Il Canada attira talenti nell’IA e nella scienza mentre Trump sconvolge la ricerca negli Stati Uniti

Per decenni, gli Stati Uniti hanno beneficiato di uno dei vantaggi competitivi più potenti nella scienza: molti dei migliori ricercatori del mondo desideravano lavorare lì.

Quel vantaggio non sta scomparendo da un giorno all’altro. Gli Stati Uniti mantengono concentrazioni senza pari di università di ricerca, laboratori federali, capitale privato e aziende tecnologiche. Tuttavia, il flusso di talenti sta diventando meno unidirezionale, e il Canada sta facendo un tentativo insolitamente aggressivo per capitalizzare questo cambiamento.

L’ultimo esempio proviene dall’Università di Toronto, che ha reclutato sei ricercatori di spicco attualmente impiegati in istituzioni statunitensi, tra cui MIT, i National Institutes of Health (NIH), l’University of California San Francisco (UCSF), l’Ohio State University, la Boston University e la Washington University School of Medicine di St. Louis.

I sei fanno parte del nuovo programma Eddie Goldenberg Research Chairs of Canada, il fulcro dell’Iniziativa C$1,7 miliardi Canada Global Impact+ Research Talent di Ottawa. L’iniziativa più ampia è concepita per attrarre e sostenere oltre 1.000 ricercatori internazionali ed espatriati in un arco di 12 anni, con C$1 miliardo specificamente destinato alle cattedre di ricerca.

Ciò che rende particolarmente notevole il primo gruppo è la provenienza del talento. Dei primi 64 studiosi reclutati tramite il programma delle cattedre di ricerca, 48 sono attualmente basati negli Stati Uniti.

This is beginning to look less like ordinary academic recruiting and more like a geopolitical competition for intellectual capital.

Perché gli Stati Uniti sono improvvisamente più vulnerabili a una fuga di cervelli nella ricerca

Il tempismo è difficile da separare dal tumulto che ha travolto la scienza americana da quando il presidente Donald Trump è tornato in carica nel gennaio 2025.

Una analisi di gennaio 2026 di Nature ha conteggiato più di 7.800 sovvenzioni di ricerca statunitensi che sono state terminate o congelate, insieme a circa 25.000 scienziati e altro personale che hanno lasciato le agenzie federali coinvolte nella ricerca. L’amministrazione ha inoltre proposto riduzioni sostanziali ai bilanci federali per la scienza, con tagli che si avvicinano al 40% al NIH, al 57% alla National Science Foundation (NSF) e al 47% alla Science Mission Directorate della NASA. Non tutte queste riduzioni proposte sono diventate legge, e alcune azioni dell’amministrazione hanno incontrato opposizione da parte del Congresso e dei tribunali, ma l’incertezza stessa ha influenzato i laboratori, le assunzioni e la pianificazione della ricerca a lungo termine.

La posizione dell’amministrazione è più sfumata rispetto a un semplice abbandono della scienza. Come ha recentemente esaminato Unite.AI, la Casa Bianca sta tentando di ristrutturare circa 200 miliardi di dollari di spesa federale annuale per la ricerca. Le sue proposte favoriscono più finanziamenti che seguono gli scienziati individuali, meccanismi di sovvenzione più rapidi, ricerca ad alto rischio, scoperta guidata dall’intelligenza artificiale e tecnologie strategiche come IA e calcolo quantistico. L’amministrazione sostiene che l’attuale sistema di finanziamento centrato sulle università è diventato burocratico e insufficientemente orientato alle priorità nazionali.

Ma la ristrutturazione di un ecosistema di ricerca crea anche vincitori e vinti. Cancellazioni di sovvenzioni, riduzioni del personale federale e cambiamenti su quali tipi di ricerca ricevono supporto hanno reso la pianificazione della carriera notevolmente meno prevedibile per molti scienziati.

