Il lungo e polveroso viaggio è finalmente finito. Il rover Perseverance della NASA ha raggiunto l’unico luogo verso cui si stava dirigendo da quando è atterrato nel febbraio 2021: il delta del cratere Jezero. Per una missione costata miliardi e attraversata 300 milioni di miglia nel vuoto, questo è il momento della ricompensa.
Perché questo punto specifico? Perché passare anni a navigare su terreni rocciosi per arrivare qui? La risposta sta nell’acqua. Miliardi di anni fa, un fiume si fece strada attraverso il paesaggio marziano e scaricò i suoi sedimenti in un lago che riempiva il cratere da impatto. Quella foce del fiume è il delta. Oggi il lago è completamente asciutto. Il rover è parcheggiato proprio dove un tempo si fermava l’acqua.
«Cercheremo segni di vita antica nelle rocce alla base del delta», ha detto ai giornalisti Ken Farley, ricercatore della missione Mars 2020.
La squadra di Farley ritiene che quelle rocce una volta fossero fango.
Il fango è buono. Il fango è interessante. Il fango preserva le cose. Quando i fiumi sfociano in acque ferme, rallentano. Le particelle pesanti cadono per prime. Le particelle fini – argilla, limo, materia organica – si depositano delicatamente sul fondo. Questo processo di stratificazione crea un archivio perfetto. Intrappola i microbi, se esistessero, e congela le loro firme chimiche nella pietra.
Non si tratta solo di trovare rocce. Si tratta di trovare il contesto.
La maggior parte di Marte è ricoperta di roccia vulcanica o polvere portata dal vento. La roccia vulcanica ti parla di calore e pressione. La polvere ti parla del vento e dell’erosione. Ma la roccia sedimentaria sul fondo di un lago? Questo ti parla della vita. O almeno, l’ambiente che potrebbe sostenere la vita.
Il delta Jezero è una macchina del tempo. Contiene gli strati sedimentari di un’epoca in cui Marte era umido, caldo e forse abitabile. Perseverance non è arrivata lì solo per caso. Il sito di atterraggio è stato scelto appositamente perché i dati orbitali mostravano chiare prove dell’esistenza di un antico delta fluviale. La scienza non indovina con i rover. Calcola.
Adesso le ruote si sono fermate. Le esercitazioni sono finite.
Perché le rocce sedimentarie sono il Santo Graal
Se vuoi sapere perché gli scienziati sono ossessionati dal delta del Jezero, pensa a come si formano i fossili sulla Terra. Non trovi ossa di dinosauro nel granito. Li trovi in pietra calcarea o scisto. Decomposizione dei tessuti molli. Le ossa dure marciscono. Ma se un organismo muore e viene rapidamente sepolto in un sedimento fine, può essere preservato.
Marte ha avuto lo stesso processo.
Le rocce alla base del delta rappresentano il fondo di un antico fondale lacustre. Sono probabilmente composti da pietre fangose e carbonati. Questi tipi di roccia sono noti per intrappolare molecole organiche. Il carbonio è l’elemento costitutivo della vita come la conosciamo. Se mai fosse esistita la vita su Marte, sarebbe stata basata sul carbonio.
Il compito del rover ora è campionare queste rocce specifiche. È necessario evitare i detriti vulcanici sparsi sul fondo del cratere. Bisogna arrivare fino agli strati depositatisi quando l’acqua era ferma.
«Cercheremo segni di vita antica nelle rocce alla base del delta»
Questa è una citazione diretta di Ken Farley. Ma cosa significa esattamente “cerca”?
Significa perforare. Significa analizzare. Significa cercare rapporti isotopici che non lo fanno
Il rover è arrivato al bordo del delta il 13 aprile. Non è stata una corsa veloce. È stato un viaggio di cinque chilometri attraverso il terreno marziano che richiedeva precisione. Il percorso doveva essere tracciato. Ostacoli evitati. Alcuni di questi sono avvenuti in totale autonomia utilizzando il suo sistema IAAutoNav. La media giornaliera? Circa 211 metri. Per un mese intero.
