Cari orecchietti di radio pop,
Si parte con notizie non sensazionali, così, per dare un’idea di quello che si trova nelle riviste in una settimana a caso: questa.
Su Nature Communications, un risultato farà piacere a Cecilia e agli ascoltatori di “Considera l’armadillo” e avrebbe fatto piacere anche a Marvin Minsky. I ricercatori di un gruppo chiamato Tox21 – una collaborazione multidisciplinare tra centri di ricerca americani – descrivono un robot che consente di testare la tossicità di sostanze – terapeutiche, inquinanti, additivi alimentari ecc. – a 15 concentrazioni diverse e su 30 tipi diversi di cellule del nostro corpo in una settimana, invece di un paio d’anni.
Poi bisogna comunque controllare quelle tossiche anche sulla discendenza di altri mammiferi, ma a questo punto ne servono pochissimi. Per ora il robot è programmato per identificare i meccanismi di tossicità per un migliaio di composti sintetici rilasciati nell’ambiente, ma può arrivare a 80.000.
In Italia il problema ancora non si pone, mi sembra, ma in alcune città degli USA le molestissime cimici – Cimex lectularius – hanno evoluto una resistenza anche ai neo-nicotinoidi, com’era successo per gli insetticidi precedenti, DDT e piretroidi. Funziona ancora la miscela di piretroidi e neo-nicotinoidi, ma ne occorre una concentrazione 1000 volte superiore a quella di 30 anni fa, a questo punto è tossica anche per noi.
L’articolo sul Journal of Medical Entomology è gratuito. I dettagli sono un po’ impressionanti. O affascinanti, dipende dai gusti.
Su Nature di ieri, c’è un’invenzione che rischia di piacere agli ipocondriaci: un braccialetto di “biomonitoraggio” continuo che analizza sodio, potassio, lattosio, glucosio in minuscole gocce di sudore e misura la temperatura della pelle. Così serve soprattutto agli sportivi, ma cambiando i sensori può anche misurare il cortisolo e altri ormoni da stress, per esempio. Trasmette i risultati via bluetooth a cellulare, tablet o laptop di chi ce l’ha al braccio o del suo medico.
Come sempre sono uscite parecchie ricerche sul clima, nessuna ottimista per il momento. Questa potrebbe servirvi quando un complottista vi attacca un bottone sull’era glaciale iniziata nel 1998, scie chimiche, vaccini che da quando esistono fanno diventare omosessuali i maschi italiani, fusione fredda o fissione piezonucleare che salverà il mondo dalla crisi energetica e climatica, l’auto a tachioni, l’astronave ad anti-gravità, gli alieni che ci rapiscono… Tutte quelle cose che milioni di politici, militari, industriali, scienziati e giornalisti vi tengono nascoste e che migliaia di presunti esperti vi raccontano sul web.
Il fisico David Grimes ha “dimostrato” che per restare segreto per più di tot anni un complotto deve aver meno di 1000 partecipanti e con il tempo il numero declina esponenzialmente. Anche in questo caso l’articolo è gratuito, ma dovete rifare i calcoli per il complotto che più vi attira.
*
L’algoritmo di Google che batte i campioni di go è la notizia della settimana per tanti motivi. Rientra nell’intelligenza artificiale di cui Marvin Minsky era stato un pioniere, e ne illustra bene l’evoluzione insieme alla potenza di calcolo disponibile. Il programma è nato da rete neurali le cui connessioni evocano e per certi aspetti somigliano a quelle del cervello: più si usano, più si rafforzano e quello che s’impara non si dimentica.
Sono capaci di “deep learning” e dette “bayesiane” dall’idea geniale del reverendo Thomas Bayes.
Grosso modo, gli statistici si dividono in frequentisti, le cui opinioni soggettive non contano nulla, e bayesiani. Gareggiano a chi costruisce i sistemi capaci di prevedere meglio la probabilità di un evento – di qualsiasi tipo. Da oca, sono bayesiana: parto da tutto quello che so, i miei “a priori”, e aggiorno via via le mie aspettative in base all’esperienza.
Il reverendo Bayes faceva l’esempio delle scommesse sui cavalli. I due favoriti sono Fior di Carota e Gelmino; hanno corso insieme dodici volte, Fior di Carota ha vinto 7 volte, Gelmino 5. Un frequentista scommette su Fior di Carota.
