Cosa potrebbe rendere il calcolo quantistico facile da spiegare?

In un recente articolo di Quanta, “What Makes Quantum Computing So Hard to Explain?”, Scott Aaronson ammonisce,

“Per capire cosa possono fare i computer quantistici – e cosa non possono fare – evitate di cadere in spiegazioni troppo semplici”.

È un ottimo consiglio, ma è anche un po’ vacuo, dato che si potrebbe dire la stessa cosa dei computer digitali o di un tostapane, se è per questo. Il problema delle spiegazioni dell’informatica quantistica, così come esistono oggi, non è che sono troppo semplici, ma che sono troppo dettagliate. Se si cerca su Google “come funziona un computer quantistico”, si viene subito accolti con qubit e universi paralleli, azione spettrale a distanza, crescita esponenziale e – wow – non c’è da stupirsi che la gente sia confusa. Per fare chiarezza potete anche seguire il nostro corso di Quantum Informtion Theory.

L’intera premessa dell’affermazione di cui sopra è che qualcuno vuole sapere cosa possono fare i computer quantistici – per loro. Eppure, gli scienziati di computer quantistici si sentono obbligati a parlare di superposizione e di entanglement. Sebbene sia giusto parlare di superposizione ed entanglement – ho fermato persone per strada per parlare di fisica quantistica – non è quello che la gente ha bisogno di sentire sull’informatica quantistica attraverso ricerche casuali su Google. Lo stesso Aaronson, nell’articolo, fa un tentativo di spiegare l’informatica quantistica evitando le sue stesse critiche:

“Quindi un qubit è un bit che ha un numero complesso chiamato ampiezza collegato alla possibilità che sia 0, e un’ampiezza diversa collegata alla possibilità che sia 1”.

Questo è assolutamente corretto al 100%, ma scommetto che non significa nulla per chi non lo sapeva già. Che cosa sta succedendo? Perché ci sforziamo di spiegare ogni dettaglio della fisica quantistica come se fosse l’unica strada per comprendere la computazione quantistica? La risposta risiede in parte nell’illusione della profondità esplicativa. Abbiamo l’illusione di capire cose che sappiamo usare. Ma non è così. Pensateci. Sapete come funziona un computer? Un tostapane? La maniglia di una porta? Se pensate di saperlo, provate a spiegarlo. Provate a spiegare come lo costruireste. Usate delle immagini, se volete, ma credo che cambierete rapidamente idea su quanto pensavate di aver capito anche della tecnologia più semplice.

Non usiamo i computer quantistici, quindi non abbiamo l’illusione di capire come funzionano. Questo ha due effetti collaterali. Il primo è che noi (gli scienziati quantistici) pensiamo che il calcolo convenzionale sia generalmente ben compreso o non abbia bisogno di spiegazioni. Il secondo è che noi (gli scienziati quantistici) accettiamo l’idea che l’informatica quantistica sia difficile da spiegare. A sua volta, questo ci spinge a cercare di spiegarlo in modo eccessivo, sperando che l’ascoltatore si senta a proprio agio con l’informatica quantistica come con il proprio smartphone.

Per capire perché l’approccio “troppo difficile” è un problema, consideriamo un’analogia. Immaginiamo che il nostro amico curioso voglia sapere cosa può fare un computer digitale. Apparentemente, l’informatico quantistico inizierebbe a parlare di bit di informazione, operatori logici, architetture di programmi memorizzati e così via, aspettandosi che l’ascoltatore colleghi facilmente questi concetti e deduca che l’app UberEats è possibile. Ma questo, ovviamente, è sciocco. Si dovrebbe invece dire: “Avete mai ordinato del cibo con lo smartphone? OK. Analizziamo come la vostra intenzione di prendere una bella insalata di cavoli viene interpretata dal computer del vostro telefono…”.

