Agli scienziati americani colpiti dai tagli di Trump piace ricordare che la Cina ne approfitterà. L’Economist guarda dentro le università cinesi e trova un quadro meno lineare. Il denaro c’è per l’intelligenza artificiale e la robotica, le priorità del Partito, mentre negli ultimi anni il ministero ha revocato 12.200 corsi di laurea, soprattutto in materie come la gestione aziendale. La spesa pubblica per la scienza cresce del 3,5 per cento l’anno contro il 10 di fine anni Dieci; il 95 per cento delle 2.900 università dipende da governi locali impoveriti dalla crisi immobiliare, e anche a Shenzhen e Hangzhou i bilanci sono scesi di oltre il 5 per cento. Con la disoccupazione giovanile al 19 per cento, i dottorandi sono raddoppiati dal 2019, ma le domande al principale fondo per la ricerca sono cresciute dell’80 per cento a fronte di un 3 per cento di fondi in più, e il tasso di successo è sceso dal 22 al 12 per cento.
La conseguenza è un mondo accademico precario, con fabbriche di articoli scientifici che si pubblicizzano su Taobao e ricercatori che pagano aziende perché finanzino i loro progetti e li aiutino a raggiungere le quote richieste per la promozione. Quando il numero di pubblicazioni e di finanziamenti diventa il requisito per avanzare, smette di misurare la qualità della ricerca: è la legge di Goodhart applicata a un intero sistema accademico. Il settore privato fornisce ormai metà dei nuovi fondi per la ricerca universitaria, ma li dirige verso ciò che gli serve e verso gli atenei più noti.
Kris Anderson passa ogni sera due ore e mezza a classificare le foto di mantidi caricate su iNaturalist, la piattaforma dove chiunque può documentare la fauna. A giugno ne ha vista una che sembrava una specie nuova: era generata dall’intelligenza artificiale. Eric Boodman racconta come le comunità della scienza partecipata, iNaturalist, eBird, OpenStreetMap, Zooniverse, stiano costruendo difese contro lo slop: arXiv limita le sottomissioni, eBird segnala gli uccelli ritoccati, OpenStreetMap lascia un file di istruzioni per gli agenti automatici. Il danno più insidioso non è il falso clamoroso ma la foto ritoccata in buona fede, che aggiunge una striscia sulle ali o cambia un colore: così si consegnano ai modelli di riconoscimento dati di cose che non esistono.
L’ornitologo Alexander Lees lo dice così: i modelli generativi rischiano di inquinare l’archivio di come sono fatti gli animali veri, e di rovinare proprio gli strumenti di identificazione da cui sono nati. Il direttore di iNaturalist ricorda che quei modelli valgono quanto la comunità umana che li corregge. La scienza partecipata è un’alleanza fra esperti e appassionati, e regge finché qualcuno ha ancora l’occhio per notare che qualcosa non torna.
Moritz Hardt, direttore al Max Planck Institute for Intelligent Systems e autore di The Emerging Science of Machine Learning Benchmarks, chiama i benchmark «the mistake that made machine learning». Dovrebbero funzionare come termometri, ma funzionano come una gara: il campo ha messo i test in rete e ci ha iterato sopra, ignorando la regola di usarli una volta sola. I punteggi assoluti valgono poco, perché basta cambiare di poco il test per passare dal 90 al 73%. Le classifiche invece sono rimaste stabili fra dataset diversi, ed è per questo, «mostly by sheer luck», che l’apprendimento automatico è sfuggito a una crisi della replicazione. Un benchmark non è un termometro ma una gara: il punteggio non dice quanto vale un modello, e la classifica dice chi è meglio solo se tutti si sono preparati allo stesso modo.
Con i modelli linguistici quella condizione è saltata. Non si sa su che cosa siano addestrati, e ognuno si prepara ai test in misura diversa, il «benchmaxxing». La proposta di Hardt viene dalle Olimpiadi di Città del Messico del 1968: invece di vietare l’allenamento in quota, estenderlo a tutti, con un protocollo comune di preparazione prima del test. Lui stesso ammette che così si ottengono indicatori di progresso, non misure, e che la stabilità delle classifiche è un fatto empirico senza teoria. È un’intervista breve, uscita con il libro.
