C’era una volta Albert Einstein che descriveva le teorie scientifiche come “invenzioni libere della mente umana“. Ma nel 1980 Stephen Hawking, il famoso cosmologo dell’Università di Cambridge, ebbe un altro pensiero. In una conferenza di quell’anno, sostenne che la cosiddetta Teoria del Tutto potrebbe essere realizzabile, ma che gli ultimi ritocchi saranno probabilmente fatti dai computer.
“La fine potrebbe non essere in vista per la fisica teorica“, disse. “Ma potrebbe essere in vista per i fisici teorici“.
La Teoria del Tutto non è ancora in vista, ma con i computer che si occupano di molte delle faccende della vita – tradurre lingue, riconoscere volti, guidare auto, consigliare con chi uscire – non è così folle immaginarli prendere il posto degli Hawking e gli Einstein del mondo.
Programmi per computer come AlphaGo di DeepMind continuano a scoprire nuovi modi per battere gli esseri umani in giochi come Go e scacchi, che sono stati studiati e giocati per secoli. Perché una di queste meravigliose macchine per l’apprendimento non potrebbe analizzare un enorme catalogo astronomico o i petabyte di dati ricavati dal Large Hadron Collider, distinguere una serie di nuove particelle fondamentali o scoprire un wormhole in un’altra galassia nel sistema solare esterno, come quello del film “Interstellar“?
Questo è il sogno. Pensarla diversamente significa impegnarsi in quello che il fisico Max Tegmark chiama “sciovinismo del carbonio“. A novembre, il Massachusetts Institute of Technology, dove il dottor Tegmark è professore, ha incassato un assegno dalla National Science Foundation e ha aperto le porte metaforiche del nuovo Institute for Artificial Intelligence and Fundamental Interactions.
L’istituto è uno dei sette istituiti dalla fondazione e dal Dipartimento dell’Agricoltura degli Stati Uniti come parte di uno sforzo a livello nazionale per sviluppare il lavoro nell’intelligenza artificiale. Ciascuno riceve 20 milioni di dollari in cinque anni.
L’istituto, con sede nel MIT, diretto da Jesse Thaler, un fisico delle particelle, è l’unico specificamente dedicato alla fisica. Comprende più di due dozzine di scienziati, provenienti da tutte le aree della fisica, dal MIT, Harvard, Northeastern University e Tufts.
“Quello che spero di fare è creare un luogo in cui i ricercatori provenienti da una varietà di diversi campi della fisica, così come i ricercatori che lavorano su informatica, apprendimento automatico o intelligenza artificiale, possano incontrarsi e dialogare e insegnarsi a vicenda cose“, Ha detto il dottor Thaler durante una chiamata Zoom. “In definitiva, voglio avere macchine in grado di pensare come un fisico“.
Riscoprire le leggi fondamentali
Il loro strumento in questo sforzo è un tipo di intelligenza artificiale noto come rete neurale. A differenza dei cosiddetti sistemi esperti come Watson di IBM, che sono carichi di conoscenza umana e scientifica, le reti neurali sono progettate per apprendere mentre procedono, in modo simile al modo in cui fanno i cervelli umani. Analizzando grandi quantità di dati per individuare schemi nascosti, imparano rapidamente a distinguere i cani dai gatti, a riconoscere i volti, a replicare il linguaggio umano, a segnalare comportamenti finanziari scorretti e altro ancora.
“Speriamo di scoprire tutti i tipi di nuove leggi della fisica“, ha detto il dott. Tegmark. “Abbiamo già dimostrato che può riscoprire le leggi della fisica“.
L’anno scorso, in quella che equivaleva a una sorta di prova di principio, il dottor Tegmark e uno studente, Silviu-Marian Udrescu, hanno preso 100 equazioni di fisica da un famoso libro di testo: “Le lezioni di fisica di Feynman” di Richard Feynman, Robert Leighton e Matthew Sands – e li ha utilizzati per generare dati che sono stati poi inviati a una rete neurale. Il sistema ha setacciato i dati per pattern e regolarità e ha recuperato tutte le 100 formule.
“Come uno scienziato umano, prova a turno molte strategie (moduli) differenti“, hanno scritto i ricercatori in un articolo pubblicato lo scorso anno su Science Advances. “E se non riesce a risolvere completamente il problema in un colpo solo, cerca di trasformarlo e dividerlo in pezzi più semplici che possono essere affrontati separatamente, rilanciando ricorsivamente l’intero algoritmo su ogni pezzo“.
In un altro esperimento più impegnativo, il dottor Tegmark ed i suoi colleghi hanno mostrato alla rete neurale un video di razzi che volano in giro e gli hanno chiesto di prevedere cosa sarebbe successo da un fotogramma all’altro. “Alla fine, il computer è stato in grado di scoprire le equazioni essenziali del moto“.
