Definire l'intelligenza Artificiale

 

L'intelligenza artificiale è di tendenza al giorno d'oggi, è difficile ignorarlo. Ma il termine non è una novità: l'intelligenza artificiale esisteva già molto prima dell'ideazione delle attuali enormi reti di trasformatori e degli impressionanti modelli di linguaggio di grandi dimensioni (LLM).

Molto prima che termini come Deep Learning (DL), Machine Learning Operations (MLOps) e Artificial Neural Networks (ANN) fossero comuni nelle notizie e nei post su Internet, l'intelligenza artificiale era già nata. Nata e cresciuta in modo sano anni prima del lancio di famosi strumenti come ChatGPT, Stable Diffusion, SAM, LLaMA, Bard e AlphaZero.

Tuttavia, il nome Intelligenza artificiale è stato controverso fin dai suoi primi giorni. Affermare che le macchine fossero intelligenti era qualcosa di grande, soprattutto in un'epoca in cui i limiti di ciò che un programma per computer poteva fare erano più brevi di quanto sappiamo oggi. Le origini dell'intelligenza artificiale per computer risalgono ai decenni del 1940 e del 1950, anche quando potevamo trovare molte tracce precedenti della progettazione o costruzione di macchine automatiche nella storia umana.

Un vecchio computer. L'intelligenza artificiale era già viva allora. Immagine generata con MidJourney.

Ma la vera domanda è: cos'è? L'intelligenza artificiale è un termine generico per programmi per computer che possono effettivamente pensare come noi umani? È il nome di programmi per computer che possono imparare e adattarsi attivamente? O qualcos'altro?

La risposta non è facile. Russel e Norvig hanno scritto una meravigliosa introduzione per il loro famigerato libro Intelligenza artificiale: un approccio moderno, in cui discutono di cosa sia l'intelligenza artificiale e di come sia diventata ciò che è. Nemmeno gli autori hanno una definizione completa e assoluta di intelligenza artificiale, ma ci danno suggerimenti brillanti:

Il campo dell'intelligenza artificiale, o IA, si occupa non solo di comprendere, ma anche di costruire entità intelligenti, macchine in grado di calcolare come agire in modo efficace e sicuro in un'ampia varietà di situazioni nuove.

In termini generali, ciò che oggi intendiamo per IA è lo sviluppo di sistemi informatici in grado di eseguire attività che in genere richiedono l'intelligenza umana. Questi compiti includono molti campi come la percezione visiva, il riconoscimento vocale, il processo decisionale e la traduzione o generazione di lingue. Come affermano Russel e Norvig:

L'IA è rilevante per qualsiasi compito intellettuale; è davvero un campo universale. L'IA copre qualsiasi campo, qualsiasi compito intellettuale.

Seguendo questa ampia definizione, la letteratura di solito considera almeno due tipi principali di IA:

- IA ristretta o debole. Il programma è progettato e sviluppato per eseguire un compito particolare e/o in un ambiente specifico.

- IA generale o forte. Il programma è progettato e sviluppato per eseguire qualsiasi compito, imparando e adattandosi da qualsiasi ambiente come fanno gli esseri umani, meglio o peggio.

Come puoi immaginare, gli attuali modelli di IA sono ancora bloccati nel primo gruppo. Anche se lo sviluppo di moderni LLM è uno dei percorsi più promettenti nella ricerca di un'IA generale, non esiste ancora alcun programma in grado di ragionamento e adattamento completi e autonomi. I programmi per computer, siano essi IA o meno, sono ancora in esecuzione con molte limitazioni interne ed esterne. Tuttavia, la ricerca sull'intelligenza artificiale è attualmente focalizzata sullo sviluppo di modelli più generali e adattabili, in grado di svolgere più attività e apprendere da diversi ambienti, tendendo ponti tra i due tipi di intelligenza artificiale.

Ma come possiamo differenziare un programma di intelligenza artificiale da qualsiasi altro programma per computer?

