La ricerca scientifica potrebbe trovarsi davanti a un cambiamento più radicale di quello prodotto dall’introduzione dei primi sistemi di intelligenza artificiale generativa, non si tratta più soltanto di utilizzare un modello linguistico per consultare pubblicazioni, sintetizzare risultati o assistere un ricercatore nella scrittura di un articolo. La prospettiva presentata da ScientistTwo è più ambiziosa: affidare a un sistema autonomo l’intero processo della ricerca, dalla definizione delle ipotesi alla sperimentazione, fino alla produzione di un lavoro scientifico corredato di codice eseguibile e sottoposto a una simulazione di revisione tra pari.

Il progetto, descritto nel preprint ScientistTwo: Pioneering the Human Knowledge Frontier with Autonomous AI, pubblicato su arXiv il 17 settembre 2026, affronta una questione che fino a pochi anni fa apparteneva soprattutto alla ricerca teorica sull’intelligenza artificiale: può una macchina non limitarsi a utilizzare la conoscenza esistente, ma contribuire autonomamente ad ampliarla? La distinzione è fondamentale. Un sistema che risponde correttamente a una domanda dimostra di saper elaborare informazioni; un sistema capace di individuare un problema scientifico ancora aperto, formulare una spiegazione originale e verificarla attraverso esperimenti compie un’attività di natura differente.

La novità architetturale risiede nell’organizzazione del lavoro. ScientistTwo non è un singolo modello a cui viene assegnato il compito di scrivere un paper. È un sistema multi-agent nel quale componenti specializzati assumono responsabilità diverse e collaborano attraverso un ciclo di ricerca che può essere ripetuto. Il sistema parte da un problema scientifico e da una ricerca dello stato dell’arte, ricostruisce le prestazioni dei modelli di riferimento e cerca i limiti metodologici che potrebbero offrire uno spazio di miglioramento. A quel punto formula ipotesi, le trasforma in modifiche sperimentali e sottopone i risultati a verifiche successive.

Questa impostazione affronta uno dei problemi più difficili dell’automazione scientifica: distinguere un’idea apparentemente interessante da un’ipotesi che produce un miglioramento misurabile. Nella ricerca sul machine learning, infatti, una modifica architetturale può sembrare promettente sulla carta e fallire completamente quando viene addestrata su un dataset reale. ScientistTwo introduce un processo iterativo nel quale le proposte vengono inizialmente valutate su sottoinsiemi dei dati; soltanto quelle che superano questa prima selezione accedono agli esperimenti più impegnativi. Le successive ablation study consentono poi di verificare quali componenti abbiano effettivamente contribuito al risultato. È un passaggio importante, perché nel lavoro scientifico non basta dimostrare che una configurazione funziona: occorre comprendere perché funziona.

Il sistema integra anche un meccanismo di revisione simulata. Gli agenti incaricati di valutare il manoscritto formulano osservazioni critiche, alle quali altri agenti rispondono attraverso un processo di rebuttal, cioè una replica strutturata alle obiezioni. Il ciclo può essere ripetuto per migliorare il lavoro prima della sua valutazione finale. La ricerca diventa così un processo nel quale anche la critica viene automatizzata. È probabilmente uno degli aspetti più interessanti del progetto, ma anche uno dei più delicati: se il sistema impara a soddisfare un revisore artificiale, non è automatico che abbia prodotto una scoperta scientificamente importante.

