Il fisico Richard Feynman era famoso per trasformare qualsiasi situazione quotidiana in un rompicapo scientifico. E a quanto pare, persino la scelta di cosa mangiare a pranzo non faceva eccezione. Quella che potrebbe sembrare una banale indecisione davanti al menù, nelle mani di Feynman diventò un vero e proprio problema matematico, appuntato nei suoi celebri taccuini. Ora, dopo anni, un gruppo di ricercatori è riuscito a decifrare quegli appunti. E la scoperta è tanto affascinante quanto sorprendente: le persone, senza saperlo, arrivano da sole a una soluzione molto simile a quella che il fisico aveva formalizzato con rigore scientifico.

Il cosiddetto problema del pranzo di Feynman riguarda essenzialmente il processo decisionale che si attiva quando ci si trova davanti a più opzioni e bisogna sceglierne una, senza poter tornare indietro. Pensateci: quante volte capita di scorrere un menù, valutare le alternative, scartarne alcune e poi fermarsi su qualcosa che sembra “abbastanza buono”? Ecco, Feynman aveva intuito che dietro questo meccanismo apparentemente casuale si nascondesse una logica precisa, quasi un algoritmo naturale che il cervello umano esegue in automatico.

Gli appunti ritrovati e la conferma scientifica

I ricercatori che hanno analizzato i suoi appunti hanno trovato una formulazione che ricorda da vicino il classico problema della segretaria, uno dei quesiti più studiati nella teoria delle decisioni. La regola, semplificando molto, suggerisce di esplorare circa il 37% delle opzioni disponibili senza scegliere nulla, per poi selezionare la prima alternativa che supera tutte quelle viste fino a quel momento. È una strategia matematicamente ottimale, e il fatto che Feynman la applicasse alla scelta del pranzo la dice lunga sulla sua capacità di vedere la scienza ovunque.

Ma la parte davvero interessante della ricerca sta altrove. Gli studiosi hanno scoperto che le persone comuni, senza alcuna formazione specifica in teoria delle decisioni, tendono a seguire spontaneamente un approccio molto simile. Non con la precisione chirurgica di una formula, certo, ma con un’approssimazione che funziona sorprendentemente bene nella pratica. Il cervello, in sostanza, ha sviluppato nel tempo delle scorciatoie cognitive che ricalcano soluzioni matematiche elaborate.

Perché questo problema ci riguarda tutti

Quello che rende il problema del pranzo così interessante non è solo la sua eleganza teorica. È il fatto che parla di qualcosa che facciamo continuamente: prendere decisioni con informazioni incomplete, sotto pressione e senza la possibilità di ricominciare da capo. Che si tratti di scegliere un ristorante, un appartamento o persino un partner, il meccanismo è sempre quello. Feynman, con la sua solita genialità un po’ giocosa, aveva colto un principio universale nascosto dentro un gesto banale.

E forse è proprio questo il lascito più bello di questa storia. Non serve essere un premio Nobel per fare scelte ragionevolmente buone. Il nostro cervello, a modo suo, è già un piccolo matematico inconsapevole.

L'articolo Feynman e il problema del pranzo: la scoperta che nessuno si aspettava proviene da Tecnoapple.

Le collisioni tra navi e balene sono un problema molto più serio di quanto si pensi. Ogni anno, decine di cetacei vengono colpiti e uccisi da imbarcazioni commerciali e da trasporto, spesso senza che l’equipaggio se ne accorga nemmeno. Ora, però, una nuova intelligenza artificiale addestrata a leggere le immagini termiche potrebbe cambiare radicalmente le cose, offrendo un sistema di allerta capace di rilevare il calore corporeo delle balene prima che sia troppo tardi.

Il concetto, in fondo, è tanto semplice quanto geniale. Le balene, come tutti i mammiferi, emettono calore. Quando emergono in superficie per respirare, la loro firma termica diventa visibile alle telecamere a infrarossi. Ed è proprio qui che entra in gioco l’intelligenza artificiale: un algoritmo è stato addestrato a riconoscere queste firme termiche in mezzo al rumore di fondo dell’oceano, distinguendo il corpo di un cetaceo da onde, riflessi solari e altri elementi che normalmente confonderebbero un sensore tradizionale.

