Category Archives: Contenuti Speciali

Hai detto “bias algoritmico”?

Un estratto tratto dal libro Nel paese degli algoritmi, di Aurélie Jean

Nell’ottobre 2009 entravo dunque a far parte del laboratorio biomedico di medicina rigenerativa della Penn State. Il nostro team intrecciava prospettiva medica e ingegneristica allo scopo di sviluppare delle tecniche per creare tessuti in laboratorio (o più esattamente in un bioreattore) con cui sostituire tessuti danneggiati. In altre parole, si trattava di un passo avanti decisivo nella lunga storia dei trapianti: creando tessuti direttamente dalle cellule staminali del paziente, si porrebbe fine al fenomeno del rigetto! Si eviterebbero anche operazioni successive in un bambino in crescita con una protesi sintetica o naturale, poichè la protesi potrebbe crescere con lui. Per tutto questo ci vorranno ancora degli anni, e all’epoca si era proprio agli inizi. Quanto a me, lavoravo allo sviluppo in vitro di cellule cardiache per la riparazione del tessuto miocardico dopo un infarto. Un anno prima, con il team di Lisa Freed, nel laboratorio del professor Robert Langer al MIT, George aveva sviluppato una tecnica unica per generare artificialmente un lembo di tessuto miocardico, con risultati molto promettenti: la morfologia del tessuto artificiale e il suo comportamento elastico relativo erano molto simili a quelli del tessuto in vivo. Ma il tessuto era ancora troppo rigido, e troppe cellule cardiache morivano durante la crescita. George, un visionario, vedeva nei modelli e nelle simulazioni della mia tesi un modo intelligente per migliorare la sua tecnica. In effetti, il tessuto miocardico è costituito (tra le altre cose) da cellule cardiache circondate da collagene. Abbiamo quindi stabilito un’analogia tra queste cellule e le “mie” nanoparticelle di carbonio nella loro matrice elastomerica, e insieme abbiamo creato degli algoritmi di simulazione ispirati al mio primo lavoro… Evviva il dialogo tra le scienze!

Ma l’interdisciplinarietà non è solo una questione intellettuale.

Come diceva George, «You have to get your hands dirty»: la medicina non si impara solo sui libri, per capire bisogna anche toccare, manipolare. Secondo George, io non potevo trasporre il mio modello dalla morfologia delle microstrutture della gomma al tessuto miocardico se non capivo il funzionamento del cuore, come organo e a livello cellulare. è in quest’ottica che, pochi mesi dopo il mio arrivo, ha deciso di far sezionare il cuore di un maiale affinchè io ne comprendessi l’anatomia, e anche di farne estrarre le cellule e coltivarle, per illustrarmi la vita quotidiana di una cellula del miocardio.

Hai detto “bias algoritmico”?

Così, alla fine del 2009 affronto la mia prima dissezione di un cuore. Sono seduta a un bancone del laboratorio sotto una cappa aspirante, vicino a George, lui rilassatissimo, io galvanizzata all’idea di interpretare il ruolo del dottore. Mi rendo conto di quanto sono fortunata a passare le prossime due ore a imparare direttamente da un grande esperto della materia. I miei microprocessori sono mille miglia lontani: mi trovo in perfetto assetto da scienziata da laboratorio, con guanti, mascherina e camice bianco. Finalmente incarno l’immagine che mia nonna aveva di me quando dicevo che lavoravo in un laboratorio di ricerca. Dopo avermi introdotto agli strumenti che useremo per la dissezione, George mi spiega come incidere i tessuti del muscolo cardiaco in modo da non danneggiarli

in vista dell’estrazione delle cellule. Scopro per la prima volta l’interno di un cuore, con le due metà quasi simmetriche, da cui partono rispettivamente l’aorta e l’arteria polmonare. Identifico gli atri, i ventricoli, le valvole… Ma a proposito: come si distingue il ventricolo sinistro dal destro prima della dissezione? Molto semplice, mi risponde George. Mi chiede di chiudere gli occhi e di toccare entrambe le parti. Una è più rigida: è la sinistra, da cui parte l’arteria aorta.

