Quando un genitore insegna al proprio bambino a relazionarsi con il mondo, insegna attraverso associazioni e l’identificazione di modelli. Prendiamo ad esempio la lettera S. I genitori mostrano al bambino abbastanza esempi della lettera e prima di lungo, saranno in grado di identificare altri esempi in contesti in cui la guida non è attiva; scuola, un libro, un cartellone pubblicitario.

Molta della tecnologia di intelligenza artificiale (AI) in continua evoluzione è stata insegnata allo stesso modo. I ricercatori hanno alimentato il sistema con esempi corretti di qualcosa che volevano far riconoscere, e come un bambino, l’AI ha iniziato a riconoscere modelli e a estrapolare tale conoscenza a contesti che non aveva mai sperimentato prima, formando la propria “rete neurale” per la categorizzazione. Come l’intelligenza umana, tuttavia, gli esperti hanno perso traccia degli input che hanno informato la presa di decisioni dell’AI.

Il “problema della scatola nera” dell’AI emerge così come il fatto che non comprendiamo appieno come o perché un sistema AI faccia connessioni, né le variabili che giocano un ruolo nelle sue decisioni. Questo problema è particolarmente rilevante quando si cerca di migliorare la sicurezza e l’affidabilità dei sistemi e di stabilire la governance dell’adozione dell’AI.

Da un veicolo dotato di AI che non riesce a frenare in tempo e ferisce i pedoni, a dispositivi di tecnologia sanitaria che aiutano i medici a diagnosticare i pazienti e alle bias esibiti dai processi di selezione del personale basati sull’AI, la complessità dietro questi sistemi ha portato alla nascita di un nuovo campo di studio: la fisica dell’AI, che cerca di stabilire ulteriormente l’AI come strumento per gli esseri umani per raggiungere una maggiore comprensione.

Ora, un nuovo gruppo di studio indipendente affronterà queste sfide unendo i campi della fisica, della psicologia, della filosofia e delle neuroscienze in un’indagine interdisciplinare dei misteri dell’AI.

NTT propone la fiducia e la sicurezza dell’AI

Il nuovo gruppo di Fisica dell’Intelligenza Artificiale è uno spin-off del laboratorio di Fisica e Informatica (PHI) di NTT Research, e è stato presentato alla conferenza Upgrade 2025 di NTT a San Francisco, in California, la scorsa settimana. Continuerà ad avanzare l’approccio della Fisica dell’Intelligenza Artificiale per comprendere l’AI, che il team ha investigato per gli ultimi cinque anni.

Il dottor Hidenori Tanaka, che ha un dottorato in Fisica Applicata e Ingegneria Informatica all’Università di Harvard, guiderà il nuovo gruppo di ricerca, costruendo sulla sua precedente esperienza nel gruppo di sistemi intelligenti di NTT e nel programma di ricerca sull’AI di CBS-NTT alla fisica dell’intelligenza all’Università di Harvard.

“Come fisico, sono entusiasta dell’argomento dell’intelligenza perché, matematicamente, come puoi pensare al concetto di creatività? Come puoi pensare alla gentilezza? Questi concetti sarebbero rimasti astratti se non fosse stato per l’AI. È facile speculare, dicendo ‘questa è la mia definizione di gentilezza’, che non è matematicamente significativa, ma adesso con l’AI, è praticamente importante perché se vogliamo rendere l’AI gentile, dobbiamo dirle in linguaggio matematico cosa sia la gentilezza, ad esempio”, ha detto il dottor Tanaka la scorsa settimana, ai margini della conferenza di Upgrade.

All’inizio della loro ricerca, il laboratorio PHI ha riconosciuto l’importanza di comprendere la natura “a scatola chiusa” dell’AI e dell’apprendimento automatico per sviluppare nuovi sistemi con una maggiore efficienza energetica per il calcolo. Il progresso dell’AI negli ultimi cinque anni, tuttavia, ha sollevato considerazioni di sicurezza e affidabilità sempre più importanti, che sono diventate critiche per le applicazioni industriali e le decisioni di governance sull’adozione dell’AI.

Attraverso il nuovo gruppo di ricerca, NTT Research affronterà le somiglianze tra intelligenza biologica e artificiale, sperando di svelare le complessità dei meccanismi dell’AI e di costruire una fusione più armoniosa di collaborazione uomo-AI.

Sebbene questa approccio non sia nuovo, i fisici hanno cercato di rivelare i dettagli precisi delle relazioni tecnologiche e umane per secoli, dalle ricerche di Galileo Galilei su come si muovono gli oggetti e il suo contributo alla meccanica, a come la macchina a vapore ha informato la comprensione della termodinamica durante la Rivoluzione Industriale. Nel XXI secolo, tuttavia, gli scienziati stanno cercando di comprendere come funziona l’AI in termini di addestramento, accumulo di conoscenze e presa di decisioni, in modo che, in futuro, possano essere progettate tecnologie AI più coese, sicure e affidabili.

“L’AI è una rete neurale, il modo in cui è strutturata è molto simile a come funziona il cervello umano; neuroni connessi da sinapsi, che sono tutti rappresentati da numeri all’interno di un computer. E poi è lì che crediamo che ci possa essere fisica… La fisica è prendere qualsiasi cosa dell’universo, formulare ipotesi matematiche sulle sue operazioni interne e testarle”, ha detto il dottor Hanaka.

Il nuovo gruppo continuerà a collaborare con il Centro di Scienze del Cervello dell’Università di Harvard (CBS) e pianifica di collaborare con il professor associato di Stanford University Suya Ganguli, con il quale il dottor Tanaka ha co-autore diversi articoli.

Tuttavia, il dottor Tanaka sottolinea che un approccio basato sulla scienza naturale e cross-industriale sarà fondamentale. Nel 2017, quando era un candidato al dottorato all’Università di Harvard, il ricercatore ha realizzato che voleva fare più della fisica tradizionale e seguire le orme dei suoi predecessori, da Galilei a Newton e Einstein, per aprire nuovi mondi concettuali nella fisica.

“Attualmente, l’AI è l’unico argomento di cui posso parlare con tutti. Come ricercatore, è fantastico perché tutti sono sempre disposti a parlare di AI, e io imparo anche da ogni conversazione perché mi rendo conto di come le persone vedono e usano l’AI in modo diverso, anche al di là dei contesti accademici. Vedrei la missione di NTT come catalizzatore per innescare queste conversazioni, indipendentemente dalle background delle persone, perché impariamo da ogni interazione”, ha concluso il dottor Tanaka.