In questo articolo Indice dei contenuti 3 sezioni
Anthropic ha portato Claude dentro un wet lab vero, con provette, reagenti e bracci robotici, allestito nella Bay Area di San Francisco. Un wet lab, per chi non mastica il gergo, è semplicemente il laboratorio dove un’ipotesi nata al computer incontra il materiale biologico reale: cellule, proteine, strumenti di misura. Eric Kauderer-Abrams, responsabile Life Sciences dell’azienda, ha confermato l’esistenza della struttura e ha spiegato che parte del lavoro sperimentale avviene internamente, parte tramite partner esterni. Nessuna trama da film catastrofico, insomma, ma un passaggio che merita di essere capito bene.
Il pezzo che rende la cosa interessante è un altro, ed è arrivato alla fine di agosto: il Model Hardware Standard, uno standard software che funziona da interprete tra Claude e le macchine da laboratorio. Ogni apparecchio ha comandi e software propri, MHS li traduce in un formato comune. Risultato: microscopi, lettori di piastre e bracci robotici diventano pilotabili senza dover riprogrammare tutto da zero per ogni singolo dispositivo.
Dal suggerire un esperimento al farlo davvero
Fino a ieri il contributo dei grandi modelli linguistici alla ricerca era soprattutto mentale. Leggere articoli, analizzare dati, proporre ipotesi, scrivere codice. Poi toccava a qualcuno in camice preparare i campioni, impostare le macchine, eseguire il protocollo, controllare gli errori. Con MHS quel confine si assottiglia parecchio. Claude può ricevere la descrizione di un esperimento in linguaggio naturale, tradurla in una sequenza di operazioni, mandare i comandi agli strumenti, guardare i dati che escono e decidere come proseguire. Da assistente a direttore d’orchestra.
Una prova già c’è, fatta insieme alla Carnegie Mellon University. Un agente basato su Claude Opus 4.8 ha coordinato più strumenti, ha giudicato insufficiente la qualità del primo risultato, ha corretto il tiro e ha lanciato un secondo esperimento che ha superato la soglia prevista. Il secondo ciclo, stando alla documentazione pubblicata, è avvenuto senza intervento umano.
I laboratori automatizzati esistono da anni, sia chiaro. Le farmaceutiche usano robot per dosare liquidi e spostare piastre da parecchio tempo. La novità sta nel collegare quell’automazione a un modello che ragiona sui risultati e cambia il piano mentre l’esperimento gira. L’IA smette di rimasticare i dati già presenti nei database e inizia a chiederne di nuovi al mondo fisico.
Proteine progettate da zero e una corsa già iniziata
La direzione si intuiva già prima. Il 18 agosto Anthropic ha pubblicato una ricerca sul design di proteine in cui Claude ha progettato da zero molecole capaci di legarsi a bersagli biologici specifici. I modelli Mythos Preview e Opus 4.8 hanno lavorato su 15 bersagli ottenendo risultati positivi su 14. Le strutture sono state poi prodotte e testate fisicamente da Adaptyv Bio e Twist Bioscience. Durante i 1.320 progetti della fase computazionale il modello ha scelto le regioni su cui intervenire, generato strutture candidate, coordinato software specializzati e ripetuto cicli di ottimizzazione. Agli umani è rimasto il controllo degli accessi e dell’infrastruttura.
E non è la sola a muoversi. A febbraio 2026 OpenAI e Ginkgo Bioworks hanno descritto un laboratorio biologico automatizzato collegato a Gpt-5, con il modello che progettava gli esperimenti, il robot che li eseguiva e i dati che tornavano indietro per il ciclo successivo. Gli esperimenti hanno permesso di misurare una riduzione del 40% del costo di produzione delle proteine. Anthropic, dal canto suo, ha sviluppato Claude Science, acquisito la startup Coefficient Bio e avviato collaborazioni con Genentech, Bristol Myers Squibb e Novo Nordisk.
Sicurezza biologica e limiti ancora molto concreti
Il passaggio al mondo fisico apre però un tema serio. La biologia è un settore a doppio uso: gli stessi strumenti che accelerano vaccini e farmaci possono servire ad altro se finiscono nelle mani sbagliate. Il nodo è la riduzione progressiva delle competenze necessarie per trasformare una conoscenza digitale in un risultato sperimentale. Il 17 settembre l’azienda ha lanciato il Life Sciences Verification Program, che consente a ricercatori verificati di usare modelli avanzati con filtri biologici più permissivi, ammettendo al tempo stesso che il rischio cresce quando l’IA accompagna l’utente attraverso procedure concrete.
Sui limiti, nessuna reticenza. Nei test MHS con Genentech, Claude ha avuto bisogno degli esperti per capire che certe anomalie derivavano dalla schiuma formatasi nei campioni e andavano risolte fisicamente, non via software. Il ragionamento spaziale, fisico e chimico dei modelli ha ancora vuoti evidenti, e gestire una dimostrazione controllata resta un’altra cosa rispetto a condurre campagne sperimentali per settimane.
Fonte: TecnoAndroid
