L’IA può sbagliare nella ricerca della vita extraterrestre? Uno studio rivela una vulnerabilità che preoccupa gli scienziati
L’intelligenza artificiale viene considerata una delle tecnologie più promettenti per affrontare una delle domande più affascinanti della scienza moderna: esiste vita oltre la Terra? Dall’analisi delle atmosfere degli esopianeti all’elaborazione delle immagini raccolte dai rover su Marte, gli algoritmi stanno assumendo un ruolo sempre più centrale nell’interpretazione di enormi quantità di dati che sarebbero impossibili da esaminare manualmente.
Tuttavia, proprio mentre cresce la fiducia nelle capacità dei sistemi di IA, un nuovo studio della Michigan State University mette in evidenza un limite che potrebbe avere conseguenze significative non solo per l’astrobiologia, ma anche per numerosi altri settori scientifici e tecnologici.
La ricerca, che sarà presentata ufficialmente nell’agosto 2026 durante la Artificial Life Conference di Waterloo, dimostra infatti che una rete neurale addestrata a riconoscere possibili biofirme può essere ingannata con sorprendente facilità.
Il risultato non mette in discussione il valore dell’intelligenza artificiale come strumento di supporto alla ricerca, ma evidenzia una criticità fondamentale: un algoritmo può identificare come “vita” ciò che in realtà è soltanto un insieme di schemi privi di qualsiasi significato biologico. Per gli esperti si tratta di una vulnerabilità che impone maggiore prudenza nell’affidare alle macchine decisioni scientifiche di grande rilevanza.
Perché gli scienziati hanno messo alla prova l’intelligenza artificiale?
Contrariamente a quanto si potrebbe immaginare, l’esperimento non aveva lo scopo di individuare astronavi aliene o segnali radio provenienti da civiltà extraterrestri. L’obiettivo era molto più rigoroso dal punto di vista scientifico: verificare se una rete neurale fosse realmente in grado di riconoscere biofirme, cioè quelle caratteristiche che potrebbero indicare la presenza di organismi viventi.
Per realizzare il test, i ricercatori Ankit Gupta e Christoph Adami hanno utilizzato Avida, una piattaforma sviluppata presso la Michigan State University che permette di simulare l’evoluzione attraverso organismi digitali. Queste entità virtuali vivono in una sorta di “capsula di Petri digitale”, dove possono replicarsi, mutare ed evolversi, offrendo un ambiente controllato ideale per studiare i meccanismi fondamentali della vita senza dover ricorrere a organismi biologici reali.
Il principio alla base dell’esperimento riflette una delle idee fondamentali dell’astrobiologia contemporanea: la vita è caratterizzata dalla capacità di immagazzinare, elaborare e trasmettere informazioni, oltre che di replicarsi. Alcuni organismi digitali possedevano istruzioni per autoriprodursi, mentre altri ne erano completamente privi. Grazie a decine di migliaia di esempi, la rete neurale ha imparato a distinguere le due categorie raggiungendo una precisione del 99,97%, un risultato che, almeno inizialmente, sembrava confermare l’affidabilità del modello.
Qual è il punto debole scoperto dai ricercatori?
Il problema è emerso nel momento in cui il sistema è stato sottoposto a una prova più vicina alle condizioni reali. Invece di analizzare dati già conosciuti durante l’addestramento, l’intelligenza artificiale ha dovuto classificare nuove sequenze mai viste in precedenza.
I ricercatori hanno preso come base un organismo digitale incapace di replicarsi e hanno modificato progressivamente alcune istruzioni del suo codice. Dopo circa 150 modifiche, pur senza introdurre alcuna reale capacità di autoriproduzione, l’algoritmo ha iniziato a classificare quell’organismo come se fosse vivo.
Il dato più sorprendente è che questo comportamento non rappresenta un semplice errore occasionale. Come ha spiegato Ankit Gupta, qualsiasi sequenza iniziale utilizzata dai ricercatori poteva essere trasformata fino a ingannare il sistema nel 100% dei casi. Ciò suggerisce che esista un numero estremamente elevato di combinazioni capaci di produrre falsi positivi, inducendo l’IA a riconoscere segnali biologici laddove esistono soltanto configurazioni particolari di dati.
