I ricercatori di un laboratorio dell'Università di Aarhus hanno sviluppato un'interfaccia di gioco remota versatile che ha permesso a esperti esterni e centinaia di scienziati cittadini di tutto il mondo di ottimizzare un esperimento di gas quantistico attraverso la collaborazione multiplayer e in tempo reale. Gli sforzi di entrambi i team sono notevolmente migliorati rispetto alle precedenti migliori soluzioni stabilite dopo mesi di attenta ottimizzazione sperimentale. Confrontando esperti di dominio, algoritmi e scienziati cittadini è un primo passo per svelare il modo in cui gli umani risolvono problemi complessi, problemi di scienze naturali.

In un futuro caratterizzato da algoritmi con potenza computazionale sempre maggiore, è essenziale comprendere la differenza tra intelligenza umana e intelligenza artificiale. Ciò consentirà lo sviluppo di interfacce di intelligence ibride che sfruttino in modo ottimale il meglio di entrambi i mondi. Rendendo disponibili complesse sfide di ricerca per il contributo del pubblico in generale, la scienza dei cittadini fa esattamente questo. Numerosi progetti di scienza dei cittadini hanno dimostrato che gli esseri umani possono competere con algoritmi all'avanguardia per risolvere complessi, problemi di scienze naturali.

Però, questi progetti finora non hanno affrontato il motivo per cui un collettivo di scienziati cittadini può risolvere problemi così complessi. Un team interdisciplinare di ricercatori dell'Università di Aarhus, Università di Ulma, e l'Università del Sussex, Brighton ha compiuto i primi passi importanti in questa direzione analizzando le prestazioni e la strategia di ricerca sia di un algoritmo informatico all'avanguardia che di cittadini scienziati nella loro ottimizzazione in tempo reale di un ambiente di laboratorio sperimentale.

La sfida di Alice

Nella sfida di Alice, Robert Heck e colleghi hanno dato ad esperti e cittadini scienziati l'accesso dal vivo al loro esperimento con gas quantistico ultra freddo. Ciò è stato reso possibile tramite una nuova interfaccia remota creata dal team di ScienceAtHome dell'Università di Aarhus. Manipolando raggi laser e campi magnetici, il compito era quello di raffreddare il maggior numero di atomi possibile fino a temperature estremamente fredde appena sopra lo zero assoluto a -273.15°C. Questo cosiddetto condensato di Bose-Einstein (BEC) è uno stato distinto della materia (come solido, liquido, gas o plasma) che costituisce un candidato ideale per eseguire cose come esperimenti di simulazione quantistica e misurazioni di alta precisione.

Come descritto di seguito, entrambi i gruppi hanno utilizzato con successo l'interfaccia remota per migliorare le soluzioni precedentemente ottimali. In questa prima sfida di ottimizzazione sperimentale della scienza dei cittadini con feedback in tempo reale, i ricercatori hanno ulteriormente quantificato il comportamento dei cittadini scienziati. Hanno concluso che ciò che rende unico il problem solving umano è che un collettivo di individui può bilanciare i tentativi innovativi e perfezionare le soluzioni esistenti in base alle loro prestazioni precedenti.

Ottimizzazione quantistica come servizio remoto

La tecnologia quantistica sta uscendo sempre più dai laboratori universitari per entrare nel mondo aziendale. Per applicazioni robuste e ad alte prestazioni, sono necessari livelli eccezionali di controllo dei sistemi complessi, così come nuove metodologie nella scienza sia teorica che sperimentale. Ciò richiede collaborazioni interdisciplinari e spesso transistituzionali, che a sua volta richiede lo sviluppo di interfacce efficienti per consentire a ciascuno degli esperti di contribuire nel modo più efficiente possibile.

Negli ultimi anni, iniziano a comparire interfacce remote per apparati sperimentali. Però, sono sempre focalizzati o su contesti educativi o sull'indagine di un apparato sperimentale molto particolare.

In contrasto, Robert Heck e i suoi colleghi nell'attuale lavoro hanno deciso di sviluppare un'interfaccia remota flessibile e un potente algoritmo di ottimizzazione che può essere potenzialmente applicato a molte altre impostazioni in futuro. La produzione sperimentale di BEC funge da banco di prova ideale:

Il pacchetto RedCRAB

"Fare in modo che le macchine giocassero all'Alice Challenge insieme agli umani su Internet ci ha richiesto di creare un nuovo pacchetto software, granchio rosso, per l'ottimizzazione a distanza di esperimenti quantistici, " spiegarono Tommaso Calarco e Simone Montangero, leader del team di ottimizzazione di Ulm.

