fbpx Il puzzle di come eravamo | Page 3 | Scienza in rete

Il puzzle di come eravamo

Read time: 1 min

L'hanno chiamata Ardi, e al suo confronto, Lucy è una ragazzina. L'australopiteco femmina, a lungo ritenuta  il più antico tra i precursori degli esseri umani a essere stato scoperto, risaliva a 3,3 milioni di anni fa;  almeno un milione di anni più giovane dell'esemplare trovato insieme ad almeno 35 altri presso il villaggio di Aramis, in Etiopia, chiamato Ardipithecus ramidus. La scoperta non è di oggi - i primi resti furono infatti rinvenuti nel 1992 - ma solo dopo tanti anni di studi è apparso chiaro che la strana creatura, ricostruita con un paziente lavoro a incastro di migliaia di pezzi, è del tutto particolare: non assomiglia infatti né agli australopitechi né agli scimpanzé, almeno come li conosciamo oggi. Viveva nella foresta e sapeva camminare in posizione eretta. Al nuovo anello della catena che un giorno forse ci permetterà di capire da dove veniamo, alle caratteristiche di questo antenato e all'ambiente in cui abitava, Science ha dedicato un numero speciale.  

Science 2009; 326: issue 5949

 

Autori: 
Sezioni: 
Paleontologi

prossimo articolo

LLM e ricerca scientifica: opportunità, rischi e controlli

disegno di ricercatore al computer

Come integrare i modelli linguistici di grandi dimensioni nel processo scientifico senza comprometterne l'integrità? Gli LLM sono utili quando velocizzano lavoro ripetitivo e preparatorio. Diventano rischiosi quando il loro output entra direttamente nel processo di validazione o nella decisione scientifica. La questione da porre non è se ma come integrarli nel processo scientifico senza comprometterne l'integrità.

Immagine di copertina realizzata con ChatGPT

Nel discorso pubblico, intelligenza artificiale e Large Language Model (LLM) vengono spesso usati come sinonimi. Non lo sono. L'IA è il campo più ampio che comprende tecniche diverse — dai sistemi simbolici all'apprendimento automatico, dalla visione artificiale alla robotica, fino ai modelli generativi. Gli LLM sono una classe specifica di questi sistemi: modelli addestrati su grandi quantità di testo e, sempre più spesso, di dati multimodali, capaci di produrre risposte linguisticamente plausibili, codice, sintesi, classificazioni e proposte operative.