Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
On a bench at Penn State, Xu Zhou measures how food materials respond to electromagnetic energy. The numbers he needs usually already exist, but they sit in thousands of papers published over decades. A team he leads has now shown that AI agents, guided by human experts, can read those papers and assemble the figures into a searchable database in a fraction of the time it used to take.
Su un banco di lavoro alla Penn State, Xu Zhou misura come i materiali alimentari reagiscono all'energia elettromagnetica. I numeri di cui ha bisogno esistono di solito già, ma sono sparsi in migliaia di articoli pubblicati nel corso di decenni. Un team da lui guidato ha ora dimostrato che agenti IA, guidati da esperti umani, possono leggere quegli articoli e raccogliere i valori in una banca dati consultabile in una frazione del tempo che serviva prima.
Food engineers rely on what are called physical property data, such as the dielectric properties that govern microwave heating, to build mathematical models and computer simulations. Those values are often buried in tables, figures and equations rather than in the running text that conventional data-mining tools read. The system, called AgentXtract, assigns different AI agents to different formats. They extract the numerical data, then validate, standardize and organize it, while food engineers choose the sources and make sure the data can be trusted. To choose the underlying models, the researchers compared 10 large language models from OpenAI, Google and Anthropic on accuracy, speed and cost, using data checked by hand as a reference.
Gli ingegneri alimentari si affidano ai cosiddetti dati sulle proprietà fisiche, come le proprietà dielettriche che regolano il riscaldamento a microonde, per costruire modelli matematici e simulazioni al computer. Questi valori sono spesso nascosti in tabelle, figure ed equazioni, più che nel testo corrente che gli strumenti tradizionali di data mining leggono. Il sistema, chiamato AgentXtract, assegna agenti IA diversi a formati diversi. Estraggono i dati numerici, poi li convalidano, li standardizzano e li organizzano, mentre gli ingegneri alimentari scelgono le fonti e si assicurano che i dati siano affidabili. Per scegliere i modelli di base, i ricercatori hanno confrontato 10 grandi modelli linguistici di OpenAI, Google e Anthropic in termini di precisione, velocità e costi, usando come riferimento dati controllati a mano.
The speed gap is the figure the researchers emphasize. Zhou recalls that the same work once required "an experienced graduate student or postdoctoral researcher to spend six months or more". With the agents, the team collected and organized more than 4,000 experimental data records in just 30 minutes. That speed is what made the next discovery possible. Once the data were gathered together, the team found a new and consistent relationship between the dielectric constant and the loss factor for more than 100 different foods. Zhou says it had gone unreported because collecting so much data manually was too hard. The finding comes from the team's own compilation and still needs to be checked by other researchers.
Il divario di velocità è il dato su cui insistono i ricercatori. Zhou ricorda che lo stesso lavoro richiedeva un tempo in cui «un ricercatore esperto, dottorando o postdoc, impiegava sei mesi o più». Con gli agenti, il team ha raccolto e organizzato oltre 4.000 registrazioni sperimentali in appena 30 minuti. Questa velocità ha reso possibile la scoperta successiva. Una volta riuniti i dati, il team ha trovato una relazione nuova e costante tra la costante dielettrica e il fattore di perdita in più di 100 alimenti diversi. Secondo Zhou, la relazione non era stata segnalata perché raccogliere manualmente una tale quantità di dati era troppo difficile. Il risultato proviene dalla compilazione del team stesso e deve ancora essere verificato da altri ricercatori.
The database also serves as a knowledge base for a general-purpose AI. In a setup known as retrieval-augmented generation, the AI searches the verified entries before answering, so it can give a reference and explain the result. Zhou's example is a question about the dielectric properties of potatoes at a specific frequency, answered with the underlying data and an explanation of how those properties affect microwave heating. For food engineers, the gain is faster access to checked data, which matters for product development and process design. Zhou argues the method is not limited to food science. Its results are due in the March 2027 issue of the Journal of Food Engineering, and the article does not say when the database itself will be open to other users.
La banca dati funge anche da base di conoscenza per un'IA generalista. In un'impostazione nota come generazione aumentata dal recupero, l'IA cerca le voci verificate prima di rispondere, così può fornire un riferimento e spiegare il risultato. L'esempio di Zhou è una domanda sulle proprietà dielettriche delle patate a una frequenza specifica, a cui l'IA risponde con i dati di base e con una spiegazione di come quelle proprietà influenzino il riscaldamento a microonde. Per gli ingegneri alimentari, il vantaggio è un accesso più rapido a dati controllati, che conta per lo sviluppo di prodotti e la progettazione dei processi. Zhou sostiene che il metodo non si limita alla scienza alimentare. I suoi risultati saranno pubblicati nel numero di marzo 2027 del Journal of Food Engineering, mentre l'articolo non dice quando la banca dati stessa sarà aperta ad altri utenti.