From Traditional Scientists to Agentic AI Research: Unequivocal Diagram-as-Code in Scientific Publications

La scienza si è sempre affidata a due linguaggi per condividere le proprie scoperte: la parola scritta e l'immagine. Un ricercatore potrebbe descrivere un complesso processo biologico in un paragrafo di testo, oppure illustrarlo con un diagramma che mostra come diverse parti di una cellula interagiscono tra loro. Per decenni, questi metodi hanno servito bene i lettori umani, permettendo agli scienziati di costruire sul lavoro l'uno dell'altro. Eppure, sia il linguaggio che le immagini portano con sé un difetto nascosto: sono soggetti a interpretazione. Una frase può essere letta in modi leggermente diversi a seconda del background del lettore, e un disegno può essere compreso diversamente in base a come un osservatore interpreta le forme e le frecce. Questa ambiguità è gestibile per gli esseri umani, ma crea un problema significativo per la nuova generazione di sistemi di intelligenza artificiale progettati per leggere la letteratura scientifica e fare scoperte in autonomia. Questi sistemi, noti come agenti IA, hanno bisogno di informazioni che siano precise e univoche, che non lascino spazio a congetture. Se un'IA interpreta erroneamente un diagramma o una descrizione, può commettere errori che si ripercuotono sul proprio lavoro, portando a conclusioni errate.

In uno studio recente, i ricercatori Mila Glavaški e Lazar Velicki dell'Università di Novi Sad, in Serbia, hanno proposto una soluzione a questo problema. Suggeriscono che i documenti scientifici dovrebbero includere "diagrammi come codice" (diagrams-as-code). Invece di caricare semplicemente un file immagine statico, gli autori fornirebbero il codice effettivo utilizzato per generare quell'immagine. Questo codice funge da insieme di istruzioni matematiche rigorose che dice a un computer esattamente come disegnare ogni linea, forma e connessione. Poiché il codice è un linguaggio di logica piuttosto che d'arte, elimina l'incertezza. Quando un computer legge il codice, vede esattamente la stessa struttura che l'autore intendeva, senza variazioni di significato. I ricercatori hanno testato questa idea prendendo tre tipi comuni di contenuti scientifici riguardanti l'insufficienza cardiaca — descrizioni testuali delle cause, spiegazioni dei meccanismi biologici e percorsi clinici per la cura del paziente — e convertendoli in questo formato di codice. Hanno scoperto che l'approccio funziona, creando un ponte che permette sia ai ricercatori umani che agli agenti IA di comprendere i processi scientifici con totale chiarezza.

I ricercatori hanno iniziato esaminando come le informazioni scientifiche vengono condivise attualmente. Hanno osservato che, sebbene il linguaggio naturale permetta un'infinita varietà di espressioni, permette anche un'infinita varietà di interpretazioni. Uno scienziato potrebbe scrivere che una condizione cardiaca è causata dall'alta pressione sanguigna, mentre un altro potrebbe descriverla come risultato di un danno valvolare. Entrambe sono vere, ma la formulazione specifica può portare un'IA a perdere la connessione tra le due. Allo stesso modo, un diagramma visivo potrebbe mostrare frecce che collegano diverse parti di un sistema, ma senza una definizione rigorosa, un'IA potrebbe non sapere se quelle frecce rappresentano una causa, un effetto collaterale o una semplice associazione. L'obiettivo dello sviluppo moderno dell'IA è creare sistemi che possano compiere scoperte scientifiche in modo autonomo, agendo come ricercatori indipendenti capaci di leggere migliaia di articoli e sintetizzare nuove conoscenze. Per fare ciò, questi agenti IA devono scambiarsi informazioni con perfetta accuratezza. Se un agente passa un compito a un altro basandosi su un diagramma frainteso, l'intera catena di ricerca può fallire.

Per testare la loro idea, Glavaški e Velicki hanno selezionato tre esempi distinti nel campo della cardiologia, lo studio del cuore. Il primo esempio era un paragrafo che descriveva i vari modi in cui si sviluppa l'insufficienza cardiaca, elencando cause come lesione ischemica, sovraccarico di pressione e malattia metabolica. Il secondo era una definizione dell'insufficienza cardiaca come sindrome clinica, dettagliando come problemi strutturali nel cuore portino a sintomi. Il terzo era una guida passo dopo passo per i medici su come valutare un paziente sospettato di avere l'insufficienza cardiaca, coprendo tutto, dalla storia medica all'esame fisico. Accanto a questi testi, hanno utilizzato tre diagrammi corrispondenti che rappresentavano visivamente questi stessi concetti. Questi input hanno servito come materiale grezzo per il loro esperimento.

Il team ha poi utilizzato una versione gratuita di un grande modello linguistico, un tipo di chatbot IA, per convertire questi input in codice. Hanno chiesto all'IA di generare codice per due diversi strumenti di diagrammazione, Mermaid e D2, che sono programmi che trasformano istruzioni testuali in grafici visivi. Per le descrizioni testuali, il prompt era semplice: "Crea il codice per un diagramma Mermaid per questo". Per le immagini esistenti, il prompt era leggermente più specifico: "Crea il codice per un diagramma Mermaid per questa figura. Non aggiungere nulla di tuo". I ricercatori volevano vedere se l'IA potesse guardare un paragrafo di testo o un'immagine statica e tradurli in un insieme di istruzioni logiche che un altro computer potesse leggere.

