La revisione tra pari è una parte vitale della ricerca scientifica. Gioca un ruolo cruciale nel garantire la veridicità e l’accuratezza dei risultati prima della loro pubblicazione. Tuttavia, il processo di revisione tra pari è svolto da esseri umani, e gli esseri umani inevitabilmente commettono errori. Ma le tecnologie emergenti potrebbero avere la chiave per risolvere questo problema.
BeInCrypto ha parlato con il co-fondatore di YesNoError, Matt Schlicht, e il CEO di Mira Network, Magnus Bratt, per capire come l’intelligenza artificiale (AI) e la scienza decentralizzata (DeSci) si uniscono per trasformare i processi scientifici revisionati tra pari.
Il prezzo di una supervisione difettosa
Anche le persone più intelligenti commettono errori. Quando si tratta di scienza, questi errori possono avere conseguenze enormi. La storia, sia recente che antica, lo ha dimostrato più e più volte.
Nel 1998, la NASA ha lanciato il Mars Climate Orbiter per studiare l’atmosfera del pianeta. Il progetto ha coinvolto un investimento di 125 milioni USD e quasi 10 mesi di viaggio per arrivarci.
Al suo arrivo, l’orbiter si è bruciato e si è guastato, e la NASA ha presto etichettato la missione come fallita. Ciò che ha colpito di più è stato che il fallimento della missione è stato ricondotto a un semplice errore di navigazione.
Il team di navigazione guidato dal Jet Propulsion Laboratory (JPL) ha utilizzato unità metriche nei loro calcoli. Nel frattempo, Lockheed Martin Astronautics, il progettista e costruttore della navicella spaziale, ha fornito dati cruciali di accelerazione in unità inglesi.
Il fallimento di Lockheed Martin nel convertire le unità inglesi in metriche ha spiegato l’errore critico che ha causato l’avvicinamento troppo ravvicinato della navicella a Marte e la sua combustione all’arrivo.
“La revisione tra pari tradizionale è intrinsecamente limitata dall’errore umano e dalla soggettività. I revisori possono trascurare difetti metodologici cruciali o errori statistici a causa di pregiudizi individuali, interessi in conflitto o semplicemente le limitazioni dell’esame manuale,” ha detto Bratt a BeInCrypto.
Indagini successive hanno scoperto che la mancanza di una revisione tra pari rigorosa e indipendente dei calcoli di navigazione ha contribuito a far passare inosservati gli errori di conversione delle unità. Tuttavia, ci sono stati casi ancora più recenti in cui i meccanismi di revisione tra pari non sono riusciti a risolvere tali semplici errori.
Un recente caso di errore umano nella scienza
Uno degli eventi più recenti che dimostra l’entità dell’errore umano nella ricerca scientifica revisionata tra pari è avvenuto l’anno scorso. In ottobre, uno studio pubblicato sulla rivista di chimica ambientale Chemosphere ha rivelato che i ritardanti di fiamma elettronici sono presenti in alcuni prodotti domestici in plastica nera, come gli utensili da cucina.
Lo studio ha suscitato numerosi rapporti mediatici, inclusi articoli su testate come The Atlantic e National Geographic, esortando i consumatori a scartare i loro utensili da cucina in plastica nera. Ha anche scatenato una frenesia di preoccupazione pubblica sui social media.
Tuttavia, a dicembre, per 30 centesimi USD e in 30 secondi, una query di OpenAI che ha esaminato i risultati dello studio ha scoperto che gli autori avevano perso uno zero.
“Abbiamo calcolato erroneamente la dose di riferimento per un adulto di 60 kg, stimandola inizialmente a 42.000 ng/giorno invece del valore corretto di 420.000 ng/giorno,” ha dichiarato.
La ricerca originale conteneva un errore significativo di un fattore di 10. Un’esposizione indicata era l’80% del limite legale per una certa tossina, quando era solo l’8%. In altre parole, questo errore ha sovrastimato significativamente l’esposizione a queste tossine.
“Direi che la limitazione numero uno che è molto chiaro che le revisioni tra pari hanno è che gli esseri umani commettono errori. Queste sono persone super intelligenti. Questo è stato pubblicato ovunque. È durato due mesi, e milioni e milioni di persone hanno visto questo articolo, e nessuno ha notato questo. Si scopre che se prendi quel documento e lo invii al modello più recente di OpenAI, semplicemente dici, ‘ehi, ci sono errori in questo documento?’ Per circa 30 centesimi USD e in 30 secondi, dice immediatamente di sì,” ha detto Schlicht.
In risposta a questi eventi, i sostenitori dell’IA e della DeSci hanno notato questi difetti negli approcci tradizionali alla scienza.
Ripensare la revisione tra pari con AI e DeSci
Il concetto di revisione tra pari esiste da secoli. Dalla sua nascita, ha subito diversi cambiamenti.
