 che ricevo costantemente richiesta a parte di aziende e le richieste sono superiori alle persone che abbiamo disponibili, per cui diciamo se uno vuole fare questa scelta nell'ottima di avere non solo di avere la cosa che è di interessa fare ma anche nell'ottima poi di prospettiva di lavoro sicuramente è una scelta vincente. Quali opportunità offre? Le opportunità relative sono molto vaste perché le competenze che vengono date nell'ingegnire nella matematica riguardano vari aspetti per l'ingegneria, quelli che sono gli aspetti dell'ingegneria dell'informazione, cioè l'elettrone, le comunicazioni, l'informatica, l'automazione e la gestione aziendale e dall'altra parte c'è la matematica e la connotazione che abbiamo qui a Siena è di matematica applicata, quindi matematica a sbocco di applicazioni. Giusto per darvi un quadro di quale sono le opportunità lavorative, qui trovate un diagramma diciamo al cui verso state messe le parole chiate di cosa un ingegnero matematico può fare e dove, voi vede che dove la colloazione è abbastanza transversale che sparta l'industria, piccole e medie imprese sono riantate a principale in Italia, libra professione, scuola università e anche tutti i famiestrazioni. I nostri studenti sono tutti collocati un anno massima dalla là, tutti intende buona parte. Il tipo di attività che vengono fatte riguardano progettazione, le carattese principale vengono dati in questi corsi a compretta costruzione in figura ingegneristiche e matematiche, quindi la faccita di risolvere problemi, la faccita di modellare problemi e ambienti, la faccita anche di gestire cose o persone, gestire processi e anche di insegnare chiaramente. Per darvi un'idea, chiaramente per capire qual è la priorità di insieme, uno deve guardare non solo il percorso che c'è, è quello che unita prende all'inizio dell'università, cioè dell'aurea estrenale, ma anche guardare cosa c'è come offerta nelle lauree magistrali, perché sono quelle e i contenuti dell'aurea magistrali, sono quelle differenze, non pò le più le università in Italia. Se andate a vedere velocemente l'elenco, qua una laurea magistrale, per esempio, in artificial intelligence automation engineering, la robotica e l'intelligenza artificiale, un po' lo sentite tutte le sere alte giornale, sono due settori molto caldi in questo periodo in cui ci sono innovazioni, per cui si parla di una nuova rivoluzione industriale nell'antico della società. E chiaramente a Siena c'è una forte impetenza sia nell'automazione e nella artificial intelligence, intanto è accortata la creazione di un'aurea magistrale focalizzata su questi temi. Dall'altra parte, le elettroni e le teleuniazioni sono due altri settori, un'attissima importanza, oggi è pensata le teleuniazioni alla rete internet, alla trasmissione digitale, l'elettrona è poi la base di dispositivi che ormai uno usa e anche qui abbiamo un corso dell'aurea magistrale in elettroni e teleuniazioni che vi dà la possibilità di acquisire competenze un po' nei settori che potete rappresentare in questa slide. L'altro aspetto riceverso al peculiare di Siena è l'ingine e il managgio, quindi la gestione aziendale da pute vista generistico e quindi una formazione che porta a avere competenze nell'ochimizzazione dei processi, nell'ochimizzazione della produzione e nella gestione dei servizi, in vare che possono essere applicate a varie agli attacchi tipo di aziende sanitarie nella sanità, ora vedete un tema caldo vista alla pandemia, riuscire a ottimizzare ospedali, postilette, così via per esempio è un problema importante. Infine, la matematica che ha una venutazione appunto appricata, soprattutto legata alla modellazione, i sistemi compressi, un'altra keyboard che è abbastanza attuale è quella della Data Science, questo perché ormai attraverso la rete e attraverso la raccolta dati sono disponibili talmente tanti dati che una persona non riuscirebbe a analizzarli e quindi stanno acquisendo sempre l'importanza le tecnologie e i metodi che permettono l'analisi automatica dei dati. Per chiudere vi faccio, perché non volevo essere molto breve, quali sono i polsidi studio nella nostra fetta formativa, l'aureatronale ingegneria gestionale appunto più orientata alla gestione ingegneristica e aziendale, matematica, ingegneria informatica in informazione che è un corso all'interno del quale sono presenti 4 curriculum che permettono di approfondire poi le t4 comune principali, elettronica, sistemi automazioni, sistemi informatici e teleimmunicazioni e questa è l'aurea, permettono l'accesso alle lauree magistrali di ennali successive che sono offerte in inglese, quindi noi abbiamo adottato insomma fatta questa scelta perché è aperto parecchio il respiro, si scrivono anche studenti o da tutto il mondo che sono appunto queste lauree, un apulare sblocco delle lauree internali, quindi ingegnerie in management per ingegneria gestionale, applied mathematics per matematica, artificial intelligence, transmission engineering, l'automagistrale, electronic communication engineering per ingegnerie informatica e informazione, anche se è possibile comunque fare un cross, un corso cross nel senso che ci abbiamo studenti che se frequentano l'aurea ingegneria gestionale poi per esempio decidono e scrivono escriverti di alte official intention, information engineering, perché per esempio tutte e tre le lauree hanno comunque competenze di base che sono sufficienti e scriversi a una delle nostre magistrate. Infine, giusto per completare il quadro, il terzo livello è distruzione universitaria e quella del dottorato di cerca e noi assiena, sedi assiena abbiamo un dottorato in information engineering and science. Ecco, l'altra cosa fondamentale in università, lo vedrete con queste tre elezioni magistrali, è che l'università è un ente che non solo è deputato alla formazione ma anche alla ricerca e questo è fondamentale con tutti i professori, noi professori in università, non solo insegniamo, facciamo ricette quindi abbiamo un modo di trasferire alle nuove generazioni non cose che stanno tutte nei libri ma anche cose nuove che facciamo noi stessi. Qui c'è un quadro appunto delle aree principali di ricerca, le aree che riguardano la matematica, ha diversi aspetti, la computer science, quindi i settori dell'ingegnere informatica, sistemi di controllo e le telecomuniazioni