Nexus2030: Prime Fasi, Grandi Ambizioni
Il progetto Nexus2030 ha ufficialmente preso il via il 30 maggio 2022, ponendosi come obiettivo strategico la creazione di un Digital Twin territoriale avanzato, capace di integrare evidenze scientifiche, dati urbani e partecipazione civica per supportare politiche pubbliche intelligenti e sostenibili.
Nei primi 10 mesi, le attività si sono concentrate principalmente sull’impostazione metodologica e sulla definizione delle architetture concettuali e tecnologiche che guideranno l’intero progetto. L’Obiettivo Realizzativo 1 (OR1) ha stabilito le basi teoriche e pratiche per il processo di evidence-informed decision making abilitato dal Digital Twin, un processo fondamentale per prendere decisioni basate su evidenze concrete. Questo processo ha incluso l’adozione delle migliori pratiche internazionali e una prima classificazione delle diverse tipologie di evidenze, che spaziano da evidenze scientifiche e best practices (solitamente trasmesse in modo informale tra esperti del dominio), fino a tutte le informazioni prodotte dai cittadini, quindi citizen-based. Questa classificazione ha permesso di modellare il knowledge space, uno strumento pensato per gestire tutte le informazioni, configurandosi come uno spazio in cui l’utente, indipendentemente dalla tipologia di evidenza, possa compiere scelte informate confrontando i dati disponibili. Non si tratta di una semplice base di conoscenza, ma di uno strumento avanzato integrato con modelli di intelligenza artificiale capaci di rispondere a domande in linguaggio naturale poste dagli utenti. Nel corso del progetto, questo strumento sarà implementato e testato con dati reali, per valutarne l’efficacia. In parallelo, è stato condotto uno studio sulle ontologie e le tassonomie per individuare una soluzione smart e leggera per rappresentare l’ambiente urbano. La soluzione adottata è quella di trasformare un’ontologia completa in una struttura più snella, come una tassonomia gerarchica, mantenendo le relazioni ‘padre-figlio’. Questo approccio consente di utilizzare i tag ottenuti all’interno dello strumento progettato per la gestione della conoscenza, offrendo un metodo più semplice per modellarla e recuperarla.
Infine, per valutare l’efficacia di questo strumento, sono stati avviati studi per monitorare i risultati ottenuti attraverso l’applicazione di questa metodologia.
In parallelo, con l’OR2, si è lavorato alla definizione di un framework di Citizen Science, che si integri con il concetto di evidenza descritto in precedenza e che, in generale, coinvolga i cittadini nella raccolta di dati urbani. Questo coinvolgimento avviene in vari modi, a partire dalla progettazione di strumenti di collaborazione, come una semplice applicazione che consente agli utenti di rispondere a questionari, fino a sviluppare applicazioni mobili dedicate, che permettano ai cittadini di esprimere la propria opinione sulla città o di avere una visione diretta del contesto urbano. In questo modo, i cittadini diventano veri e propri produttori di dati, simili a sensori.
I dati prodotti saranno poi utili per eventuali analisi e predizioni. Insieme a questi ambienti, spazi di co-design permettono agli utenti di creare conoscenza. Attraverso questi strumenti, i più esperti possono collaborare per generare nuova informazione, basata su dibattiti, eventi, evidenze e così via. Il tutto dovrà essere accompagnato da meccanismi di motivazione partecipativa, al fine di garantire una collaborazione continua e proficua tra la società e la scienza.
Con l’OR3, sono iniziate le attività di ricerca avanzata su tecnologie di Intelligenza Artificiale, con un focus particolare su AutoML e Explainable AI (XAI), per sviluppare modelli predittivi che siano accessibili anche a utenti non esperti e garantire, allo stesso tempo, trasparenza e tracciabilità nei processi decisionali automatizzati. Questo processo porterà, nel prossimo periodo, alla creazione di un sistema capace di fornire spiegazioni sui risultati predetti, insieme a una sorta di guida che permetta anche agli utenti senza particolare esperienza di comprendere i risultati. Diversi modelli e algoritmi sono stati individuati e testati attraverso esperimenti mirati, al fine di analizzare le lacune e i punti di forza di ciascuno. L’obiettivo principale è rendere il sistema multidominio, in modo che un utente possa utilizzarlo per uno scopo specifico, ma anche per altre applicazioni. Oltre a questo, è necessario anche pensare a come gli utenti più esperti possano sfruttare il sistema in modo avanzato, per ottenere il massimo delle potenzialità offerte da queste tecnologie.
In questa fase sono stati avviati anche:
- l’analisi dei modelli di simulazione con System Dynamics e fisici (OR4)
- lo studio per la progettazione dell’architettura del Digital Twin (OR5)
- la mappatura delle tecnologie di visualizzazione dati interattiva e multidimensionale (OR6).