Letture per il finesettimana #10

[pubblicato originariamente su Scienza in rete il 20 novembre 2020]

Buon venerdì,
questa settimana parliamo di SpaceX che ha trasportato per la prima volta degli astronauti a bordo della Stazione Spaziale Internazionale, dei dubbi sulla presenza di fosfina nell’atmosfera di Venere, della crisi di riproducibilità dell’intelligenza artificiale, di come possiamo migliorare le previsioni dell’epidemia prendendo a esempio le previsioni meteo, degli ultimi aggiornamenti sui modelli climatici e sintetizziamo le notizie salienti sulla COVID-19.

L’argomento che approfondiamo oggi è quello degli algoritmi utilizzati per valutare gli studenti e controllarli durante gli esami che la pandemia ha costretto a sostenere da remoto. Buona lettura e al prossimo venerdì (per segnalare questa newsletter agli amici ecco il link per l’iscrizione)

1 La navicella Dragon della compagnia privata SpaceX ha raggiunto la Stazione Spaziale Internazionale
Per la prima volta una compagnia privata ha trasportato quattro astronauti sulla Stazione Spaziale Internazionale (ISS), dove rimarranno per i prossimi sei mesi. La sonda è partita domenica dal Kennedy Space Center in Florida e ha raggiunto la ISS dopo 27 ore di volo. Questa operazione si ripeterà in futuro, con SpaceX e successivamente Boeing, che funzioneranno come taxi spaziali per gli astronauti della NASA [The Guardian]

2 Tra gli astronomi infuria il dibattito: è stata davvero rilevata fosfina nell’atmosfera di Venere?
A settembre un gruppo di ricercatori dell’università di Cardiff aveva pubblicato uno studio che documentava l’osservazione di misure spettrali riconducibili alla presenza di fosfina nell’atmosfera di Venere. Se questa conclusione fosse vera si tratterebbe della prova più robusta sull’esistenza di forme di vita fuori dal nostro pianeta. Ma negli ultimi due mesi numerosi gruppi hanno sollevato dei dubbi sulla validità dell’osservazione. L’International Astronomical Union ha poi emesso un comunicato in cui richiamava il gruppo di Cardiff riguardo al suo stile di comunicazione con i media, ricordandogli che è un dovere etico comunicare verso il grande pubblico mantenendo il massimo rigore scientifico [Physics World]

3 L’intelligenza artificiale attraversa una profonda cristi di riproducibilità
A metà ottobre Nature ha pubblicato la lettera preoccupata di 31 scienziati in risposta a uno studio apparso sulla stessa rivista all’inizio dell’anno e riguardante un nuovo sistema di deep learning sviluppato da Google per rilevare forme iniziali di tumore al seno dalle immagini mammografiche (ne avevamo parlato qualche settimana fa). La loro accusa è che più che un articolo per documentare una scoperta scientifica sembrava essere una campagna pubblicitaria dell’ultimo sistema messo a punto dall’azienda. I dettagli riguardanti il codice e i dati su cui era stato allenato erano talmente scarsi da non permettere una valutazione indipendente. Secondo i firmatari della lettera, il caso di Google è solo l’ultimo esempio di una tendenza generale nel campo dell’intelligenza artificiale (IA). Per alcuni questo è dovuto al fatto che l’IA è diventata una scienza sperimentale relativamente di recente e la sua comunità non ha ancora acquisito pienamente i metodi di lavoro che in altri campi, come la fisica o la biologia, sono la consuetudine [MIT Technology Review]

4 Simulare l’epidemia: cosa possono imparare gli epidemiologi dai modelli numerici per le previsioni meteorologiche?
La Royal Society ha commissionato a un gruppo di esperti uno studio di revisione di CovidSim, il modello di previsione dell’epidemia messo a punto dal gruppo dell’Imperial College e i cui risultati hanno informato a marzo le azioni del governo britannico. L’analisi, che deve ancora essere sottoposta a peer-review, ha mostrato che il modello avrebbe beneficiato della cosiddetta ‘simulazione di ensemble’, una pratica di routine nei sistemi numerici di previsione meteo (ma anche nello studio della dinamica molecolare). Si tratta di simulare l’andamento dell’epidemia variando i parametri di input all’interno del loro intervallo di confidenza per valutare quanto le previsioni ottenute siano sensibili a questi parametri. Stiamo parlando di quantità come il grado di contagiosità e letalità del virus, il numero di contatti stretti tipici in diverse situazioni della vita quotidiana, o l’efficacia di certe misure restrittive. Insomma grandezze che, soprattutto all’inizio di un’epidemia dovuta a un virus nuovo, sono affette da estrema incertezza. Lo studio ha permesso di capire che i parametri più rilevanti alla previsione del numero dei decessi sono la lunghezza del periodo in cui un soggetto asintomatico è contagioso, l’efficacia delle misure di distanziamento sociale e il tempo che intercorre tra l’infezione e l’isolamento [Nature]