dell'elettronica, dell'elettromagnetismo e dell'ingegnere elettronica. Ecco, una cosa importante nella valutazione anche dell'università e soprattutto queste tecnologiche sono i rapporti che hanno con il mondo del lavoro, ecco, il nostro departamento a questo forse lo rende un po' più qua. Chiaro, una serie di collaborazioni con molte aziende attraverso sia la didattica, contatti con la didattica, stagio e pirocini, sia attraverso collaborazioni come contratti e progetti di ricerca. Quindi, io concordo qua, è stato giusto un mercarelato molto veloce, avete però i riferimenti, se siete interessati, si, generalmente, un po' vi danno i dettagli principali sul nostro corso di studio e sulla nostra sede, però ora siamo in teleconferenza, però se vi avete interessati, vi invito a visitarla perché la sede è molto bella, insomma, è nuova, quindi alcuni collaboratori, con aule attrezzati, una serie di servizi come tutta l'università di Siena, insomma, per gli studenti. Ecco, io ho concluto qua, ho tolto anche la divisione dello schermo, e niente, genetta io lascerei la parola ai colleghi che hanno modo appunto di dare questa idea su temati, insomma, che sono abbastanza all'avanguardia che vengono affrontate nei nostri consigli di studio. Ma se abbiamo a questo punto Stefano Melacci? Io risaluto perché purtroppo ho un'altro penneo, io devo andare a... ok, saluto a tutti, bocca all'uomo che era il conseguimento degli studio. Grazie. Allora, io condividerei a questo punto il mio di schermo, se mi sentite? Sì, sì. Ok. Allora, dunque, intanto che apro tutto in modalità, ok, fullscreen, vi presento un attimo velocemente, mi confermate che vedete la slide solo per essersi curi di tutto? Vediamo, sì. Perfetto, perfetto, grazie. Dunque, io sono appunto Stefano Melacci, sono un professore associato di Dipartimento di Ingegneria dell'Informazione e Scienze Mathematiche, mi occupo come attività di ricerca di una di queste lavori, in una delle aree che ha introdotto poco a fare professore Magini, in particolare quella che ha a che fare con l'intelligenza artificiale, e all'interno di questo grande ombrello dell'intelligenza artificiale vorrei parlarvi di ciò che vedete, e adesso nello schermo, quindi di reti neurali, in particolare con strizzando l'occhio a uno scenario concreto che spero possa un po' stuzzicare la vostra curiosità, che il nostro smartphone diventa capace di imparare. Allora, perché questa scelta? Perché ovviamente se chiedessi, ho scelto una statistica con tutti voi che mi state ascoltando, di chiedessi quanti di voi hanno uno smartphone, non credo che vi avrebbe fuori una statistica, come dire, misera. Penso che la maggior parte di voi ad oggi abbiano smartphone o comunque si è venuta al contatto con uno smartphone, al punto che questi dispositivi fanno parte integrante della nostra vita, nebbene o nel male. Però diciamo che ormai è diventato piuttosto naturale avere in mano un dispositivo che Sendosmart ha una serie di caratteristiche multimediali molto molto interessanti. Ora, come dire, i miei tempi, i primi cellulari, vedete i capelli bianchi, avevano il solo scopo di riuscire a telefonare, al massimo di inviare un SMS. Telefonare era uno scopo principale di dispositivo mobile dedicato alla telefonia, appunto. Adesso quando parliamo di smartphone, invece, la capacità che hanno inevitabilmente di continuare a poter telefonare è diventato soltanto uno dei modi di utilizzarli, forse neanche quello più comune. Di fatto, noi usiamo il nostro smartphone per scambiare una grossa quantità di informazioni. Dico scambiare perché sia sono informazioni che noi diamo allo smartphone sia cose che otteniamo indietro. Ma che cosa mi riferisco? Pensiamo ad esempio a quando inviamo un messaggio vocale ad un amico, quando inviamo un video ad un amico, quando registriamo un video usando la telecamera del nostro smartphone, sono tutte informazioni che noi diamo al nostro smartphone, informazioni che acquisisci con la sua telecamera, informazioni che acquisisci con il microfono, anche informazioni sulla posizione, su rotazioni, su accelerazioni. Insomma, ci sono tante diverse categorie di informazioni, diverse tipologie di informazioni che noi forniamo al nostro smartphone e lui a sua volta fornisce a noi delle informazioni sotto forma di audio, video, vibrazione, etc., etc. Non solo questo, il nostro smartphone è in grado di memorizzare dei dati. Insomma, se voi scattate una foto, o registrate un video, questo di fatto viene memorizzato all'interno del nostro smartphone, non vi dico niente che non sapete già nel meglio di me. Potete anche schiambare i dati verso la rete, quindi vedete che c'è un flusso di informazioni multimediali molto, molto denso, anche heterogeneo per tipologia, però caratterizza la nostra vita quotidiana. Ora, pensiamo però facciamo un passo un pochettino più dettagliato all'interno di questo smartphone. Se voi immaginate di aprire il vostro smartphone o di aprire un computer portatile o un computer anche di quelli desktop, magari avete sul tavolo, a casa o anche un tablet, all'interno troverete una vasta gamma di componenti elettronici che, come dire, hanno dimensioni diverse, etc., però hanno una struttura analoga al variare dei dispositivi. Ora, questo significa che in qualche modo tutto ciò che ho elencato, smartphone, tablet, computer di vario tipo, condividono un'organizzazione interna che è essenzialmente analoga. Perché vi dico questo? Perché di fatto quello che il nostro smartphone è in grado di fare quando esce dalla fabbrica, come il vostro computer, come un tablet, è una cosa sola, in un punto di vista più elementare, sa fare dei calcoli e lo sa fare in maniera molto rapida. Lui è costruito per fare questo. Ora, qui vedete un calcolo messo scelto a caso, non perché sia l'esempio emblematico. Pensate anche delle molti applicazioni con numeri grandi, etc., quanto ci mettiamo noi, noi umani, a fare queste operazioni? Beh, se sono numeri parecchio grandi, dobbiamo prendere un pezzo di carta, ci mettiamo lì, svolgiamo i calcoli, richiade del tempo. Quanto ci mette il nostro smartphone, ci mette una frazione di secondo, una piccolissima frazione di secondo, perché è ciò che sa fare e lo sa fare bene. Ora, adesso però, come dire, ruotiamo l'occhio su un altro tipo di situazione, qualcosa che magari vi aggancia di più all'esperienza quotidiana