Complessità sociale e economica

Ettore Majorana del gruppo di Fermi nel ’30 scrisse un articolo dal titolo: “Il Valore delle Leggi Statistiche nella Fisica e nelle Scienze Sociali”. Questo articolo visionario, pubblicato postumo nel ’42, poneva un problema che è oggi particolarmente attuale soprattutto considerandolo nella prospettiva dei Big Data. L’articolo discute del seguente problema: in che misura la metodologia rigorosa della Fisica si possa esportare ad altre discipline per renderle più scientifiche ed oggettive. Forse non tutto il rigore della Fisica è esportabile ma queste altre discipline, come ad esempio l’economia, hanno una grandissima importanza per la nostra società oltre che un grande valore intellettuale. Quindi anche se il tasso di rigore fosse solo parziale, un aumento di scientificità in queste discipline sarebbe un risultato della massima importanza. Inoltre, da un punto di vista intellettuale e scientifico si creerebbe un legame tra le discipline delle cosiddette scienze esatte e quelle delle scienze socioeconomiche che avrebbe di per sé un grandissimo valore culturale e scientifico. Questa è una delle aree che intendiamo esplorare con la prospettiva concreta della Scienza della Complessità

Le nuove sfide e le opportunità del mondo iper-connesso

Gli anni recenti hanno visto l’emergere di fenomeni del tutto inaspettati rispetto ai quali le discipline e le analisi tradizionali appaiono del tutto inadeguate.

  • Internet, Google e la digital economy
  • Facebook, i social media e la dinamica dell’informazione e disinformazione
  • La crisi economico-finanziaria degli ultimi dieci anni
  • La fantastica e sorprendente crescita dell’economia cinese
  • La disintermediazione e lo sviluppo della Blockchain
  • Sostenibilità, reale benessere, disuguaglianze sociali, economie verdi e circolari
  • Smart Cities e Smart Nations
  • Intelligenza artificiale e Machine Learning
  • Il COVID-19, una tragica crisi ma anche una opportunità per ripensare l’economia

Gli elementi comuni di questi fenomeni sono una integrazione delle connessioni e degli eventi a livello planetario e la velocità con cui si evolvono e sviluppano proprietà emergenti imprevedibili. È evidente l’inadeguatezza dei concetti e delle analisi tradizionali e risulta chiara l’esigenza di nuove metodologie scientifiche per l’analisi, la comprensione e il controllo di questi fenomeni. Lo scopo è di comprendere e monitorare la società in modo consapevole per trasformare queste sfide in opportunità. L’idea fondamentale è di trattare questi fenomeni con metodi originali superando le barriere disciplinari e interagendo in modo trasversale con istituzioni accademiche, politiche e con il mondo produttivo delle aziende.

La Scienza della Complessità

Questa area scientifica è in qualche modo complementare alla fisica delle particelle elementari che è basata su un approccio “riduzionistico”. L’approccio tradizionale della fisica è infatti di considerare sistemi relativamente semplici e isolati e studiarli in grande dettaglio. Si considerano quindi i “mattoni” elementari che sono gli elementi costituenti della materia. Questa visione riduzionistica si può applicare con successo a molte situazioni ed implica l’esistenza di scale caratteristiche: la grandezza di un atomo, di una molecola o di un oggetto macroscopico. Ci sono però molte situazioni in cui la conoscenza degli elementi individuali non è sufficiente a caratterizzare le proprietà dell’intero sistema. Infatti, quando molti elementi interagiscono in modo non lineare possono dare luogo a strutture e proprietà complesse che non possono essere connesse direttamente alle proprietà degli elementi costituenti. In questi casi possiamo pensare ad una sorta di “architettura” della natura, che dipende in qualche modo dagli elementi individuali ma, inoltre manifesta delle proprietà e delle leggi fondamentali che non possono essere dedotte dalla conoscenza degli elementi microscopici che lo compongono.

