Contattaci

Fisica

L’intelligenza artificiale ha problemi con il mondo reale

Gli ultimi sistemi d’intelligenza artificiale diventano campioni a un gioco nel giro di poche ore partendo da zero. Ma i ricercatori stanno cercando di applicare questi sistemi anche a problemi della vita reale, che tuttavia per ora le macchine non riescono ad affrontare in modo efficace a causa della loro complessità

Pubblicato

il

Fino a poco tempo fa, le macchine il grado di sconfiggere i campioni erano almeno abbastanza rispettose da iniziare imparando dall’esperienza umana.
Nel 1997, per battere Garry Kasparov a scacchi, gli ingegneri dell’IBM hanno usato secoli di saggezza degli scacchi nel loro computer Deep Blue. Nel 2016, AlphaGo di Google DeepMind ha battuto il campione Lee Sedol nell’antico gioco da tavolo Go dopo aver esaminato milioni di posizioni di decine di migliaia di partite umane.

Ma ora i ricercatori di intelligenza artificiale stanno ripensando il modo in cui i loro bot integrano la totalità della conoscenza umana. La tendenza attuale è: non disturbarti.

Nell’ottobre 2017, il gruppo di DeepMind ha pubblicato i dettagli di un nuovo sistema per giocare a Go, AlphaGo Zero, che non ha studiato affatto partite umane. Invece, ha iniziato con le regole del gioco e ha giocato contro se stesso. Le prime mosse sono state completamente casuali. Dopo ogni partita, ha acquisito nuove conoscenze su che cosa lo aveva portato a una vittoria e che cosa no. Alla fine di questi allenamenti, AlphaGo Zero si è scontrato con la versione superumana di AlphaGo che aveva sconfitto Lee Sedol. E ha vinto 100 partite a zero.

Il gruppo ora ha creato un altro giocatore esperto della famiglia di AlphaGo, chiamato semplicemente AlphaZero. In un articolo pubblicato su” Science”, i ricercatori di DeepMind hanno rivelato che, dopo aver ricominciato da zero, AlphaZero addestrato ha superato in prestazioni AlphaGo Zero, in altre parole, ha battuto il bot che ha battuto il bot che ha battuto i migliori giocatori di Go nel mondo. (L’articolo è stato pubblicato per la prima volta sul sito di preprint scientifico arxiv.org nel dicembre 2017.) E quando gli sono state fornite le regole per gli scacchi o lo shogi, variante giapponese degli scacchi, AlphaZero ha imparato rapidamente a sconfiggere

anche gli algoritmi di alto livello nati su misura per quei giochi. Gli esperti si sono meravigliati dello stile aggressivo e inconsueto del programma. “Mi sono sempre chiesto come sarebbe stato se una specie superiore fosse arrivatasulla Terra e ci avesse mostrato come gioca a scacchi”, ha detto il grande maestro danese Peter Heine Nielsen a un intervistatore della BBC. “Adesso lo so.”

L’anno scorso hanno visto la luce anche bot di autoapprendimento ultraterreno in ambientazioni molto diverse come il poker no-limit e Dota 2, un popolare videogioco on line multiplayer in cui eroi a tema fantasylottano per il controllo di un mondo alieno.

Ovviamente, le aziende che investono denaro in questi e altri sistemi simili hanno ambizioni più grandi che dominare i tornei di videogiochi. I gruppi di ricerca come DeepMind sperano di applicare metodi simili a problemi del mondo reale, come la costruzione di superconduttori a temperatura ambiente, o la comprensione degli origami necessari per ripiegare le proteine in potenti molecole farmacologiche. E, naturalmente, molti addetti ai lavori sperano di realizzare un’intelligenza artificiale generale, un obiettivo mal definito ma accattivante in cui una macchina potrebbe pensare come una persona, con la versatilità sufficiente per affrontare molti diversi tipi di problemi.

Tuttavia, nonostante gli investimenti su questi sistemi, non è ancora chiaro fino a che punto le tecniche attuali possano andare oltre il tavolo da gioco. “Non sono sicuro che le idee di AlphaZero si possano generalizzare facilmente”, ha detto Pedro Domingos, informatico dell’Università di Washington. “I giochi sono una cosa assai insolita.”

Obiettivi perfetti per un mondo imperfetto
Una caratteristica condivisa da molti giochi, scacchi e Go inclusi, è che i giocatori possono vedere tutti i pezzi su entrambi i versanti in ogni momento. Ogni giocatore ha sempre quella che viene definita “informazione perfetta” sullo stato del gioco. Per quanto diabolicamente complesso diventi il gioco, tutto ciò che occorre fare è pensare in avanti rispetto alla situazione corrente.

Tante situazioni reali non sono così. Immaginiamo di chiedere a un computer di diagnosticare una malattia o condurre una trattativa d’affari. “La maggior parte delle interazioni strategiche del mondo reale coinvolgono informazioni nascoste”, ha detto Noam Brown, studente di dottorato in informatica alla Carnegie Mellon University. “Ho la sensazione che ciò è stato trascurato dalla maggior parte della comunità dell’intelligenza artificiale”.