che avete con uno smartphone. Immaginate di scattare una foto, di chiedere allo smartphone, di sfocarla o di cambiare l'illuminazione, come vedete qua nel caso del mio gatto tra l'altro. Lo smartphone non fa altro che eseguire operazioni matematiche, sfocare un'immagine, vuol dire eseguire dei calcoli. Calcoli valutare fisicamente delle stressioni di tipo matematico, niente di più, come del resto anche variare l'illuminazione di una foto. Per il vostro smartphone questa immagine del gatto non è nient'altro che un insieme di piccoli puntolini colorati, uno di fianco all'altro, dove il colore non è nient'altro che un numero. Quindi alla fine siamo sempre parlando di numeri e operazioni tra numeri, anche se sfocchiamo un'immagine o ne cambiamo l'illuminazione. Il fatto che poi voi, umanila, voi, voi, umani, mi circludo anch'io, se noi la vediamo essenzialmente come un'immagine è solo il risultato di un processo di visualizzazione sul display del smartphone, ma per lui sono solo numeri e calcoli. Ora, però, pensiamo al problema della percezione, percepire il mondo e riconoscere oggetti, riconoscere categorie di oggetti o di qualsiasi cosa che compaia in una foto, ad esempio qui nel gatto dire, sono solo degli esempi, dire che questa foto si tratta della foto di un gatto, problema banale per noi umani, o cioè a oscuno di voi potrebbe rispondere in un attimo, vi faccio vedere questa foto di tre, è un gatto, è banale, dove sono le orecchie del gatto sicuramente siete in grado di indicarle in una frazione di secondo appunto. Però il vostro smartphone non sa cosa è un gatto, non sa cosa sono le orecchie, per lui risolvere questo problema, cioè localizzare le orecchie o dire che si tratta di un gatto è un problema molto complicato, perché lui lo deve ricondurre sempre ad un insieme di calcoli. Ora, pensate anche al caso della voce, questo che dico vale anche per l'audio, pensate a un audio che vi viene inviato via Whatsapp, voi lo ascoltate, sapete dire di chi si parla, chi è che sta parlando, scusate non si parla in un certo Mario, sapete dire anche qual è l'oggetto della discussione, se si sta parlando di una vacanza o di qualcosa da fare la sera o qualsiasi altra tematica. Per voi è banale, ma adesso chiediamolo al vostro smartphone di capire qual è il tema della discussione, come dire, trattata all'interno di un audio. Ora per il vostro smartphone è banale, ad esempio, accelerare la riproduzione di un audio o rallentarla, se usate Whatsapp avete presente di cosa parlo, però capire chi è che sta parlando o di cosa si sta parlando, questa è una cosa che il vostro smartphone per com'esce dalla fabbrica ha più difficoltà a fare, perché il punto è che lui deve ricondurre, ve lo dicevo prima, tutto ad un insieme di calcoli, di operazioni, ma quali sono i calcoli che, data questa foto del gatto, consentono effettivamente di stabilire che si tratta di un gatto. Io non ve lo so dire, francamente credo che nessuno ve lo sa dire. Il punto è che riuscire a trasformare un fenomeno cognitivo in un insieme di calcoli è una procedura che difficilmente riusciamo a risolvere in maniera fredda, diretta. Allora dì che in qualche modo, tocciamo il tema di interesse anche di questa piccola lezione, possiamo pensare di rendere il nostro smartphone capace di imparare. Chiaramente, invece di cercare noi di stabilire quali sono i calcoli che consentono di stabilire che in un gatto c'è una foto, è più semplice dare degli esempi di foto al nostro smartphone, fornirgli delle foto e dirgli esplicitamente guarda, queste sono foto di un gatto. Quindi dargli degli esempi centinaia, migliaia, e a quel punto lasciare che sia lo smartphone osservando questi esempi a stabilire automaticamente in maniera completamente autonoma quali sono i calcoli che lui deve fare per arrivare alla conclusione che si tratta di gatti. Quindi non siamo noi che stabiliamo i calcoli che lui deve fare, ma è lo smartphone che gli Stato lo stavidisce in maniera autonoma osservando tonnellate di esempi. Quindi questa è una forma di certi punti di vista alimentale ma di capacità di apprendimento. Siamo finiti all'interno del mondo che vi ho, come dire, convenzionato all'inizio della mia presentazione dell'intelligenza artificiale che è un'area di ricerca molto calda al giorno d'oggi, che include tutta una serie di metodi che hanno a che fare col cercare di riprodurre dei comportamenti che possiamo dei processi anche cognitivi di alto livello o comunque dei processi decisionali tra cui, all'interno di macchine, intendo, anche la capacità di imparare. Quindi se noi parliamo di trasformare uno smartphone in qualcosa che impara, siamo all'interno del mondo dell'intelligenza artificiale. Ora, ovviamente l'attività di ricerca in questo mondo è molto attiva, parliamo di un mondo molto vasto. Noi adesso ci chiudiamo in un intervallo, in un punto di vista un pochettino più polarizzato, sempre dentro al mondo dell'intelligenza artificiale parliamo di reti neurali, che è la parola che aveva nel titolo di questa presentazione. Allora, un reti neurale è un modello matematico che ricade all'interno del mondo dell'intelligenza artificiale, che in maniera molto banalizzata ai fini di questa presentazione è in grado di imparare come fare dei calcoli, osservando una serie di esempi. Quindi, alla fine, è un modello matematico, quindi qualcosa che si è basato su Calcoli, soltanto che ha la capacità di stabilire in maniera autonoma quali sono i calcoli da fare per raggiungere un certo obiettivo. Nel nostro caso, l'obiettivo è, osservando la foto del gatto, dire che si tratta di un gatto. In questo disegnietta sinistra vedete una rappresentazione grafica di una reti neurale, ma niente che ha che fare come dire soltanto un'illustrazione. Immaginate-la come un insieme di piccole unità elementari che sono questi cerchietti che si chiamano neuroni, connessi tra di loro, dove queste connessioni trasportano dei numeri e ognuno di questi cerchietti fa dei calcoli, e alla fine da questa rete di connessioni, osservando la foto del gatto, si riesce a stabilire, appunto, che si tratta di tale animale. Ora, questo non ha necessariamente una controparte diretta nel nostro cervello, queste unità si chiamano neuroni perché c'è una vaga ispirazione alle unità elementari del nostro cervello, però una rete neurale non nasce come