Il nuovo AI “Co-Scientist” di Google mira ad accelerare la scoperta scientifica

Immagina un partner di ricerca che abbia letto tutti gli articoli scientifici che hai, brainstorming instancabilmente nuovi esperimenti tutto il giorno. Google sta cercando di trasformare questa visione in realtà con un nuovo sistema di intelligenza artificiale progettato per agire come un “co-scientista”.

Questo assistente alimentato da intelligenza artificiale può setacciare vasti archivi di ricerca, proporre nuove ipotesi e persino delineare piani di esperimenti – tutto in collaborazione con ricercatori umani. L’ultimo strumento di Google, testato all’Università di Stanford e all’Imperial College di Londra, utilizza un ragionamento avanzato per aiutare gli scienziati a sintetizzare montagne di letteratura e generare idee nuove. L’obiettivo è accelerare le scoperte scientifiche rendendo senso sovraccarico di informazioni e suggerendo intuizioni che un essere umano potrebbe perdere.

Questo “AI co-scientista“, come lo chiama Google, non è un robot fisico in un laboratorio, ma un sofisticato sistema software. È costruito sui nuovi modelli di intelligenza artificiale di Google (in particolare il modello Gemini 2.0) e specchia il modo in cui gli scienziati pensano – dalla brainstorming alla critica delle idee. Invece di riassumere solo fatti noti o cercare articoli, il sistema è progettato per scoprire conoscenze originali e proporre ipotesi veramente nuove basate su prove esistenti. In altre parole, non trova solo risposte alle domande – aiuta a inventare nuove domande da porre.

Google e la sua unità di intelligenza artificiale DeepMind hanno dato priorità alle applicazioni scientifiche per l’intelligenza artificiale, dopo aver dimostrato successi come AlphaFold, che ha utilizzato l’intelligenza artificiale per risolvere il puzzle di 50 anni della piegatura delle proteine. Con l’AI co-scientista, sperano di “accelerare la velocità dell’orologio” delle scoperte in campi che vanno dalla biomedicina alla fisica.

AI co-scientista (Google)

Come funziona un AI Co-Scientista

Sotto il cofano, l’AI co-scientista di Google è in realtà composto da 多pli programmi di intelligenza artificiale specializzati – pensali come una squadra di assistenti di ricerca super-veloci, ognuno con un ruolo specifico. Questi agenti di intelligenza artificiale lavorano insieme in una pipeline che mimica il metodo scientifico: uno genera idee, altri le criticano e le raffinano, e le migliori idee vengono inoltrate allo scienziato umano.

Secondo il team di ricerca di Google, ecco come si svolge il processo:

• Agente di generazione – estrae ricerche rilevanti e sintetizza i risultati esistenti per proporre nuove vie o ipotesi.
• Agente di riflessione – agisce come revisore paritario, verificando l’accuratezza, la qualità e la novità delle ipotesi proposte e eliminando le idee difettose.
• Agente di classificazione – conduce un “torneo” di idee, facendo effettivamente competere le ipotesi in dibattiti simulati, e poi le classifica in base a quelle che sembrano più promettenti.
• Agente di prossimità – raggruppa ipotesi simili insieme ed elimina le copie in modo che il ricercatore non debba esaminare idee ripetitive.
• Agente di evoluzione – prende le ipotesi più votate e le raffina ulteriormente, utilizzando analogie o semplificando concetti per chiarezza per migliorare le proposte.
• Agente di revisione meta – infine compila le migliori idee in una proposta di ricerca coerente o in una panoramica per lo scienziato umano da esaminare.

Crucialmente, lo scienziato umano rimane nel loop a ogni fase. L’AI co-scientista non lavora in isolamento o prende decisioni finali da solo. I ricercatori iniziano inserendo un obiettivo di ricerca o una domanda in linguaggio naturale – ad esempio, un obiettivo per trovare nuove strategie per trattare una certa malattia – insieme a eventuali vincoli o idee iniziali che hanno. Il sistema di intelligenza artificiale passa poi attraverso il ciclo sopra per produrre suggerimenti. Lo scienziato può fornire feedback o regolare i parametri e l’AI itererà di nuovo.