Come funziona il sistema di rilevamento termico

La tecnologia si basa su telecamere a infrarossi montate sulle navi o su piattaforme fisse lungo le rotte più trafficate. L’intelligenza artificiale analizza i dati in tempo reale, cercando pattern termici compatibili con la presenza di balene nelle vicinanze. Quando il sistema identifica un potenziale animale, invia un avviso all’equipaggio, che può così modificare la rotta o ridurre la velocità.

Quello che rende questo approccio particolarmente interessante è che funziona anche di notte e in condizioni di scarsa visibilità, situazioni in cui gli avvistamenti tradizionali a occhio nudo sono praticamente impossibili. Non si tratta di sostituire i metodi già esistenti, come il monitoraggio acustico, ma di aggiungere un livello di protezione in più, complementare e molto efficace.

Perché serve proprio adesso

Le rotte commerciali globali attraversano spesso zone di alimentazione e migrazione dei grandi cetacei. Con l’aumento del traffico marittimo, il rischio di collisioni tra navi e balene è cresciuto in modo significativo negli ultimi anni. Alcune specie già a rischio di estinzione, come la balena franca nordatlantica, subiscono perdite che la popolazione non riesce a compensare.

Avere un sistema basato su intelligenza artificiale e immagini termiche non risolve tutti i problemi, ovviamente. Ma rappresenta un passo avanti concreto. È il tipo di tecnologia che, se adottata su larga scala, potrebbe davvero fare la differenza tra una specie che sopravvive e una che scompare. E in un momento storico in cui si parla tanto di sostenibilità, strumenti come questo dimostrano che la tecnologia, quando applicata nel modo giusto, sa anche prendersi cura del pianeta.

L'articolo IA rileva il calore delle balene per evitare collisioni in mare proviene da Tecnoapple.

Simulare materiali quantistici così complessi da mettere in ginocchio i supercomputer più potenti al mondo sembrava un’impresa fuori portata. Eppure un nuovo algoritmo quantistico sviluppato dai ricercatori della Aalto University ha fatto esattamente questo, aprendo scenari che fino a poco tempo fa appartenevano alla fantascienza. Il team finlandese ha trovato il modo di simulare i cosiddetti quasicristalli, strutture quantistiche dalla complessità matematica spaventosa, con una velocità che lascia senza parole.

Per capire la portata della cosa, basta un numero: simulare un quasicristallo può richiedere l’elaborazione di oltre un quadrilione di valori numerici. Parliamo di una scala che va ben oltre le capacità di qualsiasi supercomputer attualmente esistente. L’algoritmo quantistico messo a punto dal gruppo guidato dal professor Jose Lado aggira il problema in modo elegante, riformulando l’intera sfida con tecniche ispirate al funzionamento dei computer quantistici. In pratica, anziché tentare un calcolo diretto della struttura completa del materiale, il sistema sfrutta le cosiddette reti tensoriali per codificare spazi computazionali esponenzialmente grandi. Il risultato? Un quasicristallo con oltre 268 milioni di siti simulato quasi istantaneamente.

Dai quasicristalli topologici ai qubit del futuro

Al centro della ricerca ci sono i quasicristalli topologici, materiali particolarissimi che ospitano eccitazioni quantistiche non convenzionali. Queste eccitazioni hanno una proprietà molto interessante: proteggono la conduttività elettrica dal rumore e dalle interferenze. Un dettaglio tutt’altro che trascurabile quando si pensa alle applicazioni pratiche, come l’elettronica a dissipazione zero, capace di condurre elettricità senza perdite di energia. In un’epoca in cui i data center per l’intelligenza artificiale divorano quantità enormi di energia, una tecnologia del genere potrebbe fare la differenza.

Lo studio, pubblicato su Physical Review Letters come Editor’s Suggestion, è stato condotto dal dottorando Tiago Antão insieme a Yitao Sun e Adolfo Fumega. La parte sperimentale vera e propria non c’è ancora, il lavoro resta per ora su base teorica e simulativa. Ma il passo successivo è già in vista: Lado ha spiegato che l’algoritmo quantistico potrà essere adattato per funzionare su hardware quantistico reale, non appena le macchine raggiungeranno la scala e la fedeltà necessarie. L’infrastruttura finlandese AaltoQ20 potrebbe giocare un ruolo chiave in questa fase.

