Due anni fa, uno strumento di IA ha fatto vincere a Google DeepMind un Nobel. I ricercatori stanno ora puntando a un nuovo obiettivo.
Durante il keynote di Google I/O di martedì, Demis Hassabis, CEO di Google DeepMind, ha dichiarato che attualmente ci troviamo “ai piedi della singolarità”. È stata un’affermazione sorprendente: la singolarità è il momento futuro teorico in cui l’IA supererà rapidamente l’intelligenza umana e trasformerà radicalmente il mondo. Ma ciò che mi ha colpito mentre ascoltavo tra il pubblico è stato il contesto in cui ha pronunciato quelle parole.
Era sul palco per chiudere la sessione con una parte dedicata all’IA scientifica, il cui fulcro era un video che illustrava in dettaglio come il software di previsione meteorologica dell’azienda avesse fornito un allarme preventivo sull’arrivo catastrofico dell’uragano Melissa in Giamaica lo scorso anno, salvando potenzialmente delle vite. Se quel software, chiamato WeatherNext, ha aiutato qualcuno a sfuggire alla tempesta o a fortificare meglio la propria casa, si tratta di un risultato enorme e significativo. Ma non è certo la prova di una singolarità imminente.
La giustapposizione della retorica altisonante di Hassabis con i risultati concreti di WeatherNext ha messo in luce la tensione tra due approcci molto diversi all’IA per la scienza. Il primo si concentra su strumenti di IA, come WeatherNext, progettati e addestrati per risolvere specifici problemi scientifici. Il secondo riguarda sistemi agenti basati su LLM che un giorno potrebbero eseguire progetti di ricerca all’avanguardia senza il coinvolgimento umano.
Questa seconda visione sta alimentando in questo momento un grande entusiasmo per l’IA, compreso il recente fermento intorno all’auto-miglioramento ricorsivo, ovvero l’idea che i sistemi di IA potrebbero alla fine diventare i principali motori del progresso dell’IA – un processo che diventerebbe sempre più veloce man mano che i sistemi di IA diventano più intelligenti. E i sistemi agenti stanno ora dando un contributo concreto alla ricerca, a volte con una guida umana limitata.
Proprio questa settimana, Pushmeet Kohli, capo scienziato di Google Cloud, ha pubblicato un articolo in un numero speciale dedicato all’IA e alla scienza della rivista Daedalus, scrivendo: “Ci stiamo muovendo verso un’IA che non si limiti a facilitare la scienza, ma che inizi a fare scienza”. Con l’avvento degli scienziati autonomi dell’IA all’orizzonte, è più difficile giustificare gli sforzi massicci per sviluppare strumenti super-specializzati – anche uno come AlphaFold, per il quale gli scienziati di DeepMind hanno vinto un Premio Nobel, o un sistema potenzialmente salvavita come WeatherNext. Ciò preannuncia anche un futuro molto più strano per la scienza, in cui gli esseri umani e i sistemi di IA collaborano da pari a pari – o l’IA compie addirittura progressi scientifici da sola.
Per essere chiari, Google non sembra voler abbandonare il proprio lavoro sugli strumenti di IA specializzati per la scienza. AlphaGenome e AlphaEarth Foundations, addestrati rispettivamente per applicazioni di genetica e scienze della Terra, sono stati rilasciati la scorsa estate, mentre la versione più recente di WeatherNext è uscita a novembre.
Inoltre, tali strumenti rimangono estremamente popolari tra gli scienziati. L’anno scorso, ad esempio, Google ha riferito che le previsioni sulla struttura delle proteine di AlphaFold sono state utilizzate da oltre tre milioni di ricercatori in tutto il mondo. E Isomorphic Labs, una filiale di Google che mira a utilizzare AlphaFold e le tecnologie correlate per sviluppare nuovi farmaci, ha appena raccolto un round di finanziamento di serie B da 2 miliardi di dollari.
Ma ci sono segnali concreti di un riorientamento, sia in termini di entusiasmo che di risorse. Il mese scorso, il Los Angeles Times ha riportato che John Jumper, ricercatore di Google e vincitore del Nobel per AlphaFold, sta ora lavorando alla codifica dell’IA, non a strumenti di IA specifici per la scienza. Non sorprende che Google stia assegnando le sue menti migliori al problema della programmazione, dato che l’azienda ha recentemente subito un danno d’immagine perché i suoi strumenti di programmazione attualmente non reggono il confronto con quelli offerti da Anthropic e OpenAI. Ma ciò potrebbe anche segnalare una priorità data alla scienza agentica da parte di Google, poiché le capacità di programmazione sono fondamentali per il successo di alcuni di quei sistemi.
