Nonostante gli avvenimenti descritti in The Imitation Game, Alan Turing Chi non ha inventato la macchina che ha craccato i codici tedeschi della Seconda Guerra Mondiale ma è stata la Polonia. Ma il brillante matematico ha inventato qualche cosa mai menzionato nel film: uno strumento matematico per valutare l’affidabilità delle informazioni. Il suo strumento ha accelerato il lavoro di decifrazione di messaggi codificati utilizzando delle versioni migliorate delle macchine polacche.

I ricercatori che studiano le scimmie hanno scoperto che il cervello utilizza questi strumenti matematici non per decodificare i messaggi ma per mettere insieme prove inattendibili per prendere decisioni semplici. Per il neuroscienziato della Columbia University Michael Shadlen e il suo team, la scoperta supporta l’idea che tutte le decisioni che prendiamo – persino quelle apparentemente irrazionali – possono essere suddivise in operazioni statistiche razionali. “Pensiamo che il cervello è fondamentalmente razionale “, dice Shadlen.

Inventata nel 1918 la macchina tedesca “Enigma” creò un dispositivo di cifratura sostituendo le originali lettere di un messaggio con altre, producendo quello che sembrava un testo senza senso. Per rendere la cifratura più complicata il dispositivo aveva dischi rotanti all’interno che giravano ogni volta che veniva premuto un tasto cambiando la codifica per ogni carattere. Il processo era così complesso che persino con una macchina Enigma nelle loro mani i tedeschi poterono decifrare un messaggio solamente con la conoscenza delle impostazioni iniziali di crittografia dei dischi.

Una macchina Enigma tedesca nemica dei decodificatori della II Guerra Mondiale. Turing ha creato un algoritmo che riduceva il numero di possibili regolazioni delle macchine di decrittazione britanniche, chiamati bombes, che doveva testare ogni giorno. Lavorando presso l’impianto segreto di Bletchley Park nel Regno Unito, Turing capì che era possibile scoprire se due messaggi provenivano da macchine con rotori che partivano dalla stessa posizione – un pezzo fondamentale di informazione per scoprire quelle posizioni.

Allineando due messaggi codificati, uno sopra l’altro, la possibilità che due lettere qualsiasi saranno le stesse è leggermente maggiore se entrambi i messaggi provengono da macchine con gli stessi parametri iniziali. Questo perché in Germania, come in Inghilterra, certe lettere tendono ad essere maggiormente comuni, e il processo di crittografia preserva questa struttura.

L’algoritmo di Turing essenzialmente sommava le probabilità dell’utilità di questi indizi. Indicava anche quando le probabilità cumulative erano abbastanza buone per accettare o rifiutare che i due messaggi confrontati provenissero da macchine con gli stessi parametri del rotore. Questo strumento statistico, chiamato il test di rapporto di probabilità sequenziale, si è rivelata la soluzione ottimale al problema.

Ha fatto risparmiare tempo consentendo ai decodificatori Bletchley di decidere se due messaggi erano utilizzabili guardando il minor numero di lettere possibili.

Tuning non era l’unico matematico che lavorava in segreto per sviluppare questa idea. Abraham Wald alla Columbia University lo ha usato nel 1943 per capire quante bombe della US Navy era necessario per far saltare in aria per essere ragionevolmente certi che una partita di munizioni non fosse difettosa prima di spedirla.

Ora Shadlen ha scoperto che gli esseri umani e altri animali potrebbero utilizzare una strategia simile per dare un senso alle informazioni incerte. Trattare con l’incertezza è importante in quanto poche decisioni sono basate su prove perfettamente attendibili.

Immaginate di guidare lungo una strada tortuosa di notte sotto la pioggia. Dovete scegliere se girare il volante a sinistra o a destra. Ma quanto ci si può fidare delle luci posteriori sfocate di un auto davanti a una distanza sconosciuta e la linea scura degli alberi ha una forma confusa e i limiti della carreggiata sono appena visibili? Come si fa a mettere insieme queste informazioni per rimanere sulla strada?

Le scimmie in Shadlen in laboratorio hanno avuto di fronte una decisione altrettanto difficile. Vedevano due punti visualizzati sul monitor di un computer e cercavano di vincere un premio scegliendo quello corretto.

Forme che lampeggiavano sullo schermo una dopo l’altra suggerivano la risposta. Quando appariva il simbolo di un Pac-Man, per esempio, il punto di sinistra era probabilmente, ma non certamente, la risposta giusta. Il gioco finiva quando una scimmia decideva che aveva visto abbastanza sagome per azzardare di indovinare ruotando i propri occhi in direzione di uno dei due punti.

La corteccia  intraparietale laterale, la parte del cervello in misurazione in questo studio, si trova nel lobo parietale.

Ci sono molte strategie che possono essere state usate per scegliere il punto corretto. Una scimmia potrebbe porre attenzione agli indizi maggiori e ignorare gli altri. O una scelta può essere fatta semplicemente dopo un certo periodo di tempo indipendentemente da quanta certezza la scimmia aveva riguardo gli indizi che aveva visto fino a quel punto.

Quello che di fatto accadde è un accumulo di informazioni nel cervello, come se l’animale valutasse l’affidabilità di ogni forma e le aggiungesse a un totale parziale.  Shadlen ha monitorato questo accumulo con l’inserimento indolore di elettrodi nel cervello delle scimmie.

Indizi di alta probabilità innescavano grandi balzi nella attività cerebrale, mentre gli indizi più deboli producevano balzi più piccoli.

Le decisioni sembravano prese quando l’attività in favore della destra o della sinistra avevano raggiunto una certa soglia, in modo analogo ai risultati dell’algoritmo di Turing.

“Abbiamo scoperto che il cervello prende una decisione in un modo analogo a uno statistico”, dice Shadlen, il cui team pubblicherà i risultati in un prossimo numero della rivista Neuron.

Jan Drugowitsch, neuroscienziato presso l’Ecole Normale Supérieure di Parigi, è d’accordo. “Questo rende evidente che il cervello realmente cerca di seguire la strategia delineata qui”, dice. Ma possono le scelte più complesse, come ad esempio dove andare al college o chi sposare, essere riassunta in strategie di semplici statistiche?

“Non sappiamo se le sfide affrontate dal cervello nel risolvere i grandi problemi sono esattamente le stesse nel caso di decisioni più semplici”, dice Joshua Oro,  neuroscienziato presso la University of Pennsylvania School of Medicine. “In questo momento è pura congettura che i meccanismi studiati in laboratorio conducano a comprendere le decisioni di livello superiore.”