Un circolo virtuoso tra materiali e algoritmi

C’è un aspetto che rende questa ricerca ancora più affascinante. Il professor Lado parla di un “ciclo di feedback produttivo” tra materiali quantistici e computer quantistici. In sostanza, gli algoritmi ispirati al quantum computing permettono di progettare nuovi materiali, che a loro volta serviranno a costruire computer quantistici migliori. È un circolo virtuoso, una spirale positiva che potrebbe accelerare enormemente lo sviluppo tecnologico del settore.

Il progetto rientra nel grant ERC Consolidator ULTRATWISTROICS di Lado, focalizzato sulla progettazione di qubit topologici con materiali van der Waals, e nel Centro di Eccellenza QMAT dedicato alle tecnologie quantistiche. Progettare e studiare materiali esotici potrebbe diventare una delle prime applicazioni davvero pratiche del quantum computing. E questo algoritmo quantistico, nato in un laboratorio di Helsinki, potrebbe essere il punto di partenza.

L'articolo Algoritmo quantistico risolve in secondi un problema ritenuto impossibile proviene da Tecnoapple.

L’intelligenza artificiale in medicina sta facendo parlare molto di sé, e non solo negli ambienti accademici. L’idea che un algoritmo possa aiutare un medico a non farsi sfuggire una diagnosi è affascinante, quasi rassicurante. Ma tra il potenziale teorico e la realtà quotidiana degli ospedali c’è ancora un bel po’ di strada da percorrere. E vale la pena capire a che punto siamo davvero.

Partiamo da un dato di fatto: le diagnosi mancate rappresentano un problema serio in tutto il mondo. Succede più spesso di quanto si pensi che un paziente venga rimandato a casa senza che il quadro clinico venga colto nella sua interezza. Errori umani, carichi di lavoro insostenibili, sintomi ambigui. Qui entra in gioco la tecnologia. I sistemi basati sull’AI diagnostica sono in grado di analizzare enormi quantità di dati clinici, immagini radiologiche, referti di laboratorio e segnalare pattern che all’occhio umano potrebbero sfuggire. In teoria, uno strumento potentissimo. In pratica, le cose si complicano.

Perché servono ancora test nel mondo reale

Molti di questi strumenti funzionano bene in ambienti controllati. Nei laboratori, con dataset puliti e ben etichettati, le performance sono spesso impressionanti. Ma il mondo reale è un’altra cosa. I pazienti non si presentano con cartelle cliniche perfettamente organizzate. Le informazioni sono frammentate, a volte contraddittorie. E poi c’è il fattore umano: ogni medico ha il proprio modo di ragionare, di raccogliere l’anamnesi, di prendere decisioni. Inserire un sistema di supporto decisionale basato sull’intelligenza artificiale in questo flusso richiede validazioni rigorose, studi clinici su larga scala e un adattamento che non si può improvvisare.

C’è anche una questione di fiducia. Se un algoritmo suggerisce una diagnosi diversa da quella del clinico, chi ha ragione? E chi si assume la responsabilità? Questi non sono dettagli tecnici, sono nodi etici e legali che vanno sciolti prima di poter integrare davvero l’intelligenza artificiale nella pratica medica quotidiana.

Il ruolo insostituibile della supervisione umana

Nessuno, nemmeno i più entusiasti sostenitori della tecnologia, suggerisce di togliere il medico dall’equazione. L’intelligenza artificiale in medicina funziona meglio quando affianca il professionista, non quando lo sostituisce. Il concetto chiave è quello della supervisione umana: l’algoritmo propone, il clinico dispone. Questo approccio collaborativo è l’unico che ha senso, almeno allo stato attuale.

L’entusiasmo è comprensibile, ma serve anche prudenza. La corsa a implementare soluzioni di AI diagnostica senza un’adeguata fase di test clinici rischia di creare più problemi di quanti ne risolva. Falsi positivi che generano ansia nei pazienti, falsi negativi che danno una falsa sicurezza, algoritmi addestrati su popolazioni non rappresentative che amplificano disuguaglianze già esistenti.

L’intelligenza artificiale in medicina ha un potenziale enorme, su questo non ci sono dubbi. Ma quel potenziale va tradotto con metodo, trasparenza e rispetto per la complessità della cura. La tecnologia può essere un alleato straordinario, a patto che nessuno dimentichi che al centro resta sempre il paziente, e che la decisione finale spetta ancora a chi indossa il camice.

