L'IA può creare un'ipotesi scientifica dettagliata sulla materia oscura che resista alla revisione paritaria ?

I modelli linguistici di grandi dimensioni sintetizzano ora vaste quantità di ricerche di fisica per proporre nuovi quadri teorici. Sebbene non sperimentalmente verificati, queste ipotesi sono abbastanza strutturate da poter interagire con il dibattito scientifico attuale. L'output rispetta i vincoli noti del Modello Standard e i fenomeni cosmici osservati. Tali contributi vengono citati sempre più spesso in aree speculative ma testabili della cosmologia.

Background

AI models increasingly synthesize vast amounts of physics research to propose novel theoretical frameworks in cosmology and particle physics. These outputs aim to respect the constraints of the Standard Model and observed cosmic phenomena while remaining experimentally unverified. Human scientists remain essential for refining, critiquing, and validating such theories, as peer review demands deep physical insight, coherence with established laws, and novel experimental pathways. While AI can generate hypotheses from data, it currently lacks the capacity to design falsifiable experiments, integrate interdisciplinary theoretical frameworks, or anticipate experimental anomalies that drive scientific progress. This highlights the ongoing role of human expertise in advancing dark matter research.