Agli inizi del 1800, nella giovane democrazia americana, la competizione politica per un seggio al Senato era già accesa. Elbridge Gerry, allora governatore del Massachusetts, notò che le zone dello stato a lui favorevoli si distribuivano sulla mappa in modo irregolare. Intuì che, ritagliando un nuovo collegio elettorale in modo da accorpare strategicamente queste aree, avrebbe incrementato le sue possibilità di vittoria. Il risultato fu un collegio dalla forma bizzarra, che sulla mappa ricordava una “salamandra”. Dall’unione del nome del governatore e della creatura, “Gerry-salamander”, nacque il neologismo “gerrymandering”, a indicare una tecnica manipolativa di analisi dell’elettorato, capace di influenzare il risultato elettorale alterando i conteggi relativi alle diverse zone del paese. Questa primitiva intuizione sulle regolarità territoriali, sul censo dei quartieri come indicatore delle possibili intenzioni di voto, rappresenta uno dei primi esempi di applicazione computazionale delle scienze sociali. Una disciplina, la sociologia computazionale, con le sue derivazioni dall’economia alle scienze politiche, allo studio dell’elettorato e dei sistemi democratici, che oggi, grazie alla statistica e alla grande quantità di dati disponibili, permette di studiare i fenomeni sociali emergenti in modo razionale e quantitativo.
Oggi, con i nuovi metodi computazionali e le tecnologie dell’intelligenza artificiale, sono stati introdotti i cosiddetti “gemelli digitali”, una rappresentazione virtuale degli attori economici e sociali che interagiscono tra loro seguendo regole predefinite, come degli “agenti” in un modello simulativo. Per esempio, nell’ambito della pianificazione urbana di una città, le automobili sono un agente che si muove sulla rete stradale. Questa è a sua volta un sottosistema interconnesso con altri, come le infrastrutture (fognature, reti elettriche e informatiche): ogni azione su un sottosistema induce variazioni negli altri. Il gemello digitale in ambito urbano simula scenari ipotetici, rispondendo alla domanda “cosa accadrebbe se…?” un certo evento si verificasse in una infrastruttura (ad esempio, la chiusura per lavori di una strada). Lo scopo di queste simulazioni è permettere ai decisori di comprendere l’impatto delle politiche di pianificazione e di adottare soluzioni più efficaci; in questo senso, il gemello digitale rappresenta un valido strumento di supporto alle decisioni.
L’avvento dell’intelligenza artificiale ha aperto la strada alla simulazione dei dati, con la capacità di creare repliche sempre più fedeli della realtà. Abbiamo tutti assistito agli effetti dei “deep fake” video, spesso sorprendenti, in cui l’intelligenza artificiale ha generato falsificazioni di livello incredibilmente realistico. Questi dati virtuali sono creati con una tecnica nota come “reti generative avversarie” (GAN), sistemi di intelligenza artificiale che si sfidano tra loro come “avversari”: un modello genera dei dati (immagini, testi, ecc.), mentre un altro sistema cerca di distinguere i dati generati da quelli reali. Questo processo iterativo porta il modello generativo a produrre risultati sempre più realistici.
La tecnica di reti generative avversarie ha dato vita, nelle sue varie incarnazioni, alla moderna intelligenza artificiale, dai grandi modelli linguistici alla generazione di immagini e video sempre più convincenti.
Combinando questa intuizione con le potenzialità delle reti neurali, è possibile generare dati sintetici molto fedeli agli originali, riproducendone la distribuzione statistica e le caratteristiche più complesse. Un sistema di questa potenza, capace di riprodurre fedelmente i dati, può essere utilizzato con successo nella pianificazione economica. Se conosciamo le caratteristiche delle imprese sul territorio, come fatturano, assumono lavoratori e gestiscono i flussi finanziari nell’economia reale, possiamo creare un gemello digitale e utilizzarlo per simulare scenari di crisi virtuali, comprendere quali settori diventano più importanti in caso di difficoltà, e identificare le strategie di intervento più efficaci.
Il gemello digitale si avvantaggia della comprensione delle reti economiche e del tracciamento delle transazioni finanziarie. La conoscenza pubblica di questi dati sarebbe di enorme importanza nella pianificazione economica: per esempio, potrebbe immediatamente mostrare cosa accadrebbe in caso di fallimento o crisi di uno specifico settore industriale. Tuttavia, le transazioni finanziarie sono protette dalla riservatezza per motivi di privacy e per prevenire la divulgazione di flussi finanziari che potrebbero avvantaggiare sistemi criminali. Questa segretezza, talvolta, paradossalmente aiuta proprio le reti criminali a gestire meglio i propri affari. D’altra parte, in un contesto pienamente legale, se conoscessimo come spende il denaro una società concorrente, potremmo ottenere un vantaggio competitivo significativo. Proprio per questi motivi, i dati finanziari vengono tenuti segreti: noti alle banche e al fisco, ma non utilizzati per la ricerca scientifica e la pianificazione economica.
È proprio in questo scenario di riservatezza che i dati sintetici, “fake realistici”, delle aziende italiane giocano un ruolo cruciale. Simulando un sistema realistico di fatture che non sono tracciabili e che non identificano l’azienda A piuttosto che l’azienda B, diventa possibile costruire un gemello digitale che rispetti la privacy, ma che al contempo offra informazioni preziose per la simulazione e la pianificazione. Se pertanto si conoscono questi dati di base e si simula sopra una copia sintetica con le reti generative, allora questo gemello digitale può essere utilizzato in una simulazione in cui è possibile creare scenari realistici di interazione e capire “cosa accade” in caso di crisi o perturbazione.
Per esempio, una rete di pagamenti può essere aggregata a livello di settore industriale (costruzioni, trasporti, ecc.) per capire come i flussi interni di denaro tra i settori e le province di un paese come l’Italia modellino l’economia locale. Comprendere i flussi, la loro diversità, aiuta a costruire società più resilienti, dove il fallimento di un settore economico non si ripercuote sugli altri settori, o lo fa in minima parte.
Le simulazioni su network economici, con l’aiuto dei dati sintetici, permettono quindi ai decisori di capire come ripartire i fondi, quali settori sostenere e come procedere in uno scenario complesso. La parola d’ordine è quindi simulazione con i gemelli digitali, uno strumento potentissimo per la pianificazione economica e la gestione del rischio.