Poniamoci questo domanda: qualsiasi script Python che somma i prezzi della tua lista della spesa e aggiunge le tasse ai risultati, potrebbe essere considerato "un programma per computer che esegue un'attività che in genere richiede intelligenza umana"?

Alla fine, utilizzi la tua intelligenza umana e le tue capacità matematiche per sommare quei prezzi da solo. È un'attività umana, che richiede intelligenza umana. Quindi perché non dovremmo considerare l'intelligenza artificiale quello script Python?

Molti esperti ti diranno che i sistemi di intelligenza artificiale sono anche progettati per imparare dall'esperienza, adattarsi a input mutevoli ed eseguire attività senza essere programmati esplicitamente per ogni attività specifica. E questo è vero per molti sistemi di intelligenza artificiale moderni (ricorda: siamo alla ricerca di sistemi di intelligenza artificiale più generali), ma non per tutti. Esiste un'intelligenza artificiale oltre l'apprendimento automatico: reti bayesiane, programmi di logica fuzzy o sistemi di programmazione logica induttiva sono esempi tipici. Anche quando siamo abituati a sentire parlare di reti neurali altamente profonde e complesse, anche semplici algoritmi deterministici possono far parte di un sistema di intelligenza artificiale. Comunque, l'intelligenza artificiale più ristretta è pur sempre un'intelligenza artificiale!

Quindi, cosa rende diversi uno script Python per la spesa e il software di rilevamento degli oggetti di Telsa? È solo la complessità?

No, non è la complessità. È lo scopo. L'IA esegue attività che simulano il comportamento o il ragionamento umano. A volte il programma simula il processo mentale umano, a volte solo il risultato perché sappiamo poco del nostro cervello. Alla fine, il programma di IA è un modello matematico per la risoluzione di un compito umano, che semplifica l'intero processo mentale. Non è un'implementazione esatta degli stessi passaggi che eseguiamo nella nostra testa, ma una soluzione alternativa!

Ritorniamo all'esempio dello script Python: riassumere un elenco di prezzi è un'operazione matematica già ben determinata, che possiamo descrivere in modo inequivocabile e ripetuto. D'altra parte, il riconoscimento e l'allocazione spaziale dei veicoli nel nostro campo visivo è un compito che noi umani eseguiamo con una conoscenza che non può essere espressa matematicamente, e quindi richiede un modello per simulare i risultati. I programmi di IA modellano il comportamento e il ragionamento umano, o almeno i loro risultati.

Il primo non può essere considerato IA, poiché non modella l'agente intelligente che esegue il compito. Risolve semplicemente un problema, esegue semplicemente un compito, come ha fatto qualsiasi altro meccanismo nella storia umana prima. Non ci sono più processi mentali, nessun ragionamento, nessun pensiero o sentimento sul problema.

Il riconoscimento del veicolo assomiglia di più all'IA. Simula il ragionamento umano che non siamo in grado di spiegare completamente e ci fornisce risultati simili, utilizzando un modello matematico. Anche se ci provassimo, con le nostre attuali conoscenze non possiamo descrivere e riprodurre l'esatto processo mentale. Se credi che il trucco si basi ancora sulla complessità, pensa a compiti più semplici, come il riconoscimento del testo: identificazione di caratteri neri su sfondi bianchi. L'IA fa questo, simulando il nostro ragionamento, anche quando noi umani non usiamo "equazioni di riconoscimento delle lettere" quando leggiamo.

Concludendo, anche l'algoritmo più semplice può essere un'IA se modella l'agente che esegue un compito intelligente e semplifica la complessità della nostra intelligenza umana. Vogliamo che i programmi di IA decidano per noi, guidino le nostre decisioni, ci sfidino o automatizzino i nostri compiti. Ma è facile capire che, quando modelliamo qualcosa di estremamente complesso come il pensiero umano, in futuro avremo bisogno di modelli sempre più complessi per migliorare i nostri risultati.