Sistemi “tecno-sociali” è la locuzione usata correntemente per identificare sistemi socioeconomici in cui la tecnologia si fonde in maniera originale ed imprevedibile con aspetti cognitivi, comportamentali e sociali propri degli esseri umani. Le nuove tecnologie della comunicazione e dell’informazione (ICT) svolgono un ruolo sempre più pervasivo per la nostra cultura e la nostra quotidianità. Questa rivoluzione non giunge evidentemente senza controindicazioni, e nelle nostre società complesse emergono costantemente nuove sfide globali che richiedono costantemente nuovi paradigmi e pensiero originale per essere affrontate.

Negli ultimi anni la scienza della complessità ha mostrato di poter giocare un ruolo rilevante per la comprensione delle dinamiche sociali ed economiche. Riteniamo però che questo sia solo un inizio e che questo campo si svilupperà in modo poderoso in una nuova ed affascinante avventura scientifica con caratteristiche transdisciplinari radicalmente nuove e difficilmente inquadrabili nei contesti tradizionali. Per questo è necessario un punto di riferimento specifico e con competenze e caratteristiche nuove e adatte alla nuova situazione.

Si aprono dunque prospettive, fino a pochi anni fa inimmaginabili, che mescolano in modo sapiente diverse discipline e fattori. Da un lato possiamo considerare gli strumenti teorici e di modellizzazione propri della fisica dei sistemi complessi connessi alla capacità di analizzare, interpretare e visualizzare complesse moli di dati in modo originale. Dall’altro la vera essenza dei sistemi tecno-sociali fornisce una opportunità unica di sfruttare le nuove tecnologie ICT per monitorare e quantificare le tracce digitali dei comportamenti umani e dei fenomeni collettivi sociali ed economici con una risoluzione senza precedenti. Questa situazione comporta anche una originale sinergia tra discipline scientifiche ed umanistiche che si pone l’obiettivo di produrre risultati concreti e di diretta utilità.

L’Italia può giocare un ruolo importante in questi sviluppi per varie ragioni. Da un lato la scienza dei sistemi complessi è ben presente e ampiamente riconosciuta. Dall’altro gli elementi di creatività ed originalità associati a questi sviluppi sono anche uno dei nostri punti di forza. Infine, queste attività non necessitano di infrastrutture particolarmente onerose e possono dar luogo ad importanti risultati sia scientifici che pratici in tempi relativamente brevi.

Un esempio della nuova strategia: la Fitness Economica

Economic Fitness and Complexity (EFC) consiste in una metodologia radicalmente nuova che descrive le economie come processi evolutivi di ecosistemi di tecnologie e infrastrutture industriali e finanziarie che sono globalmente interconnesse. L’approccio è multisciplinare e affronta i fenomeni emergenti in economia da diversi punti di vista: analisi dei sistemi complessi, metodi di scienza dei sistemi e le recenti prospettive in ottica Big Data (sull’impronta del Page Rank di Google e Machine Learning) offrono nuove opportunità per descrivere costruttivamente gli ecosistemi tecnologici, analizzare le loro strutture, comprenderne le dinamiche e introdurre nuove metriche. Questo approccio fornisce un nuovo paradigma per una scienza economica fondamentale basata sui dati e non ideologica.

Un elemento cruciale è un approccio radicalmente nuovo al problema dei Big Data. Spesso Big Data è associato a “big noise” e ad una ambiguità soggettiva su come strutturare i dati e come assegnare un valore che in pratica corrisponde all’introduzione di molti parametri arbitrari, spesso oltre 100 per la valutazione della competitività industriale di un paese. Un punto chiave dell’approccio ECF è di passare da 100 parametri a zero parametri e quindi a risultati univoci e testabili con notevole aumento della scientificità dell’approccio. Questo viene fatto focalizzandosi sui dati in cui il rapporto segnale rumore è ottimale e sviluppando algoritmi iterativi nello spirito, ma diversi da Google, e ottimizzati al problema economico in questione.

