Gestione dei big data: Web 3.0, motori semantici, soft computing

Valerio Eletti :: Gestione dei Big Data. Web 3.0, motori semantici, ... San Filippo Neri, Roma, 10 Maggio 2014

INTERVENTO DI VALERIO ELETTI

Ges/one dei Big Data: Web 3.0, motori seman1ci, so3 compu1ng ...

Aula multimediale :: Ospedale San Filippo Neri, Roma Unità di Cure Personalizzate e Systems Medicine

Seminario :: 10 Maggio 2014 !! La Personalizzazione! Scientifica delle Cure!!!


Di cosa parliamo?

Agenda

Complessità, approccio sistemico, effetto farfalla, reti digitali, hub e connessioni complesse, big data, globalizzazione, Web semantico, Internet delle cose … sono espressioni, idee, concetti e - in potenza - comportamenti (memi) che si allargano a macchia di leopardo, con una diffusione turbolenta. DOMANDE: Secondo voi di che si tratta? E perché dovrebbero interessare un medico? q  Introduzione: lo scenario attuale q  Big data q  Motori semantici e soft computing q  Nuove “protesi cognitive”: il paradigma cognitivo complesso

q  Esempi di applicazioni in medicina


Punto di partenza: noi focalizziamo qui oggi la nostra attenzione sull’esplosione di produzione (e di analisi!) di tracce digitali personali e sui fenomeni nuovi che stanno emergendo dall’uso globale delle reti digitali:

-  la formazione a valanga dei cosiddetti big data

-  la diffusione dei cosiddetti motori semantici e del soft computing che segneranno gli sviluppi dell’economia e della cultura grazie anche alla velocità di elaborazione dei computer e all’ampiezza delle nuove capacità di memoria

-  ... che si stanno profilando nel cosiddetto Web semantico o Web 3.0.

Vedremo poi come le conoscenze dei sistemi complessi, della struttura delle reti e dell’approccio sistemico possono essere considerate le protesi cognitive (le chiavi di accesso) che ci servono per orientarci nel nuovo paesaggio in cui siamo ormai tutti irreversibilmente immersi.

Introduzione: lo scenario attuale

Scenario


Per capire l’entità e la forza del mondo digitale che ci avvolge, partiamo da alcune considerazioni concrete su fenomeni emergenti: -  Diffusione “in parallelo” di varie reti complesse: il Web (con i suoi social

network), la rete telefonica mobile, l’Internet delle cose ... -  Convergenza tra queste reti, tutte digitali e dunque interfacciabili -  Accumulo in enormi archivi di miliardi di miliardi di dati digitali su persone,

malattie, cose, eventi, traffico, finanza, gruppi sociali e politici, ambiente ... -  Avvio di sistematiche attività di merging (ovvero di convergenza e

interfacciamento) di archivi di dati apparentemente estranei tra loro -  Passaggio inarrestabile da un approccio statistico, “a campione”, tipico

dell’era degli small data, ad analisi di “tutti” i dati dell’evento o della struttura in esame

-  Passaggio morbido ma diffuso, dopo quello da Web 1.0 a Web 2.0, al

Web semantico (chiamato Web 3.0 da Tim Berners-Lee fin dal 2006 )

Introduzione: i fenomeni emergenti

Scenario


Tutto ciò è reso possibile da alcuni progressi tecnici di base:

-  Moltiplicazione della velocità di calcolo dei computer

-  Costruzione di memorie sempre più ampie e capaci

-  Messa a punto di algoritmi in grado di individuare pattern sconosciuti in masse spaventosamente grandi di dati (soft computing, reti neurali, ecc)

-  Messa a punto di software e sistemi esperti in grado di “comprendere” la semantica in alcuni ambiti lessicali (per ora limitati e specifici)

... e dall’esplosione di fenomeni sociali “produttori di dati digitali” che erano assolutamente imprevedibili fino alla fine del Novecento (e che spiegano i boom in borsa di aziende come Twitter o Facebook); in particolare:

-  La corsa frenetica di ogni singolo individuo alla condivisione spontanea (possiamo dire “entusiasta”) di propri dati nei social network

