Dietro ogni previsione, ogni algoritmo, ogni scelta automatizzata c'è un modello matematico. Queste astrazioni non sono mai neutrali: incorporano assunzioni, semplificano la realtà e, in questo processo, definiscono ciò che è calcolabile, ottimizzabile e quindi "reale". Il Math Models Lab di XSEF è il laboratorio dove si apre questa scatola nera. Qui matematici, filosofi della scienza, esperti di dominio e policymakers collaborano per esplicitare i valori nascosti nei modelli, testarne i limiti e progettarne di nuovi: più trasparenti, pluralisti e riflessivi, per una conoscenza che sia strumento di comprensione, non di imposizione.

Il problema sistemico affrontato dal Math Models Lab è il potere normativo nascosto della formalizzazione matematica. Un modello non è un semplice specchio della realtà; è una lente potente che seleziona, riduce e trasforma. Quando un modello economico presuppone un agente razionale ottimizzante, quando un modello climatico sceglie certi parametri trascurandone altri, quando un modello epidemiologico definisce una "vita salvata" in base a certi indicatori, non stanno solo descrivendo il mondo. Lo stanno definendo operativamente, stabilendo quali fenomeni contano e come vanno misurati. Il Lab parte da questa consapevolezza epistemologica: l'errore più grande è scambiare la mappa per il territorio. La domanda cardinale è: come si governa questo potere costitutivo? Come si garantisce che i modelli, strumenti potenti di conoscenza e azione, non diventino gabbie cognitive che ci impediscono di vedere alternative e complessità?

Il Math Models Lab trasforma il rapporto con i modelli da utente passivo a progettista critico e riflessivo.

"Autopsia" e Reverse Engineering di Modelli Influenti: Sotto il nostro microscopio analitico finiscono i modelli che hanno un impatto reale sul mondo: modelli di rischio sistemico finanziario, modelli di previsione della recidiva penale, modelli di valutazione del credito, modelli di allocazione delle risorse sanitarie. Li scomponiamo per esplicitare ogni assunzione implicita, ogni scelta di variabile omessa, ogni definizione della funzione obiettivo. Rendiamo visibile l'invisibile.

Sviluppo di Framework per la "Documentazione del Modello" e l'Audit della Robustezza: La trasparenza non è solo del codice. Il Lab progetta standard per la documentazione obbligatoria dei modelli, che obblighi i creatori a dichiarare: le fonti e i potenziali bias dei dati di training, i limiti di applicabilità del modello, i test di robustezza effettuati, le sensibilità a diverse assunzioni. È il "foglietto illustrativo" del modello.

Progettazione di Modelli "Pluralisti" e "Riflessivi": Andiamo oltre la critica. Progettiamo e sperimentiamo paradigmi di modellazione alternativi. Modelli "pluralisti" che ottimizzano per più obiettivi in competizione (es. efficienza ed equità), modelli "riflessivi" che includono meccanismi per mettere in discussione le proprie premesse, modelli "partecipativi" co-progettati con le comunità che ne subiranno gli impatti.

Simulazioni di "Casi Limite" e "Stress Test" Epistemologici: Cosa succede al modello quando le sue assunzioni di base sono violate? Cosa non può vedere o prevedere per sua stessa costruzione? Il Lab conduce stress test epistemologici per esplorare i confini della validità di un modello, identificando i punti in cui cessa di essere uno strumento utile e diventa una fonte di errore sistemico.

Il lavoro del Lab si concentra sui rischi che emergono quando si dimentica la natura strumentale e riduttiva dei modelli:

Feticismo dell'Oggettività Matematica e Fine del Dibattito: L'aura di precisione e oggettività che circonda un output numerico può spoliticizzare e chiudere il dibattito. "Il modello dice X" diventa un argomento perentorio che squalifica altre forme di conoscenza (esperienza, intuizione, valori contestuali). Il rischio è la tirannia dell'esperto quantitativo.

Profetizzazione del Passato e Cecità all'Innovazione: I modelli sono per definizione addestrati sul passato. Il rischio di overfitting non è solo statistico, ma sociale: un modello può pregiudicare il futuro cristallizzando le regolarità del passato, rendendo invisibili o "improbabili" alternative, innovazioni di rottura o soggetti che non rientrano negli schemi storici.

Opacità come Proprietà Emergente e Scudo di Potere: La complessità matematica, spesso necessaria per la performance, diventa uno scudo contro il controllo democratico e la responsabilità. Di fronte a un modello incomprensibile, il policymaker, il giudice e il cittadino sono disarmati, costretti a una fiducia cieca o a un rifiuto altrettanto cieco.

Erosione della Complessità e Perdita del Senso: Il processo di modellizzazione deve necessariamente scartare informazioni. Il rischio è che ciò che viene scartato sia proprio ciò che dà senso e valore alla realtà che si vuole comprendere: la qualità di una relazione, la bellezza di un paesaggio, la sacralità di un luogo, la giustizia sostanziale di una decisione. Si rischia di ottimizzare metriche vuote.

