Assemblea dei Soci UMI 2021
/in Comunicati UMI, Eventi, Primo Piano
Venerdì 28 maggio alle ore 11 si terrà online l’assemblea ordinaria del 2021 dei Soci UMI. Come per quella di ottobre dell’anno scorso, per registrarsi occorre collegarsi alla propria Area Riservata e seguire le istruzioni. Prima dell’assemblea, a partire dalle ore 9, saranno organizzati due colloqui scientifici, aperti a tutti, il primo intitolato “La pandemia di COVID-19 e i modelli matematici” (relatore prof. Andrea Pugliese) e il secondo dal titolo “La natura quantistica della percezione del colore” (relatore Edoardo Provenzi). Dopo l’assemblea, a partire dalle 12:35 circa, sarà organizzata una tavola rotonda su “Alcuni aspetti della VQR 2015-2019” a cui interverranno la professoressa Alessandra Celletti e il professore Giovanni Federico Gronchi.
Pochi giorni prima del 28 maggio, 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.
Su questa pagina appariranno presto ulteriori informazioni per l’assemblea.
La matematica non è superflua
/in Comunicati UMI, Notizie, Primo PianoIl prorettore dell’Università di Leicester, Nishan Canagarajah, vorrebbe licenziare tutti i loro 8 matematici “puri”, tra cui 3 donne con posizione a tempo indeterminato, per poi riassumerne solo 3 per incarichi didattici, ma non di ricerca. Ha inoltre dichiarato
[…] Per assicurare un’identità nella futura ricerca in intelligenza artificiale, modellistica computazionale, digitalizzazione, e data science dobbiamo smettere di fare ricerca in matematica pura […]
A riguardo, J. Ball ha dichiarato “This is a very disappointing and flimsily argued proposal that, if persisted with, seems likely to inflict serious repetitional damage on the university, affecting its future ability to recruit staff and students. The university seems not to have learnt its lesson from being obliged to withdraw similar threats of redundancy in 2016, which had been justified in spurious financial grounds. It is to be hoped that wiser heads will soon recognise the need to proceed differently“.
L’Ufficio di Presidenza dell’Unione Matematica Italiana esprime contrarietà nei confronti della proposta del prorettore dell’Università di Leicester e condivide il forte disappunto e le preoccupazioni manifestate dai numerosi matematici che hanno firmato la petizione https://www.ipetitions.com/petition/mathematics-is-not-redundant, nonché solidarietà nei confronti dei colleghi dell’Università di Leicester.
Risultati delle votazioni degli organi di governo dei Gruppi UMI
/in Comunicati UMI, NotizieVotazioni per i Gruppi UMI
In totale sono state espresse 2052 preferenze. Sono state annullate 10 schede perché non sono state rispettate i vincoli del regolamento (differenza di genere).
Votazione dei responsabili
Responsabile eletto | Preferenze | Bianca | |
Codici e Crittografia | Norberto Gavioli | 38 | 1 |
Digimath | Giovannina Albano | 40 | 1 |
DinAmici | Claudio Bonanno | 30 | 0 |
Intelligenza artificiale | Ernesto De Vito | 105 | 6 |
Licei Matematici | Claudio Bernardi | 81 | 15 |
MIVA | Luca Calatroni | 30 | 1 |
MSE | Andrea Pugliese | 19 | 2 |
PRISMA | Antonio Di Crescenzo | 73 | 1 |
TAA | Stefano De Marchi | 66 | 4 |
Votazione per le giunte
Codici e Crittografia: la giunta è composta da 4 membri. Non sono state date 22 preferenze rispetto alle disponibili.
Guerrini | 29 |
Morgari | 28 |
Pastori | 21 |
Codogni | 17 |
Digimath: la giunta è formata da 4 membri. Non sono state date 14 preferenze rispetto alle disponibili.
Telloni | 32 |
Ferrari | 23 |
Brunetto | 19 |
Mariconda | 18 |
Miranda | 12 |
Alessio | 5 |
DinAmici: la giunta è formata da 4 membri. Non sono state date 7 preferenze rispetto alle disponibili.
Sorrentino | 27 |
Cherubini | 21 |
Lenci | 19 |
Benini | 16 |
Matematica per l’Intelligenza Artificiale: la giunta è composta da 8 membri. Non sono state date 24 preferenze rispetto alle disponibili.
Morini | 58 |
Pieraccini | 40 |
Contucci | 34 |
Maggesi | 32 |
Fioresi | 31 |
Savaré | 30 |
Parton | 24 |
Fornasier | 21 |
Miglio | 10 |
Romito | 5 |
Licei Matematici: la giunta è composta da 8 membri. Non sono state date 16 preferenze rispetto alle disponibili.
Tortoriello | 33 |
Toffalori | 32 |
Tovena | 32 |
Capone | 31 |
Rogora | 28 |
Enea | 27 |
Robutti | 22 |
Mammana | 19 |
Montone | 13 |
Saltuari | 11 |
Francini | 9 |
Massotti
Pizzarelli |
6 |
MIVA: la giunta è composta da 4 componenti. Non sono state date 11 preferenze rispetto alle disponibili.
Morigi | 21 |
Donatelli | 20 |
Prato | 14 |
Santacesaria | 13 |
Garbarino | 8 |
Falcone | 6 |
MSE: la giunta è composta da 4 membri. Non sono state date 18 preferenze rispetto alle disponibili.
Soresina | 17 |
Zanella | 10 |
Breda | 8 |
Diele | 7 |
PRISMA: la giunta è composta da 8 membri. Non sono state date 16 preferenze rispetto alle disponibili.
Ceci | 43 |
Sacerdote | 40 |
Dai Pra | 31 |
Pellerey | 24 |
Scalas
Flandoli |
21 |
Marinucci | 15 |
Pascucci | 11 |
TAA: la giunta è composta da 4 membri. Non sono state date 57 preferenze rispetto alle disponibili.
Conti | 46 |
Vinti | 44 |
Dell’Accio | 36 |
Campiti | 27 |
Assemblea ordinaria dei soci UMI 2020
/in Comunicati UMI, Eventi, Notizie, Primo PianoVenerdì 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!
Finali olimpiche a distanza
/in Comunicati UMI, Notizie, Primo PianoA 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.
Questionario sulla didattica a distanza
/in Comunicati UMI, Notizie, Primo PianoL’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.
La risposta di Guido Silvestri al Comunicato UMI su modelli matematici e COVID
/in Comunicati UMI, Notizie, Primo PianoModelli matematici e Covid: comunicato dell’Unione Matematica Italiana
/in Comunicati UMI, Notizie, Primo PianoContrariamente 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
Assemblea generale dell’ICMI
/in Comunicati UMI, Notizie, Primo PianoL’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.
Unione Matematica Italiana
–
Piazza Porta San Donato 5
I-40126 Bologna
tel.+39 051 243190
fax +39 051 4214169
–
dipmat.umi@unibo.it