LaCulturaDelDato #120

Dati & algoritmi attraverso i nostri 5 sensi

Ciao,

sono Stefano Gatti e questo è il centoventesimo numero della newsletter LaCulturaDelDato: dati & algoritmi attraverso i nostri 5 sensi. Le regole che ci siamo dati per questo viaggio le puoi trovare qui.

Ecco i cinque spunti del centoventesimo numero:

👀 Data Science. Dati e Algoritmi nello Sport: Marco Altini e la rivoluzione (in corso) dei sensori e dei dati fisiologici

Presentati :
Marco Altini. Scienziato e sviluppatore con lauree magistrali in ingegneria informatica e scienze motorie, e un dottorato di ricerca in data science. Sono il fondatore di HRV4Training, e sviluppo tecnologia per misurare lo stress fisiologico tramite la variabilità cardiaca, principalmente in ambito sportivo con strumenti che danno la possibilità di apportare piccoli accorgimenti ad allenamento e stile di vita per gestire al meglio le varie fonti di stress e migliorare la salute e la prestazione fisica. Sono advisor per varie aziende che si occupano di sensori indossabili, tecnologia, stress, salute e prestazione fisica, come Oura. Insegno alla Vrije Universiteit Amsterdam in un corso di data science per studenti di scienze motorie e cerco di fare il possibile a livello di ricerca e divulgazione nel contesto del monitoraggio della fisiologia in risposta a varie forme di stress. Quando non lavoro, corro.

Il mio ruolo tra 10 anni sarà …
tra 10 anni vorrei in parte continuare a lavorare a livello di sviluppo tecnologico e interpretazione dei dati fisiologici misurati in risposta a varie fonti di stress sia fisiche che psicologiche (o ambientali), così come in ambito divulgativo per aiutare chi è interessata/o ad utilizzare queste tecnologie in maniera efficace. Mi piacerebbe però anche avere un ruolo meno orientato allo sviluppo tecnologico e più vicino alle persone, a livello di coaching individuale (ad esempio di atlete/i), e non solo tramite lo sviluppo di strumenti disponibili sul mercato. La tecnologia è sempre stata parte chiave della mia figura professionale, ma nel tempo, vorrei spostarmi verso un ruolo in cui la utilizzo per lavorare a contatto diretto con le persone, per aiutarle nei loro obiettivi personali.

Quale è la sfida più importante che il mondo dei dati e algoritmi ha di fronte a sé oggi?
Nel mondo dei sensori indossabili, abbiamo un problema importante riguardo alla scarsa trasparenza per quanto riguarda cosa viene effettivamente misurato, e cosa viene solo stimato. Questa è una differenza chiave che può spesso causare preoccupazione o interpretazioni sbagliate da parte di persone a cui viene venduta una presunta capacità di un sensore o una app di fornire informazioni riguardo a parametri che in realtà non possono venire misurati con le tecnologie disponibili su tale sensore o app. Quando si stima qualcosa, si fa una supposizione (cioè un calcolo approssimativo basato su qualcos'altro), e non si utilizza una tecnica che consenta di misurare effettivamente il parametro di interesse. Si sfrutta la relazione tra una variabile in qualche modo associata (ad esempio il movimento) e un parametro che ci interessa (gli stadi del sonno). Queste stime non sono sempre innocue; gravi errori possono venire riportati quando si stimano ad esempio valori di glucosio del sangue, pressione del sangue, stadi del sonno o altro usando metodi che sono o stanno arrivando sul mercato, ma che non includono ancora sensori in grado di effettivamente misurare questi parametri. Quando si adotta un approccio basato stime, una trasparente reportistica, che includa la quantificazione della fiducia in queste stime, è di fondamentale importanza ma mai inclusa nei prodotti sul mercato.

