Un fotogramma preso dal gioco per computer "SimCity"

Un incipit solo apparentemente fuori tema: la proposta di introdurre l’obbligo, per chi voglia essere candidato a una posizione politica come amministratore di una città, di dimostrare preventivamente di essere capace di giocare a SimCity. Da Wikipedia possiamo leggere che «Nel gioco bisogna creare una nuova città partendo dal nulla o da una città già esistente. Per migliorare la qualità di vita dei sim-cittadini occorre occuparsi della costruzione di stazioni di polizia, caserme dei pompieri, centrali elettriche ed altri servizi che permettono alla città di sopravvivere. Inoltre potranno essere variate le imposte per coprire le spese. Per complicare il già difficile compito di gestire la città, ci sono una serie di disastri che possono abbattersi su di essa: tornado, inondazioni, incendi, disastri aerei, invasioni da parte di mostri, terremoti».

Questa è la complessità della vita reale! E ora anche i mostri si sono manifestati sotto la forma del virus SARS-CoV-2. I possibili candidati dovrebbero quindi dimostrare di ben padroneggiare anche il concetto di complessità e gli scenari che ne derivano.

Lo scenario della complessità

Il recente libro di Bertuglia e Vaio su Il fenomeno urbano e la complessità è perfetto nell’offrirci un’analisi scientifica approfondita della complessità degli ambienti urbani. La loro carrellata passa dal sogno di gestire programmaticamente la realtà delle scelte urbane con i relativi eventi economici alla cruda realtà di un sistema di mercato con enormi imperfezioni. Il libro considera le componenti storiche, politiche, teoriche e tecniche degli spazi urbani, senza mai dimenticare il lato economico, sempre nella prospettiva della complessità.

Il libro approfondisce sia la pianificazione urbana, sia l’economia dell’interazione del mondo reale con le decisioni della programmazione. Sono due temi che, a partire dagli anni ’50 del secolo scorso, hanno conosciuto grandi speranze di successo, colossali disastri ed enormi trasformazioni. Di conseguenza, abbiamo il paradosso di Tirole: il vincitore nella competizione del sistema economico, cioè il mercato, sta raccogliendo solo critiche da ogni parte (Tirole J., Économie du bien commun, Presses Universitaires de France, Paris, 2016).

Per rispondere con azioni positive alla vasta complessità del fenomeno urbano, possiamo immaginare una matrice di obiettivi strategici attraversata da progetti d’azione, risorse, soprattutto manageriali, legate alle azioni e reazioni economiche del mondo reale. Servono quindi modelli altamente realistici, non stilizzati, anche di simulazione o soprattutto di simulazione.

Possiamo trovare la stessa evoluzione nell’economia e nella pianificazione generale. Torniamo indietro di circa sessant’anni: nell’ottobre del 1961, in tempo per l’apertura del XXII Congresso del Partito comunista, il Consiglio della cibernetica dell’Accademia delle scienze sovietica pubblicò un volume intitolato La cibernetica al servizio del comunismo(Berg A.I., ed., Cybernetics at the service of Communism – USSR –, Cybernetics Council of the Soviet Academy of Sciences, Moscow/Leningrad, 1961; traduzione pubblicata da: Office of Technical Services, U.S. Department of Commerce, Washington D.C., 1962). Una grande ricerca che descriveva gli enormi vantaggi potenziali dell’applicazione dei computer e dei modelli cibernetici in un’ampia gamma di campi, dalla biologia e dalla medicina al controllo della produzione, ai trasporti, e alla guida dell’economia. In particolare, la costruzione cibernetica interpretava l’intera economia sovietica come «un sistema cibernetico complesso, che incorpora un numero enorme di cicli di controllo interconnessi». Quelle idee, proposte nel sistema dell’Unione Sovietica, fallirono. Non si trattò solo di problemi di calcolo, almeno parzialmente risolvibili, ma di una profonda controversia sul potere nella pianificazione, che bloccò l’iniziativa sul nascere (Gerovitch, 2008).

Attualmente, la costruzione cibernetica di una struttura economica gestita dall’Intelligenza Artificiale è nel novero del possibile e il mondo economico si sta muovendo in modo silenzioso e accelerato verso nuove strutture di scelta e pianificazione, plasmate dall’intelligenza artificiale. (Questa azione viene tra l’altro attutata dai grandi mercanti per proprio conto, ad esempio Walmart, Alibaba e Amazon; è solo una digressione, ma su un tema tanto complesso quanto preoccupante).

