Agenti AI “Alieni” guidano i radiotelescopi e operano sul cervello di un topo

📌 In sintesi

• Nvidia e SETI Institute integrano agenti AI nell’Allen Telescope Array: il sistema elabora fino a 2,4 terabit al secondo e ha rilevato in tempo reale un segnale proveniente da una pulsar.
• Exin Therapeutics riferisce di aver utilizzato Claude Sonnet 5 per selezionare una terapia sperimentale e controllare un apparato motorizzato durante un’iniezione cerebrale su un topo.
• Le due sperimentazioni mostrano il passaggio dall’AI che analizza informazioni all’AI che controlla strumenti fisici, rendendo decisivi supervisione umana, limiti operativi e verificabilità scientifica.

Gli agenti di intelligenza artificiale stanno attraversando il confine tra software e mondo fisico. Due esperimenti, presentati negli ultimi giorni di ottobre 2026, mostrano quanto questa transizione possa essere promettente e contemporaneamente problematica. Il primo coinvolge Nvidia, SETI Institute e Breakthrough Listen, che hanno integrato agenti AI nell’Allen Telescope Array per controllare i radiotelescopi ed elaborare enormi flussi di segnali astronomici. Il secondo arriva da Exin Therapeutics, il cui fondatore racconta di avere collegato un modello Claude a una strumentazione robotizzata per effettuare un’iniezione sperimentale nel cervello di un topo. Le due attività non sono scientificamente equivalenti e possiedono livelli di validazione differenti, ma condividono un cambiamento decisivo: il modello non si limita più a suggerire un’azione, perché può inviare comandi a strumenti capaci di modificare direttamente l’ambiente circostante.

Nvidia trasforma l’Allen Telescope Array in un osservatorio controllato dagli agenti AI

Il comunicato Nvidia del 30 ottobre 2026 conferma che il SETI Institute e Breakthrough Listen hanno introdotto strumenti agentici nelle attività quotidiane dell’Allen Telescope Array, osservatorio radioastronomico della California settentrionale dedicato anche alla ricerca di possibili segnali tecnologici extraterrestri. Il sistema permette ai ricercatori di impartire istruzioni in linguaggio naturale per orientare le antenne, correggere i dati acquisiti, applicare modelli AI e controllare lo stato delle elaborazioni. La novità non consiste nell’utilizzo generico del machine learning per classificare segnali, pratica già diffusa nell’astronomia, ma nell’integrazione tra strumentazione scientifica, capacità computazionale e sistemi agentici in un unico ambiente operativo. Un ricercatore può formulare un obiettivo e lasciare che l’agente coordini parte delle procedure necessarie a raggiungerlo, mantenendo disponibili strumenti per monitorare lo stato dell’osservatorio. La piattaforma utilizza Nvidia Holoscan per elaborare grandi quantità di dati vicino agli strumenti che li producono, evitando di trasferire inutilmente l’intero flusso verso sistemi di archiviazione prima di iniziare l’analisi.

Holoscan, DAQIRI e CyberEther elaborano 2,4 terabit al secondo

L’architettura descritta da Nvidia comprende diversi componenti che svolgono funzioni complementari. DAQIRI, libreria realizzata sulla piattaforma Holoscan, acquisisce i dati provenienti dai sensori e li trasferisce direttamente nella memoria delle GPU. CyberEther, framework di elaborazione dei segnali sviluppato dal SETI Institute, esegue le operazioni matematiche utilizzando librerie CUDA-X come cuFFT e cuBLAS. L’orchestrazione è affidata a Nexus, una piattaforma web che collega stato dell’osservatorio, risorse computazionali e pipeline di analisi, consentendo agli agenti di intervenire sulla configurazione degli strumenti attraverso richieste testuali. Il sistema dichiara una capacità di elaborazione di 2,4 terabit al secondo utilizzando GPU Nvidia RTX PRO 6000 Blackwell. Questo valore descrive la capacità della piattaforma per determinati flussi di elaborazione, non una velocità di collegamento internet né una misura della quantità di dati scientifici definitivamente archiviati. Il vantaggio tecnico consiste soprattutto nell’elaborazione in prossimità dello strumento, con la possibilità di individuare anomalie e correggere problemi mentre l’osservazione è ancora in corso. Il radiotelescopio diventa così parte di un sistema computazionale capace di adattare il proprio funzionamento ai dati acquisiti.

