Achyuta Rajaram: vincitore del Regeneron Science Talent Search che decodifica il processo decisionale dell'intelligenza artificiale

(Novembre 22, 2024) Achyuta Rajaram, un diciassettenne studente dell'ultimo anno alla Phillips Exeter Academy, è salito sul palco a Washington, DC, scioccato quando il suo nome è stato annunciato come il vincitore assoluto del Regeneron Science Talent Search 17. Il suo progetto, che ha sviluppato un metodo per identificare i componenti decisionali dei sistemi di intelligenza artificiale (IA), gli è valso il premio di 2024 $ della competizione. È stato un momento di riconoscimento per anni di sforzi disciplinati nel comprendere l'apprendimento automatico e nel superarne i limiti.

"Quando hanno chiamato il mio nome, ho pensato sinceramente che sarei svenuto", ha ricordato Rajaram. "Quando hanno annunciato il primo classificato, avevo pienamente accettato di non essere tra i primi dieci. Ero sinceramente felice per i miei amici e pronto a celebrare il loro successo". Invece, il riconoscimento è stato suo.

Il Regeneron Science Talent Search, spesso definito "Junior Nobel Prize", è uno dei concorsi STEM più prestigiosi degli Stati Uniti. Sfida gli studenti delle scuole superiori a sviluppare progetti innovativi dimostrando versatilità e profondità accademica. Più di 2,000 studenti hanno fatto domanda nel 2024, gareggiando in quello che gli organizzatori hanno descritto come il più grande bacino di iscrizione dagli anni '1960.

Affrontare un problema chiave nella ricerca sull'intelligenza artificiale

Il progetto di Rajaram affronta un problema chiave nella ricerca sull'intelligenza artificiale: comprendere come i modelli elaborano le informazioni. Mentre i sistemi di intelligenza artificiale sono diventati onnipresenti, generando immagini, diagnosticando malattie o guidando automobili, i loro processi decisionali rimangono spesso opachi. Questa mancanza di trasparenza crea rischi, da pregiudizi ingiusti a pericolose classificazioni errate.

Il metodo di Rajaram automatizza l'identificazione di quali parti di un modello contribuiscono alle sue decisioni. "Si può pensare a questo come all'identificazione di quali neuroni in un cervello umano si accendono quando si guarda un'immagine", ha spiegato. "Tranne che qui è un algoritmo, non un cervello".

Questo lavoro è particolarmente rilevante per i modelli di riconoscimento delle immagini, che sono utilizzati in applicazioni che vanno dal riconoscimento facciale ai veicoli autonomi. Rajaram ha testato il suo codice su un modello di intelligenza artificiale open source e ha scoperto che ha aiutato a risolvere un difetto significativo: la classificazione errata delle immagini quando nelle vicinanze appariva del testo in conflitto. Ad esempio, un'immagine di un semaforo rosso etichettata con la parola "verde" a volte veniva erroneamente identificata come verde. Il metodo di Rajaram ha individuato e affrontato il problema isolando i componenti responsabili della classificazione errata.

"Man mano che i modelli di intelligenza artificiale diventano più complessi, analizzarli manualmente diventa quasi impossibile", ha affermato. "Il mio obiettivo era creare uno strumento che potesse automatizzare questo processo, rendendo questi sistemi più affidabili e sicuri da usare".

Prime influenze e supporto

Rajaram attribuisce il suo interesse per l'informatica ai suoi genitori, che lavoravano entrambi nell'ingegneria del software. "I miei genitori si sono incontrati mentre lavoravo presso IBM in India", ha detto. "Fin da piccolo, mi hanno incoraggiato a stare vicino ai computer e a imparare a programmare". Questa base gli ha dato la sicurezza di immergersi in concetti complessi e sperimentare tecnologie emergenti.

Alla Phillips Exeter Academy, Rajaram si è subito distinto per la sua curiosità accademica e la sua leadership. È co-direttore dei club di fisica, chimica e scacchi della scuola, mantenendo un programma rigoroso. Il suo interesse per l'intelligenza artificiale è cresciuto durante il suo primo anno, quando ha notato che gran parte della ricerca si concentrava sull'elaborazione del linguaggio naturale, come i chatbot, piuttosto che sui modelli di intelligenza artificiale basati sulle immagini.

"Ho notato una lacuna nella ricerca e ho voluto esplorarla ulteriormente", ha affermato. "Le immagini sono fondamentali per così tante applicazioni di intelligenza artificiale, ma non comprendiamo appieno come questi modelli interpretano i dati visivi".