Lo schema generale non è limitato all’economia e può essere adattato ad altre problematiche connesse con i Big Data come la dinamica sociale delle informazioni, gli ecosistemi biologici ed altri.  In sostanza il metodo della Fitness economica è basato su una serie di elementi radicalmente innovativi ed orientati all’obiettivo di rendere queste analisi riproducibili, il più possibile scientifiche e testabili in dettaglio con i dati disponibili. Gli elementi principali sono:

  • Focalizzarsi sulle connessioni piuttosto che sui soggetti individuali. Questa è una tipica caratteristica dei sistemi complessi visti come networks globali ed è stata la base dello sviluppo dell’algoritmo di Page Rank da parte di Google
  • Selezione strategica e gerarchica dei dati rispetto al rapporto segnale-rumore
  • Da 100 a zero parametri arbitrari. Eliminazione della arbitrarietà soggettiva della analisi per ottenere risultati scientifici e verificabili.
  • Costruzione dell’algoritmo della Fitness-Complexity. Ogni problema necessita dello sviluppo di un algoritmo appropriato. In questa prospettiva Big Data rappresenta un campo originale dove è necessaria notevole creatività.
  • La dinamica che emerge dallo spazio PIL-Fitness risulta fortemente eterogenea. Questo implica che l’analisi e le previsioni vanno fatte non con le usuali regressioni ma con metodi ispirati alla dinamica dei sistemi fisici complessi.
  • Tutto questo fornisce una metodologia previsionale migliore di quella standard del fondo monetario ma con risorse enormemente inferiori in termini di dati e personale.
  • Tutta questa procedura si può poi replicare con i dati dei brevetti e delle pubblicazioni scientifiche dando luogo alla Fitness tecnologica e alla Fitness scientifica. Questi dati permettono una analisi completa ed originale della competitività economica (prodotti e servizi) dei paesi e delle loro prospettive (tecnologia e scienza)
  • Si costruisce il network della tassonomia dei prodotti per ogni paese incluso lo sviluppo temporale. Da questo, attraverso opportuni algoritmi di Machine Learning e intelligenza artificiale, si possono definire le probabilità di produzione di nuovi prodotti. In questo modo si identificano le possibili traiettorie di sviluppo per ogni paese.
  • Infine, si identificano le innovazioni radicali (prodotti mai apparsi prima) come la combinazione di tecnologie mai apparse prima nello stesso prodotto. Anche in questo caso si utilizzano metodi di Machine Learning ed intelligenza artificiale.

Questa serie di elementi innovativi e trans-disciplinari ha permesso una analisi e previsione della crescita economica dei paesi ad un livello superiore rispetto alle analisi tradizionali. Negli ultimi tre anni la Banca Mondiale (IFC-World Bank) ha manifestato grande interesse a questi nuovi metodi ed ha instaurato una intensa collaborazione con il nostro gruppo. Cinque persone del gruppo sono state nominati consulenti ufficiali di IFC-World bank e da alcuni mesi il metodo della Fitness è ufficialmente presente nel sito della World Bank[1] .

 

Infine, il Joint Research Center della Commissione EU ha recentemente adottato queste nuove metodologie per l’analisi della competitività dei paesi EU e per lo sviluppo ottimale e la pianificazione dell’innovazione.

Un editoriale di Bloomberg Views ha così commentato questi sviluppi: “New research has demonstrated that the “fitness” technique systematically outperforms standard methods, despite requiring much less data”.

Recentemente insieme con la World Bank abbiamo presentato il metodo di EFC ad un think-tank del governo cinese (State Information Center) che sta considerando queste metodologie per la pianificazione e ottimizzazione dello sviluppo industriale cinese.                  Infatti, un altro importante risultato è l’analisi della crescita della Cina negli ultimi 30 anni. Le analisi tradizionali da circa 20 anni si aspettano un crollo di questa crescita. La Fitness invece permette di capire il motivo di questo grande successo economico della Cina e di predire ancora vari anni di forte sviluppo. Dal 2014 su queste questioni si è aperto un dibattito con Larry Summers (ex-segretario del Tesoro USA e ex Rettore di Harvard) che finora ha confermato la maggiore capacità previsionale delle nostre analisi.