I segnali di allarme sono comparsi rapidamente. Nel marzo 2025, tre quarti dei più di 1.600 intervistati in un sondaggio di Nature hanno dichiarato di stare considerando di lasciare gli Stati Uniti, con Canada ed Europa tra le destinazioni più citate. Il sondaggio era auto‑selezionato e non dovrebbe essere interpretato come rappresentativo di tutti gli scienziati americani, ma i dati successivi di ricerca di lavoro hanno mostrato un crescente interesse per posizioni al di fuori del paese.

Canada appears to have decided that uncertainty in one country can become opportunity in another.

Il Canada sta costruendo una macchina di reclutamento, non solo offrendo qualche professorship

La strategia di Ottawa va oltre il semplice pagamento a scienziati senior per trasferirsi.

L’iniziativa da C$1,7 miliardi comprende cattedre di ricerca, finanziamenti per infrastrutture, posizioni per giovani ricercatori e premi per dottorati e post‑dottorati. In maggio, il governo ha offerto 659 premi di formazione alla ricerca a candidati provenienti da 72 paesi, mentre il programma Canada Impact+ Emerging Leaders è progettato per aiutare le università a reclutare ricercatori promettenti molto prima nella loro carriera.

Il Canada ha inoltre iniziato ad allineare la politica di immigrazione con la strategia, creando nuovi percorsi per i ricercatori e promettendo una procedura accelerata per alcune delle persone reclutate.

L’approccio è importante perché i ricercatori d’élite raramente si trasferiscono da soli. Uno scienziato senior può portare con sé post‑dottorandi, studenti laureati, collaboratori e futuri reclutamenti di docenti. I loro laboratori possono attrarre partnership industriali, generare proprietà intellettuale e, in ultima analisi, produrre startup.

That multiplier effect is what makes U of T’s six recruits worth examining individually.

Adrienne Campbell-Washburn: Ripensare cosa può essere una macchina per risonanza magnetica

Adrienne Campbell-Washburn sta passando dal National Heart, Lung, and Blood Institute del NIH, dove è diventata investigatrice senior dopo essersi unita originariamente come post‑dottoranda nel 2013.

Il suo lavoro mette in discussione un’assunzione di base nella risonanza magnetica: che magneti più potenti siano necessariamente migliori.

Il laboratorio di Campbell-Washburn ha contribuito a pionierizzare la risonanza magnetica a basso campo da 0,55 tesla ad alte prestazioni, combinando campi magnetici più deboli con tecniche moderne di calcolo, acquisizione e ricostruzione. L’approccio può offrire vantaggi nell’imaging di aree come i polmoni, tradizionalmente difficili per la risonanza magnetica, riducendo al contempo i problemi associati ai dispositivi metallici e potenzialmente abbassando i costi e i requisiti infrastrutturali degli scanner.

All’Sunnybrook Research Institute e al Dipartimento di Biofisica Medica dell’Università di Toronto, intende spingere ulteriormente questo sviluppo attraverso sistemi di risonanza magnetica a basso costo, scanner portatili e tecniche di imaging abilitate dall’IA.

L’implicazione più ampia è significativa. La risonanza magnetica è straordinariamente potente, ma i grandi scanner convenzionali sono costosi e concentrati nei grandi ospedali. Se macchine a campo più basso, combinate con ricostruzioni AI sempre più sofisticate, possono produrre immagini clinicamente utili con hardware più economico, la risonanza magnetica potrebbe eventualmente diventare disponibile in molti più contesti, inclusi ospedali più piccoli, cliniche comunitarie e, potenzialmente, ambienti di cura al letto del paziente.

Tanya Berger-Wolf: Usare l’IA per comprendere il mondo naturale

Tanya Berger-Wolf proviene dall’Ohio State University con una combinazione insolita di competenze che spaziano dall’informatica teorica, all’intelligenza artificiale, all’ecologia e alla conservazione.

È una delle pioniere di quello che è diventato noto come imageomics, che utilizza l’apprendimento automatico per estrarre informazioni biologiche dalle enormi quantità di immagini raccolte in tutto il mondo naturale.

Berger-Wolf è stata una contributrice fondatrice di Wildbook, una piattaforma open‑source in grado di identificare animali individuali dalle fotografie. Simile al modo in cui il riconoscimento facciale distingue gli esseri umani, questi sistemi possono riconoscere segni distintivi su animali come zebre e squali balena, consentendo ai ricercatori di monitorare popolazioni e comportamenti senza dipendere esclusivamente da marcature fisiche o collari GPS.