Il poker, in cui Brown è specializzato, pone una sfida diversa. Non si possono vedere le carte dell’avversario. Ma anche qui le macchine che imparano giocando contro se stesse stanno ora raggiungendo livelli sovrumani. Nel gennaio 2017, un programma chiamato Libratus creato da Brown e dal suo consulente, Tuomas Sandholm, ha battuto quattro giocatori professionisti di poker al Texas Hold ‘em testa a testa, no-limit, finendo 1,7 milioni di dollari davanti ai suoi avversari alla fine di una gara di 20 giorni.

Un gioco ancora più scoraggiante che coinvolge informazioni imperfette è StarCraft II, un altro videogioco on line multiplayer con un vasto seguito. I giocatori scelgono una squadra, costruiscono un esercito e combattono una guerra in un paesaggio di fantascienza. Ma quel paesaggio è avvolto da una nebbia di guerra che consente solo ai giocatori di vedere le aree in cui hanno soldati o edifici. Anche la decisione di andare in ricognizione tra le linee nemiche è piena di incertezze.

Questo è un gioco che l’intelligenza artificiale non può ancora affrontare. Gli ostacoli al successo includono il numero di mosse in una partita, che spesso arrivano a migliaia, e la velocità con cui devono essere fatte. Ogni giocatore – essere umano o macchina – deve preoccuparsi di una vasta serie di possibili futuri con ogni click.

Per ora, un testa a testa con i migliori esseri umani in questa arena è fuori dalla portata dell’intelligenza artificiale. Ma è un obiettivo. Nell’agosto 2017, DeepMind ha stretto una accordo con Blizzard Entertainment, l’azienda che ha realizzato StarCraft II, per fornire gli strumenti che, secondo loro, aiuteranno ad aprire il gioco ai ricercatori di intelligenza artificiale.

Nonostante le sfide, StarCraft II si riduce a un obiettivo che può essere enunciato in modo semplice: elimina il tuo nemico. È qualcosa che condivide con scacchi, Go, poker, Dota 2 e praticamente ogni altro gioco. Nelle partite, si può vincere.

Dal punto di vista dell’algoritmo, i problemi devono avere una “funzione obiettivo”, cioè un obiettivo da perseguire. Quando AlphaZero ha giocato a scacchi, non è stato così difficile. Una sconfitta contava come meno uno, un pareggio zero e una vittoria più uno. La funzione obiettivo di AlphaZero era di massimizzare il suo punteggio. La funzione obiettivo di un bot per il poker è altrettanto semplice: vincere un sacco di soldi.

intelligenza artificiale

(Credit: iSock/PhonlamaiPhoto)

 

Le situazioni della vita reale non sono così semplici. Per esempio, un’automobile che guida da sola ha bisogno di una funzione obiettivo più sfumata, qualcosa di simile al tipo di frase che useremmo per esprimere un desiderio al genio della lampada. Per esempio: portare tempestivamente il passeggero alla giusta destinazione, rispettare tutte le leggi e valutare adeguatamente il valore della vita umana in situazioni pericolose e incerte. Il modo in cui i ricercatori realizzano la funzione obiettivo, ha affermato Domingos, “è una delle cose che distingue un grande ricercatore di apprendimento automatico dalla media”.

Consideriamo Tay, un chatbot di Twitter rilasciato da Microsoft il 23 marzo 2016. L’obiettivo di Tay era coinvolgere le persone, e così è stato. “Quello che sfortunatamente Tay ha scoperto – ha detto Domingos, – era che il modo migliore per massimizzare il coinvolgimento era pubblicare insulti razzisti.” È stato messo off-line dopo nemmeno un giorno.

Il nostro peggior nemico
Alcune cose non cambiano. I metodi usati dai bot di gioco dominanti oggi usano strategie inventate decenni fa. “È quasi un tuffo nel passato, solo con più calcoli”, ha detto David Duvenaud, informatico dell’Università di Toronto.

Le strategie spesso si basano sull’apprendimento per rinforzo, una tecnica basata sul non intervento. Invece di eseguire un algoritmo con istruzioni dettagliate, gli ingegneri lasciano che la macchina esplori un ambiente, in modo che impari a raggiungere gli obiettivi per prove ed errori. Prima del rilascio di AlphaGo e dei suoi eredi, il gruppo di DeepMind ha ottenuto il suo primo grande risultato da prima pagina nel 2013, quando ha usato l’apprendimento per rinforzo per creare un bot che ha imparato a giocare sette giochi Atari 2600, tre dei quali a livello esperto.

Questi progressi sono continuati. Il 5 febbraio scorso, DeepMind ha presentato IMPALA, un sistema di intelligenza artificiale in grado di apprendere 57 giochi Atari 2600, più altri 30 livelli costruiti da DeepMind in tre dimensioni. In questi, il giocatore girovaga attraverso diversi ambienti, raggiungendo obiettivi come sbloccare porte o raccogliere funghi. IMPALA sembra trasferire conoscenza tra i compiti, il che significa che il tempo trascorso a giocare a un gioco aiuta anche a migliorare le prestazioni negli altri.

Ma nella più ampia categoria di apprendimento per rinforzo, giochi da tavolo e giochi multiplayer permettono un approccio ancora più specifico. Qui, l’esplorazione può assumere la forma di gioco solitario, o selfplay, in cui un algoritmo acquisisce la supremazia strategica combattendo ripetutamente con la copia di se stesso.