6 I modelli climatici più recenti rivedono al rialzo le loro proiezioni sulla temperatura globale, ma non sono i più accurati
Il Coupled Model Intercomparison Project è un database che raccoglie i maggiori modelli climatici per confrontarne le previsioni. Recentemente sono state depositate le ultime simulazioni, alcune delle quali hanno rivisto al rialzo l’evoluzione della temperatura globale. Tuttavia uno studio, pubblicato da poco sulla rivista Earth System Dynamics, mostra come pesando i risultati dei modelli nel database secondo l’accuratezza delle loro previsioni sul passato, gli scenari con i più alti livelli di riscaldamento sembrano essere molto poco probabili. “È ancora necessaria un’azione decisiva per il clima, ma gli scenari che prevedono il riscaldamento più estremo sembrano essere poco realistici” ha affermato su Twitter Lukas Brunner, climatologo all’ETH di Zurigo primo autore della ricerca [Ars Technica]

6 Aggiornamenti COVID-19
× Lo studio del sangue di persone guarite dalla COVID-19 suggerisce che l’immunità al coronavirus potrebbe durare anni [The New York Times]
× Uno studio mostra che i bambini producono anticorpi contro il coronavirus più deboli e in numero minore rispetto agli adulti e questo spiegherebbe perché contrastano l’infezione più velocemente e senza ammalarsi seriamente [The New York Times]
× L’incontro con i coronavirus responsabili di alcuni raffreddori potrebbe generare anticorpi in grado di neutralizzare anche il SARS-CoV-2. Questo spiegherebbe perché i bambini si ammalano meno degli adulti [The New York Times]
× Il vaccino prodotto dalla società Moderna ha ridotto il rischio di infezione da COVID-19 del 94,5% [STATA News]
× Pfizer e BioNTech pronti a presentare i dati del vaccino contro COVID-19 alla FDA che mostrano un’efficacia del 95% [STATA News]
× Un studio ha cercato di stabilire quali siano le politiche di contenimento dell’epidemia di COVID-19 più efficaci tra quelle già implementate nel mondo. Non è cosa facile [Ars Technica]
×  Primo test diagnostico molecolare da condurre autonomamente a casa approvato negli Stati Uniti [NPR]
× Il governo delle app di tracciamento soffre una contraddizione: senza che queste vengano adottate da un numero sufficiente di persone non è possibile dimostrarne l’efficacia, ma senza dimostrarne l’efficacia non è possibile giustificarne e promuoverne l’adozione su larga scala. Come risolverla? [Science]

Letture per il finesettimana #8

[pubblicato originariamente su Scienza in rete il 6 novembre 2020]

Buon venerdì,
questa settimana parliamo di equazioni differenziali, di archeologia glaciale, di accesso delle minoranze alla ricerca scientifica, degli errori commessi dalla politica nonostante l’incredibile risposta di medici e scienziati di fronte alla pandemia, degli eventi di superdiffusione del SARS-CoV-2 e, infine, del futuro della scienza americana in attesa dell’esito del voto.
L’argomento che approfondiamo oggi è il ruolo che le scienze sociali, sempre più quantitative, hanno durante le elezioni americane: dallo studio delle dinamiche attraverso cui le teorie cospirazioniste si diffondono sui social media, al fallimento dei sondaggi di opinione politica nel prevedere i risultati elettorali. Buona lettura e al prossimo venerdì (per segnalare questa newsletter agli amici ecco il link per l’iscrizione)

1 Risolvere uno dei problemi matematici più difficili con il deep learning
Le equazioni differenziali alle derivate parziali (PDE) descrivono fenomeni che evolvono nel tempo e nello spazio. Sono capaci di rappresentare la dinamica dei fluidi, le orbite dei pianeti o il movimento delle placche tettoniche. Ma risolverle è uno dei problemi matematici più difficili in assoluto. Un gruppo di ricercatori del California Institute of Technology ha sviluppato un algoritmo di deep learning capace di trovare le soluzioni di intere famiglie di PDE senza essere ri-allenato ed è 1000 volte più veloce dei metodi tradizionali [MIT Technology Review]

