Per l'ottavo incontro della serie “Complessità in azione – 8 leve per cambiare il mondo”, organizzata dal Complexity Institute in collaborazione con Complexity Education Project, Pier Luigi Gentili ha svolto un dialogo insieme a Luigi Ferrata sul tema: La trasformazione eco-sistemica

1. LaTrasformazione
Eco-Sistemica
Pier Luigi Gentili
Dipartimento di Chimica, Biologia e Biotecnologie
Università degli Studi di Perugia

2. L’Agenda 2030 per lo Sviluppo Sostenibile

3. Ecosistemi
Economia
mondiale
Società Umane
Sistemi Complessi
Essere Umano
Il suo benessere
psico-fisico
Clima
Conseguire gli obiettivi
dell’Agenda 2030
significa occuparsi di:

4. La Scienza della Complessità
si propone di:
approfondire la conoscenza dei Sistemi Complessi
attraverso un dialogo interdisciplinare
per individuare:
2) metodi efficaci per la descrizione dei Sistemi Complessi;
1) le caratteristiche che accomunano i Sistemi Complessi;
3) i principi che regolano i comportamenti dei Sistemi Complessi;
Lo sviluppo della Scienza della Complessità
aiuterà a raggiungere gli obiettivi dell’Agenda 2030
ed a saper affrontare le sfide globali del nuovo secolo.

5. Caratteristiche comuni ai diversi Sistemi Complessi:
1) Networks con nodi e relazioni
https://www.researchgate.net/figure/Brain-Network-Connectome-The-fiber-tractography-DWI-structural-connections-are-used_fig2_335341120

6. 2) Sistemi fuori dall’equilibrio, in senso Termodinamico
• Il comportamento della materia inanimata è guidata da campi di forze chimico-fisiche
• Il comportamento della materia vivente è basato anche sull’informazione
Caratteristiche comuni ai diversi Sistemi Complessi:

7. 3) Proprietà Emergenti
• L’integrazione delle proprietà dei nodi e delle relazioni origina proprietà che
appartengono all’intero network
Caratteristiche comuni ai diversi Sistemi Complessi:
Perché?
Alcune proprietà emergenti sono comprensibili e prevedibili, altre no.

8. 1) COMPLESSITA’ DESCRITTIVA
ABBIAMO BISOGNO DI ALGORITMI UNIVERSALMENTEVALIDI ED EFFICACI
Difficoltà nel descrivere i Sistemi Complessi dipende da:
1) Il numero di nodi, la loro diversità e la loro variabilità di comportamento;
2) Il numero di relazioni, la loro diversità e la loro variabilità;
3) Sensibilità al contesto.
I Sistemi Complessi e i loro comportamenti sono come le «FormeVariabili» che
è difficile riconoscere

9. 2) COMPLESSITA’ COMPUTAZIONALE
La descrizione di Sistemi Complessi
• a partire dagli elementi costitutivi che possono essere
atomi e molecole,
• o la risoluzione di molti problemi che riguardano i
Sistemi Complessi, come la progettazione di operazioni,
il machine-learning,
sono esempi di problemi computazionali che sono:
risolvibili, ma intrattabili
Problemi esponenziali (E)
intrattabili
𝑛°𝑐. 𝑠. ∝ 𝑁𝑁
𝑛°𝑐. 𝑠. ∝ 𝑁!

10. La determinazione delle condizioni iniziali è sempre affetta da inevitabili incertezze ed errori.
3a) Principio di Indeterminazione di Heisenberg
3) IL POTERE PREDITTIVO DELLA SCIENZA
HA LIMITAZIONI INTRINSECHE
Qualunque dinamica caotica è impredicibile a lungo termine, per definizione
3b) Il Sistema Complesso può esibire
dinamiche caotiche che sono aperiodiche ed
estremamente sensibili alle condizioni
iniziali.
EFFETTO
FARFALLA

11. Come possiamo raggiungere gli obiettivi
dell’Agenda 2030 e vincere qualunque sfida
globale del XXI secolo?
LaTrasformazione
Eco-Sistemica
1) COMPLESSITA’ DESCRITTIVA
2) COMPLESSITA’ COMPUTAZIONALE
3) IL POTERE PREDITTIVO DELLA SCIENZA
HA LIMITAZIONI INTRINSECHE

12. RIDUZIONISMO RIPRODUCIBILITA’
GLI
ESPERIMENTI
DIVENTANO
EVENTI
STORICI
PROPRIETA’
EMERGENTI
APPROCCIO
SISTEMICO
OGGETTIVITA’ E
SOGGETTIVITA’
DIPENDENZA
DELL’INFORMAZIONE
DAL CONTESTO

13. Indagine dei Sistemi Complessi
Monitorare i Sistemi Complessi,
raccogliendo e manipolando i Big
Data
(1)
https://www.socialmediaverve.com/education-and-technology-8-ways-
technology-is-impacting-modern-education/
(2) Le simulazioni al computer
costituiscono modi alternativi per
eseguire esperimenti sui Sistemi
Complessi.
A tal fine è necessario migliorare la velocità computazionale dei nostri dispositivi di calcolo,
estendere la loro memoria ed escogitare nuovi e più efficaci algoritmi.

14. Natural Computing
Trarre ispirazione dalla Natura
NUOVI ALGORITMI
NUOVI MATERIALI
ED ARCHITETTURE
PER CALCOLARE
NUOVE METODOLOGIE E MODELLI
PER INTERPRETARE
LA COMPLESSITA’ NATURALE
Idea di base: ogni stato chimico-fisico distinguibile della materia e dell’energia
può essere utilizzato per codificare informazione.
Ogni trasformazione naturale è un esempio di computazione

15. CONCLUSIONE
Se vogliamo raggiungere gli obiettivi dell’Agenda 2030 è
necessario:
1) Approfondire la Scienza della Complessità con un proficuo
dialogo interdisciplinare
2) Proporre una didattica della Complessità che abbatta le
barriere disciplinari tradizionali
3) Formare nuove figure professionali «eclettiche» (o
«generaliste» o «ibride») che siano in grado di integrare i
diversi saperi e fare scelte oculate di fronte alle sfide globali

16. Riferimenti
• Pier Luigi Gentili: “Untangling Complex Systems: A Grand Challenge for
Science” 2018, Taylor & Francis Inc. (CRC Press).
• Pier Luigi Gentili: “Why is Complexity Science valuable for reaching the
goals of the UN 2030 Agenda?” Rend. Fis. Acc. Lincei 2021, 32, 117–134.
• Pier Luigi Gentili: “Designing and Teaching a Novel Interdisciplinary Course
on Complex Systems To Prepare New Generations To Address 21st-Century
Challenges.” Journal of Chemical Education 2019, 96, 2704-2709.
«Enhancing higher education on
COmplex Systems THINKING for
sustainable development»
Progetto Europeo di Strategic Partnership Erasmus+