L'AI nell'Ensemble Human-in-the-Loop per Comprendere una CNN Black Box e Prototipare Velocemente: Applicazione alla Classificazione delle Fasi dei Cristalli Liquidi

Questo studio presenta un innovativo Proof of Concept (PoC) per la classificazione automatica delle fasi dei cristalli liquidi da immagini acquisite al microscopio a luce polarizzata (POL), realizzato attraverso un approccio collaborativo di Intelligenza Artificiale Human-in-the-Loop (HITL AI). Il paradigma proposto integra sinergicamente l'esperto del dominio, un'AI conversazionale (Gemini), una Rete Neurale Convoluzionale (CNN) e l'ambiente di sviluppo Google Colab. Il PoC ha affrontato la sfida intrinseca della variabilità e ambiguità delle tessiture ottiche dei cristalli liquidi, focalizzandosi sulla distinzione tra fase cristallina, nematica e smettica. L'implementazione ha dimostrato come la combinazione delle intuizioni umane con la capacità di pattern recognition della CNN, facilitata dall'assistenza dell'AI conversazionale, consenta una prototipazione rapida ed efficace. Nonostante la complessità del problema, il modello ha raggiunto una significativa capacità predittiva in un lasso di tempo estremamente breve, convalidando la metodologia e aprendo nuove prospettive per l'applicazione dell'AI nella scienza dei materiali. I risultati suggeriscono che l'AI collaborativa non solo accelera la ricerca scientifica, ma rende anche i sistemi di Deep Learning più accessibili e gestibili, ponendo le basi per futuri sviluppi nell'analisi automatizzata di materiali complessi.