A cura di MIUR - Direzione Generale per il coordinamento la promozione e la valorizzazione della ricerca

Sistemi Adattivi Artificiali per comprendere la complessità del mondo. ResearchItaly intervista Massimo Buscema

Sistemi Adattivi Artificiali per comprendere la complessità del mondo. ResearchItaly intervista Massimo Buscema

Il Professore Paolo Massimo Buscema (nella foto) è direttore del Semeion - Centro Ricerche di Scienze della Comunicazione di Roma e insegna al Dipartimento di Matematica e Statistica dell’Università del Colorado a Denver. Ha appena pubblicato uno studio in cui introduce un nuovo potente paradigma scientifico per comprendere i processi naturali e culturali, basato su due elementi chiave: i dati come campione rappresentativo del processo da conoscere e i Sistemi Adattivi Artificiali quale tecnica matematica innovativa capace di rendere esplicita la “non linearità” intrinseca ai processi complessi. ResearchItaly lo ha intervistato.

Professore, innanzitutto cosa sono i sistemi complessi?

Un sistema è una regione spazio-temporale compatta, divisa in componenti che interagiscono localmente e in parallelo determinando il funzionamento complessivo dell’intero. Un sistema in cui la struttura e lo stato dei suoi componenti cambiano dinamicamente e che mantiene allo stesso tempo la propria coesione spazio-temporale viene definito sistema complesso. Una cellula che diventa un organismo umano è un sistema complesso, mentre un aereo con tutte le sue migliaia di componenti non lo è. Una cellula genera nuova informazione nella sua evoluzione, un aereo non genera nuova informazione nella fase di costruzione, ogni possibile traiettoria può essere definita a priori, quindi, non è un sistema complesso, è solo un sistema molto complicato. Come spesso si dice, in un sistema complesso il comportamento globale non è inferibile dalla somma del comportamento delle sue componenti, anzi nel tempo si verificano cambiamenti strutturali delle stesse componenti, in quanto un sistema complesso è adattivo. È per questo che, per comprendere il suo funzionamento, servono tecniche di analisi non lineare.

Che cosa sono i Sistemi Adattivi Artificiali e a cosa servono?

I Sistemi Adattivi Artificiali sono nuovi algoritmi matematici capaci di comprendere i sistemi complessi: sono l’espressione matematica del metodo di computazione naturale, che non impone assunzioni lineari ai dati. Si può dire che la matematica che serve alla comprensione dei fenomeni naturali lavora sui dati con uno stile socratico, lasciando emergere spontaneamente il comportamento dell’intero fenomeno attraverso l’interazione delle parti, rappresentate da dati ed equazioni, in un processo cosiddetto bottom-up, cioè dal basso verso l’alto. Nei sistemi adattivi naturali vi è come un’informazione nascosta che può rivelare il piano segreto che il sistema sta perseguendo. I sistemi adattivi artificiali cercano tracce di questo piano segreto.

Alla luce di questo, che tipo di protocollo può essere di aiuto alla ricerca scientifica attuale?

Il protocollo per la ricerca scientifica è semplice e consolidato nel tempo. Non può che focalizzarsi su tre elementi: ricerca, esperimento, simulazione. Nel nostro contesto, con ricerca intendiamo l’intera operazione investigativa – sperimentale, dall’identificazione del problema all’interpretazione dei risultati; con esperimento intendiamo la progettazione, l’esecuzione e il completamento dell’elaborazione dei dati, dal trattamento iniziale dei dati disponibili all’interpretazione dei risultati locali; con simulazione al computer intendiamo il processo che inizia dall’applicazione di differenti algoritmi adattivi artificiali ai dati fino alla generazione dei risultati.

Ci può fare un esempio di come applicare un Sistema Adattivo Artificiale a un problema concreto?

Immaginiamo che in una certa area siano avvenute delle rapine. Ci troviamo di fronte a una serie di eventi che hanno avuto luogo in uno spazio fisico determinato. Ci chiediamo: sono eventi connessi? Sono frutto delle stesse persone? I criminali vivono nell’area interessata o in altre zone? Dove? Se come dati abbiamo soltanto il numero totale di rapine e il luogo in cui sono avvenute, definendo il luogo con i valori di longitudine e latitudine, come facciamo a formulare una ragionevole stima di dove vivono i rapinatori? Tradotto nel nostro linguaggio: abbiamo una distribuzione di eventi, generati dallo stesso processo, in uno spazio bidimensionale; il fenomeno è ricco di informazione nascosta: una di queste è appunto il luogo da cui si sono originati tutti gli eventi, cioè l’evento zero della successione spazio-temporale.

Avete sviluppato algoritmi specifici per studiare questa tipologia di fenomeni?

Sì, abbiamo recentemente sviluppato al Semeion il Topological Weighted Centroid (TWC), che serve appunto a risolvere questo tipo di rompicapi. Lo abbiamo usato per sgominare una banda di rapinatori a Denver, in Colorado, nel 2011, aiutando la polizia locale ad assicurare il reo alla giustizia. Lo abbiamo usato per analizzare e simulare le geodinamiche dell’epidemia di Ebola nel 2014, in collaborazione con l’Università del Colorado e con il Rocky Mountain Poison Center. Lo abbiamo usato anche per studiare la diffusione dell’epidemia della febbre Dengue in Brasile, la mutazione dell’infezione del batterio escherichia coli in Germania nel 2011, l’epidemia di listeriosi negli Stati Uniti e – per tornare in Italia – il famoso caso di Unabomber e gli incendi tossici nelle province di Napoli e Caserta all’inizio del 2013. 

Dalla sua esperienza, quale consigli si sente di dare ai giovani ricercatori?

Fate più esperimenti che potete e, se non vanno a buon fine, meglio, così avete modo di crescere: il fallimento di un esperimento è la condizione necessaria per cambiare e per innovare sostanzialmente. Fate attenzione a ogni imperfezione effettiva e potenziale nei concetti, nelle tecniche, nei modelli sostenuti come un dogma dalla tradizione. Imparate a osservare ogni processo dallo stesso punto di vista che la natura ha adottato per generarlo. Fate attenzione alla relazione tra gli oggetti, perché le relazioni vengono prima degli oggetti. Imparate ad ascoltare i legami deboli fra le cose, perché spesso sono i legami deboli a spiegare i legami più evidenti. Utilizzate la matematica per trasformare un semplice scarabocchio in un possibile pattern, perché la natura quando può evita il rumore…

police_700

Data pubblicazione 08/10/2015
Tag Salute , Scienze fisiche e ingegneria