-  L’utilizzo, da parte di una quota crescente di cittadini, di apparecchi che lasciano tracce digitali localizzate nel tempo e nello spazio

-  La moltiplicazione di aperture di archivi pubblici (open data)

Introduzione: progressi tecnici e fenomeni sociali

Scenario


Tutto ciò sta facendo nascere migliaia di vere e proprie “miniere d’oro” su cui si sono avventate aziende private, multinazionali e istituzioni. Nota importante: queste miniere sono molto di più di semplici accumuli o “insiemi” di dati: sono “sistemi” formati da reti di reti di relazioni dinamiche, con le loro topologie, le loro proprietà di accrescimento preferenziale, le loro correlazioni lineari e non lineari, con i loro feedback e le proprie capacità di adattamento ... Il che equivale a dire che: i big data hanno strutture e proprietà che richiamano da vicino quelle delle reti e dei sistemi complessi (ne parleremo a proposito delle protesi cognitive). Per una visione più articolata dei cambiamento epocali in corso cfr. “L’età ibrida” di A. e P. Khanna, Codice Ed 2013 (ed. orig.: 2012)

Introduzione

Scenario


Qualche numero per capire l’entità dei dati che si stanno raccogliendo negli archivi pubblici e privati del mondo: dalle decine di megaByte (milioni di ‘caratteri’) di vent’anni fa, ai 600 exaByte (miliardi di miliardi di byte) di oggi. Rif. pp.21-22 Eletti 2013

Introduzione

Scenario


E che ci facciamo con tutti questi dati? Per esempio: previsioni di Borsa basate sul sentiment espresso da Twitter Rif. p. 18 Eletti 2013 ... ma anche intercettazioni come quelle della NSA: e dunque minacce e opportunità, tipiche di un ambiente nuovo, mai visto prima. Vediamo un po’ più in dettaglio di che si tratta ...

Introduzione

Scenario


Agenda

Agenda q  Introduzione: lo scenario attuale q  Big data q  Motori semantici e soft computing q  Nuove “protesi cognitive”: il paradigma cognitivo complesso



... è un termine usato in diversi contesti con significati diversi. Definiamo meglio la prima interpretazione, quella generale che abbiamo già osservato: una somma di archivi di reti interconnesse di dati digitali che si vanno accumulando in banche dati, in settori diversi: dati che arrivano dalla nostra localizzazione geografica quando telefoniamo da un cellulare, dai nostri profili sui social network, dagli indirizzi Internet che visitiamo, dai sentiment che esprimiamo via Twitter, dai dati sanitari, economici e finanziari che affidiamo sempre più spesso alle varie nuvole informatiche (cloud) che si stanno addensando nel chiuso di sempre più giganteschi magazzini pieni di server... A cui si aggiungono i miliardi di “open data” messi a disposizione di tutti dalle istituzioni pubbliche.

Big Data

Big data


Abbiamo visto che si formano così miniere di informazione in cui si possono individuare strutture di conoscenza e profili di trend in atto. Due considerazioni riguardo questa concezione generale dei big data: A)  connettendo le singole ‘miniere’ si ottiene un insieme

che è molto di più della somma dei singoli data set, un insieme reticolare iper-complesso che può fornire non solo risposte a vecchie domande, ma che può anche far emergere domande nuove di particolare importanza strategica per le economie mondiali, per l’ambiente, per i rapporti tra nazioni, politica e multinazionali;

B)  in concreto, la finanza privata e quella pubblica sono già in corsa

per mettere a punto efficaci strumenti “intelligenti” (semantici) che permettano di analizzare e gestire queste masse di dati che non si possono affrontare con i limitati strumenti usati per catturare, gestire e processare le normali banche dati in tempi accettabili (abbiamo visto che parliamo di centinaia di exaByte).

