Matthew Schwartz, professore di fisica all’Università di Harvard e visiting researcher presso Anthropic, ha descritto un approccio alla ricerca scientifica basato non sul tentativo di utilizzare Claude come sostituto diretto di uno scienziato umano, ma sulla ricerca sistematica di problemi particolarmente adatti alle capacità degli attuali modelli di linguaggio. Schwartz definisce queste attività “Claude-shaped problems”, cioè problemi nei quali risultano particolarmente utili la grande ampiezza di conoscenze del modello, le capacità di programmazione, matematica e statistica e la possibilità di leggere rapidamente grandi quantità di articoli, appendici e dataset, mentre rimangono meno adatte le questioni che richiedono giudizi concettuali profondi, una valutazione autonoma dell’importanza scientifica o una comprensione completa del contesto di ricerca. In tre mesi Schwartz ha esaminato insieme a Claude circa 400 problemi candidati e, collaborando con 19 coautori, ha prodotto 36 manoscritti distribuiti su 18 campi scientifici. Il lavoro è stato organizzato attraverso BootLoops, un harness open source che combina strumenti di matematica, fisica e informatica e che permette al modello di eseguire calcoli esatti, scrivere e validare codice, trasferire tecniche tra discipline differenti e coordinare sessioni di lavoro parallele. Schwartz aveva già sperimentato Claude come assistente di ricerca osservando prestazioni paragonabili a quelle di un buon dottorando ma ottenute con una velocità molto superiore, pur richiedendo una supervisione continua; con BootLoops ha modificato l’approccio, smettendo di chiedere al modello di comportarsi come il collaboratore ideale e costruendo invece il flusso di ricerca intorno alle attività nelle quali il sistema mostrava maggiore efficacia.
Il primo banco di prova è stato il calcolo delle ampiezze di scattering nella teoria quantistica dei campi e nella fisica delle particelle, area nella quale i diagrammi di Feynman possono richiedere mesi o anni di lavoro e, nei casi più complessi, costituire da soli il materiale di una tesi di dottorato. Schwartz ha utilizzato Claude Fable 5 per trasferire in un framework comune metodi e codice precedentemente distribuiti tra Wolfram Language, C++, Python e Julia e per implementare tecniche presenti nella letteratura ma prive di codice disponibile. Il modello ha riprodotto in circa 20 minuti risultati che Schwartz aveva impiegato settimane a programmare e ha inoltre suggerito algoritmi più efficienti rispetto a quelli utilizzati originariamente. Il lavoro si è poi concentrato sul bootstrap della matrice S, in particolare sull’approccio semi-numerico che combina vincoli fisici con calcoli numerici ad altissima precisione, fino a centinaia o migliaia di cifre, per determinare esattamente i coefficienti rimanenti. Dopo avere esaurito buona parte dei casi relativamente semplici basati su funzioni logaritmiche, Claude ha esteso il framework alle funzioni ellittiche, area nella quale esistono pochi integrali di Feynman completamente calcolati e nella quale le competenze necessarie sono normalmente distribuite tra matematici, fisici e informatici. In poche settimane BootLoops ha elaborato 30 integrali completi, dei quali 15 riproducevano risultati già noti attraverso il nuovo metodo e 15 non erano mai stati calcolati in precedenza. La caratteristica che ha successivamente ampliato la portata del progetto è stata la capacità di riconoscere strutture matematiche comuni tra discipline: Claude ha individuato, per esempio, collegamenti tra gli integrali utilizzati nella fisica delle particelle, gli integrali di evidenza bayesiana nella genetica delle popolazioni e alcuni metodi a campi finiti impiegabili anche in biologia evolutiva, consentendo di trasferire strumenti sviluppati per un settore verso problemi apparentemente molto lontani.
