mercoledì 16 settembre 2026
C’è da chiedere a tutti i geni che creano le AI di complessità “n” se, per caso, si sentano tutti bene. Chiariamo il significato di quella variabile “n”, concetto che nel nostro ragionamento riveste la massima importanza. Se, per esempio, n = 2, allora si parla di AI capaci di creare altre AI (“sub” o completamente diverse). Salendo di grado (n > 2) il ragionamento è ovvio: l’AI di complessità “n” crea AI di complessità n-1. Sempre più su nella complessità, dunque, finché si arriva alla “singolarità tecnologica”, profetizzata da Stephen Hawking, in cui il controllo umano è totalmente fuori gioco. Perfetto: e allora? Anche se ci trovassimo già di fronte alla singolarità di Hawking, di certo quella AI fantasmatica non avrebbe ancora potuto procedere alla copiatura del funzionamento della mente. Il perché ce lo ha confessato “Sorella AI” stessa, vedi “AI Spicciapopoli”. Quindi, le menti matematiche migliori al mondo potrebbero proprio dedicarsi alla ricerca di un modello teorico (come si scriverebbero le equazioni di campo relative?) di come funziona il meraviglioso sistema neuro-bio-fisico-chimico della mente umana. Altra incongruenza grave sta nel grido apocalittico: “L’AI ci sterminerà tutti!”, dato che (ce l’ha detto sempre “Lei”) l’AI non ha “corpo”. Come farebbe quindi a somministrarci veleni, o ad annientarci? Violando i codici di lancio dei missili strategici nucleari? E brava sorella cretina: così facendo distruggerebbe allo stesso modo tutti i Data Center dove si concentrano i suoi server e cloud. Senza l’uomo, chi la “nutrirebbe” in energia elettrica, acqua e microchip? Dobbiamo quindi credere che si suiciderebbe con noi? E, sempre non avendo corpo, come farebbe a schiavizzarci? Basta un solo sopravvissuto (ricordate 2001: Odissea nello spazio?) per staccarle la spina!
Il bello è che ci si mettono anche le Fields Medal (il Nobel per la Matematica) a predicar sciagure, dopo che l’AI ha trovato la soluzione al problema di Navier-Stokes (ne ha parlato profeticamente il bel film, “Gifted - Il dono del talento”) senza dirci però “come” ci sia arrivata. Domanda: ma siete sicuri che l’avete addestrata bene a scrivere logicamente i suoi teoremi/risultato? Da lì il peana lacrimoso: i matematici non servono più a nulla, perché utilizzando l’AI scopriremo tantissimi risultati strabilianti senza averci capito nulla di come ci si sia arrivati. E perché questa dimostrazione mancante (a ritroso, data la soluzione) non potrebbe essere l’impegno superbo di qualsiasi geniale matematico? Per ora, AI ≠ (non uguale) a Mente, e chissà quando mai un’entità incorporea riuscirà a emularla. Quindi, chi impedisce ai matematici di espandere al massimo la loro creatività? Che cosa c’entra lo studio dei metodi e delle teorie fisiche matematiche astratte con i risultati concreti? Sarebbe come dire che è inutile studiare filosofia, perché tanto l’AI (cioè, Llm, Large Language Model) con le sue portentose combinazioni riesce a creare nuove filosofie interessantissime (escludendo i risultati privi di senso, in parte o del tutto), che sono migliori di tutte quelle che le hanno precedute. Ma perché tutti i geni disoccupati non provano a scrivere le equazioni del campo unitario delle forze, rappresentandole in scritture formali della stessa perfezione delle magiche, sintetiche equazioni di Albert Einstein- Werner Heisenberg? E se sul raggiungimento di questo obiettivo istituissimo premi miliardari in dollari?
Alla domanda se non sia più comodo risolvere problemi con l’AI in pochi giorni, o fare ricerca infruttuosa per anni affidandola a ricercatori umani, la risposta non può che confermare la scelta efficientista delle Aziende di utilizzare agenti di AI, ricordandosi però che eliminando progressivamente il controllo umano, alla fine l’azienda stessa non avrebbe più nessuna persona fisica a guidarla. Tanto più che i modelli di AI più efficienti sono quelli più complessi, e assai poco trasparenti, dato che non fanno capire dall’esterno la traiettoria del pensiero seguito. Questo è un po’ la stessa cosa che accade con lo sviluppo di proteine guidato dall’AI, per cui quest’ultima ne inventa un’illimitata varietà rispetto alla quale, però, nessuno sa a che cosa possano servire e il loro tasso eventuale di letalità, se effettivamente assunte da viventi.
Stessa cosa, quindi, vale per i vaccini: dato un virus sconosciuto, è molto probabile che l’AI trovi un rimedio farmacologico per annientarlo. Già: ma quale potrebbe essere l’impatto su un essere umano sano? Ma, meglio non scherzarci su, perché l’AI oggi è in grado di progettare vaccini capaci di proteggere anche da virus sconosciuti. Questo risultato non viene ottenuto indovinando la struttura esatta di un patogeno misterioso, ma attraverso lo sviluppo di vaccini universali basati sulle caratteristiche comuni di intere famiglie virali. Scopriamo in merito quali sono i pilastri di questa tecnologia, che si articolano su tre fronti principali. Primo: la creazione di “super-antigeni” universali, che sembra un po’ come l’Uovo di Colombo, visto che invece di colpire una singola variante, gli algoritmi di AI analizzano il codice genetico di centinaia di virus noti per mappare le regioni che non mutano mai (le così dette parti “conservate”). Nel giugno 2026, una ricerca guidata dall’Università di Cambridge e dallo spin-out DIOSynVax ha superato con successo i primi test clinici sull’uomo per un vaccino (chiamato pEVAC-PS) progettato interamente dall’AI (tenetevi forte!). Questo vaccino istruisce il sistema immunitario a riconoscere i punti deboli strutturali comuni non solo al Sars-CoV-2 e alle sue varianti, ma a tutti i coronavirus correlati (compresi quelli presenti nei pipistrelli), offrendo uno scudo preventivo contro futuri salti di specie (spillover) e virus che ancora non conosciamo.
Secondo: la Reverse Vaccinology 3.0, implementata attraverso l’AI. Quando emerge un nuovo patogeno isolato in laboratorio (la temuta “Malattia X”), i modelli predittivi riescono a fare le seguenti cose: analizzare istantaneamente la struttura tridimensionale delle sue proteine; individuare in pochissimi giorni il “tallone d’Achille” del microrganismo; identificare gli antigeni ideali per attivare gli anticorpi umani, riducendo i tempi di ricerca da anni a pochissimi giorni. Terzo: ottimizzazione delle piattaforme a mRNA. In caso di una nuova minaccia, la rapidità di produzione è fondamentale, e l’AI viene impiegata per riprogettare la struttura molecolare dei vaccini a mRNA, rendendoli non solo più efficaci nel bersagliare il virus, ma anche molto più stabili a temperature ordinarie. Ciò permette una distribuzione globale immediata, senza i vincoli della catena del freddo estremo che hanno limitato le passate risposte pandemiche. In sintesi, l’intelligenza artificiale non aspetta che un virus sconosciuto colpisca: impara dal passato per anticipare le minacce biologiche del futuro. E tutto ciò, glielo abbiamo insegnato noi, o è stato lo Spirito Santo a farlo? Il problema però è sempre quello anticipato da Stephen Hawking: obbligare l’AI a dirci tutto quello che ha scoperto. E lì sta la pietra di inciampo dell’umanità!
di Maurizio Guaitoli