Nel panorama accademico contemporaneo, la transizione tra ambiti del sapere apparentemente distanti rappresenta spesso la fucina delle intuizioni più innovative. È questo il caso di Federico Perlino, recente vincitore di un prestigioso riconoscimento, il premio Oliviero Lessi per la migliore tesi di laurea magistrale in Statistica metodologica. L’itinerario scientifico di Federico incarna un connubio perfetto tra rigore metodologico e sensibilità umanistica. Laureatosi inizialmente in Sociologia presso l’Università degli Studi di Milano-Bicocca, ha intrapreso un percorso che lo ha condotto a specializzarsi in Scienze statistiche ed economiche, sempre in Bicocca, per poi volare oltreoceano a Harvard e stabilirsi infine in Inghilterra come dottorando nell’ambito della statistica e del machine learning. Lo abbiamo intervistato per comprendere le ragioni e il valore di questo tragitto.
Dottor Perlino, il suo itinerario accademico, dall’esterno, appare non lineare. Come si è delineato?
Il mio percorso è stato indubbiamente articolato, ma mi sono reso conto che, per me, risponde a un'esigenza profonda, e ho imparato a vederci una coerenza interna. Durante gli studi triennali in Sociologia qui in Bicocca, mi sono appassionato alle questioni epistemologiche e metodologiche insite nella ricerca sociale, approfondendo, nella mia tesi, l'analisi degli ambienti digitali da un punto di vista interdisciplinare, tentando di far dialogare saperi che andavano dalle teorie sociologiche e psicologiche classiche ai più recenti studi di teoria dei giochi. Grazie all'incontro con docenti illuminati e all'esperienza presso il Behavioral Insights Bicocca, grazie al professor Riccardo Viale, ho sviluppato il desiderio di esplorare gli aspetti quantitativi, legati ai modi in cui traiamo conoscenza attraverso i dati, non solo nella loro veste di strumenti, ma nelle loro fondamenta logico-matematiche e nel loro funzionamento interno. Avvertivo la necessità di acquisire uno sguardo scientifico che mi permettesse di comprendere a fondo ciò che sta "dietro" ai metodi. Sentivo di non volermi accontentare di una conoscenza marginale della materia, ma di provare a padroneggiarne i presupposti.
Questo l'ha spinta a frequentare un anno di transizione a Firenze prima di tornare in Bicocca per la laurea magistrale. Quanto è stato impegnativo questo "ponte" disciplinare?
Moltissimo, sia in termini intellettuali che personali. Essendo la sociologia un’area applicata, i piani di studio tradizionali non offrono in genere i fondamenti matematici a un livello necessario per l'accesso diretto a una magistrale in Statistica. Ho affrontato un anno di transizione a Firenze, fortunatamente supportato da una borsa di studio per il merito negli studi triennali, nel quale ho avuto modo di recuperare esami cardine come algebra lineare, analisi matematica, programmazione, calcolo delle probabilità e inferenza statistica. È stato un periodo di radicale revisione e riorganizzazione del mio metodo di studio: sono passato dal preparare esami di impianto teorico-discorsivo al decifrare il linguaggio formale della matematica (che però mi ha sempre appassionato) e le sue implicazioni per la statistica. Un percorso complesso e spesso sconsigliato, ma reso possibile grazie alla fiducia e al sostegno di professori che hanno creduto nel mio progetto sia a Firenze che a Milano.
Perché ha poi scelto di tornare a Milano-Bicocca per la laurea magistrale in Scienze statistiche ed economiche?
Una volta acquisiti gli strumenti fondamentali, ho analizzato l'offerta formativa nazionale e ho reputato che il corso di Milano-Bicocca in Scienze statistiche ed economiche fosse quello che maggiormente rispondesse ai miei interessi. Sono ripartito con un trasferimento a "zero crediti", dove gli esami sostenuti a Firenze sono stati riconosciuti come requisiti d'accesso. In Bicocca ho scelto il curriculum in Statistica e data science, focalizzandomi sulla metodologia pura. È stata una scelta di cui vado fiero, culminata nell'incontro con la statistica bayesiana, una branca che ha letteralmente ridefinito il mio modo di guardare alla disciplina, offrendomi quel perfetto punto d'incontro tra rigore matematico e inclinazione filosofica. Tuttora la mia ricerca si inscrive prevalentemente in quel paradigma di ricerca.
E poi, dopo la laurea?
