L’innovazione è diventata sempre più difficile. Non solo le aziende spendono sempre meno per la ricerca, ma anche i ricercatori sono sempre meno produttivi. Queste sono le conclusioni di una ricerca americana pubblicata nel 2020. Si applicano tanto all’informatica quanto all’agricoltura e alla medicina. Tuttavia, gli LLM (Large Language Models) offrono una nuova speranza, che promette di rivoluzionare la ricerca. La produttività dei ricercatori che utilizzano questi LLM potrebbe aumentare notevolmente.
La Legge di Moore, l’esempio perfetto del declino della produttivitÃ
La legge di Moore prevede che la densità dei transistor raddoppi ogni 2 anni. Ciò corrisponde a un aumento annuale costante del 35% della densità . Tra il 1970 e il 2020, la Legge di Moore è stata perfettamente rispettata (vedi grafico sotto). È indubbiamente diventata un obiettivo per i produttori, che hanno compiuto sforzi senza precedenti in termini di ricerca per raggiungerla (questa è di per sé un’applicazione virtuosa della Legge di Goodhart).
I 4 autori dell’articolo mostrano che il numero di ricercatori necessari per raddoppiare il numero di transistor è 18 volte superiore a quello del 1970. Il raggiungimento degli obiettivi fissati dalla Legge di Moore implica un aumento costante del 35% annuo della densità dei transistor. Tra il 1970 e il 2015, i ricercatori hanno analizzato le spese per il personale di ricerca di tutte le aziende coinvolte nello sviluppo di chip. I risultati sono evidenti nel grafico seguente, tratto dal loro articolo.
Come scrivono gli autori della ricerca:
“Lo sforzo di ricerca è aumentato di 18 volte dal 1971. Questo aumento si verifica mentre il tasso di crescita della densità dei chip è più o meno stabile: la costante crescita esponenziale implicita nella Legge di Moore è stata raggiunta solo grazie a un massiccio aumento delle risorse dedicate a far avanzare la frontiera”.
Questo aumento di 18 volte dei ricercatori corrisponde in ultima analisi a un calo medio annuo della produttività del 6,8%.
Perché? Raggiungere gli obiettivi della Legge di Moore significa spingere i limiti tecnici e fisici un po’ più in là (finezza dell’incisione, dispersione del calore). Sotto questo “calo di produttività ” si nasconde una sfida tecnologica esponenziale con il passare degli anni. Possiamo ringraziare Gordon Moore, la cui previsione nel 1965 si è indubbiamente trasformata in un obiettivo industriale inconsapevole che ha contribuito a far progredire l’informatica.
La ricerca agricola non è all’altezza delle sfide della produttivitÃ
Naturalmente, le sfide della ricerca non si limitano all’informatica. L’agricoltura è un altro settore in cui la ricerca è fondamentale per affrontare le sfide del pianeta. Considerando tutti i tipi di colture, gli autori mostrano che la capacità di aumentare la resa (linea blu) sta diminuendo, mentre allo stesso tempo lo sforzo di ricerca sta aumentando (linea verde).
Il grafico è certamente meno leggibile di quello relativo alla Legge di Moore. Ma le conclusioni sono le stesse. In poche parole, ci vogliono più ricercatori per condurre meno ricerca rispetto al passato. Tra il 1970 e il 2007, il calo della produttività della ricerca agricola è stato in media del 3,7% all’anno.
Gli autori hanno analizzato gli sforzi di ricerca in modo più dettagliato in base al tipo di coltura: mais, grano, soia e cotone. E, naturalmente, i risultati sono coerenti anche a questo livello (vedi immagine sotto). Nel caso di mais e soia, il numero di ricercatori è aumentato di 24 unità tra il 1970 e il 2010.
La medicina dà ai pazienti sempre meno speranze
Se c’è un settore in cui gli sforzi della ricerca sono visibili al grande pubblico, è quello della ricerca medica. Trovare cure per le malattie che ci impediscono di invecchiare è una priorità .
- il numero di anni di vita “salvati” per diversi tipi di malattie (tumori, cancro al seno, malattie cardiache)
- il numero di pubblicazioni scientifiche su queste diverse malattie come proxy dello sforzo di ricerca.
I dati mostrano che lo sforzo di ricerca aumenta linearmente mentre la produzione di ricerca diminuisce. Qualunque sia la malattia studiata, i risultati sono gli stessi.
Conclusioni
È sempre più faticoso mantenere il ritmo dell’innovazione. Tuttavia, se si misurano i risultati (numero di transistor, resa delle colture, anni di vita salvati), un numero maggiore di ricercatori è al lavoro.
La “resa” della ricerca diminuisce costantemente perché è semplicemente sempre più complicato “trovare”. Stiamo superando i limiti della materia, i limiti della vita, per cercare di migliorare ciò che può essere migliorato. Ma spingere questi limiti sta diventando sempre più difficile. Questo spiega perché i singoli ricercatori sono sempre meno efficienti. Quindi, conducono sempre di più per tenere il passo (Legge di Moore), e a volte non è nemmeno sufficiente (agricoltura, medicina).
È qui che gli LLM (Large Language Models) portano speranza. Questa tecnologia dirompente può consentire a questi stessi ricercatori di ottenere un aumento della produttività . Le prove iniziali sono state promettenti. Un hackathon ha individuato diversi aumenti di produttività nella ricerca di nuovi materiali. Gli LLM potrebbero anche semplificare la scoperta di nuovi farmaci. In breve, al di là di applicazioni aneddotiche come la creazione di contenuti, gli LLM aprono un campo di possibilità che probabilmente darà un impulso alla produttività dei ricercatori in tutti i campi.
Posted in innovazione, Ricerca.
