Il co-scienziato dell'intelligenza artificiale: Come il sistema Gemini di Google sta ridefinendo la scoperta scientifica

Ultimo aggiornamento il 11 novembre 2025 da Vita Ecologica

Che cosa succede quando abbiniamo la curiosità umana al ragionamento su scala industriale? Recenti ricerche suggeriscono che stiamo entrando in un'era di vera collaborazione tra esseri umani e intelligenza artificiale.

In due recenti studi, un sistema specializzato di intelligenza artificiale sviluppato da Google LLC non ha solo assistere ricerca - ha operato come un vero e proprio partner nel processo di scoperta. In un caso, ha proposto candidati farmaci che hanno mostrato attività antifibrotica in un modello di laboratorio di malattia epatica cronica. In un altro caso, ha individuato in modo indipendente un meccanismo biologico di trasferimento genico batterico che gli scienziati umani avevano impiegato anni a decifrare.

Perché noi di Ecologica.life siamo interessati a questo sviluppo, soprattutto nel campo dell'IA? Perché indica un potenziale cambiamento di paradigma: partnership tra uomo e IA nelle bioscienze, con implicazioni per la medicina, l'ecologia, la biotecnologia e altro ancora.

In questo articolo esploreremo quali sono i limiti della ricerca e della scoperta tradizionali e le sfide che i ricercatori moderni devono affrontare quando si spingono oltre i confini della conoscenza scientifica. Analizzeremo poi due casi di studio su come l'IA ha aiutato i ricercatori e considereremo le implicazioni di questo fenomeno per altri campi. Infine, discuteremo le sfide e le considerazioni etiche legate all'utilizzo dell'IA nella ricerca. Spero che la lettura sia piacevole quanto lo è stato per me scriverla!

Il problema: i limiti della scoperta tradizionale

La scienza biomedica sta diventando così grande e complessa che è sempre più difficile per le sole équipe umane lavorare con essa. Il volume della letteratura pubblicata, la diversità dei tipi di dati e le richieste interdisciplinari creano colli di bottiglia significativi:

• Prendiamo ad esempio la scoperta di farmaci: molte patologie, come la fibrosi epatica, sono sfuggite a una terapia efficace perché i modelli attuali non riescono a imitare bene la fisiologia umana.
• Oppure consideriamo l'evoluzione microbica: il meccanismo con cui gli elementi genetici si spostano da una specie all'altra può essere nascosto in strati di biologia molecolare, richiedendo anni di minuzioso lavoro sperimentale per essere rivelato.

In breve: gli scienziati umani continuano a portare il pesante carico di creatività, intuizione e sperimentazione, ma la scala di interconnessione della biologia moderna rende la ricerca d'avanguardia estremamente impegnativa.

Queste sfide spiegano perché i ricercatori si stanno sempre più rivolgendo all'IA non solo come strumento, ma come partner di pensiero in grado di aiutare a decodificare la complessità biologica.

Ricerca in evidenza: Cosa ha fatto l'intelligenza artificiale

Per verificare se l'intelligenza artificiale è in grado di ragionare come uno scienziato, il team di ricerca di Google ha sviluppato un sistema collaborativo basato sul modello Gemini 2.0 e i risultati sono stati notevoli.

I due casi di studio che seguono illustrano il funzionamento del ‘co-scienziato’ dell'IA.

1. Affrontare la fibrosi epatica

In uno studio pubblicato su Scienza avanzata, I ricercatori hanno chiesto al sistema di intelligenza artificiale di Google di esplorare meccanismi epigenomici nella fibrosi epatica, ovvero come le modifiche chimiche alla regolazione dei geni (non le modifiche alla sequenza del DNA) possano essere bersagli terapeutici.

Il sistema di intelligenza artificiale è descritto come una configurazione multi-agente costruita sulla base del modello linguistico di grandi dimensioni (LLM) gemini 2.0, in cui diversi agenti (Agente di generazione, Agente di riflessione, Agente di classificazione, Agente di evoluzione e Agente di meta-revisione) cooperano all'interno di un modello scientist-in-the-loop.

Per il progetto fegato:

• I ricercatori umani hanno fornito un prompt: area (effetti epigenomici nella fibrosi epatica) + metodi sperimentali (uso di organoidi epatici).
• L'IA ha proposto tre classi di regolatori epigenomici come promettenti bersagli farmacologici: le istone deacetilasi (HDAC), la DNA metiltransferasi 1 (DNMT1) e la proteina bromodomina 4 (BRD4).
• Test sperimentali in organoidi epatici umani (mini fegati 3D derivati da cellule staminali) hanno rivelato che gli inibitori di HDAC e BRD4 hanno mostrato forti effetti antifibrotici. Uno dei composti, Vorinostat (già approvato dalla FDA per il cancro), ha soppresso la fibrosi e stimolato la crescita delle cellule epatiche sane.
• È interessante notare che altri due bersagli farmacologici scelti dai ricercatori umani (sulla base di una letteratura precedente più ampia) hanno fatto non ridurre la fibrosi nello stesso modello, suggerendo che l'IA ha identificato delle piste che i ricercatori umani avevano trascurato.

