Innovazione, matematica e organizzazioni: complessità poliedrica, ma gestibile

Professore Ordinario di Matematica Applicata al Politecnico di Milano e professore emerito all’Ecole Polytechnique Fédérale de Lausanne, Alfio Quarteroni si occupa di modellazione matematica, analisi numerica, calcolo scientifico e applicazioni in meccanica dei fluidi, geofisica, medicina e per il miglioramento delle prestazioni sportive.

Professor Quarteroni, potrebbe brevemente delineare il campo di attività specifico di Mathesia?

Mathesia è una startup incubata in PoliHub – Politecnico di Milano, che ha dato vita a una piattaforma omonima (Mathesia.com) che si occupa di crowdsourcing nel settore della matematica applicata e data science. In pratica, la missione di Mathesia è di mettere in comune da un lato le esigenze delle aziende, italiane e internazionali, che hanno un problema di prodotto o di processo, il quale può essere simulato e risolto dalla creazione e applicazione di algoritmi matematici; dall’altro una community di oltre tremila ricercatori e matematici in tutto il mondo, che possono essere attivati nella risoluzione del problema. Mathesia facilita il contatto, la comprensione del problema, ne favorisce la soluzione (che comunque è in capo unicamente al ricercatore scelto dall’azienda) e, in caso di esito positivo, acquisisce una fee in misura percentuale rispetto al valore del progetto. Crowdsourcing puro, come già esiste in una varietà di campi applicativi, ma con l’unicità del modello applicato alle competenze specifiche della matematica e data science.

Il panorama delle aziende italiane è pronto a utilizzare una opportunità di questo tipo?

Le grandi aziende sicuramente lo sono. Per le medie e piccole aziende, che tra l’altro proprio per dimensioni e specificità potrebbero risparmiare molto se utilizzassero la piattaforma Mathesia, il panorama è a macchie di leopardo. Ci sono eccellenze avanzatissime, a fronte di fasce in cui serve una maggior educazione all’utilizzo della matematica applicata, alla corretta interpretazione e valutazione dei dati, che spesso sono in possesso dell’azienda ma non vengono valorizzati, e alla propensione a ricorrere all’esterno per certe tipologie di consulenza. Ma la strada è segnata, è solo quesitone di tempo e di continuare a promuovere una education specifica, cosa che tra l’altro fa parte della mission di Mathesia. Il settore delle aziende è in forte trasformazione, grazie alle tecnologie digitali, che esulano dall’ambiente della produttività d’ufficio e si estendono alla fabbrica e alla logistica integrata. La complessità aumenta e la necessità di economie anche nel reperire soluzioni di innovazione è un fatto.

 

Complessità in aumento, transizione verso l’innovazione. Può elaborare questi concetti?

Stiamo vivendo una fase di transizione, dall’industria 4.0 a quella 5.0 e dal 4G al 5G nelle comunicazioni mobili, che sta ponendo sfide scientifiche e tecnologiche di notevole complessità. Per rappresentare tale complessità, mi piace ricorrere alla metafora del poliedro, un solido che presenta molte facce, diverse ma congiunte.

Una prima faccia di tale poliedro è indubbiamente la curse of dimensionality (la cosiddetta ‘maledizione della dimensione’): i dati e le informazioni da analizzare, modellizzare e usare, appartengono a spazi di elevata dimensione e il loro trattamento matematico (quali fusione e integrazione di dati, nonché la realizzazione di modelli per il calcolo scientifico su grande scala), richiedono nuovi algoritmi, i cui costi computazionali non crescano esponenzialmente rispetto alla dimensione.

Un’altra faccia è rappresentata dalla necessità di sviluppare una teoria soggiacente al deep learning (l’uso di reti neurali multi-livello) affinché si possa passare dalla fase sperimentale ed euristica odierna a una matematicamente certificata con solide basi interpretative. Solo in tal modo, agli attuali ambiti di successo (primariamente il riconoscimento testuale, vocale e di immagini) se ne potranno aggiungere altri, quali ad esempio la medicina computazionale di precisione (cosiddetta: patient-specific) e quella auto-immune, la manipolazione genetica ‘sicura’ in agricoltura e nelle scienze umane, la guida autonoma, la gestione più consapevole delle strategie di sviluppo sostenibile per mitigare gli effetti del climate change.

Una terza faccia verte su come quantificare e governare l’incertezza: quella dovuta al cosiddetto ‘rumore’ nei dati, quella relativa ai modelli matematici, quella intrinseca nei comportamenti degli agenti sociali, economici e finanziari. E ve ne sono numerose altre.

 

Qual è la sfida che si pone, in sintesi?

La sfida si pone in ambito industriale, per intercettare i cambiamenti a cui accennavo prima e per renderli fruibili da tutti: in questo campo applicativo l’innovazione poggia su specifiche tecnologie, anch’esse di crescente complessità: penso al cloud computing, all’Internet delle cose (IoT), alla predictive e prescriptive analytics, alle tecnologie blockchain, alla realtà aumentata, alla cybersecurity, tanto per citare alcuni esempi. Il problema da risolvere è come sviluppare e integrare queste conoscenze in aree a fortissima propensione evolutiva e, a dispetto della tendenza a sintetizzare attraverso parole chiave o slogan, fortemente eterogenee fra loro, spesso estranee o inaccessibili alla realtà d’impresa.

Un problema non da poco…

Sì, non da poco. Ma Mathesia, grazie al suo innovativo modello di business, consente di identificare il problema in una qualunque delle innumerevoli aree sopra citate e stimolarne la risoluzione attraverso l’accesso a una conoscenza condivisa espressa dalla rete estesa di ricercatori e matematici a cui accennavo all’inizio, che accedono alla nostra piattaforma.

 

Come si possono contemperare e risolvere in senso innovativo e proficuo tutte queste sfide e le innumerevoli facce della complessità che ci ha appena delineato?

Cloud knowledge e knowledge access on demand: organizzazione delle conoscenze sulla cloud e accesso specifico alle medesime, su domanda: è questa la super-sfida, questa la ‘sorgente di luce’ che, dall’interno, può illuminare le molteplici facce del poliedro della complessità. Mathesia è in grado di accendere questa luce. Perché è al centro di una rete che esprime una straordinaria pluralità di intelligenze nelle aree di data science, modellizzazione matematica, calcolo scientifico, machine learning, optimal design e controllo. Una piattaforma che realizza l’incontro ottimale fra formulazione del problema e soluzione del medesimo, grazie alla certificazione scientifica garantita dalle competenze dell’universo-Mathesia, cioè della ‘nuvola’ che Mathesia è in grado di gestire e organizzare.

Vuoi ricevere le notizie di Bluerating direttamente nella tua Inbox? Iscriviti alla nostra newsletter!

Tag: