Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

Meta pubblica sei articoli di matematica assistiti dall'AI mentre i laboratori corrono per automatizzare la scoperta

Il 3 ottobre Meta ha diffuso sei articoli generati con il suo modello Muse Spark, un passo verso un'AI che risolve problemi scientifici aperti senza soluzioni fornite dall'uomo.

IA e modelliAnalisiGiulia FerrariPubblicato: 3 ottobre 20263 min di letturaFonti 10
Meta pubblica sei articoli di matematica assistiti dall'AI mentre i laboratori corrono per automatizzare la scoperta

Il 3 ottobre Meta AI Research ha pubblicato sei articoli. Nascono da collaborazioni con matematici che hanno usato i modelli Muse Spark 1.1 e 1.2 in Thinking Mode. L'uscita conferma una tendenza in crescita: i sistemi di AI vanno oltre i compiti standardizzati delle competizioni e affrontano domande di ricerca aperte, prive di soluzioni predefinite. Meta ha dichiarato che l'obiettivo era mettere i ricercatori in condizione di sviluppare intuizioni matematiche, non produrre in serie output accademici. La distinzione conta per difendere l'integrità accademica in una fase di rapido dispiegamento dei modelli.

Gli articoli toccano aree complesse: probabilità, equazioni differenziali e adattamento di ellissoidi gaussiani. In un caso specifico il modello ha aiutato a individuare una soglia netta per adattare punti gaussiani casuali a un ellissoide in dimensioni elevate. Meta ha riconosciuto che altri gruppi avevano annunciato in modo indipendente soluzioni ad alcuni di questi problemi con approcci diversi. Ha osservato che gli sviluppi simultanei sono comuni nei campi che avanzano in fretta. L'azienda ha sottolineato che ogni articolo indica chiaramente quali passaggi sono stati redatti dall'AI e quali dai ricercatori umani, una misura di trasparenza che distingue questo lavoro da molte altre uscite recenti del settore.

La catena di automazione

Il 3 ottobre l'ecologo del suolo svizzero Franz Bender ha vinto un premio Ig Nobel.

Il suo gruppo ha reclutato 1.000 citizen scientist per seppellire e dissotterrare mutande in tutta la Svizzera e studiare la salute del suolo. La ricerca, pubblicata su Plants People Planet nell'agosto 2026, ha mostrato come la citizen science possa ampliare la raccolta di dati per il monitoraggio ambientale. Bender ha osservato che l'impatto visivo delle mutande degradate recuperate ha aiutato le persone a capire che il suolo è un ecosistema vivo. Questo approccio pratico contrasta con i sistemi "AI scientist" del tutto automatizzati che emergono in biologia. Rapporti recenti indicano che ricercatori svedesi hanno costruito un sistema di AI capace di proporre esperimenti, eseguirli e imparare dai risultati. Questo ciclo autonomo riduce il collo di bottiglia umano nella progettazione e nella validazione degli esperimenti. Sistemi del genere sono particolarmente rilevanti nella scoperta biologica, dove il volume degli esperimenti possibili supera spesso la capacità umana. Il passaggio dall'osservazione manuale alla verifica automatizzata delle ipotesi cambia il modo in cui i dati biologici vengono prodotti e interpretati.

Difficoltà nel recupero e nei pregiudizi

Il 3 ottobre è stato rilasciato un nuovo benchmark chiamato ScholarCatalyst.

Verifica se i modelli riescono a recuperare gli articoli precedenti specifici che hanno ispirato una nuova ricerca. Lo studio ha rilevato che la ricerca agentica non ha fatto meglio del semplice recupero con embedding. Per la ricerca agentica è stato registrato un Recall@20 di 0,42, contro 0,48 per gli embedding. Anche modelli avanzati come Claude Fable 5.1 hanno raggiunto solo 0,51 R@20. Ne segue che l'AI attuale non ha il "gusto della ricerca" necessario per individuare lavori precedenti importanti in corpus enormi. L'incapacità di ricostruire con precisione la genealogia intellettuale è un ostacolo serio per i sistemi di AI a cui si chiede ricerca originale.

L'integrità della ricerca assistita dall'AI è complicata dai pregiudizi incorporati nei modelli open-weight. CBS News ha riferito che il modello Qwen di Alibaba, scaricato oltre 3.000.000.000 di volte, contiene narrazioni filocinesi e protocolli di censura. Ricercatori della startup israeliana Hirundo hanno individuato questi pregiudizi e stanno lavorando a una versione "occidentalizzata". L'adozione diffusa di simili modelli da parte di aziende statunitensi come Airbnb e Uber solleva dubbi sulla neutralità degli strumenti di AI usati in ambito scientifico e commerciale. Questi risultati mostrano la necessità di un controllo rigoroso dei grandi modelli linguistici prima del loro impiego in contesti di ricerca delicati.

Il 3 ottobre è nata Trillium Labs, organizzazione no-profit fondata da Nathan Lambert e Tom Zick. Conduce apertamente ricerca sull'AI ad alto rischio. Lambert ha dichiarato che l'attuale rotta chiusa allontana l'umanità dal metodo scientifico. Questa spinta all'apertura contrasta con la segretezza che circonda molti sviluppi proprietari dei modelli. Mentre i sistemi di AI cominciano ad affrontare problemi di ricerca aperti, il confine tra strumento e collaboratore diventa sempre più sfumato. La sfida per la comunità scientifica è stabilire protocolli chiari per l'attribuzione, la verifica e la riduzione dei pregiudizi. Senza queste garanzie, l'integrazione rapida dell'AI nei flussi di lavoro della ricerca può compromettere l'affidabilità della scoperta scientifica.

Commenti 0

Fonti

10
  1. 01Solving Open Research Problems TogetherEN
  2. 02Swiss scientist soils underpants, wins silly science prizeEN
  3. 03ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New ResearchEN
  4. 04Some topics are off limits inside popular Chinese-made free AI, researchers findEN
  5. 05These AI Experts Want to Do High-Stakes Research Out in the OpenEN
  6. 06Trillium Labs LaunchEN
  7. 07Ig Nobel Prize for Soil ResearchEN
  8. 08ScholarCatalyst Benchmark ResultsEN
  9. 09Qwen Model Bias AnalysisEN
  10. 10Meta AI Research PapersEN

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Giulia Ferrari

Giulia Ferrari

IA, modelli e tecnologie

Giulia Ferrari scrive di tecnologia, IA e modelli e media e internet per FLASH24, partendo da dataset pubblici, preprint e registri di versioni dei modelli. Controlla ogni numero confrontando benchmark dichiarati e risultati riproducibili, e scarta le stime senza fonte. Segue le audizioni in calendario, parla con ricercatori e ingegneri, e mette a confronto release e changelog prima di pubblicare. Fuori dalla redazione smonta stampanti 3D, recupera vecchi computer e studia come i modelli imparano dai rifiuti del web. Non pubblica un dato se non può ricostruirne il percorso.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.