Non c’è niente da fare, l’AI continua a dividere più o meno in due ‘squadre’: ottimisti pro tech e profeti di sventure. Così l’annuncio su ‘Science’ di nuovi virus creati con l’intelligenza artificiale non poteva mancare di suscitare critiche ed entusiasmi. Ma che cosa hanno fatto davvero gli scienziati dell’Arc Institute di Palo Alto e davvero il loro studio presenta più ombre che luci?
“Il lavoro di Brian Hie e colleghi, rappresenta un punto di svolta nella biologia sintetica, perché per la prima volta un modello di AI è stato in grado di generare genomi virali interi e funzionali. Non singoli geni o proteine, ma l’intero progetto genetico di un virus capace di infettare un batterio, replicarsi e produrre nuova progenie”, afferma a LaSalute di LaPresse Francesco Branda, ricercatore dell’Università Campus Bio-Medico e socio della Società europea per l’etica e la politica dell’intelligenza artificiale (Sepai). Che però ha bene in mente le criticità aperte da questo studio: dalla dipendenza dall’algoritmo alla delega di responsabilità, fino alla sicurezza.
Ecco a voi Evo
Ma cominciamo dall’inizio: il modello, chiamato Evo, è stato addestrato su milioni di genomi naturali e poi specializzato su circa quindicimila genomi della famiglia Microviridae, “alla quale appartiene il fago ΦX174, un virus che infetta il batterio Escherichia coli e che è stato scelto come template per la progettazione. Il risultato è che su migliaia di sequenze generate, quasi 300 sono state sintetizzate in laboratorio e 16 si sono rivelate vitali. Un’efficienza che può sembrare bassa, intorno al 5-7% per cento, ma che è comunque significativa, considerando che mutazioni casuali su questo genoma hanno una probabilità di sopravvivenza inferiore al 2%”, dice Branda.
I fagi generati “non sono copie di quelli esistenti: hanno sequenze nuove, architetture genetiche modificate e, in alcuni casi, proteine provenienti da fagi evolutivamente lontani che in precedenza erano state ritenute incompatibili e che invece, in questo nuovo contesto genetico, si rivelano perfettamente funzionali”.
Ma per Branda la prova più sorprendente è quella terapeutica: “Un cocktail dei fagi generati dall’AI è stato in grado di superare in uno-due passaggi batteri che avevano sviluppato resistenza naturale, al contratio di un cocktail di fagi naturali. E il sequenziamento ha mostrato che la ricombinazione tech ha prodotto varianti adattate con mutazioni sulla superficie del capside che modificano il modo in cui il virus riconosce e si lega al suo ospite”, continua il ricercatore italiano.
AI nella scienza e potere degli algoritmi
Questo risultato apre una serie di domande che toccano il cuore del nostro rapporto con la biologia e con la tecnologia. “Come fa un algoritmo, che non ha alcuna comprensione di cosa sia la vita, a produrre sequenze che funzionano? Il modello impara le regolarità statistiche del Dna, le probabilità con cui certi nucleotidi si susseguono, le relazioni tra regioni codificanti e non codificanti, ma non ha alcuna nozione di cosa significhi per un virus infettare una cellula, replicarsi o eludere il sistema immunitario. Eppure, in qualche modo, queste regolarità statistiche codificano informazioni sufficienti per generare genomi vitali”.
“È come se il modello avesse imparato la grammatica del Dna senza capire il significato delle frasi che scrive, eppure alcune di quelle frasi risultano essere racconti coerenti. Questo ci porta a chiederci: fino a che punto possiamo fidarci di una scatola nera che produce soluzioni che non sappiamo spiegare?”, si chiede Branda.
Insomma, il caso di Evo-Φ36 è emblematico: il modello ha sostituito una proteina di packaging, la proteina J, con una versione più corta proveniente da un fago lontanamente imparentato, che in tutti i tentativi precedenti di ingegneria razionale era stata trovata letale, eppure in questo nuovo contesto si è arrivati al successo. “Il modello ha trovato una soluzione che la mente umana, da sola, non aveva immaginato, ma non ci dice perché funzioni: questa opacità epistemologica è insieme la sua forza e il suo limite”, afferma lo studioso.
