Link fonte iniziale: https://seas.harvard.edu/news/ai-system-automates-coding-scientific-research
Documento da scaricare: articolo scientifico peer-reviewed / paper accademico, pubblicato su Nature: “An AI system to help scientists write expert-level empirical software”.
Harvard SEAS e Google hanno presentato ERA, un sistema di intelligenza artificiale capace di generare software scientifico ad alte prestazioni. La promessa è ridurre da mesi a ore una parte del lavoro computazionale della ricerca, ma restano aperti i nodi su controllo umano, verificabilità e responsabilità.
Un gruppo di ricerca di Google, co-diretto da Michael Brenner, professore di matematica applicata e fisica alla Harvard John A. Paulson School of Engineering and Applied Sciences, ha sviluppato Empirical Research Assistance, o ERA, un sistema di IA progettato per scrivere e ottimizzare codice scientifico. Secondo Harvard, ERA può produrre programmi che superano le prestazioni di software scritto da esperti umani in specifici compiti valutabili.
Il lavoro è stato pubblicato su Nature e descrive ERA come un sistema che combina un grande modello linguistico con tecniche di tree search per esplorare molte varianti di codice e migliorare una metrica di qualità definita dai ricercatori. Il sistema utilizza Gemini e una strategia di ricerca per generare, testare e perfezionare frammenti di software scientifico, secondo la sintesi fornita anche dal testo allegato dall’utente.
I casi riportati includono la previsione dei ricoveri ospedalieri da Covid-19, la modellazione dell’attività neurale di oltre 70.000 neuroni nel cervello di un pesce zebra e l’integrazione di dataset di RNA a singola cellula. Harvard riferisce che ERA ha generato 14 modelli per i ricoveri Covid-19 capaci di superare i migliori modelli CDC usati durante la pandemia.
Google Research collega ERA al prototipo Computational Discovery, disponibile attraverso un programma trusted tester in Google Labs. Il punto centrale non è sostituire lo scienziato, ma automatizzare una fase ripetitiva: scrivere, provare e migliorare codice empirico. Il rischio, però, è che la velocità superi la capacità di verifica. Per questo servono revisione umana, tracciabilità del codice, validazione indipendente e trasparenza sui dati usati.
Breve approfondimento: cronologia essenziale
Settembre 2025 — Google Research presenta ERA come sistema per generare software empirico di livello esperto in diversi problemi scientifici.
19 maggio 2026 — Harvard SEAS pubblica la notizia sul sistema ERA e sul contributo del team Harvard-Google.
19 maggio 2026 — Nature pubblica il paper peer-reviewed su ERA.
Maggio 2026 — Google inserisce ERA nel quadro più ampio degli strumenti “Gemini for Science” e di Computational Discovery.
Consigli di approfondimento
Leggere il paper su Nature per metodo, benchmark e limiti sperimentali.
Consultare il blog Google Research per capire il collegamento tra ERA e Computational Discovery.
Confrontare ERA con i sistemi di automazione scientifica end-to-end, come “The AI Scientist”, per distinguere codifica automatica, generazione di ipotesi e scrittura autonoma di paper.
Abstract etico-sociale
ERA può accelerare la ricerca scientifica, ridurre costi computazionali e rendere più accessibili esperimenti complessi. Il rischio è una dipendenza crescente da sistemi opachi, con errori difficili da individuare e possibili bias nei dati o nelle metriche. La conseguenza futura più rilevante sarà sociale: la scienza potrà diventare più rapida, ma dovrà restare verificabile, responsabile e guidata da priorità umane.