 

Strategia per un colloquio di lavoro

 

 

Sono finiti i giorni in cui ti presentavi semplicemente con il tuo vestito migliore, armato di una stretta di mano decisa e di un sorriso accattivante. Ora, è più probabile che ti ritrovi a fissare l'occhio di una webcam, pregando gli dei del Wi-Fi che la tua connessione non si blocchi, proprio mentre stai dando la tua risposta attentamente provata sulla tua più grande debolezza.

E non trascuriamo gli annunci di lavoro in sé. Nel 2024, si sono evoluti in una forma di poesia aziendale. "Cerchiamo personalità dinamiche e intraprendenti con una passione per le sinergie dirompenti e un minimo di 10 anni di esperienza in un campo inventato il mese scorso".

Non c'è da stupirsi che la maggior parte dei candidati trascorra innumerevoli ore a rifinire i propri curriculum e a provare risposte sulle proprie competenze tecniche.

Questo approccio non è del tutto sbagliato, ma ci sono altri modi per assicurarti di rimanere in prima linea nella mente di un responsabile delle assunzioni.

I consigli convenzionali dicono che dovresti evidenziare le tue competenze, esperienza e qualifiche per superare un colloquio di lavoro. Ma siamo sicuri che questo approccio funzioni?

Perché non tentare con le emozioni, piuttosto che con la logica? Potrebbe essere il tuo biglietto per ottenere il lavoro dei sogni!

In uno studio sui responsabili delle assunzioni, l'85-97% ha affermato di aver preso la decisione finale basandosi sull'"intuizione" piuttosto che sulle sole qualifiche del candidato.

Ecco il racconto di due candidati.

Franco e Paolo sono entrambi ingegneri informatici altamente qualificati che si sono presentati per un colloquio per una posizione ambita presso un'azienda tecnologica leader.

Franco ha adottato l'approccio tradizionale. Ha preparato attentamente le sue risposte, evidenziando le sue notevoli competenze ed esperienze. Durante il colloquio, ha elencato i suoi successi tecnici e i linguaggi di programmazione che aveva padroneggiato.

Paolo, d'altro canto, ha deciso di provare qualcosa di diverso. Ha iniziato il colloquio raccontando la storia di un importante fallimento di progetto che aveva sperimentato all'inizio della sua carriera. Ha descritto quanto si sentisse devastato, ma poi ha spiegato come ha trasformato quel fallimento in una preziosa esperienza di apprendimento che ha plasmato il suo approccio alla risoluzione dei problemi. Man mano che il colloquio procedeva, Paolo ha posto domande ponderate sulle sfide dell'azienda e ha offerto idee su come avrebbe potuto contribuire. Ha persino suggerito un piccolo progetto con cui avrebbe potuto iniziare se fosse stato assunto, facendo sì che l'intervistatore lo immaginasse già nel ruolo.

Entrambi i candidati erano qualificati tecnicamente, ma indovina chi ha ottenuto il lavoro?

Con sorpresa di molti, è stato Paolo. Il responsabile delle assunzioni ha poi spiegato: "Le qualifiche di Franco erano impressionanti, ma Paolo sembrava la scelta giusta. Potevo davvero vederlo prosperare nel nostro team".

Questa storia riassume perfettamente il volore dell'approccio emotivo: sebbene le qualifiche sono importanti, spesso la connessione emotiva suggella l'accordo.

Come attingere a questo processo decisionale emotivo? Vendi i tuoi fallimenti, non solo i tuoi successi!

La maggior parte dei candidati presenta un'immagine impeccabile, ma condividere una storia di fallimento ben scelta può aumentare le tue possibilità. Si è verificato che i candidati che hanno condiviso una storia sul superamento di una battuta d'arresto professionale significativa avevano più probabilità di essere "assunti" rispetto a quelli che parlavano solo di successi. 