una riproduzione del cervello umano. Il punto è che è qualcosa che impara a fare calcoli, guardando degli esempi, ed è qualcosa che si può realizzare in qualsiasi dispositivo che sia bravo a fare calcoli. E se torniamo al punto di partenza di questa discussione di poco fa, abbiamo effettivamente constatato che il nostro smartphone è molto bravo a fare calcoli velocemente. Quindi, come dire, dal matrimonio tra reti neurali e smartphone, possiamo riuscire a costruire un dispositivo che è in grado appunto di imparare e in maniera molto efficace, in maniera anche rapida. Quindi, le reti neurali sono un modo per riuscire a fornire al nostro smartphone la capacità di imparare e a prendere decisioni osservando degli esempi. Vi faccio vedere brevemente un video registrato proprio da uno smartphone messo in orizzontale nel nostro laboratorio qualche anno fa, dire il vero l'ha realizzato il nostro studente. In questo video vedete che c'è la scena che si muove. Ci sono una serie di rettangoli colorati, lo fermo un attimo con una piccola etichetta. Questi rettangoli identificano gli oggetti che il nostro smartphone ha riconosciuto all'interno della scena osservata e l'etichetta dice la categoria dell'oggetto. Ad esempio, c'è un laptop, un portabile, c'è anche un mouse, in alto a destra c'è una sedia e a volte questo comporta anche fare ovviamente degli errori, non è perfetto. Però il punto è che questo smartphone che state vedendo sa fare queste predizioni, vado a fare andare il video sperando che si veda bene, grazie al fatto che al suo interno ha una rete neurale che gli ha consentito di imparare come riconoscere gli oggetti. Vedete, qui riconosce le sedie girevoli, non sempre tutte, però ha acquisito la capacità di capire dove è una sedia e cos'è una sedia girevoli perché gli abbiamo fornito tantissimi esempi e dopo che lui ha finito questo processo di apprendimento è stato in grado di riconoscere gli oggetti in questione in tempo reale in una scena osservata proprio attraverso l'occhio dello smartphone stesso, grazie appunto alle rete neurali. Ora per concludere come è che questo si raccorda al mondo del lavoro. L'intelligenza artificiale e soprattutto le rete neurali sono parte di quella rivoluzione industriale di cui vi parlava il professore Magini, il professore Magini all'inizio di questo evento. Molte aziende cercano esperti di queste tematiche. Pensate alle applicazioni per farvi capire che sono cose che ricadono un po' ovunque. Pensate alle applicazioni che usate nel vostro smartphone, ciò che serve per sbloccare il telefono con il vostro volto, come fa lo smartphone a capire che siete voi, a dietro un meccanismo che appartiene al mondo dell'intelligenza artificiale, come fa il vostro smartphone quando gli dite di inviare un messaggio e gli dite quella voce a capire questo comando dalla voce. Utilizza tecniche e linea con quello di cui vi ho parlato oggi. Avrete tutti usato queste app che trasformano il volto di una persona, nella persona anziana o maschio femmina e così via. Utilizzano rete neurali in maniera pesante e il modo in cui si trasforma una persona in una persona anziana è stata la rete neurali che ha imparato a capire come si fa. Capite bene che descrivere a mano i calcoli per ottenere quel risultato è una sfida persa in partenza. Ma anche i veicoli a guida autonoma, sicurezza, videogiochi, insomma c'è un grande mondo. Professor Magini vi ha raccontato un po' qual'è l'offerta didattica. Io qui vi faccio vedere un estratto di quell'offerta di prima che va diretto verso le tematiche di cui vi ho parlato oggi, ma non è l'unico, avete visto, che l'offerta didattica è ampia. Però chi segue un percorso di questo tipo con una laurea triennale in ingegneria informatica dell'informazione, una laurea magistrale in artificial intelligence and automation engineering, poi si trova a affrontare dei corsi che trattano proprio di intelligenza artificiale e apprendimento automatico, i reti neurali, sono io in docente che ti hanno inculso di reti neurali, e tanti altri comunque di interesse. Ora io vi ringrazio qua per l'attenzione, vi lascio il link nello schermo, poi lo trovate anche cercando su Google Psylab che è il CN Artificial Intelligence Lab, è il nostro laboratorio d'intelligenza artificiale, perché appunto, vi è stato detto prima, i professori fanno ricerca, quindi lavorano nei laboratori, non è solo insegnare il loro, come dire, è obiettivo quotidiano, potete andare a guardarlo per vedere anche delle demo che vanno oltre ciò che vi ho fatto vedere oggi per incuriosirvi e se volete saper un po' di più di ciò che facciamo nei nostri laboratori, fermo restando insomma, l'invito a visitarli di persone qualcosa che è sempre valido. Dunque io ho concluso qua, fermerei la condivisione dello schermo e direi che passo la parola ai collè. Sì. Sì sì sì, mi sentite? Sì sì, prego. Va bene, grazie Stefano. Allora anche io allora condivido lo schermo. Ecco vedete la presentazione? Sì sì, è visibile, grazie. Grazie. Allora buongiorno, io sono Tom Masadab e sono professore associato di elettronica e sono membro del gruppo di ricerca di elettronica in misura elettronica e del nostro Dipartimento. La presentazione che mi ha preceduto di Stefano, grazie, vi ha introdotto un po' ad alcune delle applicazioni dell'intelligenza artificiale che rappresenta uno dei più recenti impulzi tecnologici che sono state introdotti dalla cosiddetta rivoluzione digitale che negli ultimi 40 anni ha penetrato tutti i settori delle attività umane introducendo paradigmi organizzative e tecnologici fondamentali in continua evoluzione per altro ed espansione, come vediamo, e che stanno modificando il modo in cui lavoriamo, il modo con cui facciamo scuola, come ci divertiamo o anche come ad esempio facciamo oggi noi, come interagiamo, o come in generale l'uomo interagisce prende con l'ambiente. Quali opportunità offrirà questo processo innovativo tra 5 e 10 anni ai giovani matematici e d'ingegneri? Ecco, nel contesto tecnologico della rivoluzione digitale sono identificabili dei grandi capitoli che peraltro tra di loro sono fortemente condessi. Uno di questi è sicuramente l'internet of things, o l'internet delle cose, ovvero un modello tecnologico in cui le funzionalità della rete di internet sono estese al mondo degli oggetti e dei luoghi. Stiamo andando verso una