E se a imparare fosse l’hardware stesso? È la prospettiva esplorata nell’articolo scientifico “Self-organizing memristive networks as physical learning systems”, pubblicato sulla rivista Nature Reviews Physics da un gruppo internazionale di ricerca al quale ha partecipato il Dottor Gianluca Milano, Primo Ricercatore dell’Istituto Nazionale di Ricerca Metrologica (INRiM) e Professore associato presso il Politecnico di Torino.
Lo studio analizza le potenzialità delle reti memristive auto-organizzate, sistemi composti da nanofili o nanoparticelle collegati attraverso giunzioni elettriche dinamiche. Quando ricevono uno stimolo, queste reti modificano i propri percorsi conduttivi e conservano una memoria dell’attività precedente.
Questa capacità di trasformarsi con l’esperienza le rende particolarmente interessanti per lo sviluppo di nuovi sistemi di calcolo. A differenza dei sistemi convenzionali, nei quali un software di intelligenza artificiale viene eseguito da un processore, nelle reti memristive è la stessa struttura fisica del materiale a partecipare direttamente all’elaborazione delle informazioni e ai processi di apprendimento.
Il loro comportamento richiama alcune proprietà delle reti neuronali biologiche, nelle quali le connessioni si modificano in risposta agli stimoli ricevuti. Questi sistemi potrebbero quindi contribuire allo sviluppo di un’intelligenza artificiale più efficiente, adattiva e integrata nel mondo fisico.
Una delle possibili applicazioni riguarda l’edge computing, ovvero l’elaborazione dei dati direttamente nel luogo in cui vengono prodotti. In futuro, sensori, robot, veicoli autonomi o satelliti potrebbero analizzare localmente le informazioni, riducendo i consumi energetici, i tempi di risposta e la dipendenza dal cloud.