Come l’AI accelera scoperte e sperimentazione e cambia il modo di fare scienza
Per oltre quattro secoli la scienza ha seguito un ritmo relativamente stabile: osservazione, ipotesi, esperimento, analisi, pubblicazione. Galileo osservava con il telescopio, Darwin accumulava appunti per decenni, Watson e Crick costruivano modelli fisici del DNA. Oggi questo ciclo non è più soltanto umano. Sta emergendo qualcosa di nuovo: una scienza ibrida, dove algoritmi e ricercatori co-evolvono. Non è semplicemente “scienza con computer più veloci”, ma una trasformazione epistemologica del modo in cui la conoscenza viene prodotta.
La comunità scientifica ha iniziato a definire questa transizione con un nome preciso: AI for Science (AI4S). Secondo un rapporto pubblicato su Nature, l’intelligenza artificiale rappresenta ormai un nuovo paradigma di ricerca, caratterizzato dall’integrazione profonda tra innovazione algoritmica e scoperta scientifica stessa (https://www.nature.com/articles/d42473-025-00161-3). In altre parole, l’AI non è più solo uno strumento della scienza: sta diventando parte del metodo scientifico.
Dalla scienza guidata dall’intuizione alla scienza guidata dai dati
La scienza moderna ha sempre avuto un limite strutturale: la capacità cognitiva umana. Il numero di articoli scientifici pubblicati ogni anno supera ormai diversi milioni; nessun ricercatore può leggere, collegare e sintetizzare tutto ciò che esiste. Qui interviene l’AI.
Gli algoritmi di apprendimento automatico sono in grado di analizzare dataset giganteschi e individuare correlazioni invisibili all’intuizione umana. Studi recenti mostrano che l’intelligenza artificiale accelera la scoperta scientifica sintetizzando conoscenza, automatizzando esperimenti e favorendo collaborazioni interdisciplinari impossibili in passato (https://jds-online.org/journal/JDS/article/1460). Questo sposta l’asse della ricerca: non più soltanto “testare ipotesi”, ma anche generarle automaticamente.
La differenza è sottile ma radicale. Tradizionalmente lo scienziato formulava l’ipotesi e il computer calcolava. Oggi sempre più spesso il computer suggerisce ipotesi che lo scienziato valuta.
AlphaFold e la fine di un problema scientifico storico
Il simbolo più evidente di questa rivoluzione è AlphaFold, il sistema sviluppato da DeepMind per prevedere la struttura tridimensionale delle proteine. Per mezzo secolo il cosiddetto protein folding problem è stato uno dei grandi enigmi della biologia. Determinare sperimentalmente una struttura proteica poteva richiedere anni.
AlphaFold ha cambiato tutto. Pubblicato su Nature, il sistema dimostrò che un’AI poteva predire la forma di una proteina partendo soltanto dalla sequenza genetica (https://deepmind.google/blog/alphafold-using-ai-for-scientific-discovery-2020/). Oggi milioni di strutture proteiche sono disponibili quasi istantaneamente, permettendo agli scienziati di studiare mutazioni genetiche e malattie con una precisione prima irraggiungibile (https://life.unige.it/alphafold).
L’impatto è stato tale che il lavoro sull’AI applicata alla progettazione proteica è stato premiato con il Nobel per la Chimica 2024, riconoscendo esplicitamente che l’intelligenza artificiale può risolvere problemi scientifici considerati intrattabili (https://apnews.com/article/56f4d9e90591dfe7d9d840a8c8c9d553).
Qui emerge un punto filosoficamente interessante: non abbiamo solo accelerato la scienza. Abbiamo chiuso interi campi di ricerca trasformandoli in infrastrutture digitali.
Le AI oggi utilizzate nella ricerca scientifica
L’ecosistema delle AI scientifiche è ormai vastissimo e diversificato. Non esiste una sola intelligenza artificiale per la scienza, ma una costellazione di sistemi specializzati.
I modelli di deep learning strutturale, come AlphaFold e AlphaMissense, analizzano biomolecole e mutazioni genetiche, collegando direttamente genomica e medicina personalizzata. Piattaforme di drug discovery come BenevolentAI o sistemi industriali basati su machine learning predicono l’efficacia dei farmaci prima dei test clinici, riducendo costi e fallimenti sperimentali (https://www.sapiosciences.com/blog/10-scientific-ai-tools-every-scientist-should-know-in-2025-26/).
Nel campo delle scienze fisiche stanno emergendo i cosiddetti neural operators, reti neurali capaci di simulare fenomeni complessi come clima, plasma da fusione o dinamiche fluidodinamiche milioni di volte più velocemente dei modelli numerici tradizionali (https://time.com/7212504/time100-impact-awards-anima-anandkumar/).
Le AI generative, inclusi i modelli linguistici avanzati, vengono invece utilizzate per esplorare letteratura scientifica, generare codice, progettare esperimenti e proporre nuove direzioni di ricerca. Secondo analisi internazionali, queste tecnologie possono simulare esperimenti e modellare sistemi anche quando i dati reali sono scarsi o incompleti (https://council.science/wp-content/uploads/2025/10/Types-of-AI-and-their-use-in-science-2.pdf).
Infine emergono sistemi completamente autonomi: piattaforme come The AI Scientist sono in grado di generare ipotesi, eseguire esperimenti, analizzare risultati e scrivere articoli scientifici sottoposti a revisione peer-review (https://arxiv.org/abs/2504.08066). Per la prima volta nella storia, un software può attraversare quasi l’intero ciclo della ricerca.
