Evidenziamo alcune delle tecnologie che stanno entusiasmando MIT Technology Review per il loro potenziale di rivoluzionare la nostra vita.
di David Rotman
Molti di questi progressi hanno comportato l’utilizzo dell’apprendimento automatico, descritto da alcuni come una forma di AI. Esistono varie nuove tecniche in questo campo, come le reti GAN, i cui sistemi di AI possono immaginare nuovi risultati, o l’apprendimento profondo per rinforzo, nel quale i sistemi di AI imparano per conto proprio. Non tratterò questi specifici progressi, ma parlerò di alcune delle opportunità offerte da questi progressi.
Ecco alcune nuove scoperte che vorrei evidenziare per la concreta possibilità che cambino le nostra vite:
1. L’applicazione di apprendimento automatico e informatica quantistica alla scoperta di nuove tipologie di molecole per materiali e farmaci. La scoperta di nuove molecole è diventata molto costosa e dispendiosa in termini di tempo, arrivando a richiedere in media più di 10 anni e diverse centinaia di milioni di dollari. È la ragione per cui le aziende hanno rinunciato a cercare nuovi materiali per prodotti come catalizzatori e batterie. L’apprendimento automatico permette di esplorare rapidamente molte più possibilità, quindi consente di testare e analizzare più rapidamente tali possibilità. Il problema è che i ricercatori umani possono esplorare solo una piccola parte di queste possibilità. Si stima che esistano fino a 1060 molecole potenzialmente utili per sviluppare farmaci – un quantitativo superiore persino al numero di atomi presenti nel sistema solare. L’apprendimento automatico può quindi esplorare questo universo chimico alla ricerca di possibilità.
2. La seconda scoperta è correlata alla prima, seppur molto differente da essa. Consiste nell’impiegare l’apprendimento automatico per diagnosticare i tumori in modo più accurato e rapido. L’apprendimento automatico può individuare modelli nell’imaging diagnostico del cancro, individuando i tumori anche meglio di un patologo esperto. Successivamente, questa tecnica può abbinare modelli specifici del tumore ai dati clinici di altri pazienti affetti da tumori simili e illustrare l’esito dei trattamenti. Per finire, può abbinare il tutto ai dati genomici di un paziente e del suo tumore. Queste informazioni sono ovviamente fondamentali per presentare al paziente il possibile esito dei trattamenti ed aiutarli a prendere importanti decisioni.
3. La Destrezza robotica. I ricercatori stanno utilizzando l’apprendimento automatico e simulazioni per creare robot molto più agili. Robot veramente abili avrebbero un enorme impatto economico, svolgendo compiti manuali precisi e aprendo nuove potenziali opportunità di cooperazione e collaborazione con gli umani. La tecnologia potrebbe dare a queste macchine un modo molto migliore per interagire e conoscere il mondo. Basti pensare a come gli esseri umani apprendono nozioni sul mondo, toccando e manipolando oggetti. È così che un bambino impara un bambino ed è così che navighiamo nel mondo. Questa capacità rappresenta quindi uno strumento importante per insegnare ai robot ad essere realmente autonomi.
4. La produzione di metallo senza emissioni di carbonio. Una nuova società nata dal MIT ha inventato un processo per produrre acciaio e altri metalli senza emettere biossido di carbonio. Il processo consiste nell’utilizzare l’elettricità per rifinire il minerale di ferro. L’industria siderurgica produce oltre il 5% delle emissioni globali di gas serra ed è uno dei settori dell’economia globale più difficili da ripulire, perché il processo di produzione di base richiede proprio il carbonio. Questa nuova tecnologia potrebbe anche cambiare il modo in cui pensiamo alla produzione di metallo. Invece del tipico investimento da cinque miliardi di dollari necessario per un nuovo altoforno industriale, questo approccio modulare e scalabile offre ai produttori la possibilità di aggiungere capacità produttiva all’occorrenza.
5. L’editing di base dei geni. Molti di voi hanno sentito parlare di CRISPR, un nuovo e potente metodo che permette di alterare i geni. Potreste persino aver sentito parlare della coppia di gemelli cinesi nati l’anno scorso con geni modificati mentre erano ancora allo stato embrionale. Ma il CRISPR ha ancora una precisione limitata e la possibilità di effetti collaterali indesiderati resta elevata. È uno dei motivi per cui la comunità scientifica è rimasta scioccata dalla notizia dei bambini geneticamente modificati. Questa mancanza di accuratezza potrebbe anche limitare l’applicazione della tecnologia a terapie geniche per il trattamento delle malattie ereditarie. Un nuovo approccio, chiamato editing di base, impiega il CRISPR per alterare singole lettere di DNA cambiando, ad esempio, una G in una A. La modifica di base è molto più precisa e viene eseguita senza tagliare realmente il filamento di DNA, spesso responsabile degli effetti indesiderati. In teoria, l’editing di base potrebbe fornire una soluzione a circa la metà di tutte le malattie genetiche.
Molti di noi temono che il ritmo dell’innovazione reale sia rallentato. Le aziende non investono più nella ricerca scientifica; il governo federale sta spendendo molto meno; le università continuano a condurre ricerche straordinarie, ma per un tipo di innovazione diverso da quello che ci aspetteremmo dalle aziende. Molti settori, come la scienza dei materiali, l’innovazione nei processi produttivi e la scoperta di nuovi materiali semiconduttori vengono trascurati.
Allo stesso tempo, sta diventando molto più costoso effettuare ricerche e sviluppare nuove idee. Lo vediamo nella scoperta di nuovi farmaci, ma è un fenomeno che interessa tutti i tipi di ricerca.
Vorrei citare un nuovo e importante libro intitolato “Jump-Starting America: How Breakthrough Science Can Revive Economic Growth and the American Dream”, ad opera di Jonathan Gruber e Simon Johnson, una coppia di economisti della business school del MIT. Gli autori spiegano come i finanziamenti federali statunitensi per la ricerca e lo sviluppo avessero raggiunto all’incirca il 2% del PIL nel 1964; 50 anni dopo, gli investimenti erano diminuiti appena sotto lo 0,7%. Stiamo parlando di $240 miliardi l’anno che “non spendiamo più per creare la prossima generazione di professioni”, scrivono.
Il messaggio fondamentale di questo libro? Non è un caso che la diminuzione del sostegno pubblico alla ricerca sia parallela a decenni di crescita economica lenta e stagnazione prolungata nell’aumento dei salari. L’economia degli Stati Uniti stava crescendo intorno al 3% all’anno nei primi anni ’70; dal 2000, la crescita è scesa al di sotto del 2% e si prevede che rallenterà ulteriormente nei prossimi anni.
Il rallentamento dell’innovazione è una delle cause principali di questo fenomeno. Ci sono molte nuove grandi idee, ma sta diventando sempre più difficile trasformare quelle idee in nuove tecnologie per tutti noi. Le ragioni per preoccuparsi del rallentamento dell’innovazione sono molte, a cominciare dal suo effetto sulla crescita economica e sulla produttività.
Foto: David Roman