Riteniamo che dall’esempio del metodo della Fitness si possano imparare interessanti concetti applicabili in modo più o meno diretto agli altri campi menzionati all’inizio. Va notato che gli algoritmi di maggior successo per l’Intelligenza Artificiale (quelli sviluppati per gli scacchi e per il Go) sono anche basati su metodi diversi dalla forza bruta e strutturati in modo simile alla Fitness. Si inizia infatti con una selezione ristretta dei dati ottimali, poi si sviluppa un algoritmo e solo alla fine si fa ricorso al Machine Learning.  Questa struttura introspettiva dell’approccio ha anche il vantaggio di rendere l’analisi relativamente trasparente ed interpretabile invece che affidarsi in modo cieco ad una Black Box.

Figura 2 Nella figura è riportata l’evoluzione temporale della ricchezza (PIL pro capite) nella ordinata e della Fitness (ascissa) per diverse nazioni. Per valori bassi della Fitness (parte sinistra del grafico) il moto è caotico e irregolare, mentre per le nazioni con alta Fitness (parte destra) si osserva un flusso regolare verso l’alto, ad indicare il fatto che i diversi paesi crescono in maniera sistematica. Questo tipo di approccio, diverso nello spirito e nella metodologia rispetto alle analisi economiche tradizionali, consente di fare previsioni a lungo termine molto buone e di indicare le strategie ottimali per migliorare la competitività industriale dei vari paesi con strategie ottimizzate per ogni paese e settore industriale.

 

Big Data tra opportunità e mito

L’immenso accumulo di dati in tutti i campi rappresenta un nuovo fenomeno con un grande potenziale ma che a volte porta ad aspettative eccessive e perfino mitiche.  La nostra strategia originale alla base di questa proposta è di sviluppare strumenti quantitativi che superino il Machine Learning standard per aumentare la capacità di comprendere ed avvalerci di queste immense quantità di informazioni. L’idea è di sviluppare un approccio scientifico, trasparente e testabile. Questa filosofia ha già trovato una concreta applicazione nello sviluppo del metodo Fitness Economica. L’uso di algoritmi e di metodi di Machine Learning va adattato ed ottimizzato per ogni classe di problemi per identificare per identificare e comprendere gli elementi essenziali dei vari fenomeni. In generale i dati non parlano da soli e non c’è una ricetta di validità generale.

Il punto fondamentale è di superare il mero accumulo dei dati ma piuttosto di focalizzarsi sulla analisi ottimale dei dati disponibili nella prospettiva del rapporto tra segnale e rumore. Infatti, l’idea che più dati diano necessariamente luogo ad analisi e previsioni migliori è, in generale, non valida. Questo fenomeno è ben noto nella Fisica dei sistemi dinamici in cui l’aumento della dimensionalità dello spazio implica un aumento esponenziale dei dati necessari. In pratica questo è un problema molto generale: se si sommano dati eterogenei che descrivono la struttura produttiva di una nazione, come ad esempio educazione e inquinamento, si devono assegnare inevitabilmente dei pesi arbitrari. La strategia sarà di valutare scientificamente queste problematiche. Questo rappresenta un elemento originale ma essenziale del nostro approccio per introdurre elementi scientifici verificabili nell’ambito dei Big Data. In pratica l’idea è di ridurre o eliminare gli elementi soggettivi e arbitrari e trattare i dati in modo gerarchico e sistematico. Questo porta a notevoli vantaggi in termini di scientificità e capacità predittiva come dimostrato dal metodo della Fitness Economica.