Questa idea risale a decenni fa. Negli anni cinquanta, l’ingegnere dell’IBM Arthur Samuel creò un programma per giocare a dama che imparava in parte facendo scontrare un lato alfa contro un lato beta. E negli anni novanta, Gerald Tesauro, anch’egli di IBM, costruì un programma di backgammon che metteva l’algoritmo contro se stesso. Il programma raggiunse livelli di esperti umani, escogitando via via strategie non ortodosse ma efficaci.

Partita dopo partita, l’algoritmo di un sistema self-play affronta un avversario dello stesso livello. Ciò significa che i cambiamenti nella strategia portano a risultati diversi, fornendo un feedback immediato all’algoritmo. “Ogni volta che impari qualcosa, ogni volta che scopri una piccola cosa, il tuo avversario la usa immediatamente contro di te”, ha detto Ilya Sutskever, direttore della ricerca di OpenAI, organizzazione no profit, che ha co-fondato con Elon Musk, dedicata allo sviluppo e alla condivisione della tecnologia dell’intelligenza artificiale con l’obiettivo di arrivare ad applicazioni sicure. Nell’agosto 2017, l’organizzazione ha rilasciato un bot Dota 2 che controlla il personaggio Shadow Fiend, una sorta di demone-negromante che ha battuto i migliori giocatori del mondo nelle battaglie uno contro uno. Un altro progetto OpenAI mette l’uno contro l’altro esseri umani simulati in un incontro di sumo, dove finiscono per auto-apprendere come attaccare e fare finte. Durante il self-play, “non puoi mai stare fermo, devi sempre migliorare”, ha detto Sutskever.

Ma la vecchia idea del self-play è solo un ingrediente dei bot dominanti di oggi, che hanno anche bisogno di un modo per tradurre le loro esperienze di gioco in una comprensione più profonda. Chess, Go e videogiochi come Dota 2 hanno molte più permutazioni di quanti siano gli atomi nell’universo. Anche nel corso di molte vite trascorse a combattere la propria ombra in arene virtuali, una macchina non può affrontare tutti gli scenari, prendere nota in una tabella e consultare quella tabella quando si trova di nuovo la stessa situazione.

intelligenza artificiale

Credit: iSock/PhonlamaiPhoto)

 

Per rimanere a galla in questo mare di possibilità, “è necessario generalizzare, catturare l’essenza”, ha detto Pieter Abbeel, informatico dell’Università della California a Berkeley. Deep Blue di IBM ha fatto questo con la sua formula di scacchi intrinseca. Dotato della capacità di valutare l’efficacia di posizioni sulla scacchiera che non aveva mai visto prima, poteva adottare mosse e strategie per incrementare le sue possibilità di vittoria. Negli ultimi anni, tuttavia, una nuova tecnica ha permesso di oltrepassare del tutto la formula. “Ora, all’improvviso, la ‘rete profonda’ cattura tutto questo”, ha detto Abbeel.

Le reti neurali profonde, o deep neural networks, che hanno accresciuto la loro popolarità negli ultimi anni, sono costruite con strati di “neuroni” artificiali che si sovrappongono come in un pancake. Quando i neuroni in un livello si attivano, inviano segnali allo strato successivo, che li invia allo strato successivo e così via.

Modificando il modo in cui gli strati si connettono, queste reti diventano molto abili nel trasformare gli input in output correlati, anche se la connessione sembra astratta. Date loro una frase in inglese, e potrebbero addestrarsi a tradurla in turco. Date loro foto di un rifugio per animali e potrebbero identificare quali contengono gatti. Oppure mostrate loro una scacchiera e potrebbero intuire le loro probabilità di vittoria. In genere, però, è necessario prima dare a queste reti una serie di esempi contrassegnati su cui esercitarsi.

Ecco perché self-play e reti neurali profonde si integrano così bene. Il self-play sforna continuamente raccolte di partite, dando alle reti neurali profonde la serie teoricamente illimitata dei dati di cui hanno bisogno per insegnare a se stesse. A loro volta, le reti neurali profonde offrono un modo per interiorizzare esperienze e schemi incontrati nel self-play.

Ma c’è un problema. Per produrre dati utili, i sistemi self-play hanno bisogno di un luogo realistico in cui giocare.

“Tutti questi giochi, tutti questi risultati, sono emersi in ambienti in cui è possibile simulare perfettamente il mondo”, ha dichiarato Chelsea Finn, studentessa di dottorato di Berkeley che usa l’intelligenza artificiale per controllare bracci robotizzati e interpretare i dati dai sensori. Altri domini non sono così facili da simulare.

Le automobili a guida autonoma, per esempio, hanno difficoltà a gestire il maltempo o i ciclisti. Oppure potrebbero non elaborare le bizzarre possibilità che si presentano nei dati reali, come un uccello che per caso vola direttamente verso la videocamera dell’auto. Per i bracci robotici, ha detto Finn, le simulazioni iniziali forniscono la fisica di base, permettendo al braccio almeno di imparare in che modo apprendere. Ma non riescono a catturare i dettagli che riguardano il contatto con le superfici, il che significa che compiti come avvitare un tappo di bottiglia o condurre una complessa procedura chirurgica richiedono anche un’esperienza del mondo reale.

Per problemi difficili da simulare, quindi, il self-play non è così utile. “C’è un’enorme differenza tra un vero modello perfetto dell’ambiente e uno valutato e appreso, soprattutto quando questa realtà è complessa”, ha scritto Yoshua Bengio, pioniere del deep learning all’Università di Montreal, in una email. Ma ciò lascia ancora ai ricercatori della intelligenza artificiale alcune strade per andare avanti.