Ma io so che Gelmino ha vinto 4 volte quando pioveva, e oggi piove…
Nella vita quotidiana funziona abbastanza. A voler usare un programma simile all’AlphaGo per fare modelli che prevedono a colpo sicuro come frenare il riscaldamento globale, la diffusione di un’epidemia o di una crisi economica, il problema è che
- nessuno sa come “decide”, neppure i ricercatori che l’hanno scritto;
- è “intuitivo” come se l’intuizione tipo “pubblicità: quel divano fa per te” cogliesse sempre nel segno e non avessi comprato quel divano l’anno scorso;
- introduce un elemento ignoto nello studio di come evolvono sistemi dinamici, caotici, incasinati, dove ogni elemento o persona fa di testa sua con ripercussioni su tutti gli altri. Pensate a chi non vaccina i figli, per esempio…
Qui avrei altre obiezioni, per farla breve
- tutti gli strumenti hanno margini di incertezza, anche i più precisi, perché un programma intuitivo alle prese con incertezze esterne non ne avrebbe di sue?
Eppure la prima reazione di Andrea Idini – membro del comitato scientifico ochesco, ricercatore in fisica teorica all’università di Jyväskylä e fondatore del blog Ph Me in ordine di importanza decrescente – è stata: “è un mio vecchio sogno!” mentre venerdì scorso era entusiasta della misura più precisa, fatta a mano mica al computer, della massa del Carbonio-11.
Lo metto sulla graticola finché racconta il suo sogno. E poi su Nature c’è scritto
Quando un computer convenzionale dice a un ingegnere di mettere un bullone qui o di saldare in un punto specifico l’ala di un aereo, può togliergli il coperchio ed esaminare gli assunti e i calcoli che ci sono dentro. Ecco perché noi altri prendiamo volentieri l’aereo. Le macchine intuitive avranno bisogno di qualcosa di più della fiducia: richiederanno fede.
Feeedeee?
Se volete ci risentiamo domattina all’alba delle 9.30 per un microfono aperto sugli orti urbani.
Streaming dalle 12.50 alle 13.27; podcast dopo con calma; Facebook di Filippo; oche at radiopopolare.it per correzioni, rimproveri, suggerimenti ecc.
Aggiunta: grazie per gli sms divertenti e il paradosso di Monty Hall. Qui trovate le partite vinte da Alpha Go.
Dimentichi varie tribù, tipo i soggetivisti (alla Gian Carlo Rota) e i likelihoodisti. 😉
Troverò il tempo per dire la mia 😉
Ben tornato, hai ragione, e anche Andrea ha fatto capire che non si caricaturano così i frequentisti…
Qualsiasi intelligenza artificiale (anche basata sulle reti bayesiane) può fornire una scelta ottimale su un insieme di parametri; la verifica di una scelta politica può essere fatta solo sui risultati ottenuti, ma per l’apprendimento di una rete si utilizzano usualmente due insiemi di fatti noti, uno per l’insegnamento ed uno per la verifica (con alcuni trucchi per un piccolo insieme di dati, e con alcuni trucchi per non renderla troppo complicata).
Se le scelte politiche passate possono essere inserite in una rete neurale, allora è possibile verificare che la rete abbia imparato le formule giuste (formule di scelta politica); poi si possono fornire ai politici le varie alternative, e se il ragionamento della rete può essere tradotto in linguaggio umano, potrebbe essere possibile fornire un qualche tipo di deduzione logica.
Ora in un piccolo spazio di parametri, tutto può essere tradotto in pochi passi, ma con una intelligenza complessa non vedo una possibile traduzione per un politico, se non tramite una possibile serie di alternative: per esempio si possono fornire alcune risposte, variando i parametri discreti e fornendo i risultati previsti (differenti investimenti in differenti energie alternative, risparmi iva per acquisti – o modifiche – di prodotti di classe energetica differenti) con alcuni vincoli possibili.
Ricordo che Deep Knowledge Venture usa una intelligenza artificiale nel consiglio di amministrazione, e le scelte economiche non sono molto differenti da scelte politiche.
Domenico,
molto interessante. Avevo visto applicazioni alla politica (conflict resolution) della teoria dei giochi, non delle reti neurali, c’è qualcosa che posso leggere?
due insiemi di fatti noti, uno per l’insegnamento ed uno per la verifica
questo mi è più familiare, si fa così con i modelli climatici per vedere quanto sono skilled, però sono vincolati dalla fisica.
