Viviamo in un’epoca in cui l’Intelligenza Artificiale sembra non avere confini. Le chiediamo di comporre sinfonie, di diagnosticare malattie complesse, di guidare le nostre automobili e di simulare conversazioni umane con un grado di realismo impressionante. Eppure, c’è un’azione apparentemente banale, un gesto che un bambino impara a fare per risolvere una disputa in cortile, che nessuna macchina, dal più semplice calcolatore tascabile al più potente supercomputer del mondo, sarà mai in grado di compiere in modo onesto: lanciare una moneta. Quando chiediamo a un computer di generare un risultato casuale, stiamo assistendo a un’illusione magistralmente orchestrata. Ma perché accade questo? Qual è il segreto matematico che impedisce alle macchine di abbracciare il vero caos?
La natura deterministica delle macchine
Per comprendere questo paradosso, dobbiamo prima analizzare la natura stessa dell’informatica. I computer, per loro stessa definizione, sono macchine deterministiche. Questo significa che, dato un input specifico e un insieme di istruzioni precise, produrranno sempre, invariabilmente, lo stesso identico output. Non c’è spazio per l’incertezza, per l’estro o per il caso nei circuiti di silicio. Ogni operazione è il risultato di correnti elettriche che attraversano porte logiche microscopiche, seguendo percorsi matematici rigorosi e inflessibili.
Alla base di ogni software ci sono algoritmi, ovvero sequenze finite di istruzioni progettate per risolvere un problema. L’automazione dei processi informatici si basa proprio su questa prevedibilità assoluta: vogliamo che il nostro foglio di calcolo dia sempre la stessa somma se i numeri inseriti sono gli stessi. Se un computer iniziasse a comportarsi in modo veramente casuale, lo considereremmo guasto. Il determinismo è la più grande forza dell’informatica, ma è anche la sua prigione quando si tratta di simulare l’imprevedibilità della natura.
Il trucco dietro il sipario: i numeri pseudocasuali
Se i computer non possono essere casuali, come fanno i videogiochi a generare mondi sempre diversi? Come fa Spotify a mescolare le nostre playlist? La risposta risiede in un trucco matematico noto come Generatore di Numeri Pseudocasuali (PRNG – Pseudorandom Number Generator). Come suggerisce il nome, questi numeri sembrano casuali, ma non lo sono affatto.
Un PRNG è un algoritmo che parte da un valore iniziale, chiamato “seme” (o seed in inglese). Questo seme viene poi sottoposto a una serie di complesse operazioni matematiche (moltiplicazioni, divisioni, moduli) per produrre un nuovo numero. Questo nuovo numero diventa il risultato “casuale” fornito all’utente e, contemporaneamente, funge da nuovo seme per l’operazione successiva. La sequenza di numeri generata è così complessa e priva di schemi evidenti che, all’occhio umano, appare come puro caos.
Tuttavia, c’è un difetto fondamentale: se conosci l’algoritmo utilizzato e il seme di partenza, puoi calcolare con assoluta certezza l’intera sequenza di numeri che verrà generata, dall’inizio alla fine. È come leggere un libro: la storia può sorprenderti la prima volta, ma se riapri il libro alla stessa pagina, le parole saranno esattamente le stesse. Non c’è alcun lancio di moneta; c’è solo un’equazione molto lunga e complicata.
Perché l’Intelligenza Artificiale non fa eccezione
Si potrebbe pensare che il progresso tecnologico abbia superato questo limite. Dopotutto, oggi parliamo costantemente di machine learning e deep learning, sistemi che sembrano imparare e adattarsi in modo organico. Eppure, anche i modelli più avanzati sono vincolati alle stesse leggi del determinismo.
Prendiamo ad esempio un LLM (Large Language Model) come ChatGPT. Quando gli chiediamo di scrivere una poesia, il testo che genera ci sembra creativo e imprevedibile. In realtà, ogni architettura neurale si basa su calcoli probabilistici deterministici. Il modello calcola le probabilità di quale parola (o token) dovrebbe seguire la precedente. Per evitare che l’AI risponda sempre nello stesso identico modo alla stessa domanda, gli sviluppatori introducono un parametro chiamato “temperatura”, che inietta una dose di pseudocasualità nella scelta della parola successiva.
