La risposta potrebbe influenzare i limiti della conoscenza - Kataweb
La risposta potrebbe influenzare i limiti della conoscenza - Kataweb
La risposta potrebbe influenzare i limiti della conoscenza - Kataweb
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
oltre i<br />
LIMITI<br />
chi siamo<br />
maginiamo di essere un turista squattrinato<br />
che sta pianificando un viaggio attraverso<br />
un certo numero di città in Europa, e<br />
che cerca un percorso che gli faccia attraversare<br />
ogni città minimizzando la distanza<br />
totale che deve percorrere. Come trovare<br />
la strada migliore? Il metodo più semplice<br />
è provare ogni possibilità. Con cinque città<br />
da visitare si devono controllare solo 12<br />
possibili itinerari. Con dieci città i percorsi<br />
possibili crescono come funghi, e arrivano<br />
a 180.000. Con 60 città il numero di itinerari<br />
supera il numero di atomi nell’universo<br />
conosciuto. Questo incubo computazionale<br />
è conosciuto come il problema del commesso<br />
viaggiatore, e nonostante ottant’anni<br />
di intensi studi nessuno ha mai trovato<br />
un metodo generale per risolverlo che funzioni<br />
meglio del provare ogni possibilità,<br />
una alla volta.<br />
Questa è l’essenza perversa <strong>della</strong> NPcompletezza,<br />
e di P contro NP: non solo<br />
tutti i problemi NP-completi sono egualmente<br />
impossibili da risolvere con l’eccezione<br />
dei casi più semplici, anche se il<br />
vostro computer ha più memoria di Dio<br />
e l’intera vita dell’universo per provarci,<br />
sembrano saltare fuori ovunque. In effetti,<br />
questi problemi NP-completi, non solo<br />
frustrano gli informatici, ma addirittura<br />
sembrano mettere <strong>limiti</strong> alle capacità <strong>della</strong><br />
natura stessa.<br />
Il codice <strong>della</strong> natura<br />
Il pionieristico programmatore olandese<br />
Eds ger Dijkstra aveva capito che i problemi<br />
computazionali hanno implicazioni<br />
che vanno oltre la matematica. Una volta<br />
sottolineò che «l’informatica riguarda solo<br />
i computer quanto l’astronomia riguarda<br />
solo i telescopi». In altre parole, il calcolo<br />
è un comportamento esibito da molti sistemi,<br />
al di là da quelli creati da Google e<br />
Intel. In effetti si può dire che ogni sistema<br />
che trasformi input in output seguendo un<br />
insieme finito di regole, compresi quelli<br />
normalmente studiati da biologi e fisici,<br />
stia calcolando.<br />
Nel 1994 il matematico Peter Shor aveva<br />
dimostrato che particelle subatomiche,<br />
disposte secondo una configurazione ingegnosa,<br />
<strong>potrebbe</strong>ro decifrare i moderni<br />
codici crittografici. Nel 2002 Adleman<br />
ha usato frammenti di DNA per scoprire<br />
la soluzione ottimale di una versione del<br />
problema del commesso viaggiatore. E<br />
nel 2005 Scott Aaronson, esperto in calcolo<br />
quantistico che lavora oggi al Computer<br />
Science and Artifi cial Intelligence<br />
<strong>La</strong>boratory del Massachusetts Institute of<br />
che cosa faremo<br />
Il venditore<br />
svedese<br />
Se avete grandi ambizioni riguardo a un<br />
vostro viaggio in Svezia, considerate la<br />
possibilità di visitarla tutta, ma proprio tutta.<br />
Alcuni ricercatori hanno provato che l’itinerario<br />
rappresentato qui accanto è il<br />
più breve possibile fra quelli che attraversano<br />
tutte le 24.978 città e villaggi<br />
svedesi. Gli scienziati non si aspettano<br />
che qualcuno faccia veramente questo<br />
viaggio, ma le tecniche di ricerca<br />
che hanno sviluppato per risolvere<br />
il problema saranno di aiuto in<br />
altre situazioni in cui serve trovare,<br />
per esempio, il percorso ottimale<br />
in un contesto complicato,<br />
nella progettazione dei microchip<br />
o nel sequenziamento del<br />
genoma.<br />
dove andiamo<br />
Technology, per calcolare con efficienza<br />
la soluzione ottimale a un problema conosciuto<br />
come «albero di Steiner», fra le tante<br />
cose che avrebbe potuto scegliere, ha usato<br />
bolle di sapone. Questi sono proprio il<br />
tipo di problemi NP che <strong>potrebbe</strong>ro ingolfare<br />
i circuiti di un computer che provasse<br />
a risolverli. Questi sistemi naturali sanno<br />
qualcosa su P contro NP, che i computer<br />
non sanno?<br />
applicazioni<br />
Percorso ottimale<br />
(linea)<br />
Centri abitati (punti)<br />
«Certamente no», risponde Aaronson.<br />
Il suo esperimento con le bolle di sapone<br />
