IA e genomi virali: la sfida della biosicurezza
contenuti originaliPer la prima volta modelli di intelligenza artificiale hanno progettato genomi virali completi e funzionanti. Una svolta della biologia sintetica che pone una domanda urgente: come governare una capacità tecnica che le regole non sono ancora pronte a seguire? Il 6 agosto 2026 la rivista Science ha pubblicato il primo genoma virale progettato interamente da un’intelligenza artificiale. Lo stesso giorno, il Congresso degli Stati Uniti dichiarava Anthony Fauci in oltraggio alla corte per essersi rifiutato di rispondere su fondi alla ricerca gain-of-function negli anni in cui dirigeva l’istituto nazionale per le allergie e le malattie infettive — una controversia politicamente contestata su cui non prendo posizione qui. Interessa piuttosto la coincidenza di calendario, perché racconta con precisione come funziona l’attenzione istituzionale davanti alla tecnica: si concentra quasi sempre su un incidente già accaduto, spesso di un decennio prima, mentre il fronte reale si è già spostato altrove. Mentre un ramo del potere americano processava il passato, un laboratorio universitario in California apriva, senza clamore proporzionato, un capitolo nuovo della biologia sintetica. Il fatto scientifico, spogliato dell’enfasi giornalistica, è documentato nell’articolo di Samuel King, Brian Hie e colleghi tra Stanford University e Arc Institute, pubblicato su Science con il titolo “Generative design of bacteriophages with genome language models”. Il team ha addestrato due modelli linguistici genomici, Evo 1 ed Evo 2, su milioni di sequenze genetiche naturali, escludendo di proposito ogni virus capace di infettare l’uomo. Come punto di partenza è stato scelto ΦX174, un batteriofago minuscolo — meno di seimila basi, undici geni — che Frederick Sanger sequenziò per primo nel 1977 e che Craig Venter risintetizzò a mano nel 2003: un organismo modello con cui si studia la biologia molecolare da mezzo secolo. Ai modelli è stato chiesto di proporre genomi completi capaci di infettare Escherichia coli. Delle centinaia di sequenze generate, i ricercatori ne hanno sintetizzate 302, e sedici si sono rivelate pienamente funzionanti: si assemblano in particelle virali, si replicano nelle cellule batteriche, e in alcuni casi superano l’efficacia del virus naturale di partenza. Il dettaglio che raramente compare nella cronaca è che il team ha puntato su un cocktail di sedici varianti distinte proprio perché una miscela eterogenea rende più difficile la resistenza batterica: una scelta terapeutica intelligente, e la resistenza agli antibiotici uccide, secondo The Lancet, oltre un milione di persone l’anno. Il codice di Evo 2 è stato inoltre rilasciato in modalità open source. Brian Hie ha difeso pubblicamente questa scelta con un argomento che merita di essere riportato senza ironia, perché non è banale: i patogeni naturali, ha osservato, non possono essere filtrati né sottoposti a controllo preventivo, evolvono liberamente e sono già accessibili a chiunque li cerchi in natura; uno strumento di intelligenza artificiale aperto, al contrario, può incorporare vincoli fin dentro i dati di addestramento, ed è più facile da ispezionare di un genoma che circola in un pipistrello. È un argomento difensivo legittimo. Non risolve però il problema successivo, quello su cui si concentra il commento che accompagna lo studio sulla stessa rivista, firmato da Thomas Inglesby e Moritz Hanke del Johns Hopkins Center for Health Security: la stessa architettura, addestrata da un altro gruppo su un dataset diverso — che includa, questa volta, patogeni umani — potrebbe produrre risultati molto meno rassicuranti. Inglesby e Hanke lo hanno scritto in una riga che vale la pena citare per intero, perché è la sintesi più netta del problema: la capacità di comporre genomi virali con l’intelligenza artificiale generativa oggi esiste, la governance per orientarla in sicurezza no. Hanke ha reso il rischio concreto con un esempio quasi didattico: si può, in teoria, chiedere a un modello linguistico genomico di scrivere un genoma dell’influenza modificato per essere più trasmissibile o più letale, senza che nulla, oggi, impedisca la domanda. Qui la vicenda tocca un punto tecnico che è anche il cuore politico della storia. L’unico argine oggi operativo alla sintesi di sequenze pericolose è il controllo che le aziende di sintesi del DNA applicano agli ordini che ricevono, coordinato su base volontaria dall’International Gene Synthesis Consortium, che riunisce circa l’ottanta per cento della capacità di sintesi commerciale mondiale. Il meccanismo confronta ogni sequenza ordinata con archivi di patogeni noti. Il problema, come hanno mostrato ricerche indipendenti — inclusa una guidata da Microsoft, che è riuscita a far passare inosservate varianti pericolose sufficientemente diverse dalle sequenze catalogate — è che questo controllo è tarato sulla somiglianza con ciò che già conosciamo, e un genoma scritto da un modello generativo può non somigliare a nulla in archivio. Negli Stati Uniti un ordine esecutivo del maggio 2025 aveva provato ad affrontare la parte del problema legata ai finanziamenti federali, ma la sua attuazione resta sospesa, e nulla copre ancora la sintesi commerciale non finanziata dal governo. Filippa Lentzos, biosicurezza al King’s College di Londra, insiste da tempo su un punto che vale più di ogni singola misura: serve un approccio a strati che tenga insieme vincoli sui modelli, revisione etica della ricerca e screening della sintesi, perché