Ricercatori hanno valutato l'efficacia dell'AI in 27 discipline scientifiche

Un gruppo di scienziati ha pubblicato uno studio approfondito di ricerca, confrontando le possibilità delle reti neurali con i metodi tradizionali di analisi scientifica. Gli autori hanno analizzato 2507 confronti diretti, coprendo 27 discipline scientifiche, nel periodo dal 2000 all'inizio del 2025.

I risultati del lavoro mostrano un quadro non omogeneo dell'efficacia dell'AI. Nel confronto con la statistica classica, le reti neurali spesso mostrano risultati più alti, tuttavia richiedono notevolmente maggiori risorse computazionali. Allo stesso tempo, nel 25% dei casi l'AI si rivela non solo più costosa, ma anche meno precisa dei tradizionali strumenti statistici, e questo indicatore rimane stabile nell'ultimo decennio.

Relativamente ai metodi di modellazione scientifica e calcolo, la situazione cambia più dinamicamente. Per lungo tempo le reti neurali sono state superate da algoritmi specializzati, ma dal 2020 la situazione ha iniziato a trasformarsi. Al momento attuale l'AI supera i metodi tradizionali di modellazione scientifica in più del 50% dei casi, mostrando allo stesso tempo minori requisiti di risorse computazionali in questi compiti.

Gli autori sottolineano che le reti neurali non sono una sostituzione universale degli approcci scientifici esistenti. Invece, formano un nuovo settore di "frontiera scientifica orientata all'AI", dove l'efficacia dipende dalla specifica disciplina e dal tipo di problema da risolvere. Il lavoro è pubblicato sotto licenza Creative Commons Attribution 4.0.