Il tentativo degli esseri umani di liberarsi da mansioni fisicamente pesanti o difficili e di delegarle ad altri (siano essi schiavi, animali o macchine) o di aumentare le proprie capacità affidandosi ad artefatti e strumenti è più vecchio del genere umano. Ma nel corso degli ultimi 70 anni, per via del progresso tecnologico, le innovazioni si sono spostate sempre di più dalla capacità di applicare forza (macinazione, perforazione, trasporto, etc.) alla capacità di raccogliere, immagazzinare e analizzare dati.
In questi ultimi sette decenni, innumerevoli progressi tecnologici hanno permesso di fare balzi in avanti senza precedenti in tantissimi campi, dalla finanza (si pensi all’high-frequency trading) alla medicina (chirurgia robotica). Questi progressi tecnologici possono essere riassunti in cinque distinte categorie.
In primo luogo, grazie all’aumento del numero e della risoluzione dei sensori disponibili, la capacità di acquisire dati dall’ambiente circostante in modo sempre più accurato è cresciuta a dismisura: si pensi ai satelliti, ma anche più in generale alla possibilità di sfruttare frequenze diverse (ad esempio, radar che penetrano il fogliame), fino a sensori che captano la presenza di sostanze chimiche nell’oceano, e così via. Secondo, grazie ai progressi nei materiali, nei server, nelle comunicazioni e in cloud computing, la capacità di immagazzinare e rendere disponibile in tempo reale una mole di dati sempre più alta è anch’essa cresciuta in modo straordinario, a tal punto che oggi i dati raccolti da una moltitudine di sensori possono essere salvati e usati (il cosiddetto big data).
Terzo, grazie alla crescita delle capacità computazionali dei processori, e agli algoritmi sempre più sofisticati, è diventato possibile analizzare una mole di dati sempre più vasta e in modo sempre più efficiente ed efficace. Quarto, grazie a progressi nei materiali (in primo luogo nei semiconduttori) e alla capacità di sfruttare frequenze elettromagnetiche sempre più alte, è diventato possibile trasferire in tempo reale quantità sempre più alte di informazioni. Se negli anni ’90, inviare una singola immagine a bassa risoluzione poteva prendere anche alcuni minuti, oggi è possibile scaricare film interi ad altissima risoluzione nel giro di pochi secondi. Quinto, grazie ai progressi nei materiali (si pensi alle leghe di carbonio), nei metodi di progettazione e di produzione, e nei sistemi di propulsione è diventato possibile sviluppare tecnologie sempre più piccole ma che allo stesso tempo garantiscono proprietà sempre maggiori (come ad, esempio, basso peso ma con elevata resistenza agli stress meccanici).
Questi progressi hanno permesso lo sviluppo, la produzione e l’impiego su vasta scala di piattaforme che precedentemente potevano essere impiegate in numero limitato, come per esempio i droni o i satelliti. L’aumento del numero di piattaforme disponibili, a loro volta, dà la possibilità di raccogliere ancora più dati, da punti diversi, e su un acro temporale più lungo.
I SISTEMI AUTOMATICI DI ANALISI DEI DATI
I dati, da soli, sono di scarsa se non nulla utilità. Poiché viviamo nell’era della sovrabbondanza di dati, un aumento ulteriore dei dati disponibili può essere controproducente. Ma il progresso nel cosiddetto data analytics ha permesso di sfruttare l’aumento dei dati disponibili, per cercare di estrapolare trend e inferire possibili relazioni causali tra una moltitudine di variabili, raccolte da una moltitudine di sensori e integrate insieme.
Ci riferiamo ad uno dei progressi più importanti degli ultimi 70 anni, quello dei sistemi automatici di analisi dei dati. Quando mettiamo una foto su Facebook, l’algoritmo automaticamente riconosce se nella foto ci sono delle persone, e in tal caso scansiona le foto che abbiamo inserito in passato alla ricerca di volti che abbiano un profilo simile a quello delle persone nella nuova foto, utilizzando un software di riconoscimento facciale così da poter suggerire chi “taggare” tra i nostri amici. L’algoritmo a volte sbaglia, ma gli errori sono sempre meno frequenti (proprio gli algoritmi diventano sempre più precisi con il crescere delle iterazioni). In modo analogo, quando in un bar sentiamo una canzone che ci piace, possiamo usare la app Shazam per scoprire il nome del cantante o il titolo della canzone. Shazam, così come Facebook, usa un algoritmo che identifica il profilo della canzone ascoltata, e va a scansionare in un libreria sterminata di canzoni per trovarne uno che sia identico o per lo meno estremamente simile fino a quando non trova il match. Lo stesso principio si applica nel campo della diagnostica medica: gli algoritmi ormai hanno una capacità di gran lunga superiore a quella dei migliori medici nell’identificare anomalie che possono essere ricondotte ad un tumore o ad altre malattie.
