Google sta testando un nuovo strumento di ricerca basato sull’intelligenza artificiale, Scholar Labs, progettato per fornire studi altamente pertinenti basati su query dettagliate. Questo cambiamento solleva una domanda chiave: come risponderanno gli scienziati a un motore di ricerca che dà priorità all’analisi dei contenuti rispetto ai parametri tradizionali come il numero di citazioni e i fattori di impatto delle riviste?
Lo strumento utilizza l’intelligenza artificiale per comprendere le relazioni tra le parole in una query, facendo emergere ricerche che altrimenti potrebbero essere trascurate. In una dimostrazione che coinvolgeva le interfacce cervello-computer (BCI), Scholar Labs ha identificato un documento di revisione pertinente pubblicato su Applied Sciences, rilevando correttamente la sua discussione sull’elettroencefalografia e sui principali algoritmi. Tuttavia, lo strumento non dispone di filtri per gli indicatori di qualità ampiamente utilizzati.
Il problema con le metriche esistenti
Il sistema attuale fa molto affidamento sulle citazioni (quanto spesso uno studio viene citato da altri) e sui fattori di impatto della rivista (una misura del prestigio di una rivista). Sebbene questi parametri offrano una misura approssimativa dell’influenza, sono imperfetti. Gli articoli più citati non sono sempre migliori e i lavori appena pubblicati o interdisciplinari possono essere completamente persi. Uno studio degli anni ’90 potrebbe avere migliaia di citazioni, mentre un documento innovativo del 2024 potrebbe non averne nessuna. Natura ha un fattore di impatto pari a 48,5, mentre Scienze applicate riporta 2,5, ma ciò non riflette necessariamente la qualità della ricerca.
Google sostiene che fare affidamento esclusivamente su questi parametri può escludere ricerche preziose, soprattutto nei campi emergenti. Lisa Oguike, portavoce di Google, ha spiegato che limitare in base al fattore di impatto o al numero di citazioni può “perdere documenti chiave… in particolare, documenti in campi interdisciplinari/adiacenti o articoli pubblicati di recente”.
Ruolo potenziale dell’intelligenza artificiale
Gli esperti concordano sul fatto che il numero delle citazioni e i fattori di impatto sono valutazioni imperfette della qualità. Matthew Schrag, professore associato di neurologia alla Vanderbilt, nota che questi parametri “parlano più del contesto sociale dell’articolo” che del suo valore intrinseco. La ricerca basata sull’intelligenza artificiale potrebbe teoricamente ampliare la portata della scoperta, facendo emergere studi che altrimenti potrebbero essere sepolti.
James Smoliga, professore alla Tufts University, ammette di fidarsi inconsciamente degli articoli più citati nonostante ne conosca i difetti. Il sistema non è infallibile, ma Scholar Labs mira a colmare queste carenze analizzando il testo completo degli articoli di ricerca, considerando i dettagli della pubblicazione, la paternità e la cronologia delle citazioni.
Un approccio olistico
In definitiva, la ricerca basata sull’intelligenza artificiale come Scholar Labs può rappresentare una preziosa aggiunta all’ecosistema scientifico. Offre una rete più ampia per la scoperta e la comprensione contestuale. Tuttavia, il giudizio finale sulla qualità della ricerca deve spettare agli scienziati stessi. Come sottolinea Schrag, “bisogna avere un’idea di quali siano gli standard nel settore in termini di rigore e se uno studio li soddisfa”. Gli algoritmi dovrebbero assistere, non sostituire, il pensiero critico nella valutazione del lavoro scientifico.
Scholar Labs rappresenta uno spostamento verso scoperte di ricerca più sfumate, ma la supervisione umana rimane fondamentale per garantire l’integrità scientifica.
