L'AI nelle scienze della vita: sfide e opportunità nel nuovo studio a cura dell'infrastruttura di ricerca Elixir

Lo studio, che accende i riflettori sul ruolo sempre più centrale dell’intelligenza artificiale nelle scienze della vita, è stato sviluppato nell’ambito della rete europea ELIXIR e coinvolge esperti provenienti da 12 paesi.

Negli ultimi anni, l’intelligenza artificiale, e in particolare il machine learning, una tecnologia che permette ai computer di imparare dai dati e migliorare le proprie previsioni senza essere programmati passo per passo, ha trasformato profondamente la biologia. In pratica, questi sistemi utilizzano grandi quantità di informazioni (ad esempio dati genetici o clinici) e individuano schemi utili per fare previsioni.
Grazie a questi strumenti, oggi è possibile, per esempio, prevedere la struttura delle proteine o analizzare enormi quantità di dati sanitari.

Una crescita che ha portato nuove criticità

Affidabilità: possiamo davvero fidarci dei risultati prodotti dall’AI?
È una delle domande che emergono con forza. Molti studi pubblicati negli ultimi anni, decine di migliaia solo nel 2024, non descrivono in modo chiaro i metodi utilizzati. Questo rende difficile verificare i risultati o riutilizzarli.
Senza riproducibilità, la scienza perde solidità. Se un risultato non può essere verificato, il rischio è costruire conoscenza su basi fragili.
Ambiente: consuma così tanto l’IA?
La risposta è sì: l’addestramento dei modelli richiede enormi risorse computazionali, spesso alimentate da energia non rinnovabile. Anche la ricerca scientifica, quindi, deve fare i conti con il proprio impatto ambientale.

In questo scenario si inserisce ELIXIR, un’infrastruttura di ricerca che collega 24 paesi europei e coordina risorse, dati e strumenti per le scienze della vita. Attraverso la co-progettazione di database, software, risorse di formazione e infrastrutture computazionali, ELIXIR promuove un ecosistema in cui dati e modelli possano essere utilizzati in modo trasparente, accessibile e sostenibile.

«Il nostro studio offre una proposta concreta alle sfide dell’Intelligenza artificiale che si concretizza in 9 raccomandazioni pratiche per sviluppare una Open and Sustainable AI (OSAI) lungo tutto il ciclo di vita dei modelli di machine learning» spiega il prof Silvio Tosatto «. Le raccomandazioni si concentrano su tre dimensioni chiave. La prima, rendere l’AI riutilizzabile, ovvero dati e modelli devono essere descritti in modo standardizzato, così da poter essere trovati e riutilizzati anche da altri ricercatori. La seconda, garantire la riproducibilità: codice, metodi e condizioni sperimentali devono essere condivisi in modo chiaro, per permettere verifiche indipendenti. La terza, ridurre l’impatto ambientale: è necessario adottare pratiche di “Green AI”, monitorando e limitando il consumo energetico dei sistemi.»

Un elemento distintivo del lavoro è inoltre la mappatura di oltre 300 strumenti e risorse già disponibili, che consentono ai ricercatori di applicare concretamente queste raccomandazioni, colmando il divario tra teoria e pratica.

Un impatto che va oltre i laboratori

Questo studio ha ripercussioni che vanno ben oltre il mondo della ricerca: l’intelligenza artificiale sta già guidando innovazioni che migliorano la salute, i farmaci e la qualità della vita. Rendere queste tecnologie più trasparenti e sostenibili significa ottenere diagnosi più affidabili, cure più efficaci e una ricerca più responsabile.

In sintesi, lo studio segna un passo decisivo: non basta sviluppare strumenti sempre più potenti, bisogna anche garantire affidabilità, condivisione e sostenibilità. Le raccomandazioni OSAI offrono una roadmap concreta per il futuro dell’AI nelle scienze della vita, con benefici tangibili per la comunità scientifica e per la società.