Più in generale, non si tratta della ricerca della grande, unica soluzione, come punto di singolarità in cui i modelli superano la capacità umana di decidere, ma della ricerca di insiemi di soluzioni ragionevoli, con reti di interazione a tutti i livelli, iniziando da quello territoriale. Considerazioni molto interessanti sull’argomento sono contenute in Perez et al.(2017).

I mostri nella vita sociale e nelle città

In un sistema difficilissimo da governare per la sua complessità intrinseca hanno fatto irruzione nella realtà del 2020 i mostri del gioco SimCity, sotto la forma del virus che provoca la COVID-19.

L’effetto è stato disastroso, ancor prima sul piano sociale che su quello sanitario o economico. Con altri studiosi abbiamo creato un modello della diffusione del virus SARS-CoV-2 e degli aspetti sociali ed economici collegati (Pescarmona et al., 2020). Con alcuni degli autori abbiamo anche voluto divulgare i concetti del modello, con scritti preparati con Gianpiero Pescarmona, biochimico clinico, e Giuseppe Russo. economista. Le considerazioni che seguono sono in parte estratte da quegli scritti, tutti a disposizione online.

Abbiamo rivolto molta attenzione alle persone fragili e molto fragili (gli anziani nelle case di riposo), da difendere e accudire; si sono lette cose inaccettabili sugli anziani, quasi che fosse una colpa esserlo: la vecchiaia è un fenomeno naturale molto positivo, perché significa che la vita si allunga. Poi ci sono tutti gli altri, cioè i fragili per via del lavoro in condizioni difficili, i poveri nutriti male e talvolta obesi, i pazienti curati con complesse terapie farmacologiche sintomatiche che alterano il loro metabolismo rendendoli più sensibili alle infezioni, le persone esposte a inquinanti di vario tipo. La città è abitata da tutte queste persone. Provare un senso di colpa, se non li difendiamo, è assolutamente corretto.

Muoiono soprattutto sempre gli stessi tipi di persone, che dovrebbero essere curate singolarmente per ridurne la fragilità, ma che di fatto sono state trattate come un semplice numero di ricoveri in terapia intensiva o di decessi, in attesa del vaccino panacea. I fragili potrebbero essere trasformati in non fragili, con percorsi personalizzati, anche poco costosi. Ma chi ha la capacità e la forza di farlo? Mettiamo alla prova tutto il ragionamento con un’azione specifica, molto diretta e anche fattibile (probabilmente sarebbe stata sufficiente una circolare dell’INPS), gestibilissima in un ambito urbano: i lavoratori in condizione di fragilità e che non possono scegliere il cosiddetto telelavoro, si assentano dal posto di lavoro in congedo per malattia. Eventualmente sono sostituiti da lavoratori temporanei, ad esempio giovani.

Le strategie di difesa del sistema sanitario, economico e della vita delle persone dovrebbero quindi essere diverse. Secondo i nostri calcoli un giorno solo di lockdown durante la prima ondata costerà all’economia e alla società italiana 4,2 miliardi suddivisi in due anni: ogni cinque giorni di fermo se ne è andato un punto percentuale di Pil. La metà durante la seconda ondata, ma sono sempre cifre enormi. Invece, togliere al virus la possibilità di fare i danni peggiori, ossia proteggere i lavoratori fragili nelle situazioni più rischiose, attraverso l’indennità di malattia, sarebbe costato 162 milioni al giorno. Inoltre, siccome i lavoratori fragili sarebbero sostituiti da lavoratori temporanei, la spesa dei redditi di quest’ultimi avrebbe ridotto il costo netto per l’economia; nel controllo dell’epidemia, questa scelta – valutata con il nostro modello – avrebbe avuto un effetto paragonabile al lockdown. Una somma quotidiana pari a un 48esimo del costo del lockdown, ma che avrebbe permesso all’economia di affrontare la ripresa, anziché avvitarsi in una seconda, pericolosa, fermata. Anche questo è un modo per difendere i poveri, nella loro fragilità.

Mentre scrivo siamo all’inizio di maggio 2021. Che cosa ci attende ora?

