I robot del prossimo futuro non avranno un computer quantistico in testa. Potrebbero però ricorrere a risorse quantistiche, spesso esterne, per affrontare problemi di pianificazione, coordinamento e decisioni in presenza di incertezza.

Immaginiamo un robot impegnato in una missione di soccorso. Deve esplorare un edificio danneggiato, interpretare segnali incerti, scegliere un percorso, coordinarsi con altri robot e modificare il piano quando incontra un ostacolo o perde il contatto con una parte della squadra. Un sistema di questo tipo non deve soltanto «calcolare»: deve trasformare percezioni incomplete in azioni tempestive e sicure.

È in questo passaggio, dalla percezione alla decisione, che si colloca la Quantum AI per la robotica. L’espressione può evocare scenari fantascientifici: piccoli computer quantistici installati nelle teste dei robot, macchine dotate di una misteriosa mente quantistica o androidi capaci di valutare simultaneamente ogni azione possibile. La prospettiva scientifica è più sobria, ma anche più interessante: robot prevalentemente classici che utilizzano risorse quantistiche soltanto dove possono offrire un vantaggio verificabile.

Che cosa significa davvero Quantum AI

Quantum AI indica l’incontro tra l’intelligenza artificiale e il calcolo quantistico. Nei computer tradizionali, l’informazione è rappresentata da bit, che assumono i valori 0 o 1. Nei computer quantistici è rappresentata da qubit, che possono essere preparati in una sovrapposizione di tali stati. Gli algoritmi quantistici trasformano le ampiezze associate ai possibili risultati mediante operazioni che sfruttano l’interferenza e, in alcuni casi, l’entanglement. Al momento della misurazione si ottiene comunque un risultato classico.

Questo non significa che un computer quantistico provi magicamente tutte le soluzioni nello stesso istante, né che renda più veloce qualsiasi applicazione di AI. La prospettiva più realistica, almeno nel prossimo futuro, è quella di sistemi ibridi. L’intelligenza artificiale classica continua a occuparsi di percezione, linguaggio, memoria e controllo del corpo; un processore quantistico, invece, riceve un problema ben delimitato, per esempio una ricerca o un’ottimizzazione, e restituisce un risultato che il sistema classico deve verificare.

Nel caso dei robot, il processore quantistico non dovrà necessariamente trovarsi a bordo. Potrà essere una risorsa esterna, accessibile tramite una rete. Per questo, la valutazione dovrà includere anche i tempi di comunicazione, l’affidabilità del collegamento e il costo di preparazione dei dati per il calcolo quantistico. La domanda decisiva non è quindi «possiamo usare il quantum?», ma «in quale punto della missione migliora davvero il comportamento del robot?»

Dalla percezione alla decisione

L’intelligenza artificiale ha raggiunto risultati straordinari nel riconoscimento di immagini, nell’elaborazione del linguaggio e nella generazione di contenuti. Un robot, però, deve trasformare queste capacità in comportamento. Riconoscere una porta non equivale a decidere se attraversarla. Comprendere una richiesta non significa sapere se sia sicuro eseguirla. Individuare molti percorsi non basta a scegliere quello più adatto alla missione.

In alcuni casi, il problema consiste nel confrontare un numero enorme di piani, nell’assegnare compiti a una squadra o nel riorganizzare le attività dopo un guasto. Qui il calcolo quantistico può essere studiato come risorsa per la ricerca e l’ottimizzazione. In altri casi, però, la difficoltà non dipende soltanto dal numero delle alternative: nasce dal fatto che il contesto modifica il significato delle informazioni e che la decisione non è ancora del tutto formata.

Due strade da non confondere

È utile distinguere due direzioni, vicine ma non identiche. La robotica quantum-assisted utilizza un vero processore quantistico per svolgere un compito circoscritto, come il planning, l’allocazione delle risorse o la formazione di squadre. Il risultato torna poi al sistema classico, che verifica i vincoli fisici e di sicurezza prima di convertirlo in un’azione.

