Matteo Manica, wiskundige: "AI geeft ons superkrachten; het is aan ons om te kiezen hoe we ze gebruiken."

Ze zeggen dat wiskunde de dienaar en dienstmaagd van alle disciplines is. En dat klopt. Geen enkele wetenschap kan zonder. Wiskunde is een prachtige discipline en kan de wereld veranderen, maar op zichzelf, zonder de andere disciplines, loopt ze het risico abstract te worden. Met kunstmatige intelligentie kan ze bijvoorbeeld worden toegepast op wetenschappelijke ontdekkingen en industriële problemen. Dat is wat ik doe.

Matteo Manica is verliefd op zijn vak, wiskunde. Zolang het maar toegepast wordt. Hij is senior onderzoeker bij IBM Research in Zürich, een verborgen parel in het hart van Europa waar Nobelprijs- en Turing Award-winnaars werken. de meest geavanceerde technologieën worden geboren, van kunstmatige intelligentie tot quantum computing.

Manica bouwt AI-modellen om industriële processen te verbeteren, van het genereren van nieuwe, duurzamere materialen tot het modelleren van nieuwe chemische formules.

Hij studeerde wiskundige technologie aan de Polytechnische Universiteit van Milaan en koos er vanaf het begin voor om te werken in het gebied waar theorie en toepassing samenkomen. "Wiskunde is een noodzakelijke voorwaarde. Het houdt elke discipline bij elkaar, maar op zichzelf is het niet genoeg. We hebben andere hulpmiddelen, andere talen nodig om er betekenis aan te geven."

Bij IBM Research in Zürich creëerden Manica en zijn team in 2020 iets ongekends: een chemisch laboratorium volledig aangestuurd door kunstmatige intelligentie. Ze trainden natuurlijke taalmodellen – modellen zoals ChatGPT, Claude, Granite en andere – met miljoenen patenten op het gebied van organische chemie en bouwden een systeem dat in staat is om autonoom nieuwe moleculen te creëren.

Het werkt zo: je tekent een molecuul op een scherm, en gespecialiseerde taalmodellen vertellen je hoe je het moet bouwen, welke reagentia je moet gebruiken en welke stappen je moet volgen. Vervolgens wordt de procedure overgedragen aan een robot. En die robot voert het daadwerkelijk uit. Geen handgeschreven formules, geen vergelijkingen. Gewoon een model dat de taal van de scheikunde kan lezen en schrijven. We behandelen moleculen als sequenties. Het is alsof het model een zin van de ene taal naar de andere vertaalt: van het eindproduct naar de basisingrediënten.

Tegenwoordig ontwikkelt Manica modellen voor de productie van duurzamere producten. "We hebben samengewerkt met grote bedrijven en blijven samenwerken om technologieën te ontwikkelen die de ontwikkeling van duurzamere materialen en processen ondersteunen: voedselverpakkingen, chemische formules en modellering van de levenscyclus van batterijen om de duurzaamheid en efficiëntie te verbeteren.

De 37-jarige uit Novara studeerde natuurwetenschappen aan de middelbare school en koos vervolgens een hoofdvak. "Ik twijfelde tussen filosofie, wiskunde en geneeskunde, omdat mijn ouders artsen zijn, en daarom heb ik het examen afgelegd. Op advies van een professor koos ik uiteindelijk voor wiskundige technologie aan de Polytechnische Universiteit van Milaan." Hij werkte drie jaar bij een spin-off waar hij numerieke systeemsimulaties uitvoerde. "Ik werkte aan modellen voor vulkanologie, modellen voor printprocessen en modellen voor de bloedstroom in slagaders." Daarna keerde hij terug naar school. Hij behaalde een doctoraat aan de ETH Zürich, gesponsord door IBM. "Ik deed dingen die vergelijkbaar waren met wat ik nu doe, maar dan meer toegepast op biologie of computationele biologie." Daar begon hij statistische en machine learning-modellen te gebruiken, ontworpen voor data-intensieve contexten. We hebben deze modellen, die doorgaans toepassingen vinden in vakgebieden waar veel en gemakkelijk verkrijgbare data beschikbaar is, gebruikt en geprobeerd ze toe te passen op contexten, zoals biologische contexten, waar je in de beginfase geen kant-en-klare data hebt. De impact is ongelooflijk: ze kunnen zeer complexe systemen beschrijven zonder dat er per se regels of vergelijkingen hoeven te worden opgelegd.

Voor een wiskundige zoals hij, die gewend was modellen te bouwen op basis van formules, was het een keerpunt. "Ik heb wiskunde gestudeerd en altijd modellen gemaakt op basis van vergelijkingen." Maar daar begon zijn perspectief te veranderen. "We zijn overgestapt van de ouderwetse, bijna Newtoniaanse benadering van de wetenschap naar een meer datagedreven aanpak."

Hij gebruikt een eenvoudig voorbeeld om het uit te leggen: "De val van een zwaar voorwerp. Je ziet het vallen en op een gegeven moment zeg je: het lijkt erop dat er een constante is, namelijk de versnelling, en die hangt af van de massa. Dus je bedenkt je eigen systeempje dat zegt: de uitgeoefende kracht moet een constante zijn, g, vermenigvuldigd met een variabele: de massa."

Zolang het systeem eenvoudig is, werkt het. Maar zodra de complexiteit toeneemt, verschuift het paradigma en kun je niet alles modelleren.

