fbpx OGM: sfida in campo aperto | Science in the net

OGM: sfida in campo aperto

Primary tabs

Tempo di lettura: 2 mins

Negli ultimi tredici mesi la percezione pubblica verso gli OGM ha cominciato ad aprirsi a un dibattito un po' più equilibrato e soprattutto science-based. Questo è avvenuto anche attraverso articoli di stampa firmati da diversi scienziati e intellettuali e interventi riportati anche su Scienza in Rete (vedi il dossier).
Anche in Parlamento qualcosa è cambiato o, almeno, sembra stia cambiando.
Lo scorso 13 maggio, ad esempio, il Senato ha discusso un ordine del giorno presentato dalla ricercatrice e Senatrice a vita Elena Cattaneo, volto a consentire la ricerca scientifica in campo aperto e che presentava le firme dei capigruppo di maggioranza e opposizione (l'odg è stato poi ritirato su richiesta del Governo che si è impegnato a trattare a breve il tema - qui l'intervento della Sen.ce Cattaneo, qui, invece, è disponibile lo stenografico della discussione).

Anche a seguito di quella discussione, il dibattito sugli OGM è proseguito nelle Commissioni Sanità e Agricoltura del Senato con audizioni di esperti del settore per fornire ai senatori ogni informazione utile sullo stato delle conoscenza scientifiche.
Proprio in riferimento a queste audizioni, in particolare a quella dell'8 luglio 2015 fatta dalla Commissione Agricoltura (vedi video), la Sen.ce Cattaneo ha formulato una serie di quesiti e considerazioni indirizzati ai professori Marcello Buiatti (vedi la lettera di Bruno Mezzetti indirizzata a Buiatti in seguito all'audizione) e Federico Infascelli, rendendo partecipe la comunità scientifica di settore. Le riflessioni e le domande contenute mirano a chiarire una serie di aspetti controversi che necessitano di essere approfonditi nel confronto con le migliori conoscenze e acquisizioni scientifiche disponibili.

Le lettere inviate a fine luglio e qui riportate, ad oggi non hanno avuto risposta. Poiché esse sono di interesse generale e sono utili in primo luogo alla comunità scientifica tutta per sviluppare un pubblico confronto delle idee e analisi dei dati, la Senatrice Cattaneo le ha sottoposte a Scienze in Rete per la pubblicazione, cui si dà volentieri seguito:

Scarica lettera aperta al Prof. Buiatti

Scarica lettera aperta al Prof. Infascelli

Nota
Sarà cura di questa testata provvedere alla pubblicazione di eventuali ulteriori considerazioni, precisazioni, risposte che abbiano basi scientifiche.

Articoli correlati

Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.