La vita e' tutta un... algoritmo

SONO LORO E I BIG DATA A GOVERNARE MOLTE DELLE NOSTRE ATTIVITA' QUOTIDIANE: DALL'USO DEI NAVIGATORI SATELLITARI AGLI ACQUISTI ONLINE. COME DIMOSTRANO I RICERCATORI BOCCONI IN 8 DIVERSI CAMPI

Sono tre gli ingredienti che stanno accelerando i tempi dell’innovazione, rivoluzionando il modo di operare delle aziende, il nostro modo di vivere e il modo di gestire la res publica: la disponibilità elevata di dati (i big data), la disponibilità di calcolatori sempre più potenti e la disponibilità di algoritmi in grado di trasformare i dati in informazioni e indicazioni per manager e policy maker.

In un popolare articolo sull’intelligenza artificiale sul suo blog, Tim Urban nota come la velocità di progressione nelle innovazioni negli ultimi 50 anni sia pari a quella degli ultimi 150 e che nei prossimi 5 anni avremo innovazioni ad un tasso ancora superiore a quelle degli ultimi cinque.

In questa fase gli algoritmi svolgono un ruolo da protagonisti. Sono loro alla base dell’intelligenza artificiale di oggi, ma se guardiamo indietro, troviamo che la nostra vita potrebbe essere stata toccata da uno degli algoritmi più noti dell’ottimizzazione, ovvero dall’algoritmo del simplesso ideato da George Dantzig intorno alla fine degli anni ’50. È un algoritmo che risolve problemi di programmazione lineare (il nome programmazione deriva dall’uso dei primi “programmi” per calcolatore che si sviluppavano proprio intorno a quegli anni).

L’algoritmo ha permesso di rendere la programmazione lineare molto popolare nella risoluzione di problemi aziendali e oggi, con un pc portatile, si risolvono nel giro di pochi secondi problemi di dimensioni vastissime (con milioni di variabili). Ha impattato la nostra vita? Una famosa marca di biscotti per bambini lo ha adottato per trovare la ricetta ottimale che risolvesse il problema della dieta (un problema di ottimizzazione lineare in cui i vincoli sono dettati dal contenuto minimo e massimo di ingredienti e sostanze nutritive) e molti di noi hanno usufruito di questa ottimizzazione nella loro crescita tra i 6 mesi e i 2 anni… Altri algoritmi famosi sono Quick Sort, Merge Sorte, Heap Sort che permettono di cercare velocemente tra quantità enormi di dati, o l’algoritmo di Dijkstra per i grafi, algoritmi di compressione e decompressione dei dati…

Più di recente, gli algoritmi di revenue management ci toccano da vicino negli acquisti online. Questi algoritmi sono in grado di calcolare il tempo ottimale durante il quale un prodotto può rimanere in vendita ad un determinato prezzo. L’algoritmo ricalibra il prezzo in base alla domanda registrata e alle vendite ottenute. Qui la storia narra della prima introduzione di un nuovo algoritmo da parte dei ricercatori del MIT, con un risultato deludente: calo del 20% delle vendite. Ma un aggiustamento successivo ha portato ad un +400% delle vendite e all’adozione del meccanismo da parte dell’azienda promotrice del progetto.

Altri esempi di algoritmi vicini a noi: lo smartwatch ci comunica dati sulla nostra salute utilizzando algoritmi. Algoritmi calcolano il percorso più breve quando chiediamo informazioni al navigatore satellitare. Algoritmi sono alla base dell’interfaccia uomo-macchina per il riconoscimento vocale. In uno dei dialoghi organizzati dal Bachelor in economics, management and computer science della Bocconi (Bemacs talks) abbiamo ospitato David Nahamoo di IBM, uno dei pionieri del software per il riconoscimento vocale, le cui scoperte sono alla base del funzionamento di assistenti quali SIRI, Cortana o di software di dettatura o del supercomputer di IMB, Watson.
Un progresso enorme è stato fatto nel riconoscimento di immagini con gli algoritmi di deep learning. Qui lavori di gruppi di ricerca sia nazionali che internazionali come quelli di Yann Le Cunn e Riccardo Zecchina hanno permesso progressi esponenziali negli ultimissimi anni. Lo stesso si può dire di algoritmi di classificazione e clustering o di analisi automatizzata dei testi, con gli algoritmi di Gary King (anche lui ospite di un Bemacs talk) che sono alla base di startup di successo. L’industria 4.0 ci parla di internet of things che permetterà un sempre maggiore livello di automazione nelle macchine, rivoluzionando i processi produttivi.

Lo sviluppo è frenetico, ma non manca la necessità di mantenere capacità critica nell’uso dello strumento. Un esempio noto è quello di Google Flue. La ragione? Gli algoritmi sono creati sotto alcune ipotesi di funzionamento e, in condizioni in cui queste ipotesi non siano verificate, le loro previsioni diventano inaffidabili.

È quindi necessario aumentare l’expertise e la conoscenza degli algoritmi stessi. In tal senso, la mentalità degli sviluppatori è molto spesso (e fortunamente) orientata all’open source.  Sono ormai molte le piattaforme online che mettono a disposizione librerie di codice per machine learning in una logica di open access, in cui tutti possono sperimentare tali librerie. Per chi fosse interessato, basta una semplice ricerca online con una chiave del tipo “websites machine learning” per trovare un lungo elenco di siti in cui le principali aziende, università e centri di ricerca mettono a disposizione di tutti codici con algoritmi di machine learning e dati su cui sperimentare gli algoritmi, in una logica open source e di collaborazione che vuole anche basarsi sull’intelligenza collettiva.

Gli algoritmi toccano la nostra vita da vicino, già oggi in molti più aspetti di quanto immaginiamo. Lo sviluppo sembra inarrestabile, ma siamo solo all’inizio di una nuova scalata o, se vogliamo, di un cambio di pendenza nella scalata. Da una parte, nel percorso, dobbiamo mantenere integra la visione fondamentale del fatto che gli algoritmi sono strumenti, le cui limitazioni riusciremo a capire solo in seguito ad un continuo lavoro di sviluppo e miglioramenti successivi. Dall’altra, dobbiamo tenere vive e aumentare le conoscenze in queste aree a tutti i livelli con nuovi programmi formativi che siano in grado di rispondere alla domanda di nuove competenze.


Leggi come gli algoritmi entrano nel lavoro dei ricercatori Bocconi nei vari campi:
Guido Alfani. Nuovi occhi per rileggere la storia
Valentina Bosetti. Con Witch tra clima e politica
Paola Cillo. La moda si cela nei big data di Instagram
Claudia Imperatore. Come capire se il bilancio è manipolato
Silvio Petriconi. Con Python per studiare le banche
Sonia Petrone. Tra teoria e incertezza per leggere il mondo
Oreste Pollicino. La legge tra privacy e formule aziendali
Gaia Rubera. Il discorso perfetto? Lo scrive il modello
 

di Emanuele Borgonovo