The Big Bell Test: le particelle si parlano alle nostre spalle?

Il mondo quantistico è strano. Così strano che pure Einstein—che, penso siamo d’accordo, era un uomo piuttosto intelligente—aveva qualche problema a farci i conti.

Una cosa che proprio non gli dava pace erano le particelle nei cosiddetti stati entangled. Senza addentrarci troppo nei dettagli: se le misuriamo separatamente danno valori casuali ma, se li confrontiamo, li troveremo sempre in accordo tra loro.

Non importa quanto lontane siano le due particelle, è come se si comunicassero telepaticamente come rispondere. Veritasium lo spiega meglio in questo video.

Einstein proprio non voleva crederci. Pensava che quel che faccio io con la mia particellina qui non possa aver effetto sulla tua particella lì, specialmente non più veloce della luce. Che sembra molto ragionevole… ma è anche sbagliato.

Negli anni Sessanta, John Stewart Bell provò matematicamente che, se una teoria vuole riprodurre i risultati della meccanica quantistica (che, per la cronaca, sono giusti), deve lasciare che le particelle siano “telepatiche”. Questo, tra parentesi, vale anche per la Meccanica Quantistica, non solo per altre strane teorie alternative.

Nonostante esperimenti su esperimenti abbiano confermato che la Meccanica Quantistica fa come dice Bell, alcune altre persone molto intelligenti non sono convinte. Perciò diverse università, dall’Australia a Roma, da Monaco agli Stati Uniti, hanno messo in piedi un gigantesco esperimento collaborativo: il Big Bell Test ( capito il nome ora?). In ciascuna sede, hanno misurato coppie di particelle, controllando le previsioni di Bell che sarebbero state “telepatiche”. Più casuali sono i test, più è difficile fingere di essere telepatici (vale per persone come per le particelle), perciò le misure erano determinate a caso.

Ma estirpare ogni possibile connessione tra dati apparentemente “casuali” è veramente difficilissimo, così gli scienziati hanno chiesto l’aiuto del pubblico. Più di 100mila persone hanno giocato ad un gioco online: le loro scelte indipendenti e imprevedibili hanno deciso le misure da fare.

Com’è finita? È presto per dirlo, ma dai risultati preliminari… come dire… mi dispiace, Albert: capita anche ai migliori.

john_stewart_bell_dealwithit

John Bell — deal with it. (CC-BY-SA, modifications by me, click for original)

Per saperne di più
  • Stavolta ho allegramente sorvolato su un sacco di roba. A mia difesa, ci sono interi libri scritti più o meno attorno a questo specifico problema. Personalmente, mi piace molto questo
  • Se non avete tempo di sciropparvi il libro, quelli del Big Bell Test hanno messo assieme una playlist con spiegazioni dai migliori youtuber di divulgazione

 

Foto copertina: CC0 Michael Schwarzenberger/pixabay

Perché i computer imparano Go

Due avversari si affrontano in un antico gioco di strategia. Solo uno dei due è una persona, e non è quello che vince. La storia di AlphaGo ha girato parecchio. Ma perché è così importante?

Breve ripasso: Go è un gioco da tavolo cinese. La sua particolarità è che ha un’enormità di possibili mosse e contromosse che lo rendendo ingestibile, anche per un computer.

AlphaGo è un’intelligenza artificiale creata apposta da DeepMind (una divisione di Google). Il suo successo (ha strabattuto 5-0 il campione europeo), è anche il primo di un computer su un giocatore esperto.

 

 

Un computer che sa giocare a Go, di per sé, non è molto utile. Ma i giochi da tavolo hanno molto in comune con la vita reale: presentano decisioni difficili, ognuna con pro e contro, costi e benefici da valutare.

Allo stesso tempo, sono un ambiente ben controllato e definito, con un numero limitato di mosse, strategie e situazioni possibili. In pratica, imparare un gioco è un banco di prova per prendere decisioni nel mondo reale.

Per i computer è anche meglio: mentre per noi umani imparare è naturale, loro devono imparare a farlo. AlphaGo, ad esempio, non è stato programmato specificatamente per giocare a Go, bensì per osservare le partite e imparare le strategie migliori. Sottoponendogli un altro gioco o un altro problema, può usare sistemi simili e velocemente imparare a risolvere anche quello.

Computer che avevano imparato poker o quiz televisivi, ad esempio, ora aiutano diagnosi mediche. Google vuole usare AlphaGo per “affrontare grandi problemi come il cambiamento climatico o diagnosi di malattie complesse”.

Prima di salvare il mondo, però, probabilmente lo useranno per cose davvero importanti: trovarci più video pucciosi.

 

Foto copertina: from above, CC-BY-NC tommpouce, via Flickr. Some rights reserved.