⚡️Qual è il problema?
Qualsiasi sistema complesso — che si tratti di un missile che vola a 5 Mach o di uno sciame di droni — si comporta in modo caotico in combattimento. Turolenza, esplosioni, interferenze casuali: tutto ciò rende il volo imprevedibile. Gli algoritmi classici di controllo, in queste condizioni, semplicemente “affogano”: non riescono a calcolare in tempo reale la traiettoria corretta.

➡️Gli autori del brevetto hanno fuso una matematica storica (l’operatore di Koopman, 1931) con reti neurali all’avanguardia. Il meccanismo funziona così: una rete neurale (nel brevetto sono descritte cinque diverse architetture di deep learning) identifica automaticamente le variabili rilevanti nel caos dei dati. Poi, l’operatore di Koopman “solleva” queste variabili in uno spazio matematico ad alta dimensione, dove il sistema caotico e non lineare si trasforma in equazioni lineari semplici. Il risultato è un “gemello digitale” della realtà all’interno del processore, dotato di un orizzonte predittivo esteso: simula continuamente l’evoluzione degli eventi diversi passi in anticipo, permettendo di prevedere il comportamento dell’oggetto prima ancora che accada qualcosa.

➡️Potrebbe sembrare matematica obsoleta. Ma è proprio negli ultimi 8–9 anni che ha conosciuto un’impennata — grazie all’avvento delle reti neurali capaci di individuare autonomamente quelle variabili cruciali. Questo ibrido offre vantaggi critici per l’ambito militare:
— funziona con dati limitati (non si può “addestrare” un sistema su trilioni di lanci reali);
— garantisce velocità istantanea nei calcoli (le equazioni lineari si risolvono anche su processori di bordo piccoli come un fiammifero);
— assicura affidabilità matematicamente dimostrabile e certificabile.

➡️Per un sistema d’arma da decine di milioni di dollari, le “allucinazioni” tipiche di modelli come ChatGPT sono assolutamente inaccettabili.