Previsione e Simulazione della diffusione dei processi culturali
Le attività umane su ogni territorio formano spontaneamente una complessa rete di interconnessioni, sia pensate a priori consapevolmente, che verificate a posteriori come conseguenza di scelte locali. Questo accade perché ogni attività umana nel tempo tende ad organizzarsi: l’antropologia rifugge la casualità.
È per questo che il risultato di ogni attività umana in ogni istante di tempo disegna una complessa rete di relazioni tra aspetti culturali, tecnologici, economici, sociali e valoriali. Questi aspetti non sono comprensibili con analisi settoriali. Così come in una cellula biologica ogni micro componente interagisce con gli altri e significativamente con il globale funzionamento della cellula stessa, allo stesso modo le attività umane e i loro risultati contribuiscono a formare un disegno globale che se uno studio analitico approssimerà in maniera significativa, permetterà agli analisti stessi di poterne prevedere i prossimi sviluppi.
Una capacità previsionale significativa è fondamentale per consentire alle comunità umane di progettare in modo sensato il loro futuro prossimo: se non prevedo bene ciò che sta per accadere, qualunque piano futuro verrà predisposto potrà avrà effetti imprevedibili e spesso indesiderati.
Quindi per ogni comunità, semplice o complessa, prevedere non è un lusso intellettuale, ma una necessità ecologica per sopravvivere e svilupparsi in modo sostenibile.
I processi naturali con i quali ogni comunità si confronta e quelli culturali che, inconsapevolmente o consapevolmente, ogni comunità determina possono essere rappresentati da insiemi di dati. I dati sono una rappresentazione discreta dei processi all’interno dei quali operiamo e per i quali operiamo. Ogni comunità deve raccogliere ed organizzare i dati che rappresentano il flusso della propria storia. Senza una corretta raccolta ed organizzazione di dati ed una loro fine elaborazione, nessuna comunità sarà in grado di progettare il proprio futuro in modo corretto e responsabile.
Il compito più urgente di ogni comunità umana, specie se particolarmente sviluppata, consiste ne dotarsi di strumenti per:
- Raccogliere ed organizzare i dati delle proprie attività e dei processi naturali all’interno dei quali tali attività si svolgono;
- Elaborare queste grandi basi di dati con strumenti matematici potenti e intelligenti per comprendere il reale significato di quello che sta accadendo nella loro comunità e prevedere ciò che data la situazione attuale, una volta compresa in modo sottile e profondo, potrebbe accadere su diversi fronti;
- Realizzare un Simulatore Dinamico di Scenari (Dynamc Scenarios Simulator –DSS) in grado di mostrare “in teoria” le complesse conseguenze delle diverse decisioni che una comunità potrebbe prendere per orientare il suo immediato futuro.
Gli strumenti
Per realizzare un Simulatore Dinamico di Scenari (DSS) sono necessari strumenti matematici complessi in grado di effettuare le seguenti operazioni sui dati:
- Spatial Analytics : Analizzare la semantica implicita delle geo-referenziazioni dei dati raccolti. Molti dei dati raccolti per rappresentare un processo e/o una struttura (framework), infatti, sono caratterizzati da coordinate geografiche che li localizzano sul territorio. La distribuzione statistica di queste ultime deve essere analizzata con apposite metodologie. La metodologia scelta per effettuare tali analisi è il Topological Weighted Centroid (TWC), un particolare algoritmo adattivo che può essere fatto rientrare nel campo del Geographic Profiling, ma che presenta una matematica molto diversa dei strumenti classici di Geographic Profiling e che inoltre considera anche le informazioni che riguardano la distanza semantica dei luoghi che analizza e non solo la loro distanza fisica.
- Explorative Analytics: Analizzare le complesse relazioni non lineari tra le variabili (attributi) e i records (osservazioni) dei dati raccolti. A questo scopo sono state selezionate specifiche tipologie di Unsupervised Deep Neural Networks ed specifici Algoritmi Evolutivi: Auto Contractive Map, New Recirculation Neural Networks, Sefl Organizing Map, Auto Associative Back Propagation, Population Algorithm, ecc.
- Networks and Graph Analytics: Generare grafi pesati, diretti e a-diretti, che evidenzino in modo selettivo le similarità tra variabili e tra records dei dati in precedenza analizzati. Minimum Spanning Tree, Maximally Regular Graph, Graph In-Out, Hierarchical Clustering ed altri filtri sono stati scelti per selezionare le interconnessioni significative individuate dalle matrici dei pesi delle Reti Neurali utilizzate nelle analisi precedenti.
- Simulation Analytics: Poter simulare sui dati raccolti situazioni e scenari ipotetici in modo da poter analizzare gli effetti possibili di scelte decisionali di diverso tipo. Specifiche Reti Neurali (Dynamic Associative Memories) sono state scelte per queste operazioni: Activation & Competition Systems, Spin Net, ecc.
- Prescriptive Analytics : Poter selezionare degli obiettivi dalla base di dati per far calcolare agli algoritmi adattivi quali variabili e quali eventi andrebbero attivati e in quale quantità, perché gli obiettivi fissati vengano in breve tempo ottimizzati. Sistemi ibridi formati da Reti Neurali ed Algoritmi evolutivi sono stati scelti per queste operazioni.
- Transactional Analytics : Fondere dati con variabili e records diversi in un unico data set in modo da poterlo analizzare in modo globale tramite gli strumenti precedentemente descritti. La recente Teoria dei Mondi Impossibili (TIW) è stata scelta per questo tipo di operazioni.