news – IA nella ricerca scientifica: la rivoluzione accelera

L’intelligenza artificiale sta cambiando il modo in cui la scienza formula ipotesi, analizza dati, progetta materiali, studia malattie e pubblica risultati. Le decine di ricerche emerse tra luglio e settembre 2026 mostrano però una trasformazione a due facce: accelerazione delle scoperte da una parte, nuovi problemi di affidabilità, biosicurezza e controllo umano dall’altra.

Negli Stati Uniti il Department of Energy ha trasformato l’AI for Science in una strategia nazionale. La Genesis Mission ha selezionato quasi 300 progetti distribuiti nei 50 Stati e raccolto oltre 800 milioni di dollari in impegni da partner privati, con applicazioni che spaziano da energia e materiali critici a biotecnologie, fisica nucleare e calcolo quantistico.

La frontiera più sensibile arriva dalla biologia. Ricercatori di Stanford hanno utilizzato il modello Evo 2 per progettare genomi di batteriofagi: su quasi 300 candidati sintetizzati, 16 hanno mostrato capacità di infettare E. coli. La prospettiva è sviluppare nuove armi contro la resistenza agli antibiotici, ma la capacità dell’IA di progettare interi genomi apre interrogativi di biosicurezza e possibile uso improprio.

L’IA sta contemporaneamente entrando nella scoperta di nuovi materiali, nell’analisi quantistica, nella genetica, nell’imaging medico, nell’oncologia, nella cardiologia, nella sorveglianza delle malattie e nell’elaborazione dei giganteschi dataset sperimentali. SLAC ha sviluppato, per esempio, una compressione neurale capace in alcuni casi di ridurre i file di 10-100 volte conservando dettagli scientificamente rilevanti.

La medicina mostra però il limite della sola prestazione tecnica. Una revisione di Nature Health su 330 studi rileva che fiducia e sicurezza dei pazienti vengono ancora considerate raramente e soprattutto nelle fasi finali di validazione.

Anche la letteratura scientifica è sotto pressione. Un preprint citato da Nature stima segnali di assistenza IA in quasi nove paper biomedici su dieci pubblicati nel dicembre 2025 nel campione analizzato; il dato non dimostra che quei lavori siano stati integralmente generati dall’IA e lo studio non era ancora peer reviewed. Intanto l’editor-in-chief di Science, Holden Thorp, avverte che controllare manoscritti prodotti con l’IA può rendere il processo editoriale più lento e costoso.

Il punto di equilibrio sembra quindi spostarsi verso una scienza aumentata, non automatizzata: sistemi capaci di moltiplicare le possibilità dei ricercatori, mantenendo responsabilità, verifica e decisione finale nelle mani delle persone.

Cronologia e fonti per approfondire

• 17 marzo 2026 – Il DOE annuncia 293 milioni di dollari per le sfide della Genesis Mission. DOE – finanziamenti Genesis Mission
• 22 luglio – Quasi 300 progetti vengono selezionati e il DOE comunica oltre 800 milioni di dollari di impegni dei partner. DOE – Genesis Mission
• 6 agosto – Stanford presenta i batteriofagi progettati tramite Evo 2. Stanford – AI designs a novel E. coli killer
• 20 agosto – Nature riferisce la forte crescita dei segnali di assistenza AI nei paper biomedici, precisando la natura preliminare dello studio. Nature – AI nei paper biomedici
• 24 agosto – SLAC/Stanford presenta la compressione intelligente dei grandi dataset scientifici. Stanford – compressione dei dati scientifici
• 25 agosto – Nature analizza i progressi e i limiti dei detector di testi generati dall’IA. Nature – AI detection e ricerca

Abstract: opportunità, rischi e conseguenze sociali

Il vantaggio principale è l’ampliamento della capacità scientifica: l’IA può esplorare spazi di ricerca troppo grandi per l’essere umano, progettare nuovi materiali e molecole, elaborare dataset enormi e assistere diagnosi e sperimentazione.