Da ottobre 2020 a tutto dicembre, i casi di contagio sono stati giornalmente moltissimi e, in questa seconda ondata, la percezione dell’epidemia è individualmente molto più forte di quella della prima fase, nella primavera 2020. Tutti infatti conosciamo persone colpite più o meno gravemente. Che cosa è successo? L’epidemia stava estinguendosi all’inizio dell’estate, poi comportamenti molto imprudenti hanno permesso pochi, ma determinanti, nuovi contagi. I contagiati, spesso asintomatici, al ritorno dalle vacanze hanno nuovamente disseminato il virus, quasi come se fosse una nuova epidemia. Poi una terza ondata, meno rilevante della seconda, si è manifestata a marzo e aprile 2021.

Un modello della pandemia nel territorio e negli spazi urbanizzati.

Anche in questo caso la simulazione ci può aiutare a comprendere quello che è successo e a studiare come operare; tra l’altro, con la massima urgenza, nel distribuire i vaccini.

Il lavoro di simulazione citato (Pescarmona et al., 2020) utilizza un modello basato su agenti per simulare la diffusione dell’epidemia di COVID-19, con persone suscettibili, infette, sintomatiche, asintomatiche e recuperate: da qui il nome S.I.s.a.R. Lo schema deriva dai modelli S.I.R. (Suscetible, Infected, Recovered) ma con (i) agenti infetti classificati come sintomatici e asintomatici e (ii) i luoghi di contagio specificati in modo dettagliato, grazie alle capacità dei modelli basati su agenti. La trasmissione dell’infezione è legata a tre fattori: le caratteristiche della persona infetta e di quella suscettibile, nonché quelle dello spazio in cui avviene il contatto. Il plus del modello è l’offerta di uno strumento che permette di analizzare le sequenze dei contagi nelle epidemie simulate, identificando i luoghi in cui si verificano.

Gli spazi sono fondamentali nel modello, di cui esistono due modi d’uso (a https://terna.to.it/simul/SIsaR.html è possibile eseguire direttamente online il modello; si noti in alto a sinistra l’opzione cities&towns che consente di creare o no l’articolazione dello spazio, che passa dall’essere un continuo indifferenziato ad una articolazione di città e centri minori), che includono o escludono il fenomeno urbano, la cui presenza risulta determinante per l’emergere di risultati realistici.

S.I.s.a.R. è a questo indirizzo con informazioni sulla costruzione del modello, la bozza di un documento che riporta anche i risultati e infine una versione eseguibile online del programma di simulazione, costruito utilizzando NetLogo. Il modello include i dati strutturali del Piemonte, ma può essere facilmente adattato ad altre aree. Riproduce un calendario realistico di eventi (ad esempio, le decisioni nazionali o locali sul contenimento del contagio).

Perché un altro modello? Il punto di partenza è stata la necessità di modellare il problema pandemico in modalità multi-scala. L’abbiamo deciso in parallelo alla pubblicazione di nuovi articoli di frontiera, come Bellomo et al. (2020), quando i modelli S.I.R. basati su equazioni, con le loro varianti, occupavano la scena, senza lasciare spazio proprio ai temi che si introducono qui: dall’attenzione alle strutture sociali a quella per le articolazioni urbane.

Un altro modello, anche come contributo alla conoscenza, utilizzandolo per capire cosa sta succedendo. Certo, con arbitrarietà: sta agli altri e al tempo giudicarne la validità. Modellare la pandemia della Covid-19 richiede uno scenario e degli attori, cioè gli agenti che nel computer simulano il comportamento quotidiano delle persone. Come in un dramma per il teatro, dove l’autore definisce i ruoli degli attori e dell’ambiente. I personaggi non sono reali, sono costruiti, e agiscono secondo i loro particolari vincoli. Lo stesso vale per le nostre simulazioni: noi siamo gli autori, definiamo arbitrariamente i personaggi, li costringiamo a recitare in scenari diversi. Sia nelle opere teatrali sia nelle simulazioni, comprimiamo il tempo: tutta una vita in due o tre ore, sul palcoscenico; l’evoluzione dell’epidemia in pochi minuti nel modello.

