Esseri umani e animali condividono una capacità molto particolare, di cui non sempre ci si rende conto: siamo capaci di contare senza contare. Ad esempio entrando in una stanza e vedendo molti oggetti sopra un tavolo siamo in grado di indicare il loro numero senza contarli, con un margine di errore di appena il 15%. Ora da Pisa arriva uno studio che ha individuato l’algoritmo quantistico in grado di spiegare come funziona questa capacità.
Una capacità percettiva e non cognitiva
La capacità di contare senza contare è indipendente dalla tipologia o dalla quantità di oggetti che vediamo, possono essere 5 o 200 funziona lo stesso. In pratica, come ha codificato una legge fondamentale della fisiologia – la legge di Weber – siamo capaci di contare con un margine di precisione molto alto in una maniera percettiva e non cognitiva.
In uno studio pubblicato sulla rivista Plos One, un gruppo di ricercatori e ricercatrici composto da neuroscienziati e fisici dell’Università di Pisa e del CNR Pisa – formato da Jorge Yago Malo, Guido Marco Cicchini, Maria Concetta Morrone e Marilù Chiofalo – ha presentato un modello per simulare questa operazione di conteggio che per la prima volta utilizza la meccanica quantistica.
Le ricercatrici e i ricercatori sono partiti dalla constatazione che, nel momento in cui si chiede a una rete neurale di simulare le operazioni di conteggio, questa non funziona così bene e non si riesce a ottenere un’architettura semplice che svolga questo compito. Anzi, la maggior parte delle risposte suggeriscono l’emergere del senso del numero in reti neurali molto complesse, che richiedono tipicamente l’apprendimento guidato, mentre la nostra capacità di “saper contare senza contare” è una caratteristica ubiqua in natura, che possediamo in maniera non allenata.
Un modello quantistico per descrivere un problema complesso
I ricercatori hanno elaborato un semplice modello quantistico di una rete di spin, una proprietà magnetica delle particelle quantistiche, rispetto alla quale queste possono trovarsi in più stati contemporaneamente (finché non venga effettuata una misura). Nel modello, l’eccitazione di un neurone corrisponde al cambio di stato di uno spin della rete, e l’informazione sullo stato di eccitazione dello spin si propaga nella rete attraverso il tunneling quantistico, favorita o inibita dall’interazione tra gli spin. Se ogni spin è connesso a tutti gli altri, per quanto lontani, la numerosità rimane codificata nello spettro delle frequenze con cui gli spin della rete cambiano collettivamente il loro stato: dopo la stimolazione con un certo numero di segnali transitori immessi nella rete, non importa se con sequenze temporali e spaziali casuali o ordinate, ogni stimolazione aggiunta si manifesta nello spettro con l’apparire di una, e una sola, frequenza collettiva.
“Un fatto sorprendente. Nel nostro studio abbiamo utilizzato la fisica quantistica come strumento statistico per l’elaborazione delle informazioni, senza alcuna implicazione sulla presenza di fenomeni quantistici nel processo di percezione – spiegano i ricercatori pisani – abbiamo creato un nuovo approccio in cui, aderendo alle regole della meccanica quantistica invece che a quelle classiche, siamo in grado di riprodurre un comportamento percettivo del sistema visivo con un modello minimale, che sfrutta però le proprietà per noi controintuitive dei sistemi quantistici.”
La particolarità di questa descrizione è che non solo è in grado di codificare la numerosità, ma riproduce anche la legge di Weber come una caratteristica intrinseca di tutta la rete neuronale, senza cioè che questa debba essere allenata e non importa quanto complicata sia la dinamica del sistema: “Con la macchineria della meccanica quantistica – in un certo modo e paradossalmente più semplice di quella delle reti neurali classiche –siamo riusciti a descrivere con un sistema matematico semplice un problema molto complesso”.
Il metodo sviluppato da Yago Malo, Cicchini, Morrone e Chiofalo può aprire la strada per simulare in modo efficiente altri comportamenti percettivi e ingegnerizzare intelligenze artificiali quantistiche capaci di riprodurli.