Gli algoritmi di Facebook, di Shazam, per la diagnostica medica, così come quelli per la manutenzione dei motori, per l’identificazione di problemi critici nelle infrastrutture, e via dicendo appartengono alla grande categoria dell’analisi di segnali, che gioca un ruolo chiave in due tecnologie fondamentali in guerra: radar e sonar. Radar è l’acronimo di Radio detection and ranging (avvistamento e misurazione via radio). Sonar è l’acronimo di Sound detection and ranging (avvistamento e misurazione via suono). Radar e Sonar sono due tecnologie volte a sfruttare, rispettivamente, la propagazione elettromagnetica (frequenze radio e micro) nell’atmosfera e la propagazione acustica nell’oceano per avvistare a lungo raggio, identificare, geolocalizzare, e seguire piattaforme aere e subacquee.
L’idea sottostante il funzionamento di Radar e Sonar è esattamente la stessa che si trova dietro a quella di Facebook e Shazam. I sistemi radar emettono onde elettromagnetiche e ne catturano il ritorno (la eco). Esattamente come l’algoritmo di Facebook, un algoritmo avanzato del sistema radar identifica il profilo del ritorno elettromagnetico e va a scansionare una libreria sterminata di ritorni elettromagnetici prodotti da aerei e altri oggetti in volo (volatili, aerei commerciali, e altro), così da trovare un match per stabilire se si tratti di un falso allarme o di un aereo nemico, e, in tal caso di quale aereo si possa trattare (un Su35 o un J20).
I sistemi sonar possono essere attivi (emettono un’onda acustica e ne catturano il ritorno, come i radar) oppure passivi (come Shazam, si limitano ad ascoltare l’ambiente circostante). Cercano di captare i segnali acustici emessi o riflessi dai sottomarini, per poi andare a sfogliare una libreria sterminata di ritorni acustici per cercare un match, così da stabilire se si tratta di un sottomarino ostile oppure di un falso allarme (imbarcazioni commerciali, piattaforme petrolifere, cetacei, e altro).
TECNOLOGIE EMERGENTI E STABILITÀ INTERNAZIONALE
I progressi in nei sensori, negli algoritmi, nelle comunicazioni, e nella disponibilità di dati hanno aumentato in modo senza precedenti la capacità dei sistemi radar e sonar, a tal punto che alcuni sistemi radar promettono di erodere, se non addirittura di cancellare, i vantaggi della cosiddetta tecnologia stealth (ovvero gli aerei come l’F-35 e il B-21), mentre per quanto riguarda i sottomarini, secondo alcuni analisti, la capacità di queste piattaforme di nascondersi nella profondità degli oceani verrà meno negli anni a venire, cancellando il grande vantaggio che questi offrono alle forze militari. È impossibile stabilire con certezza se queste previsioni si avvereranno, se avranno effetti omogenei tra paesi, o se beneficeranno alcuni a scapito di altri.
Quel che possiamo dire è che se negli ultimi anni molti analisti e osservatori hanno messo in guardia dalle implicazioni internazionali delle tecnologie emergenti, parlando ad esempio dei rischi di sistemi d’arma autonomi, bisogna riconoscere come l’effetto delle cosiddette tecnologie emergenti è tutt’altro che chiaro, e potrebbe favorire tanto le operazioni offensive (e quindi promuovere instabilità internazionale) quanto quelle difensive (e quindi avere un effetto opposto). Importante da ricordare a tal proposito è che, qualsiasi sia l’effetto delle tecnologie emergenti, queste avranno bisogno di supporto da parte di altre tecnologie, sistemi e infrastrutture. Ad esempio, una condizione fondamentale per questa trasformazione sarà la disponibilità di sistemi di comunicazioni estremamente efficaci ed efficienti per “integrare” sensori diversi, e poter aggregare in tempo reale le informazioni che essi forniscono. I sistemi che promettono di erodere i vantaggi della tecnologia stealth, i cosiddetti radar “multi-statici”, richiedono comunicazioni 5G, e la tecnologia 5G, a sua volta, ha bisogno di semiconduttori estremamente avanzati. Ciò suggerisce che la competizione tecnologica su molte delle tecnologie centrali per la nostra era continuerà e diventerà ancora più feroce negli anni a venire.
(Estratto dall’ultimo numero della rivista quadrimestrale di Start Magazine)
Articoli correlati
Progetto Ue di certificazione cloud, cosa succede e gli interessi in ballo
Meat sounding e plant-based food, si può chiamare bistecca anche se è di soia?
Le news su Draghi, Salvini, Ponte, Anas, Tesla e Netflix
Perché sul rinnovo del contratto dei metalmeccanici c’è subbuglio
