La scoperta rivendicata da Anthropic divide i biologi mentre il dibattito sulle proteine si allarga

Il laboratorio di biologia molecolare di Anthropic, popolato da agenti Claude, ha segnalato un pattern ripetuto attorno a un enzima noto: un pattern che secondo l'azienda non era mai stato catalogato. La rivendicazione, annunciata la settimana scorsa e analizzata da MIT Technology Review il 28 settembre, è diventata il più acceso dibattito pubblico su cosa l'IA possa legittimamente dire 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 riferito la testata. Hanno trovato un pattern ripetuto attorno a un enzima noto e l'annuncio di Anthropic lo ha definito "reminiscente" del lavoro che ha portato a CRISPR. Quella parola ha fatto molto lavoro, ed è lì che sono iniziati i problemi.

Il problema dell'asticella

Le critiche sono arrivate in fretta e da dentro il settore. Un post diventato virale del biologo Lucas Harrington, 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, ed è da lì che vengono le vere scoperte, è capire cosa fa davvero il sistema". MIT Technology Review ha citato il post direttamente. Il suggerimento di Harrington, come riportato dalla testata, era che le aziende di IA dovrebbero "alzare subito l'asticella, così quando un'IA scoprirà davvero un meccanismo biologico fondamentalmente nuovo tutti capiranno quanto sia importante".

Poi la vicenda si è complicata. 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 e ha chiesto se il gruppo di Anthropic avesse imparato dalle sue conversazioni. Anthropic lo nega. Mestre dice comunque di aver smesso di usare Claude.

"La parte difficile, ed è da lì che vengono le vere scoperte, è capire cosa fa davvero il sistema."

Niente di tutto questo significa che il lavoro di fondo fosse inutile. MIT Technology Review osserva che restringere 200.000 candidati a una manciata che vale la pena testare è vero lavoro scientifico, e che un chatbot generalista capace di farlo è notevole anche con gli esseri umani che guidano ed eseguono 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 fallimento. Tutto quello che sta in mezzo viene appiattito.

Come appare davvero oggi il lavoro sulle proteine

La querelle su Anthropic conta al di là di una singola azienda, perché è nella scoperta di proteine e materiali che l'IA ha accumulato in silenzio risultati reali e verificabili. Il quadro che emerge dal dossier è meno drammatico di un comunicato stampa e più utile.

Tra i titoli recenti registrati accanto alla vicenda Anthropic ci sono lavori su vaccini a mRNA termostabili con nanoparticelle lipidiche, realizzati con quella che Nature ha descritto come IA efficiente nei dati, pubblicati il 28 settembre. Separatamente, i ricercatori hanno riferito di aver usato la previsione strutturale con IA per accelerare la scoperta di colle molecolari, piccole molecole che possono spingere le proteine a unirsi in modi utili a trattare le malattie. Nessuna delle due rivendicazioni si basa sull'attribuire a un'IA un salto concettuale. Si basano sull'IA che cerca e classifica grandi quantità di dati più in fretta di quanto possano fare le persone.

Questa distinzione è tutto il dibattito. I sistemi di IA sono eccellenti nella parte della scienza che è essenzialmente triage, e il settore è stato lento nel 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, e nel giro di un paio di settimane la discussione si è spostata sul fatto che quel problema fosse quello che interessava davvero ai matematici. La testata ha avuto cura di precisare che le critiche non sostenevano che la soluzione di OpenAI fosse sbagliata, solo che il risultato poteva non essere quello importante. C'è stata anche l'accusa di un matematico secondo cui i modelli avrebbero usato parte del suo lavoro senza attribuzione.

Quindi la disputa non riguarda davvero la correttezza. Riguarda la rilevanza, e chi ha il diritto di deciderlo. È una cosa più difficile da dirimere 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 al problema più banale della fiducia: si può credere alla biologia generata dall'IA? I titoli dell'ultima settimana parlano di DeepMind che applica watermark alle proteine così che i laboratori possano verificare quello che stanno guardando, e di un lavoro separato sui watermark SynthID Bio per le proteine progettate dall'IA. Sono tentativi di rendere tracciabile l'output dell'IA, non di renderlo famoso.

