- 11 ore fa
Tech Talks - L'intervista ad Alfio Quarteroni, matematico e professore emerito del Politecnico di Milano
Categoria
🗞
NovitàTrascrizione
00:07immaginate di poter costruire un cuore non in un laboratorio non con bisturi e fili di sutura ma
00:15con dei numeri con delle equazioni insomma con la matematica immaginate anche di poter far
00:22navigare una barca da regata senza neanche bagnarla di simulare un terremoto prima che
00:28accada o di progettare un grattacielo nel vento senza mai davvero posare un mattone tutto questo
00:36sembra ma non è fantascienza è quello che succede ogni giorno nel lavoro di un uomo che ha dedicato
00:42la sua vita a dimostrare una cosa sola che dietro ogni grande tecnologia dietro ogni scoperta dietro
00:50ogni oggetto che usiamo c'è sempre e sottolineo sempre della matematica il numero uno in italia
00:58il numero 48 nel mondo più di 54 mila citazioni scientifiche decine di dottori di ricerca formati
01:05un cuore virtuale che batte davvero benvenuti a tech talks oggi il nostro ospite non studia la
01:12tecnologia lui direttamente la genera diamo il benvenuto al professor alfio quarteroni grazie
01:19allora professore lei è considerato il matematico italiano più influente al mondo eppure matematica
01:26è una parola che ancora spaventa molte persone in primis a me stesso come la descriverebbe a chi
01:34l'ha sempre vissuta come un ostacolo come un problema a scuola per esempio per molti la
01:38matematica è un ostacolo da superare e non sempre ci si riesce ma la matematica nasce perché risponde
01:46un'esigenza vorrei dire fondamentale primitiva dell'uomo quella di contare contare le pecole contare
01:55i vicini e di misurare se uno deve scambiare un campo con un altro campo deve avere un'idea vaga
02:03della dimensione del campo giusto per fare degli esempi quindi risponde bisogni primitivi e poi si
02:09sviluppa si sviluppa per dar risposte sempre più sofisticate e queste risposte sofisticate tipicamente
02:16si esprimono con numeri ma non solo con numeri intanto naturalmente i numeri naturali quelli
02:23che si utilizzano nella pratica quotidiana cioè 0 1 2 3 eccetera sono i primi elementi di questa storia
02:30poi l'uomo capisce molto in fretta che ha bisogno di altri numeri per esempio se uno deve calcolare la
02:36lunghezza della la famosa lunghezza dell'ipotenusa di un triangolo di un triangolo rettangolo che ha lati di
02:42lunghezza uno scopre che i numeri naturali non servono più servono dei numeri frazionari ma quindi
02:47frazioni tra due numeri uno deve tagliare una torta e deve sapere quali sono le parti oppure c'è un
02:52'eredità
02:52per capire quali sono le parti che vanno agli eredi ma anche lì si scopre che anche questi rapporti
02:57tra numeri naturali non bastano questa famosa diciamo ipotenusa e non è non si può esprimere
03:04con numeri naturali quindi bisogna avere dei numeri diversi e poi addirittura si arriva i numeri immaginari
03:10quelli che non si riescono nemmeno a vedere no ma se oggi non ci fossero per esempio non
03:16potremmo avere che so l'elettricità non potremmo avere un'infinità di altre diciamo benefit che
03:22sono alla portata e tutti noi di ogni giorno e così via in altri termini la matematica nasce
03:30le esigenze preliminari primitive ma poi si scopre che c'è bisogno di ampliarla e ampliarla bisogna
03:37l'ampliamento si associa al concetto di astrazione di generizzazione poi si passa dalle cose che non
03:43sono più numeri sono degli spazi sono delle creature che vivono nel loro proprio mondo e
03:48allora uno dice ma cosa serve tutto questo di fatto quello che si scopre che paradossalmente più si
03:54generalizza più si va verso l'astrazione e più si ha uno strumento potente per descrivere cose che sono
03:59invece tangibili di interessi per tutti noi se non avessimo fatto queste astrazioni nell'arco dei
