NOVITA'[1649]

L’integrazione dell’Intelligenza Artificiale nella ricerca scientifica richiede un passaggio fondamentale dalla "black box" alla consapevolezza architettonica. Il presente lavoro esplora l'utilizzo degli autoencoder — una forma specifica di IA generativa — non come semplici strumenti di denoising, ma come modelli interpretativi nella spettroscopia, che nel caso ora proposto è la spettroscopia Raman. Attraverso la compressione dei dati in uno spazio latente, ottimizzato mediante funzioni di attivazione come la sigmoide, l'autoencoder permette di trascendere il dato grezzo per generare uno pseudospettro. Questa strategia, basata sull'apprendimento di cluster di materiali puri (derivanti da database come RRUFF), consente di creare modelli di riferimento ideali. Lo pseudospettro diventa così un ponte metodologico per validare segnali o reinterpretare dati storici. Non solo, lo pseudospettro aiuta a comprendere come l'Autoencoder ragioni. In tal modo esso non è più una scatola nera ma uno strumento cognitivo. L’approccio proposto dimostra quindi come un uso consapevole delle architetture neurali possa trasformare l'IA in un raffinato setaccio molecolare, capace di rivelare la firma vibrazionale autentica di minerali e composti organici, anche in presenza di un elevato rapporto segnale-rumore.

Viviamo in tempi molto difficili. La conoscenza e la sua produzione sono sottoposte a un duro attacco da parte del capitalismo liberale, che incentiva l'uso dell'astrazione statistica. L'astrazione statistica, nella forma della razionalità computazionale (IA), produce conoscenza probabilistica operativa. Ciò significa che la domanda che questo tipo di produzione di conoscenza ci pone – o il modo in cui rappresenta la scienza – non riguarda più cosa si debba dire o sapere oggettivamente. Ora la domanda è piuttosto cosa fare della conoscenza prodotta (da qui la conoscenza operativa). (Il saggio che segue è in lingua inglese)

I never lost the habit of saving documents, and I have been accumulating them in folders on my computer over the years. Just as I aim to save the best documents I have encountered, I now want to start curating the best documents I have come across each year. Here is a list of documents I came across during the year 2024.