Ma, ancora una volta, questa casualità è generata da un algoritmo PRNG. Se potessimo congelare lo stato esatto del server, fissare il seme del generatore di numeri pseudocasuali e porre la stessa domanda, ChatGPT scriverebbe esattamente la stessa identica poesia, virgola per virgola. L’AI non sta immaginando; sta eseguendo un calcolo statistico mascherato da creatività attraverso l’illusione del caso.
Il problema del “seme” e la ricerca dell’entropia
Se il seme determina l’intera sequenza, da dove prende il computer questo valore iniziale? Per rendere l’illusione più convincente, i sistemi operativi cercano di raccogliere “entropia”, ovvero disordine, dall’ambiente circostante. Spesso, il seme viene generato leggendo l’orologio di sistema al millisecondo esatto in cui viene richiesta l’operazione. Altre volte, il computer registra i micro-movimenti del mouse dell’utente, i battiti sulla tastiera o le fluttuazioni di temperatura del processore.
Questo approccio rende estremamente difficile per un essere umano indovinare il seme, ma non cambia la natura del processo. Se un hacker riuscisse a intercettare lo stato esatto del sistema in quel preciso millisecondo, potrebbe prevedere ogni singola mossa successiva. Questo è un problema critico nella crittografia, dove la sicurezza dei nostri dati bancari e delle nostre comunicazioni dipende dalla generazione di chiavi di sicurezza che devono essere impossibili da indovinare.
Esiste una soluzione? Il vero caso nella fisica quantistica
Se la matematica pura non può offrirci il vero caso, dobbiamo rivolgerci alla fisica. Esistono dispositivi chiamati Generatori di Numeri Casuali Veri (TRNG – True Random Number Generators) che non si basano su algoritmi, ma su fenomeni fisici intrinsecamente imprevedibili.
Alcuni di questi dispositivi misurano il decadimento radioattivo degli isotopi, un processo che la meccanica quantistica ci dice essere assolutamente casuale e impossibile da prevedere, anche conoscendo tutte le variabili dell’universo. Altri misurano il rumore termico dei circuiti elettronici o le interferenze atmosferiche. Un esempio celebre è quello dell’azienda di sicurezza informatica Cloudflare, che nel suo quartier generale ha un muro pieno di “lava lamp” (lampade di lava). Una telecamera filma costantemente i movimenti caotici e imprevedibili delle bolle di cera colorata, e i pixel di quel video vengono trasformati in numeri casuali per crittografare una fetta significativa del traffico internet globale.
Tuttavia, questi sistemi hardware sono costosi, lenti e complessi da integrare in ogni singolo smartphone o computer portatile. Per il 99% delle applicazioni quotidiane, l’illusione matematica dei numeri pseudocasuali è più che sufficiente, rapida ed economica.
L’impatto sul progresso tecnologico e sui benchmark
Paradossalmente, l’incapacità delle macchine di lanciare una moneta in modo onesto è spesso una benedizione per la scienza informatica. Nel campo della ricerca sull’intelligenza artificiale, la riproducibilità è fondamentale. Quando gli scienziati addestrano un nuovo modello di deep learning, devono poter verificare se i miglioramenti sono dovuti a una nuova architettura o semplicemente a un colpo di fortuna nei dati iniziali.
Fissando il “seme” del generatore pseudocasuale, i ricercatori possono eseguire benchmark rigorosi, garantendo che ogni test parta esattamente dalle stesse condizioni. Se i computer fossero veramente casuali, il debug del software (la caccia agli errori di programmazione) sarebbe un incubo insormontabile, perché un errore potrebbe presentarsi una volta e non ripetersi mai più nelle stesse esatte circostanze.
In Breve (TL;DR)
I computer, essendo macchine puramente deterministiche basate su algoritmi rigorosi, non saranno mai in grado di generare la vera casualità naturale.