Reinventare le teorie e le pratiche economiche al tempo del COVID-19

I tragici eventi del COVID-19 portano ad una situazione in cui l’intervento dei governi sarà inevitabilmente protagonista della ricostruzione socioeconomica. Anche i più strenui fautori del Libero Mercato sembrano essere d’accordo su questo punto. La fondamentale lezione che dobbiamo imparare da questi eventi mostra che è illusorio cercare la teoria economica ideale, valida per ogni situazione. Questo implica che nello storico dibattito tra Stato e Mercato, era la domanda ad essere sbagliata più che le possibili risposte. Appare quindi necessario un cambio di paradigma in cui si parte da una dettagliata analisi della situazione e si considerano le possibili traiettorie per il suo sviluppo. Gli elementi essenziali di questo approccio sono una analisi critica di tutti gli eventi passati e un approccio scientifico per verificare idee e ipotesi in modo obiettivo e senza ideologie a priori. Alcuni di questi nuovi concetti sono già stati formulati: in particolare la “New Structural Economics” (NSE) sviluppata dal gruppo di Justin Lin e la nostra “Economic Fitness and Complexity” condividono alcuni importanti elementi generali coniugati in differenti prospettive. I due approcci in effetti sono complementari e la loro unificazione può dare luogo ad una nuova visione per le teorie e le pratiche economiche. Il progetto si propone di concretizzare questi sviluppi che hanno come conseguenza naturale una analisi innovativa ed interdisciplinare basata su dati e metodi scientifici moderni dell’area dei Sistemi Complessi (networks, algoritmi, Machine Learning etc.) per definire oggettivamente lo stato di una economia e i suoi possibili sviluppi. La ripresa economica dal COVID-19 può essere ottimizzata con queste metodologie che possono fornire delle analisi scientifiche e consapevoli e trasparenti per il decisore politico e per la società in generale.

Molti paesi in via di sviluppo nei passati 50 anni hanno cercato di migliorare la loro economia con una forte guida governativa. Nella maggioranza dei casi hanno fallito. Ma gli esempi classici di pure politiche di Libero Mercato, come il Cile negli anni ’60 ed altri, hanno anche fallito. Quindi da questi esempi si direbbe che entrambe le teorie sono sbagliate. D’altro canto, nei pochi casi di successo, si possono identificare entrambi gli elementi sia dello Stato che del Mercato. Un eccellente esempio è la Cina che, a partire dal 1978, ha adottato una graduale transizione da una economica pianificata ad una economia di mercato, in cui si possono chiaramente identificare i ruoli importanti sia dello Stato che del Libero Mercato. Un discorso analogo, sebbene in tutt’altro contesto, può essere fatto anche per la Silicon Valley.

Considerando l’inevitabile ruolo che dovranno avere gli interventi governativi per il COVID-19, è particolarmente importante analizzare in modo critico le ragioni dei numerosi fallimenti delle strategie governative nei vari esempi del passato e imparare da questi delle importanti lezioni. Il punto essenziale è stata l’incapacità dei governi di stabilire dei criteri efficaci per identificare i settori industriali appropriati rispetto alle effettive capacità e potenziale di sviluppo di un dato paese.

Infatti, in un editoriale dell’Economist (9 gennaio, 2016) si argomenta che “growth is devilishly hard to predict” Chiaramente ci dobbiamo aspettate queste stesse difficoltà per la pianificazione del dopo COVID-19 ed è quindi essenziale cercare di migliorare queste criticità con nuovi metodi scientifici e interdisciplinari.

Le nuove metodologie di NSE e EFC propongono un cambio di paradigma in cui più che cercare una risposta che non può esistere si cambia la domanda. Dal dilemma tradizionale sulla ricerca della teoria economica unica e perfetta si passa ad una domanda radicalmente diversa: “Qual è la teoria e gli interventi economici che sono appropriati per questo paese, per questo settore industriale ed in questo periodo?   Come in medicina non c’è una singola cura valida per ogni malattia, così in economia non ci può essere una singola teoria o pratica che sia valida per ogni paese e in ogni momento. In questo senso le varie teorie e strategie possono tutte avere una certa validità in uno specifico contesto, ma nessuna può essere quella corretta per ogni paese ed ogni periodo.