era in realtà una dimostrazione per assurdo<br />
dell’affermazione secondo cui semplici<br />
sistemi fisici possono in qualche modo trascendere<br />
le differenze fra P e NP. Sebbene<br />
le bolle di sapone «calcolino» le soluzioni<br />
perfette in pochi casi per l’albero di Steiner<br />
minimo, smettono di funzionare rapidamente<br />
con il crescere delle dimensioni del<br />
66 Le Scienze 531 novembre 2012<br />
David Applegate, AT&T <strong>La</strong>bs; Robert Bixby, Rice University; Vasek Chvatal, Concordia University;<br />
William J. Cook, Georgia Institute of Technology<br />
problema, proprio come farebbe un computer.<br />
L’esperimento con il DNA effettuato<br />
da Adleman ha sbattuto contro lo stesso<br />
muro. L’algoritmo quantistico di Shor funziona<br />
in tutti i casi, ma quasi certamente il<br />
problema fattoriale che risolve non è NPcompleto.<br />
Quindi quell’algoritmo non ci<br />
fornisce la chiave per risolvere ogni altro<br />
problema NP. Biologia, fisica classica e sistemi<br />
quantistici, tutti sembrano sostenere<br />
l’idea secondo cui non ci sono scorciatoie<br />
per risolvere i problemi NP-completi. E<br />
questo sarebbe vero solo se P non è uguale<br />
a NP.<br />
«Certo, non possiamo provarlo con assoluta<br />
certezza», dice Aaronson. «Ma se<br />
fossimo fisici invece che teorici <strong>della</strong> complessità,<br />
“P non è uguale a NP” sarebbe stato<br />
dichiarato legge di natura già da tempo,<br />
proprio come il fatto che niente possa<br />
superare la velocità <strong>della</strong> luce». In effetti<br />
alcune teorie fisiche riguardo alla natura<br />
fondamentale dell’universo, come il principio<br />
olografico suggerito dal lavoro di<br />
Stephen Hawking sui buchi neri, implicano<br />
che il tessuto <strong>della</strong> realtà stessa non sia<br />
continuo, ma discreto, composto di tasselli<br />
simili a pixel, proprio come i bit di un computer<br />
(si veda Lo spazio è digitale?, di Michael<br />
Moyer, in «Le Scienze» n. 524, aprile<br />
2012). Quindi l’apparente intrattabilità dei<br />
problemi NP, e la limitazione <strong>della</strong> <strong>conoscenza</strong><br />
che questa intrattabilità implica,<br />
<strong>potrebbe</strong> essere parte dell’universo al livello<br />
più fondamentale.<br />
Cervelli meccanici<br />
Ma se l’universo stesso è soggetto ai <strong>limiti</strong><br />
computazionali imposti da P contro<br />
NP, come è possibile che i problemi NPcompleti<br />
sembrano sempre risolvibili, addirittura<br />
nei casi in cui trovare le soluzioni<br />
dovrebbe richiedere migliaia di miliardi di<br />
anni o più?<br />
Per esempio, mentre un feto umano<br />
è in gestazione nell’utero il suo cervello<br />
completa i collegamenti necessari alla sopravvivenza<br />
partendo da miliardi di singoli<br />
neuroni. Aver trovato la migliore rete<br />
di collegamenti possibile fra tutte queste<br />
cellule è un problema NP-completo che<br />
l’evoluzione sembra aver risolto. «Quando<br />
un neurone si allunga da un punto per collegarsi<br />
a un insieme di altri punti sinaptici,<br />
risolve sostanzialmente un problema di<br />
ottimizzazione di un grafo, che è un NPdifficile»,<br />
spiega il neurobiologo evolutivo<br />
Mark Changizi. Eppure il cervello in realtà<br />
non risolve il problema, trova un’approssimazione<br />
molto vicina alla soluzione. (In<br />
pratica la disposizione dei neuroni ricade<br />
entro il tre per cento di quella ottimale.) Il<br />
verme Cae norhabditis elegans ha solo 302<br />
neuroni, tuttavia non ha un diagramma di<br />
connessioni neurali perfettamente ottimizzato,<br />
nonostante miliardi di miliardi di generazioni<br />
siano state spinte dalla selezione<br />
naturale ad agire sul problema. «L’evoluzione<br />
è limitata da P contro NP», afferma<br />
Changizi. «Però funziona ugualmente, perché<br />
non sempre la vita richiede la perfezione<br />
per funzionare bene».<br />
A quanto pare non ne hanno bisogno<br />
nemmeno i computer. Il fatto che i computer<br />
di oggi possano fare anche solo qualcosa<br />
di utile – e per molto meno raggiungere<br />
le meravigliose prestazioni che diamo per<br />
scontate nelle nostre consolle per videogiochi<br />
o nei nostri smartphone – è la prova<br />
che i problemi in P includono un gran<br />
numero delle nostre necessità computazionali.<br />
Per il resto, un imperfetto algoritmo<br />
di approssimazione è spesso più che sufficiente<br />
allo scopo. In effetti questi algoritmi<br />
«più che sufficienti» possono risolvere problemi<br />