04:06secoli diciamo dei millenni oggi non potremmo fare tantissime cose che facciamo perché sono
04:14governate da una matematica nascosta ma fondamentale e si adesso parleremo poi proprio di questo senta la
04:21sua carriera la portata da pavia losanna da stanford alla nasa c'è però un momento preciso in cui ha
04:28capito
04:28che la matematica non era soltanto teoria ma uno strumento potentissimo con cui si poteva cambiare
04:35il mondo reale ma io penso che tutti quelli che servizionano la matematica diciamo come professione
04:40dall'università in poi all'inizio sono tutti affascinati da questa idea di generalizzazione
04:45di astrazione e le carriere si costruiscono all'inizio proprio su questa base no creare nuovi teoremi
04:52dimostrare nuovi teoremi eccetera poi quindi c'è l'affascinazione della dell'immaginifico dell'astrazione
04:59poi dopo nel mio caso specifico forse il momento in cui diciamo tutto un po cambiato è quando ho
05:06iniziato a collaborare con la nasa da molto giovane e quindi essere interessato a probabilmente in quel
05:12momento un problema di interesse per la nasa cioè l'aeronautica l'aerodinamica e come fa un
05:18volare e come fare una scettola a volare no e come deve essere disegnato e quali sono i principi
05:25fisici che gli permettono di volare allora principi fisici sono diciamo leggi fondamentali non nulla si
05:31crea non si distrugge ad ogni forza con rispetto ad ogni azione che risponde un'altra reazione eccetera
05:36eccetera ma quando si traducono nel reale portano a equazioni ovvero portano a queste strutture che
05:43dipendono da variabili le famose incognite e se risolte danno fanno chiarezza per esempio nel
05:51caso dell'aerodinamica se risolvi l'equazione della dell'aerodinamico della fluidodinamica quella che
05:55permette per esempio gli aerei di volare trova tutte le variabili di volo e le velocità le pressioni
06:00le forze eccetera eccetera allora questo chiaramente ti mette da subito in una prospettiva di applicazione
06:06quindi vedi come la matematica sia non solo il linguaggio che descrive tutto questo ma lo strumento
06:12fondamentale quello che mette a terra tutti questi concetti fisici importanti fondamentali
06:18quindi diciamo che nel mio caso ho incominciato da rientressarmi molto seriamente alle applicazioni
06:23senta qui a tech tools noi esploriamo proprio le sfaccettature della tecnologia lei sostiene da
06:30sempre che dietro ad ogni grande tecnologia e l'ha detto anche poco fa c'è appunto della matematica
06:35può però darci proprio due o tre esempi concreti e sorprendenti di questo legame magari tratti
06:42proprio da quella che è la sua esperienza diretta ma prima partirei di qualcosa di molto generale
06:46quindi che non è che vedere quella mia esperienza diretta poi magari ci arriveremo ma giusto per far
06:50capire che ci sono che c'è matematica e tante cose che ormai facciamo in maniera ordinaria e
06:57certamente non pensando al fatto che dietro c'è la matematica
07:00assolutamente no non so questo è un telefono cellulare se mandiamo un'immagine o un filmato
07:09pensate quante volte ogni giorno scambiamo immagini o filmati beh c'è prima una digitalizzazione di
07:16queste immagini l'immagine dopo tutto è diciamo un insieme di pixel da tanti quanti sarà l'accuratezza
07:25di quello strumento che esiste la definizione quindi sponiamo di avere che so 10.000 pixel
07:32questo vuol dire 10.000 punticini che caratterizzano l'immagine ognuno di questi punticini è caratterizzato
07:38da un'intensità di colore che so giuste per semplificare se fossero immagini bianco e nero
07:43sarebbe l'intensità di grigio allora immaginiamo che un punticino che rappresenta il bianco valga
07:490 un punticino che rappresenta il nero valga 1 e poi c'è una scala di grigi intermedi che ovviamente
07:56le caratterizziamo attraverso un numero che sarà compreso tra 0 e 1 allora abbiamo 10.000 pixel
