09:33 – Discorso introduttivo di Roberto Serra

Roberto Serra introduce i partecipanti alla conferenza. Ringraziamenti all’università di Reggio Emilia, al centro di E-learning, ai partner del CETRA, agli organizzatori locali (Simone Righi, Luca Ansaloni, Alex Graudenzi, Alessandro Filisetti, Chiara Damiani e Stefano Bonacini). Ringraziamenti speciali a Sabrina Bandini e Marco Villani.

09:44 Fulvio Dodich introduce John Casti

Breve introduzione di Fulvio Dodich, CEO di Ferretti Yacht a John Casti.
Inizia la presentazione di John Casti: Why Business Simulation – Agent based models in the cause of business.
Distinzione tra complesso e complicato: La caratteristica distintiva di un sistema complesso è l’emergere di comportamenti emergenti, dall’interazione dei componenti individuali che compongono il sistema. Ad esempio la determinazione del prezzo all’interno di un mercato non si può determinare prendendo in considerazione il singolo agente.
Alcuni esempi di sistemi complessi e adattivi: Stock Markets, Supermarkets, economie nazionali, reti di comunicazione. Anche il football americano (o il calcio) è un sistema complesso adattivo: i giocatori sono gli agenti, ogni agente ha a disposizione una serie di azioni con cui interagire con altri agenti, lo spazio è delimitato dal campo di gioco e i comportamenti emergenti (ad esempio segnare un gol, fare meta..) è frutto dell’interazione di tutti gli agenti.
Le impronte digitali della complessità:

• Numero di agenti medio, non cosi piccolo da poter calcolare tutte le interazioni, non cosi grande da poter stimare il comportamento del sistema tramite misure statistiche.
• Intelligente ed adattivo: L’agente del sistema utilizza regole per decidere come agire. Ogni agente possiede diverse regole da poter valutare. L’agente monitora sempre le conseguenze delle regole adottate, cambiando il proprio comportamento nel caso in cui le regole adottate non si dovessero rivelare efficaci. Tornando all’esempio del calcio, i grandi giocatori sono quelli in grado di creare nuovi modi di agire, creare quindi nuove regole.
• Non vi è alcun agente nel sistema in grado di conoscere tutte le informazioni che caratterizzano il sistema. Ogni agente decide quindi sulla base delle proprie informazioni locali.

Quali sono gli aspetti più importanti da tenere in conto nella produzione di strumenti di simulazione:
Devono essere realistici, facili da usare, utilizzabili in macchine standard….
Un esempio illuminante è rappresentato dai modelli sviluppati per le imprese di Assicurazioni. Nello specifico Assicuratori di Assicuratori, cioè compagnie Assicurative che si accollano il rischio delle imprese di Assicurazione di primo livello, ovvero quelle a cui tutti noi ci rivolgiamo quando vogliamo stipulare una polizza.
Non si cercava un metodo in grado di prevedere catastrofi naturali, un modello del genere, oltre ad essere impossibile da realizzare, annulla il rischio legato all’insorgere di fenomeni catastrofici eliminando di fatto la necessità di stipulare una polizza assicurativa. Si cercava invece un modello in grado di rappresentare le interazioni presenti tra le diverse società di assicurazione. I risultati ottenuti hanno permesso di formulare alcune ipotesi di scenario relative al mercato assicurativo nei prossimi 10 anni.
In un altro studio, Casti evidenzia le analogie riscontrate tra il mercato del latte in Nuova Zelanda ed il mercato del petrolio.

Bruce Kogut, INSEAD & Columbia University

Alcune osservazioni sul network costituito dalle imprese di compagnie aeree, analisi del falimento di Swiss Air. Libri consigliati: Competing the Edge, libro scritto dalla collega di Stanford Shona L. Brown, ora impiegata nella ricerca per Google.

