Venerdì 2 ottobre alle ore 11 si terrà l’assemblea ordinaria del 2020 dei Soci UMI, la prima in assoluto ad essere in modalità telematica. Per registrarsi occorre collegarsi alla propria Area Riservata e seguire le istruzioni. Prima e dopo l’assemblea saranno organizzati in totale quattro colloqui scientifici, aperti a tutti, sul tema dell’Intelligenza artificiale e del Machine Learning. Pochi giorni prima del 2 ottobre, ai soci registrati saranno inviate le credenziali per accedere alla piattaforma dove si svolgerà l’assemblea. I link per seguire i colloqui scientifici saranno comunicati tramite il sito e i canali di comunicazione dell’Unione Matematica Italiana.

Per seguire via streaming i colloqui si rimanda al canale YouTube dell’Unione Matematica Italiana https://www.youtube.com/user/umi1922. Lo streaming della mattina partirà pochi minuti prima delle 10, per la precisione alle 9:55. Dopo l’assemblea dei Soci UMI, lo streaming riprenderà alle 12:45.

Prof. Michela Milano: Intelligenza Artificiale: sviluppi e prospettive

Abstract: L’intelligenza artificiale negli ultimi anni ha avuto sviluppi e effettuato progressi straordinari soprattutto nell’area dell’apprendimento automatico che ne hanno favorito l’adozione in molti settori industriali, nei servizi e nella vita quotidiana. Restano aperte tuttavia una serie di problematiche fondazionali per garantire che questi nuovi strumenti, le nuove tecnologie e le nuove soluzioni mettano al centro la persona, che siano affidabili e sicure. L’intervento si concentrerà sugli sviluppi e le prospettive future anche in ottica europea.

 

Prof. Alfredo Milani: Modellare agenti che modellano

Abstract: Dalla soluzione di problemi tramite ricerca nello spazio degli stati, all’apprendimento con rinforzo. L’evoluzione del concetto di agente in intelligenza artificiale.

 

Prof. Pierluigi Contucci:  Apprendimento Automatico: sfide e opportunità per la Matematica

Abstract: L’intelligenza artificiale sta cambiando in modo veloce e profondo il profilo tecnologico della nostra società. Eppure l’apprendimento automatico, che ora è la sua punta di diamante, non ha ancora basi scientifiche solide. Il colloquio fornirà una prospettiva sulle euristiche in cui esso si fonda e inquadrerà i principali problemi aperti. L’approccio della meccanica statistica a questi temi verrà brevemente discusso insieme a qualche risultato preliminare. La tesi di fondo è che le sfide scientifiche dell’Intelligenza Artificiale sono una grandissima opportunità per la Matematica.

 

Prof.. Francesco Morandin: Deep learning mare incognitum e pirateria matematica

Abstract: Le reti neurali profonde e il deep learning sono argomenti recenti e ancora poco compresi. Per esplorare il loro funzionamento (apparentemente miracoloso) servono intuizioni matematiche, ma spesso non c’è l’opportunità di arrivare ad una formalizzazione teorica che permetta di dimostrare risultati, che siano contemporaneamente rigorosi e importanti. Tuttavia la comprensione è utile di per sé, perché può portare a migliorare gli strumenti tecnici in modo straordinario. Durante il seminario saranno presentati alcuni importanti progressi, successivi all’introduzione del deep learning, derivanti da profonde intuizioni matematiche.
Sono esempi di come una matematica non inquadrata nei rigidi ranghi militari (dei settori) e ribelle alla disciplina (della dimostrazione a tutti i costi), possa comunque dare un contributo cruciale all’esplorazione di nuovi mari. Sperando per queste scorrerie di scampare la forca!

A causa delle complicazioni legate all’emergenza sanitaria, le Finali Nazionali delle Olimpiadi della Matematica a Cesenatico sono annullate e sostituite da gare a distanza, che si svolgeranno in sedi distribuite nel territorio entro la fine di settembre. Il nuovo calendario e l’elenco delle sedi saranno comunicati appena possibile.

L’Unione Matematica Italiana con l’ausilio di MaddMaths! ha intrapreso una riflessione su come sono cambiate le modalità di esame al termine dei corsi universitari di matematica, nella attuale situazione di emergenza. Lo scopo è quello di condividere esperienze e di fare circolare idee in un momento in cui tutti, forzatamente, abbiamo dovuto confrontarci con un nuovo modo di rapportarci agli studenti. Una prima tappa è la raccolta dati, che abbiamo che abbiamo pensato di fare tramite la diffusione di un questionario (anonimo) da compilare online, rivolto ai docenti di discipline matematiche.

Da venerdì 3 luglio, per tutta la prossima settimana, vengono pubblicati su MaddMaths! alcuni contributi sul tema. Sono già comparsi i contributi di Eugenio Montefusco, Marco Pavone, Domenico Brunetto e di alcuni studenti del corso di studi di matematica dell’Università degli Studi di Perugia. Inoltre, a conclusione del sondaggio e della rassegna, Roberto Natalini modera una diretta streaming per parlare di valutazione a distanza per le materie matematiche in ambito universitario.  Ad essa intervengono Anna Guerrieri, Nicola Ciccoli e Francesca Alessio. In onda venerdì 10 alle 17:30 su Facebook  o su YouTube.

