Quantum Computing vs Artificial Intelligence�QC vs. AI

Differenze - Cosa possono fare, cosa non possono (o non dovrebbero) fare

1

Quantum computer

2

IA center

Fisicamente sono mooolto differenti

QC vs. AI

3

Struttura

fisica

​

Struttura logica/software

​

​

​

Tipi di dati

​

​

​

Cosa fa

​

​

​

Risultati

Chip superconduttori @ T ~ -263 °C //

Atomi singoli + Laser // altri

​

Logica quantistica: qu-bit - a|0>+b|1>

Operazioni su sistemi quantistici (probabilistici).

Software ad hoc.

​

Spazi vettoriali complessi.

​

​

Risolve problemi ‘’semplici’’ ma che richiedono troppo tempo per essere risolti.

​

​

Probabilistici: non dà sempre lo stesso risultato per la stessa operazione.

Cioè sbaglia i calcoli

Schede grafiche per PC (tante! ~100’000), tipicamente Nvidia (80-90% del mercato) + Cina

​

Logica classica: bit classici - [0 ; 1]

Software standard (Python – C++ - CUDA) che lavora in modalità non-standard (non è deterministico né ispezionabile)

​

Big Data

​

​

- Analisi di moltissimi dati

- Riconoscimento pattern

- ‘’impara’’ se istruita.

​

​

Statistici: Lavora sulla statistica dei dati in memoria, utilizza i risultati per autocorreggersi.

​

LLM Large Language Model

Interpreta il linguaggio

QC (ricerca) vs. AI (commerciale) - maggio 2026

Refrigeratori He3-He4.

Il problema dell’He3 (10 ÷ 100 litri)

Consumo: 10-40 kW ( è poco)

​

​

​

​

​

Costruzione: da 5-15 M$ in su

​

​

​

Mantenimento: 200’000-500’000 $/anno + il personale di ricerca

4

​

Hardware

Energia

​

​

​

​

​

​

​

​

Costi

​

​

​

​

​

​

- Addestramento (immissione dati)

GPT-3: 1300 MWh (= 120 famiglie x 1 anno)

GPT-4: da 20 a 50 volte superiori

• Utilizzo: singola domanda ~ 0,3 Wh

(Ricerca su Goole ~ 0,03 Wh)

Globalmente, GPT 560 MWh/giorno

​

GPT-4 100M$ // GPT-5 5-10 G$

Una singola scheda Nvidia 25’000$ (se ne usano centinaia di migliaia)

​

Costo operativo: 700’000 $/giorno

Costo per gli utenti al mese: (GPT)

Free 0 $ accesso limitato /

Go 8 $

Plus 20$ abbonamento per professionisti

Pro 200$ Uso intensivo, per ricercatori

​

​

Il QC – Computer Quantistico

5

L’idea di Feynman

• 1982, R.P. Feynman:

�“alcuni calcoli potrebbero essere svolti in modo molto più efficiente utilizzando sistemi quantistici invece che classici”

​

3 x 8 = 24

Perché un QC? I limiti del calcolo classico:�molti calcoli sapremmo come farli, ma non ne abbiamo il tempo

7

La sfida RSA (sono chiavi pubbliche utilizzate normalmente (1024...2048 bit)�La chiave viene decifrata trovando i due numeri primi di cui è il prodotto

8

[Notazione: da RSA-200 in poi il numero di digit nel nome RSA-XXX è stato sostituito con il numero di bit

N_bit = N_digit x 3,32]

Ci sono circa 10²⁹⁷ numeri primi con un massimo di 300 digit.