Perché? Perchè le storie di fallimento creano risonanza emotiva, ti fanno sembrare umano, riconoscibile e resiliente. Inoltre, rimangono impresse nella memoria dell'intervistatore più di una lunga lista di successi.

Esiste una tecnica "puppy dog ​​close" che molti venditori conoscono e la adottano per migliorare le loro capacità commerciali. Questa tecnica prende il nome dalla vecchia tattica usata dai negozi di animali. Funziona più o meno così: Un cliente entra, giurando di "guardare e basta". Il venditore gli porge un cucciolo irresistibilmente carino. Il cuore del cliente si scioglie più velocemente di un gelato su un marciapiede caldo. Il venditore suggerisce di portare a casa il cucciolo "solo per il weekend". Il lunedì successivo, il cliente torna innamorato del cucciolo, chiedendosi come avesse fatto a vivere fino ad allora senza il suo nuovo amico peloso.

In sostanza, si tratta di mettere il prodotto nelle mani del cliente (o a casa) con la convinzione che una volta che lo avrà provato, non vorrà più restituirlo.

Puoi applicare un principio simile nei colloqui di lavoro.

Invece di rispondere semplicemente alle domande, prova a far immaginare all'intervistatore come sarebbe lavorare con te. Ad esempio, potresti dire qualcosa come: "Se fossi in questo ruolo, una delle prime cose che farei è … "

I candidati che utilizzano questa tecnica hanno più probabilità di ricevere offerte. Funziona perché innesca l'immaginazione dell'intervistatore, creando emozioni positive sul tuo potenziale futuro con l'azienda.

Gli psicologi hanno scoperto che le persone giudicano le esperienze principalmente in base al loro momento di picco (più intenso) e a come finiscono. Applica questa strategia al tuo colloquio pianificando una forte impressione finale.

I candidati che hanno concluso i colloqui con una storia memorabile o una domanda stimolante sul futuro dell'azienda avevano più probabilità di essere richiamati rispetto a quelli che hanno ringraziato l'intervistatore e se ne sono andati.

Ricorda, alla fine della giornata, il tuo intervistatore è un essere umano (spero). Non sta solo cercando un set di competenze, sta cercando qualcuno con cui gli piacerà lavorare, qualcuno che contribuisca alla cultura aziendale, qualcuno che li entusiasmi per il futuro.

Facendo appello alle emozioni piuttosto che alla logica, non stai manipolando, stai comunicando a un livello più profondo e umano.

E nel complesso mercato della ricerca di lavoro, quella connessione emotiva potrebbe essere il tuo più grande vantaggio economico.

 

Il tempo delle innovazioni in stallo

 

Ai tecnologi piace speculare e preoccuparsi della fine della legge di Moore: la consolidata regola empirica secondo cui i chip dei computer raddoppieranno le prestazioni ogni 18 mesi. Se il ritmo del miglioramento dovesse mai rallentare, pensano, l'intero settore tecnologico potrebbe crollare!

Fortunatamente, la legge di Moore rimane (per lo più) viva, ma c'è un'altra possibilità incombente che dovrebbe spaventare molto di più i CEO del settore tecnologico: anche se i chip dei computer continuano a diventare più veloci, alla fine gli utenti potrebbero smettere di preoccuparsene. A un certo punto, i chip dell'anno scorso saranno semplicemente abbastanza buoni.

Per quanto possa sembrare folle ai tecnici di lunga data, "abbastanza buoni" è praticamente inevitabile: basta guardare l'industria automobilistica. C'è ancora molta innovazione nelle auto, ma ruota attorno al lusso e ai diritti di vanteria piuttosto che alle specifiche pratiche. La supercar più sfarzosa che puoi acquistare non ti farà comunque andare al lavoro più velocemente. 