08:02abbiamo 10.000 numeri che sono le scale di grigio sostanzialmente quindi abbiamo 10.000 informazioni
08:07cioè numeri reali numeri questi numeri li trasferiamo da questo telefono che manda l'immagine al telefono
08:17che riceve intanto non vogliamo trasferire 10.000 numeri perché magari poi nei telefoni moderni non sono
08:24migliaia di numeri sono milioni in numeri vogliamo farlo in tempo reale cioè vogliamo
08:29farlo istantaneamente quindi intanto siamo dagli algoritmi matematici cioè i metodi che permettono di
08:34passare che so da 10.000 informazioni a 100 informazioni che racchiudono però tutta la
08:40accuratezza dell'immagine di partenza parlare l'immagine di un di nostro figlio il nostro
08:44nipote di un fiore bellissimo o di un paesaggio straordinario allora passo da 10.000 a 100 informazioni
08:51certe informazioni trasferisco rapidissimamente e poi dall'altra parte bisogna l'algoritmo
08:56inverso che passa dalle 100 alle 10.000 perché chi riceve l'immagine vuol vederla nella sua intera
09:01qualità allora questo processo di codifica di riduzione di dimensione all'inizio e di amplificazione
09:07della dell'immagine alla fine no nel nel telefono ricevente beh questo è fatto grazie all'algoritmo
09:14matematici stiamo parlando di euclide pitagora talete stiamo parlando di cose fatte nell'ultimo
09:19diciamo decennio del secolo scorso ed è continuamente naturalmente potenziato questo
09:25un esempio un altro esempio andiamo sul web vogliamo fare delle ricerche e vogliamo che
09:31so trovare la ricerca della vogliamo non lo sappiamo ma sapere cos'è la come come faccio
09:37voglio fare la torta di mele e non l'ho mai fatta e quindi chiedo il web e il web
09:42mi dà come
09:43sapete no su google o altri motori di ricerca subito una serie di siti che parlano di torta
09:50di mele no e sono ordinati attenzione quindi il primo è sempre quello più rilevante allora
09:56cosa ci sta dietro vedete ci sta una ricerca che il web fa quindi algoritmi fanno su tutto
10:01quello che è contenuto nel web nella rete quindi stiamo parlando di miliardi di miliardi di siti
10:07o di file no e li ordina per importanza questo è un processo che non è fatto un uomo che
10:16naturalmente
10:17impiegherebbe un tempo infinito e poi sbaglierebbe inevitabilmente sarebbe soggetto un bias noi suoi
10:22privilegi condizionato certo ma è fatto da strumenti matematici oggettivi da algoritmi allora queste cose
10:31ancora sono state scoperte dai nomi classici della matematica sono l'algoritmo iniziale che ha dato
10:39origine a tutto questo è stato trovato da da da brine page brine page sono quelli che hanno inventato
10:48google all'epoca erano due ragazzini che facevano il dottorato a stanford e hanno trovato questo
10:52algoritmo matematico per fare la classificazione e poi naturalmente era il 1900 e se ricordo bene
11:0197 98 poi naturalmente da lì si potenza continuamente google oggi come come voi sapete
11:09ha diciamo decine di migliaia di di di di ingegneri di matematiche sono che lavorano ma alla base ci
11:19stanno questi algoritmi matematici di classificazione senta lei ha applicato la modellazione matematica
11:24anche a dei settori che sono apparentemente veramente molto lontani tra di loro per esempio lei
11:29si è occupato della coppa america di vela come matematico si è occupato di geofisica di
11:35progettazione architettonica come funziona questo trasferimento di strumenti da un settore all'altro
11:42appunto apparentemente proprio completamente distanti e diversi tra loro perché c'è una
11:50armonia l'universo c'è una ricorrenza cioè quando lei osserva fenomeni apparentemente diversissimi beh ci
11:59sono delle chiave di lettura che permettono di fare delle sintesi di queste cose completamente diverse
12:04esempio è citato alcuni esempi coppa america di vela e che so cuore prima parlava di cuore o inquinamento