La meccanica del cuore mi affascina: un organo ingegnoso, incredibilmente sofisticato, concepito in maniera perfetta dalla natura per far circolare il sangue in modo regolare in tutto il corpo. George mi spiega che l’anatomia del cuore di un maiale è simile a quella di un cuore umano. Tuttavia, mi dice, il posizionamento nella gabbia toracica non è uguale nell’uomo e nell’animale. E insiste sul fatto che, in generale, le differenze morfologiche tra essere umano e animale sono molte; quindi traslando i risultati ricavati sugli animali in ambito umano, corriamo sempre il rischio di introdurre nella nostra ricerca dei bias.

Bias: è la prima volta che mi imbatto in questo termine in inglese.

Avevo già capito, nel quotidiano, che la nostra visione a volte distorta delle persone, delle culture e delle cose in generale può influenzare i nostri giudizi e percezioni. Ma fino a ora, per me, era un aspetto che rimaneva legato alle prove sperimentali e agli studi clinici. Di sicuro non ai miei algoritmi. Mi sbagliavo. Nel giro di due ore e mezzo completiamo la dissezione e l’estrazione delle cellule cardiache. Le depongo delicatamente in una piastra di Petri, che trasferisco all’interno dell’incubatore caldo e umido, in modo che possano crescere. Richiuso l’incubatore, comincio a pulire il bancone e gli strumenti secondo il rigido protocollo di sterilizzazione. Ed è allora che George decide di affrontare il tema delle simulazioni numeriche e di tornare sulla questione dei bias.

«Abbiamo pensato ai bias che potremmo introdurre nei modelli e negli algoritmi che sviluppiamo per simulare il comportamento elastico di un muscolo cardiaco creato in laboratorio?»

La domanda mi coglie alla sprovvista. Al punto che, me lo ricordo bene, scoppio a ridere. «Che cosa? Ma qui non c’entrano!» rispondo, un po’ troppo sicura di me.

Il mio ragionamento era questo: eseguendo simulazioni direttamente su modelli virtuali di esseri umani viventi, io non traslo alcun risultato dall’animale all’essere umano. Quindi non mi scontro con il problema dei medici, che eseguono test su mammiferi o roditori e che ipotizzano per traslazione i risultati nell’uomo. In breve: nessuna estrapolazione, quindi nessun bias!

George mi sorride. Con tono bonario e venato di ironia, mi dice che ho una visione distorta della natura dei bias e di come si esprimono: «I tuoi modelli e algoritmi possono contenere dei bias, perchè scrivendoli tu ti basi sulla tua conoscenza del mondo, e nel caso specifico sulla tua conoscenza di come funziona il corpo umano. Che dipende dalla tua comprensione delle informazioni che ti trasmettono i medici. Naturalmente, non puoi avere la garanzia di averle assimilate tutte alla perfezione. E anche se così fosse, quelle stesse conoscenze possono essere altrettanto parziali. Perchè anche noi medici a volte abbiamo una conoscenza limitata! Sul funzionamento del cervello, per esempio…»

George ha ragione.

Poi mi parla del nostro modello che simula il comportamento elastico del tessuto miocardico in vitro. La scelta dei parametri, la scelta delle equazioni matematiche, o anche la semplice ipotesi di considerare in prima battuta un comportamento puramente elastico del tessuto cardiaco… tutto può essere fonte di bias! Comincio a capire. Pensavo di poter garantire l’assenza di bias perchè giustificavo in maniera rigorosa e sistematica ciascuna delle ipotesi che formulavo nell’algoritmo, ma qualsiasi modello è per natura un’approssimazione, il cui grado dipende anche da chi lo sviluppa. «Il modello rappresenta soltanto una grande ipotesi» spiega George. «Si basa su scelte, consapevoli o meno, e in ognuna di queste scelte si annidano le nostre percezioni, che dipendono da chi siamo, da quel che sappiamo, dal nostro profilo scientifico e da molto altro».

In altre parole: ogni modellazione rimane un’approssimazione della realtà; e anche se le mie ipotesi sono buone, devo guardare al quadro generale: se si basano su dati parziali, risulterà parziale anche il mio algoritmo.