Deep Knowledge Venture usa una intelligenza artificiale nel consiglio di amministrazione, e le scelte economiche non sono molto differenti da scelte politiche
Be’ sì, in entrambi i casi si può anche innovare, rif. la finanza creativa. Però pensavo che fosse una mossa pubblicitaria, come fanno per le votazioni?
p.s.per passanti interessati: un com. stampa recente di Deep Knowledge V
Allora una veloce ricerca bibliografica (c’è poca biblografia decente sulle reti neurali applicate alle scelte politiche):
quello che più si avvicina ad un processo di ottimizzazione dell’allocazione delle risorse (per analogia, si può ottimizzare la riduzione dell’anidride carbonica con un certo numero di parametri)
http://www.scielosp.org/pdf/rsp/v47n1/en_17.pdf
un altro articolo interessante è la predizione del rischio del credito, in base ad un numero di variabili del cliente (dove il rischio può essere l’aumento eccessivo dell’anidride carbonica)
http://arxiv.org/pdf/1311.4266v1.pdf
un altro modello di previsione dell’economia venezuelana (per analogia può adattarsi alla previsione dell’emissione di anidride carbonica del Venezuela, o qualsiasi paese del mondo), e cercare i parametri ottimali per una buona previsione
http://arxiv.org/pdf/0708.3463.pdf
in generale una rete neurale è un’approssimazione di qualsiasi funzione di N variabili, così se si conosce l’evoluzione temporale dell’anidride carbonica è possibile ridurre la funzione modificando alcuni parametri (le migliori scelte).
L’ideale sarebbe scrivere l’equazione differenziale per l’evoluzione dell’anidride carbonica mondiale, in funzione di alcune variabili, e minimizzare l’emissione con scelte politiche.
Se piove troppo forte, però…. Comunque forza Gelmino
Grazie domenico, adesso studio.
—
Cimpy,
forza Gelmino
è la sua giornata!
Grazie a te, per questo blog molto ben fatto.
Mi sono portato un po’ avanti.
Allora penso di aver ottenuto un risultato interessante: una teoria per ottenere la legge differenziale per l’emissione di anidride carbonica di una nazione.
Una rete neurale è semplicemente uno strumento per approssimare una funzione con una serie di funzioni elementari (non le vedo molto differenti da serie di Fourier o Taylor).
Allora invece di approssimare l’anidride carbonica nell’aria si potrebbe approssimare la “variazione” di emissione annuale in base ad alcuni parametri noti (in quanto misurabili e di scelta politica); se la scelta è la variazione, e non il valore assoluto, allora quello che fa la rete neurale è ottenere nell’apprendimento la legge fisica dell’emissione (la variazione annuale, o mensile, come una derivata).
Bene, a questo punto ottengo una legge differenziale, che mi è nascosta dalla complessità della rete neurale; quindi uso un trucco, uso una griglia uniforme di punti nello spazio dei parametri e vedo la risposta della rete, e trovo un polinomio che approssimi la rete neurale in questi punti, e questo polinomio è la legge fisica di emissione (come sempre è possibile generalizzare un po’ il modello, ma anche così è interessante).
Con la legge in mano ai politici, allora è possibile tracciare tutte le traiettorie possibili, ed ottenere quelle migliori per minimizzare l’emissione, ed il politico può scegliere; se la legislazione è differenziata (per scelta) in legislazioni regionali, allora è possibile confrontare differenti modelli geografici, e scegliere i migliori.
L’ho pubblicato su quel sito vixra per crackpots, come sempre non ho trovato niente di interessante in bibliografia su metodi simili.
domenico,
Wordpress sospende i tuoi commenti anche quando non contengono link, non so perché.
questo blog molto ben fatto
grazie ma è un’illusione temo, è molto idiosincratico (= indisciplinato).
non le vedo molto differenti da serie di Fourier o Taylor
forse Gvdr ha qualcosa da obiettare, io no! Devo ancora capire i paper, per es. non servirebbe un prior per i dati eventualmente “massaggiati” dal regime venezuelano?
Continuo con l’esempio della CO2 (su viXra non l’ho visto, uscirà in AI?) ma potrebbe essere la diffusione di un’epidemia virale: conta la velocità della variazione. Visto che la rete neurale impara dai risultati, non potrebbe fare da sola la scelta migliore per ottimizzarli in ogni regione?