nessuno di questi livelli, da solo, tiene. È a questo punto che conviene tornare a un filosofo che di intelligenza artificiale non ha mai scritto una riga, perché ha visto il problema strutturale prima che avesse un nome tecnico. Hans Jonas, nel 1979, in un’epoca in cui la tecnica moderna aveva già cominciato ad agire su scala di continenti e di generazioni, propose un principio di responsabilità pensato apposta per situazioni in cui l’etica tradizionale — calibrata sul rapporto faccia a faccia fra due persone che si guardano — smette di funzionare. La sua mossa più utile non è un divieto, è un metodo: quando le conseguenze possibili di un’azione sono irreversibili e riguardano chi non può ancora difendersi, la previsione di sventura merita metodologicamente più ascolto della previsione di successo. Non è pessimismo, è aritmetica applicata alla storia: dell’errore ottimista non ci si può pentire, perché non resta nessuno per pentirsene. Ne discende un’inversione dell’onere della prova che dovrebbe essere già familiare a chi si occupa di diritto europeo, perché è la stessa logica del principio di precauzione: chi accelera deve dimostrare l’innocuità, non chi frena deve dimostrare il pericolo. Chi progetta un modello capace di scrivere genomi interi ha, in questa logica, una responsabilità positiva di dimostrare che l’architettura non sia riproducibile in chiave offensiva da altri, non solo che il proprio dataset sia pulito. Günther Anders, filosofo del secolo delle bombe, aveva dato un nome a ciò che rende questa responsabilità difficile da sentire come propria: il dislivello prometeico, lo scarto crescente fra ciò che sappiamo produrre e ciò che sappiamo immaginare o sentire come nostro. Sappiamo costruire ordigni capaci di uccidere decine di migliaia di persone in un istante, scriveva, ma non riusciamo a rappresentarcele davvero; oggi sappiamo scrivere un genoma virale, ma non riusciamo a sentire come nostra la responsabilità di un evento sanitario che nessuno, esplicitamente, ha voluto causare. Da questo scarto nasce quella che Anders chiamava cecità all’apocalisse: davanti a un rischio troppo grande per essere immaginato, la reazione non è l’allarme, è l’indifferenza. La notizia dei sedici fagi ha avuto la vita breve di una notizia qualunque, superata in poche ore dal ciclo successivo, nonostante segnasse — lo scrivono gli stessi autori — la prima dimostrazione sperimentale che un modello linguistico può generare genomi interi e funzionanti. Sul piano istituzionale, la fotografia è impietosa. La Convenzione sulle armi biologiche del 1972 vieta agli Stati di sviluppare armi di questo tipo, ma non ha mai avuto meccanismi di verifica reali — il protocollo del 2001 che avrebbe dovuto introdurli fu bloccato dagli Stati Uniti — ed è comunque pensata per laboratori statali, non per modelli generativi che girano su un cluster commerciale e i cui pesi si spostano da un server all’altro come un file di pochi gigabyte. L’AI Act europeo, che pure ha introdotto obblighi di trasparenza importanti — in Italia recepiti con la scelta, più severa rispetto ad altri Stati membri, di responsabilità penali dirette per omissioni di sicurezza nei sistemi ad alto rischio — resta concentrato sull’uso dei sistemi di intelligenza artificiale e dice poco sulla progettazione dei modelli fondazionali a monte, quello che gli addetti ai lavori chiamano l’upstream. È esattamente la parte della catena in cui si colloca un modello come Evo. Non è un motivo per raccontare questa storia come un incubo imminente, e non lo è nelle intenzioni di chi l’ha portata alla luce con il rigore che merita. È un motivo per chiedersi, con la stessa serietà con cui l’Europa ha saputo scrivere il principio di precauzione altrove, chi debba dimostrare che cosa prima che uno strumento capace di scrivere genomi diventi disponibile a chiunque abbia un server e qualche settimana di fine-tuning. La finestra fra il poter fare e il saper decidere se farlo, avvertivano Jonas e Anders una generazione prima di lui, si sarebbe accorciata sempre di più. Ci resta il compito meno filosofico e più urgente: scrivere la regola prima che quella finestra si chiuda. Non fra dieci anni, davanti a un’altra audizione tardiva su un incidente ormai compiuto. Adesso, mentre la capacità tecnica esiste già e la governance, per ammissione di chi la biosicurezza la studia per mestiere, ancora no. Fonti ✓ King, S. H., Hie, B. et al., “Generative design of bacteriophages with genome language models”, Science, vol. 393, eaec2657, 6 agosto 2026, DOI: 10.1126/science.aec2657. ✓ Inglesby, T., Hanke, M., commento di accompagnamento allo studio King et al., Science, 6 agosto 2026. ✓ Stanford Report, “AI designs a novel E. coli killer”, 6 agosto 2026. ✓ Axios — “Now AI can create new viruses”, 6 agosto 2026. ✓ International Gene Synthesis Consortium — Harmonized Screening Protocol v3.0. ✓ International Biosecurity and Biosafety Initiative for Science (IBBIS) — International Screening Standards. ✓ Convenzione sulle armi biologiche e tossiniche (Biological Weapons Convention) — United Nations Office for Disarmament Affairs, 1972. ✓ Regolamento (UE) 2024/1689 — AI Act, EUR-Lex. ✓ Hans Jonas, Das Prinzip Verantwortung, Insel Verlag, 1979 (trad. it. Il principio responsabilità, Einaudi). ✓ Günther Anders, Die Antiquiertheit des Menschen, C. H. Beck, 1956 (trad. it. L’uomo è antiquato, Bollati Boringhieri). ✓ Matteo Flora, “Giochiamo alla Guerra Batteriologica Globale?”, newsletter Denkschule, 8 agosto 2026 (spunto interpretativo iniziale).