I ricercatori passano una parte sorprendente del loro tempo a scrivere: in Australia, in media il 16% dell’anno va nelle domande di finanziamento, che hanno una probabilità di successo di circa una su cinque. L’AI promette di restituire quel tempo, e lo fa: un ricercatore di un’università della Ivy League è passato da un giorno a settimana a tre quarti d’ora. Ma la stessa facilità ha fatto esplodere la produzione di bassa qualità. Le sottomissioni a ICML sono raddoppiate in un anno, a 24.000; in 2,5 milioni di articoli biomedici le citazioni inventate sono cresciute di dodici volte fra il 2023 e l’inizio del 2026; nelle riviste predatorie circa nove articoli su dieci sono generati. Due ricercatori svedesi hanno messo online due preprint su una malattia degli occhi inesistente, la «bixonimania», e in poche settimane i chatbot ne parlavano come di una cosa reale. Il dato più importante è un rovesciamento: prima dei modelli linguistici la qualità della scrittura di un paper era un buon indizio della sua qualità scientifica, oggi non lo è più.
L’AI può aiutare a rimediare, scovando immagini manipolate e incoerenze, e i revisori che la usano trovano più errori tecnici, mentre gli umani restano migliori nel giudicare novità e rilevanza. Ma le soluzioni proposte per i finanziamenti, cioè meno testi e più colloqui e curricula, rischiano di favorire chi è già dentro il sistema. Ivan Oransky, fondatore di Retraction Watch, riassume così: l’AI è l’acceleratore, la miccia è la cultura del «publish or perish». Se si vuole fermare lo slop, bisogna cambiare gli incentivi.
Hannah Fry, matematica che sulle equazioni di Navier-Stokes ha fatto il dottorato, racconta come OpenAI abbia trovato il controesempio che le fa cadere, uno dei problemi del Millennium Prize. Lo ha fatto con 10.000 agenti, tre milioni di messaggi e 88 ore di calcolo, e il risultato sono 166 pagine e centinaia di migliaia di righe di codice formale che quasi nessuno vuole leggere. Poi sono arrivate centinaia di altre dimostrazioni, comprese alcune sull’ipotesi di Riemann, lasciate su GitHub perché le controllino altri. Il problema è chiuso, ma nessuno sa spiegare alla lavagna perché quel vortice rompe tutto: la dimostrazione c’è, la comprensione no.
Da qui la crisi che Fry descrive, simile a quella di Lee Sedol dopo AlphaGo: se una macchina chiude i problemi senza produrre comprensione, la ricerca deve ridire a che cosa servono i problemi aperti. Il suo giudizio su OpenAI è duro, «conquest over stewardship», e va letto come quello di una parte. Le dimostrazioni, lei stessa lo lascia intendere, non sono ancora state verificate.
Nel 2025 sono usciti circa sette milioni di articoli scientifici, più di diciannovemila al giorno, e chi legge i giornali li incontra uno alla volta: il caffè fa bene, poi fa male. Helen Pearson, senior editor di Nature, parte da un caso del settembre 2025, quando la Food and Drug Administration annunciò un’avvertenza sul paracetamolo in gravidanza per un presunto legame con l’autismo, scegliendo pochi studi e ignorando quelli più solidi. Una revisione pubblicata due mesi dopo concluse che il legame non era dimostrato, ma intanto molte donne erano state spaventate. Il difetto non sta nella singola ricerca ma nel sistema che premia lo studio nuovo e trascura il lavoro di metterli insieme: la conoscenza che serve spesso c’è già, e manca solo chi la assembli.
Pearson ricostruisce come è nata la sintesi delle evidenze. Nel 1976 lo statistico Gene Glass presentò la metanalisi per rispondere alle rassegne di Hans Eysenck, che contavano gli studi a favore e contro la psicoterapia come voti. Poi vennero la Cochrane Collaboration di Iain Chalmers e le revisioni sistematiche che oggi orientano la medicina, fino alle revisioni rapide e a quelle «living», aggiornate di continuo. L’intelligenza artificiale potrà fare gran parte del lavoro di raccolta, ma oggi alimenta anche un’ondata di revisioni scadenti, e la tentazione di chiedere a un chatbot che cosa dicono le prove al posto di una sintesi rigorosa.