Trovare nuove particelle in un posto come il Large Hadron Collider del CERN sarebbe un gioco da ragazzi, ha detto il dott. Tegmark; L’intelligenza artificiale ama i big data ed i dati del collider arrivano a migliaia di terabyte al secondo. Non importa che una nuova particella non sia apparsa nei dati del CERN dalla scoperta del bosone di Higgs nel 2012, nonostante anni di frenetici esami di ogni urto nel flusso di dati.
“Quelle sono curve che gli umani guardano“, ha detto il dottor Tegmark. “In 10 anni, l’apprendimento automatico sarà essenziale per fare fisica quanto conoscere la matematica“.
Per ora, ha ammesso, ci sono dei limiti a ciò che può essere ottenuto con il metodo ricorsivo di risoluzione dei problemi dell’algoritmo, una pratica nota come regressione. Sebbene la macchina possa recuperare da un mucchio di dati le leggi fondamentali della fisica, non può ancora elaborare i principi profondi – come l’incertezza quantistica nella meccanica quantistica o la relatività – che sono alla base di tali formule.
“Quando l’IA te lo dice, significa che abbiamo raggiunto l’intelligenza artificiale generale e dovresti essere molto spaventato o molto eccitato, a seconda del tuo punto di vista“, ha detto il dott. Tegmark. “Il motivo per cui ci sto lavorando, onestamente, è per capirla, perché quello che trovo più minaccioso è non sapere come funzioni un’IA super potente“.
Il dottor Thaler, che dirige il nuovo istituto al MIT, ha detto che una volta era scettico sull’intelligenza artificiale, ma ora è un evangelista. Si è reso conto che come fisico può codificare parte della sua conoscenza nella macchina, che, quindi, darà risposte che potranno essere interpretate più facilmente.
“Questo diventa un dialogo tra uomo e macchina in un modo che diventa più eccitante“, ha detto, “invece di avere solo una scatola nera che non capisci e che prende decisioni per te“.
Ha aggiunto: “Non mi piace chiamare queste tecniche ‘intelligenza artificiale’, dal momento che quel linguaggio maschera il fatto che molte tecniche di intelligenza artificiale hanno basi rigorose in matematica, statistica e informatica“.
Di recente, il dottor Thaler ed i suoi colleghi hanno fornito alla loro rete neurale una raccolta di dati dal Large Hadron Collider, che frantuma i protoni alla ricerca di nuove particelle e forze. I protoni, gli elementi costitutivi della materia atomica, sono essi stessi sacchi di entità più piccole chiamate quark e gluoni. Quando i protoni entrano in collisione, queste particelle più piccole schizzano fuori a getti, insieme a qualsiasi altra particella esotica si sia coalizzata dall’energia della collisione. Per comprendere meglio questo processo, lui e il suo team hanno chiesto al sistema di distinguere tra i quark e i gluoni nei dati del collisore.
“Abbiamo detto, ‘Non ho intenzione di dirti nulla sulla teoria quantistica dei campi; Non ho intenzione di dirti cos’è un quark o un gluone a livello fondamentale“, ha detto. “Dirò solo:” Ecco un mucchio di dati, per favore separali in due categorie“. E può farlo“.
Il sistema, alla fine, ha identificato e distinto con successo tra quark e gluoni, senza mai sapere cosa fossero. Se poi chiedi al sistema se c’è un terzo tipo di oggetto nei dati, ha detto il dottor Thaler, inizia a scoprire che i quark non sono solo un’entità ma esistono in diversi tipi – i cosiddetti quark up e quark down.
“E così inizia a imparare mentre gli dai maggiore flessibilità per esplorare“, ha detto. “Non conosce ancora la teoria quantistica dei campi, ma sa cercare i modelli. E sono rimasto scioccato dal fatto che la macchina ha identificato questo schema”. Il lavoro, ha aggiunto, aiuterebbe i fisici dei collisori a elaborare i loro risultati.
Un’altra caratteristica di questo nuovo campo, ha aggiunto il dottor Thaler, era che fornisce un linguaggio comune per i ricercatori in campi di attività molto diversi. Si è scoperto che la matematica coinvolta nella risoluzione del problema del collisore è applicabile anche all’ottimizzazione dei programmi di spedizione per un’azienda come Amazon.
“Le scoperte più sorprendenti sono venute dal rendersi conto che qualcun altro ha esattamente lo strumento o precisamente il widget che può effettivamente aiutarmi a capire i miei problemi sotto una nuova luce“.
L’inizio di qualcosa di quantistico
“Uno dei motivi per cui l’intelligenza artificiale ha avuto tanto successo nel risolvere i giochi“, ha spiegato il dottor Thaler, “è che i giochi hanno una nozione molto ben definita di successo“. Ha aggiunto: “Se potessimo definire cosa significa il successo per le leggi fisiche, sarebbe un incredibile passo avanti“.
