L’intelligenza artificiale ‘emula’ il cervello umano per potenziare le sue capacità analitiche. Questa è la strategia adottata dai ricercatori dell’Università Statale di Milano, che hanno creato un algoritmo capace di utilizzare il ‘rumore di fondo’ per analizzare grandi volumi di dati in sequenza, similmente a come i neuroni elaborano informazioni in contesti disturbati. Questo approccio rende il sistema più stabile e controllabile, evitando la perdita di dati e permettendo l’analisi di sequenze molto lunghe. I risultati suggeriscono che questo metodo apre la via a un’intelligenza artificiale quantistica più robusta, scalabile ed efficiente, applicabile a futuri computer quantistici. Lo studio è stato pubblicato su ‘Npj Quantum Information’.
La Ricerca
Il sistema, sviluppato dal team della Statale guidato da Enrico Prati, trae ispirazione dai processi naturali del cervello. I computer quantistici, sistemi sperimentali di calcolo che sfruttano le leggi della meccanica quantistica per gestire grandi quantità di dati in forma quantistica, sono altamente sensibili al rumore di fondo: nel calcolo quantistico, questo rappresenta qualsiasi interazione incontrollata tra i qubit e l’ambiente esterno che altera il loro stato quantistico. Tale interferenza ha suggerito ai ricercatori un parallelo con l’ambiente in cui operano i neuroni nel cervello.
“Una delle caratteristiche sorprendenti dei neuroni è che funzionano bene anche in ambienti molto rumorosi, in cui le interferenze tendono a ostacolare la comunicazione tra di loro. Questo ha ispirato in passato modelli di intelligenza artificiale in cui uno degli elementi chiave è proprio il rumore, che permette di purificare l’elaborazione tra neuroni rimuovendo le informazioni obsolete. Questo processo è noto come memoria evanescente”, spiega Prati, docente di Fisica Teorica della Materia nel Dipartimento di Fisica Aldo Pontremoli dell’Università Statale di Milano e coordinatore della ricerca. Partendo da questa idea, grazie all’emergere dei computer quantistici, è stato possibile adattare questa metodologia di intelligenza artificiale su reti di bit quantistici. La ricerca, condotta alla Statale, non solo ha confermato l’efficacia dell’uso del rumore in un computer quantistico, ma ha anche trovato il modo di controllare questo meccanismo.
Origine dell’Idea
I ricercatori descrivono come è nato il progetto: “L’idea è emersa dal riconoscimento che i computer quantistici sono intrinsecamente rumorosi e questo rappresenta generalmente un problema. Nel 2015 ci siamo resi conto che una particolare classe di algoritmi di intelligenza artificiale avrebbe potuto sfruttare il rumore, invece che esserne penalizzata. Tuttavia, all’epoca, non c’era nemmeno l’hardware disponibile per testarlo. Grazie ai finanziamenti del Pnrr avviati alla fine del 2023, abbiamo potuto proseguire la ricerca e, dopo due anni, non solo abbiamo dimostrato che l’idea funzionava, ma abbiamo anche identificato un meccanismo che produce questa condizione su comando, in modo controllato”. Questo tipo di intelligenza artificiale chiamato “ad eco”, dovuto all’attenuazione progressiva delle informazioni nel tempo, è utile per l’analisi di dati sequenziali e può essere applicato in vari ambiti, dalla genetica all’analisi di dati finanziari, fino alla previsione dei carichi nelle reti di distribuzione elettriche e agli scenari meteorologici, compresa la creazione del gemello digitale della Terra.
“Ancora una volta – conclude Prati – la natura si rivela un’eccellente fonte d’ispirazione per strategie sviluppate attraverso un’evoluzione di milioni di anni, che consentono alla tecnologia di progredire e scoprire nuove strade”.