Hana Kiros parte dall’annuncio di fine settembre 2026: secondo Anthropic, Claude avrebbe individuato in meno di ventiquattr’ore un nuovo «sistema enzimatico» simile a CRISPR. È il primo risultato del laboratorio di biologia che l’azienda ha aperto in primavera.
Le obiezioni vengono tutte da fonti terze. Diversi accademici e l’amministratore delegato di Eli Lilly hanno parlato di un risultato incrementale presentato come scoperta. Fyodor Urnov, che con Anthropic lavora a un progetto CRISPR, dice che non è ancora chiaro se si tratti di un enzima. Al New York Times alcuni ricercatori hanno detto di conoscere quel sistema da anni, e un gruppo dell’Università di Copenaghen ha ipotizzato che i risultati derivassero dalle interazioni del proprio laboratorio con Claude. L’azienda ha risposto che Claude non viene addestrato sulle trascrizioni degli utenti.
Il pezzo però non si ferma alla smentita, ed è per questo che entra. L’annuncio gonfiato nasconde la capacità reale, che è meno spettacolare e più utile: passare al setaccio quantità di dati che nessun gruppo di ricerca avrebbe il tempo di guardare.
Lo Human Genome Project ha impiegato tredici anni e 2,7 miliardi di dollari per sequenziare un genoma umano; oggi ne bastano un giorno e circa 200. Già nel 2012 un comitato di bioinformatici scriveva che il collo di bottiglia si era spostato dalla produzione dei dati alla loro analisi. Bo Wang, dell’Università di Toronto, chiama il contributo dell’AI «scaling scientific attention»: far emergere le anomalie che meritano uno sguardo umano. Per questo caso Anthropic ha messo al lavoro circa 950 istanze di Claude su un database di quasi due miliardi di sequenze.
Il limite lo dichiara il pezzo stesso: la scala funziona dove i dati abbondano. Stirling Churchman, di Harvard, ricorda che la microscopia, la biologia degli organelli e il trasporto cellulare producono pochi dati e richiedono esperimenti lunghi: «ci sarà magia dove ci sono dati». Resta aperto anche se questi strumenti spingano i ricercatori verso esperimenti più audaci o più prudenti.
Il pezzo dialoga con la catena «Il rischio come prodotto». Kiros osserva che le aziende hanno ogni incentivo a continuare a promettere miracoli medici, tanto più ora che cresce l’ostilità nei loro confronti. Amodei lo dice apertamente: per zittire gli scettici «funzionerà curare davvero il cancro». La funzione è la stessa che la catena attribuisce all’allarme, spostata dal rischio al beneficio.
Matthew Schwartz, fisico teorico, ha passato il periodo del progetto come ricercatore ospite in Anthropic, e ne scrive sul sito dell’azienda. Il sistema che descrive, BootLoops, è suo e open source. Va letto sapendo dove è pubblicato.
Il punto di partenza è una correzione del suo stesso entusiasmo. A dicembre aveva trovato in Claude un buon dottorando venti volte più veloce, da correggere di continuo. Il modello non è uno scienziato: il lavoro rende quando si scelgono problemi che hanno la forma delle sue capacità (calcolo esatto e verificabile, conoscenza larga, lettura rapida di articoli e dati) e si lascia a un esperto decidere quali risultati contano. In quasi tutti i casi, scrive, i risultati erano tecnicamente corretti e scientificamente poco interessanti finché un esperto non li riorientava. L’ecologo James O’Dwyer prevede che la soluzione di un’equazione rimasta aperta per vent’anni avrebbe avuto «un’alzata di spalle», e suggerisce di studiare lo scarto dalla previsione.