Come per i semafori nelle smart cities, il prezzo del kWh nelle smart grids ecc. Siamo già un po’ “amministrati” da AI…
Ho trovato interessante l’applicazione ad un modello simile all’emissione di anidride carbonica: in qualche modo l’emissione di anidride carbonica è funzione del prodotto interno lordo, in quanto ogni oggetto porta con sé una emissione per produrlo, quindi penso che esista una funzione fra pil e emissione; quindi con piccole modifiche il modello è applicabile al problema di emissione.
L’articolo è uscito in climate research, ed io scrivo (per scelta) in maniera non standard.
Penso, come ocasapiens, che il modello più semplice è ottenere un’intelligenza artificiale che possa fornire l’emissione di anidride carbonica in base ad alcuni parametri noti (con insegnamento e verifica dei dati), e giocare con i parametri in modo da ottenere l’emissione minima (l’ideale sarebbe emissione negativa); mi sembrava interessante spingersi fino a creare un modello matematico comprensibile ad un politico, e non manipolabile dal produttore dell’intelligenza artificiale.
“Una rete neurale è semplicemente uno strumento per approssimare una funzione con una serie di funzioni elementari (non le vedo molto differenti da serie di Fourier o Taylor).”
La differenza è che una rete neurale generalmente si costruisce da sola rispetto a un processo di feedback.
Una serie è uno sviluppo su una base (fourier), o un approssimante (taylor), a una funzione nota fatta di funzioni note, è una operazione invertibile. Al contrario non è immediato “invertire” una rete neurale.
Ovvero una rete neurale è uno sviluppo su una serie di input noti, che restituiscono output noti e validati, ma quello che c’è in mezzo non lo sai a prescindere.
Una volta validato il modello si quantifica la confidenza con cui è possibile estrapolare a casi non noti.
Uno sviluppo in serie ha input e processo noto, e l’output è quello che vuoi trovare.
Modellizzazione a reti bayesiane per migliori reattori nucleari.
http://arxiv.org/pdf/1601.08036.pdf
In uno sviluppo di serie di Taylor, o Fourier, le frequenze (o le potenze) sono fissate a priori.
Se ammettiamo una generalizzazione con serie in spazi n-dimensionale mantenendo liberi i parametri della serie (frequenze in ogni dimensione, e potenze dello sviluppo), ed un semplice apprendendimento con discesa del gradiente, non vedo molta differenza fra una rete neurale ed una serie: le funzioni sono libere di scegliersi la posizioni nello spazio di ricerca, e la soluzione ottimale non può essere data a priori; per la serie di Fourier la cosa è più diretta, perché il vettore delle frequenze sceglie i piani di oscillazione, e non è detto che la soluzione ottimale sia quella di sviluppo classica (per esempio se esiste una singola oscillazione in uno spazio n-dimensionale, con frequenze differenti in ogni direzione, la serie di Fourier è quella meno adatta per approssimare la funzione, mentre una singola soluzione può essere data da una ricerca a parametri libera).
Anche per uno singola funzione costituita da una potenza a valore non intero (da ricercare con discesa del gradiente), lo sviluppo in serie di Taylor non è l’approssimazione più adatta.
Per l’articolo sui reattori nucleari, dici che incrementando l’efficienza dei reattori con un approccio bayesiano, si diminuisce il costo di questa fonte di energia, favorendone il suo uso?
“Se ammettiamo una generalizzazione con serie in spazi n-dimensionale mantenendo liberi i parametri della serie”
Rimane una serie che approssima una funzione su uno sviluppo su funzioni di base. Tale sviluppo avra’ delle caratteristiche analitiche non eludibili, ad esempio la funzione deve essere connessa, l^2…etc…
Il gradient descent funziona bene in presenza di un minimo locale o assoluto ben definito, ma per funzioni con elevate oscillazioni e periodicita’ e’ una strage.
Una rete neurale e’ potenzialmente molto piu’ elastica.
E’ il mio sogno applicare reti neurali alla fisica nucleare proprio per questo: le variazioni sia di osservabili confrontabili con dati sperimentali, sia di caratteristiche intrinsiche ai vari funzionali generatori, variano in modo quasi imprevedibile e mooolto selvaggio.
