Non esiste ancora la sfera di cristallo che predice il futuro, ma qualcosa sta cambiando: computer sempre piu’ potenti potrebbero presto prevedere l’evoluzione di situazioni estremamente articolate, come il clima o l’andamento dei mercati azionari.
“Fino a che non saremo capaci di predire il presente, non saremo in grado di predire il futuro“, spiega James Yorke, uno dei padri della teoria del caos a un incontro della Scuola internazionale superiore di studi avanzati (Sissa) e del Centro internazionale fisica teorica Abdus Salam (Ictp). Yorke si riferisce all’utilizzo di machine learning e data science per fare previsioni sul medio-lungo termine in ambiti che vanno dall’andamento dei mercati al clima.
“Per il tempo atmosferico non possiamo sapere esattamente la temperatura di partenza in ogni punto di una determinata area, in modo da capire come si evolvera’ il sistema. Questa incertezza influenzera’ la correttezza della predizione”, esemplifica Yorke.
Quanto piu’ accurate saranno le condizioni iniziali di un sistema, tanto piu’ precise saranno dunque le previsioni anche di lungo termine. Ed e’ qui che entrano in gioco l’intelligenza artificiale e i calcolatori sempre piu’ potenti.
“Le macchine riescono a stabilire con accuratezza decisamente maggiore le condizioni di partenza. E’ sorprendente il livello di precisione che riescono ad avere questi strumenti. I risultati che si ottengono sono veramente importanti. Il machine learning e la scienza dei dati potranno integrarsi e lavorare assieme per risolvere problemi estremamente complessi. Un esempio e’ il mercato azionario, complicato e instabile. Ha molto a che fare con il caos, ma e’ persino piu’ intricato perche’ non e’ predittivo nemmeno sul breve termine. Potremmo definirlo un esempio di multi-caos. E lo stesso potremmo dire per la genomica, il meteo e molte altre situazioni, complessissime”.
Lo studio dei sistemi complessi e’ un campo in cui la Sissa sta raggiungendo grandi risultati, che le hanno consentito di aggiudicarsi finanziamenti che implementeranno l’attivita’ nel campo del Data Science. “I concetti della fisica statistica di non equilibrio e dei sistemi dinamici possano essere utili per le applicazioni piu’ diverse, dal clima allo studio dei sistemi viventi”, ha spiegato il direttore della Sissa, Stefano Ruffo.
