I Ricercatori Mirano a Migliorare il Ruolo dell’IA nella Chimica

I ricercatori stanno lavorando per capire come l’IA prende decisioni per potenziare il suo utilizzo nella chimica, in particolare nello sviluppo di farmaci. Nuove ricerche su questo argomento saranno presentate al meeting autunnale della American Chemical Society, dal 18 al 22 agosto. Il meeting presenterà oltre 10.000 presentazioni su vari argomenti scientifici.

Oggi, la American Chemical Society ha annunciato in un comunicato stampa che i ricercatori presenteranno i risultati sull’utilizzo dell’IA Spiegabile (XAI) per capire come l’IA prende decisioni in chimica. Demistificando questi sistemi complessi, gli esperti mirano ad aumentare la fiducia e migliorare l’efficacia dell’IA.

Rebecca Davis, professoressa di chimica, spiega che gli attuali modelli di IA sono spesso visti come “scatole nere”, con i loro processi decisionali nascosti. Afferma: “Se riusciamo a ideare modelli che aiutino a fornire qualche intuizione su come l’IA prende le sue decisioni, potrebbe potenzialmente far sentire gli scienziati più a proprio agio con queste metodologie.”

Inoltre, l’XAI può fornire informazioni preziose per affinare la programmazione dell’IA e migliorare le sue prestazioni sul campo. “Voglio usare l’XAI per capire quali informazioni dobbiamo insegnare ai computer sulla chimica,” dice Hunter Sturm, uno studente di dottorato nel laboratorio di Davis che presenta il lavoro al meeting.

I ricercatori hanno iniziato alimentando database di molecole farmacologiche note in un modello di intelligenza artificiale progettato per prevedere l’attività biologica di un composto. Per comprendere il processo decisionale del modello, hanno utilizzato un modello XAI sviluppato dal collaboratore Pascal Friederich presso l’Istituto di Tecnologia di Karlsruhe in Germania.

Questo ha permesso loro di identificare le specifiche caratteristiche molecolari che influenzano le previsioni dell’IA. Analizzando questi fattori, Davis e Sturm hanno acquisito approfondimenti sui criteri dell’IA per la categorizzazione delle molecole e la determinazione del loro potenziale come candidati farmaci.

I risultati preliminari suggeriscono che XAI può rilevare cose che gli umani potrebbero trascurare, poiché può analizzare molte più variabili contemporaneamente.

Ad esempio, quando ha analizzato le molecole di penicillina, l’IA ha scoperto qualcosa di inaspettato. Gli scienziati generalmente credono che la struttura centrale della penicillina sia cruciale per le sue proprietà antibiotiche. Tuttavia, Davis ha spiegato che XAI ha identificato le parti collegate a questo nucleo come il fattore chiave nel determinare l’attività antibiotica della molecola. Afferma che ciò potrebbe spiegare perché alcune versioni modificate di penicillina con la stessa struttura centrale sono meno efficaci.

Come prossimo passo, i ricercatori prevedono di collaborare con un laboratorio di microbiologia per creare e testare potenziali composti antibiotici identificati dai modelli di Intelligenza Artificiale migliorati. Il loro obiettivo finale è utilizzare l’IA per sviluppare nuovi e più efficaci antibiotici in grado di contrastare la crescente minaccia della resistenza agli antibiotici.

In una presentazione, Davis afferma, “L’apprendimento automatico ci offre ora l’opportunità di farlo su una scala molto più ampia, dove è probabile che vedremo tendenze che non abbiamo mai visto nel comportamento chimico e ci permetterà di creare molecole e materiali a una velocità molto più alta di quanto abbiamo mai fatto nella storia.’’

Mentre l’IA continua a evolvere, la trasparenza e la comprensione sono essenziali per promuovere la fiducia del pubblico e della comunità scientifica. Sbrogliando le complessità dell’IA, gli scienziati stanno facendo progressi verso lo sfruttamento del suo pieno potenziale a beneficio della società.