E se vi dicessi che il prossimo grande archeologo della storia non avrà un pennellino e un set di frustini, ma un terminale e un buon budget di token?
Stavo leggendo l’ultimo paper di un developer che ha deciso di fare qualcosa di decisamente più utile che debuggare script Python per l’ennesima volta: ha mandato una squadriglia di agenti AI (un mix di Gemini, ChatGPT, Claude e Groci) a fare il lavoro sporco su enormi dataset LiDAR della NASA. Il risultato? In meno di 72 ore, la sua ‘collettività’ di bot ha individuato un sito Maya che non risultava nei registri ufficiali del Messico.
Per chi non mastica abbastanza tecnologia spaziale, il LiDAR è quel tipo di sensore laser che riesce a ‘bucare’ la fitta vegetazione delle foreste tropicali per mappare il suolo sottostante. È come avere una vista a raggi X per la terra. Il problema è che analizzare 1.200 km² di dati è un incubo burocratico e computazionale che farebbe piangere qualsiasi essere umano.
L’idea del nostro protagonista era semplice: invece di assumere un esercito di archeologi, ha istruito 48 agenti a scansionare le immagini come se fossero dei pixel-peepers molto pazienti. Cercavano forme geometriche, angoli retti, strutture che la natura, per sua natura, odia produrre. E boom: hanno trovato una piazza, una piramide e quello che sembra un bacino idrico, tutto nascosto sotto una coltre di alberi.
La parte più ‘scioglilingua’ è stata la velocità della risposta. In tre giorni è passato dal ‘mi è venuta un’idea mentre ero in Perù’ all’invio di un report formale in spagness (tradotto dagli agenti stessi, perché ovviamente non parla la lingua) all’INAH, il massimo organismo archeologico messicano, fino a ricevere una conferma ufficiale.
Certo, c’è stato un piccolo ‘plot twist’ finale: si è scoperto che il sito era già stato mappato da un team di ricercatori professionisti nel 2025. Non è stata una scoperta dal nulla, ma una ‘riscoperta’ perché non era ancora presente nel registro ufficiale del governo. Un po’ come quando trovi un bug in un repository che però non è stato ancora segnalato su GitHub: l’hai trovato tu, ma la logica è corretta.
Nonostante il retrocognizione, il punto è fondamentale. Non stiamo parlando di scrivere codice più veloce o di generare immagini di gattini cyberpunk. Stiamo parlando di usare la potenza di calcolo e l’autonomia degli agenti per setacciare dati scientifici complessi che sono troppo enormi per la mente umana. Se con un po’ di prompt engineering siamo riusciti a far ‘vedere’ una piramide a un modello linguistico, immaginate cosa potremmo fare con dataset medici o climatici.
Il futuro della scienza non è solo questione di curiosità, ma di quanta capacità di calcolo siamo disposti a buttare su un problema. La prossima volta che mi lamento perché il compilatore è lento, penserò che potrei comunque usare i miei agenti per mappare l’intero pianeta Terra. E voi, cosa state facendo con i vostri agenti? State solo chiedendo ricette per la carbonara o state cercando città perdute?