La vita oltre i giochi
È difficile individuare l’alba della supremazia dell’intelligenza artificiale nei giochi. Si potrebbe scegliere la sconfitta di Kasparov negli scacchi, o la disfatta di Lee Sedol per mano virtuale di AlphaGo. Un’altra opzione popolare sarebbe il momento in cui il leggendario campione di Jeopardy!(quiz televisivo statunitense, in cui i concorrenti si sfidano sulla cultura generale sulla base di indizi) Ken Jennings è stato sconfitto da Watson dell’IBM nel 2011. Watson poteva analizzare gli indizi del gioco e gestire i giochi di parole. L’incontro, durato due giorni, non era equilibrato. “Io per primo do il benvenuto ai nostri nuovi padroni computerizzati”, ha scritto Jennings sotto la sua risposta finale.

Watson sembrava dotato del tipo di abilità che gli esseri umani usano in una serie di problemi del mondo reale. Poteva prendere un suggerimento in inglese, frugare tra i documenti pertinenti alla velocità della luce, trovare i frammenti di informazioni attinenti e fornire una singola migliore risposta. Ma sette anni dopo, il mondo reale continua a presentare sfide ostinatamente ardue per l’intelligenza artificiale. Un rapporto pubblicato a settembre dalla rivista sanitaria “Stat” ha rilevato che la ricerca e la progettazione di trattamenti personalizzati per il cancro, cercati da Watson for Oncology, erede di Watson, si stanno dimostrando difficili.

“Le domande in Jeopardy! sono più facili, nel senso che non hanno bisogno di molto senso comune”, ha scritto Bengio, che ha collaborato con il gruppo di Watson, quando gli è stato chiesto di confrontare i due casi dal punto di vista dell’intelligenza artificiale. “Capire un articolo di medicina è molto più difficile. Sono necessarie ancora molte ricerche di base”.

“Per quanto speciali siano i giochi, ci sono ancora problemi del mondo reale che sono simili. I ricercatori di DeepMind hanno rifiutato di essere intervistati per questo articolo, citando il fatto che il loro lavoro con AlphaZero è attualmente sottoposto a revisione tra pari. Ma il gruppo ha suggerito che le sue tecniche potrebbero presto aiutare i ricercatori in campo biomedico che vorrebbero comprendere il ripiegamento delle proteine.

Per fare questo, hanno bisogno di capire come i vari amminoacidi che formano una proteina si ripiegano in una piccola macchina tridimensionale con una funzione che dipende dalla sua forma. Ciò è complicato quanto lo sono gli scacchi: i chimici conoscono abbastanza bene le regole per calcolare scenari specifici, ma ci sono ancora così tante configurazioni possibili, che cercare tra di esse è un compito senza speranza. Ma che cosa succederebbe se il ripiegamento delle proteine potesse essere configurato come un gioco? In realtà, è già stato fatto. Dal 2008, centinaia di migliaia di giocatori umani si sono cimentati con Foldit, un gioco on line in cui gli utenti ricevono un punteggio in base alla stabilità e alla fattibilità delle strutture proteiche che ripiegano. Una macchina potrebbe allenarsi in modo simile, forse cercando di battere il suo precedente punteggio migliore con l’apprendimento generale per rinforzo.

Anche apprendimento per rinforzo e self-play potrebbero aiutare ad addestrare sistemi di dialogo, suggerisce Sutskever. Ciò darebbe ai bot che hanno intenzione di parlare agli esseri umani la possibilità di addestrarsi parlando a se stessi. E considerando che l’hardware specializzato per l’intelligenza artificiale sta diventando più veloce e più disponibile, gli ingegneri avranno un incentivo a mettere sempre più problemi in forma di giochi. “Penso che in futuro il self-play e altri modi di consumare una grande quantità di potenza di calcolo diventeranno sempre più importanti”, ha affermato Sutskever.

Ma se l’obiettivo finale è che le macchine possano fare ciò che fanno gli esseri umani, anche per un campione di gioco da tavolo generalista autodidatta come AlphaZero si apre una strada. “Secondo me, è necessario vedere che cosa è realmente un grande divario tra le attività reali del pensiero, l’esplorazione creativa delle idee e quello che attualmente vediamo nell’IA”, ha detto Josh Tenenbaum, scienziato cognitivo del Massachusetts Institute of Technology. “Quel tipo di intelligenza è lì, ma rimane per lo più nella mente dei grandi ricercatori di intelligenza artificiale”.

“Molti altri ricercatori, consapevoli del clamore che circonda il loro campo, mettono a disposizione le proprie competenze. “Farei attenzione a non sopravvalutare il significato di giocare a questi giochi, per l’intelligenza artificiale o per i lavori in generale. Gli esseri umani non sono molto bravi nei giochi”, ha detto François Chollet, che si occupa di ricerca nel campo del deep-learning per Google.

“Ma occorre tenere presente che strumenti molto semplici e specializzati possono effettivamente ottenere molto”, ha affermato.