I risultati hanno dimostrato che l'approccio è fattibile. Per ogni descrizione testuale e per ogni immagine testata, l'IA ha generato con successo il codice che, se eseguito attraverso un editor standard, produceva un diagramma corrispondente al significato originale. Per il testo sugli i meccanismi condivisi dell'insufficienza cardiaca, il codice ha creato un diagramma di flusso che mostra come diversi percorsi portino allo stesso esito. Per il testo che definiva la malattia, il codice ha prodotto un diagramma che collegava varie cause alla condizione. Per il percorso clinico, il codice ha mappato i passaggi che un medico dovrebbe compiere, dalla prima visita all'esame fisico. I ricercatori hanno anche convertito le immagini statiche originali in codice chiedendo all'IA di generare il codice basandosi sulle figure. L'IA è riuscita a produrre istruzioni di codice che, una volta renderizzate, ricreavano la struttura visiva dei meccanismi molecolari, la cascata patofisiologica e il percorso clinico.

Una volta generato il codice, i ricercatori non lo hanno accettato ciecamente. Hanno controllato manualmente l'output negli editor online per Mermaid e D2. Hanno scoperto che, sebbene l'IA cogliesse la struttura generale, a volte erano necessari piccoli aggiustamenti. Ad esempio, la direzione di una freccia poteva dover essere invertita, o una connessione tra due blocchi poteva dover essere spostata in un altro punto per riflettere accuratamente la scienza. Queste piccole modifiche erano necessarie per garantire che il codice rispecchiasse perfettamente la rappresentazione prevista. Tuttavia, il fatto che la struttura centrale potesse essere generata automaticamente era la scoperta chiave. Il codice fungeva da registro immutabile e preciso dell'informazione, mentre il diagramma visivo era semplicemente un modo per gli esseri umani di confermare che il codice fosse corretto.

I ricercatori sottolineano che questo metodo non sostituisce la necessità della supervisione umana. Se un'IA genera codice basandosi su un'allucinazione — un fatto falso inventato dall'IA — il diagramma risultante sarà errato. Tuttavia, il sistema proposto include un controllo integrato. Poiché il codice è leggibile dallamente umano e può essere renderizzato istantaneamente, uno scienziato può guardare il diagramma generato e vedere immediatamente se corrisponde al testo o all'immagine originale. Se non è così, può correggere il codice. Questo processo assicura che la rappresentazione finale sia accurata. Lo studio suggerisce che in futuro i documenti scientifici potrebbero includere questi frammenti di codice accanto al testo e alle immagini tradizionali. Ciò permetterebbe agli agenti IA di leggere il documento ed estrarre l'esatta logica della ricerca senza interpretare erroneamente gli indizi visivi o testuali.

Le implicazioni di questo lavoro vanno oltre l'insufficienza cardiaca. I ricercatori sostengono che questo approccio possa essere applicato a qualsiasi campo scientifico in cui vengono descritti dei processi. Che si tratti del flusso di prodotti chimici in un laboratorio, dei passaggi di un trattamento medico o delle connessioni in un sistema ecologico, rappresentare questi processi come codice li renderebbe universalmente comprensibili. Permetterebbe a uno scienziato umano di passare un progetto a un agente IA, e affinché quell'agente lo passi a un altro, con la garanzia che il significato del lavoro rimanga invariato in ogni fase. Il codice agisce come un traduttore universale, eliminando l'ambiguità del linguaggio naturale e la soggettività delle immagini statiche.

Nella loro discussione, gli autori riconoscono che questo metodo ha dei limiti. Può rappresentare solo ciò che è già noto. Se un processo scientifico coinvolge elementi o relazioni sconosciute che non sono ancora state scoperte, tali lacune non possono essere colmate dal codice. Inoltre, la qualità del codice dipende dalla qualità dell'IA che lo genera. L'uso di prompt più complessi potrebbe dare risultati migliori, ma i ricercatori hanno dimostrato che anche con istruzioni semplici, il sistema funziona abbastanza bene da essere utile. Hanno anche notato che, sebbene abbiano usato Mermaid e D2, altri strumenti come PlantUML o Graphviz potrebbero servire allo stesso scopo. Lo strumento specifico conta meno del concetto di avere una rappresentazione basata sul codice.

Lo studio conclude che è giunto il momento di standardizzare il modo in cui le informazioni scientifiche vengono condivise nell'era dell'IA. Adottando i "diagrammi come codice", la comunità scientifica può garantire che la conoscenza prodotta non sia solo leggibile dagli esseri umani, ma anche eseguibile dalle macchine. Questo cambiamento trasformerebbe la letteratura scientifica da una collezione di documenti statici in una risorsa dinamica e leggibile dalle macchine. Permetterebbe un trasferimento fluido di conoscenze tra ricercatori umani e intelligenza artificiale, aprendo la strada a un futuro in cui gli agenti IA possano collaborare con gli scienziati per risolvere problemi complessi con un livello di precisione precedentemente impossibile. I ricercatori hanno dimostrato che questa non è solo un'idea teorica, ma una realtà pratica che può essere implementata oggi con gli strumenti esistenti.