Ora, l’astromobile si trova in un punto che il team ha soprannominato Tre Forchette. È un incrocio. Un crocevia letterale per l’esplorazione. Gli scienziati sulla Terra stanno studiando tre percorsi distinti. Nessuno di loro ha torto. Sembrano tutti promettenti. È qui che inizia la seconda grande fase della missione Perseverance.
Perché tre percorsi sono importanti
La posizione non è arbitraria. Ogni percorso offre una narrazione geologica diversa. L’obiettivo rimane lo stesso: ritrovare segni di vita antica. Ma il terreno racconta storie diverse a seconda della direzione in cui si gira.
Gli scienziati devono scegliere. Non è semplice scegliere il sentiero più vicino. Devono decidere quale percorso massimizza la possibilità di preservare le biofirme. Queste tracce sono fragili. Sono sepolti sotto miliardi di anni di polvere e radiazioni marziane. Farli bene significa scegliere i campioni che sopravvivranno effettivamente al viaggio di ritorno sulla Terra.
La caccia agli otto campioni
Non si tratta solo di guidare. Si tratta di perforare. Il piano prevede l’estrazione di otto carotaggi dal suolo marziano. Queste “carote” di roccia e regolite sono l’obiettivo primario. Devono essere memorizzati nella cache per la missione Mars Sample Return, una complessa catena logistica che coinvolge futuri rover e potenzialmente una missione con equipaggio decenni dopo.
Perché otto? Il numero sembra specifico. Probabilmente viene calcolato in base alla capacità di stoccaggio del rover, alla diversità dei tipi di roccia incontrati all’ingresso del delta e alla finestra temporale disponibile prima che le condizioni invernali possano ostacolare le operazioni. Ogni campione rappresenta un’istantanea del passato umido di Marte. Si potrebbero mostrare sedimenti del fondale lacustre. Un altro potrebbe essere la cenere vulcanica. Un terzo potrebbe contenere molecole organiche.
Il peso dell’autonomia
IAAutoNav di Perseverance ha gestito una parte significativa di quell’avvicinamento di cinque chilometri. Questa non è solo una flessibilità tecnologica. È una necessità. Il ritardo alla velocità della luce rende impossibile il controllo in tempo reale. I comandi inviati dalla Terra impiegano pochi minuti per arrivare. Il rover deve prendere decisioni in frazioni di secondo su trazione, pendenza e detriti senza attendere l’approvazione umana.
Questa autonomia consente alla missione di coprire il terreno più velocemente che se ogni singolo giro della ruota fosse microgestito. Ma a Three Forks, l’elemento umano ritorna. Gli algoritmi possono navigare. Non possono interpretare il valore scientifico più profondo di uno specifico strato roccioso. Ciò richiede un giudizio umano. Ciò richiede un dibattito. Ciò richiede l’esame dei dati provenienti da spettrometri e telecamere e la decisione di quale bivio porta alla destinazione scientificamente più preziosa.
Cosa verrà dopo
La decisione non viene presa oggi. È fatto durante le riunioni. Nelle simulazioni. Nelle discussioni che valutano il rischio rispetto alla ricompensa. Se il rover prendesse la strada sbagliata, potrebbe perdere i campioni più incontaminati degli antichi letti dei fiumi. Potrebbe finire in una zona arida di basalto mentre avrebbe potuto campionare strati sedimentari.
La posta in gioco è alta. Stiamo parlando della prima prova concreta che la vita sia mai esistita oltre la Terra. Perseverare
L’ombra algoritmica
La vera storia qui non riguarda solo il codice. Riguarda cosa succede quando smetti di chiederti come funziona un modello e inizi a fidarti che funzioni. Abbiamo costruito sistemi in grado di diagnosticare malattie rare, prevedere crolli del mercato o scrivere poesie. Ma il motore sotto il cofano? Spesso una scatola nera. Persino i creatori non riescono sempre a tracciare l’esatto percorso logico dall’input all’output.
