fbpx La bilancia non è tarata | Scienza in rete

La bilancia non è tarata

Read time: 1 min

I giganti dell'antichità erano forse meno imponenti di quanto si sia creduto finora. Non meno lunghi né alti, ma certamente più snelli rispetto alle panciute rappresentazioni con cui vengono di solito raffigurati. Avendo a disposizione soltanto le ossa di questi animali, il loro peso viene infatti calcolato sulla base di un modello statistico, universalmente accettato da più di 25 anni. Gary Packard e i suoi colleghi della Colorado State University ora però lo mettono in discussione. Gli esperti di statistica californiani, dopo aver rivalutato i dati iniziali su cui era stato costruito, ritengono che il metodo sia fuorviante al punto da raddoppiare la stima del peso degli animali studiati. «L'Apatosaurus louisae, per esempio, uno degli esemplari di maggior dimensione» spiega Packard, «secondo i nostri calcoli doveva pesare intorno alle 18 tonnellate, meno della metà delle 38 tonnellate di cui normalmente si parla». Se queste osservazioni saranno confermate avranno un notevole impatto su molte teorie riguardanti il metabolismo degli animali preistorici, la loro nutrizione e forse anche la loro misteriosa estinzione.

In pubblicazione sul prossimo numero del Journal of Zoology

 

Autori: 
Sezioni: 
Dinosauri

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.