Cosa può e non può rivendicare la scoperta di proteine e materiali con l'IA
I biologi contestano ancora l'affermazione di Anthropic secondo cui i suoi agenti Claude avrebbero fatto una prima scoperta di biologia molecolare, annunciata la settimana scorsa. La disputa è diventata il test più severo finora su cosa conti come scoperta scientifica guidata dall'IA.

La questione non è se il software abbia fatto qualcosa. Riguarda cosa può coprire la parola scoperta. Anthropic ha detto che il suo sistema di 950 agenti ha individuato un pattern ripetuto attorno a un enzima noto dopo 21 ore di lavoro, secondo MIT Technology Review, che ha riportato per primo la disputa il 28 settembre.
I biologi hanno replicato nel giro di pochi giorni.
Lucas Harrington ha scritto la critica che è circolata di più. Sosteneva che trovare uno strano cluster di geni e ripetizioni è spesso la parte facile. La parte difficile, diceva, è capire cosa fa davvero il sistema.
Il presidente e amministratore delegato di Eli Lilly ha appoggiato quella critica, ha riportato MIT Technology Review. Un secondo biologo, Mario Rodríguez Mestre dell'Università di Copenaghen, ha detto nel fine settimana che il suo team aveva già trovato lo stesso pattern. Ha raccontato di chattare regolarmente con Claude nel suo lavoro. Si è chiesto se il team di Anthropic avesse imparato da quelle conversazioni. Anthropic nega. Mestre dice che smetterà comunque di usare Claude del tutto.
Perché l'asticella conta per il lavoro sulle proteine
La stessa ambiguità attraversa il resto del campo dell'IA per la biologia. Tre cose vengono abitualmente messe insieme: prevedere una struttura, progettare una molecola e dimostrare che una molecola fa qualcosa di utile in un sistema vivente.
La previsione della struttura è la parte più matura.
Lavori recenti mostrano quanto si sia spostato il fronte della progettazione. Un laboratorio cloud di ingegneria proteica guidato dall'IA ha ricevuto 20.000.000 di dollari dalla National Science Foundation. Hansa Biopharma ha detto il 1 ottobre che avrebbe lavorato con Cradle sulla progettazione proteica guidata dall'IA. I ricercatori hanno anche riferito di aver usato la previsione strutturale con IA per accelerare la ricerca di colle molecolari, piccole molecole che spingono due proteine a legarsi. Ognuna di queste è una capacità reale. Nessuna è un risultato clinico.
La verifica è dove il campo sta concentrando gli sforzi ora. Il 1 ottobre DeepMind ha contrassegnato con watermark le proteine così che i laboratori potessero verificarle. Un rapporto correlato del 30 settembre descriveva SynthID Bio come un modo per rendere sicure le sequenze proteiche generate dall'IA. La logica è semplice. Se un modello può produrre migliaia di progetti plausibili, il collo di bottiglia si sposta dalla generazione al controllo se qualcuno di essi si comporta come dichiarato.
Quel cambiamento è visibile anche fuori dalla biologia.
Lo stesso schema si vede nei materiali, dove i modelli di IA propongono composti candidati più in fretta di quanto qualsiasi laboratorio possa sintetizzarli e testarli. Nessun singolo risultato eclatante sui materiali spicca questa settimana. La lettura onesta è che la disputa biologica è l'indicatore anticipatore di un problema che riguarda tutto il campo.
"Trovare uno strano cluster di geni e ripetizioni è spesso la parte facile. La parte difficile, e da dove vengono le vere scoperte, è capire cosa fa davvero il sistema."
Quella citazione, dal post virale di Harrington, è il nodo. L'ha riportata MIT Technology Review, non Anthropic. L'azienda non ha risposto nel merito nelle dichiarazioni pubbliche.
Una scoperta separata, e più pulita
Non ogni rivendicazione recente è contestata allo stesso modo. Gli astronomi hanno riportato il 15 settembre, in un articolo pubblicato su arXiv, la prima rilevazione diretta di emissione radio aurorale da un esopianeta. Il pianeta è il gigante beta Pictoris b, e il team ha usato l'array MeerKAT. Il team, Kevin N. Ortiz Ceballos, Edo Berger e Yvette Cendes, ha rilevato raffiche rapide, ricorrenti e fortemente polarizzate circolarmente, più un'emissione persistente, a frequenze da 0,85 a 3,5 GHz.
