L’articolo pubblicato su Nature dai ricercatori di Google rappresenta uno di quei momenti che, a posteriori, potrebbero essere ricordati come un cambio di paradigma più che come un semplice avanzamento tecnologico. Il lavoro dimostra come un sistema di reinforcement learning possa controllare in tempo reale la correzione degli errori quantistici, consentendo al processore Willow di adattarsi continuamente ai propri difetti durante l’esecuzione. Il risultato, secondo quanto riportato, è un miglioramento di circa 3,5 volte della stabilità logica, un dato che affronta direttamente uno dei maggiori ostacoli storici del quantum computing: la fragilità dei qubit e la propagazione degli errori.
Per chi osserva il settore da anni, il valore della ricerca non risiede soltanto nel numero. Il vero elemento rivoluzionario è l’introduzione di un ciclo decisionale autonomo all’interno dell’infrastruttura stessa. Non si tratta più di un algoritmo che esegue istruzioni statiche, ma di un sistema capace di osservare il proprio comportamento, apprendere dall’esperienza e modificare continuamente la strategia di controllo senza interrompere il calcolo. È una differenza sottile nella descrizione, enorme nelle conseguenze.
Questa evoluzione modifica anche il modo in cui dovrebbe essere affrontato il dibattito sulla governance dell’intelligenza artificiale. Gran parte delle discussioni pubbliche continua infatti a concentrarsi su regolamenti, linee guida, codici etici e framework normativi costruiti come documenti statici. Quel modello nasceva in un’epoca nella quale il software era sostanzialmente prevedibile, aggiornato periodicamente e governato da interventi umani relativamente lenti. Oggi stiamo entrando in una fase nella quale i sistemi apprendono mentre operano, correggono autonomamente il proprio comportamento e prendono decisioni nell’arco di millisecondi.
La distanza tra la velocità dell’innovazione e quella della regolazione si sta quindi allargando. Non perché i regolatori siano necessariamente in ritardo, ma perché gli oggetti che cercano di regolamentare stanno cambiando natura. Un documento normativo può definire principi, responsabilità e obblighi, ma difficilmente può intervenire in tempo reale su un sistema che modifica continuamente la propria politica di controllo. È come pretendere di dirigere il traffico di una metropoli moderna utilizzando un regolamento scritto quando esistevano soltanto carrozze trainate da cavalli.
Il punto diventa ancora più interessante osservando la convergenza tra intelligenza artificiale e calcolo quantistico. Finora questi due mondi sono stati raccontati come percorsi paralleli. In realtà stanno iniziando ad alimentarsi reciprocamente. L’AI migliora l’affidabilità dell’hardware quantistico, mentre il quantum promette, almeno teoricamente, di accelerare alcune classi di algoritmi di apprendimento. Se questa sinergia continuerà a maturare, il ritmo dell’innovazione potrebbe aumentare in modo non lineare, comprimendo ulteriormente i tempi di adattamento delle istituzioni.
Da qui nasce un concetto destinato probabilmente a diventare centrale nei prossimi anni: la governance as code. L’idea è relativamente semplice ma profondamente trasformativa. Invece di limitarsi a descrivere regole esterne, la governance viene incorporata direttamente nei sistemi software attraverso vincoli, verifiche continue, monitoraggio automatico, auditabilità, gestione delle autorizzazioni e controlli di sicurezza implementati nel codice stesso. Non sostituisce la regolazione tradizionale, ma la rende eseguibile.
È un approccio già familiare nel mondo del cloud, dove concetti come policy as code, infrastructure as code e compliance as code hanno trasformato la gestione delle infrastrutture digitali. L’intelligenza artificiale potrebbe rappresentare il passo successivo di questa evoluzione. Se gli algoritmi diventano dinamici, anche i meccanismi di controllo devono essere dinamici. Una governance che interviene solo dopo il rilascio del sistema rischia di essere poco più di una fotografia scattata mentre il soggetto è già scomparso dall’inquadratura.
Naturalmente occorre evitare una semplificazione opposta. Inserire controlli nel software non elimina il bisogno di supervisione umana, responsabilità legale e trasparenza. La governance incorporata può ridurre i rischi operativi, ma non decide autonomamente quali valori una società intenda proteggere. Quella rimane una scelta politica, culturale e democratica. Il codice può eseguire principi, non inventarli.
Il dibattito sull’AGI entra inevitabilmente in questa discussione. Molti osservatori sostengono che l’intelligenza artificiale generale sia ormai più vicina di quanto si pensasse solo pochi anni fa. Le opinioni divergono sulle tempistiche, ma esiste un consenso crescente sul fatto che le capacità dei modelli continueranno ad aumentare rapidamente. Se, contemporaneamente, il quantum computing inizierà a superare alcune delle proprie limitazioni strutturali, la combinazione delle due tecnologie potrebbe modificare radicalmente il panorama computazionale del prossimo decennio.
La lezione più importante del lavoro di Google, tuttavia, non riguarda esclusivamente il quantum computing. Riguarda un principio molto più generale. I sistemi tecnologici stanno diventando organismi adattivi, capaci di apprendere, correggersi e ottimizzarsi senza attendere istruzioni esterne. Continuare a pensare che basti aggiornare una normativa ogni pochi anni significa sottovalutare la natura del cambiamento in corso.
La Silicon Valley ama raccontare ogni progresso come l’inizio di una rivoluzione definitiva. È una forma di entusiasmo che spesso confonde il marketing con la storia. Questa volta, però, dietro l’entusiasmo esiste un elemento sostanziale. Quando un’infrastruttura critica inizia a imparare dai propri errori durante il funzionamento, non cambia soltanto la tecnologia. Cambia il significato stesso di controllo. Ed è proprio in quel punto che la governance smette di essere un documento da archiviare e diventa un componente essenziale dell’architettura dei sistemi intelligenti.