realtà che si appoggerà in modo sempre più denso e profondo all'interconnessione di persone e sistemi attraverso una distribuzione pervasiva di dispositivi elettronici intelligenti che modificranno il modo di lavorare nell'industria, il modo di lavorare anche nelle imprese che forniscono servizi, con impatti nella nostra vita che interessano ad esempio la domotica, cioè la vita nelle nostre case, la salute, come ho detto la scuola e la funzione culturale, l'intrattenimento, la logistica e il trasporto di persone e merci. Tutto questo chiaramente sarà possibile attraverso tecnologie basate su temi propri dell'ingegneria dell'informazione, come ha anche introdotto il professor Magini, le reti di teleomunicazioni, i sistemi elettronici, la sensoristica intelligente, le tecnologie per la trasmissione dell'informazione, ma anche per l'analisi massiva di dati, come è stato accennato, tema noto anche con il nome di Big Data, ma importantissimo sarà anche la cyber sicurezza e l'impiego di nuove tecnologie anche per lo scambio di valori, l'authenticazione di persone e sistemi e la verifica dei dati, come per esempio abbiamo visto recentemente con l'esplosione delle tecnologie basate sulle blockchains. Paralelamente a questi temi, un secondo importante protagonista della rivoluzione digitale è sicuramente l'arbotica e l'automazione. Sto quindi parlando in senso generale della progettazione di macchine per l'automazione totale o assistita, se vogliamo di un vasto insieme di processi e avranno sicuramente impatto, ma già oggi lo hanno, sull'industria-manifatturiera ma anche in altri settori, come la chirurgia, la robotica protesica, cioè delle protesi robotizzate, nell'assistenza alla persona, nuovamente logistica, trasporto merci e persone, ma anche con applicazioni in ambito ad esempio della protezione civile e in ambito militare. Anche qui chiaramente abbiamo il massiccio in piego dei temi, delle ingenerie delle informazioni, con i controlli automatici, i sistemi elettronici, sensori e datatori intelligenti, ma anche con l'importante implicazione tecnica di aspetti progettuali, mal legati alla sicurezza e all'incolumità delle persone. Pensiamo al problema quindi, per esempio, di convivere o lavorare con robot, così come il problema per gli stessi robot dell'accumulo e approvisionamento autonomo dell'energia. Infine, molto importante, come abbiamo visto, l'intelligenza artificiale, che rappresenta, un po' come è stato già detto, uno dei più recenti elementi di innovazione in questo percorso, che è la ribulzione digitale. Dal punto di vista ingeneristico, con l'intelligenza artificiale si intende, come abbiamo già visto, la progettazione di sistemi elettronici e di informatici per l'elaborazione dei dati e soprattutto per la decisione autonoma in tempo reale, secondo le scale dei tempi delle applicazioni in cui questa tecnologia è usata. La crescenza artificiale trova già oggi, ma lo avrà ancora più in futuro, in piego nell'identificazione e la profilazione di persone, oggetti, luoghi o processi nella sorveglianza, ma anche in farmaceutica e chimica per la progettazione di nuove molecole o un'analisi massiva dei dati, ad esempio in biologia, per lo studio del DNA, delle forme di vita, per i giochi, l'intrattenimento, nell'analisi finanziare dei mercati, ma anche in settori fortemente connessi alla robotica, come ad esempio nella guida autonoma di droni e veicoli. Anche qui l'ingeneria delle informazioni ricopre un ruolo fondamentale con lo studio e progettazione di software, tecnologie per i big data, i cloud computing, acceleratori hardware, architetture di calcolatori con problematiche di sicurezza informatica, ma anche di modellazione matematica dei problemi e di analisi statistica dei dati. Bene, quali sono quindi le opportunità che la rivoluzione digitale offre ai matematici e agli ingegneri del domani? Quello che vediamo in questa immagine, se vogliamo, sono un po' gli ambiti in cui si giocherà la partita, quindi nel modo di fare industria con l'evoluzione e la nascita di nuovi servizi per persone, ma anche per processi complessi, nei trasporti ad esempio con la guida semi-autonoma ed autonoma dei veicoli nella sanità. Il tutto ovviamente sarà inquadrato in un'ottica di sostenibilità ambientale, vesparmio energetico, conservazione delle risorse e degli ecossistemi naturali e secondo schemi di economia circolare che necessitano della gestione avanzata ed efficienza dei processi produttivi ed organizzativi. Questo quadro chiaramente offrirà un basto insieme di opportunità per i laureati del domani. Dal punto di vista tecnologico, parliamo anche di questo, cosa ha reso possibile la rivoluzione digitale? Ecco, in questa foto vedete Lineac, un supercalculatore della metà del secolo scorso che pesava ben 30 fondellate, occupava una stanza di 9 metri per 30 e era capace di eseguire migliaia di somme al secondo, dissipando una potenza di ben 200 kilowatt che sono grosso modo il consumo medio di potenza di 500 famiglie di oggi. Ecco, da allora il problema alla base della rivoluzione digitale è sempre stato un po' lo stesso aumentare la potenza di calcolo, aumentare la fidabilità dei sistemi di calcolo e diminuire il consumo di energia e diminuire i costi. Da allora, come fortunatamente sappiamo, di strada ne è stata fatta, secondo dei processi di innovazione tecnologica che hanno permesso di seguire crescite esponenziali della potenza di calcolo, ma anche dell'abbattimento dei costi. In questa figura che vedete è riportata sulla scala logaritmica delle ordinate, la potenza di calcolo espresse in X, il milione di operazioni elementari al secondo eseguibili da un processore, o se vogliamo la potenza di calcolo che è accessibile con l'alpezza di riferimento di mille donneri. Ecco, il concetto che deve trasmettervi questa immagine è che nei prossimi decenni avremo a disposizione potenze di calcolo confrontabili con quelle del cervello di forme di vita evolute e da un costo decisamente basso. Questo, dal punto di vista pratico, significa poter distribuire un'enorme potenza di calcolo su miliardi di dispositivi che saranno in grado di svolgere compite e fornire servizi sempre più avanzati e complessi. Si vaccia quindi verso la piena attuazione del concetto dell'internet delle cose che io ho menzionato precedentemente. Ancello questo, scusate, vedete