Le revisioni della letteratura scientifica sono fondamentali per il progresso dei campi di studio. Forniscono un’analisi completa dello stato attuale delle ricerche esistenti, identificando le lacune di conoscenza su cui potrebbero concentrarsi gli studi futuri. Scrivere un articolo di revisione ben fatto richiede un’analisi dettagliata di una vasta gamma di lavori accademici, selezionando studi aggiornati e valutandone la qualità. La sintesi della ricerca è un campo di studio a sé stante, e anche scienziati eccellenti possono non essere altrettanto bravi a scrivere revisioni della letteratura.
L’intelligenza artificiale nella letteratura scientifica
L’intelligenza artificiale sta emergendo in molte industrie per velocizzare e semplificare il processo di revisione della letteratura scientifica. Diverse startup si posizionano come motori di ricerca AI specializzati in ricerca accademica, ognuna con caratteristiche distintive.
Ad esempio, Elicit invita i ricercatori ad “analizzare articoli di ricerca a velocità sovrumana”, mentre Consensus offre un “metro del consenso” per riassumere i principali risultati.
Tuttavia, la domanda rimane: l’AI può sostituire le revisioni sistematiche di alta qualità?
Le sfide della sintesi quantitativa
Gli esperti concordano che i modelli di AI attuali sono eccellenti nell’analisi qualitativa, ma non altrettanto efficaci nella sintesi quantitativa che rende una revisione veramente sistematica. Questo processo quantitativo, che spesso coinvolge metodi statistici come la meta-analisi, è complesso anche per gli esperti umani.
Joshua Polanin, co-fondatore del Methods of Synthesis and Integration Center, sottolinea che mentre i modelli di AI possono riassumere i punti chiave, non sono ancora in grado di gestire la sintesi quantitativa con la stessa efficacia degli umani.
Il futuro degli strumenti di revisione scientifica
James Brady di Elicit e Roman Lukyanenko dell’Università della Virginia vedono un grande potenziale futuro per l’AI nella revisione della letteratura, ma riconoscono che ci sono ancora sfide da superare. Brady crede che le limitazioni attuali non siano tecniche, ma piuttosto una questione di miglioramenti futuri nell’ingegneria dei prompt. Lukyanenko, invece, sottolinea che le AI potrebbero giocare un ruolo cruciale nel fare scoperte interdisciplinari, sfruttando la loro capacità di accedere a vasti archivi di conoscenza e di fare connessioni inaspettate tra diversi campi.
I progressi della scienza spesso derivano da un approccio interdisciplinare, afferma Lukyanenko, ed è qui che il potenziale dell’AI può essere maggiore. Abbiamo l’espressione “uomo del Rinascimento” e mi piace pensare a un’“intelligenza artificiale del Rinascimento”: qualcosa che ha accesso a gran parte delle nostre conoscenze e può creare collegamenti”, afferma Lukyanenko.