Un’analogia ancora migliore è l’altro tema caldo della deep-tech, l’intelligenza artificiale. Se si cerca “che cos’è l’intelligenza artificiale”, la maggior parte delle spiegazioni legittime darà una risposta genericamente vaga e poi spenderà la maggior parte delle parole per descrivere le applicazioni esistenti e future. La risposta vaga che viene data è di solito qualcosa di simile: un’IA è una macchina autonoma che può imparare da esempi noti e fare generalizzazioni che funzionano per esempi sconosciuti. Poi, l’articolo prosegue dicendo che l’IA viene utilizzata nell’assistente digitale, per riconoscere i volti nelle foto, per rilevare lo spam e così via. Il lettore è felice di sapere – nella misura in cui chiunque abbia otto minuti di tempo per leggere può saperlo – cosa può fare l’IA.

(A proposito, se qualcuno è venuto qui solo per una lettura di otto minuti sui computer quantistici, provi invece questo).

Immagino che, a questo punto, il lettore attuale si stia chiedendo quale sia il grande piano dello scrittore per risolvere gli attuali problemi di educazione e alfabetizzazione quantistica del mondo. Sono lieto che l’abbiate chiesto, poiché si tratta di un’innovazione che io stesso e altri colleghi in tutto il mondo stiamo creando. Per me, tutto inizia con un cambiamento di prospettiva. Quando guardo a un futuro non troppo lontano, vedo sviluppatori di software quantistico che non hanno mai sentito parlare delle parole “superposizione” ed “entanglement” (proprio come chi oggi scrive il codice per la prossima applicazione di consegna di cibo non usa le parole “transistor” o “NAND gate”). Quindi, pensando al futuro sviluppatore di software quantistico, mi chiedo che aspetto abbia la sua formazione quantistica e, cosa più importante, come ci arriviamo da qui? (No, non si tratta di wormhole o di condensatori di flusso).

Sarei negligente se escludessi il gioco di parole dei piccoli passi quantistici. Ma ci sono anche i salti. Quantum Computing for Babies e Quantum Leaps sono stati un tentativo di portare l’informatica quantistica a un pubblico sempre più giovane.

Altri hanno portato nuove innovazioni per introdurre l’informatica quantistica a un pubblico adulto. Per esempio, Andy Matuschak e Michael Nielsen hanno creato Quantum Country, che è meglio descritto come un libro di testo introduttivo con domande intervallate che vengono automaticamente riproposte in base alla frequenza con cui si risponde correttamente (ripetizione distanziata per gli appassionati di scienze cognitive).

Brilliant – un’applicazione che insegna argomenti attraverso la risoluzione attiva di problemi – ha un corso di Informatica quantistica. Si noti che per usufruirne appieno è necessaria un’iscrizione premium.

BLACK OPAL è un’applicazione di Q-CTRL, attualmente in beta privata, che include esercizi altamente interattivi per l’apprendimento del calcolo quantistico.

Quantum Atlas è un’enciclopedia multimediale ospitata presso il Joint Quantum Institute, gestita da un ampio gruppo di scienziati e giornalisti scientifici finanziato dalla National Science Foundation.

Apparentemente ortogonali a tutto ciò sono i giochi quantistici, molti dei quali sono progettati allo scopo di insegnare l’informatica quantistica. L’esempio meglio prodotto è il gioco Quantum Game, dal nome poco fantasioso.

A proposito di giochi, di recente ho scritto di come ho cambiato il modo di insegnare l’informatica quantistica agli studenti universitari attraverso lo sviluppo di giochi.

Sarei stato d’accordo con quasi tutto ciò che Aaronson ha detto diversi anni fa (in effetti, lui e altri hanno detto le stesse cose per dieci anni), ma sono un po’ annoiato da questa narrazione. In realtà, vorrei sostenere che l’informatica quantistica non è difficile da spiegare. Tutto ciò che serve è una prospettiva diversa.

Articolo originale di Chris Ferrie

https://medium.com/@csferrie/what-could-make-quantum-computing-easy-to-explain-647599468c4c