Identificano il segnale come radiazione maser a ciclotrone elettronico. Questo implica un campo magnetico di almeno 1,25 kG sul pianeta. È la prima misura diretta dell'intensità del campo per un esopianeta. Nota cosa rende duratura questa rivendicazione: uno strumento specifico, un segnale specifico, un meccanismo fisico specifico e un numero che altri gruppi possono provare a riprodurre con i propri telescopi. Nessun agente di IA è chiamato a prendersene il merito.
Il contrasto non è un argomento che l'IA non possa contribuire alla scoperta. È un argomento su come viene formulata la rivendicazione. Ridurre 200.000 candidati a pochi che vale la pena testare è lavoro scientifico legittimo, come ha notato MIT Technology Review. Un chatbot generalista che fa quel lavoro è notevole anche se gli umani lo hanno guidato e hanno eseguito gli esperimenti.
Il precedente della matematica
Lo schema non è unico della biologia. All'inizio di settembre, OpenAI ha detto che i suoi agenti avevano risolto un problema da un milione di dollari in matematica. Un paio di settimane dopo, come ha riportato MIT Technology Review, gli scettici dell'IA condividevano un articolo che chiedeva se fosse davvero il problema matematico a contare. Il pezzo non sosteneva che la soluzione di OpenAI fosse sbagliata. Sosteneva che il risultato potrebbe non essere quello che interessa di più ai matematici. Un matematico ha anche accusato i modelli di aver usato parte del suo lavoro senza citarlo.
Quando un'azienda presenta il proprio output come una scoperta invece che come il risultato di uno strumento, il dibattito si riduce a due risposte: svolta o fiasco. Tutto ciò che sta in mezzo va perso. È il meccanismo a cui i biologi si oppongono, più che al pattern specifico dell'enzima.
La soluzione proposta da Harrington era esplicita. Le aziende di IA dovrebbero alzare subito l'asticella, diceva, così che quando un'IA scoprirà davvero un meccanismo biologico fondamentalmente nuovo, tutti capiranno quanto è importante. MIT Technology Review ha notato che Sam Altman e Dario Amodei corrono a superarsi a vicenda. Alzare quell'asticella potrebbe essere l'ultimo dei loro pensieri.
Cosa tenere d'occhio
Due date contano per la prossima fase. MIT Technology Review pubblicherà il 6 ottobre la sua lista 2026 delle aziende di tecnologia climatica da tenere d'occhio. Non risolverà la discussione biologica. Mostrerà quali aziende la testata giudica in grado di produrre risultati misurabili invece di annunci.
La seconda è la questione della replica attorno a beta Pictoris b. È esattamente il tipo di rivendicazione che sopravvive o muore con un'osservazione indipendente. Se un altro array conferma le raffiche, il campo ottiene una misura del campo magnetico su cui costruire. Se no, l'articolo si aggiunge alla lunga lista di risultati da singola rilevazione in attesa di conferma.
Per il lavoro dell'IA su proteine e materiali, il test è più ristretto. L'output di un modello diventa una scoperta quando qualcun altro può riprodurre il comportamento in un laboratorio umido o in un forno. Deve anche essere la cosa che il campo stava davvero cercando. Fino ad allora, la descrizione accurata è candidato promettente, non risultato.
La formulazione di Anthropic invita alla lettura più severa. Il suo annuncio definiva il pattern reminiscente di ciò che ha portato a CRISPR, che ha già trasformato la scienza e la medicina, secondo il resoconto del testo fatto da MIT Technology Review. È un paragone con un meccanismo da Nobel, fatto su un pattern ripetuto attorno a un enzima noto. È per questo che la risposta è stata così dura.
La disputa non si risolverà con un dibattito. Si risolverà a seconda che laboratori indipendenti riescano a prendere il pattern individuato e a mostrare cosa fa. Quel lavoro è lento e poco appariscente. È anche esattamente la parte che le rivendicazioni attuali tendono a saltare.
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 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.