12:00 – Claudio Delrio

Introduzione di MENON: MENON is a European research and innovation network, active at national, European and international level, providing information and advice to policy makers, education communities, and the ICT industry on issues related to innovation and changes in Education and Training, Lifelong Learning and Knowledge Society developments in Europe and worldwide.
Commenti su alcuni risultati ottenuti in collaborazione con l’osservatorio europeo. E’ emerso che la trasformazione delle opportunità di apprendimento creano delle nuove divisioni, necessario quindi colmare il gap tra istruzione/formazione e mercato.
Nella società della complessità sono necessarie alcune competenze chiave: Auto valutazione ed auto diagnosi, comunicazione e cooperazione, imparare ad imparare sono solo alcune tra le principali.
E-Learning: Studio delle nuove forme di apprendimento on-line.E-Learning utilizzato come mobilità virtuale, per studenti che non riescono a frequentare le lezioni. Con E-Learning ci si riferisce all’evoluzione 2.0. Evoluzione 2.0 spiegata attraverso un video:

E-Learning 2.0, ci riferiamo ad ambienti multimediali, massivi e multiutente. Harvard Law School ad esempio ha da poco tenuto una lezione su Second Life. Le università hanno capito il potenziale e stanno muovendo i primi passi. Altra espressione sono i Blog, ad esempio prendiamo il blog di Beppe Grillo, uno dei più visitati al mondo. Wikipedia, comunità online di successo aperta agli sviluppi degli utenti. Astraendo dal caso particolare dobbiamo prendere atto che stiamo assistendo ad un cambiamento. Purtroppo non tutti gli enti di formazione professionale colgono le opportunità offerte dall’innovazione.

12:40 – The CETRA Project

Fondato nel 2005, rientra all’interno del progetto Europeo “Leonardo da Vinci”. Coordinato dall’Università di Modena e Reggio Emilia, Antares, Università di Salamanca, Fed Set, ITOK, Mediacontech (precedentemente conosciuta come Euphon S.p.a.), EQT Germany, MENON, ZSI Austria.
La rete delle imprese partecipanti nel 2005 presentava un numero inferiore di collegamenti, ad oggi le relazioni tra gli enti organizzativi sono molto maggiori.
Prende la parola Marco Villani, professore dell’università di Reggio Emilia, coordinatore progetto CETRA. Il progetto può essere riassunto in 3 parole: Innovazione, Management, Formazione. La scienza dei sistemi complessi diventa la parole chiave che ci permette di parlare di innovazione.
Perchè i managers dovrebbero dedicare tempo e risorse allo studio della complessità? Con manager si intende una persona con un buon grado di autonomia, responsabilità e che ha il ruolo di prendere decisioni. Come decidere quali azioni intraprendere e come valutarne gli effetti? La complessità può dare interessanti risposte a questi quesiti.
Una delle idee chiave è proprio innovazione, intesa come serie di cambiamenti. L’innovazione emerge dai fenomeni di autorganizzazione,
Gli obiettivi (tutti raggiunti) del progetto pilota erano:

• Ottenere linee guida per la creazione di corsi di e learning
• Relizzazione di un sito web
• Organizzare un workshop internazionale
• Linee guida per la costruzione di un corso on line
• Pubblicazione del libro

1. Il numero di nodi è fissato fin dall’inizio: Erdos e Renyi trascurarono gli aspetti evolutivi delle reti. Internet al contrario è evoluzione continua, dalla prima pagina di Tim Berners Lee al momento in cui pubblicherò queste righe, il Web non ha mai arrestato la sua espansione.
2. I nodi (in internet i siti web) non sono tutti uguali: Sembra banale doverlo ribadire ma il mio blog non è sicuramente uguale al sito della Disney o alla Home page di Google

La rete si evolve: il Modello A

Barabasi ipotizzò quindi una rete in grado di evolvere. Per semplicità consideriamo una rete formata da nodi uguali tra di loro e con la possibilità di creare al massimo 2 link in uscita.
Al tempo t=0, il nodo 1 riceverà due link dal nodo 2.
Al tempo t=1, il neonato nodo 3 distribuirà i suoi link al nodo 1 ed al nodo 2 (che, essendo uguali tra di loro, avranno la stessa probabilità di ricevere un link).
t=3, aggiungiamo il nodo 4, i nodi 1, 2, 3 avranno tutti la stessa probabilità di ricevere un link dal nodo 4.
Reiterando il procedimento di evoluzione per n volte, possiamo immaginare che i nodi più vecchi avranno più link in ingresso rispetto ai nodi più giovani, dal momento che partecipano all’estrazione per un numero maggiore di volte. All’opposto, l’ultimo nodo arrivato non potrà avere nessun link in ingresso dal momento che non ha partecipato nemmeno ad una estrazione.
Il Modello A di Barabasi manifestò un grado distribuzione di tipo esponenziale simile ad una curva a campana, facendo decadere l’ipotesi alla base della rete internet: la legge di potenza ad invarianza di scala, responsabile della nascita degli hub. Il modello aveva bisogno di un’ ulteriore modifica…