(L’originale di questo articolo è stato pubblicato il 21 febbraio 2018 e aggiornato il 6 dicembre da QuantaMagazine.org





Licenza Creative Commons



Detective presso Computer Crime Research Center. Investigazioni Roma. Ingegneria Elettronica e delle Telecomunicazioni Seminario Analisi del Crimine Violento Università di Roma

Continua a leggere
Clicca per commentare

Leave a Reply

Per commentare puoi anche connetterti tramite:




Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Fisica

2018, record del riscaldamento degli oceani

Gli oceani – che assorbono circa il 90 per cento del calore dovuto al riscaldamento globale – continuano a scaldarsi: fra il 2017 e il 2018 hanno assorbito l’equivalente del calore prodotto da 100 milioni di bombe di Hiroshima e la situazione tende a peggiorare. Se non verrà bloccata l’emissione di gas serra, entro la fine del secolo il livello del mare aumenterà di 30 centmetri per la sola espansione termica

Pubblicato

il

Gli oceani assorbono fino al 90 per cento del calore prodotto dal riscaldamento globale (Pubblico dominio)

Per gli oceani il 2018 è stato l’anno più caldo mai registrato, nel quale si è avuto un accumulo record di calore. Rispetto al 2017, l’aumento di calore (o anomalia termica) è stato circa 100 milioni di volte superiore a quello prodotto dalla bomba di Hiroshima e, espresso in joule, circa 388 volte superiore alla produzione totale di elettricità della Cina nel 2017.
Ma quel che è peggio è che la tendenza continuerà anche in futuro raggiungendo livelli dalle conseguenze estremamente allarmanti se non sarà posto un freno all’accumulo dei gas serra in atmosfera.

A stabilirlo è uno studio condotto da un gruppo internazionale di ricercatori diretti da Lijing Cheng dell’Accademia cinese delle scienze e Kevin E. Trenberth del National Center for Atmospheric Research a Boulder, in Colorado, che firmano un articolo su “Advances in Atmospheric Sciences”.

Subito dopo il 2018, gli anni con il massimo accumulo di calore oceanico sono stati, nell’ordine, 2017, 2015, 2016 e 2014, con una significativa progressione lineare, L’unica eccezione – quella del 2015 che ha superato il 2016, nonostante in quest’ultimo la temperatura superficiale media globale fosse superiore – è imputabile a un forte evento di El Niño e al rimescolamento delle acque profonde e superficiali che lo caratterizza.

I dati sono stati raccolti con il sistema di monitoraggio oceanico Argo (in funzione da 13 anni), formato da una flotta di circa 4000 robot galleggianti alla deriva negli oceani di tutto il mondo, che ogni pochi giorni si immergono fino a una profondità di 2000 metri per poi misurare lungo tutto il percorso di risalita la temperatura, il pH, la salinità e altri parametri delle acque.

La misurazione del calore oceanico è particolarmente importante per valutare il riscaldamento globale perché oltre il 90 per cento del calore del riscaldamento globale si deposita negli oceani ed è meno influenzato dalle fluttuazioni naturali, tanto da rappresentare uno dei più robusti indicatori dei cambiamenti climatici. L’aumento delle temperature oceaniche ha molte conseguenze, a partire dall’aumento del livello del mare per espansione termica, che a sua volta può contaminare con acqua salata le falde d’acqua dolce costiere, e compromettere infrastrutture portuali e strade litoranee.

Inoltre, la maggiore disponibilità di calore si traduce in tempeste più intense e fenomeni meteorologici estremi, come piogge torrenziali in alcune aree e ondate di calore e siccità in altre.

In un secondo articolo pubblicato su “Science”, Cheng, Trenberth e colleghi usano i dati raccolti e quelli di precedenti ricerche – che hanno permesso di ricostruire, sia pure con minore precisione, le temperature dei mari a partire dal 1960 – per valutare l’andamento e la velocità di cambiamento del calore oceanico.

In uno scenario business-as-usual, in cui non viene fatto alcuno sforzo reale per ridurre le emissioni di gas serra, fra il 2081 e il 2100 i 2000 metri più superficiali degli oceani subiranno un riscaldamento di 0,78 °C, con un innalzamento del mare per espansione termica di 30 centimetri, sei volte maggiore di quello che si è avuto negli ultimi 60 anni. Se invece l’obiettivo dell’accordo di Parigi fosse raggiunto, il riscaldamento totale degli oceani potrebbe essere dimezzato.





Licenza Creative Commons



Crediti :

le Scienze

Continua a leggere

Fisica

Sta per cominciare una nuova corsa allo Spazio?

La Cina è riuscita a portare un rover sulla faccia nascosta della Luna, e ha in serbo piani ancora più ambiziosi. La Nasa sta approntando lo Space Launch System. Le aziende private lavorano a regime. Sembra stia per cominciare una nuova, seconda, corsa allo Spazio

Pubblicato

il

Stati Uniti. Cina. Unione europea. Russia, India, Giappone e (ultimamente) Etiopia. E ancora: SpaceX, Virgin Galactic, Blue Origin, Stratolaunch. Segnatevi bene questi nomi, perché saranno i protagonisti di una competizione senza esclusione di colpi, che si giocherà tutta nei cieli. Molto in alto, per la verità: a cinquant’anni (complottisti permettendo) dallo sbarco statunitense sulla Luna, momento culmine della corsa allo Spazio che impegnò Stati Uniti e Unione sovietica nel periodo della guerra fredda, potrebbe presto cominciare, secondo alcuni tra i più autorevoli esperti di politiche spaziali, una nuova battaglia (pacifica, si spera) per l’esplorazione e la conquista dello Spazio. Con conseguenze al momento del tutto imprevedibili: è vero che la prima corsa allo Spazio ebbe ricadute scientifiche e tecnologiche di ampissima portata, ma bisogna considerare il rischio che la competizione passi oggi dal campo della scienza a quello militare. Uno scenario solo apparentemente distopico: le attuali posizioni dell’amministrazione Trump e il segreto impenetrabile sulle reali capacità tecnologiche della Cina in ambito spaziale lasciano aperte le porte a tutte le possibilità.