Il rischio è che velocità e automazione superino i meccanismi di controllo: errori scientifici amplificati, paper difficili da verificare, bias clinici, perdita di trasparenza, dual use biologico e concentrazione delle infrastrutture scientifiche nelle organizzazioni con maggiore potenza computazionale. Nature ha inoltre rilanciato la proposta di Daron Acemoglu di orientare lo sviluppo verso una “pro-worker AI”, complementare alle competenze umane anziché finalizzata alla loro sostituzione.

La conseguenza futura potrebbe essere una nuova divisione del lavoro scientifico: l’IA esplora, propone e analizza; la persona verifica, interpreta e assume la responsabilità.

LE NOTIZIE dal 1 Luglio

1. Genesis Mission, maxi-programma USA per l’AI for Science – Accorpate le notizie sui finanziamenti del Department of Energy a USC, University of Texas at Austin, Los Alamos, University of Michigan, Northwestern, FRIB/Michigan State, National Laboratory of the Rockies, William & Mary, University of North Dakota e progetto Nebraska su AI e 6G.
2. IA per individuare minerali critici – Carnegie Mellon sviluppa sistemi di intelligenza artificiale applicati alla ricerca di risorse minerarie strategiche.
3. NSF annuncia 1,5 miliardi di dollari per la ricerca scientifica fondamentale, con particolare attenzione alle tecnologie emergenti.
4. Nuove opportunità europee per università e ricercatori nell’IA, segnalate dal MASE.
5. Le startup AI pubblicano sempre meno ricerca scientifica, sollevando interrogativi sulla trasparenza della ricerca industriale.
6. Illustratori scientifici e intelligenza artificiale – Nature analizza come l’IA generativa stia cambiando la comunicazione visuale della scienza.
7. IA per rappresentare e caratterizzare sistemi quantistici, nuova review sulle applicazioni dell’intelligenza artificiale alla fisica quantistica.
8. RAND propone un metodo strutturato per identificare le vulnerabilità dei sistemi AI.
9. Il problema del “ragionamento giusto per le ragioni sbagliate” nei modelli AI, analizzato da Quanta Magazine.
10. Nature: l’IA potrebbe essere particolarmente utile nel progettare nuovi strumenti scientifici, più che nel sostituire direttamente il ricercatore.
11. L’IA non è ancora pronta a condurre autonomamente la ricerca scientifica, secondo un’analisi pubblicata da Nature.
12. IA e riproducibilità degli esperimenti – Sistemi AI studiano le abilità manuali dei ricercatori per capire perché alcuni protocolli funzionano meglio in determinati laboratori.
13. Può l’IA riprodurre i risultati di migliaia di paper scientifici? Un esperimento mette alla prova i modelli sui risultati presentati a un grande congresso.
14. Gli agenti AI non sono ancora in grado di sostituire gli esseri umani nella ricerca comportamentale.
15. Stanford sviluppa un sistema AI per comprimere grandi quantità di dati senza perdere informazioni scientificamente rilevanti.
16. Nuovo metodo per generare direttamente sequenze di DNA regolatorio attraverso strumenti computazionali avanzati.
17. IA per la scoperta di nuovi materiali – Accorpate le ricerche su nuovi superconduttori, agenti AI dell’Argonne National Laboratory e sistemi del MIT per progettare materiali che funzionino nelle condizioni reali. Il filone sui superconduttori compare già negli alert di luglio.
18. CRISPR potenziata dall’IA – sistemi AI progettano nuove “forbici molecolari” per l’editing genetico.
19. IA progetta virus mai esistiti in natura – Accorpati New York Times, BBC, ABC News, Guardian, Scientific American, Il Sole 24 Ore e The Conversation, tutti riferiti allo stesso sviluppo scientifico e ai relativi rischi di biosicurezza.
20. Biosecurity nell’era dell’IA – RAND propone una strategia di difesa multilivello contro i rischi derivanti dall’applicazione dell’AI alla biologia.