2 Lo scioglimento dei ghiacciai rivela reperti archeologici che sarebbero altrimenti rimasti segreti ma allo stesso tempo rischia di farli perdere per sempre
Con lo scioglimento dei ghiacci causato dal riscaldamento globale stanno venendo alla luce artefatti antichi perfettamente conservati, creando una nuova scienza, quella della archeologia glaciale. Ma i ghiacci si sciolgono a un ritmo accelerato e per gli archeologi è iniziata una corsa contro il tempo per salvare questi tesori così fragili [The Guardian]

3 L’accesso alla ricerca scientifica è ancora largamente precluso alle minoranze, come neri e donne, ma non sappiamo quanto perché mancano i dati
Le più grandi case editrici scientifiche hanno dichiarato di aver intrapreso delle politiche di integrazione verso i gruppi minoritari che pubblicano meno sulle loro riviste, ma solo due hanno raccolto dei dati sull’argomento. Si tratta dell’American Association for the Advancement of Science, che pubblica Science, e la Royal Society. In entrambi i casi gli autori si sono identificati come bianchi nel 70-80% dei casi. Le cose non sono molto diverse se si guarda ai dipendenti di queste case editrici o all’identità di genere invece che alla composizione etnica. Per cambiare le cose però, occorre prima di tutto raccogliere più dati a riguardo [The New York Times]

4 Nel libro ‘The COVID-19 catastrophe’ Richard Horton, direttore della rivista The Lancet, racconta il successo della scienza e il fallimento della politica
Già alla fine di gennaio la comunità medica e scientifica cinese documentava, in giornali scientifici in inglese e di alto livello, le caratteristiche cliniche della malattia causata dal nuovo coronavirus, confermava la possibilità di trasmissione da persona a persona e quantificava il carico a cui sarebbero state sottoposte le terapie intensive. Una risposta incredibile e la prova di una rinascita seguita alla terribile gestione dell’epidemia di SARS nel 2002-2003. Nonostante questo, i governi occidentali, soprattutto gli Stati Uniti, non sono stati in grado di essere conseguenti, in parte per sottovalutazione del problema e in parte per strutturale incapacità dei loro sistemi sanitari di affrontare una crisi del genere [LSE Impact Blog]

5 Il ruolo degli eventi di superdiffusione nell’epidemia di SARS-CoV-2
Alla fine di febbraio la società farmaceutica Biogen ha tenuto la sua consueta conferenza annuale a Boston. Uno dei partecipanti era stato infettato dal nuovo coronavirus e probabilmente lo ha trasmesso a 97 persone, tra gli altri partecipanti e i loro conviventi. Uno studio recente ha stimato che la catena di contagio di quell’evento potrebbe aver coinvolto decine di migliaia di persone solamente nella zona di Boston. L’indice Rt, di cui sentiamo tanto parlare, indica quante persone vengono contagiate da una persona infetta in media. Ma l’esperienza insegna che per la COVID-19, così come per molte altre malattie infettive, la maggior parte delle persone non trasmettono il virus a nessuno e una piccola percentuale è responsabile dalla maggioranza delle infezioni. Questo ha due conseguenze in termini pratici: è importante limitare le occasioni che favoriscono fenomeni di superdiffusione (spazi chiusi, affollati e senza distanziamento) e tracciare i contatti all’indietro piuttosto che in avanti (ovvero cercare di capire dove una persona si è infettata piuttosto che capire chi ha infettato) [Science]

6 La scienza americana attende il risultato del voto presidenziale col fiato sospeso
×  I quattro anni passati hanno causato talmente tanti danni alla scienza e alle politiche informate dalla scienza, che ci vorranno decenni per recuperare [Science]
×  La gestione della pandemia è stato il culmine di una serie di politiche che hanno sistematicamente ignorato le prove scientifiche [Nature]
×  Ma alcuni scienziati, hanno avuto commenti positivi sui quattro anni della presidenza Trump, soprattutto dal punto dei vista dei fondi. Nonostante i ripetuti tentativi del presidente di tagliare i finanziamenti pubblici di diverse agenzie di ricerca federali, il Congresso si è opposto [Science]
×  L’ambito in cui Trump ha fatto più danni è sicuramente quello delle politiche ambientali. Mercoledì, il giorno dopo le elezioni, gli Stati Uniti sono ufficialmente usciti dall’accordo di Parigi. Se Biden vincesse, basterebbe una sua firma per rientrare, ma gli impegni che potrebbe portare sul tavolo della conferenza delle parti dipenderebbero anche e soprattutto dal Congresso [Vox]

Diagnosi automatizzate: dalla COVID-19 al tumore al seno

[pubblicato originariamente su Scienza in rete il 23 ottobre 2020]

