Nel grande hype AI dell’ultimo anno, ha fatto parecchio rumore lo scorso autunno la notizia sull’uso dell’Intelligenza Artificiale (AI) come strumento per la scoperta di nuovi materiali. Ad inizio della scorsa settimana  è stato diffuso uno studio effettuato dall’Università della California, Santa Barbara, che prova a capire l’effettiva applicabilità pratica di queste “scoperte” effettuate dall’AI.

Svelando subito l’assassino, le valutazioni indipendenti hanno trovato “scarse prove” che questi nuovi composti siano corrispondenti ai criteri di utilità, novità e credibilità applicati in questa ricerca. Il problema principale risiede nella praticabilità della sintesi in laboratorio di questi materiali e nella loro effettiva novità rispetto a sostanze già note. Alcuni dei composti predetti dall’AI includono, infatti, elementi radioattivi, difficilmente ottenibili in natura, sollevando, quindi, dubbi sulla loro utilità pratica nella creazione di nuovi materiali.

Questa discrepanza tra quanto proposto dall’AI e la realtà sperimentale evidenzia un problema: la generazione di milioni di candidati materiali, dei quali solo una minima parte risulta essere stabile e realizzabile in laboratorio. Esiste, quindi, un enorme divario tra la teoria computazionale e la pratica sperimentale, senza dimenticare, e qui veniamo al mio solito pallino, le implicazioni energetiche richieste per la sintesi di tali materiali.

Nonostante le critiche, Google DeepMind – che ha sviluppato il modello per la ricerca di nuovi materiali – si dice ottimista, sostenendo che la loro ricerca ha effettivamente ampliato il panorama dei possibili materiali candidati di ordini di grandezza, e che, comunque, centinaia di questi sono stati già sintetizzati.

Il percorso dalla teoria alla pratica nella ricerca dei materiali attraverso l’intelligenza artificiale ripercorre il medesimo pattern applicabile a tutti i campi dell’innovazione tecnologica: per quanto l’AI possa offrire un numero impressionante di proposte innovative, la loro vera valenza e applicabilità nel mondo reale richiedono comunque la valutazione critica dell’uomo. Sono davvero curioso di vedere come evolverà la questione.

Per chi volesse approfondire: 

• Scaling deep learning for materials discovery, in cui sono presentati i risultati delle scoperte in ambito materiali da parte dell’AI
• Artificial Intelligence Driving Materials Discovery? Perspective on the Article: Scaling Deep Learning for Materials Discovery, in cui sono messe in discussione le scoperte sui nuovi materiali fatte attraverso gli algoritmi di AI