LA TEORIA DEL TUTTO AVRÀ ANCORA BISOGNO DI NOI?

Intelligenza artificiale, computer quantistici e l’ultima grande unificazione della fisica

La fisica possiede una caratteristica curiosa: più riesce a spiegare l’Universo, più diventa evidente ciò che ancora non riesce a spiegare.

Disponiamo di una teoria straordinariamente efficace per descrivere le particelle elementari e tre delle quattro interazioni fondamentali della natura. Disponiamo di un’altra teoria, altrettanto straordinaria, per descrivere la gravità, lo spazio, il tempo, i pianeti, le stelle, i buchi neri e l’evoluzione dell’Universo.

Il problema è che queste due costruzioni, quando vengono spinte fino ai territori estremi nei quali dovrebbero incontrarsi, non sembrano appartenere allo stesso edificio.

Da una parte abbiamo la meccanica quantistica e la teoria quantistica dei campi, sulle quali poggia il Modello Standard delle particelle.

Dall’altra abbiamo la relatività generale, nella quale la gravità non è semplicemente una forza ma la geometria stessa dello spazio-tempo.

Entrambe funzionano magnificamente.

Eppure non possediamo ancora una teoria sperimentalmente confermata capace di contenerle entrambe come manifestazioni di una struttura più fondamentale.

È uno dei grandi paradossi della scienza contemporanea: conosciamo le leggi dell’infinitamente piccolo e quelle dell’immensamente grande, ma non sappiamo ancora quale legge comune le renda entrambe possibili.

È qui che comincia la ricerca di quella che, con un’espressione inevitabilmente ambiziosa, chiamiamo Teoria del Tutto.

CHE COSA DOVREBBE SPIEGARE DAVVERO UNA TEORIA DEL TUTTO?

L’espressione può trarre in inganno.

Una Teoria del Tutto non dovrebbe dirci perché ci innamoriamo, perché cade un impero o perché un organismo sviluppa una determinata forma. Non sarebbe una gigantesca enciclopedia capace di prevedere ogni fenomeno dell’Universo.

Dovrebbe fare qualcosa di più limitato e, contemporaneamente, più profondo: individuare una struttura teorica comune dalla quale possano emergere tutte le interazioni fondamentali e i costituenti elementari della natura.

Il primo grande passo verso questa direzione è già avvenuto.

Elettricità e magnetismo, un tempo considerati fenomeni distinti, furono unificati nell’elettromagnetismo.

Nel Novecento l’interazione elettromagnetica e quella nucleare debole sono state ricondotte alla teoria elettrodebole.

Il Modello Standard ha poi costruito un quadro comune comprendente interazione elettromagnetica, debole e forte.

Ne rimane fuori una.

La più antica che conosciamo.

La gravità.

IL GRANDE IRRIDUCIBILE: LA GRAVITÀ

La difficoltà non consiste semplicemente nell’aggiungere una quarta forza alle altre tre.

Nella relatività generale la gravità possiede uno statuto completamente diverso.

Le altre interazioni si manifestano all’interno dello spazio-tempo.

La gravità modifica lo spazio-tempo.

Questa distinzione diventa drammatica quando cerchiamo di descrivere situazioni nelle quali effetti gravitazionali e quantistici sono entrambi estremi: l’interno dei buchi neri, le primissime fasi dell’Universo, le scale prossime alla lunghezza di Planck.

È qui che le nostre due grandi grammatiche della natura smettono di dialogare facilmente.

Da quasi un secolo la fisica cerca la lingua nella quale possano essere riscritte entrambe.

LE STRADE SONO ANCORA MOLTE

Non esiste oggi una Teoria del Tutto universalmente accettata.

Esistono programmi di ricerca.

La teoria delle stringhe sostituisce idealmente le particelle puntiformi con oggetti fondamentali estesi, le cui differenti modalità di vibrazione corrispondono alle diverse particelle. Uno dei suoi aspetti più affascinanti è che una particella con le caratteristiche richieste al gravitone compare naturalmente nella struttura teorica.

La gravità quantistica a loop segue una strada profondamente diversa: cerca di quantizzare direttamente la geometria e conduce all’idea che spazio e area possano possedere una struttura discreta alle scale fondamentali.

L’asymptotic safety esplora la possibilità che la gravità quantistica rimanga matematicamente controllabile alle energie arbitrariamente elevate attraverso un opportuno punto fisso del gruppo di rinormalizzazione.

Le causal dynamical triangulations tentano di comprendere lo spazio-tempo quantistico attraverso geometrie discretizzate che, collettivamente, possono produrre una struttura macroscopica simile a quella che osserviamo.

