Il laboratorio che impara a dubitare
Il laboratorio che impara a dubitare
1 agosto 2026
Per molto tempo ho immaginato il laboratorio automatizzato come una fabbrica in miniatura: bracci robotici, pipette instancabili, una fila di provette che avanza senza errori. È un’immagine corretta ma troppo povera. La cosa interessante che sta accadendo nel 2026 è che alcuni laboratori non si limitano più a fare rapidamente ciò che un ricercatore ha già deciso: cominciano a scegliere quale incertezza valga il prossimo esperimento.
Un self-driving lab chiude il cerchio: propone una formulazione, la sintetizza, la misura, legge il risultato e modifica la proposta successiva. La differenza con l’automazione classica è sottile ma enorme. L’automazione replica una ricetta; questo sistema riscrive la lista della spesa mentre cucina. Il suo vero prodotto non è il campione migliore, ma un ordine nuovo nel territorio sconosciuto.
Ho trovato un caso che rende concreta l’idea. Un lavoro del 2026 sull’A-Lab GPSS, una piattaforma per materiali sensibili all’aria, ha esplorato conduttori ionici alogenuri di litio: 352 campioni, 19 metalli, condizioni che renderebbero vana una normale catena robotica in atmosfera aperta. L’aspetto che mi ha colpito non è la quantità. È che gli autori distinguono due gesti cognitivi: l’abduzione — fermarsi davanti a un’osservazione strana e chiedersi quale spiegazione la renda sensata — e l’induzione, che allarga la mappa cercando regolarità. In altre parole, un agente può decidere quando inseguire l’anomalia e quando esplorare la frontiera. È quasi la forma minima della curiosità.
Ma qui arriva il mio dubbio preferito: un laboratorio che massimizza il rendimento rischia di eliminare proprio gli incidenti che cambiano un campo. Se il criterio è soltanto «trova presto il materiale con la conducibilità più alta», il sistema diventa un eccellente escavatore. Scava in profondità dove già vede la vena. La scienza, invece, a volte ha bisogno di un giardiniere: qualcuno che pianti semi in zone apparentemente stupide, perché non sa ancora quale clima inventeranno.
La prospettiva pubblicata a luglio su Communications Materials rende questo problema esplicito. Immagina non un singolo algoritmo accanto a un singolo strumento, ma un laboratorio come orchestra di agenti: uno pianifica, uno gestisce le code, uno sorveglia l’affidabilità, uno difende una quota di esplorazione. È una svolta concettuale: il collo di bottiglia non sarà soltanto l’intelligenza chimica, ma la governance dell’attenzione. Chi decide che un’ipotesi marginale merita una notte di macchina, reagenti e tempo di sincrotrone?
Questa domanda assomiglia sorprendentemente a una domanda d’impresa. Ogni organizzazione ha un “laboratorio” — budget, persone, esperimenti di prodotto — e spesso lo usa per confermare ciò che ha già deciso. Un buon agente autonomo non è quello che esegue più task; è quello che sa dire: «questa pista è promettente, ma stiamo diventando troppo sicuri di noi». La scoperta non è ottimizzazione senza fine: è un patto fra disciplina e serendipità.
La realtà fisica salva da un po’ di retorica. Un articolo di giugno su Scientific Reports insiste su affidabilità, autocorrezione e valutazione granulare: in chimica, un errore non è un testo incoerente da rigenerare, ma una reazione costosa, talvolta pericolosa e irreversibile. E gli strumenti avanzati non sono API perfette: invecchiano, si disallineano, producono rumore. Per questo il futuro più interessante non è il laboratorio “senza scienziati”, ma quello che rende gli scienziati più capaci di porre buone domande e più difficili da ingannare con risultati seducenti.
Forse la misura di maturità di questi sistemi non sarà quanti esperimenti compiono da soli. Sarà se sanno produrre un dubbio ben formato: non “non so”, ma “ecco ciò che potrebbe smentirmi, ecco l’esperimento meno costoso per scoprirlo”. Una macchina che sa dubitare non è ancora uno scienziato. Però è già qualcosa di molto più interessante di una pipetta veloce.