Vorrei brevemente commentare l’articolo apparso sul Foglietto della Ricerca dal titolo 'Dall’Università di Pavia, un algoritmo per prevedere eventi terroristici’.
Prima di diffondere argomenti che in qualche modo alimentano speranze che raramente (purtroppo) verranno soddisfatte, vorrei consigliare di pubblicare simili notizie solo DOPO che simili algoritmi di previsione abbiano effettivamente previsto nuovi atti terroristici, rispetto alle sequenze storiche studiate. Oggi ‘Big Data’ è un’accezione molto usata e, secondo me, anche abusata. Si pensa spesso che gettare in pasto a poco più che generici algoritmi di machine learning una mole di dati gigantesca alla fine porti a soluzioni utili che escono ‘magicamente’ da sole. Ciò non può essere il caso, soprattutto in confronto con modelli più deterministici basati su una più puntuale disanima delle vere cause degli eventi trattati, che nel caso del terrorismo sono di grande complessità e aleatorietà combinate.
Mi piacerebbe, piuttosto di sentire del 90% dell’accuratezza sul passato, leggere di quanto erano previsti i fatti degli ultimi giorni, dato che ormai è un susseguirsi quotidiano. Inoltre, è importante anche la confidenza statistica. Se prevedo un atto terroristico nel raggio di 50 km da dove avverrà (e sarebbe già un grandissimo successo ‘matematico’), dal punto di vista operativo non mi serve a niente.
Insomma, conosco il mondo della ricerca scientifica dall’interno, e sono convinto che sia buono e giusto divulgarla, ma è sempre opportuno tenere alto il senso critico della divulgazione.
Prof. Alberto Minetti - Laboratory of Physiomechanics of Locomotion Department of Pathophysiology and Transplantation University of Milan - Honorary Research Professor at Accademia Nazionale dei Lincei - Rome
LA REPLICA DELLA PROF. SILVIA FIGINI*
E' fondamentale in ogni campo lavorare sui dati e sull'integrazione dei dati e su modelli matematici e statistici per descriverli e fare previsioni che abbiano in primis un fondamento metodologico e teorico forte. Questo è quello che abbiamo fatto. Leggere i nostri risultati con occhi esperti, attraverso la condivisione con analisti strategici consente di dare ancora maggiore valore alle evidenze empiriche. Infatti, i risultati generati dall'algoritmo forniscono misurazioni oggettive rispetto ad aree a rischio e critical times che sono di supporto agli esperti del settore.
Nessun terrorismo psicologico, ma riteniamo che fare conoscere all'opinione pubblica e a tutte le persone l'esistenza di ricercatori che lavorano in questo ambito per prevedere anticipatamente attacchi o rischi potenziali di attacchi sia un elemento qualificante che dovrebbe essere apprezzato perché attraverso i modelli studiati possiamo aiutare e dare un contributo in termini di informazioni rilevanti a chi garantisce la nostra sicurezza e incolumità.
Quanto abbiamo proposto e implementato consente certamente ai servizi di intelligence e sicurezza con un buon margine di anticipo uno strumento per identificare aree di potenziale rischio ad una granularità molto bassa.
Riteniamo infine che uno strumento di questo tipo possa garantire anche una funzione deterrente.
*Professore associato di Metodi quantitativi per l'analisi economica e Statistica - Coordinatrice del laboratorio di data science presso l'Università di Pavia
