PREDITTIVITÀ: A CURA DEL PROF. DIEGO ETTORE LIBERATI

Da oggi cominceremo a parlare di  predittività con Diego Ettore Liberati, PhD, Research Director National Research Council of Italy Information & Control 4 Systems Biology & Precision Medicine @ IEIIT Associate Editor Medical & Biological Engineering & Computing.  Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano, Italy

Predittività: che ci sia ciascun lo dice, dove sia qualcun lo sa!

Suona un po’ come produttività, altra araba fenice il cui aumento sembra latitare nel bel Pease più che in altre contrade. Foresight è parola di moda perfino al Consiglio Nazionale delle Ricerche: nientepopodimeno che Ezio Andreta – già direttore della ricerca EU, presidente di APRE, del cluster tecnologico della sua liguria, per citare solo le sue responsabilità più note – è stato incaricato dal Presidente Inguscio di coordinare la task force in proposito, con l’obiettivo di identificare in anticipo le direzioni più promettenti verso cui investigare.

Prevedere è desiderio di molti, capacità di pochi. Se ci rifacciamo ad un esempio classico, le previsioni meteo, nei decenni recenti abbiamo assistito ad un miglioramento tanto pù sostanziale quanto più circoscritto ad un corto futuro imminente e ad un corto raggio spaziale: già una trentina di anni fa, con un brillante allievo allora in servizio militare in aeronautica, non era impossibile prevedere la visibilità a poche ore nell’intorno di Pratica di Mare, per decollo e atterraggio dei caccia in addestramento.

Quali sono gli ingredienti per sperare di fare una buona predizione?

Essenzialmente:

  • i dati delle variabili che influenzano dinamicamente le variabili che si desidera prevedere
  • possibilmente un modello che descriva sinteticamente, ancorché approssimativamente, il fenomeno in esame
  • un algoritmo che permetta di inferire dai dati parte dei dettagli che il modello non può fissare a priori per esser abbastanza generale, flessibile ed adattabile a quasi tutte le situazioni .. prevedibili!

Il trade-off, data la tolleranza di errore ammissibile relativamente alla precisione della stima, è la complessità dell’algoritmo, che tende ad aumentare quando si cerca maggiore precisione: l’ingegno dei ricercatori è allora quello di spremersi le meningi per trovare algoritmi sufficientemente semplici in fase di esecuzione, ma al contempo performanti a sufficienza per realizzare il compito richiesto. Spesso lo stesso algoritmo può esser applicato con piccole modifiche a contesti diversi, a volte un particolare contesto stimola lo sviluppo di un nuovo algoritmo che poi potrà eventualmente diventare pervasivo in altri contesti.

Se avremo la pazienza di dare un seguito a questa laconica riflessione, cercheremo di provvedere esempi salienti degli uni e degli altri.

Diego Ettore Liberati

Membro del Comitato scientifico di Laboratorio Industry 4.0

2017-12-05T10:43:53+01:00Dicembre 4th, 2017|Industry 4.0|
Torna in cima