Google I/O mostra come sta cambiando la strada verso un’AI in grado di fare scienza
Durante il keynote di Google I/O, Demis Hassabis (CEO di DeepMind) ha detto che siamo “ai piedi della singolarità”. La singolarità è quel futuro ipotetico in cui l’AI supera l’intelligenza umana e cambia tutto. Peccato che l’esempio che ha usato per dimostrarlo sia stato un bollettino meteo.
Il software WeatherNext ha previsto l’arrivo dell’uragano Melissa in Giamaica, dando un preavviso che potrebbe aver salvato vite. Un risultato importante, ma non esattamente la prova che stiamo entrando in una nuova era dell’umanità. Quel contrasto tra parole grosse e risultati concreti racconta bene la tensione che attraversa l’AI applicata alla scienza.
Da un lato ci sono strumenti specializzati come WeatherNext o AlphaFold, progettati per risolvere un problema specifico. Dall’altro i sistemi agentici basati su LLM, che in futuro potrebbero fare ricerca senza bisogno di umani. È su questa seconda visione che Google sta puntando sempre di più.
Due modi di fare AI per la scienza
La differenza non è solo filosofica. Gli agenti autonomi stanno già producendo risultati: questa settimana OpenAI ha annunciato che un modello generico (una specie di GPT-5.5) ha confutato una congettura matematica importante. Per alcuni matematici è il contributo più significativo mai dato da un’AI alla matematica.
Pushmeet Kohli, chief scientist di Google Cloud, ha scritto su Daedalus: “Stiamo passando da un’AI che facilita la scienza a un’AI che inizia a fare scienza”. Se gli scienziati AI autonomi sono all’orizzonte, diventa più difficile giustificare investimenti massicci in strumenti super-specializzati — anche se hanno vinto un Nobel, come AlphaFold, o potenzialmente salvano vite, come WeatherNext.
Google non sta abbandonando gli strumenti specializzati. AlphaGenome e AlphaEarth Foundations sono usciti l’estate scorsa, e a novembre è arrivata una nuova versione di WeatherNext. Più di 3 milioni di ricercatori hanno usato AlphaFold. Isomorphic Labs, la sussidiaria che sviluppa farmaci con quella tecnologia, ha appena raccolto 2 miliardi di dollari. Ma i segnali di riallineamento ci sono.
Il Los Angeles Times ha riportato che John Jumper, premio Nobel per AlphaFold, ora lavora sull’AI per la programmazione. Non è una sorpresa: Google ha preso brutte figure perché i suoi tool di coding non reggevano quelli di Anthropic e OpenAI. Ma la mossa indica anche una priorità: le capacità di programmazione sono fondamentali per far funzionare i sistemi agentici.
Gemini for Science: il nuovo pacchetto
Il grande annuncio scientifico di I/O è stato Gemini for Science, che raggruppa diversi sistemi basati su LLM sotto un unico brand. Include AI Co-Scientist (genera ipotesi) e AlphaEvolve (ottimizza algoritmi), ancora non pubblici. Google ha però aperto le candidature per i ricercatori che vogliono accedervi.
Gary Peltz, genetista di Stanford, ha paragonato AI Co-Scientist a “consultare l’oracolo di Delfi” in un articolo su Nature Medicine. Il sistema non è incompatibile con gli strumenti specializzati: gli agenti possono chiamarli quando servono. Nessun sistema agentico può prevedere la struttura di una proteina senza AlphaFold, almeno per ora. Ma Google sta spostando risorse e persone (come Jumper) lontano dallo sviluppo di quei tool specialistici.
Hassabis dice che “per il prossimo decennio l’AI sarà uno strumento per aiutare gli scienziati. Oltre, diventerà una collaboratrice”. Ma nessuno può essere un buon collaboratore se non è anche bravo nel suo lavoro. E se Hassabis ha ragione sulla singolarità, gli scienziati AI potrebbero superare presto gli umani.
In una conversazione con il giornalista Mike Allen a I/O, Hassabis ha raccontato di essere stato spinto verso l’AI quando ha notato che la fisica ristagnava dagli anni ’70. Si chiedeva se la mente umana avesse raggiunto i suoi limiti. Se gli agenti superumani sono la risposta, Google si sta muovendo verso quella vetta.
