Gli algoritmi che cambiano la vita. I virus e lo spettro degli eventi

Alcuni eventi naturali sono diventati in gran parte prevedibili pur rimanendo in parte misteriosi. Ad esempio lo studio delle maree dimostra che “nonostante esista una teoria delle maree, questa risulta troppo dipendente dai dettagli morfologici locali [la forma della costa e la profondità dei fondali] e il miglior modo per prevedere le maree è attraverso l’analisi dei dati storici e l’individuazione dei diversi contributi periodici utilizzando l’analisi matematica delle serie temporali” (p. 24). Ovviamente l’influenza maggiore è data dall’attrazione gravitazionale che la Luna esercita sulle masse oceaniche. In tutti i sistemi complessi, “Il tutto è più della somma delle singole parti” (Aristotele; http://matematica.unibocconi.it/articoli/mandelbrot-e-la-geometria-frattale). 

Anche nel campo delle previsione meteorologiche si sono fatti dei progressi notevoli: le previsioni di oggi “a distanza di sei giorni sono precise quanto le previsioni a tre giorni degli anni ottanta” (p. 27). Nella stagione invernale in Europa le previsioni possono essere molto accurate anche a livello orario, rispetto alla stagione estiva dove vige ancora la regola dei temporali veloci, potenti e inattesi. Infatti “la difficoltà delle previsioni meteorologiche, non risiede solamente nel numero di equazioni e variabili; esiste un problema fondamentale, legato al fatto che in queste equazioni anche una piccola variazione sulle condizioni iniziali viene amplificata in modo esponenziale” (http://davbucci.chez-alice.fr/index.php?argument=matematica/matematica.inc).

Per molti fenomeni naturali conviene adottare il criterio degli scenari e del concetto di “previsioni probabilistiche”, ad esempio sostenendo che in una determinata zona esiste il 60 per cento di possibilità che il giorno successivo nevichi, il 30 per cento che ci sia pioggia e solo un 10 per cento di possibilità che non ci sia nessun genere di precipitazione. Quindi prendendo in esame lo spettro degli eventi si ammettono gli nuovo i nuovi limiti della conoscenza umana. La semplice acqua può passare dalla fase liquida, a quella solida e gassosa, “Tuttavia se ci focalizziamo solo su due molecole d’acqua in isolamento non saremo mai in grado di capire cosa sta succedendo” (p. 37). Le “transizioni di fase” restano semplicemente dei fenomeni parzialmente inspiegabili.

Per quando riguarda il campo economico e finanziario si entra in un campo minato, poiché esistono fenomeni storici ricorrenti e altri unici, ed esistono dei fenomeni legati alle mode e alla propaganda all’interno dei gruppi sociali più o meno professionali, e più o meno allargati (https://www.ariannaeditrice.it/articolo.php?id_articolo=27687). Il famigerato fenomeno molto raro del Cigno Nero può sempre emergere sorprendendo quasi tutti (http://www.agoravox.it/Il-Cigno-Nero-Ovvero-il-Buco-Nero.html; www.agoravox.it/Scienza-mistero-economia-e.html). Esistono poi anche le profezie che si auto-avverano, ben conosciute dai grandi speculatori finanziari, che sono in grado di spostare grandi masse di denaro in pochissimo tempo.

Oggigiorno gli algoritmi che operano nei nostri smartphone, nei nostri computer e nelle nostre Tv, “sono in grado di sapere cosa ci piace, di cosa abbiamo bisogno, chi sono i nostri amici, le nostre inclinazioni politiche e religiose… queste previsioni irrompono nella nostra vita attraverso offerte commerciali, pubblicità, medicine personalizzate” (p. 30). Le nuove forme di Intelligenza Artificiale sono orientate all’autoapprendimento, e attraverso la costante e implacabile datificazione di ogni esistenza, riducono ogni persona a un atomo sociale con alcune caratteristiche ben definite.