12:16atmosferico altre cose su cui ho lavorato eccetera beh sono dei fluidi l'acqua america di vela la barca è
12:23un oggetto che si muove un oggetto solido che si muove nell'aria e nell'acqua e quindi incontra
12:29l'esistenza di due fluidi aria e acqua in questo caso se devo fare l'inquillamento atmosferico su
12:35milano per via della che so del riscaldamento quindi butto in atmosfera dei gas che si disperdono
12:47in un fluido che è l'aria anche lì ci sono dei movimenti di fluidi oppure sverso qualcosa in un
12:55fiume o in una laguna sensibile siamo laguna di venezia giusto per fare un esempio anche lì c'è un
13:01problema di movimento in fluido eccetera eccetera allora cosa condivide la coppa america di vela
13:06con l'inquinamento della laguna di venezia o l'inquinamento atmosferico su milano l'uomo
13:10della strada direbbe nulla di fatto un matematico un fisico prima vede che ci sono degli elementi che
13:16sono di fatto come dire si ripetono e un matematico vede le tue equazioni allora le equazioni che uso per
13:24la coppa america di vela non sono le stesse di quelle che uso per la laguna di venezia piuttosto che
13:29l'inquinamento su milano ma sono simili nel senso che rispondono a principi fisici simili se
13:36risolve queste famose equazioni dell'edamica di fluidi uno riesce a trovare tutte queste informazioni
13:40se di queste informazioni l'ingegnere sa come tradurle in progetto e se sa come tradurle in
13:45progetto sono come arrivare a fare la barca per vincere fino ad la storia perché lei ha fatto un
13:51lavoro un lavoro specifico sul cuore umano ha modellato l'elettrofisiologia la meccanica
13:56la fluidodinamica no ed è forse uno degli esempi a mio giudizio più affascinanti di matematica in
14:03quel caso applicata alla medicina quanto è fedele oggi un cuore virtuale come quello che che che lei
14:11ha aiutato a creare e quali sono le decisioni cliniche che può aiutare a prendere un cuore
14:19artificiale che riesca a simulare in tutto e per tutto quello reale beh diciamo partiamo dalla fine
14:25le decisioni sono infinite nel senso che come se perché so lei è un cuore malato un cuore malato
14:33facciamo fin da che sia un cuore che ha una disfunzione valvolare noi sappiamo che nel cuore
14:38ci sono quattro valvole e queste siamo si aprono si chiudono ogni istante hanno scritto ogni secondo
14:43quindi immaginatevi ogni secondo quindi 3.600 volte in un'ora e vuol dire quindi diciamo ordine
14:51di 60 mila volte un giorno e poi noi viviamo sperabilmente 80 anni quindi 360 per 80 per
15:00miliardi di volte no tanti miliardi di battiti cardiaci nell'arco di una vita umana quindi c'è
15:06questa robina qui questa diciamo questo foglietto valvolare che sbatte vorticosamente una volta
15:13ogni secondo no per alcuni miliardi di volte durante l'anno immaginatevi un motore fisico
15:19immaginatevi una cosa fisica che sia soggetta a questo di pressollecitazione l'uomo non ha inventato
15:25niente di più sofisticato nel cuore ci hanno inventato nessuna macchina che sia più performante
15:30del cuore quindi queste cose qui devono resistere nel tempo per così tante volte no ovviamente succede
15:36che a volte ci sia anche problema c'è una patologia quindi che so non riesce più a chiudersi perfettamente
15:41una valvola e quindi vuol dire che altri venticoli invece di essere perfettamente separati comunicano
15:46quindi c'è uno sversamento di sangue dall'altra uno all'altra uno all'altro oppure dall'arteria
15:52orta al venticolo sinistro invece che esserci sempre un flusso in una sola direzione il cuore
15:57deve buttare fuori il sangue nell'arteria orta allora se è un sangue di ritorno questo non va bene no
16:02quindi crea problemi di varia natura se poi parli con i cardiologi naturalmente le possono descrivere