Ecco il nostro recap della situazione attuale.

Lo stolto guarda il dito, la Cina indica la Luna

 

Non possiamo che cominciare dalla Cina, se non altro per questioni di attualità. Pochi giorni fa, come vi abbiamo raccontato, la sonda cinese Chang’e-4 è atterrata sulla faccia nascosta del nostro satellite, stabilendo un primato storico: mentre la parte visibile della Luna, infatti, è stata esplorata in più occasioni, nessuno finora – né gli Stati Uniti, né l’Unione Europea, né la Russia, aveva tentato lo sbarco, ben più difficile, sul lato opposto.

La missione era stata lanciata il 7 dicembre scorso dalla base spaziale di Xichang, nella provincia del Sichuan, e dopo poco meno di un mese di viaggio il lander e il rover sono allunati nel cratere von Karman, un buco di dimensioni enormi – circa 2500 chilometri di diametro – ovviamente non visibile dalla Terra. Obiettivi della missione: lo studio della superficie lunare e di ciò che c’è immediatamente sotto e la rilevazione delle onde radio provenienti dallo Spazio.

L’impresa di Chang’-e 4, comunque, non è che la punta dell’iceberg. Il programma spaziale cinese iniziò ufficialmente negli anni cinquanta, quando, assistiti dall’Unione Sovietica, gli scienziati asiatici si concentrarono sullo sviluppo di missili balistici; successivamente, con il consolidamento del potere di Mao e il suo cosiddetto grande balzo in avanti (il piano di trasformazione dell’economia cinese da sistema agricolo a società industriale), il programma subì una battuta d’arresto. Bisognerà infatti aspettare al 1970 per il lancio in orbita del primo satellite cinese; otto anni più tardi, Deng Xiaoping dichiarò esplicitamente che la Cina non avrebbe preso parte alla corsa allo Spazio, almeno per quanto riguardava l’esplorazione in senso stretto, e si sarebbe piuttosto concentrata sullo sviluppo di veicoli e satelliti per le telecomunicazioni e la meteorologia.

Nel ’92, altro cambio di programma: i cinesi si resero conto, come ha ricostruito su The Conversation Wendy Whitman-Cobb, docente di scienze politiche della Cameron Unviersity, esperta in politiche spaziali, che possedere una stazione spaziale orbitante avrebbe significato guadagnare un significativo aumento di prestigio presso la comunità internazionale. Detto, fatto: fu inaugurato un nuovo programma spaziale, che portò allo sviluppo della navicella Shenzou. Successivamente iniziarono i voli con equipaggio, fu costruita la prima stazione spaziale, Tiangong-1, e poi, in tempi più recenti, fu avviata la missione Chang’e, con obiettivo la Luna. Il successo di Chang’e 4 è solo l’inizio: la Cina ha infatti in mente piani ancora più ambiziosi, tra cui la costruzione di una nuova stazione, il recupero di campioni dal suolo marziano e la fondazione di una base permanente sulla Luna. La Cina non va troppo per il sottile: stando alla road map messa a punto da China Aerospace Science and Technology Corp, la repubblica del dragone si è prepotentemente candidata a diventare leader mondiale nella tecnologia spaziale entro il 2045.

Stati Uniti: arriva lo Space Launch System, ma…https://www.youtube.com/watch?v=AOj3n0HfobU
Come rispondono (se rispondono) gli Stati Uniti. Così e così. Il Washington Post racconta che oltreoceano “non è stato ancora possibile mettere a punto una controproposta credibile ai piani di sviluppo a lungo termine della Cina. Né il popolo americano né il comando delle forze armate sembrano percepire l’importanza strategica delle operazioni della Cina nello spazio tra la Terra e la Luna. Vedono tutto attraverso le lenti dell’esperienza passata durante la guerra fredda, assumendo che le motivazioni che spingono la Cina siano le stesse di quelle che spingevano l’Unione sovietica – sostanzialmente prestigio e ‘spunta di caselle’ – ma non è così”.

Il programma su cui più di ogni altro si sta concentrando l’agenzia spaziale statunitense è lo sviluppo e la costruzione dello Space Launch System, “il razzo più grosso e potente mai realizzato nella storia”, che nelle intenzioni dovrebbe aprire una nuova era per l’esplorazione dello Spazio aperto, al di là della bassa orbita terrestre. Sostanzialmente, lo Sls è un vettore che la Nasa impiegherà per il lancio delle nuove particelle, con o senza equipaggio, come per esempio la capsula Orion, con destinazione Marte.