Quanto tempo ci vorrà prima che un telefono Android economico possa fare la stessa pubblicità? Beh, potrebbe già farlo! Ovviamente, quel telefono ha una CPU più lenta di un iPhone, meno megapixel di un Galaxy e una frequenza di aggiornamento dello schermo inferiore a un Pixel. Non può girare video 8K, non ha velocità 5G e scatta foto sfocate e granulose in condizioni di scarsa illuminazione. Ma ti interessa? Forse sì, forse no. Come per le auto, la differenza sta nei sedili in pelle e nelle sospensioni di precisione: i lussi, non le necessità.

Per analisi, dividiamo tutte le funzionalità di uno smartphone moderno in tre categorie:

Pratico: questa funzionalità semplifica le attività quotidiane come restare connessi, scattare foto, monitorare la salute e restare al sicuro.

Ambizioso: questa funzionalità consente ad alcuni utenti di ottenere di più o di vivere una vita migliore, ma la maggior parte delle persone non può o non vuole trarne vantaggio.

Status symbol: questa funzionalità ti dà principalmente il diritto di vantarti.

Nei primi anni degli smartphone, ogni generazione avrebbe portato miglioramenti tangibili nella colonna "Pratico". L'iPhone 3G aveva un App Store, l'iPhone 3Gs poteva registrare video e l'iPhone 4s aveva un assistente vocale. Oggigiorno, tuttavia, le differenze tra i telefoni dell'anno scorso e quelli di quest'anno sono in gran parte limitate alle ultime due colonne: funzionalità ambiziose e status symbol. È raro che una nuova funzionalità migliori significativamente la tua vita quotidiana.

E non si tratta solo di telefoni! È difficile pensare a un modello migliore per l'era del "Good Enough" dell'iPad Pro, che è un tablet così profondamente eccellente che non riesco a immaginare nulla che Apple possa fare per migliorare l'hardware (il software ha bisogno di un po' di aiuto, ma questo è un altro problema). Nessuno chiede un iPad più veloce. O una fotocamera con più megapixel. O un suono surround con ancora più altoparlanti. Eccetera.

Cosa è cambiato?

In parole povere, stiamo iniziando a raggiungere limiti che non hanno nulla a che fare con la tecnologia. Non possiamo rendere gli schermi dei telefoni molto più grandi perché non entrerebbero in una tasca media. E non possiamo rendere le batterie dei laptop più grandi senza che la FAA le vieti sugli aerei.

Più interessanti sono i limiti imposti dai nostri stessi corpi. Ad esempio, il nostro cervello può assorbire solo circa 11 megabit al secondo di informazioni e la nostra mente cosciente può elaborare solo circa lo 0,0004% di questa quantità (~50 bit al secondo). I computer possono gestire un miliardo di volte più elaborazione dati, ma gran parte di quel lavoro è in ultima analisi destinato al consumo da parte degli esseri umani. Che si tratti di un foglio di calcolo, di una pagina web o di un videogioco, c'è solo una certa quantità di informazioni che il tuo computer può far passare sullo schermo prima che il tuo cervello inizi a emorragia.

Una limitazione più concreta sono i nostri bulbi oculari. Per la maggior parte di noi, la vista è il modo principale in cui comprendiamo il mondo. Gli occhi umani sono, secondo la maggior parte delle misure, molto buoni, ma non sono perfetti. Non possiamo vedere i colori al di fuori di uno spettro di luce abbastanza ristretto, o oggetti troppo piccoli o troppo lontani, o luci che lampeggiano più velocemente di circa 24 volte al secondo. La nostra tecnologia sta iniziando a recuperare queste limitazioni. I nostri occhi stanno iniziando a diventare il collo di bottiglia.

L'assurdità dell'8K

Ad esempio, parliamo della risoluzione dello schermo. Le TV con risoluzione 4K (ovvero 4000 pixel in orizzontale) hanno ampiamente saturato il mercato, quindi i produttori di TV sono alla ricerca della prossima grande novità. La loro brillante idea: ancora più pixel! Le TV con risoluzione 8K (8000 pixel in orizzontale) stanno iniziando a essere messe in vendita.

