Ho scoperto il mondo dell\u2019analisi dei dati lungo il mio percorso di studio, che mi ha portato a partecipare in gruppi di ricerca presso il CERN di Ginevra a fine anni 90 alla ricerca <\/a>del neutrino tau. Quell\u2019esperienza meravigliosa ha segnato definitivamente la mia concezione sulla natura dei dati e come vanno, per cos\u00ec dire, coltivati.<\/p>\n\n\n\n Il 2020 ci ha dimostrato come una massa enorme di dati riesca solo a generare confusione, lasciando spazio a qualsiasi tipo di interpretazione<\/strong>. Mi riferisco ovviamente al COVID-19: la mancanza di uniformit\u00e0 nella fase di raccolta complica non solo ogni possibile analisi ma anche una minima comprensione. Tuttavia questo comunque non ha limitato il numero di articoli caotici su giornali e siti web mondiali.<\/p>\n\n\n\n I dati vanno<\/strong> quindi raccolti seguendo un criterio certo<\/strong>: questo vuol dire assumersi anche la responsabilit\u00e0 di scartarne una parte. Nel caso di un sensore rotto pu\u00f2 essere una decisione semplice da prendere, ma laddove subentra il fattore umano\/politico il discorso cambia completamente. <\/p>\n\n\n\n Uno dei primi campi di studio della Statistica, stiamo parlando del diciottesimo secolo, \u00e8 stato il rapporto tra numero di maschi e numero di femmine alla nascita. Questo numero dovrebbe oscillare tra 1.03 e 1.06 maschi per ogni femmina; ogni volta che in qualche nazione questo numero \u00e8 aumentato significativamente a vantaggio dei maschi si \u00e8 poi scoperto un gravissimo problema sociale \/ politico.<\/p>\n\n\n\n Una volta deciso quale sia il campione \u201cbuono\u201d<\/strong> di dati parte la sua analisi. E anche qui possono nascondersi sorprese. Si arriva a un risultato e magari quel risultato \u00e8 sorprendente, se non rivoluzionario. Nel caso di un esperimento scientifico magari si scopre qualcosa di nuovo o si osserva ci\u00f2 che era stato previsto dalla teoria. Il fattore umano anche qui \u00e8 decisivo. Sale l\u2019entusiasmo, si cerca di contenerlo ripetendo le analisi. I risultati vengono confermati e allora si scrivono articoli, si concedono interviste. Poi, dopo un po\u2019 di tempo, si scopre un piccolo effetto sistematico in una delle componenti dell\u2019apparato sperimentale e tutti i risultati trovati svaniscono nel nulla. <\/p>\n\n\n\n Ricordo ad esempio quando fu annunciato da tutti i giornali del mondo (ad esempio qui<\/a>) che i neutrini viaggiavano a una velocit\u00e0 maggiore di quella della luce, in barba a quanto predetto da Einstein. Furono successivamente scoperte due anomalie: una nella calibrazione dell\u2019orologio di riferimento per calcolare il tempo di viaggio della particella, l\u2019altra, banalmente, nello stato del cavo che connette il sistema GPS a una scheda dei computer dell\u2019apparato sperimentale. Potete leggere le conseguenze di questa amara scoperta qui<\/a>.<\/p>\n\n\n\n Cosa succede quando manca un qualsiasi fattore critico nell\u2019analisi dei risultati trovati da un algoritmo di Machine Learning? Quando non si prevede nessun meccanismo di controllo nell\u2019ingranaggio perfetto? Nella letteratura fantascientifica si \u00e8 coniato il termine \u201cghost in the machine\u201d<\/strong> per riferirsi al processo dell\u2019intelligenza artificiale che in maniera inaspettata evolve oltre i suoi scopi originali. <\/p>\n\n\n\n![\"\"](\"https:\/\/i0.wp.com\/ellycode.com\/wp-content\/uploads\/2021\/01\/Big-Data-Analysis-Covid-19-1024x631-1.jpg?resize=1024%2C631&ssl=1\")
<\/figure>\n\n\n\n