Come curatore della collana Matematica, leggo in anteprima tutti i libri prodotti, anche eventualmente per dare qualche suggerimento sulla presentazione. Arrivato a questo volume il mio pensiero è stato “ma è tutta roba che noi in Cselt facevamo già agli inizi degli anni ’90!” (E almeno in parte era roba ancora più vecchia. L’euristica di Good-Turing usata negli LMM parte da un articolo del 1953). In effetti il boom dell’intelligenza artificiale è arrivato in questi anni perché abbiamo a disposizione una potenza di calcolo enorme e soprattutto basi dati incredibilmente ampie per poterle addestrare: noi trent’anni fa non avevamo nulla di tutto questo)
Quindi il testo sarebbe inutile? Tutt’altro! Andrea Mercuri con questo volume ci permette di distinguere tra le buzzword che sentiamo tutti i giorni riguardo alle magnifiche sorti e progressive dell’intelligenza artificiale e cosa c’è davvero dietro; capiremo finalmente qual è la magia dietro a un testo apparentemente sensato e perché le mani delle persone disegnate da un’AI abbiano spesso sei dita. La parola chiave è “classificazione”, che nei modelli attuali è compiuta in modo automatico e non necessariamente supervisionato (il cosiddetto deep learning).
Il personaggio narrato da Sara Zucchini è Emmy Noether, “colei che insegnò la matematica a Einstein”: ok, non è proprio così, ma sicuramente i suoi lavori in campo fisico servirono ad Einstein per avere una solida base su cui costruire un modello con le sue intuizioni. I miei giochi invece hanno come filo comune la necessità di trovare un’idea apparentemente lontana dal testo dei problemi, ma che è la via per arrivare alla soluzione.
Andrea Mercuri, Matematica e intelligenza artificiale, allegato a Gazzetta dello Sport e Corriere della Sera, €6.99 più il prezzo del giornale.
Ultimo aggiornamento: 2024-10-02 10:50
Immagino conosciate il sito Five Thirty-Eight (che ho scoperto essere finito 

Questo breve testo si occupa di come i diversi social network cercando di accalappiarti e farti restare al loro interno, fortunatamente evitando di usare la trita frase “se non devi pagare, allora sei tu il prodotto” (per dire, mi sa che con X anche se paghi continui a essere il prodotto). Tra i punti positivi c’è il tentativo di spiegare per ciascuno dei principali social network quali potrebbero essere i dati impliciti che vengono raccolti e il decalogo finale (di buon senso) su cosa possiamo fare noi. Ci sono però cose che non mi sono piaciute: se in fondo a pagina 14 un 20% diventa “uno su quattro” o a pagina 20 ci aspettiamo che dopo un po’ che il 10 rosso non è uscito alla roulette allora la probabilità che arrivi è maggiore abbiamo qualche problema matematico. Sono il primo ad affermare che in questi casi la matematica non è tutto e la sociologia è preponderante: ma fare un controllino no?
Questo libro è piuttosto strano per come mischia argomenti di solito ben separati. Io l’ho preso per la parte di teoria dell’informazione (vista in parte con un approccio bayesiano), ma si trovano temi come l’inferenza bayesiana per l’appunto, temi fisici come il modello di Ising, reti neurali… il tutto con una visione per l’appunto direi quasi olistica, il che permette di capire meglio come funzionano le cose (oltre che capire perché il mantra “bisogna che le parole in codice siano tutte massimamente separate tra loro” non è necessariamente la scelta migliore da fare: tanti i teoremi di Shannon su un canale rumoroso non danno mai il 100% di corretta decodifica, e allora tanto vale lasciare qualche possibile errore se si può correggere meglio il resto)