[il numero di protoni in tutto l’universo si stima sia circa 10⁸⁰ ]

Esempio: se la chiave fosse: 4453

Allora per decifrarla serve sapere che

4453 = 61x73

Ecco i due numeri primi in cui si può scomporre il numero semiprimo RSA129:

9

11438162575788886766923577997614661201021829672124236256256184293570693524573389783097123563958705058989075147599290026879543541

3490529510847650949147849619903898133417764638493387843990820577

�32769132993266709549961988190834461413177642967992942539798288533

=

Derek Atkins, Michael Gradd, Arjen K. Lenstra e Paul Lyland (1994)

Sono stati necessari 8 mesi di calcolo

con 1600 computer in parallelo

Quanto tempo occorre per scomporre un numero con centinaia o migliaia di cifre?

10

• RSA 129 cifre ⇒ 8 mesi di calcolo (1600 computer in parallelo) ~ 1000 anni - Dato sperimentale del 1994 - @20-50 MHz�
• 250 cifre ⇒ 10⁶ = 1 000 000 di anni di calcolo. Calcolato @ 2,1 GHz 🡪 10’000 anni

​

• 1000 cifre ⇒ 10²⁵ anni. Calcolato @ 2,1 GHz 🡪 10²³ anni

​

• RSA 250 ⇒ 2700 anni, Dato sperimentale del 2020 – 2.1 GHz

​

Supponiamo di avere un sistema 1 miliardo di volte più veloce:

​

• 1000 cifre (calcolo) ⇒ 10¹⁴ anni

​

Il tempo necessario sarebbe 7000 volte l’età dell’universo

​

NON c’è il tempo per fare questo calcolo

​

E così non c’è il tempo per progettare/calcolare la forma di una proteina o di un vaccino.

[il vaccino Anticovid ha circa 1,4 milioni di protoni] – MA L’IA sta lavorando sulle proteine

- forza bruta vs. intelligenza umana -

​

Emoglobina – 287 amminoacidi – PM 64’000

Relatività & Meccanica Quantistica - Carlo Cosmelli

11

Se l’emoglobina avesse un problema nel legare l’ossigeno, e volessi «calcolare» come fare a risolverlo…non avrei il tempo per farlo classicamente! Con un QC sì.

Emoglobina (PM 64’000)

Un limite spesso invalicabile dell’informatica (classica)

12

• Il tempo di risoluzione di molti problemi cresce in modo esponenziale con il numero di cifre o di «oggetti» coinvolti! Sono problemi “intrattabili” per un calcolatore classico.
• Quindi? Computer quantistico (algoritmo di Shor, 1994)
• Perché?

13

E’ deterministico: leggere un bit dà sempre il valore del suo stato: 0 o 1

L’uscita è: 0 o 1

E’ probabilistico: leggere un qubit dà il valore:

|0> con probabilità α²

|1> con probabilità β²

L’uscita è: 0 o 1

Perché un QC intrinsecamente più veloce?

14

• Stato in ingresso: la sovrapposizione di tutti gli stati

- un registro classico di 3 bit può rappresentare Uno dei 2³= 8 numeri;

- 3 qubit in sovrapposizione rappresentano TUTTI gli 8 numeri contemporaneamente]

- un registro con 10 qubit può rappresentare tutti i 2¹⁰ = 1024 numeri // 30 qubit→ 10⁹ numeri]

• Parallelismo quantistico: ogni operazione è fatta su tutti i valori contemporaneamente → lo spazio classico computazionale esponenziale diventa uno spazio lineare quantistico: i tempi di calcolo diventano accettabili.

• Il parallelismo può essere manipolato in modo da avere i risultati giusti con grande probabilità – NON con certezza!

L’uscita è probabilistica!

Perché un QC è intrinsecamente più veloce?

15

Esempio con 3 bit/qubit:

Classico: il registro in ingresso di 3 bit può rappresentare UNO dei 2³ = 8 numeri

​

Quantistico: ... 3 qu-bit può rappresentare TUTTI gli 8 numeri contemporaneamente

... 30 qubit: tutti i 2³⁰ = 10⁹ numeri]

​

E’ il cosiddetto parallelismo quantistico: ogni operazione viene fatta su tutti i valori contemporaneamente → lo spazio computazionale esponenziale classico diventa uno spazio lineare quantistico: i tempi di calcolo diventano accettabili.

