La decisione di Google DeepMind di sciogliere il gruppo che ha sviluppato AlphaFold può sembrare, a prima vista, incomprensibile. Perché disperdere una squadra capace di ottenere uno dei risultati scientifici più importanti degli ultimi anni, fino al riconoscimento del Nobel? In realtà, proprio questa scelta aiuta a comprendere quanto rapidamente stia cambiando il panorama internazionale della ricerca.AlphaFold è il sistema di intelligenza artificiale che ha imparato a prevedere la forma tridimensionale delle proteine a partire dalla loro sequenza. Non è un dettaglio tecnico: la forma di una proteina determina in larga misura ciò che essa può fare in una cellula, come interagisce con altre molecole e quale ruolo può avere nella salute o nella malattia. Per decenni ricostruire queste strutture ha richiesto esperimenti lunghi, costosi e complessi. AlphaFold non ha eliminato il bisogno della verifica sperimentale, ma ha ridotto drasticamente lo spazio delle possibilità, offrendo alla ricerca una nuova capacità di previsione.Non è stato, dunque, semplicemente un successo dell’intelligenza artificiale. Ha mostrato che un problema scientifico considerato per decenni estremamente difficile può essere affrontato combinando dati, capacità computazionale, nuovi modelli e una forte integrazione tra discipline. Ma soprattutto ha dimostrato che il risultato più importante non è sempre la singola scoperta. È la costruzione di una capacità generale che renda possibili molte scoperte successive.Se oggi il gruppo originario viene redistribuito, non significa necessariamente che la ricerca sulle proteine sia considerata conclusa o meno importante. Significa piuttosto che AlphaFold è ormai diventato una piattaforma, un’infrastruttura da incorporare in sistemi più ampi. La nuova frontiera non è soltanto prevedere la struttura di una proteina, ma costruire intelligenze artificiali che saranno sempre più capaci di leggere la letteratura, formulare ipotesi, progettare molecole ed esperimenti, interpretare risultati e suggerire quali strade esplorare. C’è da averne paura? Non necessariamente.La competizione scientifica internazionale si sta spostando dalla produzione di singole scoperte alla costruzione di sistemi capaci di produrre scoperte in modo continuativo. È dentro questo cambiamento che l’Italia dovrebbe interrogarsi sulla propria visione della ricerca. Per molti anni abbiamo discusso soprattutto di finanziamenti, precarietà, fuga dei cervelli, reclutamento e valutazione. Sono questioni importanti e tutt’altro che risolte. Ma rischiano di restare insufficienti se non vengono accompagnate da una domanda più radicale: quale ruolo vuole avere il nostro Paese nella nuova geografia mondiale della conoscenza?Non basta indicare alcuni settori prioritari e distribuire risorse tra essi. Questo è solo il modo più semplice per distribuire poltrone e potere. Ma un elenco di discipline non costituisce una strategia, e la spartizione degli equilibri non produce una visione scientifica. Una visione nasce quando si scelgono domande importanti, abbastanza difficili da richiedere competenze diverse, infrastrutture comuni e investimenti di lungo periodo. Significa decidere dove si vuole arrivare, non soltanto chi deve occupare ogni casella.Una ricerca nazionale a lungo termine ha bisogno di scegliere bene le proprie mosse. Nel frattempo, i Paesi e le organizzazioni scientifiche più avanzate stanno finanziando progetti, e costruendo nuove piattaforme, sistemi di calcolo, biobanche, laboratori automatizzati, reti di dati, modelli scientifici, infrastrutture sperimentali e nuove forme di collaborazione tra ricerca pubblica e industria.È qui che si giocherà una parte crescente della competizione. Ma occorre evitare un equivoco ormai diffuso: l’intelligenza artificiale non è, di per sé, una visione scientifica. È uno strumento, per quanto potente. Il rischio è confondere la sofisticazione tecnica con la profondità della ricerca e scambiare la disponibilità di nuovi mezzi per la definizione dei fini.Una politica nazionale della scienza non dovrebbe quindi assumere l’intelligenza artificiale come proprio obiettivo, ma come una delle infrastrutture attraverso cui affrontare problemi che abbiano significato. Le macchine potranno diventare più veloci, i modelli più grandi e la capacità di calcolo più economica. Ci sarà comunque ancora bisogno dei dati originali, della qualità degli esperimenti, dell’accuratezza delle misure e, soprattutto, la lucidità nel formulare domande che valga davvero la pena affrontare.