Questa opacità è il punto in cui le cose si fanno complicate. Se un algoritmo di assunzione rifiuta un curriculum, perché? Se una richiesta di prestito viene respinta, quale fattore fa pendere la bilancia? Di solito, la risposta è un groviglio di variabili ponderate così complesso che persino un esperto umano farebbe fatica a spiegarlo in un linguaggio semplice. Questo non è un bug. È una caratteristica del deep learning. I modelli scoprono modelli che gli esseri umani non vedrebbero mai. Sono bravi in questo. Troppo bello, forse.
Il pericolo non è che l’IA diventi malvagia. Il fatto è che diventerà efficiente in modi che non comprendiamo.
La trappola dei pregiudizi
Parliamo molto di bias nell’intelligenza artificiale. Ma non è solo una questione di genere o razza, anche se questi ne costituiscono una parte enorme. Si tratta di rappresentazione. Se i dati di addestramento provengono principalmente da un gruppo demografico, da una regione o da una fascia economica, il tuo modello erediterà questi punti ciechi.
Prendi in considerazione uno strumento diagnostico medico addestrato sui dati degli ospedali urbani. Potrebbe non rilevare i primi segni di malattie cardiache nelle popolazioni rurali che presentano sintomi in modo diverso. Oppure un veicolo autonomo addestrato nella soleggiata California alle prese con la neve a Stoccolma. Questi non sono solo problemi tecnici. Sono fallimenti di portata. E quando la posta in gioco è alta – vita, libertà, stabilità finanziaria – “abbastanza buono” non è sufficiente.
La soluzione non è scartare la tecnologia. Significa chiedere una migliore data curation. Insistere sulla trasparenza nei set di formazione. Trattare l’equità algoritmica come una metrica ingegneristica fondamentale, non come un ripensamento. È un lavoro lento. Lavoro poco sexy. Ma necessario.
L’elemento umano
C’è un movimento crescente verso i sistemi “human-in-the-loop”. Invece di lasciare che sia l’algoritmo a prendere la decisione finale, gli esseri umani rivedono le decisioni ad alto rischio. È un approccio ibrido. Mantiene la velocità dell’apprendimento automatico ma aggiunge un livello di responsabilità.
Ma ecco il problema. Gli esseri umani sono pigri. Soffriamo di pregiudizi legati all’automazione. Tendiamo a fidarci dei suggerimenti della macchina, anche quando ci sembrano sbagliati. Gli studi dimostrano che quando ricevono una raccomandazione da un algoritmo, le persone ignorano la propria intuizione a ritmi allarmanti. Esternalizziamo il nostro giudizio. Cediamo la nostra agenzia.
Quindi la sfida non è solo costruire un’intelligenza artificiale più intelligente. È progettare interfacce che incoraggiano lo scetticismo. Ciò ci spinge a fare una pausa. Per chiedere: “Aspetta, è giusto?” invece di “Cosa dice?”
La strada da percorrere
Non stiamo andando verso un futuro in cui l’intelligenza artificiale sostituirà gli esseri umani. Ci stiamo dirigendo verso un sistema in cui gli esseri umani che utilizzano l’intelligenza artificiale sostituiranno gli esseri umani che non lo fanno. Ma questa è una visione superficiale. Il cambiamento più profondo è cognitivo. Stiamo cambiando il modo in cui pensiamo, come decidiamo, come ci fidiamo.
Gli strumenti stanno diventando più affilati. Le domande stanno diventando sempre più difficili. E il margine di errore si sta riducendo.
Cosa succede quando la scatola nera inizia a parlare, ma non capiamo la lingua? Ascoltiamo. Ci conformiamo. Andiamo avanti.
Fino a quando non lo faremo.
La tua prossima mossa
Segui Futura su
Whatsapp
e
Google
