A volte le notizie vanno al di là dei semplici fatti che raccontano, e ci fanno riflettere su questioni più profonde, come la natura stessa della scienza e della conoscenza, della nostra capacità di capire il mondo e di descriverlo per mezzo di equazioni e modelli. Per questo ha destato stupore e attenzione un nuovo algoritmo, sviluppato da uno scienziato del Princeton Plasma Physics Laboratory (Pppl) del Dipartimento dell’energia degli Stati Uniti (Doe), che si è dimostrato capace di prevedere in modo accurato il movimento dei pianeti nel Sistema solare senza conoscere alcuna legge della fisica.

Il vero obiettivo: la fusione nucleare

In realtà l’autore dello studio, il fisico Hong Qin, non era tanto interessato ai pianeti quanto alla fusione nucleare (v. tweet sotto). Cioè a quel processo che avviene nel cuore delle stelle e che ora gli scienziati vogliono riprodurre sulla Terra, per generare energia. Le difficoltà tecniche sono enormi, uno degli ostacoli è proprio la complessità dei calcoli necessari a simulare il comportamento del plasma (cioè il gas ionizzato ad altissima temperatura) che si trova nel cuore del reattore. Dunque Qin stava lavorando proprio a questo, a sviluppare nuovi metodi basati sull’intelligenza artificiale per simulare il comportamento del plasma in un reattore.

Prima di affrontare il problema complicato, però, ha messo alla prova il suo algoritmo con un problema più semplice, quello di determinare le orbite dei pianeti del Sistema solare, appunto. E ha pubblicato il risultato su Nature Scientific Reports.

La forza del machine learning

L’algoritmo di Qin utilizza più esattamente il machine learning (apprendimento automatico), una forma di intelligenza artificiale che apprende dall’esperienza, per sviluppare previsioni. «Di solito, in fisica, fai osservazioni, crei una teoria basata su quelle osservazioni e poi la usi per prevedere nuove osservazioni», ha dichiarato lo scienziato. «Quello che faccio io è sostituire questo processo con una “scatola nera” in grado di produrre previsioni accurate senza utilizzare una teoria o una legge tradizionale». Il suo programma usa i dati delle osservazioni di Mercurio, Venere, Terra, Marte, Giove e del pianeta nano Cerere, e “impara”: quindi è in grado di prevedere le loro orbite. «Vado direttamente dai dati ai dati», dice Qin. «Non vi è alcuna legge della fisica nel mezzo».

Tante domande

L’esperimento solleva domande profonde su che cosa significhi davvero “capire”. La comprensione comporta qualcosa di particolare nella mente di chi sta capendo, oppure è una semplice esecuzione di regole? E le teorie sono davvero necessarie alla comprensione del mondo, o tutto si riduce a un accumulo di dati? Si potrebbe poi, ancora, riflettere su che cosa distingue la nostra da altre forme di intelligenza, a partire da quella artificiale. E sui rischi che un giorno il machine learning o altre forme di intelligenza artificiale possano prendere il sopravvento anche in campo scientifico, magari per giungere a una comprensione del mondo più profonda e a noi preclusa.

«Direi che l’obiettivo finale di qualsiasi scienziato è la previsione», taglia corto Qin. «Potrebbe non esserci bisogno di una legge. Per esempio, se posso prevedere perfettamente un’orbita planetaria, non ho bisogno di conoscere le leggi di Newton. Si potrebbe pensare che così facendo capiremmo meno che se conoscessimo le leggi di Newton, e in un certo senso è vero. Ma da un punto di vista pratico, fare previsioni accurate non significa fare niente di meno».

Per saperne di più

• L’articolo originale di Hong Qin
• Il comunicato stampa 
• Il progetto AI Physicist sviluppato da Tailin Wu e Max Tegmark al MIT di Cambridge, Massachusetts