IA tra sicurezza, feticismo e il valore del rapporto umano

Così la convergenza tra IA e biologia cambia la partita della sicurezza

I modelli più avanzati mostrano capacità biologiche crescenti, mentre l’incontro tra IA e biologia sintetica apre nuove possibilità per ricerca e medicina. Ma cambia anche il perimetro della biosecurity e la necessità di regole capaci di seguire l’evoluzione tecnologica 14/08/2026 Intelligenza artificiale sempre più potente e biologia sintetica in rapida evoluzione. Sono i progressi che promettono di accelerare la scoperta di nuovi farmaci, migliorare la diagnostica e rendere più rapida la risposta alle emergenze sanitarie. Ma che stanno anche modificando il perimetro dei rischi biologici, abbassando alcune delle barriere tecniche che finora separavano la progettazione digitale dalla sperimentazione in laboratorio. Per trasformare una sequenza digitale in un agente biologico funzionante servono ancora competenze specialistiche, infrastrutture, materiali e numerosi passaggi sperimentali. Non bisogna, dunque, immaginare che un chatbot possa improvvisamente progettare un patogeno pandemico pronto all’uso. È però la direzione di marcia a richiedere attenzione, poiché strumenti sempre più avanzati possono rendere accessibili capacità che fino a pochi anni fa erano appannaggio di gruppi di ricerca molto specializzati. Lo studio Rand Un segnale dell’evoluzione delle capacità arriva anche dai test utilizzati per valutare i modelli più avanzati. Un nuovo rapporto della Rand Corporation, basato sull’analisi di oltre ottomila quesiti sottoposti a 45 modelli di frontiera, rileva che nei test biologici dual use sviluppati da SecureBio i sistemi migliori raggiungono prestazioni comparabili a quelle dei migliori esperti coinvolti nella valutazione, mostrando progressi anche nella capacità di diagnosticare errori e risolvere problemi complessi. La stessa Rand invita però alla cautela: questi risultati non dimostrano che le capacità misurate nei test possano essere automaticamente tradotte in attività di laboratorio. Anche sul fronte delle protezioni restano diversi limiti. Un secondo studio della Rand ha testato alcune barriere inserite direttamente nei software di biologia computazionale, utilizzati per attività come la progettazione di proteine o la previsione di mutazioni virali capaci di sfuggire alla risposta immunitaria. L’obiettivo era verificare se queste protezioni riuscissero a impedire agli agenti di intelligenza artificiale di utilizzare i programmi o di guidare un utente nel loro impiego. Nessuna delle soluzioni analizzate si è dimostrata pienamente affidabile. Dall’IA al laboratorio Cosa succede, dunque, quando invece la capacità computazionale incontra il laboratorio? Lo studio recentemente pubblicato su Science, nel quale ricercatori di Stanford e dell’Arc Institute hanno utilizzato modelli di intelligenza artificiale per progettare nuovi batteriofagi, offre un esempio di questa evoluzione. E sebbene non dimostri che l’AI sappia costruire un virus pandemico, dimostra che l’intelligenza artificiale può già contribuire alla progettazione di genomi virali completi che, una volta sintetizzati e testati in laboratorio, risultano biologicamente funzionanti. È qualcosa di più circoscritto, ma sicuramente rilevante. Francesco Branda, professore e ricercatore presso l’Unità di statistica medica ed epidemiologia del Campus Bio-Medico di Roma, aveva sottolineato su Formiche.net come la macchina agisca in questi processi più da architetto che da creatore autonomo. Il salto, tuttavia, resta significativo perché una parte della progettazione biologica può diventare più rapida, scalabile e accessibile. “Questo cambia radicalmente il nostro approccio alla biologia sintetica: non più soltanto leggere e correggere il Dna, ma scriverlo da zero con un partner computazionale capace di esplorare spazi di possibilità per noi troppo vasti, combinando frammenti evolutivi con una logica che sfida la nostra intuizione”. Un tema di sicurezza In questa compressione delle distanze si inserisce necessariamente il tema della sicurezza. “L’intelligenza artificiale sta comprimendo la distanza tra curare una malattia e costruirne una. È una frontiera straordinaria per la medicina, ma senza governance e responsabilità chiare diventa un rischio sistemico”, sottolinea Federica Onori, deputata e rappresentante speciale dell’Assemblea parlamentare