A queste si affiancano approcci o principi come olografia, dualità gauge/gravità, geometrie non commutative, modelli emergenti dello spazio-tempo e differenti tentativi di collegare gravità, entanglement e informazione quantistica.

Il panorama non assomiglia quindi a una gara nella quale due teorie attendono che un esperimento proclami la vincitrice.

Assomiglia molto di più a un continente del quale possediamo numerose mappe incomplete.

E SE IL PROBLEMA FOSSE DIVENTATO TROPPO GRANDE PER NOI?

Qui compare una questione raramente affrontata quando raccontiamo la ricerca della Teoria del Tutto.

Per alcuni programmi teorici lo spazio delle possibilità matematiche è immenso.

Le teorie possono possedere moltissime configurazioni, geometrie, parametri, stati fondamentali e soluzioni possibili.

L’essere umano procede attraverso intuizioni, analogie, simmetrie, calcoli e semplificazioni.

Ma che cosa accade quando lo spazio matematico da esplorare contiene un numero di possibilità talmente grande da non poter essere attraversato attraverso l’intuizione tradizionale?

Potremmo trovarci davanti a un limite non della fisica, ma della capacità cognitiva e computazionale degli strumenti con i quali facciamo fisica.

Ed è precisamente qui che entra in scena l’intelligenza artificiale.

L’IA NON DEVE CONOSCERE LA RISPOSTA. DEVE TROVARE DOVE CERCARE

L’immagine più ingenua sarebbe quella di un’intelligenza artificiale alla quale chiediamo:

«Qual è la Teoria del Tutto?»

e che, dopo qualche secondo, restituisce l’equazione definitiva.

Quasi certamente non funzionerà così.

Il contributo più interessante dell’IA potrebbe consistere non nel fornire direttamente la risposta, ma nel ridurre lo spazio delle domande possibili.

Un sistema di machine learning può analizzare quantità enormi di configurazioni matematiche, individuare regolarità, classificare soluzioni, riconoscere regioni interessanti di uno spazio parametrico e suggerire correlazioni difficili da percepire attraverso l’analisi tradizionale.

In alcuni settori della fisica teorica questo sta già accadendo.

L’intelligenza artificiale viene sperimentata nell’analisi di spazi di soluzioni, nella classificazione di strutture matematiche, nell’identificazione delle transizioni di fase, nella soluzione approssimata di equazioni differenziali e nell’esplorazione di modelli teorici complessi.

Non siamo davanti alla macchina che ha scoperto la legge fondamentale dell’Universo.

Siamo davanti a qualcosa di forse più realistico: un nuovo strumento per attraversare territori matematici che stanno diventando troppo vasti per essere esplorati manualmente.

MA RICONOSCERE UNA REGOLARITÀ NON SIGNIFICA AVERE UNA TEORIA

Qui occorre una distinzione fondamentale.

Un sistema artificiale può individuare una correlazione straordinariamente precisa.

Ma una teoria fisica non è soltanto una correlazione.

Deve spiegare perché determinate quantità siano collegate, produrre previsioni, essere matematicamente consistente e, soprattutto, confrontarsi con l’esperimento.

Questo problema diventa ancora più importante nella fisica fondamentale.

Immaginiamo che un sistema artificiale analizzi milioni di strutture matematiche e ne individui una che riproduce perfettamente tutti i dati conosciuti.

Abbiamo trovato una teoria?

Non necessariamente.

Potremmo avere trovato un modello estremamente sofisticato.

La scienza pretende qualcosa di più: comprensione, falsificabilità e capacità predittiva.

E qui compare una delle questioni filosofiche più interessanti dell’era dell’intelligenza artificiale.

E SE LA TEORIA FOSSE GIUSTA MA NOI NON RIUSCISSIMO A CAPIRLA?

Immaginiamo uno scenario più radicale.

Un’intelligenza artificiale costruisce una struttura matematica capace di unificare gravità e teoria quantistica.

Produce nuove previsioni.

Gli esperimenti le confermano.

Ma nessun essere umano riesce realmente a comprendere la struttura profonda attraverso la quale il sistema è arrivato alla teoria.

Saremmo disposti ad accettarla?

Per secoli abbiamo identificato il progresso scientifico con l’aumento della comprensione umana.

Newton non fornì semplicemente risultati numericamente corretti. Ci diede un modo nuovo di pensare il moto.

Einstein non produsse soltanto previsioni migliori. Trasformò i concetti di spazio e tempo.

La meccanica quantistica non si limitò a calcolare spettri atomici. Ci costrinse a ripensare il significato stesso di stato fisico e misura.