Il suo Imageomics Institute ha poi spinto il concetto molto più avanti. Il modello BioCLIP è stato addestrato su più di 210 milioni di immagini che coprono circa un milione di specie, consentendo all’IA di identificare organismi su una parte considerevole dell’albero della vita conosciuto.

All’Università di Toronto, Berger-Wolf intende combinare immagini con audio, informazioni genetiche e dati sensoriali per costruire modelli più ricchi di ecosistemi e di come rispondono al clima e all’attività umana.

Il progetto illustra una direzione sempre più importante per l’IA: i modelli di base stanno passando oltre testo, immagini e applicazioni consumer, entrando in domini scientifici specializzati dove enormi set di dati sono praticamente impossibili da analizzare manualmente per gli esseri umani.

Shu (Joy) Jiang: Trasferire l’IA medica dagli algoritmi agli ospedali

Shu (Joy) Jiang si sta unendo all’Università di Toronto provenendo dalla Washington University School of Medicine di St. Louis, dove la sua ricerca combina biostatistica, previsione del cancro e intelligenza artificiale.

Uno dei suoi progetti più notevoli dimostra già come la ricerca accademica sull’IA possa passare alla medicina commerciale.

Jiang e l’epidemiologo Graham Colditz hanno co‑fondato Prognosia, che ha sviluppato un sistema IA che analizza le mammografie per prevedere il rischio a cinque anni di una donna di sviluppare il cancro al seno. Il software ha ricevuto la designazione FDA Breakthrough Device nel 2025, e Prognosia è stata successivamente acquisita dalla società sudcoreana di IA medica Lunit.

Piuttosto che rilevare semplicemente un tumore esistente, la tecnologia cerca pattern nelle mammografie che possono indicare un rischio futuro, inclusi segnali che potrebbero non essere visibili ai clinici umani.

Alla Dalla Lana School of Public Health dell’Università di Toronto, Jiang affronterà un altro problema che potrebbe rivelarsi altrettanto importante quanto lo sviluppo degli algoritmi stessi: introdurre l’IA medica validata negli ambienti clinici reali.

Il suo lavoro previsto prevede la costruzione di un’infrastruttura che colleghi ospedali, autorità di regolamentazione e industria, affinché l’IA per l’imaging medico possa essere valutata e distribuita in tutto il Canada.

Ciò affronta uno dei maggiori colli di bottiglia dell’IA sanitaria. L’industria dispone già di un’offerta in espansione di modelli promettenti. La sfida più difficile è dimostrare che funzionino in modo coerente tra ospedali, popolazioni di pazienti e apparecchiature di imaging, per poi integrarli nei flussi di lavoro dove i clinici possano effettivamente utilizzarli.

Michelle Arkin: Inseguire gli obiettivi “indrugabili” della medicina

Michelle Arkin porta molto più di un background accademico nella scoperta di farmaci all’Università di Toronto Mississauga.

Presso l’UCSF ha ricoperto il ruolo di professoressa di chimica farmaceutica, direttrice esecutiva del Small Molecule Discovery Center e vice preside per la tecnologia della ricerca e l’imprenditorialità. All’inizio della sua carriera presso Sunesis Pharmaceuticals, ha lavorato su alcuni dei primi inibitori potenti mirati alle interazioni proteina‑proteina.

Un composto emerso da quel lavoro è stato lifitegrast, che alla fine è diventato un trattamento approvato dalla FDA per la sindrome dell’occhio secco.

La sua ricerca ora si concentra fortemente su obiettivi biologici storicamente considerati difficili o impossibili da farmacizzare, incluse le interazioni proteina‑proteina, le macchine molecolari e i fattori di trascrizione. È anche attiva nella ricerca sull’Alzheimer e ha co‑fondato diverse aziende terapeutiche.

All’Università di Toronto, Arkin indagherà aree tra cui i collanti molecolari, la medicina di precisione e la scoperta di farmaci abilitata dall’IA.