di ricerca e di confronto fra strutture<br />
immensamente complessi, molti dei quali<br />
sono tecnicamente NP-completi. Queste<br />
soluzioni non sono sempre matematicamente<br />
ottimali per tutti i casi, ma questo<br />
non significa che non siano utili.<br />
Prendiamo Google, per esempio. Secondo<br />
molti ricercatori <strong>della</strong> complessità, i<br />
problemi NP sono essenzialmente problemi<br />
di ricerca. Ma secondo il direttore <strong>della</strong> ricerca<br />
di Google, Peter Norvig, l’azienda fa<br />
ogni sforzo per evitare di doversi trovare<br />
ad affrontare problemi NP. «Per i nostri<br />
utenti la velocità conta più <strong>della</strong> perfezione»,<br />
spiega. E in effetti i ricercatori di Google<br />
ottimizzano i loro algoritmi per una<br />
categoria computazionale addirittura più<br />
veloce di quella richiesta dai problemi P<br />
(a cui ci si riferisce come «tempo lineare»),<br />
in modo che i risultati di ricerca appaiano<br />
quasi istantaneamente. E se si incontra un<br />
problema che non può essere risolto in<br />
questo modo? «O lo formuliamo in modo<br />
da renderlo più semplice, o non ce ne preoccupiamo»,<br />
dice Norvig.<br />
Questa è l’eredità, e l’ironia, del problema<br />
P contro NP. Scrivendo a Von Neumann<br />
nel 1956 Gödel pensava che il problema<br />
contenesse la promessa di un futuro<br />
pieno di macchine dal ragionamento infallibile,<br />
in grado di ripetere «il lavoro mentale<br />
di un matematico», che producessero<br />
insomma grandi verità fondamentali premendo<br />
semplicemente un bottone. Invece<br />
decenni di studio di P contro NP hanno<br />
contribuito a creare un mondo in cui abbiamo<br />
esteso la capacità di risolvere problemi<br />
delle nostre macchine, ma proprio<br />
accettandone i <strong>limiti</strong>. L’approssimazione<br />
<strong>della</strong> vita, non la perfezione <strong>della</strong> meccanica,<br />
è ciò che le automobili autonome di<br />
Google usano per poter guidare da sole<br />
nelle affollate autostrade di Los Angeles, o<br />
che il computer Watson di IBM ha sfruttato<br />
per indovinare le risposte che lo hanno<br />
portato a vincere a Jeopardy, un famoso<br />
quiz televisivo di cultura generale trasmesso<br />
negli Stati Uniti.<br />
Corsa all’oro<br />
Il 2000 è arrivato ed è passato, e Sipser<br />
ha spedito ad Adleman l’oncia d’oro. «Forse<br />
voleva che la spedissi in un cubo di<br />
poliestere trasparente, in modo da poterla<br />
esporre come un trofeo sulla sua scrivania<br />
o da qualche altra parte», dice Sipser. «Ma<br />
non l’ho fatto». Lo stesso anno il Clay Mathematics<br />
In stitute di Cambridge, in Massachusetts,<br />
ha offerto una nuova taglia a<br />
chi risolverà il problema P contro NP: un<br />
milione di dollari. Il premio ha aumentato<br />
l’attenzione sul problema, come sperato,<br />
ma ha anche attirato dilettanti e svitati:<br />
attualmente Sipser, come molti altri importanti<br />
teorici <strong>della</strong> complessità, riceve<br />
regolarmente e-mail non richieste in cui<br />
perfetti sconosciuti gli chiedono un parere<br />
su certi loro inediti tentativi di dimostrare<br />
che P non è uguale a NP, o, peggio ancora,<br />
di dimostrare l’opposto.<br />
Sebbene P contro NP rimanga irrisolto,<br />
molti ricercatori <strong>della</strong> complessità ritengono<br />
che prima o poi se ne verrà a capo. «Non<br />
mi sono mai veramente arreso», confida<br />
Sipser. E aggiunge che ogni tanto tira fuori<br />
carta e matita e torna a lavorarci. Quasi<br />
per svago, come un cane che si accanisce<br />
sull’osso preferito. P contro NP, in fondo, è<br />
un problema NP: la sola via per risolverlo è<br />
continuare a provarci. <strong>La</strong> <strong>risposta</strong> <strong>potrebbe</strong><br />
non arrivare mai. Tuttavia, nel caso in cui<br />
dovesse arrivare la riconosceremo, quando<br />
la vedremo. n<br />
per approfondire<br />
I <strong>limiti</strong> del computer quantistico. Aaronson S., in «Le<br />
Scienze» n. 477, maggio 2008 .<br />
I <strong>limiti</strong> <strong>della</strong> ragione. Chai tin G., in «Le Scienze» n.<br />
453, maggio 2006.<br />
The History and Status of the P versus NP Question.<br />
Sipser M., in «Proceedings of the Twenty-Fourth Annual<br />
ACM Symposium on Theory of Computing», pp. 603-<br />
618, 1992.<br />
The Efficiency of Algorithms. Lewis H.R. e<br />
Papadimitriou H.C., in «Scientific American», Vol. 238, n.<br />
1, pp. 96-109, gennaio 1978.<br />
www.lescienze.it Le Scienze 67