Il professor Guido Silvestri ha risposto su MaddMaths! al comunicato dell’UMI su Modelli matematici e Covid, pubblicato mercoledì 10 giugno 2020, precisando di non aver mai detto quanto attribuitogli da vari siti e giornali, tra cui La Stampa. Rimandiamo a questo link per una ricostruzione della vicenda.
Il professor Guido Silvestri ha risposto su MaddMaths! al comunicato sottostante, precisando di non aver mai detto quanto attribuitogli da vari siti e giornali, tra cui La Stampa. Rimandiamo a questo link per una ricostruzione della vicenda.

Contrariamente a quanto riportato in un articolo de La Stampa dell’8 giugno, i modelli matematici non hanno fallito sul Covid. Basti pensare che già il 17 gennaio scorso il report dell’Imperial College avvertiva, sulla base di modelli matematici, che la situazione a Wuhan era preoccupante e che si stimava che i casi fossero già 1700 contro i 41 ufficiali. 

L’articolo a cui facciamo riferimento riporta una dichiarazione del virologo Guido Silvestri che invita a prendere atto del fallimento dei modelli matematici, in quanto i dati mostrerebbero come i modelli siano stati  “inadeguati a prevedere l’andamento reale dell’epidemia”. Di conseguenza, bisognerebbe fare in modo che tali modelli non siano più usati in futuro per prendere decisioni politiche.

Per sostenere la sua tesi, Silvestri si riferisce in particolare ad alcuni modelli matematici sugli effetti della fase 2, come presentati in un rapporto di valutazione dei rischi di diffusione epidemica fatto circolare sui giornali poco prima del 4 maggio: “Avevano paventato 151mila malati in terapia intensiva all’inizio di giugno. Invece sono 286. E dopo 20 giorni dalle aperture di maggio, non c’è alcun segno di un ritorno della pandemia”.

Riguardo a tale previsione, si tratta in realtà solo di uno dei 49 scenari analizzati nello studio, e precisamente di quello peggiore possibile, corrispondente alla situazione in cui si fossero  riaperte tutte le attività contemporaneamente, per esempio senza l’uso di mascherine e distanziamento sociale, tornando di fatto alla situazione pre-Covid. In molti degli altri 48 possibili scenari il numero riproduttivo era minore di 1 (e quindi con contenimento dell’epidemia); questi scenari hanno sicuramente aiutato il governo a modulare i tempi e le modalità delle riaperture. I modelli epidemiologici sono fatti così: non si limitano a prevedere un possibile futuro, ma esaminano i vari casi possibili in conseguenza di certe scelte. Così facendo influenzano in maniera anche drastica le decisioni delle autorità e il comportamento dei cittadini, ed è inevitabile, e anche auspicabile, che l’andamento effettivo si scosti di conseguenza dalle previsioni. Il punto che spesso non viene perfettamente capito è che quando entrano in gioco delle crescite esponenziali, anche un piccolo cambiamento può portare a esiti drammaticamente diversi.

A metà marzo uno studio dell’Imperial College aveva previsto che, senza mettere in atto strategie di mitigazione, il numero di morti da COVID-19 nel Regno Unito sarebbe stato intorno ai 500.000. Anche a seguito di tale rapporto, il governo britannico ha messo in atto una strategia abbastanza stretta di `lock-down’ e i morti, nonostante queste misure, sono già oltre 40.000 secondo i dati ufficiali. Non crediamo che si possa dire che ciò sia stato un fallimento del modello, visto che lo studio ha provocato la messa in atto di misure di contenimento. Non sapremo mai con certezza cosa sarebbe successo se queste non fossero state attuate, ma questo, ben lungi da costituire una prova del fallimento del modello, ne evidenzia anzi l’efficacia. 

Tornando al rapporto sugli effetti della fase 2, certamente nei modelli usati era presente una componente di incertezza, come riconosciuto nel rapporto stesso, e non si consideravano vari aspetti potenzialmente importanti. D’altra parte, un modello ha sempre un margine di errore che deriva in primo luogo proprio dall’incertezza dei dati e anche da una parziale ignoranza delle caratteristiche del virus. Per esempio, Silvestri menziona la componente stagionale: effettivamente indicazioni statistiche suggeriscono come la trasmissione possa essere minore quando le temperature si alzano (ma l’esempio del Brasile suggerisce che il caldo non sia da solo sufficiente a bloccare l’epidemia). A fine aprile l’evidenza in questo senso era minima, mentre adesso potrebbe essere possibile inserire tale fattore nei modelli, anche se i dati sono ancora insufficienti per fornirci una conclusione netta.