Automazione del laboratorio: la nascita dello scienziato robotico
La trasformazione non riguarda solo il calcolo teorico. Sta cambiando anche il laboratorio fisico.
L’automazione sperimentale guidata dall’AI consente sistemi capaci di controllare strumenti scientifici, modificare parametri in tempo reale e ottimizzare autonomamente esperimenti complessi. Studi pubblicati su Science Roboticsmostrano come l’automazione intelligente acceleri drasticamente la scoperta nei materiali e nelle scienze della vita (https://www.science.org/doi/10.1126/scirobotics.adv7932).
Un esempio recente è AILA, un assistente di laboratorio autonomo capace di progettare ed eseguire esperimenti utilizzando microscopi avanzati, riducendo operazioni di ore a pochi minuti (https://timesofindia.indiatimes.com/city/delhi/ai-agent-conducts-experiments-in-iit-delhi-lab/articleshow/126146418.cms).
Qui accade qualcosa di quasi fantascientifico: l’esperimento smette di essere una sequenza manuale e diventa un processo adattivo continuo. Il laboratorio evolve in tempo reale.
La scienza come problema di esplorazione dello spazio delle possibilità
Una delle funzioni più potenti dell’AI è la capacità di esplorare enormi spazi di possibilità. Nella scoperta di materiali, molecole o fenomeni astronomici, il problema principale non è verificare una teoria, ma trovare ciò che vale la pena studiare.
Un sistema di AI applicato all’archivio del telescopio Hubble ha individuato oltre mille oggetti cosmici anomali in appena due giorni, centinaia dei quali mai osservati prima (https://www.livescience.com/space/astronomy/ai-tool-reveals-hundreds-of-anomalies-in-hubble-telescope-archives-and-some-defy-classification).
Questo segna un cambiamento profondo. Tradizionalmente la scienza cercava risposte a domande definite. L’AI permette di scoprire domande nuove.
Cambia il ruolo dello scienziato
Se l’AI può leggere milioni di articoli, simulare esperimenti e suggerire ipotesi, cosa resta allo scienziato umano?
La risposta emergente è sorprendente: lo scienziato diventa sempre meno esecutore e sempre più architetto concettuale. Gli esseri umani definiscono problemi, interpretano risultati, valutano significato e implicazioni etiche.
Alcuni studi indicano che l’AI aumenta la produttività individuale ma rischia anche di uniformare la ricerca, privilegiando linee già consolidate (https://spectrum.ieee.org/ai-science-research-flattens-discovery). In altre parole, l’intelligenza artificiale accelera la scienza ma potrebbe renderla meno esplorativa se usata senza spirito critico.
Il metodo scientifico non scompare: si sposta verso la supervisione epistemica dell’algoritmo.
Verso la scienza autonoma?
Un’ipotesi sempre più discussa nella letteratura accademica è quella della Artificial General Science, sistemi capaci di condurre ricerca in modo quasi indipendente. Esperimenti recenti mostrano AI agentiche in grado di progettare studi, raccogliere dati e produrre manoscritti scientifici completi (https://arxiv.org/abs/2508.13421).
Questa prospettiva apre domande filosofiche profonde. Chi è l’autore di una scoperta? Un algoritmo può “capire” o soltanto correlare? La scienza richiede coscienza oppure solo inferenza statistica?
Per ora l’AI eccelle nell’esplorazione combinatoria ma fatica nell’interpretazione teorica profonda. La comprensione resta una proprietà eminentemente umana.
Previsioni: la scienza nei prossimi vent’anni
Osservando le traiettorie attuali emergono alcune tendenze plausibili.
La prima è l’accelerazione esponenziale del ciclo scientifico. Esperimenti che richiedevano anni diventeranno processi iterativi di giorni o ore. L’AI analizzerà continuamente dati provenienti da telescopi, laboratori biologici e simulazioni climatiche, trasformando la ricerca in un sistema quasi in tempo reale.
La seconda riguarda la democratizzazione della scienza. Strumenti avanzati permetteranno a piccoli gruppi o singoli ricercatori di competere con grandi istituzioni grazie alla potenza computazionale condivisa.
La terza è la nascita di scienze ibride. L’AI non appartiene più a un settore specifico: diventa infrastruttura universale, collegando fisica, biologia, medicina, chimica e scienze sociali in un’unica rete cognitiva.
Infine, potremmo assistere alla comparsa di collaborazioni uomo-AI permanenti, veri “team cognitivi misti”. L’AI esplora lo spazio delle ipotesi; l’umano seleziona ciò che ha significato.
Il paradosso finale
La rivoluzione dell’intelligenza artificiale nella scienza contiene un paradosso affascinante. Più automatizziamo la scoperta, più diventa evidente che la scienza non è soltanto accumulo di dati ma ricerca di senso.
L’AI può trovare correlazioni, suggerire modelli e accelerare la sperimentazione a velocità impensabili. Tuttavia resta aperta la domanda fondamentale: perché una teoria è elegante? Perché una spiegazione è convincente? Perché una scoperta cambia il nostro modo di vedere il mondo?
La scienza nell’era dell’intelligenza artificiale non segna la fine dello scienziato umano. Segna piuttosto la nascita di una nuova figura: un esploratore che naviga insieme a macchine capaci di pensare statisticamente su scale cosmiche.
La conoscenza, per la prima volta nella storia, non cresce solo alla velocità della mente umana ma alla velocità degli algoritmi. E questo significa che il prossimo grande salto scientifico potrebbe non essere una singola scoperta, ma un cambiamento nel modo stesso in cui l’umanità scopre.
Comments