Ma dovrebbe interessarti? Facciamo un po' di matematica per scoprirlo. Da Wikipedia:

La massima risoluzione angolare dell'occhio umano è di 28 secondi d'arco o 0,47 minuti d'arco. Per una coppia di pixel (un pixel bianco e uno nero) questo dà una densità di pixel di 128 pixel per grado (PPD).

Il tuo occhio ha un campo visivo di circa 135 gradi, quindi un po' di matematica superficiale rivela che la massima risoluzione dello schermo che potresti discernere è di circa 17.000 per 17.000 pixel, o "17K" nel gergo del formato video. Questo presuppone che tu sia seduto così vicino allo schermo da non riuscire letteralmente a vedere nient'altro.

La TV media venduta in America l'anno scorso aveva una diagonale di 55 pollici. Per vedere la risoluzione 8K completa su quella TV dovresti sederti a poco più di 3 piedi di distanza da essa, o circa la distanza tra lo schienale del divano e la parte anteriore delle ginocchia.

Se ti siedi a (abbastanza nella media) 7 piedi di distanza dalla tua TV, non otterrai tutti i vantaggi del video 8K su una TV inferiore a 116 pollici. Una TV da 116 pollici! Questa TV da 150.000 $ non sarebbe ancora abbastanza grande.

I numeri sono ancora più ridicoli per l'8K su un telefono. Anche un "phablet" da 6 pollici non può visualizzare video 8K a meno che non lo tenga a 3 pollici dalla punta del naso.

Se hai una TV molto grande e ti siedi molto vicino, allora forse, forse, puoi vedere tutti i dettagli in un video 8K. In realtà, questo sembra più probabile per i giocatori, anche se i giochi dovrebbero essere progettati e strutturati pensando ai monitor 8K per ottenere il massimo vantaggio. E anche in quel caso, il 4K è abbastanza dettagliato che qualsiasi risoluzione extra difficilmente conferisca un vantaggio nel gioco. Il 4K è abbastanza buono.

La maggior parte delle persone non avrà mai bisogno di una TV con una risoluzione superiore al 4K. Puoi citarmi su questo: questo è il mio momento Bill Gates. L'8K potrebbe trovare una nicchia, come i giochi VR o gli interventi chirurgici virtuali o i giganteschi cartelloni animati, ma quella nicchia non includerà mai la tua TV di casa. O almeno, non ne avrà bisogno: i produttori di TV potrebbero comunque imporcelo, come hanno fatto con la TV 3D.

L'unico modo in cui il video 4K sembrerà mai antiquato è se l'idea stessa di una TV diventa antiquata. Altrimenti, abbiamo raggiunto l'apice della risoluzione.

Questo tipo di innovazione non può continuare a crescere per sempre. A differenza dell'economia, la larghezza di banda, i gigahertz e la risoluzione dello schermo non possono semplicemente crescere del 5% all'anno e ogni anno all'infinito. Alla fine l'intero settore tecnologico dovrà virare verso qualcosa di nuovo.

 

Chemioterapia somministrata direttamente ai tumori da microrobot bioibridi

 

I tumori che raggiungono i polmoni, o metastasi polmonari, rappresentano una sfida formidabile nel campo della cura del cancro. La chemioterapia convenzionale spesso non è efficace perché è inefficiente. Non colpisce direttamente i polmoni e si accumula in una concentrazione sufficientemente elevata da uccidere i tumori.

I miei colleghi e io del laboratorio Wang e dello Zhang Research Group presso l'Università della California, San Diego, abbiamo trascorso gli ultimi cinque anni a sviluppare microrobot bioibridi, piccoli oggetti realizzati con materiali sia naturali che sintetici, che possono essere utilizzati in medicina.