In assenza di evidenza scientifica, è ragionevole, oltre che prudente, fare ipotesi conservative.  Per esempio a  febbraio, non esisteva alcun dato sull’infezione nei bambini e ci sono ancora oggi moltissime incognite sul loro ruolo nella trasmissione. Alcuni studi suggeriscono che i bambini si infettino e trasmettano tanto quanto gli adulti, ma abbiano un decorso clinico molto più favorevole, mentre altri suggeriscono che i bambini possano essere meno suscettibili all’infezione. In assenza di informazioni, i modelli sviluppati a febbraio hanno assunto che i bambini trasmettessero tanto quanto gli adulti. La chiusura delle scuole è stata allora, anche a livello intuitivo, una strategia in grado di abbassare il numero di contatti e quindi la trasmissione. 

Un’altra forte incertezza nei modelli riguarda l’effetto dei dispositivi di protezione individuale: il rapporto ipotizzava che l’uso delle mascherine potesse fare scendere la trasmissibilità del virus fra il 15 e il 25%; adesso cominciano a esserci studi che quantificano l’effetto meccanico delle mascherine, ma naturalmente l’effetto complessivo dipende da quanto e come la popolazione le usa, così come da altri meccanismi di riduzione dei contatti. Questi sono comportamenti che ci sembra importante incentivare, anziché renderli irrilevanti dicendo che il contagio batte in ritirata. L’analisi degli ultimi dati mostra una situazione sotto controllo, ma non ancora completamente tranquillizzante.

Silvestri conclude augurandosi che nel prossimo futuro non si usino più i modelli matematici per prendere decisioni. Se è indubbio che le scelte finali debbano essere fatte dalla politica, bisogna però capire su quale strumento basarsi per fare meno errori. Un modello matematico non è una sfera di cristallo. È uno strumento che permette di calcolare in modo obiettivo le conseguenze di quello che ci è noto sulla trasmissione del virus; sicuramente c’è un forte margine di incertezza legato alla stima dei dati reali e a tutto quello che non conosciamo, ma i modelli, a saperli leggere, forniscono anche stime su quale possa essere il proprio margine di errore. E sicuramente tutti i modelli, per definizione, possono essere migliorati. Tuttavia rinunciare al loro uso per affidarsi totalmente alle sensazioni degli esperti (spesso in contraddizione tra loro, fra l’altro) o magari ad aruspici non ci sembra sia proprio una grande idea. 

Contatti

Andrea Pugliese, Univ. Trento,

esperto di modelli matematici delle epidemie

Piermarco Cannarsa, Univ. Tor Vergata,  

presidente UMI

Roberto Natalini, CNR,

responsabile comunicazione UMI

L’Assemblea generale dell’ICMI (International Commission on Mathematical Instruction) si riunirà il 13 e il 14 luglio 2020 per eleggere il nuovo Comitato esecutivo. Ulteriori informazioni sono state inviate ai rappresentanti nazionali che sono elencati alla seguente pagina web: https://www.mathunion.org/icmi/organisation/our-members/icmi-representatives (per l’Italia è Pietro Di Martino, presidente della CIIM).

La commissione presieduta da Michèle Artigue ha presentato questa proposta per le elezioni del 13 e del 14 luglio.

Come già anticipato in precedenza, l’assemblea dei Soci prevista per il 29 maggio 2020 è rinviata. In seguito alla proroga dei termini di legge per l’approvazione del bilancio, l’assemblea è convocata venerdì 2 ottobre 2020, anche nella speranza di poterla fare in presenza. Qualora ciò non sia possibile, sarà invece convocata in modalità telematica dando ai soci le istruzioni necessarie per il collegamento.

In questo periodo di difficoltà e complicazioni derivanti dall’emergenza sanitaria, ecco un segnale tangibile di solidarietà. Il vincitore del Premio F. Enriques 2019 ha deciso di devolvere il suo premio in denaro alla Protezione Civile a cui, in aggiunta, l’Unione Matematica Italiana ha fatto una donazione di 3.000 euro.

  • Nonostante le difficoltà causate dalla pandemia, la Segreteria e l’Ufficio di Presidenza dell’Unione Matematica Italiana hanno continuato a svolgere il loro lavoro, vigili e pronti a rispondere alle eventuali richieste della comunità.
  • Durante l’emergenza di questo periodo, le pubblicazioni dell’Unione Matematica Italiana saranno inviate preferibilmente in modalità telematica.
  • Si ricorda che è aperto il bando per l’istituzione dei Gruppi UMI; la scadenza è il 30 aprile 2020.  Chi intende iscriversi all’UMI per essere socio proponente in uno dei Gruppi UMI può farlo fino al 30 aprile 2020.
  • L’Assemblea dei Soci UMI, in calendario per il 29 maggio 2020, cade in un periodo nel quale probabilmente saremo ancora in emergenza sanitaria. In tale eventualità, essa sarà rimandata a data da destinarsi o sarà tenuta in modalità telematica.

Entro il 30 aprile 2020 si può presentare domanda per istituire un gruppo UMI!

Si ricorda che la Commissione Scientifica si riserva la facoltà di accogliere anche più di tre proposte, compatibilmente con l’art. 1 del Regolamento e la sostenibilità gestionale da parte dell’UMI.

Pur essendoci la possibilità di partecipare a più gruppi, nel complesso contiamo di non avere soci in più di due domande.