Vandaar de verschuiving: "We zijn overgestapt van een deterministische benadering, waarbij je ervan uitgaat dat je alles weet, naar een systeem waarbij je je oordeel opschort en zegt: ik weet niet precies hoeveel variabelen er zijn, ik wil dat de data tot me spreken."

De meeste projecten worden uitgevoerd met een open-sourcebenadering, en dat is waar IBM in gelooft, omdat samenwerking binnen de open-sourcecommunity de beste resultaten oplevert. "Wij doen iets dat heel erg lijkt op wat er in een universitaire omgeving kan gebeuren."

Een prachtige plek voor wetenschappers.

Het eerste wat het bijzonder maakt, is de locatie: we zitten vlakbij de ETH Zürich, die wat mij betreft tot de beste universiteiten van Europa behoort. Bovendien hebben we de mogelijkheid om samen te werken met andere topuniversiteiten. En dan is er nog een super levendige onderzoeksgemeenschap, die samenwerkt met bedrijven zoals Microsoft, Apple, Google, Nvidia, Anthropic en OpenAI.

En nogmaals: het is een historische instelling. Het was het eerste laboratorium dat IBM buiten de Verenigde Staten opende, in 1956, en wanneer je het Think Lab binnenstapt, adem je een sfeer in die bol staat van excellentie. Je kunt er experts ontmoeten op het gebied van AI, cryptografie, natuurkunde, quantum computing en moleculaire simulaties. Sommige Nobelprijswinnaars hebben hier gewerkt. Je gaat naar de cafetaria en ontmoet meer dan 300 wetenschappers met wie je ideeën kunt uitwisselen, en uit deze voortdurende kruisbestuiving kunnen projecten ontstaan ​​die de spelregels kunnen veranderen.

Matteo Manica ziet hier zijn toekomst.

Ik hoop nieuwe toepassingen van wiskunde te vinden in contexten die echt impact hebben. De transitie naar duurzamere industrieën is bijvoorbeeld een van de belangrijkste uitdagingen. Ik denk aan consumptiegoederen, de materialen die we dagelijks gebruiken: als je erin slaagt om zelfs maar één productieproces te optimaliseren, is de impact op het milieu enorm. Dit zijn onzichtbare, maar ingrijpende veranderingen. Ze halen misschien niet de krantenkoppen zoals een nieuw medicijn, maar ze kunnen de wereld waarin we leven verbeteren. Ze doen het stilletjes, voor iedereen.

Manica, wetenschapper en muzikant, beweert dat wiskunde ook een rol speelt in zijn passie voor muziek. "Ik heb veel tijd besteed aan spelen; ik speel nog steeds elektrische bas en contrabas op een behoorlijk niveau. Maar ik heb ook dwarsfluit en altsaxofoon gespeeld. En muziek heeft veel wiskunde achter zich: de trillende snaar, de vergelijkingen die stemming beschrijven, de evolutie van harmonie, Schönbergs twaalftoonssystemen." Het is altijd wiskunde die nieuwsgierigheid opwekt.

"Het wekte mijn interesse in dingen. En als wiskunde de dienaar en dienstmaagd van alle wetenschappen is, speelt de bas dezelfde rol in de muziek: zonder bas werkt niets, en op zichzelf betekent het niets."

Wat heb je in je carrière geleerd dat nuttig kan zijn voor ons allemaal? "De belangrijkste les is dat wiskunde niet moeilijk is. Misschien moeten we gewoon heroverwegen hoe we het onderwijzen. Ik heb geen recept, maar ik weet dat het veel makkelijker is dan het lijkt. Je moet gewoon niet bang zijn. Het vergt geduld. Het vergt oefening, zoals alles. Er is niets bijzonders aan wat ik heb gedaan. Je maakt veel fouten, maar als je volhoudt, als je je niet laat verlammen door de complexiteit, kun je stap voor stap overal komen."

Zelfs binnenkomen bij een onderzoeksinstituut als IBM Research is voor Manica geen enkel probleem. "Eervolle vermeldingen, prijzen of wat er op je cv staat, doen er niet toe. Als we iemand aannemen, is dat allemaal volkomen secundair. We gaan voor een whiteboard of een scherm zitten, schrijven een probleem op en proberen het samen op te lossen. Dan begrijp je hoe iemand denkt."

Zal kunstmatige intelligentie de manier waarop we wetenschap bedrijven veranderen? Zal het er zelfs toe leiden dat we een wetenschappelijk artikel schrijven en een ontdekking doen? "Het zal de manier waarop we wetenschap bedrijven veranderen, jazeker. Veel dingen worden vandaag de dag al ontdekt of gesuggereerd door de modellen zelf. Maar we moeten definiëren wat ontdekken betekent. Ik maak me daar geen zorgen over. Misschien schrijft AI wel een wetenschappelijk artikel van tien pagina's en doet het dat beter dan wij, maar zonder onze drie kernpunten die een idee beschrijven, kan het niets. Het zal een enorme impact hebben op veel sectoren in de industrie en de maatschappij. We moeten het correct gebruiken. Bij IBM gebruiken we modellen die zijn afgestemd op een specifiek probleem; ze zijn niet buitensporig duur of energieverslindend, en ze zijn gespecialiseerd. De meeste ervan kunnen praktisch op je computer worden gebruikt. AI zal ons onderzoekers superkrachten geven. We zullen net als augmented scientists zijn..." En misschien gaan we onszelf, in de stilte van de laboratoria, nieuwe vragen stellen.