Quindi il punto essenziale è di focalizzarsi e caratterizzare scientificamente l’eterogeneità delle varie situazioni e poi identificare gli interventi adeguati che saranno necessariamente differenti e dipendenti dalle diverse situazioni. In questo modo ci si propone di superare il dibattito ideologico in una prospettiva scientifica, come in medicina si è passati dalle pozioni miracolose ad una vera scienza medica. Il punto di vista fondamentale per queste analisi è quindi una dettagliata caratterizzazione della situazione di un paese e delle sue industrie presenti e potenziali. La maggior parte delle politiche industriali che hanno fallito si sono poste come obiettivi dei settori industriali che non erano compatibili con l’ecosistema industriale del paese in termini di vantaggio comparato. La possibilità di una analisi scientifica di questi elementi permette di avere una valutazione realistica se si riuscirà ad avere accesso a certe tecnologie e prodotti e qual è il guadagno in termini di complessità dell’ecosistema economico e dei suoi possibili sviluppi.

Questo progetto si propone di creare un hub nazionale e internazionale per lo sviluppo delle metodologie di NSE e EFC nella direzione di un cambio di paradigma e di nuovo approccio scientifico alle teorie economiche ma anche di fornire analisi concrete e scientifiche per lo sviluppo del paese specialmente nel difficile periodo del post COVID-19. Sia il recupero delle capacità industriali sia l’orientamento verso nuovi equilibri socioeconomici possono avere da questi studi una informazione concreta e consapevole dei vari scenari. L’idea è di creare un centro localizzato nel CREF e che agisca come coordinatore di queste attività a livello nazionale acquisendo tutte le possibili competenze che possono essere utili dal sistema universitario, dagli enti di ricerca e anche dal settore privato con cui abbiamo già sviluppato ottime collaborazioni.

Collaborazioni internazionali

Naturalmente il CREF sarà anche un riferimento internazionale con istituzioni prestigiose che collaboreranno concretamente allo sviluppo del progetto.

  • Da oltre due anni la World Bank di Washington utilizza ne nostre metodologie ECF per lo sviluppo e il monitoraggio di oltre 30 paesi. Possiamo quindi garantire un coinvolgimento molto concreto della World Bank a questo progetto sia per quanto riguarda le idee e le applicazioni ma anche in termini di risorse e di personale.
  • L’Institute for New Structural Economics dell’Università di Pechino fondato e diretto dal Prof. Justin Lin rappresenta un naturale partner per questo progetto. Va notato che questa istituzione è particolarmente influente per le strategie del governo cinese.
  • Il Joint Research Center della Commissione EU ha anche interesse a queste metodologie finanziandolo con un progetto speciale e cominciando ad adottarle per le sue strategie.

Oltre a questi tre partner principali intendiamo sviluppare anche molte altre collaborazioni a livello europeo e internazionale con molti gruppi di ricerca che già utilizzano queste metodologie e con altri che considerano di farlo.

La dinamica delle informazioni nel mondo social

I social media hanno rivoluzionato il modo in cui comunichiamo e ci informiamo, diventando la principale fonte di informazione per la maggior parte degli utenti. Facebook conta più di due miliardi di utenti, che generano più di tre milioni di post al minuto, informandosi e informando senza l’intermediazione di giornalisti ed esperti, partecipando quindi attivamente alla produzione e alla diffusione di notizie e contenuti. Studi recenti hanno mostrato come i gruppi di utenti si concentrano in echo-chambers che formulano e confermano la loro narrativa preferita, contrastando sistematicamente ogni informazione dissidente. In questa situazione l’efficacia del fact-checking e del debunking è altamente questionabile; sono invece necessari strumenti innovativi, che affrontino il problema delle fake news utilizzando metodi improntati sull’analisi dei dati e sulla formulazione di algoritmi specifici e dedicati. Il gruppo proponente intende applicare gli stessi criteri di rigore scientifico e metodologico che hanno portato all’introduzione della metodologia Economic Fitness al problema della (dis-)informazione online, allo studio della diffusione dei contenuti, all’analisi della formazione delle echo chambers e allo studio delle dinamiche che portano gli utenti a spiraleggiare verso le echo chambers.