2. Un mistero microbico da decifrare

In una seconda dimostrazione, pubblicato in Cellula, l'IA ha affrontato l'enigma di come isole cromosomiche identiche indotte dai fagi (cf-PICI)¹ appaiono in diverse specie batteriche, nonostante il fatto che i fagi su cui si basano per la mobilitazione di solito infettino solo un ristretto numero di ospiti.

Dopo un decennio di lavoro, gli esseri umani avevano risolto il meccanismo (meccanismo della “pirateria della coda”: i capidi senza coda pieni di DNA dirottano le code di altri fagi).

All'intelligenza artificiale sono stati forniti solo i dati disponibili pubblicamente prima della scoperta umana. Ha generato delle ipotesi; il suo suggerimento principale è stato che le cf-PICI sfruttano le “interazioni coda-capside” per ampliare il raggio d'azione dell'ospite - quasi esattamente il meccanismo determinato dall'uomo.

Il fatto che l'intelligenza artificiale sia arrivata a questa conclusione in modo indipendente e rapido è sorprendente, in quanto dimostra un ragionamento piuttosto che una semplice corrispondenza di modelli.

Implicazioni: Cosa significa per l'ecologia, la salute e la sostenibilità

Scoperta accelerata

In campi come le scienze ambientali, le biotecnologie e la salute, la combinazione di intuizione umana e ragionamento dell'IA potrebbe accelerare notevolmente le scoperte. Invece di aspettare anni per le iterazioni di prove ed errori, i flussi di lavoro integrati dall'IA potrebbero ridurre il tempo che intercorre tra l'idea e l'esperimento.

Bordo interdisciplinare

I problemi complessi, come il modo in cui gli inquinanti influenzano le comunità microbiche o il modo in cui le interazioni tra piante e microbi si modificano in caso di stress climatico, spesso abbracciano molti domini. I sistemi di intelligenza artificiale che analizzano la letteratura, propongono ipotesi e suggeriscono esperimenti possono aiutare a colmare queste lacune.

Partnership tra uomo e intelligenza artificiale, non sostituzione

I ricercatori sottolineano che l'IA non sostituisce il giudizio umano. La qualità dei dati disponibili al pubblico limita le possibilità dell'IA. Inoltre, gli esseri umani sono ancora necessari per valutare quali piste perseguire.

In breve, la competenza del dominio umano, la creatività e l'etica rimangono centrali.

Sfide e considerazioni etiche

• Qualità e distorsione dei dati: Il risultato del sistema è buono solo quanto i dati a cui attinge. I bias di pubblicazione, i set di dati incompleti o la scarsa documentazione sperimentale possono trarre in inganno l'IA.
• Collo di bottiglia della validazione sperimentale: Mentre generare ipotesi è veloce, testarle in laboratorio è ancora lento, costoso e richiede molte risorse. La definizione delle priorità rimane fondamentale.
• Interpretabilità e trasparenza: Poiché l'IA è sempre più coinvolta nella generazione di ipotesi, diventa importante il modo in cui verifichiamo il suo ragionamento. Possiamo tracciare perché proposto un determinato meccanismo o farmaco?
• Equità e accesso: I sistemi di IA ad alta potenza potrebbero allargare il divario tra i laboratori ben finanziati e quelli con poche risorse.
• Uso etico nelle bioscienze: Quando l'IA contribuisce a proporre meccanismi di microbiologia o di trasferimento genico, è necessaria una supervisione per garantire che vengano presi in considerazione i rischi legati al doppio uso (ad esempio, l'ingegneria microbica dannosa).

Impatto ambientale dell'intelligenza artificiale

Conclusione

Il lavoro del co-scienziato AI di Google segnala un'evoluzione significativa: il passaggio da strumenti che assistono gli scienziati a sistemi che collaborano al processo di scoperta. Per voi, lettori di Ecologica.life, si spera che questo significhi che il futuro della ricerca (e dell'umanità) sarà di uomo più macchina, non di uomo contro macchina. Insieme, potremmo sbloccare intuizioni più rapide e integrative in un'ampia gamma di campi, tra cui le bioscienze e la sostenibilità, e forse anche l'astronomia. C'è da riflettere: forse questa rivoluzione dell'intelligenza artificiale ci permetterà di esplorare e vivere oltre la Luna e forse anche oltre il nostro sistema solare.

La questione non è se l'IA cambierà la scienza, ma come possiamo guidare questo cambiamento in modo responsabile.

Cosa ne pensate? In che modo la scoperta guidata dall'IA potrebbe rimodellare la ricerca che vi interessa e quali domande dovremmo porci ora?

1. Un piccolo segmento di DNA batterico che può dirottare i macchinari dei batteriofagi per trasferirsi tra i batteri. Alcune PICI, come le cf-PICI (PICI “capsid-forming”), formano le proprie particelle virali e svolgono un ruolo importante nel trasferimento genico orizzontale. ↩︎