VN:F [1.9.22_1171]
Rating: 0.0/10 (0 votes cast)
VN:F [1.9.22_1171]
Rating: 0 (from 0 votes)

La tigre di Noto, di Simona Lo Iacono

Un testo di Simona Lo Iacono racconta la genesi del suo nuovo romanzo (in uscita ad aprile) su Marianna Ciccone, la professoressa di matematica e fisica alla Normale di Pisa che nel 1945 respinse da sola un attacco nazista all’università.

Il destino di certi personaggi è iscritto in un codice inaccessibile, che bisogna decifrare. Non si palesano. Si nascondono. Restano in ascolto. Poi, improvvisamente, basta una parola, un segno, persino uno sguardo, ed eccoli. Si presentano. E a quel punto è come se ci fossero sempre stati.

E’ avvenuto così, tra me e Marianna Ciccone, professoressa di fisica e matematica della Normale di Pisa.

Molto prima di sapere della sua esistenza, vagheggiavo una donna che sapesse leggere sui libri come sui numeri. E sulle righe storte come su quelle dritte. Amavo appassionatamente la sua convinzione che per interpretare l’universo servisse non solo la scienza, ma anche la poesia. Mi entusiasmavo se la sentivo dire che nell’armonia del creato, il più piccolo, il più debole, reggeva il più forte. Mi commuovevo se nell’incrocio tra una nebulosa e una meteora, non vedeva una traiettoria matematica, ma un gesto d’amore.

Avevo un solo rammarico.  Pensavo che una donna così non esistesse. Invece esisteva. E mi seguiva da tempo, era lì a interpretare ogni mio passo. Fino a che è venuta allo scoperto.

Era un pomeriggio del 2019. Rientravo dalla casa circondariale di Bicocca, dove stavo mettendo in scena I civitoti in pretura, con un gruppo di detenuti minori. Lo spettacolo si inseriva in uno dei miei progetti rieducativi. Da qualche anno infatti prestavo servizio nelle carceri minorili, dove l’urgenza educativa era più forte, e avevo sperimentato che il teatro, la parola, la poesia, dava gioia, liberava, curava. In quella occasione avevo coinvolto l’avvocatessa Rina Rossitto, attrice del teatro di Noto. Dato che i “miei” detenuti erano tutti uomini, mi serviva una donna che interpretasse le parti femminili. E lei era bravissima.

Proprio mentre rientravamo a Siracusa, Rina mi disse: “Sai, sto recitando a teatro un piccolo monologo, che parla di una donna straordinaria, nata a Noto alla fine dell’Ottocento, divenuta professoressa di matematica e fisica alla Normale. Nel 1945 respinse da sola un attacco nazista all’università”. Rimasi sconcertata.   Le chiesi: “Ma come si chiamava?” 

Rina disse: “Marianna Ciccone, ma è conosciuta come “La tigre di Noto”, per la forza e il coraggio con cui si scagliò contro i nazisti in difesa della biblioteca di Pisa”. Una volta a casa mi misi freneticamente alla ricerca. Internet. Biblioteca. Saggi. C’erano pochissime notizie. Allora chiamai l’assessore alla cultura di Noto. Telefonai alla professoressa che aveva scritto il monologo teatrale. Cercai, rovistai.

La trovai. Era proprio lei. La donna che da anni vagheggiavo, quella che pensavo non esistesse.

Marianna nasce a Noto il 29 agosto del 1891 (secondo quanto risulta dai documenti più attendibili, quelli dell’anagrafe e del casellario giudiziario, mentre in alcuni documenti presenti nella sua cartella personale nell’archivio universitario l’anno di nascita è spostato di un anno, al 1892). Proviene da una famiglia agiata, il padre è un ricco commerciante e lei cresce come le buone signorine dell’epoca. Viene educata per allevare una famiglia. Però. Marianna legge. Sui libri e sui numeri. Sul nascosto e sul visibile. Sa che i raggi stellari hanno un andamento logaritmico, e che i segni – le parole, le formule matematiche – comunicano una verità: tutto è collegato con tutto. Dunque, Marianna Ciccone non esclude nulla nella sua ricerca scientifica. Né la letteratura, né i numeri. E il suo percorso è miracoloso per una donna della sua epoca, soprattutto siciliana, costretta in un ambiente poco incline alla crescita professionale di una ragazza. 