I Nuclei che conosciamo sono piu’ di 3000, 6/7/10 mila quelli che esistono e che sarebbe opportuno modellizzare.
Ognuno di questi ha caratteristiche uniche.
In linea di principio ci sono solo due cose che variano: il numero di protoni e neutroni, ma hai centinaia di osservabili su ognuno di questi nuclei (raggio, deformazione, energia di legame, energie di eccitazione, sezioni d’urto per i processi piu’ svariati…etc…).
Inoltre tutti questi dati sperimentali variano enormemente. Normalmente i nuclei con numeri dispari di protoni o neutroni hanno funzione di eccitazione completamente diversi da quelli con numeri pari (per motivi che non sto a spiegare). Inoltre se vai ad esempio in una catena isotopica, fissi il numero di protoni e aggiungi neutroni mano a mano. Hai che hai un nucleo sferico. Poi aggiungi un neutrone e diventa a disco. Ne aggiungi altro e diventa a supposta. Ne aggiungi un altro ritorna a disco. Poi rimane per un po’. Poi ritorna a supposta.
Negli isotopi dell’Elio hai che l’Elio 4 e’ una delle conformazioni piu’ robuste. L’Elio 5 non esiste. L’Elio 6 esiste. L’elio 7 non esiste. L’Elio 8 esiste.
Il raggio e’ in alcuni sistemi e’ molto piccolo, e poi improvvisamente aggiungi due protoni e diventa immenso (Il Li-9 e’ piccolo, Li-11 e’ grande quanto il Pb-208!).
Hai una classe di sistemi insomma che e’ quasi schizofrenico e ognuno dei maledetti Nmila fa storia a se, incredibilmente complicato, in cui idealmente vorresti un input formato da due numeri interi ma hai un output ricchissimo. Come fare?
Fidati che con le serie di Fourier e l’analisi classica non arrivi da nessuna parte, e appena provi ad abbozzare un gradient descent su questo spazio di parametri vai completamente fuori controllo. Modellizzi come puoi, e poi usi funzioni un po’ piu’ robuste (il mio preferito e’ il Nelder-Mead, AKA “algoritmo ameba”, ma non scala benissimo con la dimensione dello spazio) e’ stato il sistema utilizzato fino ad oggi.
Ma si potrebbe, e dovrebbe, fare di meglio sofisticando l’analisi statistica.
Purtroppo non ho sufficiente tranquillita’ per imbarcarmi a testa bassa in un progetto simile e devo scegliere fra tante possibilita’ valutando la potenzialita’ e la fattiblita’ e seguire piu’ cose assieme. Fortunatamente altra gente come il Piekarewicz che ho linkato sta gia’ muovendosi.
E si spera che anche il nostro lavoro sulla nuova interazione che abbiamo sviluppato a Jyvaskyla giunga in fase di produzione.
“Per l’articolo sui reattori nucleari, dici che incrementando l’efficienza dei reattori con un approccio bayesiano, si diminuisce il costo di questa fonte di energia, favorendone il suo uso?”
Beh si sa che l’uso dell’energia nucleare e’ piu’ un problema politico che economico, anche perche’ comunque una parte importante dei costi non e’ dato da questioni “materiali” ma e’ il banale “costo del denaro” di avere un investimento immobilizzato e non c’e’ miglioramento tecnologico che tenga.
Non so quanto si possa incrementare, e’ d’altronde un business maturo, e nella pubblicazione che ho linkato non forniscono stime per eventuali miglioramenti in condizione di produzione.
Ma sicuramente nel caso si potesse migliorare di un X% l’efficienza con un caricamento degli elementi personalizzato, sono miliardi di euro di risparmio e un ulteriore abbattimento dei costi corrispondente che anche per cio’ che c’e’ gia’ in funzione male non farebbe (immagina se i Francesi risparmiassero da un altro con l’altro il 10% sul conto energia! :P).
Grazie dell’approfondimento.
Ricordo del modello a goccia, ma ho prestato il libro di teoria ad un amico: perso per sempre.
Su wikipedia, vedo che il modello per la massa e l’energia è abbastanza accurato; è interessante lo sviluppo in serie di potenze razionali dell’energia di legame.