“Tra cinque o dieci anni, voglio poter dare alla macchina i dati, un kit di strumenti molto approssimativo e chiedergli di trovare l’equazione che potrei mettere su una maglietta, l’equazione che sostituisce il modello standard della fisica delle particelle. E chiedergli qual è l’equazione che sostituisce la relatività generale di Einstein“.
Alcuni fisici pensano che il prossimo grande balzo arriverà con l’avvento dell’IA sui computer quantistici. A differenza dei computer classici, che manipolano bit che possono essere 1 o 0, i cosiddetti qubit nei computer quantistici possono essere entrambi contemporaneamente. Secondo la fisica quantistica, questo è il modo in cui le particelle elementari si comportano sulle scale più piccole della natura e consentirà ai computer quantistici di elaborare simultaneamente grandi quantità di informazioni.
Tali macchine sono ancora agli inizi, ma promettono molto, ha affermato Seth Lloyd, ingegnere meccanico ed esperto di informatica quantistica presso il MIT che non fa parte del nuovo istituto di intelligenza artificiale.
“L’intuizione di base è che i sistemi quantistici possono generare schemi che sono difficili da generare per i sistemi classici“, ha detto il dott. Lloyd. “Quindi forse i sistemi quantistici possono anche riconoscere modelli che i sistemi classici riconoscono“.
O come Joe Lykken, vicedirettore della ricerca presso il Fermi National Accelerator Laboratory di Batavia, Illinois, ha affermato: “Per parafrasare Richard Feynman, se vorrai usare l’IA per scoprire cose sul nostro mondo quantistico, dovrai usare un’IA quantistica”
Maria Spiropulu, un fisico del California Institute of Technology, ha indicato la crescente letteratura “sull’IA quantistica e algoritmi di ispirazione quantistica che risolvono problemi che prima ritenevamo irrisolvibili“. Ha aggiunto: “È come l’allegoria della caverna di Platone e la teoria delle forme che diventano maggiorenni!”
“È solo un algoritmo in esecuzione”
Potrebbe una macchina produrre i principi astrusi e non intuitivi della teoria quantistica, o i principi baluardo della relatività di Einstein? Potrebbe produrre una teoria che noi umani non possiamo capire? Potremmo finire in Matrix, o in un mondo gestito da SkyNet, come nella serie “Terminator”?
Ma i fisici teorici sono pronti ad essere sostituiti?
“Il modo in cui lo chiedi si aggiunge alla confusione“, ha detto Jaron Lanier, un ingegnere informatico che ora lavora con Microsoft. Il campo dell’informatica, ha detto, è pieno di esagerazioni romantiche sul potere e la minaccia delle macchine superintelligenti.
Steven Weinberg, premio Nobel e professore presso l’Università del Texas ad Austin, ha definito “un pensiero preoccupante” il fatto che gli esseri umani potrebbero non essere abbastanza intelligenti da comprendere la Teoria del Tutto finale. “Ma sospetto che in questo caso non saremo nemmeno abbastanza intelligenti da progettare un computer in grado di trovare una teoria finale“.
Lisa Randall, una fisica di Harvard, ha scritto: “Posso facilmente immaginare che i computer trovino equazioni o relazioni che non sappiamo interpretare. Ma non è molto diverso dalle molte misurazioni che non possiamo ancora spiegare“.
Nima Arkani-Hamed, una teorica presso l’Institute for Advanced Study di Princeton, NJ, contesta l’idea che il computer possa scoprire qualcosa di troppo profondo per essere compreso dagli esseri umani: “Questo non riflette ciò che vediamo nel carattere delle leggi della natura che abbiamo scoperto nel corso dei secoli, si basano su idee matematiche più profonde, più semplici se non più astratte “.
Se Isaac Newton tornasse dalla morte, ad esempio, spiega il dottor Arkani-Hamed, non avrebbe problemi a mettersi al passo con la fisica contemporanea: “In effetti, decine di non Newton riescono a farlo nel corso di quattro anni di istruzione universitaria“.
Michael Turner, un cosmologo della Kavli Foundation di Los Angeles, sostiene che, alla fine, non importa da dove vengano le nostre idee, a patto che siano testate prima di fare affidamento su di esse.
“Da dove prendiamo queste teorie o paradigmi? Possono derivare da principi profondi – simmetria, bellezza, semplicità – principi filosofici, religione o ubriachi locali“, ha detto. “Man mano che le macchine diventano più intelligenti, possiamo aggiungerle all’elenco delle fonti“.
Edward Witten, anche lui dell’Institute for Advanced Study di Princeton, ha osservato che sebbene una macchina della teoria del tutto non esista ancora, potremmo realizzarla nel prossimo secolo. “Se ci fosse una macchina interessata e curiosa dei fenomeni della fisica, mi piacerebbe conversare con essa”.
