Il 2 settembre 2026, un team di cinque ricercatori del Centro Internazionale di Fisica Teorica Abdus Salam (ICTP) di Trieste, guidato da Jean Barbier, ha presentato un risultato teorico fondamentale su come l'Intelligenza Artificiale apprenda dai dati. Lo studio chiarisce come le reti neurali profonde estraggano le informazioni più rilevanti, risolvendo un problema teorico aperto da decenni. Pubblicato su Physical Review X, il lavoro indaga i processi essenziali alla base dell'apprendimento nei sistemi di IA.
Al centro della ricerca vi è il feature learning, l'apprendimento delle caratteristiche.
Questa proprietà permette alle reti neurali di individuare strutture rilevanti nei dati di ingresso e di generalizzare oltre il set di addestramento iniziale. Jean Barbier ha sintetizzato il risultato, dichiarando: «Il problema che abbiamo risolto era un ostacolo». La scoperta è cruciale per comprendere le reti neurali complesse impiegate nelle attuali applicazioni di Intelligenza Artificiale.
Il quadro teorico sviluppato dal gruppo
Per descrivere il processo di apprendimento, i ricercatori hanno combinato strumenti della fisica statistica, della teoria dei sistemi disordinati e della teoria delle matrici casuali. La fisica statistica, che studia sistemi con un grande numero di elementi, è stata usata per oltre 40 anni per caratterizzare il riconoscimento di schemi (pattern) in dati complessi.
Tuttavia, gli strumenti teorici precedenti erano applicabili solo a reti neurali considerate troppo semplici rispetto a quelle moderne.
Francesco Camilli, co-autore dello studio e docente all'Università di Bologna, è tra i ricercatori coinvolti. Il gruppo ha elaborato una descrizione del processo di apprendimento in una classe di reti neurali profonde, applicando la teoria al percettrone multistrato. Quest'ultimo è un tipo di rete neurale fondamentale per i chatbot moderni. Nel quadro sviluppato, le prestazioni della rete sono descritte in funzione della quantità di dati in ingresso, offrendo nuove prospettive sull'efficienza dell'apprendimento automatico.