Big data

Big data


Piccola nota a margine sulla visualizzazione di reti e sistemi complessi:

al di là degli strumenti matematici, e degli algoritmi più o meno sofisticati e intelligenti, c’è un vivace fermento di ricerche intorno alla rappresentazione visiva di grandi quantità di dati interconnessi (in particolare per gli open data delle istituzioni) e dei pattern emergenti, che vengono messi in evidenza da opportune rappresentazioni grafiche (attenzione: non innocenti!). Due riferimenti on line: ü  Lo storico convegno del 2011 di Torino “Visualization in Complex

Environments” reperibile nell’archivio del Complexity Education Project: http://www.complexityeducation.it/index.php/it/archivionews/102-qvisualization-in-complex-environmentsr-a-torino

ü  Uno dei migliori tool per la visualizzazione di dati complessi: DataViva:

http://www.fastcodesign.com/3022701/innovation-by-design/new-mit-media-lab-tool-lets-anyone-visualize-unwieldy-government-data

Big data

Big data


Un’idea della importanza strategica di questi big data derivati dalla connessione fra giganteschi archivi pubblici e privati ci può venire dalle azioni dei governi. Due esempi: Stati Uniti: nel 2012 l’Amministrazione Obama ha finanziato con 200 milioni di dollari la Big Data Research and Development Initiative, composta da 84 diversi programmi di ricerca sui big data, distribuiti su 6 Dipartimenti federali

http://www.whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release.pdf Unione Europea: ha stanziato un miliardo di euro con cui finanziare per un decennio (100 milioni l’anno) uno dei sei progetti selezionati a oggi: il progetto bandiera è FuturICT che coinvolgerà centinaia dei migliori scienziati europei; cuore del progetto è il Living Earth Simulator, una enorme rete di calcolo che vuole aggregare i big data provenienti da tutto il mondo per elaborarli con nuovi modelli matematici e teorie sociali ancora da definire

http://www.futurict.eu/the-project

Big data

Big data


... e un esempio fra tanti, forse il più recente, di come tutti noi stiamo regalando materiale prezioso di noi stessi, spontaneamente, e con incosciente entusiasmo, alle mega-compagnie del Web: negli USA moltissime persone mettono on line su siti come www.23andme.com (partecipato da Google) il proprio DNA (che viene rilevato dalla stessa società su richiesta - a pagamento! - del “cliente”) anche per trovare nel social network possibili parenti o consanguinei Si veda il servizio di Sergio Pistoi “Il mio DNA su face bo ok”, pubblicato a pag.100 dell’edizione italiana di Wired (Novembre 2013)

Big data

Big data


... lo stesso termine si usa per definire un cambio di approccio ai dati. In molti ambienti professionali, di studio e di ricerca si parla di big data in senso più trasversale e pervasivo, quando si passa dall’analisi di campioni (approccio statistico classico) alla analisi dell’intero universo dei dati di un fenomeno o struttura. Ne derivano alcuni mutamenti paradigmatici, tra cui sottolineiamo:

-  Accettazione dell’imprecisione (compensata dall’abbondanza di dati)

-  Consapevolezza della possibilità di emersione di pattern imprevedibili a priori (ovvero emergenza di risposte di cui non si erano immaginate né tantomeno formulate domande)

-  Attenzione all’emersione di correlazioni anche non lineari (da cui l’utilizzo dei vari strumenti della network analysis)

-  Abbandono dell’illusione consolatoria del principio di causa-effetto Per approfondire questi aspetti si veda il volume di V. Mayer-Schoenberger, K. Cukier, “Big data”, tradotto in italiano da Garzanti (ed. orig.: 2013)

Big Data

Big data


Riflessione: molti di questi stessi mutamenti paradigmatici li ritroviamo : -  nei principi base e nelle caratteristiche di reti e sistemi complessi (come

vedremo fra poco)

-  nella struttura dei motori di ricerca già a fine anni ‘90: -  partendo da Altavista, con le sue indicizzazioni a tappeto sia della

pagine che delle parole dentro le pagine (analisi dell’universo, con le sue imprecisioni)

-  per arrivare a Google, con l’idea del PageRanking (1999) e quindi della valutazione del peso della reputazione nell’ordinamento delle pagine

... ma non basta: ora abbiamo a che fare con un nuovo tipo di motore di ricerca

Big Data

Big data


Agenda

Agenda q  Introduzione: lo scenario attuale q  Big data q  Motori semantici e soft computing q  Nuove “protesi cognitive”: il paradigma cognitivo complesso



Qui il discorso si fa specialistico: diciamo solo di che cosa si tratta. Sono software che analizzano il significato delle parole nel proprio contesto: motori di ricerca che non si limitano a cercare negli archivi sequenze di bit, ma che analizzano la sequenza di bit richiesta all’interno di una ontologia, ovvero di una rete di relazioni con altre parole “imparentate”. Esempio: la parola “espresso” in contesti diversi Questo è il concetto chiave. La spiegazione nei dettagli non è complicata ma è piuttosto lunga, per cui rimandiamo alla voce “Semantic Web” di Wikipedia, che risulta chiara ed esaustiva.