RedCRAB è ideale per problemi con molti parametri di controllo quando l'esatta modellazione teorica del sistema è sconosciuta e altri metodi di ottimizzazione tradizionali falliscono. Ha inoltre il vantaggio che gli esperti di ottimizzazione possono facilmente regolare i parametri algoritmici e sfruttare il suo pieno potenziale senza richiedere una comunicazione intermedia con il team sperimentale. Inoltre, l'efficienza dell'ottimizzazione può essere analizzata, e in base a ciò, miglioramenti algoritmici possono essere apportati e facilmente trasferiti a futuri esperimenti.

Tommaso Calarco è estremamente entusiasta dei risultati:

"L'ottimizzazione di RedCRAB ha funzionato così bene che ora viene applicata in diversi laboratori in tutto il mondo per migliorare le prestazioni dei dispositivi quantistici. Abbiamo in programma di estenderlo come servizio cloud che riteniamo possa portare a uno sviluppo più rapido della comprensione teorica, dello sviluppo algoritmico e in generale della scienza e delle tecnologie quantistiche."

Una sfida di ricerca può essere trasformata in un gioco?

Come menzionato sopra, Le interfacce di gioco negli ultimi anni hanno consentito ai non esperti di utilizzare la propria creatività e intuizione per contribuire a vari campi scientifici. Nel 2016, il gruppo di ricerca di Aarhus ha riportato i risultati del primo gioco di scienza quantistica dei cittadini, Mosse Quantiche, in Natura . Nel gioco, i giocatori hanno contribuito a trovare soluzioni rapide ed efficienti per il trasporto atomico in un'architettura di calcolo quantistico.

La chiara analogia simile all'acqua di quel particolare gioco e la scarsità di altri giochi quantistici da allora ha suscitato la critica che forse i non esperti possono contribuire solo in argomenti di ricerca per i quali è possibile stabilire una chiara analogia classica. Poiché questo può essere stabilito raramente per una data sfida di ricerca, potrebbe sembrare che l'approccio di gamification sia di applicabilità generale molto limitata e Quantum Moves era solo un caso molto speciale.

Per verificare questa ipotesi, l'interfaccia remota per l'esperimento sugli atomi ultrafreddi ad Aarhus è stata trasformata in un gioco scientifico cittadino, la sfida di Alice. Concretamente, i giocatori controllavano le intensità laser ei campi magnetici della sequenza sperimentale. Come illustrato in figura l'interfaccia di "gioco" è tutt'altro che intuitiva e forse poco divertente. I giocatori trascinano una o più curve, premere il pulsante di invio. Quindi la soluzione è stata inviata al laboratorio, l'esperimento condotto, e circa 35 secondi dopo il risultato viene comunicato al giocatore.

Due settimane di gioco e soluzioni migliori

Robert Heck, uno dei principali scienziati nella progettazione dell'Alice Challenge e primo autore dell'articolo:

"Questo realizza la prima sfida di ottimizzazione sperimentale della scienza dei cittadini con feedback in tempo reale in qualsiasi campo. Nell'Alice Challenge 600 scienziati cittadini hanno avuto accesso per oltre due settimane al nostro laboratorio ad Aarhus. In questo lasso di tempo, 7577 soluzioni sono state presentate e realizzate in laboratorio. È stata una sfida anche per noi. Poiché i nostri partecipanti provenivano da tutto il mondo, abbiamo dovuto mantenere l'esperimento online per due settimane consecutive senza interruzioni".

Sebbene i giocatori non avessero alcuna formazione formale in fisica sperimentale, riuscirono comunque a trovare soluzioni sorprendentemente buone. Come mai? Un suggerimento è venuto da un'intervista con un top player, un ingegnere italiano in pensione di sistemi a microonde. Egli ha detto:che per lui la partecipazione all'Alice Challenge gli ha ricordato molto il suo precedente lavoro di ingegnere. Non ha mai raggiunto una comprensione dettagliata dei sistemi a microonde, ma ha trascorso anni a sviluppare un'intuizione su come ottimizzare le prestazioni della sua "scatola nera".

