La rivendicazione del laboratorio AI di Anthropic divide i biologi mentre il dibattito sulle proteine si allarga
Anthropic sostiene che i suoi agenti Claude abbiano trovato un pattern genetico mai catalogato prima, dopo 21 ore di lavoro. I biologi discutono se questo possa essere considerato una scoperta scientifica.

Il laboratorio di biologia molecolare di Anthropic, popolato da agenti Claude, ha segnalato un pattern ripetuto intorno a un enzima noto. L'azienda dice che quel pattern non era mai stato catalogato. L'annuncio è arrivato la settimana scorsa e MIT Technology Review lo ha analizzato il 28 settembre. È diventato il più acceso dibattito pubblico su cosa l'AI possa legittimamente rivendicare di aver scoperto nelle scienze della vita.
MIT Technology Review ha descritto il sistema come 950 agenti al lavoro per 21 ore. Quello che hanno prodotto non è una nuova sequenza di DNA, ha riportato la testata. Hanno trovato un pattern ripetuto intorno a un enzima noto. L'annuncio di Anthropic lo ha definito "simile" al lavoro che ha portato a CRISPR. Quella scelta di parole ha fatto molto lavoro, ed è lì che sono iniziati i guai.
Il problema dell'asticella
La critica è arrivata in fretta, e da dentro il settore. Il biologo Lucas Harrington ha scritto un post diventato virale, poi sostenuto dal presidente e amministratore delegato di Eli Lilly. Sosteneva che "trovare uno strano cluster di geni e ripetizioni è spesso la parte facile. La parte difficile, e da dove nascono le vere scoperte, è capire cosa fa davvero il sistema". MIT Technology Review ha citato il post direttamente. Come ha riportato la testata, Harrington ha suggerito che le aziende di AI dovrebbero "alzare subito l'asticella, così quando un'AI scoprirà davvero un meccanismo biologico fondamentalmente nuovo, tutti capiranno quanto sia importante".
Poi la storia si è fatta più ingarbugliata. Mario Rodríguez Mestre, biologo all'Università di Copenaghen, ha detto nel fine settimana che il suo gruppo aveva già trovato lo stesso pattern, secondo il New York Times, come riportato da MIT Technology Review. Mestre aveva usato regolarmente Claude nel suo lavoro. Ha chiesto se il team di Anthropic avesse imparato dalle sue conversazioni. Anthropic lo nega. Mestre dice di aver comunque smesso di usare Claude.
"La parte difficile, e da dove nascono le vere scoperte, è capire cosa fa davvero il sistema."
Niente di tutto questo significa che il lavoro di base fosse inutile. MIT Technology Review osserva che ridurre 200.000 candidati a una manciata da testare è lavoro scientifico vero. Un chatbot generalista che ci riesce è notevole anche con gli umani che guidano e conducono gli esperimenti. Il problema è l'inquadratura. Una volta che la domanda diventa se sia stato Claude stesso a fare una scoperta, restano solo due risposte: svolta o fiasco. Tutto quello che sta in mezzo viene appiattito.
Come appare davvero il lavoro sulle proteine, oggi
La disputa su Anthropic conta al di là di una singola azienda. È nella scoperta di proteine e materiali che l'AI ha accumulato in silenzio risultati reali e verificabili. Il pattern che attraversa il settore è meno drammatico di un comunicato stampa e più utile.
Tra i titoli recenti registrati accanto alla copertura su Anthropic ci sono lavori su vaccini a mRNA con nanoparticelle lipidiche termostabili, basati su quello che Nature ha descritto come AI efficiente nei dati, pubblicati il 28 settembre. Separatamente, i ricercatori hanno riferito di aver usato la predizione strutturale con AI per accelerare la scoperta di colle molecolari. Sono piccole molecole che possono forzare le proteine a unirsi in modi utili a trattare le malattie. Nessuna delle due rivendicazioni si basa su un'AI a cui viene attribuito un salto concettuale. Entrambe si basano su un'AI che fa una grande quantità di ricerca e classificazione più in fretta di quanto possano fare le persone.
Questa distinzione è tutto il dibattito. I sistemi di AI sono eccellenti nella parte della scienza che è essenzialmente triage, e il settore è stato lento a dirlo chiaramente. MIT Technology Review ha notato la stessa dinamica in matematica. All'inizio di settembre, OpenAI ha detto che i suoi agenti avevano risolto un problema da un milione di dollari. Nel giro di un paio di settimane la discussione si era spostata sul fatto che quel problema fosse quello che interessava ai matematici. La testata ha avuto cura di notare che la critica non sosteneva che la soluzione di OpenAI fosse sbagliata, solo che il risultato poteva non essere quello importante. Un matematico ha anche accusato i modelli di aver usato parte del suo lavoro senza credito.
Quindi la disputa non riguarda davvero la correttezza. Riguarda il significato, e chi ha il diritto di deciderlo. È una cosa più difficile da dibattere in pubblico rispetto a una risposta sbagliata.
