L'intelligenza artificiale fa parte della nostra vita moderna consentendo alle macchine di apprendere processi utili come il riconoscimento vocale e gli assistenti personali digitali. Una domanda cruciale per le applicazioni pratiche è la velocità con cui queste macchine intelligenti possono apprendere. Un esperimento all'Università di Vienna ha risposto a questa domanda, dimostrando che la tecnologia quantistica consente di accelerare il processo di apprendimento. I fisici, in una collaborazione internazionale all'interno dell'Austria, Germania, Paesi Bassi, e gli Stati Uniti, hanno ottenuto questo risultato utilizzando un processore quantistico per singoli fotoni come un robot. Questo lavoro, che contribuisce al progresso dell'intelligenza artificiale quantistica per applicazioni future, è pubblicato nell'ultimo numero della rivista Natura .

Robot che risolvono giochi per computer, riconoscere le voci umane, o aiutare a trovare cure mediche ottimali:questi sono solo alcuni esempi sorprendenti di ciò che il campo dell'intelligenza artificiale ha prodotto negli ultimi anni. La corsa in corso per macchine migliori ha portato alla domanda su come e con quali mezzi si possono ottenere miglioramenti. In parallelo, enormi progressi recenti nelle tecnologie quantistiche hanno confermato il potere della fisica quantistica, non solo per le sue teorie spesso peculiari e sconcertanti, ma anche per applicazioni reali. Quindi, l'idea di fondere i due campi:da un lato, l'intelligenza artificiale con le sue macchine autonome; d'altra parte, fisica quantistica con i suoi potenti algoritmi.

Negli ultimi anni, molti scienziati hanno iniziato a studiare come collegare questi due mondi, e studiare in che modo la meccanica quantistica può rivelarsi utile per l'apprendimento dei robot, o vice versa. Diversi risultati affascinanti hanno mostrato, Per esempio, robot che decidono più velocemente la loro prossima mossa, o la progettazione di nuovi esperimenti quantistici utilizzando specifiche tecniche di apprendimento. Ancora, i robot erano ancora incapaci di apprendere più velocemente, una caratteristica chiave nello sviluppo di macchine autonome sempre più complesse.

All'interno di una collaborazione internazionale guidata da Philip Walther, un team di fisici sperimentali dell'Università di Vienna, insieme ai teorici dell'Università di Innsbruck, l'Accademia austriaca delle scienze, l'Università di Leida, e il Centro aerospaziale tedesco, sono riusciti a dimostrare sperimentalmente per la prima volta un'accelerazione nel tempo di apprendimento del robot effettivo. Il team ha utilizzato singoli fotoni, le particelle fondamentali di luce, accoppiato in un processore quantistico fotonico integrato, che è stato progettato presso il Massachusetts Institute of Technology. Questo processore è stato utilizzato come robot e per implementare le attività di apprendimento. Qui, il robot imparerebbe a indirizzare i singoli fotoni in una direzione predefinita. "L'esperimento potrebbe dimostrare che il tempo di apprendimento è significativamente ridotto rispetto al caso in cui non viene utilizzata la fisica quantistica, "dice Valeria Saggio, primo autore della pubblicazione.

In poche parole, l'esperimento può essere compreso immaginando un robot in piedi a un bivio, dotato del compito di imparare a prendere sempre la svolta a sinistra. Il robot impara ottenendo una ricompensa quando fa la mossa corretta. Ora, se il robot è collocato nel nostro solito mondo classico, quindi proverà a svoltare a sinistra o a destra, e verrà premiato solo se si sceglie la svolta a sinistra. In contrasto, quando il robot sfrutta la tecnologia quantistica, entrano in gioco gli aspetti bizzarri della fisica quantistica. Il robot ora può usufruire di una delle sue caratteristiche più famose e peculiari, il cosiddetto principio di sovrapposizione. Questo può essere compreso intuitivamente immaginando che il robot faccia i due turni, sinistra e destra, allo stesso tempo. "Questa caratteristica chiave consente l'implementazione di un algoritmo di ricerca quantistica che riduce il numero di prove per apprendere il percorso corretto. Di conseguenza, un agente che può esplorare il suo ambiente in sovrapposizione imparerà molto più velocemente rispetto alla sua controparte classica, "dice Hans Briegel, che ha sviluppato le idee teoriche sugli agenti di apprendimento quantistico con il suo gruppo presso l'Università di Innsbruck.

Questa dimostrazione sperimentale che l'apprendimento automatico può essere migliorato utilizzando l'informatica quantistica mostra vantaggi promettenti quando si combinano queste due tecnologie. "Siamo solo all'inizio della comprensione delle possibilità dell'intelligenza artificiale quantistica", afferma Philip Walther, "e quindi ogni nuovo risultato sperimentale contribuisce allo sviluppo di questo campo, che è attualmente considerata una delle aree più fertili per l'informatica quantistica".