Subito dopo la laurea, ho iniziato come borsista di ricerca all’Istituto dei Tumori di Milano, lavorando a stretto contatto con chimici ed epidemiologi. In quel contesto è stata particolarmente apprezzata la mia tesi di laurea magistrale, per la quale ho ricevuto un premio.
Il lavoro nasceva da un problema molto concreto, che avevo iniziato a studiare durante un periodo di visiting a Harvard come tesista magistrale: nelle analisi chimiche, alcune sostanze possono essere presenti, in dipendenza dal campione analizzato (pensiamo a campioni di sangue, ad esempio) in concentrazioni così basse da non poter essere misurate con precisione dagli strumenti. Si sa che sono sotto una certa soglia, ma non si conosce il loro valore esatto. La mia ricerca si è concentrata sullo sviluppo di metodi statistici, in particolare bayesiani, per imputare questi valori in modo plausibile, combinando l’informazione contenuta nei dati osservati con assunzioni flessibili sul fenomeno studiato e restituendo una quantificazione dell’incertezza nell’imputazione che rifletta contemporaneamente le nostre ipotesi sul fenomeno e i dati osservati.
Questo approccio mi interessava molto perché rendeva evidente una delle caratteristiche che più apprezzo della statistica bayesiana, vale a dire la possibilità di descrivere l’incertezza come un processo dinamico, in cui le ipotesi iniziali vengono aggiornate alla luce dei dati. In questo senso, la conoscenza scientifica non appare come qualcosa di statico, ma come un continuo confronto tra ciò che assumiamo e ciò che osserviamo.
Globalmente, la mia esperienza di studio è stata molto stimolante. Ha confermato il mio desiderio di continuare a fare ricerca e mi ha fatto intuire cosa sia, in essenza, il lavoro scientifico: un processo iterativo di scoperta e innovazione, ma anche di fallimenti, deviazioni inattese e intuizioni nate quasi per serendipità, una sorta di eterogenesi dei fini. Soprattutto per questo ho deciso di proseguire con un dottorato di ricerca nel Regno Unito, dove oggi mi occupo di probabilistic machine learning: un’area dell’intelligenza artificiale, di ispirazione bayesiana, che sviluppa modelli che apprendono dai dati, forniscono incertezza attorno alle previsioni e cercano di integrare fonti di conoscenza eterogenee.
La sua storia evoca un parallelismo storico con figure illustri, come appunto quella di Oliviero Lessi, giunto anche lui alla statistica da studi socio-politici. Ritiene che questo background ibrido rappresenti un valore aggiunto all'estero, ad esempio nel Regno Unito dove oggi lavora?
Assolutamente sì. Per quel che ho potuto osservare, nel contesto accademico anglosassone l'interdisciplinarità è un valore concreto e ampiamente apprezzato, benché non facile da coltivare. Chi ha studiato seriamente filosofia e scienze sociali sviluppa una forma mentis orientata alla formulazione di domande complesse, alla comprensione del contesto e, per citare Luciano Floridi, ad "abitare i problemi, prima ancora che abbracciare soluzioni". Penso che innestare queste qualità su solide competenze matematiche abbia un grande valore. L’ambizione è riuscire a tenere insieme il significato, l’origine e l’impatto dei fenomeni che studiamo con i meccanismi formali attraverso cui possiamo descriverli, misurarli e modellizzarli, soprattutto oggi che l’intelligenza artificiale permette di costruire rappresentazioni sempre più potenti della realtà a partire dai dati. È come cercare di fare dialogare due mondi.
In conclusione, quale messaggio si sente di dare agli studenti che, magari partendo da discipline umanistiche o sociali, guardano con timore al mondo dei dati e della "Data Science"?
Il mio consiglio è di non avere paura di ridisegnare i propri confini. Il passaggio a una disciplina formale, per chi lo desidera, richiede un indubbio sforzo di "reframing" mentale e un cambio radicale di prospettiva, ma l'orizzonte che si schiude è altrettanto di valore. Un percorso ibrido può essere vissuto come una risorsa, a patto che si abbia la pazienza di costruire basi solide e il coraggio di attraversare una fase iniziale di spaesamento. A questo proposito, e in occasione della vittoria di questo premio di laurea, tengo a ringraziare moltissimo tutti i docenti del corso di laurea in Scienze Statistiche ed Economiche dell’Università degli Studi di Milano-Bicocca, e in particolare il mio ex relatore, professor Bernardo Nipoti, per avermi sostenuto e stimolato, e per aver contribuito crucialmente alla mia formazione.
