MA QUANTO E’ INTELLIGENTE L’INTELLIGENZA ARTIFICIALE di Marina Blagojevic

Conversazione con la dottoressa Tatjana Petrov

di Marina Blagojević

Stormi di uccelli che si muovono come un unico organismo, sciami di api che prendono decisioni collettive, proteine che interagiscono all’interno di una cellula: fenomeni tra loro molto diversi, ma accomunati da una caratteristica: sono sistemi complessi. In questi sistemi molti elementi interagiscono secondo regole specifiche relativamente semplici, ma dalle loro interazioni emergono comportamenti collettivi complessi.

In questo scenario si svolge la ricerca della Dott.ssa Petrov, docente e ricercatrice dell’Università di Trieste, che unisce matematica, informatica e machine learning per analizzare, appunto, i sistemi complessi. Ecco l’intervista.

Come è nata questa passione?

«La matematica è stata con la musica il mio primo amore. Sono stata incoraggiata dalla mia famiglia e dall’ambiente in cui sono cresciuta nella mia città natale, Zrenjanin in Serbia; poi dai numerosi seminari a cui ho partecipato al Science Center di Petnica. Con la diffusione dei personal computer e di Internet, il mio interesse per l’informatica si è sviluppato naturalmente. Sono stata affascinata in particolare dalla teoria della computazione, che studia le regole e i limiti di ciò che i computer possono o non possono calcolare. Dopo aver conseguito il master in informatica teorica a Novi Sad, grazie a una borsa di studio ho preso il dottorato in Svizzera. Lì ho iniziato a lavorare nel campo della verifica formale delle garanzie matematiche che i sistemi software devono dare di non commettere errori. Per i metodi formali un software è un oggetto matematico che va analizzato studiandone l’architettura formale e gli algoritmi. In seguito, mi sono dedicata allo studio dei processi biologici, studiando le interazioni tra entità come geni o proteine all’interno delle cellule.»

Lei ha un’esperienza internazionale avendo lavorato dall’ETH Zürich a Harvard e Oxford. Quali incontri o progetti l’hanno maggiormente ispirata nella sua ricerca?

«Grazie per la domanda. Ho avuto molte esperienze meravigliose, ma vorrei evidenziare due momenti che sono stati i punti di svolta della mia carriera. Il primo è stato il mio dottorato in Svizzera, quando ho scoperto un approccio chiamato biologia eseguibile, grazie al quale i sistemi biologici sono analizzati come programmi in esecuzione su un hardware molecolare. Da allora, questo ha influenzato gran parte della mia ricerca.

Il secondo momento è stata la mia nomina a Junior Professor e Principal Investigator al Cluster of Excellence Collective Behaviour a Konstanz. Lì ho imparato ad avviare e gestire un gruppo di ricerca. In particolare, abbiamo studiato il comportamento collettivo di specie diverse. Ciò che mi ha affascinata di più è stato vedere che sistemi biologici diversi spesso seguono principi simili nel comportamento collettivo.»

Riguardo l’uso dell’Intelligenza Artificiale, in parole semplici, cosa significa studiare sistemi complessi con l’aiuto di metodi computazionali e di machine learning?

Faccio un esempio: consideriamo la diffusione di un’epidemia, che è un sistema complesso tipico. Qui dobbiamo rispondere a domande importanti: quante persone si infetteranno in un mese? qual è la probabilità che gli ospedali raggiungano la capacità massima? Quali misure potrebbero prevenire il collasso del sistema sanitario? Molti sistemi complessi possono essere intesi come variazioni di questo modello. Con le dovute differenze, nello stesso modo possiamo studiare i geni o le proteine che interagiscono all’interno di una cellula; o come gli animali agiscono nel loro gruppo, come i robot in uno sciame robotico, e le persone in una rete sociale.

