fbpx H5N1: sicurezza batte trasparenza | Page 121 | Scienza in rete

H5N1: sicurezza batte trasparenza

Primary tabs

Read time: 2 mins

Un po’ malvolentieri, e sottolineando la loro contrarietà, ma sia Albert Osterhaus, dell’Erasmus Medical Center di Rotterdam, sia Yoshihiro Kawaoka, dell’Università del Wisconsin, a Madison, si sono piegati alle richieste del National Science Advisory Board for Biosecurity, l’organismo governativo statunitense: entrambi i gruppi di ricerca stanno apportando tagli e modifiche ai loro lavori, sottoposti rispettivamente a Science e Nature, per evitare che  qualche malintenzionato li possa riprodurre, scatenando la pandemia del secolo.

Negli studi che terrorizzano le autorità USA, e di cui Scienzainrete ha già parlato, si sono infatti riusciti a creare in laboratorio ceppi di virus A/H5N1 (quello dell’influenza aviaria) potenzialmente in grado di trasmettersi da uomo a uomo. Una capacità che renderebbe davvero minacciosa l'altissima letalità di questo virus, che per ora si può prendere solo da uccelli infetti.

Secondo quanto riportato dai giornali stamattina, i direttori di Science e Nature avevano ricevuto dalle autorità statunitensi l’invito senza precedenti a non pubblicare i dati salienti degli esperimenti. Questa sera si è saputo che i ricercatori, pur recalcitrando, hanno accettato di censurare i loro paper.

Il direttore di Science, Bruce Alberts, ha dichiarato che non pubblicherà nulla senza il placet delle autorità, ma ha anche ribadito la necessità di mettere i dati oscurati a disposizione degli esperti qualificati che li richiederanno. Per questo sta discutendo con le autorità stesse un meccanismo di controllo: bisognerà capire però quali saranno i criteri per decidere chi potrà avere accesso a queste informazioni.

 Science, 22 dicembre 2011

 

Autori: 
Sezioni: 
Virus

prossimo articolo

LLM e ricerca scientifica: opportunità, rischi e controlli

disegno di ricercatore al computer

Come integrare i modelli linguistici di grandi dimensioni nel processo scientifico senza comprometterne l'integrità? Gli LLM sono utili quando velocizzano lavoro ripetitivo e preparatorio. Diventano rischiosi quando il loro output entra direttamente nel processo di validazione o nella decisione scientifica. La questione da porre non è se ma come integrarli nel processo scientifico senza comprometterne l'integrità.

Immagine di copertina realizzata con ChatGPT

Nel discorso pubblico, intelligenza artificiale e Large Language Model (LLM) vengono spesso usati come sinonimi. Non lo sono. L'IA è il campo più ampio che comprende tecniche diverse — dai sistemi simbolici all'apprendimento automatico, dalla visione artificiale alla robotica, fino ai modelli generativi. Gli LLM sono una classe specifica di questi sistemi: modelli addestrati su grandi quantità di testo e, sempre più spesso, di dati multimodali, capaci di produrre risposte linguisticamente plausibili, codice, sintesi, classificazioni e proposte operative.