Dalla finanza allo spazio
Una recente pubblicazione di Emanuele Borgonovo e Giuseppe Savaré (entrambi del Dipartimento di Scienze delle Decisioni, Università Bocconi) con Alessio Figalli (ETH Zürich, e Medaglia Fields 2018) e Elmar Plischke (Clausthal University of Technology), pubblicata su Management Science, introduce un approccio innovativo per trovare le variabili importanti in modelli scientifici e di machine learning complessi.
Questo approccio si basa sulla teoria del trasporto ottimale, una teoria matematica ideata da Gaspard Monge nel 1781, che fornisce un potente quadro matematico per definire le nuove misure di importanza. Grazie alla struttura solida, le misure di sensibilità possiedono proprietà rilevanti come l'indipendenza da zero, la massima funzionalità e la monotonicità, considerate cruciali nella recente letteratura sull'intelligenza artificiale e la data science spiegabili.
Per garantire l'applicabilità del metodo, gli autori lo applicano ad un caso reale di filiera produttiva, analizzando un sistema assemble-to-order (ATO), un processo cruciale in settori come la manifattura e la vendita al dettaglio. Questo nuovo metodo, tuttavia, non è solo per la logistica. Esso aiuta i responsabili delle decisioni in diversi settori industriali, ad esempio quando vengono utilizzati modelli complessi:
- Nella pianificazione delle missioni spaziali, in un lavoro in collaborazione con la NASA per il programma di rientro dei campioni MARS;
- Nella modellazione del clima, dove aiuta i responsabili politici a individuare i fattori più critici che influenzano le previsioni a lungo termine;
- In ambito sanitario, può migliorare la comprensione dell'impatto delle diverse variabili di trattamento sui risultati dei pazienti;
- In finanza, può aiutare gli investitori a identificare i fattori di rischio più influenti sulla performance del portafoglio.