21. IA nelle indagini forensi – integrazione tra analisi delle tracce biologiche e sistemi di intelligenza artificiale.
22. Nuove tecnologie basate anche sull’IA per terapie mirate contro il tumore al polmone.
23. IA identifica nuovi bersagli terapeutici per la psoriasi, ricerca del Biohub.
24. Nuovo screening genetico per studiare lo sviluppo umano, attraverso tecniche avanzate di analisi dei dati.
25. Percezione e utilizzo dell’IA nella ricerca sanitaria tra i professionisti indiani.
26. IA nella rilevazione e classificazione ottica delle lesioni colorettali, studio pubblicato da The Lancet.
27. IA nella gestione nutrizionale delle malattie infiammatorie.
28. IA spiegabile per classificare il linfoma non-Hodgkin a cellule B.
29. Modelli AI per prevedere comportamenti suicidari nei pronto soccorso.
30. IA nella formazione dei radiologi, con nuove proposte di curriculum accademici.
31. IA nella diagnosi delle patologie della colonna vertebrale, analizzata attraverso una scoping review.
32. IA per migliorare il controllo dei ritmi cardiaci tramite adaptive gain tuning.
33. Intelligenza artificiale nell’imaging del tumore al seno, revisione sistematica delle applicazioni diagnostiche.
34. I modelli AI continuano a riprodurre stereotipi razziali e di genere in medicina, secondo una ricerca australiana.
35. “Bixonimania” e fragilità epistemica dell’IA in medicina, analisi pubblicata da The Lancet.
36. Fattori legati ai pazienti nell’adozione dell’IA medica, oggetto di una revisione sistematica di Nature Health.
37. IA nella salute materna e infantile, nuova scoping review sulle implementazioni disponibili.
38. Le mammografie potrebbero aiutare l’IA a individuare anche malattie cardiovascolari, secondo una ricerca diffusa dalla European Society of Cardiology.
39. Machine learning per prevedere il rischio nella cardiomiopatia amiloide da transtiretina, studio su JAMA Network.
40. IA e tempi di lettura dei radiologi per gli esami polmonari, valutazione di un sistema commerciale pubblicata da RSNA.
41. Framework in cinque fasi per valutare l’IA diagnostica e predittiva in medicina.
42. Etica e professionalità nell’utilizzo dell’IA nella pratica medica, position paper del settore sanitario.
43. IA per la sorveglianza delle malattie in Europa – Il JRC evidenzia il potenziale dei sistemi AI ma ribadisce la necessità della supervisione umana.
44. Nuovo metodo AI per la gestione in tempo reale delle malattie infettive.
45. IA nella formazione infermieristica, revisione delle prospettive accademiche.
46. IA generativa nei metodi qualitativi della ricerca sanitaria, rapid review pubblicata dal Journal of Medical Internet Research.
47. IA per analizzare e prevedere le tendenze della ricerca internazionale in microchirurgia.
48. IA per ottimizzare estratti biologicamente attivi di funghi – accorpati gli studi su Stropharia rugosoannulata e Suillus lakei.
49. IA nella biotecnologia microbica per la sicurezza alimentare, stato dell’arte e criticità.
50. Applicazioni dell’IA nella ricerca sui mammiferi marini.
51. IA per identificare i danni alle strade – accorpate le ricerche sui sistemi automatici di riconoscimento e classificazione dei deterioramenti stradali.
52. Robotica guidata dall’IA per la ricerca nell’ottica, studio pubblicato su Science Advances.
53. RAND analizza il ruolo dell’IA nel futuro della gestione delle emergenze.
54. IA e rischio di attacchi informatici strategici, studio RAND sulle implicazioni per la sicurezza nazionale.
55. MIT sviluppa un metodo per proteggere i minori dai contenuti illegali generati dall’IA.
56. L’FBI studia i gemelli per valutare e migliorare i sistemi biometrici basati sull’IA.
57. Rapporto australiano sui rischi e sui controlli necessari per gli agenti AI.