Per simulare il caso, i sistemi informatici utilizzano generatori di numeri pseudocasuali, complessi algoritmi matematici vincolati a un valore iniziale.
Anche la più avanzata intelligenza artificiale sfrutta questa illusione matematica per simulare creatività, nascondendo calcoli deterministici dietro una finta imprevedibilità.
Conclusioni
L’idea che i nostri dispositivi tecnologici siano macchine fredde e calcolatrici è radicata nella realtà molto più di quanto la fluidità delle interfacce moderne lasci trasparire. Nessun computer, per quanto avanzato, e nessuna intelligenza artificiale, per quanto sofisticata, possiede il libero arbitrio o la capacità di affidarsi al vero caso. Ogni lancio di dadi digitale, ogni mescolamento di carte virtuale, ogni risposta creativa di un chatbot è il risultato di una catena inesorabile di cause ed effetti, scritta nel linguaggio inflessibile della matematica.
L’illusione del caso è uno dei trucchi di prestigio più riusciti della storia della tecnologia. Ci permette di godere di videogiochi imprevedibili, di proteggere i nostri segreti online e di dialogare con macchine che sembrano umane. Ma dietro il sipario, il computer non sta lanciando nessuna moneta: sta semplicemente leggendo, a una velocità inimmaginabile, un copione già scritto fin dal primo istante in cui è stato generato il suo seme. E forse, in un mondo sempre più caotico, c’è una strana forma di conforto nel sapere che, almeno nel cuore delle nostre macchine, tutto segue ancora una logica perfetta e immutabile.
Domande frequenti
I calcolatori sono macchine deterministiche progettate per restituire sempre lo stesso risultato a fronte di un input specifico. Non avendo spazio per il caos nei loro circuiti, utilizzano algoritmi matematici complessi per simulare una finta imprevedibilità, ma seguono sempre regole rigorose e inflessibili.
I programmi informatici utilizzano speciali generatori matematici che partono da un valore iniziale chiamato seme. Questo valore subisce diverse operazioni per produrre una sequenza numerica talmente complessa da sembrare caotica alla vista umana, pur essendo del tutto prevedibile conoscendo la formula di partenza.
I modelli linguistici avanzati calcolano le probabilità statistiche della parola successiva da inserire nel testo. Per evitare risposte identiche, gli sviluppatori aggiungono un parametro di temperatura che inserisce una dose di pseudocasualità matematica nella scelta dei vocaboli, simulando una finta creatività umana.
Si tratta di dispositivi fisici che non usano formule matematiche ma misurano fenomeni naturali intrinsecamente imprevedibili. Questi sistemi analizzano eventi come il decadimento radioattivo degli isotopi o il rumore termico dei circuiti elettronici per ottenere sequenze numeriche impossibili da calcolare in anticipo.
Per rendere la finzione molto convincente, i computer raccolgono disordine dal mondo circostante. Spesso leggono il millisecondo esatto del timer interno di sistema, oppure registrano i microscopici movimenti del mouse e le fluttuazioni di temperatura del processore per creare un punto di partenza difficile da indovinare.
Hai ancora dubbi su Il paradosso matematico: l’azione che i computer devono fingere?
Digita qui la tua domanda specifica per trovare subito la risposta ufficiale di Google.
Fonti e Approfondimenti
- Generatore di numeri pseudo-casuali: fondamenti matematici (Wikipedia)
- Progetto sulla generazione di bit casuali: standard e sicurezza (NIST – National Institute of Standards and Technology)
- Generatore di numeri pseudo-casuali e il ruolo del Seme (Wikipedia)
- Entropia in informatica: come i sistemi operativi raccolgono il disordine (Wikipedia)
- Macchina di Turing deterministica: alla base del determinismo informatico (Wikipedia)
Hai trovato utile questo articolo? C’è un altro argomento che vorresti vedermi affrontare?
Scrivilo nei commenti qui sotto! Prendo ispirazione direttamente dai vostri suggerimenti.