Un algoritmo è un modello computazionale costituito da “una serie di istruzioni precise ed espressioni matematiche che usiamo per trovare associazioni, identificare tendenze, estrarre le leggi e le dinamiche alla base di fenomeni come il contagio, la diffusione di idee, o l’andamento dei mercati finanziari… su Amazon ci suggerisce i prodotti più adatti dopo aver imparato le nostre abitudini” (p. 17). Inoltre, come ha dimostrato il caso di Cambridge Analytica, “i nostri like sui social possono essere usati per definire il nostro profilo psicodemografico e predire le nostre inclinazioni politiche e religiose in modo da manipolare le nostre intenzioni di voto” (p. 19).

La datificazione della vita è già stata molto approfondita e qualcuno potrebbe riprogrammare indirettamente ogni esistenza: “ogni informazione sulla nostra vita è diventata un dato digitale che può essere conservato e soprattutto analizzato, consentendo di mettere la società [e le singole persone], in ogni suo piccolo aspetto, al microscopio” (p. 52). Alcuni algoritmi sintetizzano delle “psicostorie” in modo da venderci più cose o possono censurare per influenzarci politicamente.

Tuttavia per discutere di Big Data bisognerebbe rispettare tre criteri: “volume, velocità, varietà. Volume per dire che i big data devono contenere moltissime informazioni. Velocità per indicare che l’acquisizione e l’analisi può essere fatta in tempo reale. Infine, la varietà si riferisce alla differenza di qualità e di notizie offerte dai dati raccolti (p. 57). Però di solito la cosa che interessa di più gli scienziati e le aziende è la novità delle informazioni. Ma trovare delle correlazioni tra alcune variabili non significa trovare la causa di un fenomeno. E un eccesso di profilazioni acritiche su una grande massa di dati può diventare pericolosa a livello scientifico, poiché può creare delle illusioni causali interpretabili a uso e consumo degli interessi commerciali e politici più forti.

Comunque la centralità del Machine Learning è questa: “l’algoritmo impara da solo a identificare relazioni precise nei dati osservati, senza avere regole e modelli espliciti pre-programmati… l’algoritmo apprende dai dati adattando sé stesso man mano che impara dalle informazioni che sta elaborando” (p. 66). Quindi l’Intelligenza Artificiale in molti casi può superare le migliori prestazioni dell’intelligenza umana. Per ora la creatività e la cosa più difficile da imitare. Ma nessun algoritmo può spiegare il suo pensiero e anche gli algoritmi riflettono i pregiudizi umani. In un certo senso, gli algoritmi, come gli esseri umani, “credono di pensare, quando in realtà stanno solo riorganizzando i loro pregiudizi” (William James, filosofo e psicologo, citato a p. 106).

Per quanto riguarda i virus e le epidemie bisogna considerare che ogni epidemia riflette un fenomeno storico e ambientale differente. Ogni virus e ogni epidemia è inserita in un contesto, geografico, climatico e socioculturale diverso. Le famiglie e le persone hanno delle abitudini igieniche e relazionali molto diverse da Stato a Stato. Ad esempio il modello creato da Vespignani per affrontare l’epidemia di Zika in America Latina, è difficilmente replicabile per altri generi di epidemie, anche perché il virus produce danni prevalentemente alle donne in stato di gravidanza (https://www.my-personaltrainer.it/Sintomi/Virus_Zika).

Purtroppo gli algoritmi epidemici di oggi sono basati su una teoria del contagio molto semplificata ideata ai primi del Novecento (p. 125). Non bisogna quindi stupirsi più di tanto sulla relativa approssimazione delle previsioni di molte epidemie degli ultimi vent’anni. Si suddividono ancora le persone in tre sole categorie: i suscettibili (i sani); gli infetti (i malati o forse no come avviene oggi con la sindrome da Covid-19); i recuperati, che sono quelli che non possono trasmettere più la malattia (i guariti e i morti, inseriti nella stessa categoria). Ma le proprietà dei virus sono diverse.