la presentazione sempre? Saltata forse. Lo sviluppo esponenziale delle prestazioni di calcolo è stato accompagnato da un continuo processo di miniaturizzazione tecnologica, oggi capace di condensare in un singolo circuito integrato un numero di transistor decine di milioni di volte superiore a quello che era possibile 50 anni fa. Il transistor, per chi non lo sapesse, è il dispositivo elementare a semi-conduttore che sta alla base di ogni circuito elettronico moderno. Molto suggestivo è questo grafico che riporta la cosiddetta legge di Moore, che è chiamata legge, ma in realtà fu una previsione euristica, formulata nel 1965 da Gordon Moore, che è uno dei fondatori di Utel, che conosciamo per la produzione di processori per i nostri computer, che profetizzò che il numero di transistor integrati in un chip sarebbe raddoppiato ogni due anni. In effetti, come mostra questa immagine, la tendenza fino ad oggi è stata molto aderente alla previsione. Ora, per dare qualche ordine di grandezza, i processi tecnologici odierni sono in grado di fabbricare transistor realizzati modellando la materia alla scala nanometrica, cioè con dimensioni confrontabili con la miglior desima parte di un metro. Secondo i più recenti programmi industriali, l'innovazione ci porterà a realizzare transistor di dimensioni confrontabili con quelle di una decina di molecole elementari. Ma, come ve lepe, già oggi operiamo su geometrie che sono decine di volte inferiore a quelle di un virus, per esempio, come il coronavirus che purtroppo conosciamo molto bene. Stiamo quindi vivendo una sfida tecnologica che già in questi anni, ad esempio su gli smartphones, come vi ha precedentemente mostrato Stefano, sta lavorando non solo sull'aumento della potenza di calcolo per dispositivo, ma anche sulla miniaturizzazione delle interfacce dell'elettronica verso il mondo fisico reale, ovvero i sensori, i sensori che sono distribuiti sui dispositivi. Bisogna un po' pensare che, senza sensori, non avremmo dati dal mondo fisico. Qui vedete ad esempio un accelerometro triassiale simile a quello che avete sul vostro cellulare della dimensione di un centinaio di micro che è circa lo spessore di un capello, poco più, e che misura l'accelerazione nello spazio a quel sottoposto l'oggetto su cui è montato questo accelerometro. Dispositivi come questo sono necessari molte applicazioni come per esempio il controllo di droni, veicoli, bracci robotici, ma anche per la stabilizzazione delle immagini nelle frecamere o per ad esempio applicazioni più semplici come sistemi antifurto. Questi sono esempi di dispositivi realizzati direttamente in silicio, lavorato in modo tale da poter sfruttare su scala micrometrica le deformazioni ad esempio a cui sono soggette in presenza di accelerazione e le strutture di cui è composto. Il vantaggio ovviamente è quello di poter integrare il sensore direttamente sui circuiti di elaborazione dei segnali acquisiti dal mondo reale ottenendo quindi dispositivi ad ingombrominimo e da costo ridotto. In generale la miniaturizzazione delle elettroniche dei sensori offre anche se vogliamo scenari un po' futuristici di potenziamento umano attraverso ad esempio protesi per il sofferamento di disabilità ma anche per l'estensione sensoreale dell'uomo accedendo alla cosiddetta realtà aumentata. Qui vedete ad esempio alcuni ambiti applicativi su cui è concentrata oggi l'industria interessando sensi come la vista, il tattolo, il fatto ma anche altri aspetti legati al monitoraggio della salute o dello stato in general delle persone. Ecco in conclusione tornando al quadro introduttivo che vi ho presentato dobbiamo un po' pensare alla rivoluzione digitale come ad una vasta infrastruttura tecnologica che sosterrà in modo crescente sia in modo diretto che indiretto il mondo del lavoro dalla grande industria alla piccola impresa. Quindi il modo di fare industria, il tipo di servizi, alcuni settori chiave come quello dei trasporti e della sanità così come le sfide che pongono temi come la sostenibilità ambientale del contrasto ai cambiamenti climatici. Ecco tutto questo chiaramente offrirà veramente un vasto insieme di opportunità lavorative per gli ingegneri e matematici del domani. Nei prossimi anni concludo in Europa e in Italia ci sarà un forte fabbisogno di queste figure professionali su tutto il territorio e di modo trasversale rispetto alle vocazioni produttive dei territori. Come riportano i più recenti dati che vedete elaborati dall'agenzia nazionale per le politiche attive del lavoro. Nei prossimi anni in Italia è previsto all'anno un deficit di 9.000 ingegneri e 3.000 laureati in dirizzo scientifico e matematico. Ecco quindi vorrei davvero spendere quest'ultimo minuto invitando le ragazze e ragazzi di oggi a cogliere le opportunità che hanno davanti comprendendo che è possibile per loro veramente diventare protagonisti del nostro futuro e con soddisfazione. Il mio suggerimento è quello di seguire le nostre attività di orientamento in modo da apprezzare al meglio quello che l'Università di Siena ha da offrire spesso ad altri livelli più noti forse anche magari fra gli addetti ai lavori. Un particolare invito è rivolto alle ragazze che sempre di più stanno intraprendendo ottime carriere in imprese pubbliche e administrazioni ma purtroppo devo dire che sono ancora troppo poche le ragazze che hanno forse un approccio timoroso soprattutto verso l'ingegneria in un modo secondo me ingiusto e penalizzante, soprattutto per loro ma anche per il nostro Paese che ha un grande bisogno anche di loro per costruire un futuro migliore più equilibrato anche nella rappresentanza di genere. Grazie per l'attenzione. Questi anno bocci sono un professore associato questa volta di geometria quindi io sono un matematico mi occupo per quanto riguarda la didattica di geometria analitica all'atenale di multilini al geometri nel corso magistrale di Apply Mathematics questo si chiama multilini al geometri ma facciamo anche ricostruzione di immagini tramite la geometria e la mia ricerca è una ricerca principalmente pura si basa in geometria algebrica, geometria tropicale, combinatorica, algebracomutativa e statistica geobrica. Non vi parlerò proprio di questa mia ricerca perché essendo pura è un po' complessa e purtroppo richiere per capirla almeno un bianno universitario ma ho piacere di parlarvi di un