Il progetto di Rajaram richiedeva più della curiosità: richiedeva tempo, disciplina e tutoraggio da parte di esperti. Ha lavorato a stretto contatto con la dott. ssa Sarah Schwettmann al Massachusetts Institute of Technology, trascorrendo tre giorni alla settimana nel suo laboratorio. Ogni settimana, ha dedicato dalle 25 alle 30 ore a perfezionare il suo codice e a testarne le applicazioni.

"La guida della Dott. ssa Schwettmann è stata inestimabile", ha affermato. "Mi ha aiutato a pensare in modo critico alle implicazioni pratiche del mio lavoro e mi ha incoraggiato a spingermi oltre i limiti di ciò che il progetto poteva raggiungere".

I vincitori del Regeneron Science Talent Search 2024

Un impatto pratico

Le applicazioni pratiche della ricerca di Rajaram vanno ben oltre la concorrenza. Il suo metodo potrebbe essere utilizzato per migliorare la trasparenza dei sistemi di intelligenza artificiale in settori come sanità, finanza e trasporti. Ad esempio, nell'imaging medico, il suo approccio potrebbe aiutare a identificare il modo in cui gli algoritmi diagnosticano le malattie, assicurando che le decisioni siano basate su caratteristiche rilevanti piuttosto che su correlazioni spurie.

"C'è così tanto in gioco quando si parla di IA", ha detto. "Capire come funzionano questi sistemi è il primo passo per migliorarli".

Rajaram sta già guardando avanti alla fase successiva della sua ricerca. Dopo essersi laureato alla Phillips Exeter Academy, ha in programma di frequentare il Massachusetts Institute of Technology, dove si laureerà in informatica. Il suo obiettivo è applicare il suo metodo a una gamma più ampia di modelli di intelligenza artificiale, in particolare quelli utilizzati in applicazioni critiche come la guida autonoma e il riconoscimento facciale.

"Questo è solo uno strumento in una cassetta degli attrezzi più ampia per comprendere l'IA", ha affermato. "Più sappiamo come funzionano questi modelli, più possiamo fidarci di loro e migliorarli".

Oltre il laboratorio

Nonostante i suoi successi accademici, Rajaram trova il tempo per dedicarsi alle attività tipiche di un adolescente. È un appassionato batterista jazz e un appassionato di scacchi, spesso partecipando a tornei scolastici. Gli piace anche trascorrere del tempo con gli amici, visitando spesso i ristoranti locali.

"Il mio piatto preferito sono le costolette di maiale al miele al Szechuan Taste", ha detto con un sorriso. "È il modo migliore per rilassarsi dopo una lunga settimana".

La sua capacità di bilanciare un rigoroso impegno accademico con interessi extracurriculari riflette un approccio alla vita disciplinato ma concreto.

Consigli per gli aspiranti innovatori

Achyuta Rajaram è consapevole che il suo risultato ispirerà altri giovani scienziati, ed è veloce nell'offrire consigli pratici. "Siate curiosi di tutto, non solo del vostro campo prescelto", ha detto. "Più esplorate, più troverete connessioni tra idee diverse. La maggior parte delle cose diventa affascinante quando si scava abbastanza in profondità".

Ha anche sottolineato l'importanza della perseveranza. "La ricerca può essere frustrante. Ci sono stati momenti in cui il mio codice non funzionava e mi sentivo bloccato. Ma ogni fallimento mi ha insegnato qualcosa di nuovo, ed è questo che mi ha spinto ad andare avanti".

Un futuro nell'intelligenza artificiale

Il lavoro di Rajaram evidenzia il potenziale dei giovani scienziati nel contribuire ad alcune delle sfide più urgenti del mondo. Migliorando la trasparenza e l'affidabilità dei sistemi di intelligenza artificiale, la sua ricerca affronta preoccupazioni che da tempo affliggono il settore.

Il suo successo al Ricerca di talenti scientifici Regeneron è solo l'inizio. Mentre si prepara a entrare al MIT, Achyuta Rajaram rimane concentrato nel superare i limiti di ciò che l'IA può raggiungere, e nel garantire che serva la società in modo responsabile.

"Voglio che il mio lavoro abbia un impatto reale", ha detto. "C'è ancora così tanto che non sappiamo sull'intelligenza artificiale e sono entusiasta di far parte dello sforzo per cambiare le cose".

In un'epoca in cui l'intelligenza artificiale sta rimodellando le industrie, i contributi di Rajaram si distinguono per la loro chiarezza e finalità. Il suo viaggio serve a ricordare l'importanza della curiosità, della disciplina e dell'impegno a comprendere i sistemi che plasmano sempre di più il nostro mondo.

• Scopri di più affascinante Storie