In alcuni casi, conosciamo già le regole e possiamo prevedere cosa emergerà da queste interazioni. In altri ci affidiamo a metodi basati sui dati e sull’apprendimento automatico. Il mio lavoro si concentra sulla costruzione di modelli e procedure che collegano questi due estremi dello spettro, per poter ragionare in modo rigoroso anche in contesti in cui l’incertezza gioca un ruolo importante.

Qui la vera sfida non è solo rendere rapide le soluzioni di AI, ma renderle affidabili in modo da poter comprendere e fidarci delle conclusioni che producono.”

In che modo la comprensione di questi sistemi, grazie all’IA, potrebbe avere ricadute pratiche in biologia o medicina?

In molti modi. Se possiamo realizzare modelli affidabili per capire come si comportano le reti biologiche, potremo progettare sistemi biologici con proprietà per noi utili, programmi che potranno operare all’interno degli organismi viventi.

L’AI sta già rendendo questo possibile. I ricercatori già realizzano nuove proteine o sequenze di DNA che non esistono in natura. In medicina, ciò potrà accelerare la scoperta di farmaci, migliorare gli strumenti di editing genetico e ingegnerizzare cellule terapeutiche.

Un’altra direzione promettente è lo studio dei processi biologici collettivi, come le risposte immunitarie o la comunicazione cellulare, dove i componenti del gruppo devono coordinarsi in modo affidabile. L’obiettivo è muoversi verso quella che alcuni ricercatori chiamano biologia programmabile.»

Quanto siamo vicini a vedere applicazioni pratiche di questo?

«Le prime applicazioni pratiche sono già in uso, specialmente in ambiti come l’imaging medico, la genomica e la creazione di nuovi farmaci. Sistemi di AI sanno analizzare immagini radiologiche e rilevare precocemente segni di malattie come il cancro o la retinopatia diabetica, con altissima accuratezza. Un altro caso importante è la biologia strutturale. Già ora i modelli di AI prevedono la struttura tridimensionale delle proteine. Questo ha accelerato straordinariamente la ricerca. Tuttavia, abbiamo ancora bisogno di un livello molto elevato di affidabilità e interpretabilità. Questi sistemi dipendono fortemente dai dati e garantire che i loro risultati siano robusti, equi e affidabili apre nuove direzioni di ricerca, richiedendo nuove teorie e metodi.»

La sua ricerca riguarda anche fenomeni di auto-organizzazione e comportamento collettivo. Ci può fare un esempio concreto, magari qualcosa che sorprenderebbe chi non conosce questi concetti?
«L’auto-organizzazione di un insieme di individui indica tutte le situazioni in cui il comportamento del gruppo deriva da interazioni locali senza un controllo centrale. Lo osserviamo nei sistemi sociali – ad esempio nella polarizzazione delle opinioni prima delle elezioni – come in natura. Stormi di uccelli o banchi di pesci possono muoversi come un unico organismo, in cui ogni individuo segue regole relativamente semplici. Insetti sociali come formiche o api sono esempi particolarmente affascinanti.

A proposito delle api, abbiamo studiato come e quando gli individui decidono se difendere la loro colonia anche sacrificando la propria vita. E abbiamo rilevato che le api individualmente sono meno propense a impegnarsi in difese così estreme rispetto a quando sono in gruppo. In sintesi, le api definiscono il comportamento difensivo dell’alveare in base al contesto sociale.»

L’AI può influenzare decisioni importanti in diversi ambiti. Secondo lei, quali responsabilità hanno quelli che la studiano e sviluppano?

«La responsabilità è condivisa tra ricercatori, sviluppatori e utenti. Chi progetta questi sistemi deve garantirne affidabilità, trasparenza ed equità, mentre gli utenti devono essere consapevoli dei dei poteri come dei limiti dell’AI. Poiché la tecnologia evolve rapidamente, non possiamo fare affidamento solo su regolamenti definiti adesso: serve una cultura della responsabilità.»

C’è qualcosa che la affascina o la preoccupa sull’impatto che l’AI sulla società nei prossimi anni?

