I ricercatori hanno dimostrato che un'ameba, cioè un organismo unicellulare costituito principalmente da protoplasma gelatinoso, ha capacità di calcolo uniche che potrebbero un giorno offrire un'alternativa competitiva ai metodi usati dai computer convenzionali. La notizia arriva dai ricercatori della Keio University: ecco come è possibile e cosa implica.

Il problema del commesso viaggiatore. I ricercatori della Keio University hanno assegnato ad un'ameba il compito d risolvere il Travelling Salesman Problem (TSP), conosciuto come il Problema del Commesso Viaggiatore. Il TSP è un problema di ottimizzazione in cui l'obiettivo è trovare il percorso più breve tra diverse città, in modo che ogni città venga visitata esattamente una volta e che i punti di inizio e fine siano gli stessi. Il TSP è però un problema è NP-difficile, questo significa che con l'aumentare del numero di città, il tempo necessario a un computer per risolverlo aumenta esponenzialmente e la complessità è dovuta al gran numero di possibili soluzioni: per fare un esempio, se per quattro città, ci sono solo tre possibili rotte per otto città, il numero de possibili percorsi aumenta a 2520.

L'ameba ‘ottimale'. Nel loro studio, i ricercatori hanno scoperto che un'ameba è in grado di trovare soluzioni ragionevoli (quasi ottimali) al TSP in un lasso di tempo che cresce solo in modo lineare (quindi non esponenziale), quando il numero di città aumenta da quattro a otto. Sebbene anche i computer convenzionali siano in grado di trovare soluzioni approssimative in tempo lineare, l'approccio dell'ameba è completamente diverso rispetto agli algoritmi tradizionali. Come spiegano gli scienziati, l'ameba in pratica esplora lo spazio in cui è stata inserita per l'esperimento ridistribuendo continuamente il suo corpo amorfo ad una velocità costante, così come elabora il feedback ottico in parallelo anziché in serie.

Differenze con computer convenzionali. Sebbene un computer convenzionale possa risolvere il TSP molto più rapidamente di un'ameba, specialmente per problemi di dimensioni ridotte, i nuovi risultati sono interessanti poiché potrebbero portare allo sviluppo di nuovi computer analogici, in grado di ricavare in tempo lineare soluzioni approssimative di problemi computazionalmente complessi di dimensioni molto più grandi.