I risultati pubblicati dagli autori sono comunque significativi. Sul sito ufficiale del progetto, ScientistTwo viene valutato su 107 problemi di ricerca derivati da lavori accettati in conferenze internazionali di primo piano, tra cui ICLR, ICML e NeurIPS. Il sistema dichiara di aver completato con successo 86 attività, con una percentuale dell’80,4%. Nella valutazione condotta da ScholarPeer, un revisore automatico basato su IA, i lavori generati raggiungono un tasso di accettazione del 91,9%. Con Stanford Agentic Reviewer, un secondo sistema di valutazione, la percentuale scende al 72,1%. Sono risultati che meritano attenzione anche perché le versioni precedenti di sistemi come AI Scientist e ScientistOne avevano ottenuto prestazioni sensibilmente inferiori negli stessi confronti riportati dagli autori. scientist-two.github.io+1

Il confronto con i lavori umani richiede tuttavia una lettura meno trionfalistica. Il benchmark comprende articoli già accettati a NeurIPS 2025, ICLR 2026 e ICML 2026, utilizzati come riferimento per verificare la capacità del sistema di migliorare soluzioni esistenti. ScientistTwo supera le medie di alcuni gruppi di articoli umani nelle valutazioni automatiche, ma non raggiunge in modo uniforme i livelli associati ai lavori selezionati come Spotlight. Soprattutto, un tasso di accettazione simulato non equivale a un’accettazione da parte di una conferenza scientifica. Il giudizio di un revisore automatico misura la compatibilità di un manoscritto con determinati criteri valutativi; non certifica, da solo, che la scoperta sia originale, corretta o destinata a modificare una disciplina.

Un elemento particolarmente rilevante riguarda la verificabilità del lavoro prodotto. Gli autori hanno introdotto un sistema di audit che controlla la riproducibilità dei risultati, la conformità alle specifiche sperimentali, l’autenticità delle citazioni bibliografiche e la corrispondenza tra metodologia descritta nel paper e codice effettivamente implementato. Nei test riportati, il sistema completo ha superato tutte e quattro le verifiche su 49 lavori sottoposti ad audit. In particolare, i risultati numerici sono stati riprodotti in 49 casi su 49, senza violazioni delle specifiche e senza riferimenti bibliografici inventati su un totale di 1.814 citazioni controllate. È un risultato importante perché affronta una debolezza strutturale della ricerca assistita da modelli linguistici: la possibilità che un articolo presenti una spiegazione convincente senza che il codice o i dati la sostengano realmente.

Il lavoro presenta anche una prima valutazione umana, elemento che merita di essere distinto dalle metriche automatiche. Nove revisori esperti hanno esaminato 33 articoli generati da ScientistTwo, assegnando valutazioni positive alla qualità complessiva dei manoscritti. Nel confronto con pubblicazioni scritte da ricercatori, il sistema ha ottenuto una sostanziale parità nella valutazione complessiva e risultati migliori nella qualità delle sperimentazioni, mentre gli autori umani hanno mantenuto un leggero vantaggio nella solidità metodologica. Questa differenza è tutt’altro che marginale. Un esperimento ben progettato può dimostrare un miglioramento, ma la capacità di comprendere se quel miglioramento rappresenti un avanzamento teoricamente significativo rimane un problema più complesso. arXiv

C’è poi una questione economica che impedisce di considerare ScientistTwo una tecnologia già pronta per essere adottata da qualsiasi laboratorio. Gli autori stimano un costo medio di circa 3.765 dollari per completare un singolo ciclo di ricerca, con un tempo di esecuzione compreso mediamente tra due e tre giorni. La spesa comprende l’utilizzo dei modelli e delle macchine virtuali necessarie agli esperimenti. Il sistema utilizza prevalentemente Gemini 3.6 Flash, mentre alcune attività particolarmente impegnative, soprattutto quelle legate alla programmazione e alla revisione, vengono affidate a Claude Code con Opus 4.8. Il costo non è quindi quello di una semplice interrogazione a un chatbot, ma quello di un processo computazionale prolungato, nel quale il modello deve eseguire codice, analizzare risultati e ripetere esperimenti. arXiv+1

Se un sistema può completare in pochi giorni un’attività che normalmente richiede settimane o mesi di lavoro umano, il vantaggio competitivo non dipende più esclusivamente dal numero di ricercatori disponibili. Dipende anche dalla capacità di finanziare l’esecuzione di esperimenti automatizzati. Si delinea così una possibile trasformazione dell’economia della ricerca: i laboratori potrebbero progressivamente distinguersi non soltanto per la qualità delle proprie competenze, ma per la quantità di capacità computazionale che riescono a mobilitare. Il rischio è che l’automazione riduca il costo marginale di alcune attività scientifiche, mentre aumenti il divario tra istituzioni dotate di infrastrutture adeguate e gruppi indipendenti con risorse limitate.