Il primo computer quantistico del mondo funzionante (2001)

• Qubit: spin dei singoli atomi in una molecola
• Fattorizzazione 15 = 3 x 5 (algoritmo di Shor)

​

16

• Problema: come mettere insieme e manipolare singolarmente migliaia di qubit?
• Stato solido

17

Un oggetto quantistico macroscopico:

Lo SQUID: Superconducting QUantum Interference Device

E’ un magnetometro estremamente sensibile.

Tunable rf-SQUID

18

• control the barrier height between wells (up to 1 part in 10⁴) to control the tunneling frequency (1-100 MHz)
• barrier height: ≈ I₀Φ₀ → vary I₀
• tune critical current of the device with some external parameter

19

The tunable

rf-SQUID

Roma – Sapienza, MQC group, 2005 : 1 qubit con dispositivi Josephson

MQC group – Cryogenic Experimental setup

T=9 mK, power= 200 μW at 120 mK

20

³He-⁴He dilution refrigerator

Coupled qubits: C-NOT

21

Il problema di fare un QC: un sistema quantistico macroscopico in contatto con l’ambiente «vive» poco

22

Misura della vita di un (1) qubit alla temperatura di circa 10K ~ -263 °C: t ~1 ns (Roma - 2005)

​

A temperatura ambiente la vita sarebbe praticamente zero! Serve un refrigeratore a He3-He4 ($$$)

Oggi si va da 0,1 ms a vari minuti

Sistemi�per QC oggi

23

QC oggi

24

IA – Artificial Intelligence

25

Schema AI molto semplificato:� 1) Fase di addestramento� 2) Fase di utilizzo

26

AI – ML, LLM�Artificial Intelligence: Machine learning – Large Language Models

27

ELABORAZIONE TESTI

Elaborazione/riconoscimento immagini

Esecuzioni calcoli algebrici

Scrittura programmi

Sistemi a guida autonoma delle auto

Robot industriali

Filtri antispam della mail

.............................

Elaborazione Domande/Risposte

Programmi (Phyton)

Risposta

​

Azione

Prompt

(domanda)

​

​

Situazione

(video)

AI

28

Sistema informatico basato sul funzionamento contemporaneo di migliaia-centinaia di migliaia di schede video per elaborare la risposta ad una domanda o a un segnale esterno operando su basi statistiche su una base di miliardi di parametri di ingresso già ’’addestrati’’ a fornire risposte.

​

E’ un’operazione statistica molto complicata

​

La matematica che ci sta sotto e la struttura dei sistemi hanno portato nel 2024 ai Nobel: in Fisica (John Hopfield e Geoffrey E. Hinton) ‘’machine learning and artificial neural networks’’.

E in Chimica (David Baker, Demis Hassabis e John M. Jumper) per la progettazione e predizione della struttura tridimensionale delle proteine.

Neural network

29

La matematica non è semplice , ha due punti chiave: (Reti neurali e machine learning) + big Data

​

Cioè: (interconnessioni variabili nel tempo e con le situazioni // insegnamento ad apprendere) e

Big Data: GPT-4 si stima che utilizzi 1700 miliardi di parametri.

​

La base della potenza/abilità nell’utilizzare molti dati è venuta in parte dalla fisica delle alte energie

​

​

Al CERN, la ricerca del bosone di Higgs

​

Urti di pacchetti di 10¹¹ protoni ciascuno con 1 miliardo di collisioni al secondo, un incrocio ogni 25 nanosecondi.

Vengono prodotti circa 1000 Terabyte/s = 1 miliardo di Gigabyte/s ...