Il metodo è descritto con una franchezza rara. Servono criteri di successo rigidi, perché il modello dichiara vittoria troppo presto. I grafici vanno controllati a mano. Sessioni separate fanno da revisori avversari. E bisogna correggere la tendenza del modello a scegliere dibattiti vecchi e molto citati. In tre mesi ne sono usciti 36 manoscritti in 18 discipline, su circa 400 problemi candidati. La richiesta finale riguarda il credito: il problema «non si risolverà fingendo che il contributo umano fosse la battitura».
Con Kiros e Dolgin forma una sequenza. Lì il collo di bottiglia della ricerca passava dai dati all’analisi e poi alla validazione; qui si sposta sulla scelta del problema e sul giudizio di rilevanza, che restano umani.
Elie Dolgin apre con Anna Pertl, al Whitehead Institute, che usa Co-Scientist di Google contro MYC, la proteina che alimenta molti tumori e che finora ha resistito ai farmaci. Servono quasi un’ora di correzioni, perché il sistema scambia l’obiettivo per il farmaco. Poi passa in rassegna più di 700 articoli, genera 108 strategie e ne scarta tutte tranne una.
La prova più solida viene dall’Imperial College. José Penadés e Tiago Costa hanno tenuto nascosti i propri dati non pubblicati, e in due giorni il sistema, partendo dalla sola letteratura pubblica, è arrivato alla teoria che il loro gruppo aveva costruito in anni. È un test costruito in modo che il sistema potesse fallire, e non ha fallito.
Il resto del pezzo dice dove quel guadagno si ferma. Phylo fa progettare a Biomni un intero esperimento CRISPR, ma il lavoro al bancone resta umano. Per Ross King, di Cambridge, i protocolli generati sono ricette, non procedure affidabili. Anton Sinitskiy, della Northeastern, mette il limite al posto giusto: una macchina può proporre qualsiasi cosa, e il collo di bottiglia è la validazione. Un errore scientifico sembra ragionevole finché qualcuno con abbastanza competenza non vede che cosa manca, e più il sistema entra nel processo, più quella competenza diventa l’abilità decisiva. Quando Pertl rilancia la sua richiesta con limiti di tempo e di costo realistici, il sistema non trova nessuna ipotesi praticabile.
Il pezzo continua quello di Hana Kiros sull’Atlantic. Lì il collo di bottiglia si era spostato dalla produzione dei dati alla loro analisi, e l’AI aiuta a passarli al setaccio. Qui si sposta un passo più in là, dall’analisi alla validazione, dove la macchina non basta a se stessa.
L’Anthropic Institute pubblica dati interni sull’accelerazione nello sviluppo dei modelli: oltre l’80% del codice in produzione è oggi scritto da Claude; ogni ingegnere produce 8 volte più codice al giorno rispetto al 2024; Opus 4.7 gestisce in autonomia task da 12 ore su software reale; in un esperimento di aprile 2026, agenti Claude hanno condotto un intero progetto di ricerca in AI safety — 800 ore cumulative, $18.000 di compute, senza intervento umano sulle scelte sperimentali. Il punto dell’articolo non è celebrativo: è che questo trend punta verso il recursive self-improvement — un sistema AI capace di progettare e addestrare il proprio successore in modo autonomo. L’articolo descrive tre scenari (stallo, accelerazione compounding con umani che dirigono, recursive self-improvement completo) e prende posizione: Anthropic sarebbe disponibile a una pausa coordinata e verificabile tra lab al limite della frontiera, se esistesse un meccanismo credibile per farlo. Vale la pena sottolinearlo: è la prima volta che un’azienda AI di frontiera pubblica dati interni sull’accelerazione e invoca esplicitamente un regime di verifica internazionale — un linguaggio che fino a poco tempo fa sembrava riservato al controllo degli armamenti nucleari. Non sfugga il fatto che questa sottile inoculazione di ansia tecnologica sia in particolare per Anthropic anche un espediente di marketing straordinariamente efficace.