progetto interdisciplinare che ho fatto con nel mio ripartimento inizialmente con due ingegneri che sono nata forte Alessandro Pozzabbon e anche con un geologo dell'università di Pisa che è Duccio Bertoni e un successivo lavoro che sta andando avanti sempre con Alessandro Pozzabbon come altro ingegnero è Stefano Pardino e con uno statistico dell'università di Giugenova che è Fabio Palle ed è un approccio geometrico per lo studio dei volumi, la misurazione dei volumi delle masse granulari questo perché è interessante perché ci sono molti scenari in cui questo è utile ad esempio per fare delle valutazioni riguarda le quantità di materiali immaganzinabili oppure delle valutazioni riguardo il scioglimento di ghiacciaio per quanto riguarda l'erozione delle coste. Ecco queste sono alcune foto di alcuni esperimenti che hanno fatto Pozzabbon e Pardino sulla spiaggia quindi ci sono queste aste che sono dei sensori che mandano dei dati di misurazione poi vedremo come ha una centralina qui si vede la centralina che riceve i dati da tutti i vari sensori quindi quello che fondamentalmente uno ha sono immaginava di aver disposto questi sensori su una griglia anche lunga tipo 20 metri per 20 metri disposti a griglia perché è chiaramente più comodo avere i vari sensori equidistanziati quello che noi abbiamo è diciamo le misure di dove finisce spe la sabbia siamo nel caso della sabbia e quindi le varie altezze della sabbia in quel punto. Quello che chiaramente possiamo supporre che ci sia una specie di superficie questa colorata che passa per questi punti chiaramente sarebbe bellissimo avere l'equazione di questa superficie perché se noi avessimo proprio l'equazione che abbiamo z uguale a f x y di questa superficie era il volume sottostante a questa superficie si calcola facile è un doppio integrale in dei x e dei y di questa funzione purtroppo noi non conosciamo questa equazione perché ripeto noi conosciamo solamente queste altezze. Alla un altro approccio potrebbe essere trovare una superficie che passa per questi punti utilizzando delle tecniche di analisi numerica che siamo ad esempio le formula di cubatura mi ho scritta una qua sotto in cui questo integrale quindi il volume effettivo viene approssimato da questa formula con questa sommatoria. Il problema è che nelle formula di cubature questi WI che sono diciamo i rettangoli sotto alla base vengono spostati per trovare le misurazioni che meglio approssimano questo volume e chiaramente questo non possiamo farlo perché una volta abbiamo piantato il sensore nella sabbia o nella neve non è che possiamo andare a spostare per fare le misurazioni ogni volta che cambia il sopra quindi dobbiamo sfruttare un approccio che è diverso tra l'altro ecco fare un integrale richiede calcoli sì i miei colleghi hanno parlato di quanto i calcoli sono veloci nei nostri computer però l'idea di questa modellizzazione di questi strumenti è di utilizzarli in campo pratico con dei micro computer ad esempio arduino, pensi, penso sicuramente sentito parlare ecco sono micro computer quindi hanno una potenza di calcolo un po più limitata quindi vogliamo evitare di usare formule molto complicate tipo ci arrivano dall'analisi domenica l'uso delle spline dell'interpolazione cubica e così via e lo stesso di fare un integrale quindi vogliamo fare conti veloci formule semplici. Questi sono tre possibili scenari di misurazione montare dei sensori che con delle haste graduate quindi inviano il segnale dell'altezza come gli ho detto prima in questo caso sono sensori di pressione quindi prendono misura la pressione in quel punto quindi valutano da rati veramente prima l'altezza oppure questo va bene solo per i casi al chiuso se vogliamo per esempio per dei granari dei sensori ad ultrasuoni posti sul soft fit per cercare di trovare un modo per calcolare questi volume avendo solo queste altezze fornite da uno di questi tre metodi ci basiamo su una teoria matematica che è la teoria dei politopi politopi non sono altro che delle figure convesse o gli edrali come queste che vedete in figura quindi che cosa facciamo noi beh andiamo a prendere i nostri punti delle altezze gli asterischi e cominciamo a unirli tra di loro questo in teoria dei politopi si chiama una triangolazione che ho provato a mettere la figura un po' girata vista ad alcuni punti diversi ora possono succedere due cose io ho queste quattro altezze che mi dice che devo aggiungere questo segmento o che devo aggiungere questo segmento beh in realtà questo si potrebbe verificare facilmente prendo il punto medio di due segmenti che sono opposti di due vertici che sono posti e calcolo quale due punti media più basso più alto e mi dice quindi in quale delle due configurazioni sono beh noi invece diciamo ci siamo fregati e l'abbiamo presi tutti e due ora il volume di un oggetto in questo modo è facile da calcolare che sto chiamato v1 è l'aria di base che nel nostro caso è un quadrato moltiplicata per questi due termini e questa vi chiaramente sarà simile chiaramente quello che cambiano sono i termini qua dentro perché derivano da queste triangolazioni ora se io prendo entrambe le misurazioni chiaramente due volumi diversi in aspetto che gli avere un volume maggiore di avere un volume minore bene faccio la media quindi vuol dire prendo la somma e loro due di viso 2 e mi viene questa formula perché perché ognuno di questi valori ai j che sono le misure dei miei sensori appare tre volte appare a due volte in una formula e una volta in uno tutte le volte diviso per tre ma chiaramente pre diviso tre diventa uno e quindi la formula diventa molto semplice alla questo l'ho fatto su un pezzettino della mia griglia se vado avanti lo faccio su tutta la griglia alla fine la mia stima di volume approssiamato altro netto questo dove questa formula è data n l è la lunghezza del lato n è il numero di quadrati che avrò nella mia griglia abbiamo fatto alcune simulazioni con delle superfici fittizie fatte in lavoratorio ma che rappresentano diciamo determinati aspetti diversi di una spiaggia quindi più vicino al mare più unamente va verso la pineta e così via e abbiamo fatto anche delle simulazioni in questo senso simuliamo che tutta la mia superficie si alzabia un millimetro per volta e quindi è diciamo nel grafio quello che vedete in verde cosa succede per questo primo modello per questa