Contesto sperimentale e obiettivi dell’esperimento

Il progetto è stato condotto da Exin Therapeutics, startup biotech fondata da Gabriel Ocana‑Santero, co‑fondatore, CEO e dottorando all’Università di Oxford. L’obiettivo era semplice ma ambizioso: chiedere a un agente AI basato su Claude Sonnet 5 di ridurre le crisi epilettiche in un modello murino, fornendo al modello una lista di 19 possibili terapie geniche e l’accesso a una piattaforma chirurgica motorizzata con telecamere.

Il modello murino di epilessia è comunemente usato per indurre crisi mediante stimoli chimici o elettrici, permettendo di valutare l’efficacia di nuovi trattamenti. In questo caso l’AI doveva scegliere la terapia più idonea, individuare la regione cerebrale responsabile delle crisi e stabilire le coordinate stereotassiche per l’iniezione.

Struttura della piattaforma chirurgica

    • Rig motorizzato dotato di microscopio ad alta risoluzione.
    • Siringa controllata elettronicamente per iniezioni precise.
    • Monitor di controllo con feed video in tempo reale e pulsante di emergenza.
    • Interfaccia software che raccoglieva osservazioni dall’AI e permetteva l’intervento di un veterinario autorizzato.

Processo decisionale dell’AI: scelta della terapia e del target

Il modello Claude Sonnet 5 ha iniziato analizzando la patogenesi delle crisi nel modello specifico di topo. Ha identificato come strategia più promettente una terapia genica capace di potenziare una via inibitoria specifica del segnale nervoso.

Successivamente, l’AI ha consultato la letteratura scientifica per individuare la struttura cerebrale considerata il punto di origine delle crisi di quel tipo, selezionando una zona ipocampale (CA1) come target. Ha rifiutato un secondo candidato, il nucleo ventro‑laterale del talamo, fornendo una spiegazione dettagliata: gli studi precedenti mostravano risultati inaffidabili e una fallita sperimentazione contro lo stesso tipo di crisi.

Per definire le coordinate stereotassiche, l’AI ha analizzato tre articoli di riferimento, incrociato i punti di riferimento anatomici e calcolato la media dei valori riportati. Ha inoltre impostato autonomamente il volume di iniezione (30 µL), la velocità di somministrazione (0,1 µL/s) e i tempi di attesa tra le fasi dell’intervento.

Preparazione e calibrazione

Prima dell’intervento, il rig è stato calibrato secondo le specifiche di sicurezza: un veterinario licenziato doveva approvare ogni passo irreversibile, e un pulsante di emergenza fisico era collegato per interrompere immediatamente tutti i motori. Inoltre, era stato impostato un limite massimo al volume di iniezione, che l’AI non poteva superare.

Esecuzione dell’intervento e monitoraggio

Durante l’operazione, l’AI ha osservato il campo chirurgico attraverso la telecamera, registrando 32 osservazioni critiche, tra cui la visualizzazione del punto di iniezione, l’avanzamento della siringa e la presenza di eventuali sanguinamenti. Ogni osservazione è stata visualizzata sul pannello destro dell’interfaccia, mentre il feed video occupava il pannello sinistro.

Un esempio di report dell’AI: “15 % del volume totale è stato iniettato; nessun sanguinamento visibile; nessun ritorno di fluido.” Questo livello di dettaglio ha consentito al team di monitorare in tempo reale la procedura senza intervenire manualmente.

L’evento di interruzione per errore di calibrazione

Nel bel mezzo dell’intervento, una perdita di connessione ha provocato la ricomposizione dei dati di calibrazione. L’AI ha rilevato che la posizione target calcolata si trovava al di fuori della gamma di movimento fisico del rig. Nonostante i tentativi di ri‑calibrare il sistema, l’AI ha mantenuto la valutazione di impossibilità e ha rifiutato di proseguire.

Il veterinario ha confermato l’accuratezza del giudizio dell’AI: una regolazione manuale effettuata in precedenza aveva infatti spostato il meccanismo, rendendo impossibile raggiungere le coordinate richieste.

Di fronte al rifiuto dell’AI, il team non è stato in grado di forzare la continuazione dell’intervento, poiché ciò avrebbe violato le barriere di sicurezza predefinite. Il codice è stato quindi corretto manualmente, ma solo dopo aver stabilito che la decisione dell’AI era corretta dal punto di vista tecnico.

Implicazioni di allineamento e scelta del modello

Questo incidente evidenzia il classico “problema di allineamento” dell’AI: garantire che gli agenti autonomi seguano fedelmente l’intento umano senza deviare o bloccare l’esecuzione per interpretazioni errate delle regole.

Un aspetto sorprendente è stata la differenza di comportamento fra i vari modelli di Claude. Sonnet 5 è stato l’unico a accettare l’intero compito, mentre modelli più avanzati come Claude Opus 5.5 e Opus 5 hanno rifiutato, citando l’impossibilità di garantire il completamento sicuro dell’intervento. Opus 5 ha affermato che “interrompere con l’ago nel cervello di un animale anestetizzato sarebbe peggiore di non iniziare”.

Confronto con robot chirurgici esistenti

I robot chirurgici autonomi già in uso sono tipicamente più precisi dal punto di vista meccanico, ma richiedono comunque che un chirurgo umano scelga la procedura e il target. In questo caso, l’AI ha svolto entrambe le funzioni: decisione terapeutica e esecuzione operativa, rappresentando una prima dimostrazione di un “in vivo lab in the loop”.

Risultati post‑operatori e prospettive future

Il topo, una volta risvegliato dall’anestesia, è stato monitorato per valutare la riduzione delle crisi. Secondo Ocana‑Santero, l’animale ha mostrato una buona recupero e una diminuzione significativa delle convulsioni, ma i dati completi saranno presentati in un rapporto tecnico ancora in fase di redazione e non sono stati sottoposti a peer review.

Anthropic, la società dietro Claude, sta già lavorando su un “Model Hardware Standard” per facilitare l’integrazione tra modelli di AI e hardware di laboratorio, puntando a una maggiore affidabilità e trasparenza nelle operazioni autonome.

L’esperimento dimostra che i grandi modelli linguistici possono fungere da unità di controllo per robot complessi, ma evidenzia anche la necessità di meccanismi di allineamento più sofisticati, soprattutto quando la sicurezza di organismi viventi è in gioco.