Alle 7.31 - ora italiana - la sonda della NASA Curiosity si è posata sul suolo di Marte, dopo un viaggio di otto mesi e più di 560 milioni di chilometri percorsi. Ci sono voluti 7 minuti di manovra per rallentare dai 21.000 chilometri orari di velocità fino a poggiare sulla superficie marziana, centrando il punto più interessante per poter cercare tracce di fossili, il Crater Gale. Da qui, il rover ha già iniziato a inviare le prime immagini con la strumentazione fotografica in dotazione.
Il robot della NASA - frutto di un'investimento di oltre 2,5 miliardi di dollari, per un programma destinato a durare due anni - ha portato con sè un equipaggiamento ad alta innovazione tecnologica, che va oltre la semplice acquisizione immagini. Ne abbiamo parlato con Luciano Anselmo, ricercatore presso il Laboratorio di Dinamica del Volo Spaziale dell'ISTI-CNR di Pisa.
Curiosity, un laboratorio su Marte
prossimo articolo
LLM e ricerca scientifica: opportunità, rischi e controlli
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.