Dalla fisica all’intelligenza artificiale: perché Hopfield e Hinton hanno vinto il Nobel

Il premio Nobel per la fisica è stato assegnato quest’anno a John Hopfield e Geoffrey Hinton “per scoperte e invenzioni fondazionali che abilitano l’apprendimento automatico nelle reti neurali artificiali”. Questa motivazione non è così esplicativa, e questo non tanto perché, come altre volte è accaduto, per comprendere il senso stesso del contributo dei vincitori del premio occorrono conoscenze specifiche nel loro campo di lavoro, ma perché non è chiaro cosa c’entri l’apprendimento automatico – l’abituale traduzione in italiano di “machine learning” – con la fisica. La spiegazione successiva non è ancora sufficiente a spiegare: “Hopfield ha creato una struttura in grado di memorizzare e ricostruire informazione. Hinton ha inventato un metodo in grado di scoprire proprietà in insiemi di dati e che è diventato importante per le reti neurali di grandi dimensioni oggi diffuse.”

Nell’evento in cui è stato annunciato il premio, è stato anche detto che “i due premiati hanno usato concetti della fisica fondamentale per progettare reti neurali artificiali, che sono state usate per l’avanzamento della ricerca in vari campi della fisica, oltre che in applicazioni della vita quotidiana.” Certo, ma la connessione con la fisica continua ad apparire un poco debole.

Ovviamente le informazioni disponibili non sono ancora sufficienti per sciogliere questi dubbi, ma possiamo avanzare qualche ipotesi, e con ciò cercare di accennare ad alcune possibili relazioni fondamentali tra quella tecnologia che stiamo chiamando “intelligenza artificiale” e la fisica.

Dalla fisica all’intelligenza artificiale

Alla base di tutto ciò ci sono lavori pionieristici realizzati intorno alla metà del secolo scorso, che, sulla base delle conoscenze allora disponibili sulla neurofisiologia del cervello, proposero dei modelli matematici, dapprima del comportamento di singoli neuroni e poi, progressivamente, di reti di neuroni, sempre più complessi e capaci di comportamento sempre più sofisticato. Con il miglioramento delle tecnologie elettroniche, questi modelli furono presto implementati, inizialmente in forma di circuiti elettronici e poi come sistemi software, simulando così il comportamento di reti neurali biologiche. La sfida era, ed è, evidente: se ogni singolo neurone è un sistema relativamente semplice e dal comportamento non intelligente, e nonostante ciò una rete di tali unità elementari di elaborazione può esibire un comportamento intelligente, quali sono le condizioni che rendono possibile questa trasformazione?

Il lavoro fondativo di Hopfield e Hinton

Nel lavoro fondativo di Hopfield e Hinton possiamo identificare tre elementi basilari e complementari per una risposta.