Segnalaci il progetto o la risorsa nel mondo dei dati di cui non potresti fare a meno … Piattaforme di e-learning come Coursera o Udemy, sono sempre state fondamentali nella mia formazione. Essendo questo un campo in continuo cambiamento e aggiornamento, è fondamentale continuare ad imparare quelli che possono essere diversi linguaggi di programmazione, metodi di analisi di dati, etc. Di conseguenza, nello sviluppo dei vari strumenti di cui mi occupo, come ad esempio HRV4Training (una app per la misura della variabilità della frequenza cardiaca), sono spesso tornato su queste piattaforme, dove si possono trovare corsi di alta qualità, completi, e pratici, per poter trasferire le conoscenze apprese ai nostri progetti e nel nostro lavoro.

👃Investimenti in ambito dati e algoritmi. M&A: il lato oscuro dell'acquisizione? scopri l'esperienza di chi viene acquisito

Qual è la prospettiva e l’esperienza di un M&A (Merge & Acquisition) dal punto di vista di chi viene acquisito? Più spesso questa analisi viene raccontata dalla prospettiva e dai risultati di chi ha acquisito la start-up o comunque l’azienda più piccola. Credo invece che sia almeno altrettanto importante raccontare e analizzare l’esperienza proprio dalla parte “più debole” che deve adattarsi in larga parte – e questo in molti casi è un errore – alla cultura dell’azienda che acquisisce. Mi è capitato più volte di gestire o comunque essere al centro di operazioni di M&A sia di start-up sia di aziende dalla evoluzione più tradizionale. La mia esperienza, ad una delle quali aveva fatto riferimento Michele Barbera nell’intervista nel numero 59, mi porta a dire che i risultati di lungo periodo, anche in termini economici, sono positivamente correlati all’indipendenza che è stata data nel breve e medio periodo all’azienda acquisita. Questo non vuol dire che nel lungo termine non si debba convergere in unica realtà, ma è necessario farlo con intelligenza e “sartorialità”.

L’approfondimento di oggi è proprio un’esperienza di acquisizione raccontata in maniera molto efficace da Shreyans Bhansali, co-fondatore di Socratic, una start-up acquisita da Google che sviluppava un'applicazione mobile progettata per aiutare gli studenti con i compiti scolastici, utilizzando tecnologie di intelligenza artificiale e riconoscimento ottico dei caratteri (OCR) per permettere agli utenti di scattare foto di problemi matematici o domande di altre materie e avere il relativo supporto. Leggendo l’articolo approfondirai anche molti aspetti culturali e tecnologici di Google che potresti non conoscere. E anche capire come non tutti gli M&A riescono perfettamente, nonostante tutti gli ingredienti iniziali siano di ottima qualità! 😊

🖐️Tecnologia (data engineering). Tutti (a turno) leader: il segreto del successo di un team (tecnico)

Back to #001
Come promesso, ecco un nuovo modo di creare una sezione settimanale della newsletter. A partire da oggi, ripropongo le sezioni più interessanti dei passati numeri de “LaCulturaDelDato”, basandomi sui clic ai link che avete fatto, e che ritengo ancora significative, forse ancor di più. Questo potrebbe avere a che vedere con l’effetto Lindy.

Per il primo numero, ho scelto il link al blog di “The Pragmatic Engineer”, che in questi due anni è diventato un caso di successo mondiale con la sua newsletter. In particolare, l’articolo che ti ri-segnalo racconta l’esperienza e i consigli per realizzare una leadership diffusa in un team tecnico. Il titolo del post “An Engineering Team where Everyone is a Leader” descrive molto bene lo spirito del contenuto e le aspettative che Gergely Orosz consiglia di perseguire ai suoi leader. Credo che questi consigli possano valere anche per team non solo tecnici, specialmente oggi, 28 mesi dopo, con la verticalità e il dinamismo ancora più accentuati dalla AI generativa nelle nostre organizzazioni.

👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Gestisci la AI-FOMO in azienda con AI for Work Tools

“I dipendenti vogliono l'IA, i leader sono alla ricerca di un percorso da seguire… i dipendenti non aspetteranno che le aziende si mettano al passo.” Questa è l’estrema sintesi di un report che suona in questi termini un po’ minaccioso. Il report è fatto bene, ma poni attenzione al fatto che è realizzato in collaborazione da LinkedIn e Microsoft, due attori non esattamente indipendenti in questo momento storico sul tema IA e relativi strumenti 🙂. Ma non è questo l’approfondimento che ti suggerisco oggi, anche se il report e i dati che emergono sono comunque una buona lettura.