simulazione avevamo usitizzato i sensori adasta che purtroppo hanno un errore di lettura di 5 centimetri quindi tra un 5 centimetri e un 5 centimetri lo legge sempre lo stesso dato infatti questo è riscontrato nel grafico il rosso in alcuni punti lui continua a leggere sempre lo stesso valore si vede ad esempio qui o qui e tanto tanto per questa superficie va abbastanza bene se vedete questa la situazione è molto più drammatica qui lui anche se io ammento la sabbia lui non riesce il mio modello non riesce a trovare una lettura una variazione nella lettura del volume e questo chiaramente non va bene con un mio studente Marco Benini nella sua tesi in aurea abbiamo studiato due altri modelli abbiamo aumentato nel modello così detto b2 abbiamo aumentato doppio sensore su ogni punto della griglia e è calcolato quella media oppure nel modello b4 quattro sensori nei nodi interni di cui poi si prendeva la media e in questo caso riusciamo a ottenere una migliore lettura per quanto riguarda la variazione di volume ora c'è da dire questo noi avevamo simulato che ok in verde c'è questo innalzamento di tutta la superficie quindi tutta la sabbia il rosso era la lettura con la scaratura col problema di lettura dei 5 cm in blu c'è il nuovo modello beh sembra che non funzioni molto bene ma abbiamo simulato di utilizzare meno sensori rispetto al modello il rosso quindi se il modello il rosso è fatto per una griglia 5 per 5 il modello in blu è fatto per una griglia 3 per 3 quindi avendo meno sensori mi aspetto molto più errore in realtà questo perché noi io il mio studente pensavamo in quanto matematici che era un costo eccessivo aggiungere i sensori in realtà non è un problema perché quello che succede è che cos'è che è il costo il costo è una centralina che manda il dato quindi averci un solo sensore qui avvercene quattro sempre una centralina al bisogno quindi questo andrebbe rivisto con un numero maggiori di sensori questi modelli poi l'abbiamo verificati dal vivo qui siamo con alessandro pozzemon e stefano perrino abbiamo fatto una simulazione in lavoratorio quindi con qualche quintale di sabbia che sembra vicina questa griglia ma per gentilla un po di quintali cibogliano prendendo poi le misurazioni vedendo che in effetti quello che otteniamo come varia misurazione delle variazioni di volumi è sensato quindi creando poi delle misurazioni delle forme sotto non abbiamo chiamato a monte a cornice la seconda lo shape davamo alla sabbia sotto e poi sopra con questa rete elettrosaldata abbiamo provato i tre modelli diversi facendo vedere come in effetti il modello b2 e il modello b4 quelli con più sensori ci danno delle stime che sono in effetti e quindi ecco presentato questa ricerca perché è interdisciplinare quindi questo ci c'è anche che non è vero che i matematici ingegneri fisici di olio e giovane lavorano per sé nel suo campo ma è anche molto bello quello che c'è interno dell'università cioè la collaborazione tra settori diversi per portare avanti la ricerca di base e ricerca applicata questo vi ringrazio per l'attenzione con una foto di quando abbiamo iniziato un po' a scherzare con questa lettiera gigante e lascerei la parola alla studentessa che la posso presentare io Federica Cenni sia laureata con me sia la trenale su una tesi su basi di graven per pognomini bilanciati che sarebbe diciamo algebra commutativa questa è sempre laureata con me la magistrale per quanto riguarda invece una tesi sui tensori per la statistica algebrica sui modelli di rater agreement e già a lavora lavora per la gft come sviluppatrice etl e una bella testimonianza la sua anche perché è stata assunta durante il lockdown che ancora c'è vada a laurearci ma lascio la parola a lei così che parla a lei buongiorno a tutti e grazie professori io sono Federica e mi sono laureata qui assena sia in matematica in trenale che in magistrale come accennava il professore e ho deciso di studiare matematica principalmente perché non ero decisa su quello che avrei fatto il futuro se avessi voluto continuare con un dottorato o che io volessi entrare direttamente nel mondo del lavoro e in realtà proprio come diceva il professore io sono stata assunta appena prima di iniziare la tesi solo una sviluppatrice etl in questa azienda gft etl che cosa vuol dire in inglese sta per extract transforma e lo ad quello che faccio principalmente lavorare con database quindi io estrago informazioni da più sorgenti li elaboro il trasformo che può significare filtrare i dati modificarli e poi caricarli su delle tabelle piuttosto che su file utilizziamo diverse tecnologie quelle principali sono data stage che ha un software e bm e vari programmi per sviluppare quelli sql per quanto riguarda il diciamo il linguaggio sql ci serve per creare le tabelle su cui trasferire i dati o estrarre dati e per in fase di test per interrogare queste tabelle per assicurarci che tutto sia come richiesto dal cliente mentre data stage è un software che effetta le 3 effetti alle tre principali azioni di quello che devo fare io quindi estrarre dati trasformarli e poi caricarli sul database i progetti che seguo si si possono suddividere su due principali categorie application maintenance e evolutive quando si parla di evolutive parliamo di progetti nuovi quindi dobbiamo creare tutto da zero mentre quando parliamo di application maintenance noi dobbiamo risolvere problemi che ci vengono segnalati dal cliente su progetti già esistenti cosa c'entra la matematica con tutto questo c'entra molto il problema il modo di approcciarsi al problema e in modo di ragionare e di effettuare le varie logiche logiche che vengono utilizzate soprattutto nella fase di trasformazione dei dati utilizziamo comunque anche altre tecnologie come per esempio putti che sfrutta il linguaggio unix e questo che hanno usato principalmente per scambiare dati tra varie macchine essendo il linguaggio unix più veloce ci conviene e non so diciamo questo principalmente il lavoro che faccio se ci sono domande in generale su perché matematica non so avete domande chiediamo ai ragazzi che sono in classe ma anche a quelli che sono a casa niente nessuno ha domande se non ci sono domande vorrei solo aggiungere un'informazione perché è stato più volte ripetuto la disponibilità d'aprire i nostri laboratori le nostre strutture universitarie vorrei ricordare a tutti i docenti