SAS Forum Milan si conferma un appuntamento tra i più interessanti in Italia per quanto riguarda l’Innovazione e la Tecnologia. Il tema di questa edizione era il rapporto tra Uomo e Macchina, un rapporto che sta prendendo diverse forme grazie all’Intelligenza Artificiale e al Machine Learning. Ma alla base di tutto, serve una modellazione matematica come ci dicono Adriano Bacconi e Ottavio Crivaro.
SAS Forum Milan si conferma un appuntamento tra i più interessanti in Italia per quanto riguarda l’Innovazione e la Tecnologia. Il tema di questa edizione era il rapporto tra Uomo e Macchina, un rapporto che sta prendendo diverse forme grazie all’Intelligenza Artificiale e al Machine Learning. E quello che oggi ci sembra “straordinario”, in realtà non sarà altro che l'”ordinario” in un futuro non proprio lontanissimo. Un futuro davvero vicino e sul palco centrale della sala plenaria del MiCo di Milano lo abbiamo visto scorrere con tante applicazioni concrete. Lo straordinario che alimenta tecnologie ed innovazioni “possibili”.
L’intelligenza Artificiale sarà sempre più parte delle nostre vite, ma, come ha giustamente ricordato Marco Icardi, Regional Vice President SAS e CEO SAS Italy, “oggi tutti ne parlano, ma nessuno sa come farla davvero”. E per vedere degli esempi concreti, e di successo, di AI (Artificial Intelligence) bisognava essere infatti al SAS Forum Milan 2018. Un aspetto che ha tenuto a sottolineare Marco Icardi è che, a differenza di quello che si è portati (erroneamente) a credere, l’Intelligenza Artificiale non porterà nuova disoccupazione, ma, anzi, farà emergere nuove competenze che faranno nascere nuove figure professionali. E’ un cambiamento, una trasformazione che porterà nuovi e diversi benefici.
Inevitabile qui al #SASForumMilan parlare si #IntelligenzaArtificiale e lavoro. Fa bene @marcoicardi7 a sottolineare che questa tecnologia non toglierà occupazione ma farà nascere nuove #competenze e nuovw figure professionali#innovation @SASitaly pic.twitter.com/zPvlmh2x4T
— Franz Russo (@franzrusso) May 15, 2018
Sullo sfondo, come ha sottolineato il professor Marco Zorzi dell’Università di Padova, il Machine Learning oggi è più maturo e lo sarà sempre di più. Di conseguenza, non si parla di una sfida tra Uomo e Macchina, ma di Collaborazione, perchè l’Intelligenza Umana sarà sempre necessaria per interpretare i risultati.
SAS Forum Milan è stata l’occasione per ascoltare in Italia Hannah Fry, matematica inglese famosa per il suo studio sulle relazioni e il dating e anche per la formula matematica che regola le relazioni. La Fry, in sostanza, ci ha dimostrato chiaramente che un modello di Intelligenza Artificiale basato su Machine Learning ha bisogno, alla base, di un modello matematico. Non serve generare solo un algoritmo per rilevare i dati, serve un modello ampio che dia una visione ampia di risultati. Un approccio che la Fry ha dimostrato e raccontato, illuminando la platea del MiCo con oltre 2 mila partecipanti tra manager, esperti e imprenditori.
#SASForumMilan
Grande @FryRsquared che sta illuminando la platea qui con la sua simpatia, mostrandoci che gli esseri umani reagiscono ai cambiamenti, che possono essere poi spiegati con la matematica@SASitaly #innovation pic.twitter.com/b6YMgIwDYN— Franz Russo (@franzrusso) May 15, 2018
E’ stata l’occasione per ascoltare Bibop G. Gresta, chairman di Hyperloop Transportation Technologies, la società che sta lavorando su un sistema di trasporto Hyperloop che si basa su un’idea di Elon Musk (fondatore della Tesla) del 2013. Gresta, in un modo assolutamente coinvolgente, ha spiegato al SAS Forum Milan come oggi i trasporti siano una grande perdita di tempo, non sostenibili dal punto di vista economico e dal punto di vista ambientale. La capsula, quello che è alla base del progetto e che presto diventerà realtà, viaggerà ad oltre 1.200 Km/h (Milano-Roma in mezz’ora!) con massimo 40 passeggeri.
Questa é la capsula costantemente mantenuta sotto pressione di @Hyperloop come ci spiega @BibopGGresta qui a #SASForumMilan che viaggerà ad oltre 1.200 kmh con max 40 viaggiatori. @SASitaly #innovazione pic.twitter.com/Ck3pfi6Jum
— Franz Russo (@franzrusso) May 15, 2018
Ma quello che ci ha incuriosito molto è stato l’intervento di Adriano Bacconi, allenatore ed esperto di match analysis, e Ottavio Crivaro, fondatore di Moxoff, che hanno portato la loro piattaforma che si serve proprio dell’Intelligenza Artificiale per fare in modo che gli allenatori delle squadre di calcio possano ottimizzare le proprie strategie di gioco.