«Ciò che mi affascina di più è il potenziale dell’AI di ampliare la nostra comprensione di ogni cosa: il linguaggio, la biologia, l’universo, la psicologia umana… Allo stesso tempo, mi preoccupano le esigenze crescenti sia di calcolo che energetiche, così come il rischio che le persone diventino troppo dipendenti dall’AI senza comprenderla pienamente. Bilanciare progresso e responsabilità sarà la chiave.»

Nei suoi progetti collabora con scienziati di diverse discipline. Quali sono i vantaggi?

«Amo il lavoro interdisciplinare: è stimolante e incredibilmente arricchente. Questo scambio non solo amplia il pensiero: spesso porta a direzioni di ricerca nuove che non emergerebbero restando concentrati in un solo specifico campo. Il lavoro interdisciplinare richiede anche umiltà: accettando di lavorare in ambiti nuovi, per così crescere di nuovo. Tutta la scienza moderna dipende dalla collaborazione, dalla comunicazione e da uno spirito collettivo condiviso.»

Lei insegna all’Università di Trieste. Quali competenze ritiene fondamentali per gli studenti che vogliono avvicinarsi oggi all’IA?

«È molto utile una solida base nel pensiero logico e algoritmico, ma ancora più importanti sono curiosità, perseveranza e apertura verso discipline diverse. Lavorare sui sistemi complessi richiede spesso di combinare idee matematiche, informatiche e di scienze applicative come la biologia. È fondamentale.

Quanto è importante insegnare agli studenti a considerare le implicazioni etiche e sociali dell’intelligenza artificiale?

«L’AI sta trasformando molti aspetti della nostra vita, quindi è essenziale riflettere sulle sue implicazioni etiche e sociali. Questo è un ambito in rapido sviluppo, e stiamo collettivamente definendo norme e framework man mano che procediamo. Per questo è importante coinvolgere gli studenti in discussioni critiche sull’impatto dell’AI. Il gruppo di Informatica dell’Università di Trieste è stato sempre attivo in questa missione. I tre professori junior assunti l’anno scorso sono specializzati in etica, equità e sicurezza dell’AI.»

Come immagina l’interazione tra intelligenza artificiale e esseri umani nei prossimi dieci anni?

«Spero che l’AI possa sempre più assumersi compiti ripetitivi e routinari, permettendo agli uomini di concentrarsi su creatività, apprendimento e interazioni significative. In un mondo ideale, dovrebbe migliorare l’istruzione, la comunicazione e la nostra capacità di comprendere noi stessi e il mondo. Perché ciò accada, la conoscenza sull’AI deve diventare accessibile a tutti e non limitata a un piccolo gruppo di esperti, diventando una competenza sociale di base, come è già l’alfabetizzazione digitale.

Recentemente, mi sono impregnata in iniziative locali di educazione all’AI per bambini. Come madre credo che i giovani non siano mai troppo piccoli per imparare in questo campo.  Non sono sola: l’Università di Trieste e il nostro gruppo di Informatica promuovono l’alfabetizzazione digitale e l’educazione all’uso responsabile dell’AI.

Un esempio, il laboratorio condotto nell’ambito della mostra Superhero Science Week, tenuto nell’ambito della mostra Sulle correnti dell’arte organizzata dall’Associazione Culturale Giovanile Serba, che ha coinvolto bambini e ragazzi in un’interazione diretta con un’IA addestrata a comportarsi come supereroe o villain. L’obiettivo era osservare come i supereroi prendono decisioni per sostenere i loro poteri collettivi e capire come valutare criticamente le interazioni con modelli linguistici complessi.

In definitiva, è fondamentale che noi, come società, contribuiamo attivamente a plasmare lo sviluppo e l’utilizzo di queste tecnologie, affinché il loro impatto rifletta i valori condivisi.

La tecnologia deve rimanere al servizio dell’umanità, e non viceversa. Per questo, un’ampia alfabetizzazione e un dialogo aperto sono essenziali, soprattutto in questa fase».