Per quanto riguarda la classica influenza Vespignani ha riportato che “l’influenza stagionale è tra le malattie più difficili da prevedere” e “solo negli Stati Uniti si contano tra i 12.000 e 80.000 decessi annui” (p. 61). Google ci ha provato con Flu Trends. L’alternativa creata in precedenza è FluView: https://www.cdc.gov/flu/weekly/fluviewinteractive.htm (strumento dei CDC, i Centri per la prevenzione e il controllo delle malattie degli Stati Uniti; www.linkedin.com/in/davidlazer, un consulente che ha vivisezionato i due sistemi). Ma in molti casi riuscire prevedere non significa necessariamente poter prevenire o poter curare meglio. Per fare questo bisogna creare delle nuove tipologie di consulenza più sistemiche e delle vere sinergie scientifiche istituzionali.

I modelli di simulazione “permettono di alterare i meccanismi di interazione che definiscono il futuro del sistema… Dobbiamo però essere consapevoli che queste mappe del futuro hanno le loro incertezze e che qualunque uso se ne faccia deve superare una serie di controlli di qualità e di convalidazioni, senza le quali bisogna concedersi il beneficio del dubbio sui risultati” (p. 149). Tutte le ricerche hanno dei margini di errore, che dovrebbero essere sempre indicati e comunicati. Esiste sempre il “cono di incertezza” e nei sistemi sociali esistono i cicli di feedback riflessivi: “le persone cambiano il loro comportamento in base alla consapevolezza e alla conoscenza del futuro”. La previsione finisce per cambiare le previsioni in un lungo e indefinito gioco di riflessioni speculari.

In estrema sintesi, posso affermare che gli algoritmi si sono dimostrati molto affidabili nel sintetizzare le serie storiche di molti fenomeni, ma non sono ancora molto affidabili nel prevedere eventi straordinari o fenomeni molto particolari. Di sicuro gli algoritmi si sono dimostrati molto utili a livello commerciale. Per ora le multinazionali sono interessate a venderci innumerevoli cose, ma nei prossimi mesi o nei prossimi anni nessuno può sapere come verranno gestite tutte le informazioni accumulate (conservate un barlume di speranza, voi che le avete regalate).

 

Alessandro Vespignani insegna Fisica e Informatica alla Northeastern University di Boston, è fellow dell’American Physical Society (https://www.aps.org), dirige il Network Science Institute di Boston: https://www.networkscienceinstitute.org/people/alessandro-vespignani. In realtà si occupa di molte cose: https://www.mobs-lab.org/alessandro-vespignani.html; https://lazerlab.net/projects; https://www.humantechnopole.it/it/web/alessandro.vespignani (una collaborazione italiana).

 

Nota italo-francese – Chiara Poletto lavora in Francia e si occupa di modelli epidemici e sistemici: https://chiara-poletto.github.io/publications.html; www.linkedin.com/in/chiara-poletto-9a0ab851 (https://www.inserm.fr, la Scienza della Salute in Francia, https://www.inserm.fr/en). Marco Ajelli è un informatico specializzato in epidemiologia: https://magazine.fbk.eu/it/spotlight/marco-ajellli (per visionare gli articoli più recenti del magazine della Fondazione: https://magazine.fbk.eu/it). 

Nota sulla felicità – Alcuni economisti hanno ideato una strumento per provare a misurare alcuni fattori legati alla felicità: https://hedonometer.org/about.html. Ma nella Bibbia è più facile trovare i riferimenti esistenziali più utili: “E il sapiente che dice di trovare, neppure lui ha trovato” (p. 179, https://www.libreriadelsanto.it/libri/9788821576874/qohelet.html, a cura di Gianfranco Ravasi). Agli amanti dello sport e del calcio (analizzato da Vespignani) consiglio www.optasports.com.