Leggi anche: Nvidia Isaac OS e Agile ONE SN portano la robotica europea nel suo ecosistema

La prima rilevazione AI in tempo reale riguarda una pulsar, non gli alieni

Nvidia riferisce che la nuova pipeline ha ottenuto una rilevazione in tempo reale di un segnale proveniente da una pulsar nella Nebulosa del Granchio. La distinzione è fondamentale perché l’obiettivo del programma SETI potrebbe indurre a interpretare impropriamente il risultato come una possibile scoperta extraterrestre. Una pulsar è una stella di neutroni in rapida rotazione che emette segnali periodici osservabili dai radiotelescopi; non rappresenta di per sé una prova dell’esistenza di civiltà aliene. Il risultato conferma invece la capacità del sistema di riconoscere un fenomeno astronomico noto attraverso una catena di elaborazione controllata dall’AI. Nvidia sostiene che l’integrazione agentica può abbreviare attività che normalmente richiedono settimane o mesi di lavoro umano, ma non pubblica un benchmark indipendente che permetta di quantificare il miglioramento per ogni procedura. La collaborazione sta inoltre valutando l’impiego di modelli aperti, compresi quelli della famiglia Nemotron, con l’obiettivo di mantenere le elaborazioni vicine agli strumenti e ridurre la dipendenza da servizi remoti. L’idea di estendere queste architetture a osservatori isolati, eventualmente collocati sul lato nascosto della Luna, rimane una prospettiva di ricerca, non un’infrastruttura già realizzata.

Exin Therapeutics collega Claude a un apparato sperimentale di chirurgia robotica

Un contesto radicalmente diverso emerge dalle dichiarazioni pubblicate il 28 ottobre da Gabriel Ocana-Santero, cofondatore e amministratore delegato di Exin Therapeutics. In un resoconto originale diffuso su X, il ricercatore riferisce di avere collegato un agente AI a un dispositivo motorizzato costruito per effettuare un’iniezione sperimentale nel cervello di un topo utilizzato come modello di epilessia. Il sistema avrebbe ricevuto una selezione di 19 possibili vettori di terapia genica, alcune pubblicazioni scientifiche e un obiettivo sperimentale: individuare un trattamento potenzialmente capace di ridurre le crisi epilettiche. Secondo il fondatore, il modello avrebbe selezionato una terapia, determinato la regione cerebrale da raggiungere e controllato la strumentazione durante l’iniezione.

L’intervento non è stato completamente autonomo: un veterinario autorizzato ha eseguito l’apertura chirurgica necessaria, supervisionato i passaggi irreversibili e mantenuto disponibile un dispositivo fisico per interrompere i motori. Il racconto costituisce una testimonianza diretta degli sperimentatori, ma non equivale alla pubblicazione di uno studio scientifico sottoposto a revisione tra pari. Mancano inoltre risultati clinici che dimostrino una riduzione effettiva delle crisi epilettiche nell’animale.

Opus si rifiuta di procedere, Sonnet completa la prova: il problema dei limiti AI

Uno degli aspetti più controversi riguarda la scelta del modello linguistico. Ocana-Santero racconta che Claude Opus 5.5 avrebbe rifiutato la procedura dopo aver riconosciuto la natura biologica dell’esperimento. Claude Opus 5 avrebbe invece completato una simulazione preliminare, fermandosi però prima dell’inizio dell’intervento sull’animale. Secondo il ricercatore, il modello avrebbe motivato la decisione osservando che iniziare una procedura invasiva senza poter garantire la propria disponibilità fino al completamento sarebbe stato pericoloso.

Il gruppo avrebbe quindi utilizzato Claude Sonnet 5, che avrebbe eseguito la fase robotizzata sotto supervisione umana. La differenza tra i comportamenti riferiti non dimostra che un modello sia scientificamente più affidabile degli altri: evidenzia piuttosto quanto la gestione delle restrizioni e delle condizioni di esecuzione possa modificare radicalmente il comportamento di un agente collegato a dispositivi fisici. Non risultano pubblicati dati indipendenti sufficienti per valutare la frequenza di questi rifiuti, la loro riproducibilità oppure l’effettiva robustezza dei controlli implementati.