Nella nostra ricerca appena pubblicata, abbiamo creato un microrobot bioibrido basato su microalghe verdi in grado di somministrare la chemioterapia direttamente al polmone e curare le metastasi polmonari.
Le microalghe possono nuotare nel tuo corpo. CSIRO/Wikimedia Commons, CC BY-SA Somministrazione di farmaci tramite alghe

I microrobot sintetici sono in genere realizzati con strutture rigide metalliche o polimeriche difficili da produrre. Non sono in grado di accedere a determinati organi e tessuti e possono essere tossici per gli esseri umani.

Le microalghe superano queste preoccupazioni. Innanzitutto, le microalghe possono muoversi autonomamente utilizzando un'appendice simile a un capello chiamata flagello per spingersi attraverso organi come i polmoni. Sono meno tossiche rispetto ad altri microrganismi. Sono anche più economiche e facili da produrre.

Il nostro microrobot bioibrido, chiamato algae-NP(DOX)-robot, combina microscopiche microalghe verdi vive comunemente utilizzate nei prodotti farmaceutici, Chlamydomonas reinhardtii, con nanoparticelle rivestite con membrane di globuli rossi. Le membrane cellulari agiscono come un "camuffamento" naturale per migliorare la biocompatibilità del microrobot e impedirne l'attacco da parte del sistema immunitario del paziente. All'interno delle nanoparticelle è presente un comune tipo di farmaco chemioterapico chiamato doxorubicina.

Abbiamo testato i nostri microrobot basati sulle alghe su topi con metastasi polmonari. Somministrando questi microrobot basati sulle alghe attraverso la trachea, potremmo trasportare il farmaco direttamente nei polmoni e ridurre al minimo gli effetti collaterali su altri organi. Una volta nei polmoni, il nostro microrobot basato sulle alghe potrebbe nuotare e distribuire il farmaco nel tessuto polmonare. Potrebbe anche eludere la distruzione da parte delle cellule immunitarie nei polmoni, consentendo al farmaco di essere gradualmente rilasciato dalle nanoparticelle.

In precedenza, i ricercatori hanno utilizzato i loro microrobot basati sulle alghe per curare la polmonite.

Rispetto al farmaco libero e alle nanoparticelle cariche di farmaco statiche che non possono muoversi da sole, i nostri microrobot bioibridi si accumulavano in concentrazioni maggiori e venivano trattenuti più a lungo nei polmoni.

Somministrando in modo più efficace la chemioterapia ai tessuti polmonari malati, i nostri microrobot bioibridi hanno migliorato significativamente i risultati terapeutici riducendo i tumori polmonari e prolungando la sopravvivenza dei topi trattati. I topi trattati con i nostri microrobot basati sulle alghe hanno sperimentato un aumento del 40% del tempo di sopravvivenza mediano, estendendo la sopravvivenza da 27 a 37 giorni.

Le cellule immunitarie alla fine scompongono i microrobot in componenti non tossici e li rimuovono completamente dal corpo.
Trattamenti di bioingegneria

I nostri risultati mostrano che i microrobot bioibridi presentano un approccio potente per somministrare farmaci ai polmoni per curare le malattie polmonari.

In precedenza abbiamo utilizzato la nostra piattaforma di microrobot di microalghe verdi per curare la polmonite polmonare acuta. Ora ci stiamo concentrando sul trattamento di altre difficili malattie polmonari, come la fibrosi cistica e la fibrosi polmonare idiopatica.

Stiamo anche lavorando per sviluppare un modo per somministrare in modo più efficace e non invasivo i nostri microrobot bioibridi. L'integrazione di ulteriori strategie di controllo del movimento, come la guida magnetica o la cattura degli ultrasuoni, potrebbe migliorare l'accumulo di farmaci in siti bersaglio specifici nel corpo.

Ci vorrà del tempo prima che i nostri microrobot bioibridi appaiano in clinica. Ma nel complesso, la combinazione di microalghe vive con nanoparticelle rivestite di membrana cellulare per somministrare farmaci può contribuire a gettare le basi per trattamenti bioingegnerizzati contro il cancro.

 

By Zhengxing Li, Ph.D. Candidate in Materials Science and Engineering, University of California, San Diego