Nota personale – Ho notato un grande talento psicologico in Alessandro Vespignani, per cui gli consiglierei di iniziare ad approfondire la materia con l’ottimo libro testamento di James Hillman: www.agoravox.it/Le-seduzioni-della-guerra-e-i.html (Hillman è stato uno psicoanalista, saggista e filosofo americano, è morto nel 2011; https://ildizionariodipsicologia.net/libri-james-hillman). Poi gli consiglio anche questa lettura: www.agoravox.it/La-psicologia-che-ti-difende-dalla.html. Comunque condivido pienamente questa riflessione: “Ai nostri giorni non è più sostenibile avere dei sistemi educativi che insegnano a declinare i verbi latini ma che non hanno mai mostrato ai ragazzi la logica della programmazione algoritmica… Il risultato di questo analfabetismo computazionale genera gli adoratori degli indovini digitali e della casta di sacerdoti che li tiene in vita (p. 177). Ai vari professionisti del settore servirebbe invece una vera educazione all’etica delle previsioni. E la promozione di una cultura interdisciplinare e multidisciplinare dovrebbe essere la base di qualsiasi etica scientifica (www.aaas.org, American Association for the Advancement of Science; organizza meeting scientifici, https://www.aaas.org/events). Ho appurato che anche Vespignani ha gradito la lettura del saggio oramai datato di Nate Silver (statistico e scrittore): http://www.agoravox.it/Scienza-sport-poker-economia.html.

Nota aforistica – “Conosciamo di più di quello che possiamo spiegare” (Michael Polanyi, filosofo). Non possiamo capire un algoritmo e sapere perché l’oracolo ha ragione, ma possiamo “verificare i suoi calcoli e le sue predizioni con esperimenti e osservazioni e confermare le sue rivelazioni” (http://www.stevenstrogatz.com, matematico e studioso delle scatole nere degli algoritmi, p. 75). Quando mancano le idee governa il denaro (https://www.agoravox.it/Taplin-e-i-nuovi-sovrani-digitali.html). Le masse sono più prevedibili degli individui, una massa di persone stupide è ancora più prevedibile (liberamente ispirato da https://it.wikipedia.org/wiki/Carlo_M._Cipolla).

Nota epidemiologica – “Oggi i modelli per le previsioni epidemiche ricostruiscono nel computer mondi artificiali… e definiscono una nuova era scientifica che va sotto il nome di Epidemiologia computazionale (p. 130). Ma tutti dovrebbero ricordare che la mappa è solo il modello di un territorio ben più grande e ricco di cose e fenomeni. Ira Longini è l’antesignano di questa disciplina: https://en.wikipedia.org/wiki/Ira_Longini (https://midasnetwork.us/people/ira-longini). Come nei modelli atmosferici si tratta di definire le probabilità dello spettro degli eventi, e “nessun modello può dire cosa succederà a uno specifico individuo, non più di quanto le previsioni del tempo possano prevedere esattamente dove colpirà un fulmine” (p. 132). Comunque i Big Data sono molti utili per gestire meglio le operazioni umanitarie: https://www.unglobalpulse.org.

Nota cognitiva e spirituale – Un guru indiano sintetizza il problema didattico della memoria, scambiata per conoscenza e intelligenza: https://www.youtube.com/watch?v=KmBCLlZmTUU (dal quarto minuto, il pensiero basilare); https://www.youtube.com/watch?v=Stkvu2DT1os (Sadhguru parla del nuovo Coronavirus da figlio malaticcio di un medico indiano; dal sesto minuto; poi test).

Nota riservata (alle persone che possono capirla) – Forse esiste una rete di strani burocrati che gestisce indirettamente alcune istituzioni: www.youtube.com/watch?v=WOhuH3H6hQU. Comunque nessun pranzo è gratis e “qualsiasi azione, soprattutto a se ha una valenza economica, ha un costo che prima o poi qualcuno dovrà pagare” (p. 69). Comunque alcuni medici italiani sono ancora in grado di salvare sé stessi: https://www.youtube.com/watch?v=5gxEFGI_dgs (la lettera dal tono quasi apocalittico del Prof. Massimo Fioranelli di Roma). Comunque alcuni giornalisti italiani potrebbero salvare sé stessi e il giornalismo: www.youtube.com/watch?v=YhHTVwP_X6M (Antonio Ferrero, giornalista e attore teatrale, Torino). Comunque esiste anche chi studia le reti criminali: https://cina.gmu.edu/people/boleslaw-szymanski (Criminal Investigations).