Informatica e Ricerca Operativa.

Diritto e Ricerca Operativa
Diritto e Ricerca Operativa, ricerca operativa, la ricerca operativa, ricerca operativa matematica, problem solving, scienze computazionali, data mining, artificial intelligence, intelligenza artificiale, machine learning, operational research, computer science,

di Sergio Mauri

L’informatica, cioè secondo una definizione storica “il trattamento automatico delle informazioni”, è parte della risoluzione dei problemi (problem solving). Gli elaboratori elettronici sono i nostri alleati perfetti nell’affrontare i problemi, perché permettono di automatizzare le soluzioni ai problemi stessi su larga scala. Le scienze computazionali[1], infatti, sono diventate uno strumento fondamentale per quasi tutte le discipline, dall’analisi testuale al data mining, dalla fisica alla chimica, dall’astrofisica all’economia, dalla biologia alla meteorologia. Potremmo quindi affermare che l’informatica è parte integrante la risoluzione dei problemi della R.O..

Per risolvere problemi, dobbiamo innanzitutto capirli, chiedendoci quale sia il problema da affrontare, quali siano le entità in esso coinvolte e come queste ultime interagiscano tra loro. Se rispondiamo a queste domande, siamo in grado di capire “dove siamo”, a che punto ci collochiamo nell’affrontare il problema. Sarà qui utile aprire una parentesi sul concetto di algoritmo. Questo concetto è fondamentale per impostare il nostro discorso sul problem solving, sull’applicazione dell’informatica al fine di risolvere i problemi attraverso la R.O.. Cos’è dunque un algoritmo? L’algoritmo è definito come una sequenza di istruzioni non ambigue per risolvere un problema in un tempo definito. Un algoritmo, quindi, è una procedura finita, completa, non ambigua ed eseguibile che lavora su dati in ingresso fornendo dati in uscita. Stiamo, perciò, capendo le implicazioni con la R.O., dalla comprensione del problema alla costruzione del modello matematico, fino alla risoluzione del problema stesso.

C’è una ulteriore angolazione da cui guardare il rapporto informatica-ricerca ed è quello della relazione che ai giorni nostri c’è tra l’Intelligenza Artificiale (A.I.) e la R.O.. Esse sono complementari nel senso che l’A.I. è una tecnica predittiva migliore per i dati che inseriamo nei modelli basati sull’ottimizzazione. C’è anche l’altra faccia della medaglia, cioè piuttosto che guardare al ruolo dell’A.I., come detto poc’anzi, abbiamo delle tecniche della R.O. impiegate nella A.I. basata sui modelli della Machine Learning (M.L.). nella M.L. quando si sviluppa un modello si deve subito affrontare la questione dell’ottimizzazione dello stesso. Il compito che si deve affrontare è quello di costruire un modello che faccia le predizioni migliori e quindi sarà sempre più ovvio vedere la R.O. anche in questo ambito. In un senso più ampio, quando si pensa all’A.I. come all’area della Computer Science che si preoccupa della costruzione di sistemi che dimostrano un comportamento “intelligente” si potrebbe dire che la R.O. è A.I.. Questo non emerge dal classico punto di vista della R.O. perché, tradizionalmente, ci sono state due discipline separate che avevano sviluppato, in modo indipendente, delle tecniche che solitamente hanno un sacco di cose in comune, ma sotto un profilo molto generico, nella costruzione di sistemi che fanno qualcosa di intelligente la R.O. può essere classificata come parte della A.I.


[1] Una scienza computazionale è un qualsiasi ramo delle scienze matematiche, fisiche, chimiche e naturali che utilizza le potenze di calcolo dei più recenti calcolatori al fine di risolvere problemi inaccessibili per i tempi e le modalità di calcolo umani.

Sergio Mauri
Autore Sergio Mauri Blogger e ideatore e-learning. Premio speciale al Concorso Claudia Ruggeri nel 2007; terzo posto al Premio Igor Slavich nel 2020. Ha pubblicato con Terra d’Ulivi nel 2007 e nel 2011, con Hammerle Editori nel 2013 e 2014 e con Historica Edizioni e Alcova Letteraria nel 2022.