La verifica arriva da un'altra direzione
Mentre va avanti la discussione sul credito delle scoperte, altri gruppi lavorano su un problema più prosaico: se ci si possa fidare del tutto della biologia generata dall'AI. I titoli dell'ultima settimana descrivono DeepMind che applica watermark alle proteine, così i laboratori possono verificare cosa stanno guardando. Lavori separati riguardano i watermark SynthID Bio per proteine progettate dall'AI. Sono tentativi di rendere tracciabile l'output dell'AI, non di renderlo famoso.
Il fronte commerciale si muove allo stesso ritmo poco glamour. Hansa Biopharma ha annunciato una partnership con Cradle sul design e l'ingegnerizzazione di proteine guidati dall'AI. È lavoro su contratto, non una rivendicazione di svolta. Probabilmente è una guida migliore su dove si trovi davvero la tecnologia rispetto a qualsiasi annuncio su agenti che scoprono qualcosa.
Secondo MIT Technology Review, l'inquadratura di Anthropic stessa è parte del problema. La testata sostiene che le aziende di AI non presentano i loro sistemi come strumenti, nel modo in cui lo sono un microscopio o un supercomputer. Insistono che i sistemi facciano scoperte da soli. Questo stride con il modo in cui la scienza di solito produce nuova conoscenza: attraverso la collaborazione e un insieme crescente di strumenti. Il disallineamento non infastidisce solo i biologi. Rende più difficile riconoscere il progresso vero quando arriva, perché i soli verdetti disponibili sono i due estremi.
Il resto del fascicolo scientifico
Altrove, le notizie di ricerca della settimana sono insolitamente concrete. Scienziati dell'Harrington Discovery Institute presso University Hospitals e Case Western Reserve University hanno pubblicato risultati su Cell Reports. Descrivono un meccanismo molecolare che potrebbe spiegare perché il peso perso ritorna. Il lavoro si concentra sull'asprosina, un ormone rilasciato dal tessuto adiposo che segnala al cervello di stimolare l'appetito. Nei topi, l'obesità alterava l'attività delle cellule adipose in un modo che manteneva l'asprosina elevata dopo la perdita di peso. I ricercatori chiamano questo effetto memoria dell'obesità. Un laboratorio separato guidato da Seth J. Field ha confermato che il cambiamento cellulare persisteva, secondo SciTechDaily. Gli autori avvertono che le prove sull'uomo vengono da dataset disponibili pubblicamente e richiedono ancora conferma diretta.
L'astronomia ha prodotto un primato più pulito. Un articolo inviato ad arXiv il 15 settembre riporta la prima rilevazione diretta di emissione radio aurorale da un esopianeta. L'obiettivo è il pianeta gigante beta Pictoris b, osservato con l'array MeerKAT. Gli autori, Kevin N. Ortiz Ceballos, Edo Berger e Yvette Cendes, riportano burst rapidi, ricorrenti e fortemente polarizzati circolarmente a frequenze da 0,85 a 3,5 GHz. Identificano l'emissione come radiazione maser a ciclotrone elettronico. Questo implica un campo magnetico di almeno 1,25 kG sul pianeta. L'abstract afferma chiaramente che nessuna rilevazione radio era stata prima localizzata in modo inequivocabile su un pianeta extrasolare anziché sulla sua stella ospite.
Ecco come appare una rivendicazione di scoperta quando è la misura a fare l'argomentazione. C'è un segnale, un meccanismo fisico che lo spiega, e un numero che deriva dal meccanismo. Nessuno deve essere convinto a forza.
Perché la disputa su Anthropic non si risolverà presto
La ragione strutturale è che le aziende di AI sono in gara tra loro. MIT Technology Review ha chiuso la sua analisi notando che Sam Altman e Dario Amodei sono in competizione. Alzare l'asticella su cosa conti come svolta scientifica dell'AI potrebbe essere l'ultimo dei loro pensieri. Asticelle più basse fanno marketing migliore. La proposta di Harrington chiede alle aziende di tenere la linea alta, così un risultato vero arriva nel modo giusto. Significa agire contro i propri incentivi.
C'è anche un costo pratico del rumore. Un risultato che trova un pattern viene presentato come un momento da scala CRISPR. I biologi che altrimenti potrebbero usare lo strumento devono poi passare il tempo a spiegare perché non lo è. La risposta di Mestre è stata abbandonare Claude per una questione irrisolta: se le sue conversazioni avessero alimentato il sistema. È un piccolo dato su quanto in fretta si erode la fiducia.
Per ora il riassunto onesto è ristretto. I sistemi di AI producono risultati utili e verificabili nel lavoro su proteine e materiali, e ne esistono diversi esempi. Allo stesso tempo ricevono credito per scoperte che gli scienziati al lavoro rifiutano. Le due cose sono vere insieme, ed è nello scarto tra loro che avverrà la prossima discussione.
Fonti
4- 01When can we say AI made a scientific discovery?EN
- 02The Download: climate tech companies to watch and AI's discovery problemEN
- 03Scientists Discover a Molecular "Memory" That Could Make Lost Weight Come BackEN
- 04Discovery of radio emission from the exoplanet beta 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.