Due settimane fa un gruppo di ricercatori cinesi ha pubblicato sulla rivista Nature Communications uno studio in cui mostra le performance di un sistema di intelligenza artificiale nel diagnosticare la COVID-19 a partire dalle immagini di tomografia computerizzata dei polmoni, distinguendola da altre tre patologie: le polmoniti causate dall’influenza stagionale, le polmoniti non virali e altri tipi di lesioni diverse dalle polmoniti. Si tratta solo dell’ultimo di una serie di sistemi di intelligenza artificiale messi a punto negli ultimi mesi per diagnosticare la COVID-19, che potrebbero diventare utili se i sistemi sanitari sottoposti a pressione esagerata non fossero più in grado di effettuare tempestivamente i test molecolari (quelli che cercano tracce dell’RNA virale nei campioni prelevati tramite tampone naso-faringeo). Questi sistemi di lettura automatizzata potrebbero poi essere modificati per funzionare anche su radiografie polmonari, un metodo diagnostico facilmente disponibile anche nei Paesi meno sviluppati.

Non solo. Potrebbero servire anche a individuare con un po’ di anticipo i pazienti che andranno incontro a un decorso più severo e che necessiteranno di essere intubati, permettendo così agli ospedali di gestire meglio le loro risorse. A fine settembre uno di questi sistemi, sviluppato dalla società Dascena di San Francisco, ha ottenuto l’approvazione per uso in caso di emergenza da parte della Food and Drug Administration, l’agenzia del farmaco statunitense.

I sistemi di intelligenza artificiale per la diagnosi e il triage dei casi di COVID-19 sono solo gli ultimi esempi di una serie di algoritmi di machine learning che hanno trovato numerose applicazioni nelle attività di diagnostica per immagini, a cominciare dalla diagnosi dei tumori. Analizzare immagini mammografiche o biopsie di diversi tipi di tessuto alla ricerca di formazioni cellulari anomale o veri e propri tumori si è dimostrato un compito particolarmente facile per questo tipo di algoritmi, che spesso hanno superato in bravura radiologi e patologi con anni di esperienza. Il caso più studiato è sicuramente quello del tumore al seno, ma sono stati ottenuti risultati importanti anche per i tumori del polmone e della pelle.

L’obiettivo è classificare l’immagine diagnostica in un numero finito di categorie. Nei casi semplici sarà sufficiente discriminare fra solo due gruppi, sano o malato, in quelli più complessi bisognerà considerare diversi tipi di anomalie, da quelle benigne a quelle più aggressive. Il successo dell’intelligenza artificiale è arrivato proprio con lo sviluppo di algoritmi particolarmente capaci in questa attività di classificazione delle immagini.

Continua a leggere Diagnosi automatizzate: dalla COVID-19 al tumore al seno

Sono un robot e vengo in pace

[pubblicato originariamente su Scienza in rete il 18 settembre 2020]

La scorsa settimana il Guardian ha pubblicato un editoriale scritto dal software per la generazione di linguaggio GPT-3, il più potente in circolazione. I redattori hanno fornito a GPT-3 alcune frasi di input, il cosiddetto prompt, che descrivevano il compito assegnato: comporre un saggio che convincesse i lettori che l’intelligenza artificiale non è una minaccia per l’umanità. Leggendo il testo, appare plausibile che sia stato scritto da un essere umano, anche se gli argomenti a sostegno della tesi si susseguono in maniera un po’ sconnessa (GPT-3 ha svolto il compito otto volte e i redattori hanno combinato e corretto queste otto versioni ottenendone una finale, un po’ come avrebbero fatto per un editoriale scritto da una persona).

La pubblicazione del Guardian ha riacceso il dibattito cominciato poco prima dell’estate, quando un gruppo di esperti ha avuto accesso a GPT-3, l’ultimo generatore di linguaggio della società OpenAI. Il dibattito ruota attorno a due domande. La prima è: quanto siamo vicini a sviluppare una intelligenza artificiale generale? Con l’espressione intelligenza artificiale generale (in inglese artificial general intelligence, AGI) ci si riferisce a una macchina con i poteri di apprendimento e di ragionamento della mente umana. La seconda domanda è: GPT-3 rappresenta un pericolo per l’umanità? Senza l’ambizione di voler rispondere a queste due domande – che francamente corrono il rischio di suonare mal poste, le prendiamo come pretesto per chiederci quali direzioni stia prendendo la ricerca nel campo dell’intelligenza artificiale e quale sia il nostro rapporto con l’automazione, sia come individui che come società. La prima ci permetterà infatti di capire quanta importanza stanno acquisendo i dati a discapito della teoria. La seconda invece ci spingerà ad analizzare gli aspetti politici e sociologici di questa area.

Continua a leggere Sono un robot e vengo in pace