I nodi non sono tutti uguali

In che modo creiamo link in uscita? Come scegliamo i siti a cui destinare un link? Molto semplicemente, creiamo link verso risorse che riteniamo utili per i nostri visitatori. Nel mio blogroll trovate un link verso il sito di Matt Cutts, l’impiegato di Google più famoso dopo i 2 fondatori Brin e Pages. Avrei potuto creare un link verso Vanessa Fox, anche lei impiegata a Google con mansioni dirigenziali, e quindi bene informata sugli sviluppi del motore, ma ho scelto Matt. Perchè? Perchè Matt Cutts è ritenuto, in rete, una fonte autorevole, è più conosciuto e quindi ha un numero maggiore di link in ingresso.
Possiamo generalizzare ed affermare che ognuno di noi tende a creare link verso siti già conosce quindi più connessi rispetto ad altri. Quando scegliamo i nodi verso cui creare un collegamento, tendiamo a preferire i nodi con un numero maggiore di link in ingresso. Questo concetto è stato riassunto da Barabasi con il termine di collegamento preferenziale.

Crescita + Collegamento Preferenziale = …

Crescita: Ipotizziamo di avere una rete che evolve un nodo per volta
Collegamento preferenziale: Ogni nuovo nodo potrà instaurare 2 link verso i nodi già esistenti. La probabilità di questi ultimi di ricevere un link è direttamente proporzionale al numero di collegamenti che già possiedono.
Il modello cosi ottenuto è in grado di giustificare la presenza di Hub in internet. Ogni volta che si aggiunge un nodo alla rete, i nodi più vecchi hanno maggiore probabilità di ottenere un link in ingresso, ma la sola anzianità non è in grado di giustificare la presenza di Hub. Grazie al maggior numero di link in ingresso rispetto ai nodi più giovani, con il passare del tempo i nodi anziani raccolgono un numero sempre maggiore di connessioni (concetto di collegamento preferenziale) a scapito degli ultimi nodi arrivati. Ecco come si creano gli Hub, grazie ad una logica del tipo “i ricchi diventano sempre più ricchi”, i nodi più connessi raggiungono un numero esorbitante di link in ingresso a spese dei link meno connessi.

Tutto qui?

La realtà dista ancora dal modello di Barabasi basato solamente su crescita e collegamento preferenziale, sicuramente più verosimile del modello di Erdos e Renyi, trascura ancora diversi aspetti della rete reale. In internet i siti nascono e muoiono, i link si creano, si modificano e si distruggono. Soprattutto in questa logica, dove i ricchi sono destinati a diventar sempre più ricchi, come spieghiamo la nascita di nuovi siti di successo come Youtube o StumbleUpon?

Nella distribuzione di Poisson le “ali” della campana decrescono con velocità esponenziale, proprio la pendenza della curva è responsabile dell’assenza di nodi altamente (e scarsamente) connessi. Nella distribuzione della legge di potenza, la curva decresce più lentamente, dando luogo a nodi altamente connessi, chiamati Hub.
In formula, Barabasi ha stabilito empiricamente che il numero N di nodi (pagine) con k link in ingresso è pari a:

Dove y indica l’esponente di grado, tipico di ogni rete. L’esponente di grado della rete internet è pari a 2,1 nel caso in cui si consideri k come il numero di link in ingresso ad un nodo e 2,5 nel caso in cui k rappresenti il numero di link in uscita.
Per esemplificare la sostanziale differenza tra la topologia di una rete casuale e quella di una rete dominata da una legge di scala, Barabasi paragona la prima alla rete autostradale americana e la seconda alla cartina delle rotte aeree. Nella rete autostradale i nodi (le città) sono caratterizzati da un numero medio di link (le autostrade). E’ difficile che una città non sia collegata nemmeno ad una autostrada e che un’altra sia collegata ad un numero di autostrade sensibilmente superiore alla media.
Al contrario, la topologia delle rotte aeree americane mostra che tutte le città hanno almeno un aeroporto di piccole dimensioni ma i voli raramente hanno come destinazione un’altra città di piccole dimensioni ma puntano invece ai grandi aeroporti nazionali (chiamati non a caso Hub anche nel parlare comune).
L’esperimento di Barabasi, provando che in Internet i link non seguono una dinamica aleatoria, lascia aperto un interrogativo; Perchè il web non risponde al modello delle reti casuali?