Nota importante: questa voce di Wikipedia è stata immessa nel 2003 e si è raffinata fino a oggi grazie ai controlli, alle discussioni e alle correzioni di oltre mille esperti, con una media di 1.500 visite al giorno da tutto il mondo anglosassone: esempio pregnante di auto-organizzazione dal basso di un ambiente complesso come il Web 2.0.

Motori semantici e soft computing

Motori semantici


Esistono, oltre ai motori semantici, molte altre tipologie di algoritmi che permettono di affrontare il mondo sfuggente dei big data. Eccone una breve e parziale elencazione tratta da Eletti 2013, pp.39-40


Soft computing


... segue elencazione tratta da Eletti 2013, pp.39-40


Soft computing


Agenda

Agenda q  Introduzione: lo scenario attuale q  Big data q  Motori semantici e soft computing q  Nuove protesi cognitive: il paradigma cognitivo complesso



Concludiamo dicendo che l’esplosione dei big data, (con il corollario dell’estensione e pervasività delle reti digitali, dello sviluppo esponenziale del soft computing, dei motori semantici, della capacità di elaborazione dei dati e della crescita esponenziale degli archivi di memorie) crea la necessità impellente di un approccio sistemico, complesso e reticolare, (nel management, nel marketing, nella ricerca, nella politica, nella finanza) con metodi di calcolo e di elaborazione delle informazioni che fanno leva su una nuova tipologia di pensiero: quella basata sul paradigma cognitivo complesso, circolare, che considera i tradizionali ragionamenti lineari (basati sul principio di causa-effetto) solo come un sottoinsieme di un più ampio e variegato ventaglio di nuove possibilità del pensare, del progettare e dell’agire.

Nuove protesi cognitive



Qualche elemento per capire di che cosa si tratta: Per prima cosa, vediamo la differenza tra un problema/ambiente/sistema semplice, complicato o complesso (esempio del sasso, dell’aeroplanino, del piccione) E quindi deriviamo da questa visione la necessità di un cambiamento “paradigmatico” nell’approccio al problema: non più solo top-down, determinista, riduzionista, ma bottom-up, teso a creare ridondanze e diversità, a far emergere pattern nel sistema, ad analizzare l’universo dei dati invece di campioni prefigurati (che non sono in grado di fare emergere risposte non previste).




E alcuni spunti di riflessione sulle minacce indotte dai big data, tratti dalla analisi di Nate Silver(*): PRIMO: nelle reti, la diffusione esponenziale di grandi masse di informazioni, unita con l’efficacia di trasmissione dei segnali, porta facilmente alla diffusione VELOCE di “segnali errati” (nel senso di idee sbagliate, aggressive o pericolose per la comunità), dato che inizialmente, con l’esplosione incontrollata di dati, viene a mancare qualunque tipo di feedback negativo, che possa attenuare/controllare i segnali virali, siano essi utili alla società (rinforzi “virtuosi”) o dannosi (virus, notizie false, agglomerazione di atteggiamenti aggressivi tra gruppi di diverso credo o pensiero). (*) Rif.: N. Silver, The Signal and the Noise, 2012, trad it.: Il segnale e il rumore, Fandango 2013