Questa capacità di trasferimento ha portato BootLoops in ecologia, genetica, economia, linguistica, scienze della Terra, genomica, cosmologia e statistica. In ecologia, il sistema è stato applicato ai dati forestali di Barro Colorado Island, nel Canale di Panama, contribuendo alla soluzione su scala reale di equazioni collegate alla teoria neutrale della biodiversità che per circa vent’anni non erano state trattate con dataset di quelle dimensioni. Nella genetica delle popolazioni Claude ha prima risolto un’espressione integrale vecchia di circa trent’anni relativa all’effetto della selezione naturale sulle mutazioni rare e successivamente, dopo il confronto con esperti del settore, ha analizzato 5,7 miliardi di coppie di mutazioni vicine provenienti dal 1000 Genomes Project, individuando evidenze dell’effetto della gene conversion, fenomeno spesso trascurato nei modelli standard utilizzati per ricostruire la storia delle popolazioni o studiare associazioni genetiche con le malattie. In economia, il sistema ha contribuito alla costruzione di un AI data editor che ha analizzato i replication package di 4.452 articoli pubblicati in cinque importanti riviste, convertendo circa 30.000 routine originariamente scritte in MATLAB, Stata e altri strumenti proprietari in codice open source e confrontando i risultati riproducibili con le tabelle pubblicate. In linguistica, Claude ha invece raccolto dati da fonti pubblicamente accessibili per contribuire alla costruzione di AccStack, un database sugli schemi di accento lessicale che copre 6.072 lingue e include una bibliografia di circa 160.000 lavori di fonologia. Altri progetti hanno riguardato la ricostruzione filogenetica, con calcoli esatti dell’evidenza bayesiana per alberi evolutivi; un modello quantitativo del Great Oxidation Event combinando atmosfera, geochimica e clima; l’analisi delle distribuzioni dell’RNA nelle singole cellule; lo studio del ciclo di vita delle macchie solari e stellari; la soluzione dell’ultimo problema di Watson relativo alla probabilità di ritorno di una passeggiata casuale tridimensionale con tre differenti tassi di salto; la costruzione di strumenti teorici per stimare parametri cosmologici dalla struttura su larga scala dell’universo; e nuove approssimazioni dell’evidenza bayesiana nei mixture model.
Il progetto mette però in evidenza anche limiti molto concreti dell’attuale AI agentica. Schwartz ha organizzato il lavoro attraverso sessioni Claude Code separate eseguite su macchine virtuali Google Cloud, collegate a repository GitHub e Overleaf differenti, mantenendo una sessione principale incaricata di coordinare le altre, allocare capacità di calcolo e validare i risultati; i singoli agenti eseguivano calcoli in background e salvavano gli output intermedi in file Markdown, mentre altre sessioni venivano dedicate alla scrittura, alla documentazione, al sito di BootLoops, alla verifica del codice e alla revisione dei risultati in modalità avversariale. Nonostante questa struttura, Claude richiedeva supervisione frequente: tendeva a dichiarare conclusi problemi ancora incompleti, non riusciva a stimare correttamente i tempi di esecuzione, poteva continuare per giorni con calcoli poco efficienti invece di costruire strumenti che avrebbero ridotto il problema a pochi minuti e perdeva parte del contesto durante le operazioni di compaction. Schwartz ha quindi introdotto protocolli che obbligano il sistema a riorganizzare periodicamente file e piani di lavoro e ha sottolineato la necessità di verificare personalmente grafici, risultati e conclusioni, perché anche quando i calcoli risultano corretti l’interpretazione scientifica può essere sbagliata o poco rilevante. Proprio questo limite ha reso essenziale il coinvolgimento degli specialisti dei singoli settori: molte scoperte inizialmente considerate interessanti da Claude erano tecnicamente corrette ma scientificamente marginali, mentre gli esperti riuscivano a trasformarle in domande più importanti e produttive. Il risultato non è quindi un modello che sostituisce il ricercatore, ma un sistema nel quale l’AI automatizza una parte molto ampia del lavoro computazionale e della ricerca di connessioni tra discipline, mentre la scelta delle domande, la valutazione della loro importanza e l’interpretazione dei risultati rimangono responsabilità umane. BootLoops è disponibile come progetto open source e non appartiene ad Anthropic, ma è mantenuto direttamente da Schwartz.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)