La macchina che scopre

Siete sotto la doccia, o state lavando i piatti. Da giorni un problema vi gira in testa: una scelta da fare, un nodo da sciogliere, un nome che non viene. Poi, proprio quando la mente è altrove, la soluzione arriva tutta intera, senza bussare. Gli antichi avevano una parola per questo: Eureka.

Si racconta che, più di duemila anni fa, il re di Siracusa avesse un dubbio. Sospettava che l'orafo, fatta una corona d'oro, l'avesse imbrogliato mescolando un metallo meno prezioso. Come scoprirlo senza fondere la corona? Archimede ci pensò per giorni. Poi, una sera, entrò in una vasca da bagno e vide l'acqua salire: un corpo immerso sposta tanta acqua quanto il suo volume, bastava confrontare la corona con un blocco d'oro puro dello stesso peso. Si dice che sia corso per le strade di Siracusa, nudo, gridando "Eureka!": ho trovato.

Probabilmente non è andata così: lo racconta Vitruvio, quasi due secoli dopo. Ma l'aneddoto resiste perché racconta uno dei momenti più umani che esistano. E per la prima volta nella storia non siamo più i soli a provarlo, o almeno così sembra. Quando possiamo dire che una macchina ha fatto una scoperta?

Il mistero delle proteine

Cominciamo dalla biologia. Dentro ogni cellula del vostro corpo lavorano milioni di proteine, minuscole macchine che trasportano l'ossigeno e combattono i virus. Ognuna nasce come una collana di perline che poi si ripiega in una forma tridimensionale precisissima.

La forma è tutto: una proteina funziona come una chiave in una serratura. Conoscerla permette di capire che cosa fa e di progettare farmaci. Il guaio è che scoprirla in laboratorio è difficilissimo: possono servire anni di lavoro per una sola proteina. Per mezzo secolo i biologi si sono chiesti se si potesse prevederla partendo dalla sola catena, con una competizione mondiale, dagli anni Novanta, ogni due anni.

Poi, alla fine del 2020, è arrivato AlphaFold, di DeepMind, con previsioni così precise da risultare paragonabili a quelle ottenute in laboratorio. Uno degli organizzatori della competizione, John Moult, ha detto una frase che nessuno si aspettava di sentire:

In un certo senso, il problema è risolto.

DeepMind ha poi reso disponibili gratuitamente le forme previste di oltre duecento milioni di proteine, praticamente tutte quelle conosciute. Nel 2024 il Nobel per la Chimica è andato a Demis Hassabis e John Jumper, per la prima volta a chi ha costruito una macchina che scopre.

Dieci anni in due giorni

AlphaFold, però, risponde a una domanda che gli facciamo noi. Può una macchina proporre da sola un'ipotesi?

Febbraio 2025, Londra. Il microbiologo José Penadés studia con la sua squadra da circa dieci anni come certi superbatteri si passino la resistenza agli antibiotici.

Google gli chiede di provare un nuovo sistema, una squadra di agenti chiamata co-scienziato: uno propone idee, un altro le critica, un altro le mette in classifica. Penadés gli pone la sua domanda e in circa due giorni la macchina gli restituisce un elenco di ipotesi. In cima c'è proprio la sua, quella a cui il suo gruppo era arrivato in dieci anni.

La sua prima reazione fu scrivere a Google per chiedere se, per caso, avessero accesso al suo computer. Risposta: no. La macchina ci era arrivata da sola, e tra le altre ipotesi ce n'erano diverse che il suo gruppo non aveva nemmeno considerato.

A maggio di quest'anno la rivista Nature ha pubblicato, nella stessa settimana, due lavori su questi scienziati artificiali: il co-scienziato di Google e un sistema chiamato Robin, con agenti che leggono la letteratura, valutano molecole e analizzano dati. Robin ha proposto di usare un farmaco già in commercio per il glaucoma come candidato contro una forma di degenerazione della retina che porta alla cecità, e gli esperimenti di laboratorio, fatti dagli umani, gli hanno dato ragione. Dall'idea all'articolo: due mesi e mezzo. Attenzione: è un candidato promettente, studiato in laboratorio, non ancora una cura.