In tutto il settore, i sistemi di ricerca agentici stanno dimostrando un potenziale reale. Questa settimana, OpenAI ha annunciato che uno dei suoi modelli ha confutato un’importante congettura matematica: forse il contributo più significativo che l’IA generativa abbia dato alla matematica finora, secondo alcuni matematici.
È importante sottolineare che il modello utilizzato da OpenAI non è specializzato nella risoluzione di problemi matematici, né tantomeno nella ricerca; secondo l’azienda, si tratta di un modello di ragionamento generico sulla scia di GPT-5.5. Se gli agenti generici possono dare un contributo indipendente alla ricerca matematica, potrebbero presto essere in grado di fare lo stesso nella scienza (anche se il fatto che le idee scientifiche debbano essere verificate sperimentalmente rende questo campo più difficile per l’IA).
Google sta certamente dedicando molta attenzione a un futuro scientifico guidato dagli agenti. Il grande annuncio scientifico all’I/O è stato il nuovo pacchetto Gemini for Science, che riunisce sotto un unico marchio diversi sistemi scientifici basati su LLM dell’azienda.
Questo include l’AI Co-Scientist, che genera ipotesi, e AlphaEvolve, che ottimizza gli algoritmi, che non sono ancora disponibili al pubblico; tuttavia, dato che Google ora consente a qualsiasi ricercatore di richiedere l’accesso a Gemini for Science, potrebbero presto vedere una più ampia adozione nella comunità scientifica. Gli scienziati che hanno partecipato ai primi test sono entusiasti del loro potenziale: Gary Peltz, un genetista di Stanford, in un articolo su Nature Medicine ha paragonato l’uso di AI Co-Scientist a «consultare l’oracolo di Delfi».
Gemini for Science non è incompatibile con strumenti specializzati; al contrario, i sistemi agenti possono essere progettati per ricorrere a tali strumenti quando potrebbero essere utili. E nessun sistema agente può prevedere la struttura in cui si ripiegherà una proteina senza l’aiuto di AlphaFold (almeno non ancora). Ma l’azienda sembra stia spostando la propria immagine pubblica – e almeno alcune risorse e personale, come Jumper – lontano dallo sviluppo specifico di quel tipo di strumenti. Sebbene siano passati solo cinque anni da quando AlphaFold ha risolto il problema del ripiegamento delle proteine, sia la tecnologia che il discorso hanno rapidamente superato quel risultato un tempo rivoluzionario.
Google ha avuto cura di posizionare questa nuova serie di agenti scientifici come un acceleratore per gli scienziati umani, piuttosto che come un loro sostituto: la scelta del nome AI Co-Scientist anziché AI Scientist, ad esempio, appare piuttosto deliberata. Hassabis utilizza lo stesso inquadramento antropocentrico quando parla dei cambiamenti nel panorama dell’IA scientifica. “Per il prossimo decennio circa, dovremmo pensare all’IA come a questo straordinario strumento per aiutare gli scienziati”, ha detto Hassabis in un’intervista pubblicata nel numero di Daedalus. “Oltre quel lasso di tempo, è difficile dirlo con certezza, ma forse questi sistemi diventeranno più simili a collaboratori”.
Ma nessuno può essere un collaboratore scientifico efficace senza essere anche uno scienziato esperto a pieno titolo. E se Hassabis è anche solo vagamente vicino al vero quando parla delle “prealpi della singolarità”, allora gli scienziati dell’IA potrebbero alla fine superare le capacità delle loro controparti umane.
In una discussione con il giornalista Mike Allen all’I/O, Hassabis ha raccontato di come sia stato inizialmente ispirato a dedicarsi all’IA quando ha osservato come i progressi in fisica fossero rimasti stagnanti dagli anni ’70; si è chiesto se la mente umana avesse raggiunto i propri limiti in quel campo e se l’IA potesse aiutare a superare quella barriera. Scienziati agenti sovrumani sarebbero certamente all’altezza di tale compito. Potremmo non avvicinarci mai a quel traguardo, ma Google sembra puntare proprio a quella vetta.