Il futuro della ricerca
Un’altra domanda aperta riguarda il ruolo dello scienziato. “Per secoli il biologo è stato un esploratore che si addentrava nella natura per decifrare i suoi manoscritti, scoprendo geni, proteine e meccanismi che l’evoluzione aveva già scritto. Oggi, con strumenti come Evo, il biologo diventa anche un curatore che seleziona tra le proposte della macchina, un architetto che sceglie quali delle infinite sequenze generate meritano di essere sintetizzate e testate”, riflette Branda.
Un cambiamento profondo, che solleva una questione delicata: “Come si fa a mantenere un giudizio indipendente quando la macchina produce centinaia di migliaia di sequenze in pochi minuti? Il rischio è quello di diventare dipendenti dall’algoritmo – sottolinea ancora una volta Branda – di delegargli non solo la generazione ma anche la valutazione, perdendo di vista che il giudizio ultimo spetta sempre all’esperimento biologico, alla piastra di Petri che dice sì o no senza appello”.
Nuovi virus su richiesta, l’AI e la minaccia alla biosicurezza
La capacità di generare genomi virali su richiesta “è un potere che porta con sé rischi significativi. E gli autori ne sono consapevoli, tanto da dedicare un intero paragrafo alle considerazioni di biosicurezza e da sottolineare che i modelli possono essere addestrati escludendo virus patogeni per l’uomo, creando così una salvaguardia intrinseca”, puntualizza Branda.
Ma la domanda più ampia rimane aperta: chi decide quali vincoli imporre a questi strumenti, e come si costruisce una governance che sia agile quanto la tecnologia che deve regolare? “La ricerca avanza più veloce delle leggi, e questo è un problema che non riguarda solo la biologia ma tutta l’AI. Qui però assume un contorno particolare perché l‘oggetto della progettazione è la vita stessa. Non si tratta solo di prevenire usi malevoli, ma anche di evitare conseguenze impreviste”.
“Un fago generato per combattere un’infezione potrebbe, in teoria, trasferire geni di resistenza ad altri batteri, o avere effetti collaterali sul microbioma, e queste possibilità richiedono un approccio prudente e sistematico alla valutazione dei rischi”, ipotizza lo scienziato del Campus Bio-Medico.
La lezione della biologia sintetica e il momento della creazione
“C’è poi una domanda più filosofica: cosa significa progettare quando il progetto viene da una macchina che non capisce ciò che progetta? Per secoli, il progetto è stato un atto di intelligenza consapevole. Qui, invece, alla base c’è un processo statistico che nessuno controlla veramente, e il risultato è una sequenza che funziona ma che nessuno ha veramente pensato. Questo – insiste Branda – ci costringe a riconsiderare il nostro rapporto con la natura e con la tecnologia: non siamo più solo i progettisti, ma anche gli interpreti di ciò che la macchina produce, e richiede una nuova forma di saggezza, fatta di umiltà, di capacità di ascolto e di disponibilità a imparare da ciò che non capiamo”.
La biologia sintetica, con strumenti come Evo, ci sta insegnando che la vita è più complessa e più ricca di quanto la nostra mente possa afferrare. “E che forse il compito della scienza non è solo quello di dominare e controllare, ma anche meravigliarsi e lasciarsi guidare da ciò che non ci aspettavamo. Se dunque questo lavoro apre una nuova frontiera nella biologia, dove il confine tra scoperta e invenzione si fa sempre più sfumato, la tecnologia è ancora giovane, l’efficienza è bassa. E, soprattutto, molte domande restano aperte”.
In ogni caso si è aperta una nuova era: “La progettazione sempre più sofisticata di sistemi biologici potrebbe trasformare la medicina, l’agricoltura e la nostra comprensione della vita stessa. La sfida, ora, non è solo tecnica, ma culturale ed etica: imparare a usare questi strumenti con consapevolezza, senza cedere all’illusione che la macchina possa sostituire il giudizio umano, ma anche senza rinunciare alle straordinarie possibilità che offre”, conclude Branda.