In realtà, quello che ti suggerisco è uno strumento che mi è stato ed è tuttora molto utile per gestire la FOMO (Fear of Missing Out) che mi arriva da dentro l’azienda in cui lavoro ma anche dall’esterno. Se ti hanno fatto almeno una volta la domanda: “Qual è il miglior assistente IA per fare l’attività X?” sicuramente, nonostante come me ti potresti essere fatto un database personale di tool, sarai rimasto sorpreso e incapace di dare qualche suggerimento su un’attività specifica. Per essere preparato (quasi) su tutto, ti consiglio di andare e mettere tra i preferiti questo sito ed iniziare da questa area: AI for Work Tools, e se vuoi essere ancora più chirurgico, puoi andare direttamente alla lista dei 100 strumenti più utilizzati secondo le ricerche di FlexOS. 

Nell’area puoi anche trovare gli assistenti IA più utilizzati per le diverse tipologie di attività lavorative: per il marketing, per HR, per la generazione di presentazioni e così via. Sto usando questa fonte informativa da qualche mese e, pur non condividendo tutti i giudizi e pur mancando di specificità sulla lingua italiana, la sto trovando molto utile. Se la stai già usando o usi qualche altro strumento per selezionare i SaaS, AI powered, nella tua azienda, mi scrivi cosa ne pensi nei commenti?

👅Etica & regolamentazione & impatto sulla società. LLM: pappagalli stocastici o veri pensatori?

“Il nostro obiettivo è quello di riunire i ricercatori interessati a capire fino a che punto possiamo considerare causale l'output e il funzionamento interno degli LLM. In definitiva, intendiamo rispondere alla domanda: "Gli LLM sono pappagalli stocastici o possono ragionare in modo causale?"
Questo è il punto di partenza dell’approfondimento che ti consiglio oggi, una conferenza avvenuta a febbraio 2024 che ha riunito esperti sul tema, come Judea Pearl, autore del libro che ti ho già segnalato "The Book of Why: The New Science of Cause and Effect", e alcuni dei realizzatori di importanti e recenti paper sull'argomento.

Immagino che sarai curioso di sapere la risposta e, in parte, ti deluderò perché, come tutte le domande complicate, la risposta è "Dipende...". Ma dare un'occhiata ai paper presentati alla conferenza (basta anche solo l’abstract e le conclusioni) ti fornirà un’idea di dove sia arrivata una parte della ricerca. Se vuoi approfondire pareri discordanti sulla domanda, questa edizione della newsletter Data Machina è un buon punto di partenza.

Per spostare solo un pochino il punto di vista e vedere come una neuroscienziata, Anne-Laure Le Cunff, discute della differenza tra curiosità umana e curiosità artificiale in maniera equilibrata, ti consiglio di leggere questo suo post. Condivido pienamente le sue conclusioni e … per lasciarti con una prospettiva ottimistica del futuro che potremmo costruire te le trascrivo: "Il futuro della curiosità umana nell'era dell'intelligenza artificiale non è un gioco a somma zero. È un'opportunità per creare un ciclo virtuoso di scoperta in cui i punti di forza unici della curiosità umana e dell'IA si rafforzano a vicenda. Può essere un viaggio verso una destinazione condivisa."

Ah, dimenticavo, se non ti ho convinto con questo tema della curiosità, prova a leggere qui come alcuni ricercatori hanno dimostrato, in maniera data-driven, che il gioco dei migliori giocatori di Go è migliorato in qualità e creatività dopo essere stati sconfitti dall’intelligenza artificiale. 🙂

Se hai ulteriori suggerimenti e riflessioni sui temi di questo numero o per migliorare questa newsletter scrivimi (st.gatti@gmail.com) o commenta su substack.

Se ti è piaciuta e non sei ancora iscritto lascia la tua mail qui sotto e aiutami a diffonderla!

Alla prossima!