Il Math Models Lab naviga costantemente dilemmi fondamentali sulla natura della conoscenza e della decisione:

Trade-Off tra Performance e Spiegabilità: Spesso esiste un compromesso intrinseco tra la potenza predittiva di un modello complesso (es. una rete neurale profonda) e la possibilità di spiegare come giunge alle sue conclusioni. Il Lab non dà risposte dogmatiche, ma sviluppa framework per valutare questo trade-off in contesto, definendo in quali domini (sanità, giustizia) la spiegabilità è un requisito non negoziabile, anche a costo di una minore accuratezza.

Validazione Sociale vs. Validazione Statistica: Quando un modello è "accettabile"? La sola validazione statistica (basso errore su un test set) non basta. Il Lab promuove e progetta processi di validazione sociale, che coinvolgano i portatori di interesse nel giudicare se gli output del modello sono equi, comprensibili e allineati con i valori della comunità.

Il Diritto alla Non Modellazione e all'Opacità Personale: Sorge una domanda radicale: gli individui e le comunità hanno un diritto a non essere ridotti a un modello predittivo, a conservare una sfera di imprevedibilità e di auto-determinazione? Il Lab esplora i contorni giuridici e filosofici di questo possibile diritto all'opacità.

Governare l'Incertezza Intrinseca e la Comunicazione del Rischio: I modelli producono stime probabilistiche, non certezze. Il Lab lavora a protocolli per la comunicazione onesta dell'incertezza ai decisori e al pubblico, evitando che intervalli di confidenza vengano spacciati per fatti certi, e a metodi per prendere decisioni robuste proprio nell'incertezza.

Le sfide descritte richiedono una figura professionale unica: il Critico Epistemologico dei Modelli(o il Model Governance Expert).

Questo professionista, forgiato nel metodo del Lab, possiede un profilo che fonde rigore tecnico e profondità filosofica:

Solida Formazione in Matematica, Statistica e Teoria dei Modelli per comprendere gli strumenti nel loro linguaggio nativo e smontarne le pretese dall'interno.

Competenza in Filosofia della Scienza, Epistemologia e Science & Technology Studies (STS)per interrogare le basi della conoscenza prodotta, le metafore fondative e gli effetti sociali dei modelli.

Capacità di Analisi Critica e di "Forensic Modelling" per eseguire audit indipendenti su modelli esistenti, individuarne i bias strutturali e valutarne l'adeguatezza al contesto decisionale.

Skills di Progettazione e Comunicazione per sviluppare modelli alternativi "by design" e per tradurre critiche tecniche complesse in argomenti comprensibili per non specialisti (legislatori, giornalisti, cittadini).

Sensibilità Etica e Interdisciplinare per connettere le scelte tecniche di modellazione con le loro conseguenze su giustizia, equità e libertà.

Senza questa formazione, si rischia di essere succubi della razionalità strumentale dei modelli. Il Critico Epistemologico è l'antidoto al tecnicismo acritico, il garante che la matematica rimanga uno strumento al servizio della riflessione umana, non un suo sostituto autoreferenziale.

All'interno di XSEF, il Math Models Lab svolge un ruolo fondamentale: essere il garante della trasparenza e il promotore di un pluralismo metodologico nel regno del calcolo.

Funzione di "Certificazione della Spiegabilità" e di Audit Indipendente: Operiamo come un ente di certificazione indipendente per i modelli ad alto impatto. Offriamo servizi di audit per verificare la documentazione, testare la robustezza e valutare la spiegabilità di modelli proposti per l'uso in settori critici (pubblica amministrazione, sanità, finanza), emettendo pareri tecnici vincolanti per le autorità regolatorie.

Sviluppo e Promozione di "Modelli Pubblici" e Standard Aperti: Creiamo e mettiamo a disposizione della collettività modelli di riferimento "pubblici" e open source per compiti sensibili (es. un modello di rischio recidiva "base" sviluppato con trasparenza assoluta), contro i quali confrontare i modelli proprietari. Promuoviamo standard aperti per lo scambio e la documentazione dei modelli.

Osservatorio Permanente sugli Abusi della Modellizzazione: Monitoriamo e denunciamo pubblicamente i casi in cui i modelli vengono utilizzati in modo distorto, al di là dei loro limiti di validità, o per giustificare decisioni ingiuste. Siamo i "cani da guardia" epistemologici.

Missione Ultima: La nostra missione è ri-politicizzare la matematica e demistificare il calcolo. Vogliamo un futuro in cui i modelli siano riconosciuti per quello che sono: potenti strumenti di pensiero, ma sempre imperfetti, sempre carichi di scelte valoriali, e sempre al servizio di un dibattito democratico informato. Un futuro in cui si possa chiedere conto non solo dell'output di un algoritmo, ma delle premesse filosofiche del modello che lo genera. Formiamo e forniamo gli strumenti a chi, ovunque si prendano decisioni basate su numeri, vuole assicurarsi che quei numeri siano al servizio della verità e della giustizia, non dell'oscurantismo tecnologico.