Topologia e calcolo quantistico al servizio dei big data

big-data-and-the-supply-chain-e1411657592632

Grandi quantità di dati rappresentano una realtà con cui abbiamo a che fare sempre di più oggigiorno. I cosiddetti big data sono protagonisti nel panorama scientifico; basti pensare alla genetica oppure alle scienze sociali, in cui rivestono un ruolo cardine. Tuttavia la loro importanza non si limita al mondo accademico: la figura del data scientist è molto ricercata dalle aziende, da quelle più piccole alle multinazionali, e vedrà una crescita esponenziale nei prossimi anni. Disporre di un numero elevato di dati potrebbe risultare controproducente in assenza di una buona capacità di organizzazione, analisi, interpretazione ed elaborazione. Tutte queste doti devono essere possedute dal data scientist, che si rivela essere un ruolo oltre che di fondamentale importanza, versatile.

A rendere la gestione dei big data un problema non è solo la necessità di persone competenti che se ne occupino ma anche lo sviluppo di opportune ed efficienti tecniche. Uno studio pubblicato recentemente su “Nature Communications” da Seth Lloyd (Massachusetts Institute of Technology), Silvano Garnerone (Università di Waterloo) e Paolo Zanardi (University of Southern California) ha portato un’ondata rivoluzionaria per la ricerca in questo campo. Questi studiosi hanno proposto di ricorrere oltre che alla topologia, branca della matematica, che sino ad ora si è mostrata come lo strumento migliore per i big data, al calcolo quantistico. In particolare sono stati sviluppati degli algoritmi che rappresentano la base per ipotetici computer quantistici del futuro; la loro differenza con quelli canonici risiede nel soppiantamento del sistema binario. Se con i computer standard i bit, cioè le unità di informazione binaria, assumono come valore 0 oppure 1, con quelli quantistici i valori si estenderebbero a tutti quelli intermedi. Questo aspetto risulterebbe centrale per la gestione di numeri esorbitanti di dati, permettendo di maneggiarne grandi quantità in modo agevole.

In questo senso  il calcolo quantistico lavorerebbe al servizio della topologia, base per l’analisi dei big data. Fu Gunnar Carlsson, matematico di Stanford, a sviluppare la TDA (topological data analysis); essa  permette di cogliere la struttura dei dati e le loro proprietà principali, rendendo ognuno di essi punto di uno spazio topologico. Qui, più i punti sono vicini, più sono simili. Infine è l’algebra che permette la traduzione delle proprietà evidenziate dalla topologia; solo attraverso questo linguaggio infatti può avvenire il passaggio dell’elaborazione tramite calcolatori. Se da una parte quindi la topologia è estremamente efficiente per visualizzare uno spazio dei dati, dall’altra mostra i suoi limiti nel calcolo, soprattutto quando i numeri con cui si ha a che fare sono elevati. Il calcolo quantistico rappresenta  il secondo strumento per far luce nel mondo dei big data.

Dunque, risulta essere evidente come sia necessario lo sviluppo di tecniche e tecnologie che permettano di interpolare al meglio i big data e il recente studio quantistico offre prospettive decisamente incoraggianti. Tuttavia se da una parte la loro diffusione e importanza può sembrare eccitante, dall’altra incute timore: la rivoluzione dei big data potrebbe minare il metodo scientifico odierno, sfociando nella diffusione di una mentalità induttivista. Disporre di grandi dati non significa accantonare la modellizzazione, cioè lo sviluppo di modelli di previsione dei fenomeni a priori. Ciò è stato dimostrato negli Stati Uniti: nel 2009 “Nature” ha promosso l’affiancamento al metodo tradizionale di previsione della diffusione delle epidemie di influenza un nuovo metodo, basato sull’analisi dei big data che in questo caso erano le ricerche di informazioni su internet in merito a sintomi, consigli, cure, medicinali,etc. Quattro anni dopo la rivista scientifica ha rivelato come il metodo rivoluzionario si sia rivelato fallimentare rispetto a quello standard: la forbice con i dati reali era doppia rispetto a quella con le previsioni del metodo classico. Un esempio rappresentativo di quanto sia opportuno muoversi con cautela su questo terreno.

Vota i nostri posts

Lascia un commento

Il tuo indirizzo email non sarà pubblicato.