58. Aggiornamento dei principi etici coreani sull’intelligenza artificiale, cinque anni dopo la loro introduzione.
59. Nature propone di superare la corsa all’AGI in favore di una “pro-worker AI”, orientata ad aumentare le capacità dei lavoratori.
60. Come arriverà l’automazione AI: onda improvvisa o trasformazione graduale?, analisi del MIT Sloan.
61. RAND studia l’impatto fiscale della sostituzione del lavoro umano con l’IA, compresi gli effetti sulle entrate pubbliche.
62. Governed access ai sistemi AI avanzati, RAND analizza strumenti economici per rallentare la proliferazione incontrollata.
63. IA e personalità umana – Ricercatori israeliani studiano sistemi capaci di costruire test di personalità e prevedere risposte.
64. I modelli AI cambiano comportamento in base alle gerarchie sociali, rispondendo diversamente a superiori e subordinati.
65. Velázquez utilizzato per studiare come l’IA interpreta la mente umana: confronto fra 230 persone e cinque modelli AI.
66. Crisi delle pubblicazioni scientifiche nell’era dell’IA – Accorpate le segnalazioni su aumento dei manoscritti, costi e rallentamenti editoriali, paper generati o assistiti dall’IA, citazioni false e possibile “inondazione” delle riviste. Science segnala l’aumento delle submission, mentre altre fonti richiamano il problema delle citazioni artificiali.
67. Fino al 90% dei paper biomedici mostrerebbe segnali di assistenza AI, secondo un’analisi riportata da Nature.
68. Peer review e IA – Accorpata la notizia di Science, presente due volte negli alert, sui vantaggi e sui rischi dell’uso dell’intelligenza artificiale nella revisione dei paper; gli editori non la considerano ancora sostitutiva del giudizio umano.
69. Può l’IA valutare correttamente la qualità delle revisioni sistematiche? Benchmark tra large language model e valutatori umani.
70. Un paper preparato con l’IA supera la peer review, riaprendo il dibattito sull’integrità della pubblicazione scientifica.
71. Nuovi strumenti per scoprire immagini manipolate nei paper scientifici.
72. I rilevatori di contenuti generati dall’IA migliorano rapidamente, ma resta aperta la questione della loro affidabilità.
73. Scrivere paper per gli esseri umani o per l’IA? IEEE Spectrum analizza l’arrivo di sistemi automatici tra i principali “lettori” della letteratura scientifica.
74. La comunicazione accademica nell’era dell’intelligenza artificiale, analisi sull’evoluzione delle pubblicazioni scientifiche.
75. La Cina intensifica la repressione delle frodi e delle irregolarità accademiche, dopo nuovi casi di misconduct.
76. IA generativa come “novice learner” nella didattica, studio sull’interazione con gli studenti.
77. Uso e percezione degli strumenti di IA generativa nella formazione medica.
78. AI literacy e autoregolazione metacognitiva in ambienti di realtà virtuale immersiva.
79. Il modello educativo di Alpha School basato sull’IA si espande, mentre resta aperta la questione della sua efficacia.
80. Programmi didattici basati sull’IA per sviluppare competenze specifiche, studio pilota.
81. L’IA generativa sta cambiando la matematica e il modo di fare ricerca matematica.
82. IA e futuro della ricerca scientifica – cresce il dibattito su quanto delegare alle macchine formulazione delle ipotesi, analisi, scrittura, valutazione e riproduzione degli esperimenti.

______

Nota sulla trasparenza: questo articolo è stato realizzato con il supporto di strumenti di Intelligenza Artificiale per la ricerca, l’organizzazione e la rielaborazione delle informazioni. I contenuti sono stati verificati e sottoposti a revisione editoriale umana.

Immagine: realizzata con il supporto dell’Intelligenza Artificiale e successivamente selezionata e revisionata editorialmente.