Nuove protesi cognitive: attenzione ai riflessi negativi



SECONDO: un’esplosione incontrollata e incontrollabile di informazioni comporta all’inizio una situazione dannosa e pericolosa socialmente, dato che ciascuno sceglie nel mucchio inesplorabile di dati disponibili solo l’informazione che rafforza i propri pregiudizi e preconcetti, ignorando (senza consapevolezza e dunque senza problemi di coscienza) quanto potrebbe invece mettere in discussione le proprie convinzioni. Sotto la pressione di montagne di dati e informazioni non gestibili, la prima reazione diffusa è quindi quella di abbandonare il feedback negativo che fa tenere sotto controllo le proprie posizioni, e di abbracciare un feedback positivo che porta a esaltare le differenze tra individui e gruppi, favorendo i settarismi, il muro contro muro e il conseguente aumento di aggressività ... Si veda il divertente paradosso della “scopa di Occam” citato da Daniel C. Dennett nel suo “Intuition Pumps and Other Tools for Thinking”, appena pubblicato in italiano da Raffaello Cortina con il titolo “Strumenti per pensare”




TERZO: con l’aumentare esagerato dei dati da esaminare aumenta la possibilità di vedere segnali là dove c’è solo rumore, ovvero di individuare “falsi positivi” derivanti da una cattiva interpretazione di dati. NOTA: Nate Silver, nel suo “Il segnale e il rumore”, individua nel teorema di Bayes (o “teorema della probabilità delle cause”) uno degli strumenti più efficaci per concretizzare e applicare il paradigma cognitivo complesso necessario ad affrontare l’eccesso di dati che ci sta travolgendo. Possiamo notare che in effetti il teorema e le reti di Bayes vengono utilizzati ampiamente da diversi anni per “addestrare” le reti neurali in grado di analizzare grandi masse di dati in processi bottom-up, senza la necessità di modellare a priori una teoria astratta che possa far emergere i pattern (o i segnali) nascosti nel rumore di fondo dei dati.




Agenda

Agenda q  Introduzione: lo scenario attuale q  Big data q  Motori semantici e soft computing q  Nuove protesi cognitive: il paradigma cognitivo complesso

q  Esempi di applicazione dei big data in medicina


Un esempio (fuori dalle mie competenze) adatto a medici e biologi. Un esempio di applicazione degli strumenti tipici dell’approccio descritto, lo troviamo nel passaggio dalla “genomica” alla “proteomica”; considerando che 19.599 geni nel corpo umano possono produrre circa 200.000 tipi di RNA; e che ogni RNA può a sua volta codificare circa 200.000 proteine, vediamo che l’analisi dei geni richiede l’elaborazione di teraByte di dati (10 elevato alla 12), mentre quella delle proteine richiede petaByte (migliaia di teraByte: 10 elevato alla 15). Il che significa che ci spostiamo su una logica big data, e diventa dunque essenziale la messa a punto di algoritmi in grado di trovare pattern emergenti dal rumore di fondo del sistema complesso cellula. Rif.: B. Saporito, “Blood work. Finding new cures means cracking the body’s complex proteins. So scientists are turning to Big Data”, in “Time”, 20 maggio 2013, pp.40-42 ( time.com/breakthrough )

Esempio di applicazione: dalla genomica alla proteomica

Esempio 1 genomica e proteomica


E poi un esempio in campo sanitario che ci deve indurre alla cautela, evitando le trappole dei facili entusiasmi o dei rifiuti a priori: Uno degli esempi più noti e citati di utilizzo a tutto tondo dei big data in ambito sanitario è Google Flu Trends. Il problema era la rilevazione tempestiva e la localizzazione dei focolai delle epidemie di influenza. Nel 2009 Google lancia una idea: invece di aspettare che i malati vadano dai loro medici, che questi raccolgano un numero significativo di casi, e che quindi inizino a segnalare i focolai di influenza alle autorità centrali, per diffondere l’allerta e per avviare le contromosse sanitarie nazionali, con un impiego di tempo medio di un paio di settimane, perché non analizzare le ricerche su Google (all’epoca 3 miliardi al giorno) per individuare le parole chiave che rivelano un interesse (sia generale che localizzato) verso l’influenza e i suoi sintomi? E, dall’idea, Google passa alla realizzazione di algoritmi adatti. Così nasce Google Flu Trends. Ecco il sito che ancora oggi dà la mappa attuale del pericolo di epidemie influenzali nel mondo intero: http://www.google.org/flutrends

Esempio di facili entusiasmi: il caso Google Flu Trends

Esempio 2 Google Flu Trends, un abbaglio?