La disciplina della Robot Quantum Cognition, di cui mi occupo, utilizza invece strumenti matematici derivati dalla teoria quantistica per rappresentare decisioni sensibili al contesto e all’ordine in cui arrivano le informazioni. Può essere eseguita anche su computer ordinari e non implica che il cervello umano sia un computer quantistico. Offre piuttosto un linguaggio alternativo per modellare preferenze instabili, interpretazioni concorrenti e scelte non ancora definite.

Pensiamo a un robot di assistenza. Una persona indica un bicchiere, ma pronuncia il nome di un farmaco. Il gesto, le parole, il contesto e la memoria del robot non coincidono. Il sistema deve mantenere aperte più interpretazioni, aggiornarle quando riceve nuove informazioni e decidere se agire o chiedere conferma. In questo caso non si tratta soltanto di individuare il percorso migliore, ma di gestire un’ambiguità il cui significato varia a seconda del contesto.

Robot classici, quantum solo quando serve

Un robot futuro sarà organizzato in più livelli. Sensori e reti neurali analizzano immagini, suoni, parole e movimenti. I sistemi classici controllano il corpo e reagiscono immediatamente ai pericoli. Un modulo deliberativo isola un problema difficile e, quando opportuno, lo affida a un servizio quantistico o a un modello quantum-inspired. Il risultato viene infine verificato dal sistema classico, che applica i vincoli di sicurezza e lo converte in un’azione.

Il «nucleo quantistico» sarebbe quindi soprattutto funzionale, non necessariamente un componente fisico installato nel robot. Ed è importante mantenere chiara la distinzione: un sistema quantum-assisted usa effettivamente hardware quantistico; un sistema quantum-inspired adotta idee o formalismi di origine quantistica, ma li esegue su hardware classico. Entrambe le strade possono essere utili, ma richiedono prove e criteri di valutazione diversi.

Dall’individuo allo sciame

La Quantum AI diventa particolarmente interessante quando passiamo dal singolo robot a una squadra. In uno sciame ogni robot possiede informazioni parziali: nessuno vede l’intero ambiente e nessuno controlla necessariamente tutti gli altri. Il comportamento globale emerge dallo scambio di dati e dalle decisioni locali.

Con l’aumento del numero di robot, di obiettivi e di vincoli, le configurazioni possibili crescono rapidamente. Bisogna decidere chi deve esplorare una determinata area, come formare sottogruppi, come reagire a un guasto e come evitare che più robot sprechino risorse svolgendo lo stesso compito. Il calcolo quantistico può rivelarsi interessante quando questa decisione collettiva viene formulata come un problema di ricerca o di ottimizzazione combinatoria.

Al RoboticsLab abbiamo studiato e sperimentato questa impostazione sia nella pianificazione del movimento di un singolo robot sia in quella di sciami robotici. La sfida consiste nel collocare la risorsa quantistica nel punto in cui la complessità decisionale diventa un vero collo di bottiglia.

Il vantaggio deve apparire nel comportamento

Resta una cautela fondamentale: eseguire un algoritmo di AI su un processore quantistico non dimostra automaticamente che il robot sia più intelligente. Un circuito può essere elegante e tuttavia introdurre rumore, ritardi e costi superiori ai benefici.

La valutazione deve riguardare l’intero sistema: qualità delle decisioni, tempi di missione, consumo energetico, capacità di adattamento, sicurezza, robustezza ai guasti e confronto con le migliori soluzioni classiche. Vanno considerati anche il tempo necessario per codificare il problema, inviarlo al processore quantistico e ricevere la risposta. Il quantum deve guadagnarsi il proprio posto nell’architettura del robot.

Nei miei precedenti contributi ho parlato di saggezza artificiale, di discorso interiore e di psicorobotica. La prospettiva quantistica aggiunge un nuovo livello a questo percorso: non rendere le macchine più misteriose, ma progettare sistemi capaci di esplorare alternative, rappresentare il dubbio e riconoscere quando una decisione debba essere rivista.

Il futuro probabilmente non sarà quello di macchine completamente quantistiche, ma di robot prevalentemente classici capaci di ricorrere, nei momenti decisivi, alla risorsa più adatta. Il robot più intelligente non sarà quello che usa il quantum, ma quello per cui il quantum migliora davvero una decisione che conta.