Ma una scienza costruita insieme all’intelligenza artificiale potrebbe introdurre una situazione nuova:

possiamo conoscere una legge senza comprenderla completamente?

DALL’INTELLIGENZA ARTIFICIALE ALL’INTELLIGENZA MATEMATICA

La prossima generazione di sistemi scientifici potrebbe inoltre essere molto diversa dai chatbot con i quali oggi identifichiamo comunemente l’IA.

Potremmo vedere sistemi nei quali modelli linguistici, algebra simbolica, software matematico, dimostratori automatici di teoremi, database scientifici e simulatori lavorano insieme.

Un sistema potrebbe formulare un’ipotesi.

Un secondo modulo potrebbe derivarne matematicamente le conseguenze.

Un theorem prover potrebbe verificarne alcuni passaggi.

Un simulatore potrebbe confrontare le previsioni con i dati.

Un altro sistema potrebbe cercare controesempi.

A quel punto l’IA non sarebbe più semplicemente un assistente che conosce la letteratura scientifica.

Diventerebbe una sorta di laboratorio teorico artificiale.

E IL COMPUTER QUANTISTICO?

Qui dobbiamo evitare un altro equivoco.

Un computer quantistico non è semplicemente un computer molto più veloce.

Per moltissimi problemi un computer classico continuerà a essere perfettamente adeguato e, in alcuni casi, migliore.

Il vantaggio potenziale nasce dal fatto che un sistema quantistico può rappresentare ed elaborare naturalmente determinate strutture quantistiche che diventano estremamente onerose da simulare classicamente.

Questo è particolarmente interessante per le teorie di gauge, che costituiscono il linguaggio fondamentale del Modello Standard.

Le simulazioni su reticolo hanno già trasformato la nostra capacità di studiare la cromodinamica quantistica.

Ma esistono situazioni — dinamiche in tempo reale, densità elevate, determinati stati della materia — nelle quali i metodi classici incontrano ostacoli computazionali enormi.

I computer quantistici potrebbero aprire accessi oggi proibitivi.

SIMULARE LA NATURA CON LA NATURA

L’idea possiede una straordinaria eleganza concettuale.

Un computer classico deve rappresentare matematicamente un sistema quantistico utilizzando bit classici.

Un computer quantistico utilizza invece sistemi quantistici controllabili per simulare altri sistemi quantistici.

È come se, per comprendere la natura, decidessimo di utilizzare un frammento della natura stessa come calcolatore.

Esperimenti recenti hanno già simulato versioni semplificate di teorie di gauge su processori quantistici.

Siamo ancora lontanissimi dal simulare integralmente il Modello Standard, e ancora più lontani dal mettere una teoria completa di gravità quantistica dentro una macchina.

Ma il principio è stato stabilito.

Il computer quantistico può diventare uno strumento della fisica fondamentale, non soltanto dell’informatica.

IL QUANTUM COMPUTER NON INVENTERÀ NECESSARIAMENTE LA TEORIA

Occorre però distinguere due funzioni.

Scoprire una teoria e calcolarne le conseguenze non sono la stessa cosa.

Un computer quantistico potrebbe essere straordinariamente efficace nel simulare una teoria proposta.

Ma chi propone la struttura teorica?

Qui IA e quantum computing potrebbero svolgere ruoli complementari.

L’intelligenza artificiale esplora.

Il matematico formalizza.

Il fisico interpreta.

Il computer quantistico simula.

L’esperimento verifica.

Potrebbe essere questa la vera rivoluzione.

Non una macchina che sostituisce Einstein.

Ma un nuovo ecosistema cognitivo nel quale l’intelligenza scientifica non coincide più con un singolo cervello umano.

LA TEORIA DEL TUTTO HA ANCHE UN PROBLEMA SPERIMENTALE

Possiamo costruire matematiche bellissime.

Ma la fisica non è matematica pura.

Una teoria della gravità quantistica deve prima o poi lasciare qualche impronta osservabile.

Ed è questo uno dei problemi più difficili.

La scala di Planck si trova a energie immensamente superiori a quelle direttamente accessibili agli acceleratori contemporanei.

Non possiamo semplicemente costruire domani un collisore abbastanza potente da osservare direttamente che cosa accade a quelle scale.

La ricerca deve quindi diventare ingegnosa.

Buchi neri.

Onde gravitazionali.

Cosmologia primordiale.

Radiazione cosmica.

Violazioni estremamente piccole di simmetrie fondamentali.

Esperimenti di precisione.

Possibili effetti quantistici della gravità su sistemi mesoscopici.

