In un laboratorio di Londra, un’intelligenza artificiale di Google ha risolto in 48 ore un mistero sui batteri che gli scienziati avevano studiato per un decennio. Lo strumento, chiamato Google “Co-Scientist”, ha confermato un’ipotesi inedita avanzata dal professor José R. Penadés e dal suo team dell’Imperial College London secondo cui i superbatteri resistenti agli antibiotici utilizzerebbero strutture simili a code virali per trasferirsi tra diverse specie.

Oltre a validare questa scoperta, Co-Scientist ha formulato altre quattro ipotesi plausibili. Il professor Penadés, professore di Microbiologia, stupito dal risultato fulmineo, ha perfino chiesto a Google se l’Ai avesse avuto accesso a dati riservati (non era così)​.

Qualche giorno fa Google ha svelato ufficialmente Co-Scientist: un sistema di intelligenza artificiale multi-agente, basato sul modello Gemini 2.0, progettato per collaborare con i ricercatori e accelerare le scoperte scientifiche.​ L’Ia funge da “co-scienziato” virtuale, capace di setacciare la letteratura scientifica e generare ipotesi e piani di ricerca innovativi in risposta agli obiettivi posti dagli esperti umani.

Come funziona il co-scienziato di Google

Fornendo a Co-Scientist un obiettivo di ricerca descritto in linguaggio naturale, l’Ai sintetizza le conoscenze esistenti sull’argomento e propone una serie di ipotesi verificabili, citando gli studi rilevanti e suggerendo possibili esperimenti​. Il cuore del sistema è un’architettura composta da più agenti specializzati che, ispirandosi al metodo scientifico, generano idee, le esaminano criticamente e le migliorano in modo iterativo​.

In questo processo “a più voci” l’Ai valuta e raffina le proprie proposte, producendo alla fine un quadro di ricerca coerente. Il ricercatore rimane comunque al centro: può interagire via chat con l’Ai, fornendo feedback e nuovi spunti per guidare l’analisi.​ Google sottolinea infatti che Co-Scientist è pensato per supportare gli scienziati, non per automatizzare o sostituire il lavoro umano​.

Risultati promettenti in ambito biomedico

Co-Scientist è stato testato su problemi reali insieme a ricercatori in prima linea, con esiti incoraggianti. Google sostiene che oltre al caso dei super-batteri, il sistema ha individuato farmaci esistenti da riutilizzare contro la leucemia mieloide acuta, poi rivelatisi efficaci in esperimenti su cellule tumorali​. Ha anche suggerito nuovi bersagli molecolari per trattare la fibrosi epatica, confermati da test su organoidi di fegato umano​. In particolare, in un esperimento sulla fibrosi, tutte le strategie proposte dall’Ai hanno mostrato attività nel ridurre la progressione della malattia​.

Entusiasmo e cautele tra i ricercatori

Molti scienziati vedono Co-Scientist come un potenziale catalizzatore di scoperte. «È uno strumento estremamente potente il cui utilizzo supera gli aspetti negativi… cambierà la scienza» ha commentato Jose Penadés, paragonando l’esperienza a qualcosa di “spettacolare”​.

Dal canto suo, Google assicura che la piattaforma aumenterà la collaborazione uomo-macchina. Allo stesso tempo, non mancano inviti alla prudenza. Ogni ipotesi generata dall’intelligenza artificiale va convalidata in laboratorio, e lo stesso annuncio di Google riconosce che il sistema “solleva numerose domande” pratiche​. Bisognerà capire come gestire l’abbondanza di ipotesi prodotte e come attribuire i meriti in caso di scoperte fatte con l’aiuto dell’Ai.

Alcuni osservatori notano poi che Co-Scientist attinge alla letteratura esistente, ricombinando conoscenze note più che inventando teorie dal nulla​. Restano quindi da affrontare questioni aperte: definire linee guida su come usare correttamente queste Ai, garantire trasparenza e verifiche indipendenti sui risultati che propongono, e adeguare i criteri con cui si valutano e finanziano le ricerche (ad esempio quando un’idea nasce in parte da un algoritmo)​.

Verso il futuro: implicazioni e sfide

Al momento, Google Co-Scientist è accessibile solo a pochi partner selezionati tramite un programma di prova​. In futuro, se l’Aii confermerà la sua affidabilità, potrebbe diventare uno strumento comune nei laboratori, affiancando gli scienziati nell’elaborare ipotesi e sperimentazioni. Un assistente del genere potrebbe accelerare lo sviluppo di farmaci e soluzioni per sfide urgenti come l’antibiotico-resistenza​, analizzando in pochi giorni scenari di ricerca che richiederebbero anni di lavoro umano.