L'articolo AI in medicina: perché le diagnosi automatiche non sono ancora affidabili proviene da Tecnoapple.

Le funzioni di autocompletamento basate sull’intelligenza artificiale sono ormai ovunque. Nella posta elettronica, nei messaggi, nei documenti di lavoro: basta iniziare a digitare una frase e il sistema propone il resto. Comodo, veloce, efficiente. Ma c’è un problema che sta emergendo con forza crescente: queste funzioni potrebbero modificare il modo in cui le persone formulano i propri pensieri. E la cosa più inquietante è che quasi nessuno ne è consapevole.

Parliamoci chiaro. Quando qualcuno accetta un suggerimento di autocompletamento AI mentre scrive, non sta semplicemente risparmiando tempo. Sta delegando, anche solo parzialmente, una decisione linguistica a un algoritmo. Una parola diversa da quella che sarebbe venuta in mente naturalmente. Una sfumatura leggermente spostata. Un tono che forse non era esattamente quello voluto. Tutto questo, ripetuto centinaia di volte al giorno, ha un impatto. Ed è un impatto che la ricerca sta cominciando a documentare con dati piuttosto eloquenti.

Il meccanismo sottile che altera la scrittura e il pensiero

Il punto centrale è questo: la scrittura assistita dall’AI non si limita a completare frasi. Orienta le scelte espressive. Se un sistema propone sistematicamente costruzioni più neutre, più formali o più generiche, chi scrive finisce per adattarsi a quello stile senza rendersene conto. È un fenomeno che gli esperti di scienze cognitive chiamano priming linguistico, e funziona in modo particolarmente efficace quando la persona non sa di essere influenzata.

Pensare e scrivere sono attività profondamente intrecciate. Non è una novità, lo sapeva già chiunque abbia tenuto un diario o lavorato su un testo complesso. Quando si cerca la parola giusta, il cervello attraversa un processo di selezione che riflette ciò che davvero si vuole comunicare. L’autocompletamento AI cortocircuita questo processo. Lo rende più rapido, certo, ma anche meno personale. E col tempo, meno autentico.

C’è poi un aspetto che riguarda la diversità espressiva. Se milioni di persone utilizzano gli stessi modelli linguistici per farsi suggerire come completare le frasi, il rischio concreto è un appiattimento del linguaggio su larga scala. Le espressioni originali, i modi di dire regionali, le scelte stilistiche individuali tendono a scomparire, sostituite da un lessico medio, prevedibile e, diciamolo, un po’ noioso.

Cosa significa davvero per chi usa questi strumenti ogni giorno

Non si tratta di demonizzare la tecnologia. Gli strumenti di intelligenza artificiale applicata alla scrittura possono essere utilissimi, soprattutto per chi lavora con volumi enormi di testo o per chi scrive in una lingua che non è la propria. Il problema nasce quando l’uso diventa automatico, acritico, quasi inconsapevole. Quando si accetta ogni suggerimento senza neanche leggere cosa propone il sistema.

Un aspetto particolarmente rilevante riguarda le nuove generazioni. Ragazze e ragazzi che crescono con queste funzionalità integrate in ogni app rischiano di non sviluppare mai pienamente la propria voce scritta. Se fin da subito qualcuno, o qualcosa, completa le frasi al posto loro, il muscolo della scrittura autonoma si atrofizza. E con esso, una parte della capacità di pensiero indipendente.

La questione non è se usare o meno l’autocompletamento AI. La questione è farlo con consapevolezza. Sapere che ogni suggerimento accettato è una micro decisione delegata. Sapere che il proprio stile di pensiero potrebbe essere modellato, giorno dopo giorno, da un algoritmo progettato per la prevedibilità statistica e non per l’originalità espressiva.

Forse vale la pena, ogni tanto, ignorare quel suggerimento grigio che appare a fine riga. E finire la frase da soli. Anche se ci vuole qualche secondo in più. Anche se il risultato non è perfetto. Perché quel piccolo sforzo è esattamente ciò che tiene vivo il pensiero critico in un’epoca in cui la comodità rischia di sostituire la riflessione.

L'articolo Autocompletamento AI sta cambiando il modo in cui pensiamo: ecco come proviene da Tecnoapple.