Un'inchiesta in 7 puntate
5ª parte
Come fare un mucchio di soldi
giocando la partita di scacchi perfetta
giocando la partita di scacchi perfetta
Si può prevedere ogni possibile combinazione di scacco matto? Il matematico della Microsoft, Yevgeny Nalimov, lo fece: partì dalla fine, usò una scacchiera di poche caselle, due re e una regina e aggiunse, gradualmente, livelli di complessità. Poco tempo dopo, 2 Nobel per l’Economia si chiesero se il modello fosse applicabile all’economia
Sul finire degli anni ‘80, il giovane Yevgeny Nalimov è uno studente di matematica, appassionato di scacchi. Laureatosi a Novosibirsk, conta di proseguire gli studi con un dottorato di ricerca, quando riceve da Microsoft un’offerta di lavoro e si trasferisce negli USA. Lì, è impressionato dalla potenza di calcolo dei nuovi processori e decide di affrontare una questione che, dagli anni ’50, interpella diversi matematici: esiste la partita di scacchi perfetta? In altre parole, dal primo passo in poi, si può calcolare ogni mossa possibile per giungere allo scacco matto?
Per riuscirci, è necessario: a) mappare ogni combinazione possibile dei pezzi; b) poter calcolare, in ogni istante, la distanza minore tra una certa configurazione sullo scacchiere e uno tra gli innumerevoli finali possibili. Nel 1950, il matematico Claude Shannon stima che il numero minimo di combinazioni possibili sia superiore alla quantità di atomi nell’universo. La mappatura integrale non è praticabile. Ma, come spesso accade, definire un problema impossibile è il modo migliore per motivare qualcun altro a risolverlo.
Nalimov sa che è un’impresa ardua anche per i più potenti calcolatori, e si pone una domanda di metodo: è proprio necessario coprire ogni possibile combinazione? La risposta è no. L’intuizione geniale è che la cosa davvero necessaria è iniziare dalla fine: Nalimov immagina una scacchiera di poche caselle, dove giochino due re e una regina. Calcolato ogni possibile scacco matto (poche combinazioni) relativo a questa configurazione, aumenta gradualmente i livelli di complessità. Ad ogni incremento, programma i calcolatori affinché prevedano i nuovi finali, fino a giungere ad una superficie e ad un numero di pezzi regolamentari (8 caselle per lato e 32 pezzi).
L’universo degli scacchi resta in larga parte immerso nell’oscurità, ma il problema della partita perfetta è risolto. Consultando le combinazioni ottimali possibili, un giocatore, in qualsiasi momento, potrà stabilire la mossa più vantaggiosa e a la distanza a cui si trova lo scacco matto più vicino. Nascono così le tavole di Nalimov, a oggi uno dei più grandi contributi alla comprensione del gioco degli scacchi.
E se lo stesso principio fosse applicato all’economia? Modelli matematici adeguati e la potenza di calcolo dei nuovi processori possono ridurre le infinite interazioni economiche tra umani a decisioni efficaci? In un mondo di infinite combinazioni e risorse limitate, ogni attività risulta da scelte che, assunte in serie, una dopo l’altra, conducono alla riuscita o al fallimento. Di primo acchito, la similitudine con una scacchiera sembra reggere.
Due premi Nobel per l’Economia americani credono sia possibile e abbandonano la ricerca accademica per creare un fondo di investimento sulle prestigiose rive di Greenwich, in Connecticut. In questa cittadina a poche miglia da Manhattan, affacciata sulla distesa d’acqua dove l’oceano si finge estuario, il mostro dei mercati sarà fatalmente scambiato per rischio ponderato. Prima di trasferirci in Connecticut, tuttavia, è necessario passare dagli uffici Microsoft al centro di ricerca IBM. (continua)
Per riuscirci, è necessario: a) mappare ogni combinazione possibile dei pezzi; b) poter calcolare, in ogni istante, la distanza minore tra una certa configurazione sullo scacchiere e uno tra gli innumerevoli finali possibili. Nel 1950, il matematico Claude Shannon stima che il numero minimo di combinazioni possibili sia superiore alla quantità di atomi nell’universo. La mappatura integrale non è praticabile. Ma, come spesso accade, definire un problema impossibile è il modo migliore per motivare qualcun altro a risolverlo.
Nalimov sa che è un’impresa ardua anche per i più potenti calcolatori, e si pone una domanda di metodo: è proprio necessario coprire ogni possibile combinazione? La risposta è no. L’intuizione geniale è che la cosa davvero necessaria è iniziare dalla fine: Nalimov immagina una scacchiera di poche caselle, dove giochino due re e una regina. Calcolato ogni possibile scacco matto (poche combinazioni) relativo a questa configurazione, aumenta gradualmente i livelli di complessità. Ad ogni incremento, programma i calcolatori affinché prevedano i nuovi finali, fino a giungere ad una superficie e ad un numero di pezzi regolamentari (8 caselle per lato e 32 pezzi).
L’universo degli scacchi resta in larga parte immerso nell’oscurità, ma il problema della partita perfetta è risolto. Consultando le combinazioni ottimali possibili, un giocatore, in qualsiasi momento, potrà stabilire la mossa più vantaggiosa e a la distanza a cui si trova lo scacco matto più vicino. Nascono così le tavole di Nalimov, a oggi uno dei più grandi contributi alla comprensione del gioco degli scacchi.
E se lo stesso principio fosse applicato all’economia? Modelli matematici adeguati e la potenza di calcolo dei nuovi processori possono ridurre le infinite interazioni economiche tra umani a decisioni efficaci? In un mondo di infinite combinazioni e risorse limitate, ogni attività risulta da scelte che, assunte in serie, una dopo l’altra, conducono alla riuscita o al fallimento. Di primo acchito, la similitudine con una scacchiera sembra reggere.
Due premi Nobel per l’Economia americani credono sia possibile e abbandonano la ricerca accademica per creare un fondo di investimento sulle prestigiose rive di Greenwich, in Connecticut. In questa cittadina a poche miglia da Manhattan, affacciata sulla distesa d’acqua dove l’oceano si finge estuario, il mostro dei mercati sarà fatalmente scambiato per rischio ponderato. Prima di trasferirci in Connecticut, tuttavia, è necessario passare dagli uffici Microsoft al centro di ricerca IBM. (continua)