ScholarPeer viene utilizzato anche durante il processo di revisione simulata per migliorare i manoscritti; successivamente, lo stesso sistema contribuisce a determinarne il tasso di accettazione. Gli autori affiancano a questa verifica Stanford Agentic Reviewer, che non viene utilizzato durante la fase di sviluppo, riducendo almeno in parte il rischio di ottimizzazione diretta verso un singolo valutatore. Tuttavia, anche un secondo revisore artificiale non sostituisce una valutazione scientifica indipendente. Per dimostrare che ScientistTwo sia realmente capace di produrre scoperte originali occorrerebbe sottoporre i suoi risultati a revisori umani indipendenti, con esperimenti ripetibili e confronti condotti su problemi non selezionati a partire da pubblicazioni già dotate di codice e benchmark disponibili. arXiv+1

Questo limite è riconosciuto dagli stessi autori. Il sistema non ha ancora dimostrato di poter produrre con continuità quelle intuizioni teoriche radicali che caratterizzano le pubblicazioni più importanti, comprese quelle premiate con riconoscimenti Spotlight o Oral nelle conferenze internazionali. La sua capacità attuale appare più convincente quando deve intervenire su problemi già definiti, individuare una debolezza metodologica e costruire una soluzione verificabile. È un progresso concreto, ma non coincide ancora con la capacità di inventare una nuova disciplina o modificare un paradigma scientifico.

La ricerca scientifica è stata per secoli un’attività caratterizzata da una forte dipendenza dal tempo umano: leggere, comprendere, formulare ipotesi, progettare esperimenti e interpretare risultati richiede competenze difficilmente comprimibili. I sistemi agentici cominciano a mettere in discussione questa struttura. La differenza rispetto alla prima generazione di IA generativa è che il valore non viene più misurato soltanto nella qualità della risposta, ma nella capacità di produrre un risultato verificabile attraverso l’esecuzione autonoma di un processo.

Per le università, le imprese farmaceutiche, i centri di ricerca e i dipartimenti di R&D industriale, questo scenario introduce una nuova variabile competitiva. Un ricercatore potrebbe dirigere più processi sperimentali contemporaneamente, delegando all’IA le attività operative e riservando il proprio tempo alla valutazione delle ipotesi e alla scelta delle direzioni di ricerca. Il ruolo umano non scompare, ma si sposta progressivamente verso la definizione del problema, il controllo della validità scientifica e l’assunzione di responsabilità sulle conseguenze delle scoperte.

ScientistTwo rappresenta quindi un passaggio significativo verso la ricerca scientifica autonoma, non ancora la sua piena realizzazione. La distinzione conta, soprattutto in un settore nel quale le dichiarazioni di autonomia tendono a precedere le verifiche indipendenti. La prospettiva più interessante non è immaginare un’intelligenza artificiale che sostituisce lo scienziato, ma comprendere cosa accade quando un ricercatore può disporre di una capacità sperimentale artificiale che lavora per giorni senza interruzioni, corregge i propri errori e produce risultati accompagnati da codice verificabile. La scienza potrebbe entrare in una fase nella quale la scarsità non sarà più rappresentata soltanto dal tempo necessario a fare ricerca, ma dalla capacità di distinguere una scoperta autentica da un risultato semplicemente convincente.

Fonti scientifiche e documentazione

Paper originale: ScientistTwo, arXiv:2609.19644, 17 settembre 2026.

Versione integrale del paper: ScientistTwo, full text e appendici.

Progetto e risultati sperimentali: ScientistTwo, Autonomous Research at Scale.

Valutazione critica indipendente: Pith Review, analisi metodologica del paper.