Anthropic: un saggio ospite invita l’IA a restituire intervalli di modelli scientifici

Il 6 novembre 2026, Anthropic ha pubblicato un saggio di ricerca firmato da autori ospiti, in cui i beneficiari delle sovvenzioni del programma AI for Science Jakob Macke, Daniel Gedon e Stefan Wahl sostengono che gli agenti basati su LLM dovrebbero restituire distribuzioni ponderate di modelli scientifici plausibili, anziché un unico modello con il miglior adattamento ai dati. Gli autori sono ricercatori presso l’ELLIS Institute Tübingen e l’Università di Tubinga.

La distinzione fondamentale, per loro, è tra riprodurre le osservazioni e comprendere un sistema. Molte configurazioni dei parametri possono produrre risultati equivalenti e diverse strutture di equazioni possono spiegare le stesse misurazioni. Un agente che restituisce un’unica risposta adeguata nasconde quindi alternative che potrebbero suggerire meccanismi o previsioni differenti.

Costruire, vincolare e interpretare i modelli

Il saggio suddivide la modellizzazione scientifica in tre fasi ricorrenti: costruire le componenti e le equazioni di un modello, vincolare i parametri regolabili sulla base delle misurazioni e interpretare ciò che il risultato rivela sul sistema reale. L’esempio storico è il modello della cellula nervosa di Hodgkin e Huxley. I due scienziati scelsero un termine elevato alla quarta potenza perché le versioni più semplici si adattavano meno bene ai loro dati, mentre Huxley trascorse più di tre settimane a risolvere le equazioni con una calcolatrice a manovella, dopo che nel 1951 il computer dell’Università di Cambridge si era guastato.

È proprio la storia delle alternative scartate il punto centrale. La quarta potenza avvalorava un’ipotesi su diverse parti mobili di un canale di membrana; senza sapere che le potenze inferiori non funzionavano, il solo adattamento numerico non avrebbe giustificato l’interpretazione. Gli autori usano questo esempio per definire uno standard per l’IA: conservare ciò che il processo di modellizzazione rivela, comprese le ipotesi scartate e l’incertezza residua.

Dalle distribuzioni dei parametri alle distribuzioni dei modelli

L’inferenza bayesiana affronta la versione del problema relativa ai parametri rappresentando le configurazioni plausibili con una distribuzione di probabilità che tiene conto dell’adattamento ai dati e delle conoscenze a priori. I calcoli convenzionali della verosimiglianza sono spesso intrattabili per i simulatori meccanicistici: una rassegna del 2020 su PNAS spiega che la verosimiglianza integra implicitamente tutti i possibili percorsi di esecuzione all’interno di un simulatore.

L’inferenza basata su simulazioni estrae invece campioni di parametri, esegue il simulatore e addestra uno stimatore neurale sui risultati sintetici. Il metodo SNPE richiede un modello eseguibile, vincoli a priori sui parametri e dati osservati o caratteristiche riassuntive, ma non il calcolo della verosimiglianza né codice di modelli differenziabili. Nell’esperimento simulato di Hodgkin-Huxley, un ciclo ha impiegato 100.000 simulazioni per stimare otto parametri biofisici a partire da sette caratteristiche del voltaggio. L’aggiunta di caratteristiche ha ristretto la distribuzione a posteriori e mostrato quali parametri fossero vincolati dalle osservazioni in modo forte o debole. Dopo la fase iniziale di simulazione e addestramento, il surrogato appreso può valutare in modo efficiente nuovi dati.

Il saggio estende questa logica dai parametri alle strutture dei modelli. Un agente basato su LLM può scrivere codice per simulatori candidati, eseguirli, vincolarne i parametri, confrontarne i risultati con le osservazioni e rivederne le equazioni. Esecuzioni separate possono produrre strutture diverse ma ugualmente adeguate; l’output proposto è quindi una popolazione ponderata: i candidati acquistano peso in base al supporto fornito dai dati, gli adattamenti eccessivamente flessibili ricevono meno credito e i candidati più solidi fungono da base per ulteriori variazioni. Le caratteristiche comuni ai modelli che superano la selezione indicano ciò che è sostenuto dai dati, mentre i punti di disaccordo segnalano la scarsità delle prove e possibili esperimenti successivi.

