Gli USA vogliono laboratori senza esseri umani: l’IA farà esperimenti e deciderà da sola

Il Ministero dell'Energia USA ha selezionato quattro progetti per un costo totale fino a 30 milioni di dollari, affidando a intelligenza artificiale e robot una parte significativa del lavoro nei laboratori scientifici. I progetti MAESTRO, DART, TRACE e SPIRE mirano a ridurre il coinvolgimento umano, con l'IA che analizza i dati in tempo reale e i robot che gestiscono campioni e attrezzature.

Poi accadrà, come nell’hacking di Hugging Face, che gli agenti completamente disallineati produrranno un’arma biologica e li ne vedremo delle belle. Ma andiamo avanti così senza regolamentare.

Gli USA vogliono affidare all’intelligenza artificiale una parte significativa del lavoro nelle grandi laboratori scientifici. Gli algoritmi analizzeranno i risultati direttamente durante l’esperimento, sceglieranno il passo successivo, e i robot potranno cambiare i campioni e regolare l’attrezzatura. Il Ministero dell’Energia ha selezionato quattro progetti per un costo totale fino a 30 milioni di dollari, che dovrebbero avvicinare la scienza a esperimenti con un coinvolgimento umano minimo.

Un normale sistema automatico funziona secondo uno scenario predefinito: spostare il campione, accendere l’apparecchio, effettuare la misurazione, salvare il risultato. I nuovi sistemi dovrebbero essere in grado di automatizzare tutto questo lavoro. L’IA potrà esaminare dati freschi e decidere se modificare le impostazioni, ripetere la misurazione, spostare il campione o passare alla fase successiva.

Il progetto MAESTRO si concentrerà su robot di laboratorio in grado di imparare dalle azioni precedenti e trasferire le competenze acquisite su altre attrezzature. Per l’addestramento, gli sviluppatori utilizzeranno gemelli digitali delle installazioni reali, modelli informatici dell’ambiente e librerie di azioni predefinite. Il robot potrà prima esercitarsi con l’operazione necessaria in un ambiente virtuale, per poi ripeterla sul dispositivo reale.

DART si occuperà della affidabilità degli esperimenti autonomi. Gli sviluppatori vogliono verificare quanto bene i robot gestiscono i malfunzionamenti e le situazioni non standard, nonché se sia possibile trasferire le competenze acquisite tra diverse macchine. Valuteranno non solo la precisione dei movimenti: è importante capire se l’esperimento ha ottenuto il risultato fisico desiderato.

TRACE dovrà integrare robot, strumenti scientifici, capacità di calcolo, archivi di dati, modelli digitali e agenti IA. Per loro verranno creati interfacce comuni, in modo che le soluzioni sviluppate possano essere trasferite da un’installazione all’altra senza dover riscrivere completamente la parte software.

Il progetto più ambizioso è SPIRE. I robot potranno installare e spostare i campioni, i sistemi di controllo modificheranno i parametri dei fasci di raggi X e di elettroni, e l’IA inizierà ad analizzare i dati dei rilevatori direttamente durante l’esperimento. Ricevuti i nuovi dati, il programma potrà correggere immediatamente la fase successiva senza il costante intervento dell’operatore.

Per le grandi installazioni scientifiche, la velocità di elaborazione dei dati sta diventando un problema a sé stante. Dopo il passaggio a potenza massima del laser a raggi X modernizzato, i suoi rilevatori potranno produrre più di un terabyte di dati al secondo. Esaminare un flusso del genere manualmente è impossibile, quindi l’IA verrà collegata direttamente all’elaborazione delle misurazioni. Gli algoritmi selezioneranno rapidamente le informazioni utili e le utilizzeranno per la gestione successiva dell’esperimento.

Alcuni elementi del futuro laboratorio autonomo sono già in fase di test. In un esperimento, un gruppo di agenti IA ha autonomamente trasferito le immagini di un accumulatore al centro di calcolo, ricostruito la struttura tridimensionale del campione e identificato le singole particelle del materiale nell’immagine. Altri sistemi hanno monitorato per settimane uno strumento in funzione e analizzato il suo stato, anche se il controllo rimaneva ancora in mano all’uomo.

Esperimenti simili stanno già andando oltre l’elaborazione dei dati tradizionale. Di recente, un scienziato IA ha imparato a selezionare ipotesi, inviare comandi all’attrezzatura di laboratorio, ricevere i risultati degli esperimenti biologici e tenerne conto nella scelta del successivo test.

I laboratori completamente autonomi rimangono ancora un obiettivo per il futuro. I quattro progetti dovrebbero creare principalmente strumenti comuni: software, interfacce standard, set di dati, modelli addestrati, copie digitali delle attrezzature e regole per il lavoro sicuro. Tuttavia, i 30 milioni di dollari non possono ancora essere considerati un finanziamento garantito: i progetti hanno solo superato la selezione preliminare, e i pagamenti successivi dipenderanno dalle trattative e dalle decisioni del Congresso.

Carolina Vivianti

Carolina Vivianti è consulente/Advisor autonomo in sicurezza informatica con esperienza nel settore tech e security. Ha lavorato come Security Advisor per Ford EU/Ford Motor Company e Vodafone e ha studi presso la Sapienza Università di Roma.

Aree di competenza: Cybersecurity, IT Risk Management, Security Advisory, Threat Analysis, Data Protection, Cloud Security, Compliance & Governance