Penso che ogni sviluppo in serie di potenze è la soluzione di un’equazione differenziale lineare (per Taylor di lunghezza infinita), in questo caso nei parametri Z ed N; quindi si potrebbero tentare le equazioni differenziali (risolvibili esattamente per avere una formula in Z ed N) non lineari sul campo reale con soluzione nei punti interi ottenute dalle misure sperimentali, ed applicare un qualsiasi metodo di minimizzazione sui valori interi: cioè scrivere equazioni differenziali a parametri liberi F(E,E_Z,E_N)=0 non lineari nello spazio (Z,N), scrivere la soluzione e minimizzare i valori nei punti interi.
Se non è importante possedere la formula, allora si è più liberi nella ricerca della soluzione, cercando la soluzione numericamente.
Si, gli statistici si dividono grosso modo (ma molto grosso) in frequentisti e bayesiani…ma sono piu’ distinzioni filosofiche basate sull’interpretazione del significato da attribuire al termine probabilita’. Al di la’ delle correnti di pensiero piu’ o meno avvincenti per gli uni o per gli altri, tutti gli statistici concordano su due cose:
1 – nessuna definzione di probabilita’ e’ quella ‘giusta’
2 – tutti sono d’accordo sui metodi matematici e sulle equazioni
per il punto 1) ad es. i frequentisti sostengono che la probabilita’ sia una proprieta’ oggettiva ma poi nel definire la probabilita’ come rapporto tra il conteggio dei casi di interesse e il totale dei casi possibili non possono sorvolare sul fatto che i casi possibili devono essere tutti equiprobabili. In altre parole si usa la probabilita’ per definire la probabilita’…non che i soggettivisti non abbiano i loro problemi: persone con esperienze diverse daranno, per lo stesso fenomeno, probabilita’ diverse.
Per l’esempio dato sui cavalli: lei sa che le probabilita’ di vincita dipendono dal tempo atmosferico (piove o non piove) ma questo possono saperlo e tenerne conto nei loro calcoli, anche i frequentisti 😉
Il punto 2) e’ quello che accomuna tutti, qualunque sia la definzione ‘giusta’ fosse anche quella che e’ mai stata data, alla fine tutti sono d’accordo sulla matematica (che pero’ e’ assai piu’ complicata per i metodi bayesiani)
L’unico vantaggio che hanno nella mia esperienza i metodi bayesiani e’ che forniscono stime migliori quando i campioni sono piccoli ma su campioni grandi oltre una certa dimensione i risultati degli uni e degli altri convergono, ma con minori difficolta’ di calcolo per i frequentisti.
Saluti.
Hydra Viridis,
se piove se ne accorge pure un frequentista, certo, ma tenga conto che la caricatura era un assist per Andrea.
Quando le variabili individuali (rif. nel post di oggi, la ricerca su cibo e diabete) sono tante e in gran parte ignote, mi sembra che la rete bayesiana sia più efficace – poi resta da trovare le variabili: perché due volontari sono outliers, o nel caso dei modelli climatici il peso giusto di un feedback.
@ Hydra Viridis
Nel caso lei sia il medesimo Hydra Viridis che commenta, con interventi come questo, sul blog di Gioia Locati… be’… i miei complimenti.
@ocasapiens:
Quando le variabili individuali (rif. nel post di oggi, la ricerca su cibo e diabete) sono tante e in gran parte ignote, mi sembra che la rete bayesiana sia più efficace – poi resta da trovare le variabili: perché due volontari sono outliers, o nel caso dei modelli climatici il peso giusto di un feedback.
mmm…leggero’ il post..certo le reti (neurali, bayesiane) non sono cosa nuova ed io benche’ abbia dato qualche esame durante la specializzazione post-laurea sull’argomento, sono tutto meno che un esperto in materia di reti. Erano piu’ di moda forse una decina di anni fa e almeno per quel che mi riguarda non sono riuscite a rimpiazzare i metodi tradizionali (considerando l’esempio dato) di analisi multivariata.
Sara’ che computazionalmente sono anche molto piu’ pesanti da digerire, ma chissa’…
@E.K.Hornbeck
Si sono io, grazie dei complimenti, certamente immeritati.
Hydra viridis,
sono meritati, ha ragione E.K.Hornbeck! Per il resto è meglio il paper del Weizmann di quello che scrivo io, e l’uso delle reti neurali mi sembra tornato di moda, ma leggo poche riviste e magari sbaglio.
Hydra viridis, E.K.Hornbeck et al.
potrebbe divertirvi l’applicazione di questo metodo alla filogenesi delle leggi proposte in USA per l’insegnamento del creazionismo…
@ Hydra Viridis
grazie dei complimenti, certamente immeritati.