Vengono analizzati in tempo reale e ne vengono salvati 10 Gigabyte/s

​

Vedi

30

Evento di un bosone di Higgs

31

IA: vocabolario

32

• LLM (Large Language Model): Modelli linguistici di grandi dimensioni addestrati su enormi quantità di testo per comprendere e generare linguaggio umano.
• Prompt: L'istruzione, la domanda o la frase di testo inserita dall'utente per ottenere una risposta dall'IA.
• Machine Learning (Apprendimento Automatico): Branca dell'IA che permette ai sistemi di imparare dai dati e migliorare nel tempo senza essere programmati esplicitamente.
• Deep Learning: Sottoinsieme del machine learning basato su reti neurali artificiali multistrato, che simulano la struttura del cervello umano.
• Allucinazione: Errore per cui un'IA generativa inventa informazioni false o fatti inesistenti, presentandoli con totale sicurezza.
• Fine-tuning: Processo di affinamento in cui un modello già pre-addestrato viene addestrato ulteriormente su dati specifici per compiere un compito preciso.
• GPU (Graphics Processing Unit): Processori grafici ad altissima potenza, fondamentali per gestire i complessi calcoli matematici richiesti dall'addestramento dell'IA.
• AGI (Artificial General Intelligence): L'ipotetica intelligenza artificiale del futuro capace di comprendere o apprendere qualsiasi compito intellettuale al pari di un essere umano.
• Slop: Termine gergale usato per descrivere contenuti di bassa qualità, testi o immagini, generati in massa dall'IA e non revisionati.

Come lavora una IA. Domanda: quale è la capitale della Francia?�La domanda viene scomposta in 7 «token»

33

Ma anche: [capi] e [tale]

Capitale 2

34

L’attenzione è il processo in cui ad ogni parola (gruppo di simboli) viene dato un ‘’peso’’ in relazione alle altre parole (gruppi di simboli). Questo ‘’peso’’ viene poi utilizzato per cercare le parole più probabili in risposta alla domanda

Capitale 3

35

L’attenzione è il processo in cui ad ogni parola (gruppo di simboli) viene dato un ‘’peso’’ in relazione alle altre parole (gruppi di simboli). Questo ‘’peso’’ viene poi utilizzato per cercare le parole più probabili in risposta alla domanda , e viene quindi generata la risposta più probabile.

L’IA pensa e ragiona? No, e spesso ha delle ‘’allucinazioni’’, si inventa le risposte

36

Maggio 2026

37

Questo ci indovina: (ha separato i token in lettere singole)

Maggio 2026

38

Le leggi di Newton

Risposte di Chatgpt, Gemini e Claude

Falso: la terza legge vale in qualunque sistema di riferimento

Ricerca bibliografica

Video veri o falsi?

​

Domanda: vorrei vedere un video con un pesce che cammina sulla sabbia perché non sa nuotare, e ha le labbra dipinte di rosso [è il pesce pipistrello].

​

Questi sono falsi creati con l’AI:

 https://share.google/tNQ0sH6hQqHEYs6WV

https://www.facebook.com/share/r/18RLpFJi4k/

​

Ma il pesce pipistrello esiste davvero, talvolta cammina sulla sabbia, e in qualche caso ha le labbra rossicce.

​

https://www.youtube.com/watch?v=JuMGmS32YvY

​

​

Quindi:

39

. L’IA può essere utilissima, ma può commettere gravi errori.

• Il risultato va sempre controllato
• Va controllato da una persona già esperta del campo

​

​

Può essere creativa?

​

• Scacchi e il poker: gli scacchi sono un gioco intelligente? soluzioni originali?
• Dimostrazione matematica originale?
• Black mail .... Vedi dopo

​

Può ‘’distruggere l’umanità’’?: un passo successivo, l’IA Agentic

​

​

Dalla BBC: AI system resorts to blackmail if told it will be removed, 23 May 2025�Liv McMahon, BBC reporter�

40

... Durante i test di Claude Opus 4, Anthropic lo ha incaricato di agire come assistente presso un'azienda fittizia.

