo più fluido. Non sono limitati a eseguire comandi predefiniti (come sistemi quali Alexa di Amazon), ma possono affrontare compiti più complessi, come la creazione o la rielaborazione di testi, l'analisi di documenti e il supporto nella scrittura di codice. Questi sistemi sono più flessibili e possono rispondere a domande aperte, generare contenuti originali e partecipare a conversazioni articolate. Possono interpretare richieste vaghe, rispondere in modo più approfondito, ricordare contesti di conversazioni precedenti e adattare le loro risposte alle specifiche esigenze dell'utente.

ChatGPT, in particolare, ha una storia consolidata di sviluppo ed è ampiamente testato in vari contesti. Questa maturità si traduce in un sistema stabile, in grado di gestire interazioni complesse con una solida base di supporto e aggiornamenti continui. Il modello di ChatGPT consente di creare propri “gpt” personalizzati, addestrandone il comportamento (fine-tuning), configurando il tono delle risposte e le informazioni prioritarie, tutto attraverso un’interfaccia user-friendly accessibile anche agli utenti meno esperti.

Gemini non si basa su un singolo linguaggio di programmazione ma su una complessa architettura di modelli neurali e su un algoritmo di apprendimento. Come parte dell'universo Google si integra bene con le applicazioni di Google Workspace, come Drive, Meet e Gmail, andando oltre la semplice interazione per fondersi con esse a livello di framework. Ad esempio, è possibile chiedere a Gemini di effettuare ricerche tra i propri file salvati in Google Drive o nella propria casella di Gmail. Ciò consente di automatizzare flussi di lavoro complessi con la generazione automatica di layout e diversi contenuti, con un significativo aumento dell'efficienza e della produttività.

Copilot si distingue per la sua stretta integrazione con le applicazioni di Microsoft 365. Questa integrazione consente di automatizzare processi complessi, come la generazione di una presentazione PowerPoint partendo da un documento Word.

Tuttavia, questi sistemi non sono immuni da errori o da fornire risposte ambigue o con bias, poiché i modelli GPT non comprendono realmente le informazioni, ma si basano su pattern statistici derivati dai dati di addestramento. Potrebbero confondere concetti, formulare risposte vaghe o addirittura fornire affermazioni false con apparente sicurezza. Ad esempio, possono emergere bias culturali, di genere o razziali che potrebbero perpetuare stereotipi o produrre contenuti non eticamente appropriati. Ecco perché è fondamentale conoscere quali possano essere i rischi associati a questa tecnologia e adottare un comportamento prudente e critico: è sempre importante verificare la correttezza delle informazioni, essere consapevoli che i modelli possono riprodurre bias e pregiudizi presenti nei dati di addestramento, considerarla come un complemento alle capacità umane, non una sostituzione.

L' IA generativa a supporto della ricerca

Dopo aver introdotto le potenzialità dell'IA generativa, è possibile concentrarsi sui sistemi progettati per supportare i ricercatori durante le loro attività di indagine e studio della letteratura scientifica. Questi strumenti, alimentati con database scientifici, sono in grado di comprendere le richieste e fornire risposte (output) pertinenti con la letteratura esistente. L’esperienza è simile a quella che avviene con l’utilizzo di ChatGPT.

In un contesto accademico in cui la quantità di informazioni cresce esponenzialmente, uno dei problemi principali per i ricercatori è la gestione efficace delle fonti e dei dati. La ricerca bibliografica, la revisione della letteratura e il mantenimento di aggiornamenti continui sugli sviluppi scientifici rappresentano fasi cruciali, ma anche estremamente dispendiose in termini di tempo e risorse cognitive. Questi chatbot possono processare grandi quantità di dati in poco tempo, fornendo ai ricercatori rapido accesso e rielaborazione della conoscenza scientifica, riducendo sforzi, tempi e rischi legati alla mancanza di alcune fonti rilevanti.

Ecco tre esempi di assistenti alla ricerca:

1. Scite AI: Basato su un database di citazioni costantemente aggiornato con oltre 200 milioni di fonti accademiche e 1,2 miliardi di citazioni, permette di iniziare la ricerca con una domanda e successivamente modificare o aggiungere dettagli. Fornisce risposte accurate con riferimenti bibliografici precisi.
2. Undermind AI: Utilizzato da istituzioni come Harvard e Cambridge, questo tool imita il processo di ricerca umano esaminando i risultati per gradi, utilizzando modelli linguistici per riconoscere informazioni cruciali e adattare la strategia di ricerca. Anche se il suo database è alimentato da abstract e metadati di Semantic Scholar, Undermind si distingue per l'alto livello di accuratezza.
3. Ask R Discovery: è un tool di ricerca scientifica che vanta un database creato tramite accordi con editori accademici quali Taylor & Francis, PubMed, Sage Publishing, Elsevier, Emerald Publishing (e altri) rendendolo “Il più aggiornato e uno dei più grandi repository di contenuti accademici” (fonte: sito web). Per ogni ricerca è possibile applicare un numero elevato di filtri tra cui la ricerca di pubblicazioni in quartili specifici (Q1, Q2, Q3, Q4)

E se volete approfondire e imparare ad usarli trovate qui una serie di corsi: https://www.aclang.com/ai-bootcamp.php