Mettiamola in questo modo… lei e’ uno dei pochi che prova a mantenere alta la bandiera del buon senso, e della corretta ricerca medica, in un ambiente frequentato principalmente da commentatori che hanno perso per strada il primo e non hanno idea di come funziona la seconda.
Leggendo i suoi scambi con loro’ — sopratutto le sue risposte puntuali e pacate — rende possibile, anche a un non addetto ai lavori, capire chi dispone di solidi argomenti e chi solo di frustrazioni e di un abecedario di insulti.
Una cosa mi incuriosisce: ho letto su Butac che alcuni suoi interventi sono stati modificati senza la sua approvazione. Puo’ dirci qualcosa di piu’ preciso, a riguardo? Magari portarci qualche esempio?
@ Oca Sapiens
potrebbe divertirvi l’applicazione di questo metodo alla filogenesi delle leggi proposte in USA per l’insegnamento del creazionismo…
Vero: lo trovo divertente.
Del resto, la stessa sentenza Kitzmiller vs Dover fu decisa da un’analisi che dimostro’ che un documento del Discovery Institute altro non era che un documento creazionista copiato e modificato (male).
Mi domando se possiamo portare l’analogia leggi/codice genetico al punto da classificare gli stati dotati di organismi legislativi come strumenti che permettono alle leggi di produrre altre leggi.
Non riesco ad accedere all’articolo su Science ma ho trovato, tramite Google Scholar, questa versione online.
E.K.Hornbeck
ho modificato il suo commento! (link in grassetto, così lo vedo meglio).
—
Domenico
quando qualcosa funziona bene in un paese, tende ad essere adottato in altri paesi
Sì purtroppo, rif. il proibizionismo o la violazione dei diritti dei profughi.
Interessante l’analogia fra legislazione ed organismo vivente; anche per le idee, in qualche modo, c’è un’evoluzione, alcune muoiono, alcune si diffondono.
Se si potesse applicare un qualche meccanismo di apprendimento automatico, con qualche modifica genetica (penso ad algoritmi genetici o evolution strategy) alla modifica delle leggi, applicando metodi scientifici alla costruzione legislativa!
Penso che in qualche modo il sistema funzioni così: quando qualcosa funziona bene in un paese, tende ad essere adottato in altri paesi; ed il sistema tende a diventare sempre più complesso, a tenere conto di eccezioni, ad adattarsi all’ambiente come un sistema di controllo, o come una forma di vita.
@E.K.Hornbeck (e @ocasapoens)
Di nuovo grazie, volete farmi arrossire questo e’ certo 🙂
Mettiamola cosi’ : ho una spiccata idiosincrasia verso le baggianate e il pessimo giornalismo, quello che, per farla breve e consapevole o no non fa differenza, fa cherry-picking, cosa tanto piu’ esecrabile a mio avviso quanto piu’ fa riferimento a temi delicati come quello della salute.
Per quanto riguarda gli interventi modificati…di uno me ne sono accorto subito, la sostituzione di quella che era indicata chiaramente come un’asinata e che veniva modificata in ‘la sua affermazione e’ imprecisa’.
Cosi’ quella che era chiaramente indicata da me come una sciocchezza e’ apparsa invece come una sorta di polemica inutile che non faceva emergere la verita’, ma faceva apparire me con quello che non vuole ammettere di avere torto:
‘Baggianata’, ‘insensatezza’,’granchio’,’corbelleria’..questi sono sinonimi di ‘asinata’ se appariva troppo forte il termine. ‘Impreciso’ significa tutt’altro, ma dovrei spiegare io queste cose ad una giornalista che tra l’altro tra volgarita’ e insulti lascia passare ben di peggio ?
Ovviamente le mie rimostranze (*) , in cui sottolineavo non solo la modifica ma anche il fatto che non lo avesse reso noto ne’ a me ne’ a chi avrebbe letto il mio reply ‘aggiustato’ non ha passato la censura.
Io ovviamente lo vedo con un bel ‘removed’ su disquis.
Torniamo in tema pero’ che non mi sembra questo il luogo (e neanche ne vale la pena).