Adriano Bacconi è stato uno dei primi a portare il concetto della match analysis in Italia, ha cominciato a “dare i numeri” con Massimo Caputi all’epoca di Telemontecarlo (TMC, diventata poi La7), fino ad arrivare alla “Domenica Sportiva” sulla Rai, portando l’analisi delle partire e i dati relativi agli spostamenti dei giocatori a conoscenza del grande pubblico. Tante poi le collaborazioni con i club di serie A e di serie B (l’ultima proprio con il Palermo). Dati che, estrapolati e gestiti in maniera corretta, possono essere fondamentali per migliorare la strategia di gioco.
#SASForumMilan
L'#IntelligenzaArtificiale diventa uno strumento grazie al quale tirar fuori dati analitici che possano aiutare l'allenatore di squadre di #calcio ad avere maggiori informazioni dei propri giocatori@SASitaly @Adribak pic.twitter.com/wKTG3nfk5R— Franz Russo (@franzrusso) May 15, 2018
“Oggi non serve più caricare gli allenatori e i loro collaboratori di dati e numeri che in realtà dicono poco, serve invece elaborare una strategia di analisi in modo da ottenere informazioni più specifiche da quei numeri. Quello che interessa oggi all’allenatore non è solo in numero dei passaggi fatti, dei cross, dei tiri in porta, ma del perchè in quel momento il giocatore non ha passato la palla in una direzione specifica, del perchè non ha compiuto quell’azione che avrebbe aiutato di più la squadra. Ecco, è questo l’elemento nuovo che cerchiamo di trasmettere agli allenatori e ce ne sono tanti, soprattutto, i nuovi, quelli emergenti che hanno se non altro una mentalità più aperta, riescono a cogliere il senso di una strategia di elaborazione come questa. Parlo di allenatori giovani, come De Zerbi tanto per fare un nome, che hanno capito che l’ammasso dei dati come si faceva 20 anni fa, oggi non serve più. Hanno una mentalità analitica, forse non hanno gli strumenti, hanno la curiosità, l’apertura mentale“.
Esiste poi un problema decisionale, come sottolinea Ottavio Crivaro, “perchè poi tutta la metodologia e le decisioni vengono prese dall’allenatore, in Premier League invece c’è una organizzazione delle società diversa, con persone che si occupano della match analysis. E’ un approccio culturale diverso. Provate a pensare alla pallavolo, sport fatto di dati, le grandi squadre non sanno dove risiedono i propri dati ad esempio”.
“C’è da dire” – afferma Bacconi – “che oggi anche in Italia i grandi club stanno cominciando a lavorare con un’impostazione diversa, pensiamo alla Juventus ma anche all’Inter. Ma poi tutto parte dagli allenatori. Di nuovo, De Zerbi, come anche Nicola, pur con idee di gioco differenti, hanno compreso le opportunità di questo sistema che gli permette di codificare certi comportamento dei propri giocatori e di impostare una certa strategia. Perchè poi quello che interessa, come dicevamo prima, è perchè il giocatore non ha passato in quel momento, oppure se un giocatore perde la palla perchè gli altri non la recuperano. In questo modo ogni allenatore crea il suo modello, ci mette la sua filosofia di gioco“.
L’aspetto più interessante è proprio l’elaborazione della piattaforma che si muove, appunto su un principio diverso. “Bisogna andare oltre la misura del dato” – sottolinea Crivaro – “si deve passare ad una logica di estrapolare, da una enorme mole di dati, delle risposte. Esiste, come già detto, un approccio culturale che deve fare la differenza. E’ fondamentale comunque focalizzarsi sul fatto che oggi si parla di Intelligenza Artificiale, ma parliamo di integrazione tra una modellazione matematica e algoritmi di Machine Learning. Non è un sofismo, ma è un aspetto fondamentale. Non ci si può più basare solo sui dati, gli algoritmi di Machine Learnig servono a tirar fuori informazioni dati e simulazioni. Il modello matematico ti aiuta a rappresentare quello che sarebbe stato l’atteggiamento del giocatore. Per arrivare a fare queste elaborazione ci vorrebbero tantissimi dati, al punto che non ce la si potrebbe fare, ecco che l’integrazione di un modello matematico insieme agli algoritmi di Machine Learning ti aiutano a fare questo. E’ quello che in sostanza ha dimostrato Hannah Fry nel suo intervento“.
Ecco, questo un esempio eccellente di cosa significa oggi collaborazione tra Uomo e Macchina, collaborazione che, come dimostrato, non può prescindere oggi da una modellazione matematica.