A cura di Fabrizio Gay
Il Premio Nobel per la Chimica 2024 ha riconosciuto due strumenti fondamentali nel design computazionale delle proteine. AlphaFold, sviluppato da Google DeepMind, è un modello che predice la struttura tridimensionale e dinamica delle proteine a partire dalle sequenze amminoacidiche, con un’accuratezza comparabile ai metodi sperimentali. Rosetta, suite software sviluppata dal David Baker Laboratory dell’Università di Washington, consente la progettazione de novo di proteine, combinando modellazione fisica, algoritmi di ottimizzazione e approcci statistici, prefigurando enzimi con funzioni inedite come la degradazione di inquinanti o la neutralizzazione di virus patogeni.
Questi sistemi rappresentano esempi paradigmatici di exaptation artificiale: AlphaFold mappa lo spazio delle proteine possibili, rivelando strutture e funzioni latenti; Rosetta ne esplora le configurazioni, riutilizzando moduli molecolari e principi fisici in combinazioni non osservate prima in natura. Pur guidati da obiettivi umani, questi strumenti operano secondo una logica adattativa, simile ai processi evolutivi che cooptano tratti preesistenti per nuove funzioni. Non creano ex novo, non progettano, ma rifunzionalizzano e ri-significano configurazioni esistenti.
Il concetto di exaptation, anticipato da osservazioni darwiniane e formalizzato in biologia da Gould e Vrba (1982), denota il riuso di tratti sviluppatisi per funzioni differenti o non adattative. Analoghe dinamiche emergono nelle teorie dell’evoluzione degli artefatti e delle forme culturali: dalla “concretizzazione” degli oggetti tecnici (Simondon; Leroi-Gourhan) ai fenomeni di “bricolage culturale” (Lévi-Strauss), dalla “trasfigurazione” del quotidiano in opera d’arte (Danto) ai processi di “traduzione” tra sistemi semiotici (Lotman; Floch; Fontanille). In tutti questi contesti emerge una logica condivisa di cooptazione, riuso, ricombinazione e ri-significazione.
Oggi l’exaptation non è solo un principio teorico, ma una logica operativa amplificata dalle capacità dei modelli di Intelligenza Artificiale generativa, come AlphaFold e i Large Multimodal Models (LMM), addestrati su basi dati eterogenee. In questi strumenti, l’exaptation guida la trasformazione di pattern informativi – immagini, stili, strutture, morfologie – su scala e velocità senza precedenti, rendendola centrale nei processi creativi e progettuali contemporanei.
Il numero 18 di «XY», aggiornando le prospettive teoriche di Roberto de Rubertis in Darwin architetto (2012), invita studiosi/e, progettisti/e, ricercatori e ricercatrici a proporre contributi che esplorino l’exaptation artificiale come principio generativo, chiave interpretativa o modello progettuale.