Creatività e Scienza: Una opportunità per l’Italia

La creatività è considerata sempre più come il motore del progresso in tutti i settori delle attività umane: arte, scienza, tecnologia, economia, business e politiche sociali. La creatività è chiaramente connessa a come le persone esplorano, individualmente o collettivamente, lo spazio delle possibilità accessibili. Questo metodo di esplorazione è il nuovo modo di creare valore aggiunto per sé stessi e per la comunità. L’obiettivo di questo istituto è di combinare questi elementi creativi con il massimo rigore scientifico superando le barriere delle singole discipline. Questa situazione di creatività aumentata può essere vista come la combinazione della intelligenza umana con quella artificiale.

Allo stesso tempo infatti la sola Intelligenza Artificiale è estremamente potente per problemi “difficili” e ben posti ma è difficile immaginare strategie che possano essere efficaci in un ambiente volatile ed in continua evoluzione. Ancora più difficile è immaginare l’applicazione di metodi di Intelligenza Artificiale in situazioni in cui lo spazio delle possibilità non è solo molto vasto e complesso ma anche, in qualche misura, indefinito. Questo implica un cambio di paradigma: inventare nuove soluzioni invece di cercare nuove soluzioni. È evidente che questa situazione è del tutto comune per i problemi delle società complesse, per la ricerca scientifica, per lo sviluppo di nuovi prodotti e servizi e chiaramente per lo sviluppo economico. Intelligenza Artificiale e Big Data sono essenziali gli uni agli altri ma sono ottimali solo in quei problemi che possono essere matematizzati in modo preciso e in generale questo non è il caso in molti dei sistemi complessi che intendiamo considerare. Ci proponiamo quindi di utilizzarli in un modo originale per aumentare la nostra comprensione dei sistemi sociali ed economici per i quali sono disponibili grandi quantità di dati.

In questo senso la nostra proposta si configura come originale rispetto a quelle di USA, Cina, Germania, Francia e molti altri paesi a cui vengono assegnate enormi risorse ma in una visione di AI relativamente tradizionale. Riteniamo quindi che l’Italia abbia tutti gli elementi per creare qualcosa di originale in questo campo anche con risorse limitate come è avvenuto con le previsioni economiche del metodo della Fitness rispetto a quelle del Fondo Monetario Internazionale (IMF).

Rapporti con le istituzioni politiche e con il mondo produttivo

Le attività saranno integrate con la dinamica della azione politica e l’analisi della Fitness permette già un certo numero di osservazioni e suggerimenti. Per una economia di qualità e strutturalmente stabile l’originalità e l’innovazione sono elementi essenziali del suo sviluppo e della sua crescita. L’analisi della Fitness permette di identificare il grado di competitività attuale e le sue prospettive di sviluppo concreto nei vari settori industriali di un paese. In questo senso è essenziale per lo sviluppo delle aziende di domani oltre a fornire un valido e concreto supporto informativo a quelle di oggi.

In questo senso è essenziale avere ben chiara la separazione tra le questioni importanti da quelle urgenti. Il successo anche economico di un paese non può avvenire solo con operazioni finanziarie di breve periodo ma è anche essenziale avere una visione strategica di lungo periodo che si focalizzi sulla innovazione e la qualità delle aziende future.  A questo fine abbiamo già iniziato una dettagliata analisi dei prodotti e dei servizi delle regioni italiane per identificare le migliori strategie di sviluppo. Questo tipo di analisi forniscono anche importanti informazioni per il mondo produttivo e le aziende e anche in questo campo sono già attive varie collaborazioni che verranno incrementate in modo sistematico. Naturalmente questi elementi vengono integrati anche da una analisi della sostenibilità sia ambientale che sociale con attenzione anche all’economia verde e circolare.

