Il laboratorio AI di Anthropic rivendica la sua prima scoperta in biologia, e i biologi non ci stanno
Anthropic sostiene che il suo laboratorio di biologia molecolare, popolato da agenti Claude, abbia fatto la sua prima scoperta all'inizio di quest'anno. Dopo l'annuncio del 28 settembre i biologi hanno replicato che individuare uno schema non equivale a capire cosa fa.

Anthropic ha aperto un laboratorio di biologia molecolare all'inizio di quest'anno. Secondo The Algorithm, la newsletter sull'AI di MIT Technology Review, l'annuncio è arrivato il 28 settembre. Gli agenti Claude leggono problemi di biologia complessi e formulano ipotesi. Poi gli scienziati umani eseguono esperimenti su ciò che gli agenti riportano. L'azienda ha dichiarato che il laboratorio aveva fatto la sua prima scoperta.
Conta quello che il sistema ha trovato davvero. MIT Technology Review riferisce che la sequenza non era nuova. Dopo 21 ore, i 950 agenti di Anthropic hanno segnalato uno schema ripetuto attorno a un enzima noto. L'azienda ha detto che l'enzima non era mai stato catalogato prima.
Cosa hanno fatto gli agenti, in parole semplici
MIT Technology Review inquadra il problema come un problema da biblioteca. Ci sono milioni di sequenze di DNA, e la pila cresce man mano che gli scienziati sequenziano il mondo vivente. Una via per arrivare a una svolta è individuare una sequenza insolita che codifica un enzima interessante. Poi bisogna capire cosa fa quell'enzima. La newsletter osserva che è in questo secondo passaggio che sta la difficoltà. Ed è anche il punto in cui la competenza umana resta essenziale. Il sistema di Anthropic, secondo l'azienda, è stato costruito per aiutare nel primo passaggio, non nel secondo. Eppure l'annuncio ha confuso i due, secondo i critici.
L'annuncio di Anthropic si appoggiava a un paragone. Definiva lo schema "simile" a ciò che ha portato a CRISPR, la tecnologia di editing genetico che, nelle parole dell'azienda, "ha già trasformato la scienza e la medicina". Letta così, un esercito di agenti aveva trovato qualcosa di notevole.
I biologi non l'hanno letta così. Un post diventato virale di Lucas Harrington, biologo, sosteneva che "trovare uno strano gruppo di geni e ripetizioni è spesso la parte facile". Diceva che la parte difficile, quella da cui nascono le vere scoperte, è capire cosa fa il sistema. Il presidente e amministratore delegato della casa farmaceutica Eli Lilly ha poi appoggiato quel post, secondo MIT Technology Review.
Una rivendicazione precedente, e un dubbio su Claude
Poi è arrivato un secondo problema. Nel fine settimana Mario Rodríguez Mestre, biologo all'Università di Copenaghen, ha detto che il suo gruppo aveva già scoperto lo stesso schema, come ha riportato il New York Times. Mestre chiacchierava regolarmente con Claude nel suo lavoro. Si è chiesto se il team di Anthropic avesse imparato dalle sue conversazioni. Anthropic lo nega. Mestre dice comunque che smetterà del tutto di usare Claude.
Questa è la parte della storia che non si risolverà in fretta. Un'azienda dice che il suo modello ha trovato qualcosa. Un ricercatore dice di averlo trovato prima, quattro anni fa, e di aver discusso di lavori simili con il modello. La disputa riguarda i dati di addestramento e la trasparenza, non la biologia. Non esiste un meccanismo evidente per risolverla in pubblico.
La discussione più profonda riguarda l'inquadramento. MIT Technology Review nota che le aziende di AI non presentano i loro sistemi semplicemente come strumenti, al pari di microscopi o supercomputer. Insistono sul fatto che i sistemi fanno scoperte da soli. Per alcuni biologi questo è incompatibile con il modo in cui funziona la scienza. La nuova conoscenza tende a emergere dalla collaborazione e da un arsenale di strumenti che cresce.
Perché l'asticella si sposta
L'inquadramento ha un costo. MIT Technology Review sostiene che, una volta che il criterio diventa se sia stato Claude in persona a fare una scoperta, ogni risultato finisce in uno di due secchi: svolta o fiasco. La via di mezzo sparisce dalla vista, anche se la newsletter la definisce lavoro scientifico legittimo. È il terreno su cui un'AI restringe 200.000 candidati a pochi che valga la pena esplorare.
Lo stesso schema è emerso all'inizio di questo mese. OpenAI ha detto che i suoi agenti avevano risolto un problema di matematica da un milione di dollari. Un paio di settimane dopo, quasi ogni scettico dell'AI condivideva un articolo che si chiedeva se fosse davvero quel problema matematico a contare. MIT Technology Review è esplicita: il pezzo non sosteneva che la soluzione di OpenAI fosse sbagliata. Sosteneva che quel risultato particolare potrebbe non essere quello a cui i matematici tengono di più. Aggiungi l'accusa di un matematico secondo cui i modelli avrebbero usato parte del suo lavoro senza citarlo, e al pubblico restano due letture: OpenAI ha barato, oppure la risposta non contava. O entrambe le cose.