Il versante commerciale si muove allo stesso ritmo poco appariscente. Hansa Biopharma ha annunciato una partnership con Cradle sul design e l'ingegnerizzazione di proteine guidati dall'IA. È lavoro su contratto, non una rivendicazione di svolta, ed è probabilmente una guida migliore su dove stia davvero la tecnologia rispetto a qualsiasi annuncio su agenti che scoprono qualcosa.

Secondo MIT Technology Review, l'inquadratura scelta da Anthropic è parte del problema. La testata sostiene che le aziende di IA non presentano i loro sistemi come strumenti, nel modo in cui lo sono un microscopio o un supercomputer. Insistono sul fatto che i sistemi facciano scoperte da soli, cosa che stona con il modo in cui la scienza di solito produce nuova conoscenza: attraverso la collaborazione e un insieme crescente di strumenti. Questo disallineamento non si limita a irritare i biologi. Rende più difficile riconoscere i progressi reali quando arrivano, perché gli unici verdetti disponibili sono i due estremi.

Il resto del fascicolo scientifico

Nel resto del dossier le notizie di ricerca della settimana sono insolitamente concrete. Scienziati del Harrington Discovery Institute presso University Hospitals e Case Western Reserve University hanno pubblicato su Cell Reports i risultati su 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 modo tale da mantenere l'asprosina elevata dopo la perdita di peso, un effetto che i ricercatori chiamano 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 pubblicamente disponibili e necessitano ancora di conferma diretta.

L'astronomia ha prodotto un primato più netto. Un articolo inviato ad arXiv il 15 settembre riporta la prima rilevazione diretta di emissione radio aurorale da un esopianeta, il gigante beta Pictoris b, con l'array MeerKAT. Gli autori, Kevin N. Ortiz Ceballos, Edo Berger e Yvette Cendes, riportano burst rapidi, ricorrenti e altamente polarizzati circolarmente a frequenze da 0,85 a 3,5 GHz. Identificano l'emissione come radiazione maser a ciclotrone elettronico, il che implica un campo magnetico di almeno 1,25 kG sul pianeta. L'abstract afferma chiaramente che nessuna rilevazione radio era stata prima inequivocabilmente localizzata su un pianeta extrasolare invece che sulla sua stella ospite.

Ecco come appare una rivendicazione di scoperta quando è la misurazione a fare l'argomentazione. C'è un segnale, un meccanismo fisico che lo spiega e un numero che segue dal meccanismo. Nessuno deve essere convinto.

Perché la querelle su Anthropic non si risolverà presto

La ragione strutturale è che le aziende di IA sono in corsa l'una contro l'altra. MIT Technology Review ha chiuso la sua analisi osservando che, mentre Sam Altman e Dario Amodei si sfidano, alzare l'asticella di ciò che conta come svolta scientifica dell'IA potrebbe essere l'ultima cosa a cui pensano. Un'asticella bassa è marketing migliore. La proposta di Harrington, che le aziende tengano l'asticella alta perché un risultato vero arrivi come merita, chiede loro di agire contro i propri incentivi.

C'è anche un costo pratico del rumore. Quando un risultato che trova pattern viene presentato come un momento di portata CRISPR, i biologi che altrimenti potrebbero avvicinarsi allo strumento devono passare il tempo a spiegare perché non lo è. La reazione di Mestre, abbandonare Claude per una questione irrisolta sul fatto che le sue conversazioni abbiano alimentato il sistema, è un piccolo dato su quanto in fretta si eroda la fiducia.

Per ora il riassunto onesto è ristretto. I sistemi di IA producono risultati utili e verificabili nel lavoro su proteine e materiali, e il dossier ne contiene diversi esempi. Nello stesso tempo vengono accreditati di scoperte che gli scienziati al lavoro respingono. Entrambe le cose sono vere insieme, e nello scarto tra le due si svolgerà la prossima discussione.