Anthropic sta compiendo un passo decisivo nella sua strategia di intelligenza artificiale applicata alla scienza, creando un laboratorio di biologia fisica nella Bay Area di San Francisco. La struttura, rivelata da Reuters, rappresenta un cambiamento significativo rispetto all’uso tradizionale dei modelli generativi, finora impiegati soprattutto per analizzare documenti, scrivere codice o assistere i ricercatori.

Obiettivi e principi dell’iniziativa

Il cuore del progetto è collegare in modo più stretto il lavoro dei modelli Claude con le attività sperimentali reali. In pratica, l’AI formula ipotesi, analizza dati, progetta esperimenti e ottimizza procedure; i ricercatori, supportati da apparecchiature di laboratorio, verificano se quelle ipotesi si confermano. Questo ciclo continuo permette di generare nuovi dati che, a loro volta, guidano gli esperimenti successivi, creando una retroazione tra intelligenza artificiale e biologia sperimentale.

Claude Science e il Life Sciences Verification Program

Anthropic sta inoltre estendendo la sua offerta con Claude Science, una versione del modello pensata specificamente per il lavoro scientifico. Il 17 settembre è stato lanciato il Life Sciences Verification Program, un programma che consente a organizzazioni e professionisti verificati nel campo delle scienze della vita di accedere a modelli AI dotati di sistemi di sicurezza adattati alle attività biologiche. La versione beta è stata aperta inizialmente a team e istituzioni; secondo l’azienda, decine di organizzazioni avevano già aderito alla fase di accesso anticipato.

Investimenti e partnership strategiche

La spinta verso la biologia è il risultato di una serie di investimenti e collaborazioni recenti:

    • Acquisizione di Coefficient Bio: ad aprile Anthropic ha acquistato la biotech specializzata nell’uso dell’AI per la ricerca biologica, con un accordo valutato intorno ai 400 milioni di dollari.
    • Collaborazione con Novo Nordisk: a settembre è stata siglata una partnership con il gruppo farmaceutico danese, noto per i farmaci contro diabete e obesità. Novo utilizzerà Claude Science e altri modelli Anthropic in specifici processi di ricerca e sviluppo, con l’obiettivo di accelerare la scoperta di nuovi medicinali.

Mike Doustdar, presidente e amministratore delegato di Novo Nordisk, ha definito la collaborazione “un ulteriore passo verso l’ambizione dell’azienda di diventare l’azienda sanitaria più orientata all’AI al mondo”. Dario Amodei, cofondatore e amministratore delegato di Anthropic, ha sottolineato che la crescente capacità dell’AI potrebbe ridurre drasticamente i tempi della ricerca biologica, a patto di garantire modelli sicuri e affidabili.

Dimostrazioni tecniche di Claude

Il 17 settembre Anthropic ha pubblicato un lavoro in cui mostra come Claude abbia ottimizzato più di 30 modelli open source usati per prevedere e progettare biomolecole, completando l’intera operazione in meno di quattro settimane. Le ottimizzazioni hanno prodotto un aumento medio della velocità di circa quattro volte e hanno introdotto una modalità a basso consumo di memoria, capace di gestire sistemi biomolecolari molto più grandi su una singola GPU.

L’azienda ha rilasciato il codice ottimizzato e ha avviato una competizione per la progettazione di proteine, sostenuta con fino a un milione di dollari in crediti Claude. Oltre 5 000 progetti potranno essere sottoposti a una successiva validazione sperimentale in laboratorio, offrendo un’opportunità concreta per testare le capacità computazionali del modello in un contesto reale.

Il ciclo completo: dall’ipotesi alla verifica sperimentale

Il passaggio più importante non riguarda solo la velocità di analisi, ma la creazione di un sistema integrato in cui l’AI diventa parte del ciclo completo della ricerca. L’idea è che l’AI proponga una possibile soluzione, il laboratorio produca dati sperimentali e quegli stessi dati alimentino nuovi cicli di ipotesi. In teoria, questo approccio potrebbe ridurre il tempo necessario per le attività preliminari della scoperta di farmaci, ma resta comunque soggetto a limitazioni importanti.

Limiti e necessità di supervisione umana

Un risultato generato da un modello AI non equivale automaticamente a una terapia efficace e sicura. Prima di raggiungere i pazienti sono indispensabili:

    • Verifiche precliniche approfondite
    • Studi di sicurezza
    • Sperimentazioni cliniche su volontari
    • Autorizzazioni regolatorie da enti come FDA o EMA

Molti candidati vengono scartati durante questo percorso. Anthropic insiste sulla necessità di una supervisione umana costante: il laboratorio fisico funge da banco di prova per nuove idee, dove modelli AI, scienziati e strumenti automatizzati operano in sinergia.

Prospettive future e impatto sul settore farmaceutico

La questione centrale sarà capire quanto l’integrazione AI‑laboratorio riuscirà realmente ad accelerare la scoperta di medicinali mantenendo elevati standard di sicurezza e controllo. Se il modello Claude dimostrerà di poter generare ipotesi più accurate e di guidare esperimenti più efficienti, potremmo assistere a una riduzione significativa dei costi di ricerca e a una più rapida introduzione di terapie innovative sul mercato.

Al contempo, il progetto di Anthropic potrebbe stimolare altre aziende tecnologiche a investire in laboratori ibridi, dove l’AI non è solo uno strumento di supporto, ma un vero co‑ricercatore. Questo cambiamento di paradigma potrebbe trasformare l’intero ecosistema della scoperta farmaceutica, favorendo collaborazioni più strette tra startup di intelligenza artificiale, istituti di ricerca accademica e grandi case farmaceutiche.

Conclusioni

Anthropic ha lanciato nella Bay Area un laboratorio di biologia fisica con l’obiettivo di integrare l’intelligenza artificiale in ogni fase della ricerca preclinica. Grazie a investimenti importanti, partnership strategiche e dimostrazioni tecniche concrete, l’azienda sta tracciando una nuova rotta per la scoperta di farmaci. Tuttavia, il successo di questo modello dipenderà dalla capacità di mantenere rigorosi standard scientifici, garantire la sicurezza dei pazienti e dimostrare che l’AI può davvero accelerare il percorso dalla teoria alla terapia.