Poi ci sono, naturalmente, altre questioni sul tavolo: il mantenimento in vita della Stazione spaziale internazionale, il recupero di campioni dagli asteroidi, l’esplorazione di Venere. Ma la strada americana per lo Spazio rischia di essere più complicata del previsto. “Al momento”, ci ha raccontato Whitman-Cobb“non vedo alcuna risposta significativa degli Stati Uniti alle mosse cinesi, almeno in termini di esplorazione spaziale pacifica. Date le attuali restrizioni di budget, è molto improbabile che la Nasa riesca ad avere le risorse necessarie ad accelerare lo sviluppo dello Sls; per quanto riguarda la Stazione spaziale internazionale, è interessante notare che l’amministrazione Trump, inizialmente, aveva intenzione di terminare la partecipazione statunitense all’inizio del decennio 2020-2030, ma i partner internazionali del progetto, insieme ad alcuni membri influenti del Congresso americano, vorrebbero prolungarla almeno fino al 2030, per evitare che la Cina, che nel frattempo sta sviluppando la sua seconda stazione spaziale, rimanga l’unica nazione con presenza umana permanente nello Spazio”.

I privati, dal canto loro, non stanno certo a guardare. Dei piani di SpaceXabbiamo parlato in più occasioni; progetti simili, anche se meno ambiziosi, sono sulle scrivanie degli ingegneri di Blue OriginVirgin Galactic Stratolaunch. L’ascesa dei privati nel campo dell’esplorazione spaziale ha dato già i suoi primi significativi risultati: fino a non molto tempo fa, portare in orbita un chilo di materiale costava all’incirca 20mila euro; oggi SpaceX ha ridotto la spesa a un quarto della cifra, rendendo di fatto lo Spazio molto più accessibile a privati, scuole, nazioni in via di sviluppo e altre aziende.

Dove si colloca tutto ciò in una possibile nuova corsa allo Spazio? Secondo Whitman-Cobb, la conseguenza è lo spostamento degli obiettivi delle agenzie pubbliche: “La Nasa, per esempio, ha essenzialmente modificato la destinazione delle sue missioni, spostandola al di là della bassa orbita terrestre e lasciando quest’ultima alle aziende private”.

Guerra nello Spazio?
Torniamo alla questione iniziale. Ci sono davvero gli estremi per l’inizio di una corsa allo Spazio? E cosa potrebbe accadere se gli intenti di questa corsa non dovessero essere così pacifici? La risposta, come accennavamo, non è semplice. In linea di massima, ci dice Whitman-Cobb, “le corse allo Spazio non sono negative, di per sé. La rivalità tra Stati Uniti e Unione Sovietica durante la guerra fredda ha portato allo sviluppo di tecnologie e spin-off che hanno aiutato l’economia globale: satelliti meteorologici, Gps, comunicazioni più efficienti, computer più piccoli. Una nuova corsa allo Spazio potrebbe avere anche conseguenze positive in termini di esplorazione, spingendo più in là i limiti dell’attuale conoscenza”. Il rovescio della medaglia: “Se ci dovesse essere una corsa allo Spazio”, continua l’esperta, “temo però che si potrebbe gareggiare in campo militare. Il che sarebbe naturalmente più pericoloso. La maggior parte della tecnologia spaziale ha un doppio utilizzo: può essere usata per scopi sia pacifici che bellici. Quindi, nonostante le nazioni continuino ad affermare che i propri satelliti (o altri strumenti) siano stati sviluppati per scopi pacifici, la paura è che possano essere usati anche in altro modo. L’amministrazione Trump, per esempio, si sta servendo dello spettro di una minaccia russa o cinese per perorare la necessità di una American Space Force. La Cina ha condotto un test anti-satelliti per distruggere (secondo la versione ufficiale) un satellite meteorologico guasto, il che ha creato una nuvola di detriti orbitanti che mettono in pericolo altre navicelle sulla stessa orbita, come nel film Gravity. E il Dipartimento della difesa cinese, nel suo report del 2018, ha dichiarato che il programma militare spaziale ‘continua a crescere rapidamente’”. Incrociamo le dita.





Licenza Creative Commons



Crediti :

Wired

Continua a leggere

Fisica

I computer piccolissimi che ci cambieranno la vita

Computer di dimensioni quasi microscopiche sono ormai alla portata della tecnologia elettronica. L’ultimo ostacolo da superare riguarda lo sviluppo di metodi per ottimizzarne l’efficienza energetica in modo da produrre batterie di dimensioni anch’esse minuscole ma a lunghissima durata di Stuart Biles / Scientific American

Pubblicato

il

Ricordate Salto nel buio, la commedia fantascientifica degli anni ottanta su una microscopica capsula con equipaggio iniettata in un essere umano?
Anche se siamo lontani anni dal lancio di sottomarini all’interno dei nostri corpi, i progressi dell’ingegneria hanno reso possibile la costruzione di computer così piccoli che l’idea di inserirli nel tessuto vivente non è più solo il parto dell’immaginazione di uno scrittore di fantascienza.

Sono già passati vent’anni da quando lo scienziato britannico Kevin Warwick impiantò per la prima volta un trasmettitore RFID al silicio nel suo braccio per controllare a distanza i computer di porte, luci e altri dispositivi. In seguito ha fatto un ulteriore passo avanti interfacciando il dispositivo con il proprio sistema nervoso in modo da controllare un braccio robotico, e guadagnarsi il soprannome di “Captain Cyborg”.
Anche se non è una notizia da strillare ogni giorno in prima pagina, il ritmo della tecnologia dei microcomputer non ha rallentato, e a volte resto ancora stupito dall’ingegnosità di alcuni nuovi sviluppi.

