10:49 09 Dicembre 2019
Intelligenza artificiale

L’intelligenza artificiale 'scopre' che la Terra è rotonda e gira intorno al Sole

© Depositphotos / Depositphotos / jamesteohart, NASA / ESA / G. Bacon (STScI)
Mondo
URL abbreviato
142
Seguici su

L’umanità ci ha impiegato non poco a capirlo. Un'intelligenza artificiale, chiamata non a caso Copernico, ci ha impiegato il tempo di una deduzione a partire dalla semplice osservazione dei movimenti del Sole e di Marte visti dalla Terra. Ma a cosa servirà una ‘scoperta’ del genere se Copernico, quello vero, l’aveva già fatta mezzo millennio fa?

L’utilità di una ‘scoperta’ di questo genere consiste nel fatto che è stata fatta da un algoritmo di apprendimento automatico ispirato al cervello umano. L’idea alla base del lavoro del ETH, l'Istituto Federale Svizzero di Tecnologia di Zurigo era la seguente – se l’intelligenza artificiale, data una semplice osservazione dei movimenti apparenti di Sole e Marte visti dalla Terra, riesce a dedurre da sé che la Terra gira intorno al Sole, allora, dati altre moli di dati da osservare potrebbe dedurre qualcosa che non sappiamo già.

Quello che vogliono il fisico Renato Renner dell’ETH e i suoi collaboratori è proprio questo – ottenere un algoritmo in grado di distillare grandi insiemi di dati in alcune formule di base, imitando il modo in cui i fisici elaborano equazioni concise come E=mc2. Per fare questo, i ricercatori hanno dovuto progettare un nuovo tipo di rete neurale, un sistema di apprendimento automatico ispirato alla struttura del cervello.

Le reti neurali convenzionali imparano a riconoscere oggetti - come immagini o suoni - allenandosi su enormi set di dati. Quindi codificano queste caratteristiche in "nodi" matematici, l'equivalente artificiale dei neuroni. Ma piuttosto che concentrare tali informazioni in poche regole facilmente interpretabili, come fanno i fisici, le reti neurali sono una sorta di scatola nera, diffondendo le loro conoscenze acquisite su migliaia o persino milioni di nodi in modi imprevedibili e difficili da interpretare.

Quindi il team di Renner ha progettato una sorta di rete neurale "a due livelli": due sottoreti legate tra loro solo attraverso una manciata di collegamenti. La prima sottorete acquisisce i dati, come in una tipica rete neurale, e la seconda li usa quale ‘esperienza’ per fare nuove previsioni.

La deduzione 'copernicana'

Come il Copernico vero, l’algoritmo che non a caso da questi prende il nome, ha avuto come primo compito quello di dedurre la posizione del nostro pianeta nel quadro del Sistema Solare a partire dai dati forniti sui moti apparenti di Sole e Marte visti dalla Terra. Compito non semplice perché se dall’osservazione del Sole non sembrerebbe difficile dedurre che la Terra sia prima di tutto rotonda e che, o questa ruoti intorno al Sole (teoria eliocentrica appunto copernicana) oppure sia il Sole a ruotarle intorno (come si credeva prima di Copernico), l’osservazione del moto di Marte invece manderebbe chiunque in confusione come infatti fece per molti secoli in passato.

L'orbita di Marte vista dalla Terra è infatti chiamata ‘moto apparente retrogrado’.

A causa dello spostamento del punto di osservazione durante il moto di rivoluzione della Terra intorno al Sole e della differenza di velocità delle orbite di Terra e Marte rispettive, il pianeta rosso, circa una volta ogni due anni, esegue un movimento in cielo che sembrerebbe indicare un cambio di traiettoria tale da contraddire tutte le leggi si di Copernico che di Keplero. In realtà l’orbita di Marte intorno al Sole è del tutto regolare ma siccome, per via delle differenti velocità dei due pianeti intorno alla stella madre (i pianeti interni ruotano intorno alla loro stella più velocemente rispetto a quelli esterni per via della terza legge di Keplero), la Terra una volta ogni due anni supera Marte, si forma quella che è una vera e propria illusione ottica. L’animazione qui sotto spiegherà il fenomeno.

Ebbene, a quanto pare, il Copernico in formato digitale, sarebbe riuscito ad arrivare alle stesse conclusioni del Copernico storico e capire persino la complessità del moto apparentemente retrogrado di Marte nel contesto del movimento della Terra stessa intorno al Sole.

Secondo il robotico Hod Lipson della Columbia University di New York City questo lavoro sarebbe importante perché in grado di individuare i parametri cruciali che descrivono un sistema fisico.

"Penso che questo tipo di tecniche siano la nostra unica speranza di comprendere e tenere il passo con fenomeni sempre più complessi, in fisica e oltre", afferma.

Renner e il suo team vorrebbero sviluppare tecnologie di apprendimento automatico che potrebbero aiutare i fisici a risolvere apparenti contraddizioni nella meccanica quantistica. La teoria sembra infatti produrre più spesso di quanto si pensi previsioni contrastanti sull'esito di un esperimento e sul modo in cui è visto da un osservatore soggetto alle sue leggi, proprio come il moto apparente di Marte sembrerebbe a prima vista contrastante con quello che l’osservatore si attenderebbe.

RegolamentoDiscussione
Commenta via FacebookCommenta via Sputnik