1. Aggiungere il proprio nome alla lista contenuta nella busta, in modo da poterne ricostruire il tragitto.
2. Staccare una cartolina postale (contenuta nella busta) ed inviarla all’università di Harvard cosi da poter monitorare gli spostamenti della lettera.
3. Consegnare la lettera al destinatario (cioè l’abitante di Sharon o di Boston a seconda dei casi) se lo si conosce di persona.
4. Se non si conosce di persona il destinatario, non tentare di entrare in contatto con lui ma affidare la lettera ad un conoscente che si pensa possa avere maggiori contatti con il destinatario.

I risultati furono incredibili, su 42 lettere che tornarono all’università, la media di contatti necessari per collegare gli abitanti di Sharon o Boston a quelli di Omaha o Wichita furono 5,5. Negli anni seguenti questo numero venne arrotondato a 6 e venne battezzato con il termine Sei gradi di separazione. Sei gradi di separazione sono quindi il numero di contatti che, con buona (ed abbondante) approssimazione, dividono 2 persone scelte a caso nel mondo. I sei gradi di separazione stupiscono perchè è contro intuitivo pensare che in una rete (quella sociale) cosi grande sia possibile muoversi con una tale velocità. Altrettanto stupefacente è l’idea che sia sempre possibile collegare 2 persone qualsiasi.
Ed il web quanto è grande? E’ possibile ripetere l’esperimento di Milgram online? Quanti sono i gradi di separazione che dividono 2 pagine web scelte a caso tra i miliardi di documenti presenti in rete? Rifacendoci all’esperimento di Milgram, quanti click sono necessari per raggiungere le home page di un abitante di Boston partendo dal sito personale di un cittadino di Omaha? A questo quesito rispose Albert Laszlo Barabasi con un esperimento del 1998. Per praticità, Barabasi e la sua equipe di ricercatori della Notre Dame University esaminarono un sottoinsieme della rete, per la precisione presero in considerazione i documenti contenuti nel sito www.nd.edu, circa 300.000 pagine web. In media, le pagine contenute nel domino distavano 11 click.
11 gradi di separazione dividono quindi qualsiasi coppia di documenti prelevati a caso dal web? No di certo, la distanza non può essere una variabile indipendente dalla dimensione della rete, per questo motivo Barabasi ripetè il suo esperimento su un campione casuale di 1000 pagine web. Una volta calcolata la distanza media allargò il campione a 10.000 documenti, e cosi via fino a quando i calcolatori furono in grado di sostenere l’onere computazionale che tale operazione comportava. Il risultato fu una formula matematica in grado di individuare i gradi di separazione in funzione della grandezza della rete:
d=0,35 + 2logN
In parole, la separazione è proporzionale al logaritmo del numero dei nodi che compongono la rete.
Applicando la formula e sostituendo ad N il numero di pagine web attualmente on line scopriamo che 2 documenti distano in media 19 click.
Suona contro intuitivo e viene da chiedersi come possono due documenti annegati in miliardi di altri documenti distare solamente 19 click l’uno dall’altro. La risposta è da ricercare nell’elevata interconnessione esistente tra i nodi delle reti telematiche. Nel post dedicato alle reti casuali si rifletteva sul fatto che sia sufficiente anche solo un link affinché si crei un unico cluster gigante. Se i nodi superano tale soglia minima, la rete improvvisamente collassa. Se i nodi hanno in media k link, partendo da un nodo qualsiasi possiamo arrivare direttamente ad altri k nodi. in due passaggi possiamo raggiungere k alla seconda nodi, in 3 tocchiamo k alla terza nodi e cosi via. Se k è un numero grande, in pochi passaggi possiamo connetterci con un ampio ventaglio di nodi.

Se la natura distribuisce i suoi link alla cieca, nel lungo periodo nessun nodo risulta favorito rispetto agli altri

La debolezza del modello risiede proprio negli scarsi riscontri in applicazioni concrete ma non era certo intenzione di Erdos e Renyi elaborare una teoria universale sulla formazione delle reti.