In altre parole, la rete neurale non comprende realmente il concetto di vita, ma identifica correlazioni statistiche apprese durante l’addestramento. Quando incontra schemi sufficientemente simili a quelli già osservati, può arrivare a formulare una classificazione completamente errata pur mantenendo un elevato livello di sicurezza nella propria risposta.
Perché questa vulnerabilità preoccupa l’esplorazione spaziale?
Le implicazioni dello studio sono particolarmente rilevanti per le future missioni dedicate alla ricerca della vita extraterrestre. Le agenzie spaziali, tra cui la NASA, stanno sviluppando strumenti sempre più sofisticati capaci di analizzare enormi quantità di informazioni provenienti da Marte, dalle lune ghiacciate di Giove e Saturno, oltre che dalle atmosfere di pianeti situati al di fuori del Sistema Solare.
In questi contesti operativi, l’intelligenza artificiale rappresenta una risorsa fondamentale. I rover e le sonde devono spesso prendere decisioni autonome, selezionare i campioni più interessanti o individuare anomalie da trasmettere sulla Terra, riducendo drasticamente il volume dei dati inviati agli scienziati.
Proprio questa crescente autonomia rende particolarmente delicato il problema emerso nello studio. Un falso positivo generato dall’IA potrebbe essere interpretato come una possibile scoperta della vita extraterrestre, indirizzando risorse, tempo e investimenti verso un’ipotesi destinata successivamente a essere smentita. In missioni dal valore di miliardi di euro o dollari, anche una minima percentuale di errore può tradursi in conseguenze scientifiche ed economiche molto rilevanti.
Il problema riguarda soltanto la ricerca della vita nello spazio?
Secondo gli autori dello studio, la risposta è chiaramente negativa. La vulnerabilità osservata deriva da un limite generale delle moderne reti neurali e potrebbe manifestarsi in qualsiasi settore in cui un algoritmo venga utilizzato per riconoscere schemi complessi.
Gli stessi meccanismi sono infatti presenti nei sistemi di diagnostica medica, nei software per il riconoscimento facciale, nelle telecamere intelligenti, nei veicoli a guida autonoma e in numerose applicazioni industriali basate sull’apprendimento automatico. Se un modello riesce a confondere configurazioni artificialmente costruite con dati autentici, esiste il rischio che prenda decisioni errate anche in contesti molto più delicati, come l’identificazione di una patologia o il riconoscimento di un potenziale pericolo.
Per questo motivo Christoph Adami ha definito il fenomeno come “un tallone d’Achille dell’intelligenza artificiale”, sottolineando che gli algoritmi possono riconoscere un pattern e classificarlo completamente nel modo sbagliato. Lo studioso ha inoltre parlato di “una vulnerabilità molto grave”, proprio perché difficilmente individuabile senza procedure di verifica indipendenti.
Perché il controllo umano resta indispensabile?
Uno dei messaggi più importanti che emerge dalla ricerca riguarda il rapporto tra automazione e supervisione scientifica. Gli autori non sostengono che l’intelligenza artificiale debba essere esclusa dalla ricerca o dalle missioni spaziali; al contrario, riconoscono il suo enorme potenziale nell’analizzare quantità di dati irraggiungibili per l’essere umano.
Ciò che viene messo in discussione è l’idea di affidarsi completamente alle decisioni di un algoritmo senza un processo di verifica esterno. Secondo Adami, ogni risultato prodotto dall’IA dovrebbe poter essere controllato attraverso metodi indipendenti, evitando che una classificazione automatica venga considerata una prova definitiva.
Il principio espresso dai ricercatori sintetizza una delle sfide più importanti dell’attuale sviluppo dell’intelligenza artificiale: l’essere umano deve rimanere parte integrante del processo decisionale, soprattutto quando sono in gioco scoperte scientifiche di portata storica o applicazioni che possono influire direttamente sulla sicurezza e sulla salute delle persone. Più gli algoritmi diventeranno sofisticati, maggiore sarà la necessità di comprenderne i limiti, riconoscere le loro vulnerabilità e costruire sistemi nei quali innovazione tecnologica e giudizio umano lavorino insieme, anziché sostituirsi reciprocamente.