Immaginate di utilizzare qualsiasi oggetto intorno a voi – una padella, un fermacarte di vetro – come il processore centrale di una rete neurale, un tipo di intelligenza artificiale che imita vagamente il cervello per eseguire compiti complessi. È questa la promessa di una nuova ricerca che, in teoria, potrebbe essere usata per riconoscere immagini o discorsi in modo più veloce ed efficiente dei programmi per computer che si basano su microchip di silicio.
Logan Wright, fisico della Cornell University che ha co-condotto lo studio, sull’hardware non tradizionale che potrebbe aiutare le reti neurali a funzionare più velocemente e in modo più efficiente rispetto ai chip dei computer, ha detto:
«Tutto può essere un computer, stiamo solo trovando un metodo per far sì che la fisica dell’hardware faccia ciò che vogliamo».
Le attuali reti neurali di solito operano su chip di elaborazione grafica. I più grandi eseguono milioni o miliardi di calcoli anche solo per fare una mossa di scacchi o comporre una parola di prosa; anche su chip specializzati, tutto ciò può richiedere molto tempo ed elettricità.
Logan Wright e i suoi colleghi hanno capito che gli oggetti fisici calcolano anche in modo passivo, semplicemente rispondendo agli stimoli. I canyon, per esempio, aggiungono l’eco alle voci senza l’uso di tavole armoniche.
I ricercatori per dimostrare il concetto, hanno costruito reti neurali in tre tipi di sistemi fisici, ognuno conteneva fino a cinque livelli di elaborazione. Praticamente in ogni livello di un sistema meccanico, hanno usato un altoparlante per far vibrare una piccola piastra metallica e hanno registrato la sua uscita utilizzando un microfono; in un sistema ottico, hanno fatto passare la luce attraverso dei cristalli, e in un sistema analogico-elettronico, hanno fatto passare la corrente attraverso piccoli circuiti.
I ricercatori in ogni caso, hanno codificato i dati di input, come le immagini senza etichetta, in suono, luce o tensione, per ogni livello di elaborazione, hanno anche codificato i parametri numerici che dicono al sistema fisico come manipolare i dati; per addestrare il sistema, hanno regolato i parametri per ridurre gli errori tra le etichette delle immagini previste dal sistema e le effettive etichette.
Lo studio è stato pubblicato nella rivista Nature. I ricercatori hanno detto che in un compito, hanno addestrato i sistemi, che hanno chiamato reti neurali fisiche (PNN), a riconoscere le cifre scritte a mano; in un altro, le PNN hanno riconosciuto sette suoni vocali. La precisione su questi compiti variava dall’87% al 97%.
Logan Wright ha detto:
«I ricercatori in futuro potrebbero sintonizzare un sistema non modificando digitalmente i suoi parametri di input, ma regolando gli oggetti fisici, ad esempio, la piastra metallica».
Lenka Zdeborová, fisica e scienziata informatica al Politecnico federale di Losanna, non ha preso parte al lavoro, ha detto che lo studio è “entusiasmante”, anche se le piacerebbe vedere delle dimostrazioni su compiti più difficili.
Damien Querlioz è un fisico del CNRS, l’agenzia di ricerca nazionale francese, ha aggiunto:
«Hanno fatto un buon lavoro per dimostrare l’idea in diversi contesti, penso che sarà abbastanza influente».
Logan Wright è molto entusiasta del potenziale delle reti neurali fisiche PNN come sensori intelligenti che possono eseguire calcoli al volo. Ha detto:
«L’ottica di un microscopio potrebbe aiutare a rilevare le cellule cancerose prima ancora che la luce colpisca un sensore digitale, o la membrana del microfono di uno smartphone potrebbe ascoltare le parole di risveglio. Sono queste le applicazioni in cui non si pensa davvero a loro come all’esecuzione di un calcolo di apprendimento automatico, ma invece come macchine funzionali».