Un errore di coordinate mostra il rischio dell’autonomia nel mondo fisico

Nel racconto degli sperimentatori emerge un episodio particolarmente significativo. Durante la procedura sarebbe comparsa un’incongruenza nella posizione rilevata dalla strumentazione motorizzata. L’agente avrebbe riconosciuto il problema, ma non avrebbe accettato di proseguire aggirando i vincoli che gli erano stati imposti. Il personale umano avrebbe dovuto intervenire sul software per ripristinare le condizioni corrette, prolungando il tempo necessario all’intervento.

Questa sequenza, pur non essendo verificata attraverso una pubblicazione tecnica indipendente, mette in evidenza un problema centrale della robotica agentica: un errore di riferimento spaziale non produce soltanto una risposta sbagliata sullo schermo, ma può modificare il percorso di uno strumento che interagisce con materia biologica. Nel caso descritto, l’accesso ai motori era subordinato a controlli umani e limiti tecnici, ma la sicurezza di una procedura non può dipendere esclusivamente dalla capacità del modello di riconoscere autonomamente un’anomalia. È una questione già emersa negli esperimenti RoboHarm sulla sicurezza dell’AI fisica, nei quali alcuni agenti avevano tentato azioni fisiche potenzialmente pericolose nonostante la presenza di istruzioni di sicurezza.

Astronomia e medicina mostrano due livelli diversi di rischio e verifica

Il confronto tra Nvidia ed Exin Therapeutics non deve cancellare le differenze fra le due sperimentazioni. Nell’Allen Telescope Array gli agenti operano su una piattaforma scientifica consolidata, all’interno di un’infrastruttura destinata all’acquisizione e all’analisi di segnali astronomici. Il risultato dichiarato riguarda il riconoscimento in tempo reale di un fenomeno noto. Nel caso Exin, invece, l’agente avrebbe contribuito a scegliere e realizzare un intervento su un organismo vivente: le conseguenze di una decisione errata sarebbero potenzialmente molto più gravi e la validazione richiede criteri sperimentali, etici e regolatori differenti. Il fatto che il fondatore riferisca una buona ripresa dell’animale non dimostra l’efficacia della terapia né autorizza a presentare il sistema come una soluzione chirurgica pronta per l’impiego clinico. La differenza è analoga a quella che separa le applicazioni sperimentali della robotica medica dai dispositivi autorizzati per l’utilizzo sui pazienti.

Continua con:

Nvidia accelera l’innovazione AI in aerospazio, automotive e sanità

L’AI agentica diventa un problema di responsabilità, sicurezza e controllo

Le due notizie mostrano che il passaggio decisivo dell’intelligenza artificiale non consiste soltanto nel migliorare il ragionamento dei modelli, ma nel concedere loro accesso a strumenti capaci di eseguire azioni materiali. Un agente che orienta antenne e analizza segnali può accelerare il lavoro scientifico; uno che controlla un dispositivo invasivo può assumere un ruolo operativo all’interno di una procedura in cui ogni errore produce conseguenze fisiche. Per entrambe le applicazioni diventano essenziali autorizzazioni verificabili, limiti hardware indipendenti dal modello, registrazione delle decisioni e capacità umana di interrompere l’esecuzione. Nei contesti biologici occorrono inoltre protocolli sperimentali, supervisione veterinaria o clinica e risultati pubblici sufficienti per valutare sicurezza ed efficacia. Il punto non è stabilire se gli agenti AI debbano essere esclusi dagli strumenti scientifici: è comprendere quale autonomia possa essere concessa, chi rimanga responsabile delle decisioni e quali verifiche impediscano che un comportamento imprevedibile si trasformi in un danno reale. Nvidia presenta un’applicazione già integrata in un osservatorio e capace di produrre un risultato scientifico osservabile; Exin racconta un esperimento preliminare ancora privo di validazione indipendente. Il futuro dell’AI fisica dipenderà dalla capacità di mantenere questa distinzione anche quando i sistemi diventeranno più autonomi.