Per chi segue la pallavolo, Mauro Berruto, allenatore della nazionale maschile nel periodo 2011-2015, è un grande; il critico d’arte Flavio Caroli è un volto noto della TV; Aldo Fumagalli appartiene a una famiglia storica dell’imprenditoria italiana, figlio del “signor Candy” è Presidente del Consiglio di Amministrazione e Washing Appliances Business Sector Director di Candy Hoover Group (recentemente acquisita dal colosso cinese Haier che stabilirà a Brugherio, sede della storica fabbrica di elettrodomestici, il quartier generale europeo). Cosa accomuna questi tre personaggi così diversi tra loro? E perché sono stati i principali relatori, insieme ad Alfio Quarteroni, Professore di Matematica del Politecnico di Milano, di un evento organizzato da Mathesia, piattaforma di crowdsourcing dedicata alla matematica applicata? Il file rouge che unisce questi personaggi è proprio la matematica, perché gli algoritmi matematici si sono ormai insinuati in ogni aspetto della nostra vita e, infatti, il titolo dell’evento, che si è svolto nella sede del Museo del ‘900 di Milano, era proprio Innovazione e algoritmi che pensano, lavorano, dipingono.
La matematica applicata in ambito industriale
Occasione per realizzare l’evento è stata la presentazione dei dati del report Mathesia Outlook 2019: How Data Science and Applied Mayhematics are shaping the future.
Mathesia è la prima piattaforma di crowdsourcing dedicata alla matematica applicata: modellazione, simulazione numerica e data science. Sviluppata dalla startup omonima ospitata da Polihub, Acceleratore d’Impresa del Politecnico di Milano, la piattaforma, che ha vinto il Premio di Categoria Big Data Analytics dell’edizione 2016 dei Digital360 Awards, consente alle aziende di accedere a un bacino molto ampio di competenze di elevato profilo, agevolando il trasferimento tecnologico e di know-how e mettendo in comunicazione diretta il mondo del business con quello della ricerca.
Mentre sul monitor compare un numero che sembra infinito, Luca Prati, CEO e co-fondatore di Mathesia, ricorda che “oltre un miliardo di gigabyte viene generato ogni giorno nel mondo e la scienza dei dati permette oggi di trasformare questi dati in informazioni utili. Dalla medicina alla sostenibilità ambientale, dall’energia all’automotive a qualsiasi prodotto industriale, dalla finanza ai trasporti, la scienza dei dati ci aiuta a comprendere problemi, a trovare nuove soluzioni, a creare nuovi prodotti”.
Proprio per capire qual è l’impatto della data science nel mondo industriale, Mathesia ha realizzato una survey attraverso questionari rivolti a 83 executive di imprese italiane e 91 esperti di matematica appartenenti alla rete di circa 3000 eminenti matematici, ingegneri e scienziati di dati in 50 paesi, operanti sulla piattaforma Mathesia, ai quali si sono aggiunte 7 interviste approfondite ai più importanti accademici di matematica e data science nelle maggiori università internazionali del settore.
Come si vede dalla figura 1, gli intervistati mostrano una percentuale interessante di adozione delle diverse tecnologie basate sulla data science e due su tre pianificano di adottare queste tecnologie nel 2019. Per quanto riguarda le aree nelle quali gli intervistati ritengono che le tecnologie di data science possano portare i maggiori benefici allo sviluppo strategico dell’azienda (figura 2), se la percentuale maggiore è abbastanza scontata (business intelligence) la survey mostra come queste tecnologie inducano grandi aspettative in ambiti prettamente industriali: manutenzione predittiva, automazione, supply chain.
I rischi maggiori, secondo le opinioni di tutti gli intervistati, sono percepiti nella sfera della privacy e dei diritti dell’individuo. Altre questioni critiche sono l’archiviazione dei dati, la qualità delle informazioni desunte dai dati e, assai importante, la mancanza di esperti di settore.
La matematica che cura
La matematica, insieme alla fisica e alla filosofia, è un mondo estremamente affascinante perché quando si riesce a sbrogliare la complessità di alcuni problemi (esattamente come accade per la fisica e la filosofia) si prova un piacere puro, una grande soddisfazione. E l’intervento di Quarteroni (anch’egli tra i fondatori di Mathesia), che ha preso la parola dopo Prati, è riuscito a trasmettere alla platea tutto il fascino di questa scienza illustrandone la pervasività nel modellizzare ogni aspetto della nostra vita, per interpretarlo meglio, per capirne il funzionamento e, in definitiva, per migliorarlo.
Il professore del Politecnico ha spiegato come il momento di transizione che stiamo vivendo sia fantastico grazie all’enorme quantità di dati di cui possiamo disporre perché “il dato migliora il modello matematico e il modello matematico migliora il dato”, ma sta anche ponendo sfide scientifiche e tecnologiche di complessità poliedrica.