16:07tutti i problemi che nascono per via di questi fatti eccetera quindi per esempio si pone il
16:12problema di sapere se con la valvola lì va sostituita oppure no e qui non è la magia che
16:20deve entrare in gioco sapere come sarà il futuro di questo certo non è una previsione infatti non è che
16:25deve fare una previsione basata su allora come fa la previsione il medico come la fa la previsione
16:29il medico beh sulla base di quello che lui ha visto statisticamente nei casi precedenti quindi
16:35sulla base dell'esperienza sulla base delle sue conoscenze sulla base della sua arte eccetera
16:40allora il cuore matematico cosa fa dice ok io ti faccio vedere adesso sul computer quel cuore
16:49lì specifico di quella persona specifica in questo momento funziona così perché perché questa
16:53valvola ha una diciamo una perdita un leaking di questo tipo beh cerco di capire come una volta
17:02riparata quella valvola ovvero innestata un'altra valvola artificiale come si comporterebbe quel cuore
17:08lì di quella persona lì o nello specifico quindi faccio un'analisi predittiva allora prima di fare un
17:16impianto in una valvola il medico a questo punto ha degli elementi ulteriori complementari non sostitutivi
17:22nessuno pretende sostituire il medico e sia molto chiaro però ulteriori importantissimi per fare un'analisi
17:29più informata anche quantitativamente più informata e predittiva e quindi decidersi che per quel paziente
17:36quella valvola è bene lasciarla così com'è magari curarla via così diciamo terapeutico e quindi con farmaci
17:43piuttosto che invece intervenire e sostituire questo è un esempio cioè ne possa fare mille
17:47certo è affascinante scoprire come appunto la matematica è il fattor comune che passa da una barca a vela da
17:56competizione ad un cuore umano senta parliamo di un argomento che è sicuramente molto caldo parliamo di
18:05intelligenza artificiale e il famoso machine learning cioè la capacità delle macchine di
18:13apprendere insomma continuando a lavorare sono oggi un po forse le parole d'ordine del mondo tech
18:21quale ruolo gioca la matematica classica cioè l'analisi numerica le equazioni differenziali a cui
18:28abbiamo citato prima in un'epoca che è dominata da queste tecnologie cioè sono degli approcci alternativi
18:34complementari sono le basi comunque per poter sviluppare poi intelligenze artificiali sempre più
18:40sofisticate mi racconti il rapporto che c'è con la matematica allora partiamo da partiamo da
18:48dal machine learning e dall'intelligenza artificiale prima poi alla fine arriveremo a vedere qual è la
18:53possibile convergenza tra questo approccio questa nuova rivoluzione e quello invece che abbiamo di
18:59classico la matematica il problema del machine learning dell'intelligenza artificiale allora cosa
19:06ha un nome pessimo che è stato dato mai 70 anni fa 71 anni fa era probabilmente il nome di
19:12marketing
19:13volevano all'epoca avere di finanziamenti dalla national science foundation trovato questo bellissimo
19:17nome che affascinante certo e quindi chiaramente questo qui ha svegliato l'interesse di tantissime
19:24coscienze però diciamo non si non si definisce mai questo contesto così l'intelligenza tutti evitano
19:31questa trappola quindi si parla invece di comportamenti intelligenti delle macchine
19:37cioè comportamenti delle macchine che sono in qualche maniera simili ai comportamenti umani
19:43per fare che cosa per risolvere specifici problemi quindi io voglio che poi quando si parla di macchine
19:49si parla di computer quando si parla di computer non si parla di ferraglia che pure è costosissimo
19:53si parla di software quindi si parla di algoritmi dell'intelligenza artificiale
19:57allora io cosa voglio che faccia il mio algoritmo di intelligenza artificiale per esempio
20:01voglio che sia in grado di leggere le immagini e capire cosa si sta in queste immagini meglio
