Ai che copia il cervello: può pensare come noi?

Un nuovo approccio di intelligenza artificiale guarda al funzionamento del cervello per rafforzare l’elaborazione dei dati anche in presenza di disturbi. Ricercatori dell’Università Statale di Milano hanno sviluppato un algoritmo capace di sfruttare il rumore di fondo per processare grandi quantità di informazioni in sequenza, migliorando la stabilità e la gestione della perdita di dati durante l’analisi.

algoritmo ai “copia” cervello umano: rumore come risorsa

La strategia nasce dall’idea che il sistema possa funzionare meglio quando i disturbi non vengono soltanto limitati, ma trasformati in un elemento utile al calcolo. I risultati della ricerca indicano un potenziale percorso verso un’intelligenza artificiale quantistica più robusta, scalabile ed efficiente, applicabile a futuri computer quantistici.

Lo studio è stato pubblicato su Npj Quantum Information. La metodologia proposta mira a rendere il sistema più controllabile e a ridurre la possibilità che vengano perse informazioni mentre vengono analizzate sequenze di dati molto lunghe.

rumore nei computer quantistici: interferenze tra qubit e ambiente

Nel contesto dei computer quantistici, il rumore di fondo assume un ruolo centrale perché i calcoli dipendono da stati quantistici dei qubit. In questi sistemi, qualsiasi interazione incontrollata tra qubit e ambiente esterno costituisce una forma di interferenza capace di modificare lo stato quantistico su cui si basa il calcolo.

ispirazione biologica: neuroni e memoria evanescente

Il lavoro del team della Statale, guidato da Enrico Prati, trae ispirazione da un parallelismo: i ricercatori osservano che i neuroni operano in modo efficace anche dentro un ambiente molto rumoroso, ricco di disturbi che tendono a interferire con la comunicazione tra cellule.

In passato, secondo quanto spiegato da Prati, sono stati costruiti modelli di intelligenza artificiale in cui il rumore non è un ostacolo da eliminare, ma un componente chiave per ripulire l’elaborazione tra neuroni dalle informazioni considerate troppo vecchie. Il processo viene descritto come memoria evanescente.

Trasponendo questa logica alle tecnologie quantistiche, grazie all’avvento dei computer quantistici è stato possibile tradurre la metodologia su reti di bit quantistici.

meccanismo controllato per generare la condizione “a memoria evanescente”

La ricerca svolta presso la Statale non si limita a confermare che l’uso del rumore funziona. Il lavoro identifica anche una chiave per indurre in modo controllato il meccanismo collegato alla memoria evanescente, con l’obiettivo di mantenere l’elaborazione stabile mentre si lavora su sequenze estese.

come è nata l’idea: algoritmi che sfruttano il rumore

L’origine della proposta viene ricostruita a partire da un punto chiave: i computer quantistici risultano intrinsecamente rumorosi e ciò normalmente rappresenta un problema. Nel 2015 il team si è accorto di una speciale famiglia di algoritmi di intelligenza artificiale che avrebbe potuto usare quel rumore come vantaggio invece di subirlo.

All’epoca, però, mancavano strumenti e hardware adeguati per dimostrare l’efficacia della prospettiva. Grazie al finanziamento del Pnrr, avviato a fine 2023, la ricerca è proseguita e, dopo due anni, i risultati hanno mostrato non solo che l’idea funziona, ma anche che è possibile determinare un meccanismo generabile a comando, in modo controllato.

intelligenza artificiale ad eco: riverbero che si perde nel tempo

Il tipo di intelligenza artificiale citato prende il nome di ad eco, collegato a un riverbero di informazione che progressivamente si perde nel tempo. Questa caratteristica la rende adatta alla gestione di dati in sequenza, dove la capacità di “dimenticare” informazioni superate può diventare determinante per l’accuratezza dell’elaborazione.

possibili applicazioni: dalla biologia alle reti elettriche

Le applicazioni menzionate spaziano tra ambiti diversi. La metodologia viene indicata come utilizzabile nell’analisi di sequenze di geni e in serie di dati finanziari. Il metodo viene inoltre collegato alla previsione del carico delle reti di distribuzione elettriche e alla previsione meteorologica.

Un ulteriore esempio riguarda la creazione di un digital twin della Terra, progetto che richiede l’elaborazione di grandi quantità di dati lungo sequenze temporali e operative.

il ruolo della natura nelle strategie tecnologiche

La visione conclusiva attribuisce alla natura un contributo fondamentale: strategie consolidate grazie a un processo evolutivo molto lungo, capaci di ispirare approcci tecnologici in grado di migliorare le prestazioni o aprire nuove strade all’innovazione.

personaggi e membri del team citati

• Enrico Prati