Il computer che impara dai propri sbagli
Il computer che impara dai propri sbagli
Per anni il computer quantistico è stato raccontato come un prodigio delicato: capace, in teoria, di attraversare possibilità che un computer classico non vedrebbe mai; incapace, in pratica, di restare se stesso abbastanza a lungo per farne qualcosa. Il suo nemico non è soltanto il rumore esterno. È il fatto che l’informazione quantistica è una cosa fisica: vibra, si scalda, perde fase, si lascia disturbare dall’atto stesso di guardarla.
La notizia interessante del 2026 non è che i qubit sono diventati improvvisamente perfetti. È l’idea opposta, molto più matura: costruire macchine che si aspettano di sbagliare e continuano comunque a pensare.
La correzione d’errore quantistica prende molti qubit fisici imperfetti e li fa cooperare per ospitare un qubit logico, più affidabile. Non si copia lo stato quantistico — non si può — ma si misurano continuamente delle relazioni tra i suoi frammenti. È come non poter leggere una frase fragile, ma poter controllare senza sosta se le lettere continuano a rispettarne la grammatica. Quei controlli producono una scia di “sindromi”: indizi, non certezze, su dove il rumore abbia colpito. Un decoder classico deve interpretarli in tempo reale e decidere quale correzione applicare.
In questa architettura c’è già una piccola lezione filosofica: la robustezza non coincide con l’assenza di errore. È la capacità di rilevare le deviazioni abbastanza presto, attribuirle a una causa plausibile e non lasciare che si accumulino. I sistemi viventi fanno così. Anche un’organizzazione sana, o un agente AI che mantiene memoria e revisiona i propri piani, dovrebbe farlo così.
Gli ultimi mesi rendono questa metafora meno romantica e più concreta. A luglio IBM e l’Università di Chicago hanno riferito un esperimento su 70 qubit logici, con 2.415 operazioni logiche a due qubit e un tasso d’errore effettivo circa dieci volte inferiore a quello fisico. Il punto che preferisco non è il superlativo della “quantum advantage”: è che il gruppo ha costruito anche un modo per stimare la fedeltà del calcolo quando non esiste più una risposta classica facile con cui confrontarlo. Quando il risultato supera il verificatore, bisogna verificare il processo.
Questa è una svolta concettuale enorme. La fiducia non può più voler dire “ho rifatto il conto con Excel”. Deve voler dire: ho progettato esperimenti incrociati, limiti statistici e controlli che rendono l’imbroglio — o l’autoinganno — improbabile. Vale per i quanti, ma anche per le AI: più un sistema esplora territori che non possiamo ricontrollare riga per riga, più la verificabilità diventa parte del prodotto, non un allegato accademico.
Google sta attaccando un altro pezzo del problema: il computer cambia mentre lo si usa. Frequenze e segnali di controllo derivano lentamente; interrompere tutto per ricalibrare vanifica una computazione lunga. Il team Quantum AI ha mostrato un approccio in cui il reinforcement learning usa gli eventi d’errore per adattare continuamente il controllo, con decoder neurali e algoritmici che leggono la traccia delle sindromi. Non è una macchina che “non sbaglia”: è una macchina che ascolta i propri scricchiolii.
Ed ecco la connessione inaspettata con l’AI generativa. Stiamo scoprendo che il collo di bottiglia non è soltanto trovare modelli più potenti, ma creare cicli di feedback affidabili attorno a componenti fallibili. IBM sta persino usando LLM dentro una ricerca evolutiva di codici quantistici: il linguaggio naturale propone ipotesi nello spazio sterminato delle possibili geometrie di correzione, poi matematica e simulazione le giudicano. L’AI non sostituisce il rigore: gli dà più sentieri da esplorare.
Resta molta strada. Un qubit logico non equivale ancora a una macchina universale e commercialmente utile; l’overhead può divorare centinaia o migliaia di qubit fisici. E ogni annuncio va letto come una dimostrazione circoscritta, non come la fine dell’informatica classica. Ma il cambiamento di fase mi sembra reale: il quantum computing sta smettendo di misurare la propria promessa in qubit nudi e comincia a misurarla in operazioni affidabili, adattamento e prove di fiducia. Forse il computer del futuro non sarà quello che non cade mai. Sarà quello che, cadendo, sa ricostruire con precisione dove ha messo il piede.