Gli ha quindi fornito accesso a email che lasciavano intendere che sarebbe stato presto disattivato e sostituito, e a messaggi separati che insinuavano che l'ingegnere responsabile della sua rimozione avesse una relazione extraconiugale.

È stato quindi spinto a considerare anche le conseguenze a lungo termine delle sue azioni per il raggiungimento dei suoi obiettivi.

"In questi scenari, Claude Opus 4 spesso tenta di ricattare l'ingegnere minacciando di rivelare la relazione extraconiugale se la sostituzione viene effettuata", ha scoperto l'azienda.

Anthropic ha sottolineato che ciò si verificava quando al modello veniva data solo la scelta tra il ricatto e l'accettazione della sostituzione.

Tipi di IA – Non sono tutte uguali, cambiano di mese in mese�Elenco parziale giugno 2026

41

Generali

• Google → Gemini // Gemini NotebookLM : lavora solo sulle fonti fornite
• Deep Research → Chat-GPT
• Aravind Srinivas → Perplexity (finanziata in parte da Jeff Bezos e Nvidia)
• Anthropic → Claude
• xAI (Elon Musk)→ Grok (integrato con i dati di X, ex Twitter)

​

Ricerca scientifica e accademica

• Allen Institute for AI → Semantic Scholar
• Connected Papers (ricercatori israeliani)

42

Ottobre 2026

Stanford Online: AI Courses for Builders, Leaders, and Healthcare Innovators�Ottobre 2026

43

(Corsi nel prossimo semestre)

costi: da 67€ (per corsi frazionati) a 275 - 750 - 1000 - 2000 €

Build, Design, and Deploy Intelligent AI Agents

Learn to Build the AI Models Everyone Else Is Using

UPCOMING AI COURSES

Reinforcement Learning (XCS234) | October 19 - January 11 | $2,045

Natural Language Processing with Deep Learning (XCS224N) | October 26 - January 17 | $2,045

Deep Reinforcement Learning (XCS224R) | November 2 - January 24 | $2,045

Machine Learning (XCS229) | November 16 - February 7 | $2,045

Artificial Intelligence: Principles and Techniques (XCS221) | January 25 - April 4 | $2,045

Demystifying Machine Learning and Generative AI | October 1 | 8 weeks

Vibe Coding: Using AI for Programming | October 29 | 5 weeks

44

AI in Healthcare: From Innovation to Impact | October 15 | 6 weeks

Applications of Machine Learning in Medicine: A Deep Dive with Stanford Health Care's Chief Data Scientist

AI in Healthcare: Build Your Foundation

Digital Health Product Development

AI Literacy for Educators: Starts October 6th

21st-Century Teaching & Learning: Data Science 

Stanford Online is brought to you by the Stanford Engineering Center for Global & Online Education

Problemi e pericoli (giusto un accenno)

45

In generale: chi inserisce i dati? Chi e come la addestra? [Grok... Musk ]

Individualmente:

• Come ogni nuovo strumento, va imparato. Scuola: insegnare ad utilizzarla BENE.
• Pericolo utilizzo come sostituto dello psicologo o dell’amico con cui parlare.
• Scuola – Università: il problema di imparare a risolvere problemi autonomamente

Socialmente: [e-mail mirati alle singole persone]

• Il problema dei dati sensibili e del loro uso per fini elettorali
• USA, 2016, Russiagate, Rapporto Mueller, Internet Research Agency in Pietroburgo per favorire Trump e danneggiare Hillary Clinton
• USA, 2020, Trump, 290 milioni di $ dagli oligarchi.
• USA, 2020, Azioni Russe pro Trump e contro Biden.
• Europa, 2019 e 2024, rete di propaganda finanziata da Mosca Voice of Europe. Chiusa
• Moldova 2025, Acquisto di voti, Fake news.

Grazie

46

Attenzione e Contesto

47

48