Infine, il metodo della Fitness Economica focalizza gli elementi essenziali dello sviluppo economico e sociale di un paese e li identifica nello sviluppo di prodotti e servizi di qualità che necessitano strategie di lungo periodo piuttosto che su elementi finanziari immediati e di breve respiro. Lo sviluppo della Silicon Valley e recentemente della Cina rappresentano importanti esempi di questa interpretazione.

Anche per le prospettive immediate una analisi maggiormente oggettiva e scientifica è essenziale per capire, controllare e dare il peso appropriato ai vari elementi in gioco. Ad esempio, per la crisi attuale dell’Italia si possono addurre varie origini: La crisi finanziaria originata dal fallimento Lehman, l’Europa e l’Euro, la crescita e competitività della Cina, la burocrazia, la giustizia, i migranti etc. Al momento i pesi attribuiti a questi vari fenomeni dipendono essenzialmente dalla narrativa con cui vengono descritti e quindi da elementi emozionali e retorici. Sarebbe invece essenziale capire i ruoli reali di questi vari fenomeni e passare da una analisi essenzialmente narrativa ad una quanto più possibile oggettiva e scientifica. Riteniamo che il CREF possa dare un importante contributo in questa direzione.

In questa stessa prospettiva di oggettività scientifica riteniamo di poter considerare problemi fondamentali come l’inquinamento, la sostenibilità, il benessere sociale e le economie verdi e circolari. Questo non significa ridurre lo spazio delle decisioni politiche ma fornire un quadro informativo che renda queste decisioni più consapevoli.

Collaborazioni e sinergie presenti e future

Al momento il gruppo proponente può già contare su collaborazioni e supporto da parte di molte istituzioni. Si intende però ampliare lo spettro delle collaborazioni e rappresentare un riferimento nazionale ed internazionale per queste attività a livello scientifico, di pianificazione politica e per il mondo produttivo e le aziende.

  • ISC-World Bank, Washington (Masud Cader, Leader Country analytics)
  • Sony Lab, Parigi (Vittorio Loreto, direttore)
  • CNEL, MIUR, MISE, MAE: Istituzioni politiche italiane con cui già collaboriamo
  • Joint Research Center, EU (Vladimir Sucha, direttore generale)
  • Luohan Academy e Ant Financial, Alibaba, Hangzhou (Ted Chu, Chief Economist)
  • Boston Consulting Group, New York and Paris (Martin Reeves, strategic institute)
  • Assoknowledge, Confindustria (Laura Deitinger, Presidente)
  • Incubatore di Start Up (Cristiano Esclapon, banchiere)
  • Vola Gratis (Marco Corradino, CEO, imprenditore)
  • PI-CAMPUS (Marco Trombetti, CEO, imprenditore)
  • Università Sapienza, Dipartimenti di Fisica, Informatica, Economia e Statistica
  • Università LUISS
  • Istituto dei Sistemi Complessi del CNR
  • Università Tor Vergata
  • Università Statale di Milano
  • Università Cattolica di Milano
  • Università Bocconi, Milano
  • Università Politecnica delle Marche
  • University College, London
  • Kings College, London
  • Imperial College, London
  • ETH Zurich, CH
  • University of Zurich, CH
  • University of Friburg, CH (Y.C. Zhang)
  • Complexity Science Hub Vienna (S. Thurner)
  • Columbia University, NY (Joseph Stiglitz)
  • Harvard University, Boston (Larry Summers)
  • Oxford University, UK (Eric Beinhocker)
  • Tokyo University of Technology (M. Takayasu)

Pubblicazioni (selezionate)

Impatto

Video

Editoriali (riviste internazionali)

 Editorials (riviste nazionali)

Conferenze

Libri