Per esempio, all’inizio di quest’anno, un team dell’Università del Michigan diretto da David Blaauw, docente di ingegneria elettronica e informatica, ha usato un processore ad alta efficienza energetica costruito dall’azienda per cui lavoro, la Arm, per costruire il computer più piccolo del mondo.

Il dispositivo, che misura appena 0,3 millimetri di lato, ha solo un decimo delle dimensioni del precedente detentore del record, un computer a energia solare non più grande di un granello di sale. Dato che è possibile integrare nel nuovo dispositivo dei sensori di temperatura e pressione, il team di Blaauw prevede che, tra le altre applicazioni, potrebbe essere impiantato nei tumori per determinare se si riducono dopo i trattamenti chemioterapici. (Gli studi dimostrano che i tumori possono avere temperature leggermente superiori a quelle dei tessuti sani).

Anche se lo sviluppo di minuscoli computer è entusiasmante, ci sono ostacoli che ne impediscono un’ampia diffusione nel settore sanitario e in altri settori. Uno dei problemi maggiori è la creazione di batterie sufficientemente piccole per alimentare i dispositivi.

Via via che le dimensioni delle batterie si riducono, anche la quantità di energia che immagazzinano diminuisce drasticamente. Le batterie necessarie per i computer minuscoli sono notevolmente più piccole delle piccole batterie convenzionali usate per alimentare dispositivi come i pacemaker e gli impianti cocleari, e la loro capacità – dice Blaauw – può essere mille volte inferiore.

Una possibile soluzione è trovare il modo per ricaricare frequentemente i dispositivi. Per esempio, i raggi infrarossi possono ricaricare a distanza i sensori impiantati in topi di laboratorio.

Gli scienziati stanno anche studiando come produrre elettricità per piccoli computer sfruttando una tecnica nota come recupero di energia termoelettrica, anche se finora non ci sono stati successi a una scala così piccola. Per far sì che questa tecnica funzioni, ci deve essere una differenza di temperatura tra due superfici di un dispositivo, ma i nuovi mini computer sono così piccoli che è difficile rendere una loro parte qualsiasi molto più calda di un’altra.

Altri metodi ancora allo studio prevedono il ricorso a molecole di glucosio come fonte di energia.

Una soluzione efficace potrebbe essere quella di risparmiare la piccola quantità di energia che può essere immagazzinata in una batteria minuscola. Blaauw e il suo team hanno visto che possono ridurre drasticamente il consumo di energia “svegliando” solo periodicamente i computer per fare calcoli e poi rimettendoli a riposo.

Oltre a massimizzare la quantità di tempo in cui i piccoli computer non sono attivi, si può abbattere il loro consumo energetico riducendo la quantità di elettricità che consumano quando sono attivi.

Blaauw e il suo gruppo sono riusciti a ridurre il consumo di energia a riposo del loro computer fino alla soglia infinitesimale di 30 picowatt, 300 trilionesimi di watt, grazie a una modificazione dei transistor usati, alla riduzione delle dimensioni di alcuni circuiti e ad alcune ottimizzazioni dei circuiti.

Le piccole dimensioni e il ridotto consumo energetico dei mini computer però servirebbero a poco se i dati che raccolgono non potessero essere comunicati correttamente. Per consumare meno elettricità possibile, Blaauw e il suo team hanno dovuto modificare anche questo processo.

Attivando l’antenna radio per le trasmissioni solo per pochi miliardesimi di secondo, i computer possono farsi riconoscere senza sprecare troppa energia. “Perché una radio possa essere sentita, deve ‘urlare’ piuttosto forte”, ha detto Blaauw. “In sostanza, abbiamo fatto sì che invece di urlare tutto il tempo, emetta solo un segnale forte ma breve.”

Se i gruppi di ricerca come quello di Blaauw riescono a superare gli ostacoli tecnologici, è verosimile che un giorno i computer minuscoli potranno rivoluzionare ben più del rilevamento dei tumori.

La CubeWorks, un’azienda nata dall’iniziativa Michigan Micro Mote (M3) dell’Università del Michigan, ha sviluppato un sistema di microsensori in rete che possono essere incorporati in oggetti di uso quotidiano – dai sistemi domotici ai parchi eolici fino ai dispositivi per monitorare i livelli di glucosio – e collegati all’Internet degli oggetti.

Alimentati dalla luce solare, questi computer possono raccogliere informazioni sulla temperatura e la pressione dell’ambiente, oltre a scattare immagini digitali e tracciare il movimento all’interno di una determinata area. Un giorno, sistemi come questi potranno trasformare il modo in cui interagiamo con tutto, dagli edifici in cui viviamo agli abiti che indossiamo.

Anche se non saremo ancora in grado di lanciare sottomarini all’interno del nostro corpo, i computer di dimensioni millimetriche probabilmente arriveranno sul mercato nel prossimo decennio e cominceranno ad avere un impatto significativo sul mondo.

(L’originale di questo articolo è stato pubblicato su “Scientific American” il 28 dicembre 2018





Licenza Creative Commons



Crediti :

le Scienze

Continua a leggere

Chi Siamo

Dicono di noi

4 star review  Da seguire !! Un analisi lucida e assolutamente razionale sui fatti scomodi alla chiesa che come sempre i media non hanno il coraggio di divulgare .

thumb Fabio Gabardi
1/03/2018

Newsletter

NASA TV

SPACE X

Facebook

I più letti