Google ha costruito il sistema per essere “progettato per la collaborazione”, il che significa che gli scienziati possono inserire le proprie idee o critiche durante il processo dell’AI. L’AI può anche utilizzare strumenti esterni come la ricerca web e altri modelli specializzati per verificare fatti o raccogliere dati mentre lavora, assicurandosi che le sue ipotesi siano basate su informazioni aggiornate.

Agenti di AI co-scientista (Google)

Un percorso più veloce per le scoperte

Esternalizzando alcuni dei lavori di ricerca – esaurienti recensioni della letteratura e brainstorming iniziale – a una macchina instancabile, gli scienziati sperano di accelerare drasticamente la scoperta. L’AI co-scientista può leggere molti più articoli di qualsiasi essere umano e non esaurisce mai le combinazioni fresche di idee da provare.

“Ha il potenziale per accelerare gli sforzi degli scienziati per affrontare grandi sfide nella scienza e nella medicina”, hanno scritto i ricercatori del progetto nel paper. I primi risultati sono incoraggianti. In un trial focalizzato sulla fibrosi epatica (cicatrizzazione del fegato), Google ha riferito che ogni approccio suggerito dall’AI co-scientista ha mostrato una promettente capacità di inibire i fattori della malattia. In effetti, le raccomandazioni dell’AI in quell’esperimento non erano colpi nel buio – si allineavano con ciò che gli esperti considerano interventi plausibili.

Inoltre, il sistema ha dimostrato la capacità di migliorare le soluzioni progettate dagli esseri umani nel tempo. Secondo Google, l’AI ha continuato a raffinare e ottimizzare le soluzioni che gli esperti avevano inizialmente proposto, indicando che può imparare e aggiungere valore incrementale oltre l’esperienza umana con ogni iterazione.

Un altro test notevole ha coinvolto il problema spinoso della resistenza agli antibiotici. I ricercatori hanno incaricato l’AI di spiegare come un certo elemento genetico aiuta i batteri a diffondere i loro tratti resistenti ai farmaci. All’insaputa dell’AI, un’altra squadra scientifica (in uno studio non ancora pubblicato) aveva già scoperto il meccanismo. L’AI è stata data solo informazioni di base e un paio di articoli rilevanti, poi lasciata a se stessa. Nel giro di due giorni, è arrivata alla stessa ipotesi degli scienziati umani.

“Questo risultato è stato validato sperimentalmente nello studio di ricerca indipendente, che era sconosciuto al co-scientista durante la generazione dell’ipotesi”, hanno notato gli autori. In altre parole, l’AI è riuscita a riscoprire un’intuizione chiave da sola, mostrando che può collegare i punti in un modo che rivaleggia con l’intuizione umana – almeno nei casi in cui esiste una grande quantità di dati.

Le implicazioni di tale velocità e portata interdisciplinare sono enormi. Le scoperte spesso avvengono quando le intuizioni di diversi campi si scontrano, ma nessuna persona può essere un esperto in tutto. Un’AI che ha assorbito conoscenze in genetica, chimica, medicina e altro potrebbe proporre idee che gli specialisti umani potrebbero trascurare. L’unità DeepMind di Google ha già dimostrato come l’intelligenza artificiale nella scienza possa essere trasformativa con AlphaFold, che ha previsto le strutture tridimensionali delle proteine e è stato salutato come un grande balzo in avanti per la biologia. Quel risultato, che ha accelerato la scoperta di farmaci e lo sviluppo di vaccini, ha anche guadagnato al team di DeepMind una quota dei più alti onori della scienza (compresa la riconoscenza legata al Premio Nobel).

Il nuovo AI co-scientista mira a portare balzi simili al brainstorming di ricerca quotidiano. Mentre le prime applicazioni sono state nella biomedicina, il sistema potrebbe in principio essere applicato a qualsiasi dominio scientifico – dalla fisica alla scienza ambientale – poiché il metodo di generazione e verifica delle ipotesi è agnostico rispetto alla disciplina. I ricercatori potrebbero utilizzarlo per cacciare materiali nuovi, esplorare soluzioni climatiche o scoprire nuovi teoremi matematici. In ogni caso, la promessa è la stessa: un percorso più veloce dalla domanda all’intuizione, potenzialmente comprimendo anni di prova ed errore in un lasso di tempo molto più breve.