“Una prima faccia – ha detto Quarteroni, illustrando alcuni lati di questo poliedro – è legata al tema delle dimensioni: oggi abbiamo a disposizione una quantità formidabile di dati e informazioni da analizzare, modellare e utilizzare e i costi computazionali per soddisfare questa enorme capacità elaborativa crescono a dismisura per cui sono necessari nuovi algoritmi [sempre più performanti ndr] che limitino questa necessità”
La seconda faccia del poliedro riguarda tutto il mondo del deep learning e delle reti neurali multistrato “per passare dall’attuale fase sperimentale ed euristica a una nuova fase, che possa essere certificata matematicamente. Solo in questo modo – ha affermato il professore del Politecnico e dell’École Polythechnique Fédérale di Losanna – le attuali tecnologie (testo, voce e riconoscimento delle immagini) possono essere arricchite con altre, specifiche, per esempio, per una medicina personalizzata disegnata sul paziente, una manipolazione genetica consapevole in agricoltura e nelle scienze umane, la guida autonoma o strategie di sviluppo sostenibile per mitigare gli effetti dei cambiamenti climatici”.
Un terzo aspetto è la quantificazione e la gestione dell’incertezza: da quella che riguarda la qualità dei dati a quella inerente ai modelli matematici, all’incertezza intrinseca quando si tratta di agenti sociali, economici e finanziari.
L’intervento di Quarteroni si è quindi focalizzato sull’illustrazione di alcuni esempi soffermandosi in particolare su un progetto nel quale è impegnato e che coinvolge vari enti di ricerca e primarie università internazionali: un modello complesso di simulazione completa del cuore umano che comprende tutte le dinamiche fisiche (dalla componente elettrica, a quella meccanica, alla fluidodinamica ecc.) dell’organo. Sebbene diversi gruppi nel mondo stiano lavorando da vent’anni per costruire modelli matematici delle varie funzioni cardiache, quello di questo progetto è il primo modello integrato.
Come la matematica cambia la preparazione tattica degli atleti
“Non ho mai giocato a pallavolo – ha esordito Berruto – e quando sono diventato allenatore dovevo trovare un elemento di credibilità. Nella mia carriera ho sempre cercato parametri oggettivi per costruire modelli; nella pallavolo esistevano già valutazioni delle performance basate sui dati, ma la mia necessità era di capire come si sarebbero dovuti comportare i giocatori nella prossima partita”.
Proprio ascoltando una conferenza di Quarteroni, Berruto ha avuto una illuminazione: “Il metodo classico per capire come comportarsi era analizzare le partite del passato. Ascoltando Quarteroni ho invece iniziato a pensare se non sarebbe stato possibile sviluppare un modello matematico per prevedere il comportamento degli avversari”.
Sulla base dei dati disponibili dalle decine e decine di partite, è stato sviluppato un algoritmo matematico che era riuscito a ottenere un risultato previsionale esatto al 90%.
“La cosa interessante, naturalmente, era utilizzarlo in gioco, ma si ponevano due problemi. Il primo era la trasmissione dell’informazione ai giocatori in campo: grazie all’algoritmo, in panchina, potevo anche prevedere l’azione dell’avversario in un determinato contesto, ma avevo pochi secondi per dire al mio giocatore cosa fare e le mie indicazioni non è detto che venissero sentite. Il secondo era che in questo modo i giocatori venivano un po’ deprivati del loro intuito, era un po’ come utilizzare un joystick in un videogioco”.
Berruto ha quindi spiegato che venne deciso di utilizzare la soluzione come un simulatore per la preparazione del match, in pratica è come utilizzare un videogioco, ma dove nel campo virtuale c’è il digital twin della squadra avversaria: “Tra l’altro stiamo parlando di ragazzi che sono nati con i videogiochi, questo è il loro mondo. Con questo strumento è cambiato proprio il paradigma della preparazione del match e oggi molte federazioni sportive si basano su strumenti di questo tipo”.
L’intelligenza artificiale di Bianca e la matematica nella pittura
“Tecnologie di machine learning e IoT consentono di acquisire in tempo reale dati, e dunque esperienze, utili sia al costruttore, sia all’utilizzatore, rendendo in tal modo possibile prevenire eventuali guasti o malfunzionamenti” ha detto Fumagalli illustrando Bianca, la lavatrice intelligente realizzata da Candy.
Infine Caroli ha spiegato come la matematica abbia dato all’arte nuova linfa e nuovi contenuti, facendo passare la visione da contenuti meramente religiosi e/o mistici a una nuova esperienza, quella del reale: “In questo gioco hanno iniziato ad aver risalto le proporzioni, la prospettiva, la carica ideale che tende verso la realizzazione di una città di armonia delle forme e delle funzioni. La pittura, attraverso le esperienze di Brunelleschi, Masaccio e altri approda a Leon Battista Alberti. Dall’affermazione delle istanze rinascimentali, il numero, la geometria, la disposizione e l’equilibrio si costruiscono i pilastri di un nuovo modo di vedere e di rappresentare il mondo. In questo senso la matematica e le sue discipline collegate hanno reso e rendono l’arte “moderna””.
