Atom2Vec è un software sviluppato dall’Università di Stanford, un programma di intelligenza artificiale che ha ottenuto in poche ore un risultato costato oltre un secolo di tentativi ed errori:  è riuscito ad apprendere le caratteristiche dei diversi elementi della tavola periodica di Mendeleev, categorizzandoli in base alle proprietà atomiche, dopo aver studiato una lista di nomi di composti chimici.

Per raggruppare gli elementi in base alle loro affinità chimiche l’AI ha preso spunto dal concetto che le proprietà delle parole possono essere dedotte a partire dai vocaboli vicini.

Atom2Vec considera solo l’esistenza di composti in un database di materiali, senza riferimento ad alcuna proprietà specifica dei materiali. Questo enorme set di dati viene sfruttato per una funzione di apprendimento nella scienza dei materiali in modo non supervisionato.  Atom2Vec segue l’idea centrale secondo cui le proprietà di un atomo possono essere dedotte dagli ambienti in cui vive, il che è simile all’ipotesi distributiva in linguistica. In un composto, ciascun atomo può essere selezionato come tipo di bersaglio, mentre l’ambiente si riferisce a tutti gli atomi rimanenti insieme alle loro posizioni rispetto all’atomo di destinazione. Intuitivamente, atomi simili tendono ad apparire in ambienti simili, il che consente al nostro Atom2Vec di estrarre conoscenza dalle associazioni tra atomi e ambienti e quindi rappresentarla in forma vettoriale come discusso di seguito.

Il gruppo di lavoro si è ispirato a un’intelligenza artificiale di Google, Word2Vec, che è capace di stimare la probabilità che una parola appaia in una frase a partire dall’occorrenza di altre parole. Ci riesce trasformando le parole in codici numerici (o “vettori matematici”).

L’idea può essere applicata agli atomi. Dopo aver esaminato le formule di tutti i composti chimici noti, Atom2Vec ha scoperto da solo, per esempio, che potassio (K) e sodio (Na) devono avere proprietà simili, perché entrambi si possono legare al cloro (Cl).

La speranza è che presto queste capacità di Atom2Vec possano essere sfruttate per scoprire o mettere a punto nuovi materiali: ad esempio, assegnandogli il compito di trovare la combinazione di elementi più efficiente per convertire i raggi solari in energia.

Altre applicazioni interessanti riguarderanno la medicina. Il team sta lavorando a una nuova versione del software che riesca a trovare i giusti anticorpi per prendere di mira gli antigeni sulle cellule cancerose (e rendere così efficaci le immunoterapie). Il nostro corpo ne produce più di 10 milioni, ognuno risultante dall’espressione di una cinquantina di geni: se questi geni possono essere mappati come vettori matematici, così come è avvenuto per gli elementi chimici, potrebbe essere organizzata una specie di tavola periodica degli anticorpi. A quel punto, se individuato un anticorpo efficace contro un certo antigene, si sceglierà all’interno della stessa famiglia quello meglio tollerato dall’organismo.

Tornando alla tavola periodica, dimostrare che un’intelligenza artificiale è capace di arrivare alle stesse scoperte fatte dall’uomo è il primo passo per capire se possa scoprire da sola nuove leggi naturali.

Se ci riuscisse sarebbe un traguardo più significativo di quello fissato dallo standard corrente per valutare se una macchina sia in grado di “pensare” in modo autonomo.