Dopo aver conseguito il diploma per l’abilitazione all’insegnamento nelle scuole elementari presso la Scuola Normale di Noto, Mariannina frequenta l’Istituto Tecnico di Modica, dove, nel 1914, consegue la Licenza Fisico-Matematica. Questo titolo di studio le è necessario per accedere all’università. Si iscrive infatti alla Sapienza di Roma e poi alla Normale di Pisa, contro il volere della famiglia.

Mariannina sfida da sola un mondo accademico interamente maschile. A Pisa si laurea infatti in Matematica nel 1919, è una entusiasta allieva di Einstein, diventa prima “assistente aggiunto” dell’Istituto di Fisica, diretto da Luigi Puccianti, e poi a partire dal primo dicembre “assistente effettivo”. Prende una seconda laurea in fisica e nel 1935 trascorre un periodo di ricerca nell’Istituto di Fisica della Scuola di Ingegneria di Darmstadt, dove viene in contatto con il futuro Premio Nobel Gerhard Herzberg.

Il suo occhio è allenato alla luce. La scandaglia, la interpreta, la intuisce. Applica i suoi studi di spettroscopia ai primi macchinari in grado di fissare l’immagine, anzi li inventa lei stessa. Con i suoi allievi ha un approccio didattico fuori dal comune, insegna loro che il cielo è un immenso essere vivente che respira, che l’apprendimento è lettura di tutte le cose, dei libri come dell’universo.

Quando i nazisti mettono in atto il programma di razzia delle biblioteche e la c.d. Judenforschung ohne Juden (“scienza degli ebrei senza ebrei”, che prevedeva che il primo passo per eliminare un popolo fosse distruggere i suoi libri) si scaglia come una tigre – completamente sola – verso il drappello di tedeschi che vuole depredare la biblioteca della Normale, perché sa che una aggressione ai libri è una violenza perpetrata ai danni non della cultura, ma della stessa natura.

E’ controcorrente, coraggiosa, visionaria. A distanza di più di un secolo dalla sua nascita, e alla luce degli eventi attuali, possiamo dire che tutte le sue intuizioni sull’armonia delle cose, sul profondo legame tra realtà diversissime tra loro, era fondato e radicato in una vera legge non solo scientifica ma soprattutto morale.

Marianna indagava i fotoni e la legge di gravità, sapendo che non si trattava di equilibri diversi dal comportamento dell’uomo. Non si sposò mai, per non trascurare i suoi studi, e non le fu mai conferita la cattedra, nonostante avesse vinto il relativo concorso, perché donna. Giunta alla pensione, tornò a Noto, dove morì dimenticata.

Eppure, ha avuto la forza di raggiungermi. Nell’anno della pandemia, è stata lei a sostenermi, durante la stesura del mio ultimo romanzo: La tigre di Noto.

Simona Lo Iacono

VN:F [1.9.22_1171]
Rating: 0.0/10 (0 votes cast)
VN:F [1.9.22_1171]
Rating: 0 (from 0 votes)

Autotrasportarsi in un altro mondo

Elena Dal Pra è la traduttrice del libro Nel paese degli algoritmi di Aurélie Jean. In questo testo racconta la sua esperienza di traduzione.

Quando ho avuto tra le mani le “copie staffetta” dell’edizione italiana – ossia quelle mandate prima che il volume approdi sugli scaffali fisici e virtuali delle librerie – ho pensato che fosse perfetta: quelle catenelle un po’ acquoree che stingevano nella profondità del blu, un po’ numeri un po’ bollicine, evocavano bene lo stato dei miei mesi di immersione nel libro.

Perché se è sempre vero che quando si traduce ci si autotrasporta in un altro mondo, e non se ne esce – quasi neanche fisicamente – fino alla parola “fine”, con il libro di Jean questo è accaduto in una maniera diversa. Perché non si trattava solo di un mondo sì immaginario, o comunque raccontato, ma sempre fatto di persone, storie e accadimenti; si trattava proprio di un’altra dimensione: quella della formalizzazione numerica dietro gli schermi dei nostri device e delle sue catene-reti, così perfettamente rese nel blu sottomarino della copertina. Un “paese delle meraviglie” in cui Aurélie ragazzina si è inoltrata come una novella Alice.