Google Flu Trends diventa per anni una sorta di bandiera, di testimonianza privilegiata dei risultati che si ottengono sapendo operare sui big data e in particolare su quelli esterni alla materia di cui si tratta (cfr. anche Twitter e le previsioni di Borsa). Ecco come Viktor Mayer-Schoenberger e Kenneth Cukier presentano il caso in apertura del loro libro “Big data” (ed. ital. Garzanti 2013, pp.10 e 11): “... nel 2009, quando è scoppiata l’epidemia H1N1, il sistema previsionale di Google si è rivelato un indicatore più utile e tempestivo delle statistiche governative ... Non richiede la distribuzione di tamponi oro-faringei o la presa di contatto con gli ambulatori. E’ costruito invece sui big data...” E aggiungono qualche dato concreto: “... hanno processato 450 milioni di modelli matematici ... Confrontando le previsioni con la casistica effettiva certificata nel 2007 e 2008 ... Il sw ha scoperto 45 parole chiave che presentavano una forte correlazione tra la loro previsione e i dati ufficiali .. Potevano dire dove si era propagata l’influenza in tempo reale...”




Tutto bene dunque? No: qualche mese fa (ovvero circa cinque anni dopo la prima applicazione di Google Flu Trends) appaiono su New Scientist, Scietific American e Nature degli studi che smontano il successo dell’iniziativa ormai storica. Da qualche anno infatti i suoi algoritmi non riescono a prevedere più lo sviluppo delle epidemie. Gli studi fanno varie ipotesi. Quelle che vogliamo sottolineare sono due: 1.  Utilizzare i big data non vuol dire affidarsi completamente al nuovo

approccio abbandonando il controllo statistico su campione; 2.  I big data sono figli di sistemi sociali complessi e, in quanto tali, non

possono essere trattati in maniera lineare, riduzionistica, deterministica: ogni individuo infatti produce i suoi feedback al sistema, con la possibilità di far esplodere il famoso “effetto farfalla” dei sistemi catastrofici (“più se ne parla peggio funziona” commenta .mau.)

Rif. A.: http://blog.debiase.com/2014/04/big-data-big-problems-big-solutions/ Rif. B.: http://voices.telecomitaliahub.it/2014/03/google-flu-trends-non-sta-tanto-bene/




Per informazioni, indicazioni bibliografiche e consigli di lettura, mi potete contattare attraverso la mia email dell’Università: [email protected] Per informazioni su eventi e novità editoriali su questi temi, potete consultare il sito del Complexity Education Projetc: www.complexityeducation.it Per dare uno sguardo alle prime 12 pagine del mio Quaderno della complessità, potete andare sulla scheda del sito dell’Editore Guaraldi: http://www2.guaraldi.it/Preview.aspx?id=808 Per vedere tutti i titoli della collana dei Quaderni della complessità pubblicati dall’Editore Guaraldi sia in formato e-book che su carta, potete andare sulla pagina IBS dedicata alla collana: http://www.ibs.it/collana/I+quaderni+della+complessit%26agrave%3B/Guaraldi/i+quaderni+della+complessita.html

Riferimenti

Riferimenti


Segnalo infine la serie di 194 eventi, incontri, manifestazioni, conversazioni e convegni interdisciplinari che si svolgono dal 6 maggio alla fine di luglio 2014 in 23 diverse città, su 11 regioni, all’insegna del Festival della complessità. Qui trovate la distribuzione geografica degli eventi : http://www.dedalo97festivaldellacomplessita.it E qui il calendario degli incontri e delle conversazioni: http://www.dedalo97festivaldellacomplessita.it/calendario-eventi.html

Basta cliccare sulla città nella mappa iniziale o sul link (la murrina) nel calendario degli eventi per accedere alle schede dei singoli eventi, in cui si trova titolo e abstract di ciascun intervento, con le note biografiche dei relatori.

Nota importante: molte sono le iniziative che hanno per tema la medicina, le terapie e il sistema sanitario.

Riferimenti

Riferimenti

Data & Analytics

Gestione dei big data: Web 3.0, motori semantici, soft computing