20:07di qualunque occhio umano o anche un occhio umano esperto allora di che immagini si tratta
20:12immagini di qualunque tipo pensiamo alle immagini di un reparto di neurologia in un ospedale
20:21di oncologia uno fa delle tacco delle risonanze al cervello perché c'è una persona che ha dei
20:28problemi e quindi si vuole capire se c'è un problema patologico importante no magari magari
20:34magari c'è un tumore con tantissimi tipi diversi tumori cerebrali e se quel tumore lì è un tumore
20:40benigno che va lasciato lì va solo osservata ma insomma non bisogna fare nulla pure viceversa
20:45se c'è un tumore che va curato eccetera e ci sono appunto tantissimi tipi di tumore quindi come si
20:51classifica ora immaginatevi un grande ospedale che è una grande divisione di radiologia che ha che
20:57fa ogni giorno che so 100 da 100 risonanze risonanze non è un numero fasullo se avete
21:04avuto qualche esperienza un ospedale grande qui diciamo a milano ce ne sono tanti veramente di
21:09grandi no sono dei numeri realistici magari una settimana si accumulano migliaia di tacco di
21:16risonanze eccetera poi ci deve essere grande esperto radiologo oncologo neurochirurgo eccetera
21:23che le va ad esaminare una per una e cerca di capire cosa mi sta dicendo quell'immagine non è
21:29semplice non è affatto semplice e poi è lunghissimo quindi è molto difficile richiede grandissima
21:36esperienza e tempi molto lunghi adesso immaginatevi un algoritmo di intelligenza artificiale che
21:40creato in pasto mille immagini in una frazione di secondo spara fuori la classificazione di ognuna
21:46in maniera accurata gigantesco come guadagno no? ok quindi è un algoritmo che è imparato a risolvere un
21:57problema umano no? che risolverebbe un umano un esperto in questo caso e lo fa bene quindi non
22:05dobbiamo parlare di intelligenza dobbiamo parlare di comportamenti diciamo fatti dalle macchine per
22:11risolvere problemi estremamente difficili con una capacità molto simile a quella degli umani cioè
22:15parlare no? allora la macchina non ha un cervello quindi glielo dobbiamo dare quindi i dati sono gli
22:26stessi dopodiché il cervello sono le reti neurali le reti neurali sono gli algoritmi matematici che
22:31permettono alla macchina di imparare machine learning quindi la macchina impara grazie a
22:36strumenti che sono degli strumenti matematici non c'è nulla di fisico qui non c'è nulla di materiale
22:41no? sono algoritmi che mimano in qualche maniera la struttura diciamo dall'apprendimento cerebrale
22:47e quindi ci saranno dei neuroni matematici che sono dei palini virtuali eh c'è nulla di fisico tutto
22:53rappresentato nella testa oppure carta e penna diciamo neuroni virtuali che sono collegati ad altri
23:01neuroni virtuali prendono informazioni numeri fanno operazioni matematiche e ne passa passano
23:08il risultato di queste elaborazioni a neuroni vicini quindi si crea una sorta di rete di reticolo
23:13neurale artificiale che è un surrogato della rete neurale biologica che sta nel cervello questa roba
23:20logicamente impara poi ovviamente il suo domanda è molto più generale perché diciamo allora la scienza
23:27classica la matematica classica dove sta? e non sta beh sta nel senso che poi questi algoritmi
23:34utilizzano la qualità di matematica spaventosa e quindi un po' tanta matematica sta dietro di queste cose
23:41però per esempio la matematica che permette di descrivere all'indica una New York Cup America che si muove
23:48oppure un inquinante che viene diffuso all'aria eccetera quindi le famose equazioni che facevo riferimento prima
23:53qui non ci sono però noi le conosciamo allora siccome noi sappiamo che una buona teoria
23:58supportata da una buona pratica rende l'uomo migliore no? quindi potenzia le capacità umane
