OpenScience porta un agente di ricerca sul desktop, con ogni passaggio registrato

L'ultimo arrivato nel campo affollato degli strumenti di AI per la scienza è un repository GitHub. OpenScience, pubblicato il 31 ottobre sotto l'organizzazione synthetic-sciences, si presenta come "the open-source AI workbench for scientific research" e arriva come app desktop per macOS, Windows e Linux, come workspace nel browser e come comando da terminale.

La proposta è volutamente ristretta. Secondo il README del progetto, l'agente si occupa di "the parts of research that are real work but not the idea": recuperare e pulire dati, riprodurre un'affermazione, esplorare un parametro, abbozzare la sezione dei metodi, verificare un riferimento. L'utente tiene per sé l'idea e il giudizio.

Ciò che lo distingue da un chatbot con un involucro è la traccia di controllo. Il README dice che un turno si legge come "what it thought, what it searched, what it ran, what it wrote, then the answer", e che nulla viene eseguito senza che l'utente possa vederlo dopo. Il software include kernel shell, Python e R, notebook, un file system con permessi espliciti di lettura e scrittura e calcolo remoto. Elenca anche centinaia di competenze preconfezionate per biologia, chimica, fisica, ML e ingegneria dei dati, più connettori a ChEMBL, UniProt, PubMed e arXiv.

La scelta del modello resta all'utente: portare una chiave API, accedere a un provider supportato, eseguire un modello locale tramite Ollama o LM Studio, oppure pagare un'opzione gestita che il progetto chiama Ace. Il README si chiude con un avvertimento che suona tanto come nota di responsabilità quanto come consiglio: rivedere fonti, assunzioni, codice e output prima di affidarsi a una conclusione scientifica.

L'automazione arriva su entrambi i lati del banco di laboratorio

Il rilascio di OpenScience arriva in una settimana di segnali simili. Opentrons, azienda di robotica da laboratorio, ha annunciato il 29 ottobre un round Series E da 40.000.000 di dollari guidato da Avego, con articoli su citybiz e Genetic Engineering and Biotechnology News che lo inquadrano come una spinta a standardizzare sui suoi robot la scienza guidata dall'AI. La stessa settimana A*STAR ha allestito un laboratorio automatizzato basato su AI per lo sviluppo di materiali avanzati, come riportato dal quotidiano in lingua cinese Lianhe Zaobao, e XtalPi ha annunciato una partnership con A*STAR nell'ambito del programma MARVEL-AI, secondo PR Newswire.

I gruppi di ricerca pubblicano il lavoro di valutazione accanto ai prodotti. Un articolo inviato ad arXiv il 30 ottobre da Akshat Jani, Sakhinana Sagar Srinivas e Venkataramana Runkana verifica se gli agenti riescono a scrivere specifiche JSON complete ed eseguibili per la creazione di geometrie, la generazione di mesh, la risoluzione di PDE e l'esportazione dei risultati. Su 120 richieste legate a template, l'intero flusso di lavoro ha raggiunto il 98,3% di specifiche corrette al primo turno e di esiti decisionali corretti, contro il 92,5% di un approccio a colpo singolo assistito da schema e l'82,5% del solo modello, con guadagni di 5,8 e 15,8 punti percentuali. Su 42 richieste che richiedevano chiarimenti o rifiuto, non ha prodotto decisioni di falsa disponibilità. Su 12 test dal vivo utente-risultati, 9 hanno centrato insieme specifica, esecuzione, esportazione e riferimento numerico.

Un secondo articolo su arXiv, inviato lo stesso giorno da Jae-Hyun Baek, Byung-Sun Won e Jon-Lark Kim, usa l'evoluzione di programmi guidata da LLM per cercare codici quantistici correttori di errori assistiti dall'entanglement, con Lean che verifica il certificato algebrico. Gli autori riferiscono che la famiglia risultante ha colmato 54 lacune nelle tabelle archiviate e che hanno rilasciato 115 record di codici verificati e dieci risultati di non esistenza con prove DRAT controllate. In otto blocchi di generazione appaiati, i programmi iterativi selezionati tramite validazione hanno avuto successo nel 46,1% e nel 31,6% delle esecuzioni su dati tenuti da parte a lunghezze mai viste, contro il 19,5% e il 3,1% dei programmi generati in modo indipendente.

Non ogni dichiarazione di assistenza AI nella scienza regge all'esame. Science News ha riportato il 26 ottobre che Anthropic aveva descritto un ricercatore che usava Claude per pianificare un lavoro sull'influenza aviaria altamente patogena, comprese mutazioni che potrebbero aiutare il virus ad adattarsi ai mammiferi. Il ricercatore di influenza Thomas Friedrich dell'Università del Wisconsin–Madison ha definito quella ricerca "absolutely a normal part of virology research", mentre il ricercatore di biodifesa Gregory Koblentz della George Mason University ha detto alla testata che "no evidence that any of this research was connected to the development of biological weapons". Friedrich ha anche detto che il resoconto di Anthropic stesso suggerisce che il modello "did not meaningfully add scientific capability".

Altrove le notizie AI della settimana riguardano i costi, non le capacità. SUSE ha comunicato ai suoi 1.900 dipendenti che taglierà circa il 10 percento della forza lavoro globale, citando "Automatisierung und KI", secondo un'email interna ottenuta da The Register e riportata da heise online il 2 novembre. L'amministratore delegato Dirk-Peter van Leeuwen ha scritto che le decisioni sono "schmerzhaft für unsere Mitarbeiter, unsere Unterkultur und unsere Open-Source-Community" ma necessarie per una SUSE resiliente. I dipendenti coinvolti sarebbero stati informati entro mercoledì, con colloqui individuali a partire dall'inizio della prossima settimana e un briefing strategico per il resto dell'azienda il 16 novembre.

Per chi lavora con i banchi open source, la lezione è la stessa che il README dice senza giri di parole: l'agente ti mostra cosa ha fatto, così puoi controllarlo.