"Questo è estremamente eccitante. Noi esseri umani possiamo sviluppare capacità generali di ottimizzazione nella nostra vita lavorativa quotidiana che possiamo trasferire in modo efficiente a nuove impostazioni. Se questo è vero, qualsiasi sfida di ricerca può infatti essere trasformata in un gioco di scienza dei cittadini, " disse Jacob Sherson, capo del progetto ScienceAtHome.

Gli scienziati cittadini sono davvero migliori?

In che modo i dilettanti inesperti che utilizzano un'interfaccia di gioco poco intuitiva possono competere con gli sperimentatori esperti? Una risposta potrebbe trovarsi in una vecchia citazione di Herbert Simon:"Risolvere un problema significa semplicemente rappresentarlo in modo da rendere trasparente la soluzione". In questa visione, i giocatori potrebbero avere prestazioni migliori, non perché abbiano abilità superiori, ma perché l'interfaccia che stanno utilizzando rende un altro tipo di esplorazione "la cosa più ovvia da provare" rispetto all'interfaccia di controllo sperimentale tradizionale.

"Il processo di sviluppo di interfacce divertenti che consentono agli esperti e ai cittadini scienziati di visualizzare i complessi problemi di ricerca da diverse angolazioni, può contenere la chiave per lo sviluppo di futuri sistemi di intelligenza ibrida in cui facciamo un uso ottimale della creatività umana, " ha spiegato Jacob Sherson.

Scienze sociali allo stato brado

Un'altra ragione del successo dei cittadini scienziati è probabilmente dovuta alla collaborazione multiplayer che l'interfaccia remota ha facilitato. La verifica di questa ipotesi ha comportato un sostanziale avanzamento rispetto alle scienze sociali tradizionali.

Carsten Bergenholtz e Oana Vuculescu, gli esperti di scienze sociali del progetto:

"Nelle scienze sociali siamo interessati a come le persone risolvono i problemi. Tuttavia, li invitiamo spesso in un laboratorio di scienze sociali per risolvere problemi artificiali, che non sono direttamente collegati al mondo reale. Per di più, gli individui in laboratorio di solito risolvono da soli questi problemi artificiali. In contrasto, la nostra Alice Challenge è stata un'opportunità unica per fare scienze sociali 'in the wild', i.e. i giocatori hanno risolto un problema reale e abbiamo permesso ai giocatori di collaborare e imparare gli uni dagli altri. Globale, questo ci consente di affrontare il motivo per cui un collettivo di scienziati cittadini è sorprendentemente bravo a risolvere problemi così complessi".

I ricercatori scoprono che gli individui in cima o in fondo alla classifica si comportano in modo diverso. I giocatori con buone prestazioni si impegnano in piccole modifiche alle soluzioni proposte, mentre i giocatori con prestazioni scadenti esplorano l'ignoto e applicano modifiche più grandi. Man mano che i giocatori con scarse prestazioni salgono nei ranghi e, vice versa, i giocatori con buone prestazioni si spostano verso il basso gli individui adattano la loro ricerca di conseguenza.

A livello collettivo, questo significa che ci sono sempre alcuni giocatori in cima a una classifica che ottimizzano la migliore soluzione attuale e alcuni giocatori in fondo a una classifica che innovano e provano soluzioni completamente nuove. Questo è stato direttamente confrontato con il comportamento dell'algoritmo RedCRAB che era di natura molto più locale, concentrandosi su piccoli passi per migliorare in modo iterativo la soluzione attuale invece di cercare ampiamente il panorama generale.

Un'intuizione unica

"Questi risultati forniscono informazioni sull'abilità umana unica di risolvere collettivamente problemi complessi. Sfruttare questa conoscenza consentirà la progettazione di interfacce di intelligenza ibrida che combinano i punti di forza computazionali dell'IA con i vantaggi dell'intuizione umana, " hanno affermato  Carsten Bergenholtz e Oana Vuculescu.

Mark Bason dell'Università del Sussex guarda al futuro:

"Il progresso della scienza è molto spesso il risultato di una stretta collaborazione tra gruppi consolidati, come quelli del mondo accademico o industriale. Però, la tecnologia è così avanzata che sono possibili molte nuove interazioni. Aprendo la nostra ricerca, ora possiamo beneficiare delle abilità dei giocatori, algoritmi e approcci ibridi dei due."