24:07l'intelligenza artificiale del futuro sarà un'intelligenza sempre più consapevole dal punto di vista scientifico
24:13quindi è dove il mondo di prima si incontra col mondo nuovo il mondo di prima è quello della teoria
24:19si incontra col mondo nuovo è quello dei dati e dell'esperienza e fa qualcosa che si chiamerà scientific machine
24:24learning
24:24ovvero machine learning scientifico e quindi si va verso una nuova forma di intelligenza artificiale
24:29che sarà sempre più ispirata dalle conoscenze del passato perché non dobbiamo buttare via
24:37Newton, Galileo, Maxwell, Schrödinger, Einstein e tutti quelli che hanno permesso a noi di essere le persone che siamo
24:46certo anzi
24:47senta siamo quasi in chiusura
24:50Tech Talks chiede sempre ai propri ospiti qual è la tecnologia o l'idea diciamo tecnologica
24:57che la entusiasma di più in questo momento anche al di fuori del suo campo nella matematica
25:03ma adesso ne abbiamo parlato, l'intelligenza artificiale è certamente diciamo l'elefante nella incristalleria
25:09perché siamo in un momento in cui abbiamo questo strumento che sta impossessandosi tra gli altri
25:16delle nostre apparentemente capacità cognitive e questa è la prima volta nella storia
25:22è una rivoluzione tecnologica che a differenza di tutte quelle precedenti va a toccare un ambito
25:28che pensavamo noi rigorosamente, gelosamente riservato agli esseri umani
25:33nostro, no?
25:35e abbiamo già avuto un po' di questi diciamo scossoni nella nostra storia passata
25:39perché all'inizio pensavamo di essere al centro dell'universo e poi è arrivato Keplero e ha detto
25:46no ragazzi, siete sbagliati
25:48attenzione
25:51noi giriamo intorno al sole e poi siamo in una galassia che è una dei tanti miliardi di galassie
25:57quindi insomma siamo un punticino
25:59il fatto che siamo soli forse non è proprio un concetto così vero
26:01non siamo veramente sul universo
26:03poi però pensavamo almeno su questa terra che noi fossimo come dire il punto d'arrivo più nobile
26:11poi è arrivato Darwin e ha detto attenzione
26:13e poi pensavamo di essere almeno, come dire, almeno i detentori esclusivi della nostra mente
26:23poi è arrivato Freud e a questo punto cosa restava?
26:26restava il linguaggio
26:29poi arriva già GPT e parla meglio di noi
26:32e ci intrattiene meglio di quanto possiamo pensare
26:35ci possa intrattenere il nostro amico, il nostro professore eccetera
26:39quindi insomma sono momenti un po' difficili no?
26:41ma suoltre quest'ultima cosa effettivamente ha una capacità di costruire
26:47chissà se ci arriveremo, il pensiero
26:50per il momento sta cercando di costruire il ragionamento
26:53e quindi arrivarci dal punto di vista logico
26:56cominciamo ad avere dei teoremi dimostrati da C-A-GPD
26:58no scusate, non da C-A-GPD ma strumenti analoghi a C-A-GPD se vogliamo
27:02quelli dell'intelligenza generativa
27:06quindi cominciamo a, come dire, ad avere delle grandi crisi esistenziali
27:10forse abbiamo qualcosa che sta creando qualcosa no?
27:14pensavamo che poi l'elemento creativo fosse di escludere la pertinenza nostra
27:19e questa certezza incomincia a vedere no?
27:23allora il ragionamento è siamo lì perché ci sono già tante manifestazioni di questa
27:28intelligenza artificiale che ci fa un po' capire che incomincia a essere in grado di ragionare
27:36logicamente, logicamente, rigorosamente
27:38bene professore io innanzitutto la ringrazio personalmente perché finalmente sono riuscito a vedere
27:45la matematica sotto un'ottica differente rispetto a quella
27:49e quindi credo che sia una cosa bellissima e credo che sia un effetto che ha avuto anche chi ci
27:56sta guardando
27:57quindi grazie davvero per essere stato con noi
27:59la rinviterò sicuramente perché così andremo a vedere che cos'è successo nel frattempo
28:04di tutti questi scenari che abbiamo raccontato
28:06grazie davvero
28:07grazie a voi
Commenti