Non sappiamo se arriveremo davvero al sistema che abbiamo immaginato. Non sappiamo se i computer quantistici raggiungeranno il livello di fault tolerance e di vantaggio pratico necessario per trasformare settori interi; non sappiamo quali problemi si riveleranno realmente adatti al calcolo quantistico; soprattutto, non sappiamo se il quantum offrirà all’intelligenza artificiale vantaggi tali da modificarne radicalmente le capacità. Presentare oggi questa conclusione come inevitabile significherebbe trasformare una possibilità scientifica in una profezia.
Sappiamo però che alcuni tasselli sono già sul tavolo. La correzione degli errori quantistici ha raggiunto risultati sperimentali importanti, compresa la dimostrazione di codici surface sotto soglia con decoding in tempo reale. Sistemi di machine learning vengono studiati e utilizzati per il decoding, la calibrazione e altre parti dello stack quantistico. Architetture d’avanguardia in cui QPU, CPU e GPU collaborano sono già oggetto di implementazione industriale, e i principali attori del settore hanno tracciato roadmap precise che integrano automazione guidata dall’AI e futuri strumenti agentici per i workflow quantistici. Nel frattempo l’AI viene già impiegata per esplorare nuovi candidati a codici di correzione degli errori. Nulla di questo dimostra l’esistenza futura della macchina che abbiamo immaginato. Dimostra però che non l’abbiamo costruita partendo dal nulla.
Ed è questo che rende il viaggio interessante. La possibilità che l’essere umano costruisca strumenti la cui complessità supera la propria capacità di seguirli integralmente non è una fantasia sulla ribellione delle macchine. È l’estensione di una tendenza che accompagna già la tecnologia moderna: più aumentano le capacità dei sistemi, più il controllo deve spostarsi dai singoli passaggi alle regole, alle verifiche e ai limiti che li circondano.
Potremmo quindi arrivare a un paradosso molto umano. Inventiamo il computer quantistico perché vogliamo attraversare regioni del calcolo che le macchine classiche non riescono ad affrontare efficientemente. Costruiamo sistemi di intelligenza artificiale perché ci aiutino a progettare e utilizzare quella complessità. Poi scopriamo che per continuare a governare ciò che abbiamo costruito non basta più comprenderne ogni operazione: dobbiamo comprendere quali decisioni abbiamo delegato, quali possibilità abbiamo proibito, quali risultati pretendiamo di verificare e quale potere di intervento abbiamo conservato.
L’interruttore, alla fine, non serve a ricordare alla macchina chi comanda. Serve a ricordarlo a noi. Perché la domanda decisiva non sarà soltanto se saremo ancora capaci di fermare il processo, ma se sapremo riconoscere il momento in cui farlo e se saremo ancora disposti a intervenire quando dall’altra parte ci saranno conoscenza, denaro, potere e vantaggio competitivo.
Il problema, allora, potrebbe non essere avere un pulsante capace di spegnere la macchina. Potrebbe essere conservare il controllo del sistema che ci permette di raggiungere quel pulsante, comprenderne i segnali e renderne possibile l’uso quando servirà davvero.
Non basterà avere l’interruttore. Dovremo conservare il controllo dell’interruttore.