(*) Ecco un estratto: “Io capisco (…) che ogni tanto ‘corregga’ a suo piacimento i miei post (…) e non sono certo di cosa dica la deontologia in materia, ma potrebbe almeno indicare, quando lo fa, dove lo ha fatto ? Se non per correttezza nei confronti di chi ha scritto almeno per rispetto di chi legge e non sa che quello che legge, qualunque cosa fosse, non e’ piu’ l’originale e il senso potrebbe essere diverso.(…)”
PS: i puntini non nascondo insulti ma per la privacy il nome del destinatario.
Scusate, ma come vedete ci sono a sprazzi (tesi consegnata e preparo la discussione, e nel mentre mi ritrovo a organizzare il mio trasferimento in Canada, burocrazia amica mia).
La filogenetica di Matzke (bellissima) e’ Bayesiana (usa BEAST, di Alex Drummond, roba Kiwi 😉 ) ma non si basa su reti neurali.
Comunque si, come altri metodi di machine learning e deep learning, le reti neurali vivono un momento di gloria. Forse addirittura eccessivo (l’entusiasmo porta ad attribuire fantomatici poteri taumaturgici a metodi statistici che non hanno nulla di magico).
gvdr,
wow – immaginavo che eri molto preso, facci sapere come va la discussione e della trasferta – hai scelto il momento giusto, mi sembra.
Non sapevo che BEAST fosse un kiwi, e s’accompagna pure a BEAUTi! (spiritosi i bayesiani, Matzke ci ha messo anche il suo BEARS). Poi leggo e cerco di capirci qualcosa.
prova
@ Hydra Viridis
Di nuovo grazie, volete farmi arrossire questo e’ certo 🙂
Vero; in questo periodo mi sento particolarmente crudele 🙂
ho una spiccata idiosincrasia verso le baggianate e il pessimo giornalismo, quello che, per farla breve e consapevole o no non fa differenza, fa cherry-picking, cosa tanto piu’ esecrabile a mio avviso quanto piu’ fa riferimento a temi delicati come quello della salute.
Esecrabile e pericoloso.
Anche da queste parti, di tanto in tanto, passano sostenitori delle piu’ disparate e fantasiose ipotesi terapeutiche.
Per quanto riguarda gli interventi modificati…di uno me ne sono accorto subito, la sostituzione di quella che era indicata chiaramente come un’asinata e che veniva modificata in ‘la sua affermazione e’ imprecisa’. […] Torniamo in tema pero’ che non mi sembra questo il luogo (e neanche ne vale la pena).
Magari non e’ questo il luogo ma credo ne valga la pena; non fosse altro che per capire meglio il personaggio che fa questo tipo di interventi.
Io posso anche capire una censura che cancelli un messaggio (se osceno, inutilmente offensivo, calunnioso… i motivi possono essere tanti) o una sua frazione consistente. Ma riscriverne una parte… senza approvazione dell’autore e senza neppure dichiararlo… mi sembrerebbe scorretto da parte di chiunque, inaccettabile da parte di un giornalista.
Oh, Bayes… 😉 e se poi piove di traverso? Sono cmq anche io un fan di Gelmino, pur non disdegnando le carote… 😀
E, oh, il paradosso di Monty Hall…mi ricordo quando lo provavo fisicamente con le 3 carte e i miei bimbi annotavano il risultato, dividendolo nelle 2 categorie “non cambia la scelta” e “cambia la scelta” per vedere se, dopo una cinquantina di test (!), le probabilità effettivamente cambiavano in modo un po’ più robusto. Il problema, ovviamente, insito nelle piccole e apparentemente insignificanti differenze che ci sono fra una carta e l’altra (e che loro dopo un po’ notavano) e soprattutto nelle strutture di scelta che intuivano nel sottoscritto (per cui dopo un po’ di test intuivano dove potevo aver posizionato il joker) 😀
E, oh, il gioco del go…mi ricordo le infinite partite sul balcone durante le lunghe serate estive quand’ero studente a Zurigo che mi lasciavano sfinito per ore…non ho mai più ripreso a giocare da allora…sigh…
steph,
che loro dopo un po’ notavano
metto i tuo bimbi nei bayesiani!
E’ una bella gara, Gelmino è il mio laptop (veloce come un neutrino nel tunnel della ministra), ma nell’Ussaro sul tetto, il contadino dice ad Angelo – il carbonaro che ritorna in Italia di notte – di puntare verso Fior di Carota, la costellazione di Orione.