Di Emily Conover e Lisa Grossman

8 ottobre 2024 alle 6:16

Con l’esplosione di popolarità dell’intelligenza artificiale, due dei suoi pionieri si sono aggiudicati il Premio Nobel per la fisica 2024.

Il premio va a John Hopfield e Geoffrey Hinton “per le scoperte e le invenzioni fondamentali che consentono l’apprendimento automatico con reti neurali artificiali”, ha annunciato l’8 ottobre l’Accademia Reale Svedese delle Scienze di Stoccolma. Questi strumenti computazionali, che cercano di imitare il funzionamento del cervello umano, sono alla base di tecnologie come algoritmi di riconoscimento delle immagini, modelli linguistici di grandi dimensioni tra cui ChatGPT, robot che giocano a calcio e altro ancora (SN: 2/1/24; SN: 24/5/24).

Il premio ha sorpreso molti, poiché questi sviluppi sono tipicamente associati all’informatica piuttosto che alla fisica. Ma il comitato del Nobel ha notato che le tecniche si basavano su metodi fisici.

Eppure, nessuno è rimasto più scioccato dello stesso Hinton: “Sono sbalordito. Non avevo idea che sarebbe successo. Sono molto sorpreso”, ha detto al telefono durante la conferenza stampa di annuncio.

Le tecniche sono state alla base di una serie di progressi scientifici. Le reti neurali hanno aiutato i fisici a cimentarsi con grandi quantità di dati complessi, consentendo importanti progressi che includono la creazione di immagini di buchi neri e l’ideazione di materiali per nuove tecnologie come le batterie avanzate (SN: 4/13/23; SN: 16/01/24). L’apprendimento automatico ha fatto passi da gigante anche in campo biologico e medico, con la promessa di migliorare l’imaging medico e la comprensione del ripiegamento delle proteine (SN: 17/06/24; SN: 23/9/23).

“Questo premio consolida il fatto che l’intelligenza artificiale non è solo una tecnologia di nicchia, ma una rivoluzione scientifica con un impatto interdisciplinare”, afferma il ricercatore di intelligenza artificiale Craig Ramlal dell’Università delle Indie occidentali a St. Augustine a Trinidad. “Ancora più importante, questo premio legittima l’intelligenza artificiale come strumento per comprendere e simulare il mondo naturale, che si spera possa portare a ulteriori innovazioni”.

Le reti neurali sono progettate per identificare i modelli nei dati, piuttosto che eseguire calcoli programmati in modo esplicito. Si basano su una rete di singoli elementi chiamati nodi che si ispirano ai singoli neuroni del cervello. L’addestramento della rete neurale alimentando i dati affina la sua capacità di trarre conclusioni accurate, ottimizzando la forza degli accoppiamenti tra i nodi.

Nel 1982, Hopfield, dell’Università di Princeton, creò un primo tipo di rete neurale, chiamata rete di Hopfield, in grado di memorizzare e ricostruire modelli nei dati. La rete era simile ai materiali magnetici in fisica, in cui gli atomi hanno piccoli campi magnetici che possono puntare verso l’alto o verso il basso, in modo simile ai valori 0 o 1 in ogni nodo di una rete di Hopfield. Per ogni data configurazione di atomi in un materiale, gli scienziati possono determinarne l’energia. Una rete di Hopfield, dopo essere stata addestrata su una varietà di modelli, riduce al minimo un’energia analoga per scoprire quale di questi modelli è nascosto nei dati di input.

“Dal mio punto di vista, la fisica sta cercando di capire come funzionano i sistemi. I sistemi sono costituiti da parti. Queste parti interagiscono”, ha detto Hopfield in osservazioni rilasciate virtualmente durante una conferenza stampa a Princeton.

Hinton, dell’Università di Toronto, si è basato su questa tecnica, ideando una rete neurale chiamata macchina di Boltzmann, che si basa sulla fisica statistica, incluso il lavoro del fisico austriaco del XIX secolo Ludwig Boltzmann. Le macchine Boltzmann contengono nodi aggiuntivi che sono nascosti: elaborano i dati ma non ricevono direttamente l’input. Diversi stati possibili del modello hanno una probabilità diversa di verificarsi. Queste probabilità sono stabilite dalla distribuzione di Boltzmann, che descrive le configurazioni di molte particelle come le molecole in un gas.

“Il lavoro svolto da Hopfield e Hinton è stato trasformativo, non solo per le comunità accademiche che sviluppano l’intelligenza artificiale e le reti neurali, ma anche per molti aspetti della società”, afferma l’informatica Rebecca Willett dell’Università di Chicago.

I due vincitori si divideranno il premio di 11 milioni di corone svedesi, ovvero circa 1 milione di dollari.

“Sono stato felice di sentirlo, in realtà. È stata una grande sorpresa”, afferma il ricercatore di intelligenza artificiale Max Welling dell’Università di Amsterdam. “C’è una connessione molto chiara con la fisica… I modelli stessi sono profondamente ispirati dai modelli fisici”. Inoltre, la scoperta ha reso possibili molti sviluppi in fisica, dice. “Cercate di trovare una tecnologia che abbia avuto un impatto maggiore sulla fisica, soprattutto dal punto di vista dei metodi. È difficile”.

Dagli anni ’80, i ricercatori hanno notevolmente migliorato questi modelli e li hanno ingranditi notevolmente. I modelli di deep machine learning ora hanno molti livelli di nodi nascosti e possono vantare centinaia di miliardi di connessioni tra i nodi. Grandi quantità di dati vengono utilizzate per addestrare le reti, raschiando Internet alla ricerca di testo o immagini da alimentare.

Mentre le tecnologie di intelligenza artificiale basate sulle reti neurali sono in grado di compiere imprese inimmaginabili negli anni ’80, le tecnologie presentano ancora una moltitudine di insidie. Molti ricercatori si concentrano ora sulla comprensione di come la prevalenza dell’apprendimento automatico possa avere impatti negativi sulla società, come rafforzare i pregiudizi razziali, facilitare la diffusione della disinformazione e rendere il plagio e l’imbroglio facili e veloci (SN: 9/10/24; SN: 2/1/24; SN: 4/12/23).

Mentre alcuni scienziati, tra cui Hinton, temono che l’IA possa diventare superintelligente, il modo in cui l’IA viene addestrata differisce dai modelli di apprendimento umani e molti ricercatori non sono d’accordo sul fatto che l’intelligenza artificiale sia sulla strada per dominare il mondo (SN: 28/2/24). I modelli di intelligenza artificiale sono famosi per commettere errori ridicoli che sfidano il buon senso. Gli scienziati stanno ancora lavorando attivamente per definire come termini come “comprensione” possano essere applicati ai sistemi di apprendimento automatico e come testare al meglio le loro capacità (SN: 7/10/24).

“Ci sono preoccupazioni reali su come [l’intelligenza artificiale] influenzerà il lavoro e il mercato del lavoro, su come consente la disinformazione e la manipolazione dei dati”, afferma Willett. “Penso che queste siano preoccupazioni molto reali nel qui e ora. Questo perché gli esseri umani possono prendere questi strumenti e usarli per scopi dannosi”.

Domande o commenti su questo articolo? Inviaci un’e-mail all’indirizzo feedback@sciencenews.org | Domande frequenti sulle ristampe