“La revisione tra pari non è sempre stata il processo formale e anonimo che conosciamo oggi. Nei primi giorni delle riviste scientifiche (metà del 1600), gli editori—come Henry Oldenburg alla Royal Society—decidevano cosa pubblicare senza consultare esperti esterni. Nel corso del 18° e 19° secolo, con l’espansione delle comunità scientifiche, le discussioni informali e le valutazioni interne si sono gradualmente evolute in una pratica più sistematica. Entro la metà del 20° secolo, con l’esplosione della produzione di ricerca, le riviste hanno adottato la revisione tra pari strutturata ed esterna (spesso con revisori anonimi) per aiutare a mantenere qualità ed equità. Oggi, vediamo una gamma di modelli—dalle revisioni a singolo e doppio cieco a quelle aperte e post-pubblicazione—che riflettono gli sforzi continui per bilanciare trasparenza, efficienza e rigore in un panorama accademico in rapida crescita,” ha spiegato Bratt.
La DeSci ha preso piede per trovare soluzioni tecnologiche Web3 per affrontare le sfide critiche che sorgono come parte dell’approccio tradizionale alla ricerca scientifica. Di conseguenza, gli agenti IA sono diventati una soluzione evidente alle potenzialmente disastrose conseguenze che l’errore umano può avere sui meccanismi di revisione tra pari.
“L’intelligenza artificiale può segnalare automaticamente errori, incongruenze e plagio mentre abbina i manoscritti ai revisori più adatti—aiutando a ridurre i pregiudizi e alleviare il carico di lavoro dei revisori. Le piattaforme di scienza decentralizzata, utilizzando blockchain o tecnologie simili, possono registrare le storie di revisione in modo trasparente e consentire valutazioni crowd-sourced, aumentando responsabilità e fiducia. Insieme, questi strumenti semplificano e migliorano la revisione tra pari, garantendo un controllo di qualità più veloce e affidabile,” ha aggiunto.
Queste tecnologie emergenti hanno anche reso più accessibili i contributi alla revisione scientifica.
“La scienza decentralizzata e l’intelligenza artificiale possono aiutare enormemente le revisioni tra pari riducendo il costo di una revisione tra pari, permettendo a un’IA di farlo a una frazione del costo e a una velocità molto più rapida. DeSci può dare a tutti la possibilità di avere revisioni tra pari infinite istantaneamente,” ha detto Schlicht.
Efficienza, velocità, decentralizzazione e riduzione dei costi possono aprire nuove strade per affrontare problemi scientifici complessi che finora hanno resistito alle soluzioni.
Accelerare il progresso scientifico con l’AI
Tecnologie emergenti come l’IA offrono nuovi approcci promettenti a sfide scientifiche complesse, tra cui la ricerca sul cancro, la longevità umana e il morbo di Alzheimer.
Grazie a secoli di ricerca umana, oggi le riviste di tutto il mondo pubblicano milioni di articoli scientifici, traducendosi in enormi quantità di dati. Gli agenti IA possono memorizzare, filtrare e analizzare i dataset esistenti a velocità che oggi sono impossibili per gli esseri umani.
“L’intelligenza artificiale sta trasformando la ricerca sul cancro e offre enormi promesse per accelerare la scoperta di trattamenti efficaci. Gli strumenti IA si stanno già dimostrando inestimabili setacciando rapidamente enormi dataset per scoprire marcatori genetici e nuovi bersagli farmacologici, modellando come i tumori evolvono e suggerendo persino combinazioni di trattamenti innovativi. Questi progressi non solo accelerano le fasi di scoperta iniziale, ma ottimizzano anche i disegni delle sperimentazioni cliniche e prevedono le risposte dei pazienti con crescente precisione. Sebbene il cancro rimanga un insieme complesso di malattie, l’impatto crescente dell’IA rende sempre più raggiungibile l’obiettivo di una cura e sta energizzando l’intera comunità di ricerca,” ha detto Bratt a BeInCrypto.
YesNoError (YNE) di Schlicht ha costruito un whitepaper per un’iniziativa decentralizzata che sfrutta modelli di linguaggio avanzati (LLM) per esaminare sistematicamente tutta la letteratura scientifica esistente. Il token YNE si basa su un modello economico in cui i detentori di token possono votare su quali progetti dovrebbero ricevere priorità.
Gli agenti IA sono responsabili della scansione degli errori che vanno da semplici errori di calcolo alla falsificazione dei dati. L’obiettivo più ampio del progetto è sviluppare uno strumento per verificare le affermazioni scientifiche accessibile a ricercatori, istituzioni e pubblico.
“Quanti articoli di ricerca sono stati scritti sulla longevità? Diciamo che sono un milione. Diciamo che sei un laboratorio focalizzato sulla longevità. La dimensione del tuo team richiesta da una prospettiva umana per non solo leggere un milione di articoli, ma anche analizzarli accuratamente e sintetizzare quei dati, non è fattibile su scala umana. Ma quando inizi a progettare un sistema con agenti IA che può leggere un milione di articoli praticamente istantaneamente, puoi orchestrare queste IA per giungere a conclusioni, tornare con informazioni sintetizzate e poi portarle al team umano. Questo è un modo molto chiaro in cui l’IA può assistere nel raggiungere progressi nella longevità o in qualsiasi altro obiettivo scientifico,” ha detto Schlicht.