Con il nostro modello passiamo da una visione cosiddetta macro compartimentale alla meso e microanalisi. Le caratteristiche principali sono:

• la scalabilità: si tiene conto delle interazioni tra individui in contesti più o meno ampi; degli spostamenti tra ambienti diversi: abitazioni, scuola, posti di lavoro, spazi aperti, negozi, ospedali, residenze per anziani. In una seconda versione aggiungeremo i mezzi di trasporto e i viaggi tra regioni/paesi; le discoteche; altre aggregazioni sociali, come gli eventi calcistici. Gli spostamenti da luogo a luogo avvengono in momenti diversi del ciclo quotidiano di attività, come in Ghorbani et al. (2020);
• le scale sono:
  • micro, considerando il meccanismo biochimico coinvolto nella reazione al virus, come in Silvagno et al. (2020), da cui deriva l’importanza assegnata all’attributo individuale di suscettibilità intrinseca legato all’età e a precedenti episodi di morbilità; il modello incorpora le conoscenze mediche di uno dei suoi coautori;
  • meso, considerando gli spazi aperti e chiusi in cui gli agenti vengono a trovarsi;
  • macro, con gli effetti emergenti delle azioni degli agenti; questa analisi è un prerequisito per valutare i costi e i benefici delle diverse politiche di intervento;
• granularità: a qualsiasi livello, le interazioni sono parzialmente casuali e quindi i risultati finali rifletteranno sempre la somma della casualità ai diversi livelli; cambiando i vincoli a diversi livelli ed eseguendo simulazioni multiple identifichiamo i punti più critici, dove focalizzare l’intervento.

Le sequenze dei contagi per individuare i suggerimenti per le politiche di intervento

Le considerazioni precedenti non sono esaustive. Il punto critico che rende utile l’uso di questo modello è la possibilità di analizzare le sequenze dei contagi nelle epidemie simulate e di identificare i luoghi in cui essi si verificano. Ciò in relazione all’interazione tra persone, agli spazi (scuola, lavoro, abitazioni…), alle strutture urbane.

Rappresentiamo ogni agente infettante tramite un segmento orizzontale, con connessioni verticali agli altri agenti cui trasmette l’infezione, a loro volta rappresentati da segmenti collocati a livelli superiori. Con colori, spessore delle linee e stili, visualizziamo una molteplicità di dati. La sequenza dei contagi è riportata dal basso verso l’alto.

Un esempio: si veda la Figura 1, che riporta i primi quaranta contagi di una epidemia simulata. Esaminando la figura dal basso verso l’alto, si inizia con due agenti provenienti dall’esterno, rappresentati con segmenti di colore nero (luogo del contagio non definito):

• il primo, con grado minimo di fragilità, come indicato dallo spessore del segmento che lo rappresenta; è asintomatico a partire dal giorno 0 e fino al giorno 24 (linea tratteggiata); non infetta nessuno;
• il secondo, con grado normale di fragilità, come indicato dallo spessore del segmento che lo rappresenta; è asintomatico a partire dal giorno 0 fino al giorno 20 (linea tratteggiata); già al secondo giorno, dopo una brevissima incubazione (linea a puntini), infetta quattro agenti; successivamente, altri cinque.

Il contagio, sempre seguendo la figura dal basso verso l’alto, si diffonde: ad esempio, il terzo degli agenti contagiati il secondo giorno, dopo un’incubazione di alcuni giorni (tratto a puntino) diventa asintomatico e al giorno 13 contagia otto agenti (tutti nella parte alta della figura), di cui uno in casa di riposo e gli altri in un luogo di lavoro.

Figura 1 – Un caso con misure di contenimento, le prime 40 infezioni: risaltano i luoghi di lavoro (in marrone) e le residenze per anziani (in arancione)

I sintomatici nel modello sono di norma rapidamente isolati, e non contagiano frequentemente.

Da destra a sinistra Figura 2 e 3: Effetto luoghi di lavoro e ridotto l’effetto, ma solo all’inizio

Questa tecnica permette di individuare a colpo d’occhio come si sviluppa un episodio epidemico, allo scopo di ragionare sulle contromisure e, quindi, sviluppare politiche di intervento.

