Fare CARRIERA collegando conoscenza scientifica e intelligenza artificiale

Il premio CARRIERA della National Science Foundation, ricercatore di informatica, Anuj Karpatne, si concentrerà sulla nuova ricerca sull'intelligenza artificiale per affrontare le sfide globali critiche nel campo della scienza.

28 agosto 2023

E se l’intelligenza artificiale (AI) potesse prevedere la qualità dell’acqua nei laghi che forniscono acqua potabile a città come Roanoke? O aiutare gli scienziati a misurare gli aerosol nell’atmosfera che rappresentano una delle maggiori incognite nella comprensione del cambiamento climatico? Possiamo usare l’intelligenza artificiale per studiare complesse miscele di particelle fluide come il flusso sanguigno in cui le cellule solide sono disperse nel plasma sanguigno?

Anuj Karpatne vuole studiare tali questioni scientifiche unendo la ricchezza di conoscenze scientifiche sviluppate in secoli di ricerca con le ultime novità nel campo dell’intelligenza artificiale.

Il professore associato del Dipartimento di Informatica del College of Engineering ha vinto un premio quinquennale da 595.738 dollari della National Science Foundation Faculty Early Career Development Program (CAREER) per esplorare un approccio unificato per accelerare la scoperta scientifica utilizzando conoscenze e dati scientifici. Karpatne è anche membro del Sanghani Center for AI and Data Analytics.

Karpatne è il terzo ricercatore informatico a vincere un premio CARRIERA 2023. Gli altri due sono Dan Williams e Lifu Huang.

Mentre i progressi nell’intelligenza artificiale, come ChatGPT, continuano a fare notizia per le loro prestazioni rivoluzionarie, Karpatne e altri ricercatori hanno iniziato a pensare più profondamente ai suoi usi, soprattutto nelle applicazioni scientifiche.

Ma c'è un grosso problema.

I migliori modelli di deep learning utilizzati oggi sono ancora una scatola nera. È difficile interpretare il loro funzionamento. Ciò potrebbe andare bene per le applicazioni in cui il risultato è più importante, come consigliare film su Netflix. Ma è inadeguato per la scienza, dove l’obiettivo è spiegare la causa-effetto delle osservazioni.

I modelli di intelligenza artificiale in genere si basano solo sui dati. Ma sta emergendo un nuovo paradigma di ricerca sull’intelligenza artificiale per combinare il potere dei dati con la ricchezza di conoscenze scientifiche accumulate nel corso dei secoli. Si chiama apprendimento automatico guidato dalla conoscenza (KGML) e, sebbene sia nuovo, i suoi potenziali impatti sono vasti.

Karpatne è uno dei primi pionieri di KGML e la sua ricerca ha contribuito a coltivare e indirizzare questo campo emergente. L'anno scorso, Karpatne ha co-curato il primo libro su KGML che include capitoli scritti da eminenti esperti del settore.

Nell'ambito del progetto CAREER, il gruppo di Karpatne svilupperà nuovi metodi in tre attività di ricerca KGML: modellazione diretta, modellazione inversa e modellazione di apprendimento automatico della scienza ibrida.

“Abbiamo in programma di contribuire con nuove innovazioni in KGML per incorporare una varietà di conoscenze scientifiche nell’intelligenza artificiale, che vanno dalle equazioni differenziali parziali ai modelli numerici e alle regole fenomenologiche”, ha affermato Karpatne.

Karpatne collaborerà con esperti della Virginia Tech e altrove per fornire l'impatto della sua ricerca KGML su tre casi d'uso scientifici:

Karpatne collaborerà con Cayelan Carey del Dipartimento di Scienze Biologiche e Quinn Thomas del Dipartimento di Risorse Forestali e Conservazione Ambientale e con il Dipartimento di Scienze Biologiche, nel caso d'uso della modellazione dei laghi per fornire previsioni in tempo reale della qualità dell'acqua nella zona in caduta libera. Bacino idrico del Creek a Roanoke.

"Questo serbatoio è un'importante fonte di acqua potabile per i residenti di Roanoke e siamo interessati a prevederne la temperatura, il contenuto di clorofilla e altre variabili relative alla qualità dell'acqua", ha affermato Karpatne. “Attraverso la nostra ricerca in KGML, miriamo a generare previsioni migliori sulla qualità dell’acqua nei laghi e nei bacini idrici che possono avere un impatto diretto sulle persone che dipendono dalla loro acqua”.

Collaborerà inoltre con Elena Lind del Dipartimento di ingegneria elettrica e informatica di Bradley, attualmente co-leader della rete robotica AErosol della NASA. Lind è un esperto nella modellazione delle proprietà degli aerosol misurando la radiazione solare che viaggia attraverso l'atmosfera e raggiunge i sensori a terra. Le equazioni fisiche descrivono già le interazioni della luce con gli aerosol, ma l’intelligenza artificiale dà la speranza di “reverse engineering” delle proprietà dell’aerosol utilizzando i dati dei sensori in tempo reale.