Lo scorso novembre, il team di intelligenza artificiale di Google, DeepMind, ha lanciato un annuncio rivoluzionario, affermando di avere scoperto "milioni di nuovi materiali utilizzando tecniche di deep learning". Un'asserzione di tale portata, dal potenziale di accelerare drasticamente il progresso tecnologico e scientifico, ha sollevato ampi dibattiti e speranze. Tuttavia, recenti analisi condotte da altri ricercatori mettono in luce una valutazione meno entusiasta delle scoperte di DeepMind.
Nonostante DeepMind abbia annunciato la scoperta di 2,2 milioni di nuovi cristalli e 380.000 materiali stabili, i quali potrebbero giocare un ruolo cruciale nello sviluppo di future tecnologie, alcuni studiosi esprimono scetticismo sulla novità effettiva di tali composti.
Nel dettaglio, un gruppo di ricerca presso l'Università della California, Santa Barbara, guidato da Anthony Cheetham e Ram Seshadri, ha scrutato un campione di queste scoperte, concludendo che la maggior parte dei materiali proposti da DeepMind non soddisfa i criteri di "credibilità, utilità e novità". Il valore e l'efficacia dell'uso dell'intelligenza artificiale nella scoperta di nuovi materiali non sono però messi totalmente in discussione. L'uso di sistemi IA come quello implementato da DeepMind, soprannominato GNoME, rappresenta infatti un'avanzata significativa rispetto alle conoscenze preesistenti.
Ciò suggerisce che, nonostante le critiche, l'approccia di DeepMind possiede effettivamente un valore intrinseco. Parallelamente, un progetto di ricerca condotto in collaborazione con il Laboratorio Nazionale Lawrence Berkeley e Google DeepMind ha esplorato la possibilità di automatizzare completamente il processo di scoperta di nuovi materiali. Utilizzando una combinazione di dati storici, machine learning e laboratori robotizzati, questo esperimento ha portato alla sintesi di nuovi materiali senza intervento umano, sottolineando così il potenziale dell'intelligenza artificiale nel campo della ricerca autonoma sui materiali.
Nonostante ciò, le reazioni della comunità scientifica rimangono miste. Mentre alcuni ricercatori riconoscono il valore dell'integrazione dell'IA nella ricerca sui materiali, altri sollevano preoccupazioni sulle effettive innovazioni apportate dai paper in questione. Ad esempio, alcune delle strutture proposte da DeepMind, come l'acqua con formula chimica H2O11, sono state considerate da esperti del settore e addirittura studenti di scuola superiore come inverosimili, mettendo in luce problemi di controllo di qualità nelle previsioni dell'IA.
Tuttavia, DeepMind sostiene fermamente i risultati pubblicati sul paper di GNoME, affermando che centinaia di materiali previsti sono già stati sintetizzati con successo da scienziati in tutto il mondo. Di fronte a queste diverse interpretazioni, emerge chiaramente la necessità di un dialogo continuo e di ulteriori ricerche per comprendere meglio il ruolo e il potenziale dell'intelligenza artificiale nella scienza dei materiali. Anche se è innegabile che l'IA possa contribuire significativamente alla scoperta di nuovi materiali, la questione se tali scoperte siano effettivamente dirompenti o solo in linea con le conoscenze esistenti rimane aperta.