Nelle Figure da 2 a 5, possiamo guardare sia ai luoghi in cui si verificano i contagi sia alle dinamiche che emergono con diversi livelli di intervento. Nella Figura 2 abbiamo un’epidemia controllata con normali misure non farmaceutiche di contenimento; si nota l’effetto altamente significativo dei luoghi di lavoro (colore marrone); nella Figura 3 abbiamo gli effetti della messa precauzionale in congedo per malattia dal ventesimo giorno, dei lavoratori in condizione di fragilità, con un risultato positivo, ma i contagi domestici (colore ciano) mantengono viva la pandemia, che esplode di nuovo nei luoghi di lavoro (colore marrone).

Figura 4: Prima e seconda fase

Figura 5: Il controllo dell’epidemia

Nella Figura 4 analizziamo le prime duecento infezioni della Figura 3, individuando l’emergere, al giorno 110, di una nuova fase dovuta ad un unico lavoratore asintomatico che, contagiato in casa, trasmette il contagio a altri lavoratori. Infine, in Figura 5, verifichiamo che la stessa epidemia avrebbe potuto essere bloccata fermando i lavoratori fragili e ogni altro caso di fragilità, dal giorno 15, e isolando anche le case di cura.

Esperimenti con la simulazione

La sequenza descritta nelle Figure 2-5 è un flash, un suggerimento. Dobbiamo invece esplorare sistematicamente l’introduzione di eventi fattuali, controfattuali e prospettici, per controllare la diffusione dei contagi. Ogni ciclo di simulazione – la cui lunghezza è determinata dalla scomparsa di ogni caso di contagio sintomatico o asintomatico – rappresenta un singolo dato in un ampio scenario di variabilità nel tempo e negli effetti. Di conseguenza, dobbiamo rappresentare in modo compatto i risultati che emergono dai lotti di ripetizioni, per confrontare le conseguenze dell’ipotesi di base di ogni lotto.

Figura 6: 10.000 epidemie senza distanziamento

Figura 7: 10.000 epidemie con distanziamento

I lotti sono di diecimila ripetizioni. Oltre a riassumere i risultati con i consueti indicatori statistici, si adotta la tecnica grafica delle mappe di calore (i colori sono usati come se fossero gradi di temperatura, per dare risalto ai valori contenuti nelle diverse caselle). Si sottolinea con forza, seguendo Steinmann et al. (2020) , che quello sviluppato è uno strumento di analisi comparativa, non di previsione. Questa considerazione è coerente con gli enormi valori di deviazione standard intrinseci al problema. Si pensi al caso della Figura 4, dove si mostra che un unico agente opera da ponte tra la prima e la seconda ondata di una epidemia, con la possibilità quindi di sequenze diversissime sulla base di cambiamenti limitatissimi.

Nelle Figure 6 e 7, abbiamo due mappe di calore che riportano la durata di ogni epidemia simulata sull’asse delle ascisse e il numero degli agenti – sintomatici, asintomatici e deceduti – sull’asse delle ordinate. Si tratta di diecimila simulazioni di un’epidemia in entrambi i casi. I dati si riferiscono al Piemonte simulato. Nella Figura 6 non sono presenti i provvedimenti di contenimento non farmaceutico della diffusione del contagio introdotti nella primavera 2020: si nota che le epidemie, tranne poche eccezioni in basso a sinistra, hanno durate molto elevate e un numero di infetti sintomatici e asintomatici tra i due e i tre milioni (la popolazione del Piemonte è di 4,35 milioni di persone). Nella Figura 7 sono riportate simulazioni che tengono conto delle misure di contenimento adottate. La differenza, in durata e numero di infetti, è gigantesca. Vorrei che chi nega l’utilità delle mascherine, e delle altre misure, guardasse queste due mappe, con la nuvola tragica delle epidemie gravi nella prima. Un’immagine simile l’ho vista nel cielo dell’estate 2020 e la dedico con commozione a Pietro Greco, di cui ero attento lettore.

Il lavoro è stato aggiornato per andare oltre alla terza ondata, tenendo conto delle misure introdotte a ottobre, per rappresentare, sempre con la simulazione, i possibili sbocchi della pandemia. Nel costruire le nuove simulazioni sono state verificate anche soluzioni diverse per la somministrazione dei vaccini, inizialmente non disponibili per tutti (si possono esaminare i risultati online). Un lavoro interessante in questa direzione, impiegando la teoria dei giochi, è quello di Jentsch et al. (2020). Con i coautori del già citato Pescarmona et al. (2020), usiamo invece la simulazione.