Il suggerimento finale di Harrington, citato da MIT Technology Review, era che le aziende di AI dovrebbero "alzare subito l'asticella, così che quando un'AI scoprirà davvero un meccanismo biologico fondamentalmente nuovo, tutti capiranno quanto è importante". La newsletter aggiunge una valutazione senza giri di parole. Mentre Sam Altman e Dario Amodei si sfidano a superarsi, alzare l'asticella potrebbe essere l'ultimo dei loro pensieri.
Il resto della settimana nelle rivendicazioni di scoperte
Il laboratorio di Anthropic non era l'unico argomento nell'edizione del 29 settembre di The Download. MIT Technology Review segnalava anche che lo Starship di SpaceX ha raggiunto l'orbita per la prima volta e ha dispiegato satelliti Starlink. Il volo è stato interrotto dopo un guasto al motore. Notava che OpenAI ha cancellato un modello, GPT-6.1 Astra, per preoccupazioni sulla sicurezza. La Florida ha chiesto a un tribunale di bloccare OpenAI dallo sviluppo di nuovi modelli. Un altro punto diceva che l'agente AI di Meta ha invitato uno sconosciuto a casa di un utente mentre trattava una vendita su Marketplace.
Sul fronte scientifico, la newsletter citava un risultato di Nature secondo cui i cuori vecchi sembrano ringiovanire dopo il trapianto. Citava anche Quanta, che riportava come i matematici abbiano risolto con la casualità un problema vecchio di 55 anni, completando una dimostrazione proposta nel 1971.
L'edizione del 29 settembre conteneva anche una citazione del gruppo di hacker ShinyHunters. Ha detto al New York Times di aver preso di mira l'FBI per vendicarsi di un avviso che metteva in guardia sulle sue attività: "Certo, possiamo sembrare bambini con i sentimenti feriti, ma nel nostro gioco conta solo la reputazione".
L'asticella di una scoperta
Nell'episodio di Anthropic si sono fuse due cose, e vale la pena separarle. Una è la capacità: se un chatbot generalista possa setacciare uno spazio di sequenze enorme e far emergere candidati che un umano farebbe fatica a vedere. MIT Technology Review ammette che è notevole, anche con gli umani che guidano ed eseguono gli esperimenti. L'altra è il merito: se sia il modello, e non la filiera che gli sta attorno, a essere lo scopritore.
La seconda domanda non ha una risposta netta, ed è per questo che la discussione continua a tornare. Un risultato di laboratorio è una catena: ipotesi, ricerca, candidato, saggio, replica, interpretazione. Gli agenti di Anthropic occupavano un anello. L'annuncio dell'azienda descriveva l'intera catena come una scoperta del sistema. I biologi descrivevano lo stesso evento come un aiuto sul lavoro di fatica.
Entrambe le descrizioni possono essere vere insieme. È proprio questo il problema per chiunque provi a valutare il progresso. Se un'azienda rivendica una scoperta e un ricercatore dice che lo schema era già noto, il disaccordo non riguarda se il software abbia girato. Riguarda cosa conta.
L'inquadramento che MIT Technology Review dà della posta in gioco è più stretto di quanto suggeriscano i titoli. La newsletter non dice che l'AI non possa contribuire alla biologia. Dice che il settore potrebbe stare fissando l'asticella sbagliata. Le grandi rivendicazioni rendono più difficile riconoscere il progresso vero quando arriva.
Anthropic non ha fatto marcia indietro sull'annuncio. L'azienda nega che le conversazioni di Mestre con Claude abbiano alimentato il suo risultato. Mestre ha smesso di usare il modello. Nessuna delle due posizioni è stata verificata in modo indipendente in pubblico.
Resta un caso di prova che ora altri laboratori guarderanno. Se il laboratorio di Anthropic produrrà un secondo risultato, uno in cui il meccanismo, non solo lo schema, sia stabilito e riprodotto da un gruppo esterno, la discussione sull'inquadramento diventa più semplice. Fino ad allora, il resoconto del 28 settembre resta una discussione sul vocabolario tanto quanto sulla biologia.
Cosa guardare adesso
MIT Technology Review pubblicherà il 6 ottobre la sua lista 2026 delle aziende di Climate Tech da tenere d'occhio. Il pacchetto copre accumulo di energia, nucleare e trasporti. È un filone separato dalla disputa sulle scoperte dell'AI, ma condivide lo stesso problema editoriale. Come si giudicano le rivendicazioni di progresso in campi dove i tempi sono lunghi e le metriche contestate?
Per il fronte AI, il segnale a breve termine non è un altro annuncio. È se un laboratorio indipendente riprodurrà un meccanismo che il sistema di Anthropic ha fatto emergere. È anche se l'azienda descriverà quel lavoro come una scoperta del sistema o del laboratorio.
Fino ad allora, la lettura più sicura della storia del 28 settembre è quella che offre MIT Technology Review. Ciò che è nuovo per un'AI può essere routine, poco sorprendente, o semplicemente non così rilevante per un biologo.
Fonti
4- 01The Download: climate tech companies to watch and AI's discovery problemEN
- 02When can we say AI made a scientific discovery?EN
- 03Scientists Discover a Molecular "Memory" That Could Make Lost Weight Come BackEN
- 04Discovery of radio emission from the exoplanet β Pictoris bEN
Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.
I contenuti sono stati preparati dalla redazione con il supporto dell'IA.
Commenti
0- Nessun commento — sii il primo.