Nel 2026 si studiano persino possibili segnali della fisica alla scala di Planck negli spettri di onde gravitazionali ad alta frequenza prodotti, in alcuni scenari, da buchi neri primordiali.

La Teoria del Tutto potrebbe quindi non arrivare da un singolo esperimento spettacolare.

Potrebbe emergere dall’incrocio di molte tracce minuscole.

IL PARADOSSO DEI DATI

Qui IA e nuovi strumenti computazionali tornano nuovamente importanti.

La fisica contemporanea produce quantità immense di dati.

Telescopi, interferometri gravitazionali, acceleratori, osservatori cosmologici e rivelatori raccolgono informazioni che nessun gruppo umano potrebbe analizzare manualmente nella loro interezza.

L’IA può individuare anomalie, classificare eventi e cercare segnali estremamente deboli.

Ma esiste un rischio.

Se chiediamo all’algoritmo di trovare ciò che la nostra teoria prevede, potrebbe diventare straordinariamente bravo a trovare precisamente ciò che ci aspettiamo.

Le grandi rivoluzioni scientifiche, invece, spesso cominciano da qualcosa che non avrebbe dovuto esserci.

L’IA della scienza futura dovrà quindi imparare non soltanto a confermare pattern.

Dovrà diventare capace di riconoscere anomalie significative.

In altre parole, dovrà essere addestrata anche alla sorpresa.

FORSE NON ESISTE UNA TEORIA DEL TUTTO

Rimane infine un’ipotesi raramente ricordata.

Potremmo non trovarla.

Non perché siamo insufficientemente intelligenti, ma perché la natura potrebbe non essere organizzata nel modo elegante che desideriamo.

Potrebbe non esistere una singola equazione fondamentale dalla quale tutto discende.

Potrebbero esistere descrizioni differenti valide a scale differenti.

Spazio e tempo potrebbero essere fenomeni emergenti.

Le particelle potrebbero non essere gli oggetti fondamentali.

Persino il concetto di «fondamentale» potrebbe essere meno semplice di quanto immaginiamo.

La storia della fisica ci ha insegnato a cercare l’unificazione.

Ma la natura non ha firmato alcun contratto nel quale promette di essere unificabile secondo i nostri criteri estetici.

E SE LA TEORIA DEL TUTTO NON FOSSE UNA TEORIA?

Possiamo spingerci ancora oltre.

Forse stiamo cercando un oggetto concettuale modellato sulla fisica del Novecento: un insieme relativamente compatto di equazioni capace di generare tutto il resto.

Ma la descrizione fondamentale della natura potrebbe avere la forma di un algoritmo, di una struttura informazionale, di una rete di relazioni, di un principio computazionale o di qualcosa per cui non possediamo ancora il linguaggio matematico appropriato.

Newton disponeva del calcolo infinitesimale.

Einstein della geometria differenziale.

La meccanica quantistica dell’algebra lineare e degli spazi di Hilbert.

Ogni grande trasformazione della fisica ha avuto bisogno di una matematica adeguata.

Forse la fisica del XXI secolo attende ancora la propria.

E forse una parte di quella matematica verrà scoperta insieme alle macchine.

L’ULTIMO FISICO NON SARÀ UNA MACCHINA

Arriviamo allora alla domanda iniziale.

L’intelligenza artificiale e il computer quantistico potranno contribuire in modo decisivo alla ricerca della Teoria del Tutto?

Sì, è possibile.

Ma probabilmente non nel modo cinematografico nel quale una superintelligenza accende uno schermo e scrive l’equazione dell’Universo.

Il cambiamento potrebbe essere più profondo.

L’IA può aiutarci a esplorare spazi matematici immensi.

I sistemi simbolici possono verificare derivazioni.

Il machine learning può individuare strutture invisibili nei dati.

I computer quantistici possono simulare dinamiche che le macchine classiche affrontano con enorme difficoltà.

Gli esperimenti possono fornire i vincoli.

Ma qualcuno dovrà ancora domandarsi che cosa significa ciò che abbiamo trovato.

Forse il prossimo Einstein non sarà una persona.

Ma probabilmente non sarà neppure un’intelligenza artificiale.

Potrebbe essere qualcosa che finora non è mai esistito nella storia della scienza:

un sistema composto da intelligenza umana, intelligenza artificiale e calcolo quantistico, nel quale nessuna delle tre componenti sarebbe stata capace, da sola, di arrivare alla risposta.

E allora la Teoria del Tutto, se un giorno arriverà, potrebbe produrre un ultimo paradosso.

Avremo finalmente trovato la legge che unifica l’Universo.

Ma, per trovarla, avremo dovuto prima imparare a unificare le nostre intelligenze.