I collanti molecolari sono particolarmente interessanti perché agiscono in modo diverso rispetto ai farmaci convenzionali. Invece di bloccare semplicemente una proteina, possono costringere molecole biologiche a interagire in modi che normalmente non avverrebbero, potenzialmente consentendo alla cellula di eliminare le proteine che causano malattie.

Combinati con sistemi IA capaci di prevedere le interazioni molecolari e di esplorare enormi spazi chimici, approcci come questi potrebbero ampliare la frazione della biologia umana che può realisticamente essere bersaglio di farmaci.

Raymond Fisman: Studiare cosa accade quando il denaro incontra il potere politico

Non tutti i reclutati lavorano nella scienza di laboratorio.

L’economista Raymond Fisman si unisce alla Rotman School of Management dell’Università di Toronto provenendo dalla Boston University, portando un programma di ricerca incentrato su corruzione, influenza politica, governance e la relazione tra istituzioni e comportamento economico.

Uno dei suoi studi più noti ha utilizzato un set di dati insolito: violazioni del parcheggio commesse da diplomatici delle Nazioni Unite a New York City.

Poiché i diplomatici godevano di immunità dall’applicazione delle leggi, Fisman e l’economista Edward Miguel hanno potuto esaminare come si comportassero i funzionari quando le conseguenze legali convenzionali erano in gran parte assenti. La loro ricerca ha riscontrato forti differenze correlate alle norme di corruzione nei paesi di origine dei diplomatici, mentre le successive misure di applicazione hanno drasticamente ridotto le violazioni.

Ricerche più recenti hanno esaminato le donazioni politiche, la trasparenza governativa e come gli incentivi elettorali possano influenzare le risposte alle richieste di accesso alle informazioni. Un documento del 2026 ha scoperto che le agenzie in ambienti ad alta corruzione erano più propense a rifiutare o ritardare le richieste prima delle elezioni.

Alla Rotman, Fisman indagherà come individui ricchi e interessi organizzati influenzino la politica pubblica, perché gli elettori a volte tollerino le prove di corruzione e come i governi possano migliorare la responsabilità.

La sua inclusione nel programma è importante. La strategia di ricerca del Canada non è limitata alle tecnologie che possono diventare immediatamente prodotti. Riconosce anche che le istituzioni che governano la tecnologia, i mercati e la fiducia pubblica possono essere tanto decisive quanto le tecnologie stesse.

Sara Seager: Riportare la ricerca di altri mondi a Toronto

Sara Seager è probabilmente il nome più noto tra i sei.

La nativa di Toronto si laureò all’Università di Toronto nel 1994 prima di conseguire il dottorato ad Harvard e di diventare infine professoressa al MIT. Divenne una delle pioniere della scienza degli esopianeti, in particolare nello studio delle atmosfere planetarie e nella ricerca di gas che potrebbero rivelare se la vita esiste oltre la Terra.

La sua carriera ha incluso una borsa di studio MacArthur, il Kavli Prize in Astrofisica e la nomina a Ufficiale dell’Ordine del Canada.

Il suo ritorno a Toronto era stato annunciato prima dei risultati più recenti del programma federale di cattedre. È prevista la sua adesione all’Università di Toronto il 1° settembre 2026, il che rende il suo caso leggermente diverso da quello dei ricercatori reclutati specificamente dopo il lancio dell’iniziativa federale.

All’Università di Toronto intende combinare astronomia, chimica, fisica computazionale e ingegneria aerospaziale continuando la ricerca di mondi abitabili. È anche a capo delle Missioni Morning Star verso Venere, che mirano a investigare direttamente l’atmosfera del pianeta alla ricerca di molecole organiche.

La nuova cattedra amplia questo lavoro verso tecnologie di rilevamento planetario e molecolare, inclusi strumenti capaci di rilevare sostanze chimiche a concentrazioni estremamente basse e modelli IA per interpretare sistemi planetari e ambientali complessi.

