AI sviluppa un modello universale che unisce fisica e biologia grazie a JEPA-Anything

Un team internazionale di ricercatori ha sviluppato un modello AI universale, JEPA-Anything, in grado di unire concetti della fisica e della biologia, aprendo nuove possibilità per la medicina e la robotica. L’innovazione, basata sull’architettura originale di Yann LeCun, permette al modello di prevedere dinamiche complesse in diversi contesti, come la crescita cellulare o il movimento planetario. L’approccio, presentato in un articolo pubblicato su Arxiv, ha mostrato risultati promettenti in test su cellule tumorali, organoidi e simulazioni di orbite. La ricerca, condotta da un team con collaborazioni da Stanford, Oxford e Princeton, rappresenta un passo avanti nella creazione di modelli AI in grado di operare in diversi ambiti senza la necessità di adattamenti specifici per ogni campo.

Un modello universale per fisica e biologia

JEPA-Anything estende l’architettura iniziale di LeCun, JEPA, permettendo al modello di prevedere futuri stati di sistemi complessi, come molecole, robot o pazienti. L’approccio si basa su una strategia innovativa: anziché concentrarsi su una singola previsione, il modello suddivide il processo in più parti, ciascuna gestita da un modulo specifico. Questo metodo ha permesso al modello di identificare schemi che i modelli tradizionali non riuscivano a catturare. Ad esempio, in un test su simulazioni di orbite, il modello ha recuperato una precisione quasi perfetta, ottenendo un valore molto vicino a quello della terza legge di Keplero.

Il modello ha anche dimostrato un vantaggio significativo in test su dinamiche fisiche, come l’equazione di Burgers, un benchmark comune per la dinamica dei fluidi. L’errore di previsione è stato ridotto quasi a metà in un test separato. Inoltre, il modello ha mostrato una buona capacità di classificare tipi cellulari e di prevedere eventi patologici, anche se i miglioramenti su immagini erano limitati.

Risultati in ambito medico e scientifico

Il team ha testato JEPA-Anything su dati biologici complessi, tra cui attività genica, livelli proteici e dati da schermi CRISPR. Il modello ha identificato un candidato per un trattamento del cancro al fegato, combinando due approcci: l’attivazione di cellule immunitarie tramite IL-18 e il blocco dell’enzima CD73, utilizzato dai tumori per sopprimere le risposte immunitarie. I test su cellule tumorali, organoidi e tessuti umani hanno mostrato un aumento significativo della distruzione delle cellule tumorali e una maggiore attivazione delle cellule immunitarie. Il modello ha anche ottenuto risultati promettenti in simulazioni di movimento per robot, vincendo in due su tre ambienti di test. L’approccio ha anche mostrato un vantaggio su dinamiche fisiche, mentre l’edge rispetto a JEPA è stato quasi impercettibile per dinamiche a pixel.

Il team ha anche sottolineato che il modello non interpreta direttamente i dati, ma lascia che i ruoli emergano durante il training. Questo metodo, pur non garantendo relazioni causali reali, ha permesso al modello di separare efficacemente le componenti apprese. L’obiettivo a lungo termine del team è di integrare JEPA-Anything in un ciclo di ricerca automatica, in cui agenti AI propongono e valutano esperimenti, quindi alimentano il modello con i risultati. I codici e i modelli sono disponibili al pubblico, e il lavoro rappresenta un passo avanti nella creazione di modelli AI universali in grado di operare in diversi contesti scientifici.