Una figuraccia e una dimostrazione

Poi la matematica, che comincia con una figuraccia. Paul Erdős è stato uno dei matematici più prolifici del Novecento. Viaggiava di città in città con una valigia, dormiva a casa dei colleghi e si lasciava dietro centinaia di problemi aperti, a volte con un premio in denaro per chi li risolvesse. Un sito curato da Thomas Bloom li raccoglie e indica quali restano irrisolti.

Ottobre 2025: un dirigente di OpenAI annuncia sui social che il loro modello ha trovato le soluzioni di dieci problemi di Erdős ancora irrisolti. L'entusiasmo dura poche ore. Interviene Bloom, che parla di una rappresentazione distorta: quei problemi risultavano aperti solo perché lui non conosceva gli articoli che li avevano già risolti. La macchina aveva ritrovato, in biblioteca, soluzioni già scritte. Hassabis commenta in tre parole, in inglese: "This is embarrassing". Il post viene cancellato.

Ritrovare un articolo dimenticato in un oceano di letteratura scientifica è utile, ma non è una scoperta: è un'ottima ricerca in biblioteca.

La cosa vera arriva a maggio di quest'anno. Un problema famoso di Erdős, del 1946: prendete un certo numero di punti su un foglio, quante coppie di punti possono stare esattamente alla stessa distanza? Erdős aveva ipotizzato un limite, e per ottant'anni tutti hanno pensato che avesse ragione. Un modello di OpenAI dimostra che si sbagliava, costruendo una disposizione di punti che supera quel limite, usando strumenti di un ramo della matematica completamente diverso, che nessuno aveva collegato a quel problema.

Questa volta i matematici controllano. Cinque matematici verificano la dimostrazione a mano, lo stesso giorno. Timothy Gowers, tra i più grandi viventi, dice che l'avrebbe raccomandata, senza esitare, alla rivista di matematica più prestigiosa del mondo. Nei mesi successivi la verifica è arrivata anche da un computer, riga per riga.

Chi firma la scoperta?

Resta la domanda più difficile: se una macchina trova un'ipotesi che nessun essere umano aveva formulato, chi è l'autore?

Per le riviste la risposta, per ora, è netta. Nature non accetta un'intelligenza artificiale come autrice di un articolo: un autore deve potersi assumere la responsabilità di ciò che firma, e una macchina, almeno per ora, non può.

C'è poi una questione più profonda. Le nuove dimostrazioni delle macchine sono a volte lunghe centinaia di pagine, e proprio Bloom ha detto, a proposito di questi lavori: nessun essere umano li ha letti, e nessun essere umano li leggerà. Se arriviamo a una risposta giusta attraverso un ragionamento che nessuno riesce a seguire, abbiamo acquisito conoscenza? O soltanto una risposta?

E c'è il rovescio della medaglia: scoprire vale per i farmaci, ma anche per le falle. Ricordate Claude Mythos, il modello così bravo a scovare vulnerabilità informatiche che la sua azienda ha deciso di non darlo a tutti? Una macchina che scopre, scopre qualunque cosa.

Torniamo ad Archimede. In quella storia conta non che abbia trovato la risposta, ma che l'abbia capita, e sappia spiegare al re perché la corona era falsa. Eureka non vuol dire "ho la risposta", ma "ho capito". Le macchine stanno cominciando a scoprire, davvero. Ma una risposta diventa conoscenza solo quando qualcuno la capisce, la verifica e ci mette la firma. Per ora, quel qualcuno siamo noi.

All'allarmometro della stagione questa puntata prende un cinque. Una macchina che scopre più in fretta di quanto verifichiamo ci obbliga a fidarci di risultati che non sappiamo più controllare da soli, e scoprire vale anche per le falle informatiche. Ma per ora le scoperte passano ancora da un laboratorio umano, da un matematico che controlla, da una rivista che chiede chi risponde.

Resta un'inquietudine: abbiamo costruito macchine che decidono e ora anche macchine che scoprono, eppure non sempre sappiamo spiegare perché facciano quello che fanno. Ne riparleremo a partire da una frase che per una macchina è tra le più difficili da pronunciare: "non lo so".

La prossima volta che vi viene un'idea sotto la doccia, non correte nudi per strada: fermatevi a godervela. È ancora una delle cose più belle che sappiamo fare soltanto noi.