Queste tecnologie non devono rimanere nella scienza spaziale. Il rilevamento molecolare ultra‑sensibile potrebbe eventualmente trovare applicazioni nel monitoraggio ambientale, nella rilevazione industriale e nella salute umana.

Il premio più grande è l’ecosistema che si forma attorno ai ricercatori

Il Canada dovrebbe fare attenzione a non dichiarare la vittoria troppo presto.

Gli Stati Uniti rimangono l’ecosistema di ricerca dominante al mondo secondo la maggior parte delle misure, e possiedono vantaggi che il Canada non può riprodurre semplicemente scrivendo assegni di reclutamento più grandi. Le sue università, i laboratori nazionali, l’industria del venture capital, le aziende farmaceutiche, i hyperscaler e le infrastrutture di ricerca della difesa creano un’enorme attrazione gravitazionale per il talento scientifico.

L’amministrazione Trump non sta nemmeno riducendo uniformemente il supporto per le tecnologie avanzate. IA, calcolo quantistico, tecnologie della difesa e ricerca scientifica abilitata dall’IA sono tra le aree che intende esplicitamente dare priorità.

Ma la leadership nella ricerca può spostarsi ai margini molto prima che appaia nelle classifiche nazionali.

Un ricercatore che si trasferisce oggi può reclutare dieci studenti domani. Quei studenti possono formare un’altra generazione di scienziati. Un laboratorio può generare un brevetto, che diventa una startup, che attira ingegneri e investitori, che alla fine crea un cluster industriale.

Toronto ha già vissuto questa dinamica. Geoffrey Hinton si è trasferito dalla Carnegie Mellon University all’Università di Toronto nel 1987, in un periodo in cui le reti neurali erano ben lontane dall’essere di moda. Decenni dopo, il suo lavoro ha contribuito a stabilire le fondamenta intellettuali della rivoluzione del deep‑learning e ha contribuito a rendere Toronto uno dei principali centri di ricerca IA del mondo.

Il Canada sta ora cercando di riprodurre questo tipo di effetto di composizione a lungo termine nell’IA, nella biotecnologia, nella medicina, nella scienza climatica, nella tecnologia quantistica e in altri settori strategici. Si inserisce in uno sforzo più ampio di trasformare i punti di forza accademici del paese in capacità economica, inclusa la strategia nazionale di IA del Canada lanciata all’inizio di quest’anno. Tale strategia enfatizza analogamente il mantenimento di più ricerca, aziende e proprietà intellettuale all’interno del Canada.

Il Canada deve ancora dimostrare di poter trattenere il talento che attrae

C’è anche una legittima critica alla strategia.

Il Canada non può costruire un ecosistema di ricerca sostenibile esclusivamente attraverso il reclutamento di superstar. I ricercatori canadesi esistenti hanno a lungo lamentato finanziamenti limitati per le sovvenzioni, salari che faticano a competere con gli Stati Uniti e opportunità insufficienti per i giovani scienziati. I critici hanno messo in dubbio se le cattedre internazionali fortemente finanziate possano creare un sistema a due livelli in cui i ricercatori appena reclutati ricevono pacchetti straordinari mentre scienziati altrettanto capaci già operanti in Canada affrontano risorse più ristrette.

Ciò rende le componenti per i giovani ricercatori, le infrastrutture e la formazione dell’iniziativa da C$1,7 miliardi particolarmente importanti.

Se il Canada si limitasse a importare scienziati famosi, il programma produrrebbe annunci impressionanti. Se quegli scienziati ricevono le risorse per costruire laboratori, reclutare giovani ricercatori, collaborare con l’industria, commercializzare le scoperte e creare istituzioni che sopravvivano oltre le loro carriere individuali, le conseguenze potrebbero essere molto più ampie.

Per gran parte del secolo scorso, gli Stati Uniti hanno compreso qualcosa di fondamentale sull’innovazione: attrarre persone eccezionali era di per sé una forma di politica economica.

Il Canada sembra aver appreso la lezione.

La domanda ora è se gli Stati Uniti stiano temporaneamente offrendo al loro vicino un’opportunità, o se la direzione del talento scientifico attraverso il confine stia iniziando a cambiare in modo più duraturo.