ModelSMC esplora modelli eseguibili

In un precedente articolo del 2026 su ModelSMC, Wahl e colleghi, tra cui Macke e Gedon, hanno formalizzato questo approccio come inferenza probabilistica su programmi di simulatori eseguibili. Ogni candidato è una particella proposta o perfezionata da un LLM sulla base di implementazioni da cui discende, riscontri delle valutazioni e contesto del compito. Pesi basati sulla verosimiglianza e ricampionamento concentrano la popolazione sulle strutture promettenti, mentre durante la ricerca i parametri vengono marginalizzati anziché ridotti a una singola stima ottimizzata per ciascuna struttura. Nel lavoro si riconosce il contributo dei crediti API forniti dal programma AI for Science di Anthropic, lanciato il 5 maggio 2025 per ricercatori selezionati affiliati a istituzioni, con particolare attenzione alla biologia e alle scienze della vita.

Gli esperimenti hanno riguardato dinamiche epidemiologiche sintetiche, un simulatore della regolazione dell’aldosterone nei reni e un compito di scoperta strutturale su Hodgkin-Huxley basato su 10 registrazioni reali del voltaggio. Gli autori riferiscono che i modelli neuroscientifici con pesi elevati introducevano ripetutamente una corrente lenta di potassio di tipo M, talvolta insieme a un altro canale, e che questa famiglia si è classificata al primo posto in nove su 10 esecuzioni. Nel complesso, le prestazioni quantitative erano paragonabili a quelle di FunSearch+ e di una variante a singola particella, a parità di budget; il vantaggio rivendicato consiste nell’analisi a posteriori delle famiglie di modelli, non in una superiorità uniforme delle prestazioni.

Interpretazione e convalida

I costi e le dipendenze documentati di ModelSMC sono importanti tanto quanto i suoi risultati. La ripetizione delle simulazioni e la stima della verosimiglianza sono onerose dal punto di vista computazionale, le verosimiglianze surrogate possono introdurre distorsioni in caso di specificazione errata e la scoperta dipende dalla capacità dell’LLM di proporre strutture utili. Il saggio ospite aggiunge una riserva più ampia: questi sistemi sono stati perlopiù testati sulla riscoperta di modelli noti e le prove della loro efficacia in problemi scientifici senza una risposta conosciuta sono scarse.

Gli autori definiscono l’interpretazione il passaggio più difficile da delegare, perché l’adattamento ai dati è misurabile, mentre il miglioramento della comprensione non ha un obiettivo altrettanto chiaro. L’accordo tra i modelli adattati dopo aver perturbato un sistema rafforza una previsione, mentre il disaccordo mette in luce meccanismi ancora irrisolti e può orientare l’esperimento successivo. Questo requisito diventa più importante se l’IA allenta la pressione storica a favore di modelli compatti e leggibili per gli esseri umani, perché i modelli più grandi rendono ancora più necessari una rappresentazione esplicita dell’incertezza e brevi sintesi dei meccanismi.

Lo standard indicato dagli autori va quindi oltre un modello che si adatta ai dati: un sistema di IA dovrebbe documentare le prove alla base della propria risposta, comprese le misurazioni che determinano ciascuna componente, le ipotesi candidate scartate, l’incertezza rimasta irrisolta e le domande emerse durante la ricerca. Considerata questa base di convalida limitata, la questione decisiva è se conservare le distribuzioni dei modelli, insieme alla cronologia delle alternative scartate, permetta di acquisire conoscenze su problemi scientifici davvero aperti.