dell’Osce per l’intelligenza artificiale, sentita da Healthcare Policy. Un rischio che non riguarda soltanto l’eventuale uso intenzionale delle nuove tecnologie, ma anche la capacità dei sistemi sanitari di riconoscere e contenere rapidamente una nuova minaccia biologica. “Dopo il Covid non possiamo permetterci di farci trovare di nuovo impreparati”, aggiunge Onori. La questione della preparedness torna così centrale, poiché, se la capacità di progettare sistemi biologici accelera, deve crescere con la stessa velocità anche quella di individuarle e sviluppare contromisure. Da questo punto di vista la stessa intelligenza artificiale che amplia il rischio può diventare parte della risposta. I programmi di Google e OpenAi Google DeepMind ha recentemente annunciato l’avvio di un programma dedicato alla bioresilienza, con strumenti rivolti alla prevenzione, al rilevamento e alla risposta alle minacce biologiche. OpenAI ha lanciato lo scorso maggio Rosalind Biodefense, iniziativa costruita attorno al principio della “defensive acceleration”: utilizzare modelli avanzati per rafforzare sorveglianza, diagnostica, preparedness e sviluppo di contromisure. Il principio comune su cui si fondano è che la sicurezza non possa dipendere esclusivamente dal limitare le capacità dei sistemi, ma debba anche aumentare la velocità e la qualità della risposta. Il fattore geopolitico E se nell’Annual threat assessment 2026, la comunità di intelligence statunitense avverte che i progressi nelle biotecnologie dual use – dalla bioinformatica alla biologia sintetica, fino alle nanotecnologie e al genome editing – potrebbero generare nuove minacce biologiche o aumentare il rischio di incidenti con rilascio involontario di patogeni, la convergenza tra intelligenza artificiale e biotecnologie non può che rientrare sempre più anche nelle valutazioni di sicurezza nazionale. Nello stesso rapporto, Washington valuta che alcuni attori statali mantengano probabilmente conoscenze e capacità per produrre e impiegare patogeni e tossine biologiche tradizionali e segnala, in particolare, che Pyongyang continuerebbe a perseguire lo sviluppo di patogeni altamente infettivi o contagiosi. Europa: il nodo delle regole Più aumenta la possibilità di progettare, più diventa importante controllare i passaggi che permettono a una sequenza digitale di diventare materiale biologico, e anche l’Europa comincia a costruire una risposta a questa convergenza. L’AI Act inserisce tra i rischi sistemici dei modelli più avanzati anche la possibilità di abbassare le barriere allo sviluppo di armi chimiche o biologiche. La proposta di European biotech act va nella stessa direzione, introducendo un’attenzione specifica al rischio biologico associato all’utilizzo dell’intelligenza artificiale nelle applicazioni biotech. Ma l’architettura regolatoria presenta ancora dei punti ciechi. “L’AI Act riconosce i rischi per la salute pubblica tra gli esempi di ‘rischio sistemico’ associati ai modelli di intelligenza artificiale per finalità generali. Tuttavia, la soglia prevista dal regolamento per identificare questo rischio dipende oggi in larga misura dalla potenza di calcolo impiegata per l’addestramento del modello, misurata in floating point operations”, osserva Malwina Wójcik-Suffia, research fellow e co-coordinatrice della linea di ricerca AI & Health presso l’Information society law centre, parlando con Healthcare Policy. Un criterio che, secondo la ricercatrice, potrebbe non essere sufficiente a seguire l’evoluzione della tecnologia: “È un limite sia di fronte alla rapida evoluzione delle capacità dei modelli, sia perché anche modelli più piccoli ma maggiormente specializzati potrebbero generare rischi analoghi”. “La forte attenzione regolatoria riservata ai fornitori dei modelli di IA per finalità generali, a fronte di obblighi comparativamente più limitati per i fornitori dei sistemi che li utilizzano (ovvero chi li integra in sistemi e applicazioni specifiche, ndr), solleva interrogativi sui rischi che possono emergere a livello di sistema”, ha aggiunto. La questione, alla fine, è abbastanza concreta: di fronte a capacità nuove sono richiesti strumenti nuovi per valutarne e contenerne i rischi, ma anche per sfruttarne le opportunità. Senza trasformare ogni avanzamento in una minaccia, ma senza nemmeno aspettare la prossima emergenza per accorgersi che controlli e sistemi di risposta sono rimasti indietro.