Traducendo, e leggendo, si ha l’impressione che Jean, raccontandoci le tappe della propria vita di scienziata, ci prenda per mano e ci faccia tuffare nelle profondità multistrato di quel mondo. Chiamata a studiare e poi ad applicare gli algoritmi in ambiti sideralmente lontani tra loro, Jean usa le sue esperienze di ricerca come una sorta di obiettivo che si apre e si chiude su paesaggi diversi, dando in parte conto della vastità e varietà di un continente. Così, nel mio lavoro, altrettanto varia è stata la rosa di amici-consulenti che ho mobilitato (e che ringrazio): il medico, il fisico, l’ingegnere, il chimico, il banker, e, ahilui sopra tutti, l’informatico – il lavoro del traduttore si avvale spesso di strumenti umani, oltre che di dizionari cartacei o digitali, non per nulla in inglese esiste l’espressione “walking dictionary”! Ognuno di loro mi ha fornito qualche chiave per approcciare quei mondi, anche se il linguaggio non è mai usato in maniera così tecnica da risultare respingente, e anzi il libro è denso di esempi che danno un corpo molto concreto anche ai concetti astratti. Ogni tanto mi è capitato anche di dover “tradurre al contrario”: dato l’argomento, infatti, mi è successo di imbattermi nel francese in termini tradotti dall’inglese, e che in genere in Italia si usano direttamente nell’originale; in effetti, Jean ringrazia i revisori dell’originale per la pazienza con cui hanno sostituito gli anglicismi, e però auspica l’uso dell’inglese come lingua franca, in una comunità scientifica che vuole linguisticamente “pervia”, a garanzia dell’immediata osmosi del sapere.

Il libro, del resto, nasce proprio da una pulsione etica all’accessibilità della conoscenza. Della comprensione delle dinamiche del mondo digitale (il nostro!) anche da parte dei non addetti ai lavori, Jean ha fatto ormai, con la sua società In Silico Veritas, il suo obiettivo professionale. Si rivolge a noi per trasformarci in “utilizzatori illuminati”, nella convinzione che solo una relativa alfabetizzazione tecnologica – o almeno una consapevolezza dei meccanismi di base – possa difenderci dalla manipolazione, e far sì che siamo noi a governare gli algoritmi e non viceversa. Perché con i loro bias, intenzionali o meno, possono finire per giocarci pesantemente contro o a favore. Quello di Jean è un appello a tutte le componenti della società: politici, regolatori, formatori, cittadini. Ed è un appello che ha il carattere dell’urgenza.

Rispetto ai bias, in particolare, Jean insiste sulla necessità di diversity nei gruppi che concepiscono e sviluppano algoritmi. Solo così si può abbattere il rischio che contengano bias discriminatori nei confronti di alcuni gruppi o categorie, e gli esempi concreti che porta sono lampanti. Qualche riga fa, scrivendo, mi sono resa conto che tutti gli amici che ho consultato nel corso della traduzione – l’ingegnere, il chimico, il fisico, l’informatico, come in una sfilata di piccoli personaggi di Richard Scarry – sono maschi. Unica eccezione è stata un’amica filosofa che si occupa, tra l’altro, di tematiche di genere. Non è un caso: è proprio perché il filo rosso di questo testo è un’avventura di vita e professionale nelle scienze dure, e troppo poche sono ancora le donne che se ne occupano. È uno dei temi forti di Jean, che parla di se stessa come di una femminista naturale, cresciuta dai suoi nonni lontano da stereotipi e appartenenze limitanti.

Questa newsletter esce nella Giornata internazionale delle donne e delle ragazze della scienza: che la potenza e l’energia di Aurélie Jean siano di ispirazione, e ad maiora!

Elena Dal Pra

VN:F [1.9.22_1171]
Rating: 0.0/10 (0 votes cast)
VN:F [1.9.22_1171]
Rating: 0 (from 0 votes)