Altri grandi attori stanno iniziando a cogliere questa tendenza sempre più popolare. Advanced Micro Devices (AMD) e i ricercatori della Johns Hopkins University hanno recentemente sviluppato Agent Laboratory. Questo framework IA è progettato per automatizzare parti chiave della ricerca scientifica.
Questo sistema utilizza modelli di linguaggio avanzati per condurre revisioni della letteratura, progettare esperimenti e generare report, inclusi codice e documentazione. Tuttavia, non è decentralizzato né basato su un modello di token. I risultati iniziali suggeriscono che il framework può ridurre i costi di ricerca dell’84% rispetto ad altri metodi automatizzati senza compromettere la qualità della ricerca.
Tuttavia, se altri progetti nel settore crypto intendono sviluppare progetti simili, l’IA in DeSci può avere un futuro promettente.
La luminosa prospettiva di DeSci
Secondo CoinGecko, la capitalizzazione di mercato di DeSci è di 1.05 miliardi USD al momento della scrittura. Nell’ultimo anno, il settore ha dimostrato una crescita costante e innovazione continua. Molti dei progetti più recenti sono diventati rapidamente attori principali.
Schlicht e Bratt prevedono che la dimensione del mercato della scienza decentralizzata crescerà esponenzialmente.
“Penso che tra 10 anni, la capitalizzazione di mercato di DeSci potrebbe essere ben oltre 10.000 volte quella attuale. Grazie alla combinazione di intelligenza artificiale, decentralizzazione e token, la scienza è pronta a crescere esponenzialmente in termini di scoperte,” ha detto Schlicht.
A tal proposito, Bratt ha aggiunto:
“Se avrà successo, potrebbe facilmente diventare il 5-10% del mercato globale della ricerca scientifica, che è già nei trilioni.”
Tuttavia, si aspettano anche che DeSci affronti resistenze da parte delle lobby mediche e scientifiche tradizionali.
Affrontare lo status quo
Mentre la ricerca scientifica può essere finanziata attraverso sovvenzioni da varie agenzie governative, istituzioni e fondazioni, è principalmente finanziata da aziende private.
Un rapporto del 2023 dell’UCLA indica che quasi l’80% dei circa 57 miliardi USD spesi per la ricerca sul cancro negli Stati Uniti nel 2021 proveniva dal settore privato, principalmente da grandi aziende farmaceutiche. Ha anche riportato una condivisione limitata dei risultati della ricerca.
“Ci sono interessi consolidati che possono fare lobby per vietare tali attività di mercato per proteggere gli attori esistenti,” ha detto Bratt.
Per Schlicht, DeSci rappresenta un’opportunità per sfidare gli interessi privati.
“In passato, le aziende erano in grado di controllare quale ricerca veniva finanziata. DeSci interrompe questo e permette a chiunque di ottenere finanziamenti se le persone credono che la loro idea sia valida,” ha detto.
Poiché la tecnologia blockchain permette l’anonimato e dà priorità alla privacy, sostiene che sarà più difficile rintracciare gli innovatori.
“Non credo che i lobbisti saranno in grado di fermare DeSci. Il prossimo Einstein potrebbe essere anonimo. Potrebbe essere qualcuno con un avatar di pinguino, o un’immagine del profilo di rana. Potrebbe essere qualcuno con un NFT come profilo, e una serie di numeri nel loro nome. I lobbisti non possono nemmeno trovarli, perché non sanno chi sono, e sono finanziati in modo decentralizzato. Hanno persino un team di altre persone pseudonime che lavorano con loro, sia umani che IA,” ha detto Schlicht.
Ma prima di contemplare una potenziale rivalità tra i lobbisti medici tradizionali e gli innovatori nella scienza decentralizzata, DeSci è ancora su un percorso verso la maturità.
In definitiva, la convergenza di AI e scienza decentralizzata offre un nuovo potente paradigma per la ricerca scientifica. Questa opportunità ha il potenziale di migliorare l’affidabilità e l’efficienza della revisione tra pari, democratizzare l’accesso ai finanziamenti e accelerare le scoperte in diversi ambiti scientifici.
Monitorare i progressi di AI e scienza decentralizzata sarà essenziale per integrare responsabilmente queste tecnologie nella ricerca scientifica.
Dichiarazione di non responsabilità
Tutte le informazioni contenute nel nostro sito web sono pubblicate in buona fede e solo a scopo informativo generale. Qualsiasi azione intrapresa dal lettore in base alle informazioni contenute nel nostro sito web è strettamente a suo rischio e pericolo.