26 maggio 2026
Curated
· Sil Hamilton e David Mimno / arXiv (Cornell University)
AIRicercaEditoria
Due ricercatori di Cornell chiedono a quattro modelli di OpenAI, Anthropic, Google e AI2 di «scrivere una storia», mille volte per cinque formulazioni della stessa richiesta. Nell’88% delle 20.000 storie compare almeno una di undici parole: nomi come Elias, Mara ed Elara, mestieri da villaggio preindustriale come il guardiano, l’orologiaio, il fornaio, e un solo luogo, il faro, presente in più di metà dei testi. Quelle parole sono rare nella narrativa contemporanea, nei racconti amatoriali e nei dati di pre-addestramento: Elias è circa novecento volte più frequente nelle storie generate che nei romanzi pubblicati. Gli autori risalgono allora ai dati di post-addestramento di OLMo 3, l’unico modello che li rende pubblici, e trovano le parole ricorrenti in appena il 3,8% delle storie, concentrate nelle fasi DPO e RL più che nell’addestramento supervisionato. L’omologazione non nasce dalla quantità dei dati ma dal peso che l’allineamento dà a pochi esempi preferiti, e un insieme minuscolo basta a decidere che cosa tutti i modelli raccontano quando nessuno chiede altro. Il paper è breve, monolingue e limitato a richieste minime; resta aperta l’ipotesi, che gli autori rinviano a lavori futuri, che il faro sia ciò che rimane dopo aver insegnato ai modelli a evitare personaggi protetti da copyright e contenuti per adulti. Il Cornell Chronicle ne ha dato conto il 19 ottobre con un articolo di Louis DiPietro.
Un paper di Anthropic sull’interpretabilità dei modelli linguistici: i ricercatori introducono i Natural Language Autoencoders (NLA), un metodo non supervisionato per generare spiegazioni in linguaggio naturale delle attivazioni interne di un LLM — non di ciò che il modello scrive, ma di ciò che elabora internamente mentre risponde. L’architettura addestra due componenti in coppia: uno traduce le attivazioni in testo, l’altro riconverte quel testo in attivazioni; l’ottimizzazione congiunta costringe la spiegazione ad essere effettivamente fedele allo stato interno. Il risultato più rilevante: in 10 su 16 valutazioni testate, i modelli rappresentano internamente il sospetto di essere in fase di test anche quando nell’output non ne danno alcun segno — in 7 casi, l’awareness verbalizzata è zero. Il modello sa, ma non dice. Il risultato è interessante e potrebbe far pensare che sia possibile identificare errori e manipolazioni dell’LLM ancora prima che si producano, ma io ritengo — su basi meramente logiche — che non sia molto fruttuoso aggiungere verticalmente layer di verifica all’interno del processo, quando si può focalizzarsi sul post-esame dei risultati.
Kevin Kelly ripubblica un saggio che aveva scritto nel gennaio 2006: quattordici speculazioni sul futuro del metodo scientifico. Sono rimaste sostanzialmente invariate — e questo è il punto. Venti anni dopo, molte leggono come una descrizione del presente: il «Theory-less Pattern Augmentation» (AI che trova pattern senza una teoria previa) è esattamente ciò che sta accadendo con AlphaFold e con i modelli linguistici applicati alla ricerca; gli «AI Proofs» (sistemi esperti che verificano la logica degli esperimenti) stanno entrando nei workflow di peer review; la «Wiki-Science» (migliaia di collaboratori su un paper mai finito, con strumenti di tracking dei contributi) descrive già alcune esperienze di scienza distribuita post-COVID; le «Zillionics» (fiumi di dati da sensori ubiqui 24/7) sono la premessa di qualunque ricerca medica e ambientale contemporanea. Il saggio vale soprattutto come oggetto epistemologico: dimostra che il metodo scientifico — inteso non come insieme di protocolli fissi ma come struttura vivente di acquisizione della conoscenza — si modifica continuamente, e che queste modifiche seguono in modo quasi deterministico la disponibilità di nuovi strumenti computazionali. La tesi di fondo è riassumibile così: ogni nuova tecnologia dell’informazione cambia prima cosa sappiamo, poi come lo sappiamo, infine come cambiamo il modo in cui cambiamo. Kelly chiude ammettendo che i metodi realmente nuovi fra quarant’anni saranno probabilmente quelli che nessuno ha ancora pensato.