Un gruppo di ricercatori svedesi ha sviluppato un sistema di intelligenza artificiale in grado di gestire quasi autonomamente l’intero ciclo della ricerca scientifica, dalla formulazione delle ipotesi alla progettazione degli esperimenti, fino all’analisi dei risultati. Il sistema combina diversi Large Language Model, grandi basi di dati scientifiche e robotica di laboratorio in un’architettura a ciclo chiuso, nella quale ogni fase alimenta automaticamente quella successiva. Il banco di prova è stato Saccharomyces cerevisiae, il comune lievito di birra e di panificazione: l’AI ha analizzato un database contenente circa 60.000 relazioni fenotipiche, fisiologiche e metaboliche e, sulla base di queste informazioni, ha formulato quasi 2.000 previsioni verificabili sul modo in cui diversi nutrienti potessero influenzare la crescita cellulare e la resistenza allo stress.
Dopo avere generato le ipotesi, il sistema le ha valutate, ha selezionato i controlli sperimentali necessari e ha trasformato le idee in istruzioni operative passo per passo direttamente leggibili dalle apparecchiature di laboratorio. Una volta completati gli esperimenti, l’AI ha analizzato automaticamente i dati prodotti, stabilendo quali previsioni fossero supportate dai risultati e quali invece dovessero essere scartate o modificate. Le ipotesi confutate venivano quindi aggiornate e inserite in nuovi cicli sperimentali, consentendo al sistema di perfezionare progressivamente il proprio modello del fenomeno studiato. L’elemento distintivo è proprio questa continuità tra ragionamento e sperimentazione fisica: il sistema non si limita a fornire raccomandazioni a un ricercatore umano, ma utilizza le evidenze ottenute in laboratorio per decidere autonomamente quali domande affrontare e quali test eseguire successivamente.
Secondo i ricercatori della Chalmers University of Technology e dell’Università di Göteborg, un’impostazione di questo tipo può essere particolarmente utile nei campi in cui la quantità di dati e il numero di combinazioni sperimentali superano ciò che può essere esaminato manualmente in tempi ragionevoli. L’automazione dei protocolli potrebbe inoltre ridurre alcune fonti di variabilità legate all’esecuzione umana, come registrazioni incomplete delle procedure, differenze operative o condizioni sperimentali non controllate in maniera uniforme, migliorando la riproducibilità e ottimizzando l’impiego delle risorse di laboratorio. Il sistema viene quindi presentato come uno “scienziato AI” non perché sostituisca integralmente il ricercatore, ma perché è in grado di generare e verificare nuova conoscenza attraverso un ciclo sperimentale autonomo.
Gli autori mantengono comunque centrale il ruolo umano. La definizione delle priorità scientifiche, l’interpretazione dei risultati nel loro contesto più ampio, la costruzione dei programmi di ricerca e soprattutto la supervisione etica restano attività attribuite ai ricercatori. L’obiettivo è quindi sviluppare laboratori autonomi capaci di collaborare con gli scienziati e accelerare la ricerca in biologia, medicina e biotecnologia, riducendo il tempo necessario per esplorare problemi complessi senza eliminare il controllo umano sulle finalità e sulle implicazioni del lavoro scientifico.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)