La Statale di Milano: un algoritmo AI per imitare i neuroni
Milano – L’Università statale di Milano ha sviluppato un algoritmo che, imitando il sistema del cervello, sfrutta il ‘rumore di fondo’ per processare grosse quantità di dati in sequenza, così come i neuroni elaborano informazioni in un contesto molto disturbato. In questo modo, il sistema risulta più stabile e controllabile, evitando la perdita di informazioni e consentendo di analizzare sequenze di dati molto lunghi. I risultati mostrano che questo metodo apre la strada a un’intelligenza artificiale quantistica più robusta, scalabile ed efficiente, applicabile a futuri computer quantistici. Lo studio è stato pubblicato su Npj Quantum Information. “Una delle caratteristiche sorprendenti dei neuroni è che lavorano bene nonostante siano immersi in un contesto molto rumoroso, pieno cioè di disturbi che tendono a coprire la comunicazione tra di loro – spiega Enrico Prati, docente di Fisica Teorica della Materia del Dipartimento di Fisica Aldo Pontremoli e coordinatore della ricerca -. Questo ha ispirato in passato modelli di intelligenza artificiale in cui uno degli ingredienti chiave è proprio il rumore, che consente di ripulire l’elaborazione che avviene tra i neuroni dalle informazioni troppo vecchie. Il processo viene detto a memoria evanescente”. Grazie all’avvento dei computer quantistici, è stato possibile trascrivere questa metodologia di intelligenza artificiale su reti di bit quantistici. La ricerca non solo ha confermato che l’idea di usare il rumore di un computer quantistico funziona, ma si è spinta oltre, trovando la chiave per indurre in modo controllato il meccanismo.
