Post di Emanuele Ricco, co-founder Stoneprime US, Aspen Junior Fellows, AI Entrepreneur –

Sin da quando ero bambino vedevo il mondo in maniera diversa dagli altri.

Ho un ricordo flebile che ogni tanto ritorna nella mia mente, di un ciclista che si muoveva in maniera ostinata verso il traguardo del Giro d’Italia sul lungomare di Salerno.

Saranno stati 20 anni fa o giù di li.

Ho impressa nel mio cervello la visione di una freccia splendente che anticipava il moto delle sue due ruote, e dietro di lui di tutti gli altri contendenti alla vittoria di tappa che lo seguivano.

Questa rappresentazione figurata della realtà mi ha accompagnato negli anni, trasformandosi in una delle ragioni che mi hanno portato a studiare Fisica all’università. Ero affascinato da quelle misteriose formule come uno storico davanti alla Cappella Sistina in preda alla Sindrome di Stendhal.

Crescendo la magia e l’immaginazione di un fanciullo hanno lasciato spazio alla dura realtà di un esame sul corpo rigido, ma la curiosità di rappresentare il mondo con la matematica e’ rimasta sempre viva, permeando il mio modus vivendi negli anni a venire.

Durante gli anni in cui ho studiato Fisica ho imparato moltissimi concetti, più o meno utili, ma soprattutto un modo di vedere il mondo che solo chi si è perso con la testa fra astrusi formalismi ed incomprensibili lettere greche può comprendere.

Tutti i fenomeni, o quasi, possono essere analizzati e compresi in maniera simile.

Quasi come un panteismo scientifico, la fisica è una scienza universale che, tramite le sue mille biforcazioni, riesce spiegare anche in parte fenomeni teoricamente distanti anni luce da essa.

Quando John Hopfield teorizzò nel 1982 la prima rete neurale che porta il suo nome, diventata sogno ed incubo di migliaia di informatici alle prime armi, unì le sue conoscenze di fisica ad immagini di psicologia cognitiva.

Tutto ciò gli avrebbe permesso di inventare una delle prime rappresentazioni matematiche del nostro cervello.

Sembra incredibile come vi possa essere un connubio fra il funzionamento intrinseco del materiale cerebrale all’interno del nostro cranio, il comportamento del ferro sotto l’azione di un campo magnetico esterno ed il funzionamento di sistemi come ChatGPT.

Una delle grandi caratteristiche del nostro tempo è l’utilizzo di sistemi innovativi senza avere alcuna conoscenza del funzionamento di base, accontentandosi del risultato.

D’altronde non si può essere onniscienti.

Ebbene l’intelligenza artificiale nasce dallo sviluppo di tanti contributi che provengono dalle più disparate branche del sapere, rendendo l’interscambio culturale un fenomeno imprescindibile per il suo stesso avanzamento.

Il Premio Nobel per la Fisica del 2024, assegnato a John Hopfield e Geoffrey Hinton non è altro che il riconoscimento più alto allo sviluppo di idee innovative in un contesto lontano da quello originario.

Se pensate che il contributo della Fisica all’intelligenza artificiale si sia fermato 40 anni orsono vi sbagliate di grosso.

Immaginate di trovarvi con una bicicletta sul picco di una montagna ma di soffrire di vertigini, e voler scendere nel punto più a valle nel minor tempo possibile.

Se scendete dalla parte sbagliata vi è il rischio di trovarvi in una pianura più alta del livello del mare, non essendo certi di raggiungere il vostro obiettivo per la fine della giornata.

E se invece riusciste per magia a saltare da un punto all’altro della valle in maniera casuale, e magari finendo in una spiaggia dorata?

Questa è la descrizione in maniera figurata del ‘simulated annealing’, uno degli algoritmi maggiormente utilizzati in Intelligenza Artificiale per la sua semplicità ed efficacia, implementato nello scheletro di sistemi di cui usufruiamo tutti i giorni.

Se adesso tornassimo in estate, e decidessimo di versare una goccia di inchiostro rossa nel mare limpido della Costa d’Amalfi, cosa potremmo osservare?

Nel giro di pochi secondi quel colore concentrato si diffonderebbe nell’azzurro cristallino, lasciando spazio a piccole sfere di colore ambrato disperse nell’acqua agostana passando da uno stato ordinato ad uno disordinato.

Designed by Freepik

Come ci insegna la Fisica, l’entropia di un sistema tende sempre ad aumentare, supportando le tesi dei ragazzini che lasciano la camera in disordine contro i dettami delle loro madri.

E se riuscissimo ad invertire questo processo a nostro vantaggio, passando dal disordine all’ordine in maniera costruttiva?

Probabilmente gli inventori di ‘stable diffusion’, uno dei processi maggiormente utilizzati per la generazione di immagini, si sono ispirati a questa semplice intuizione derivante dalla termodinamica.

Partendo da una foto qualsiasi, riducendola in rumore bianco come quello che vediamo quando la tv non riceve il segnale dall’antenna, possiamo tornare indietro tramite un processo reversibile che genera immagini molto simili a quelle originali.

Uno dei maggiori problemi attualmente è il riconoscimento di materiale ottenuto tramite IA, e la fisica può avere un ruolo rilevante anche in questo.

Alcuni ricercatori dell’università di Darmstadt hanno sviluppato una metodologia per il riconoscimento di testi generati tramite ChatGPT usando l’effetto Doppler, il fenomeno secondo il quale sentiamo la sirena di un’ambulanza in maniera più intensa quando ci passa vicino, diminuendo allontanandosi.

Le nuove frontiere dell’IA Generativa richiederanno sempre di più ricercatori di Fisica e Matematica per ottimizzare le strutture algoritmiche alla base, creando intelligenze artificiali sempre più performanti e sostenibili.

Magari un giorno un computer risponderà alle domande che noi fisici ci poniamo dall’era di Talete.

Perché siamo qui? Da dove proveniamo?

Per il momento, però, continuiamo a vagare nella nostra ignoranza descrivendo il mondo a suon di equazioni e di idee fantasiose.