Olivia
Online
MariaChiaraVisentin
@chiaravise
Woman, mother and entrepreneur. Donna, madre, imprenditrice. Italian and European. Interested in marketing, social media, technology, innovation and economy.
Treviso, Italy
Joined October 2010
1.4K Following
2K Followers
27.2K Posts
Pinned Tweet
Assolutamente da leggere.
(È per questi post - un tempo thread - che amavo tanto Twitter).
Grazie @dottorpax
Sarà la fine del mondo?
Ho pensato di riciclare un piccolo esempio che faccio spesso in classe, e che ho abbozzato anche nella Logica del Rischio. È un modellino semplice (quindi altamente imperfetto), ma utile per gestire meglio l’eccesso informativo e il catastrofismo dei media, specie in ambito “geo-politico”, senza cadere né nel pessimismo estremo né nello sciocco ottimismo.
Quando ci troviamo davanti a una situazione con più esiti possibili, la mente fa spesso una cosa molto umana: prende la traiettoria più scura (sfigata, ndr), la ingrandisce e la tratta come se fosse il sentiero principale.
È comprensibile (ci ha tenuti vivi per millenni), ma non è detto che sia un buon modo di fare i conti con una realtà sociale sempre più complessa. E soprattutto: la paura tout court è un pessimo stimatore di probabilità (e talvolta anche di impatto, e qui vi rimando alla Logica del Rischio su qualsiasi piattaforma podcast vogliate).
Giochiamo allora con un modellino semplice (un giocattolo matematico, se volete), giusto per ragionare e rimettere in scala le cose.
Consideriamo un albero trinomiale: tre esiti, ripetuti nel tempo. Immaginiamo cioè un processo che evolve a step. A ogni step ci sono tre possibili esiti: Lieve, Medio, Grave. Con molta fantasia, ossia in modo non credibile (ma per ora facciamo così), assumiamo che siano equiprobabili: ciascun esito ha una probabilità di 1/3 di verificarsi. Inoltre, assumiamo che ogni step sia indipendente dal precedente, anche qui con molta fantasia. Dopo n passi, i percorsi possibili sono 3^n.
Già qui c’è un fatto che spesso dimentichiamo: i percorsi “estremi” sono pochissimi.
Il ramo tutto grave (grave→grave→…→grave) è uno solo, e anche il ramo tutto lieve è uno solo; in mezzo c’è una folla di percorsi misti.
Il worst case è quindi intrinsecamente raro...per geometria, non per ottimismo o pessimismo.
Nel nostro modellino, la probabilità del ramo “tutto grave” è (1/3)^n, e lo stesso vale per il ramo “tutto lieve”. Si vede bene nella figura qui sotto, che assume n=4.
Con 4 step, abbiamo 3^4=81 percorsi totali. Lo scenario di worst case, ossia (grave, grave, grave, grave), ha una probabilità di 1/81≈1.235%.
Lo stesso dicasi per lo scenario migliore (lieve, lieve, lieve, lieve): 1/81≈1.235%.
Quindi uno dei due estremi (o bene bene o male male) si verificherà con una probabilità di 2.47% (ovviamente sono mutualmente esclusivi). Non è “pensiero positivo”, ma semplice combinatorica: gli estremi sono rari perché sono unici; gli esiti intermedi sono frequenti perché possono realizzarsi in tantissimi modi.
Per dare un’idea più concreta, assegniamo un punteggio di danno agli esiti per step: Lieve = 0, Medio = 1, Grave = 2. E pure qui stiamo drammaticamente semplificando, assumendo che i danni si sommino semplicemente (come graffi sulla carrozzeria). Nel mondo reale, i danni sono spesso più complicati (moltiplicativi, super-additivi, etc.), ma lasciamo stare.
Il danno totale dopo 4 step è la somma dei punteggi, quindi va da 0 a 8.
Nel nostro modellino (equiprobabilità + indipendenza), la probabilità di osservare danno totale pari a 4 è 19/81≈23.46%. Quella di osservare 8 è sempre 1.23%.
In altre parole: l’esito “in mezzo” non è solo psicologicamente rassicurante, è proprio quello che, in questo schema, concentra più massa di probabilità. Se gli step sono indipendenti, le somme tendono a “fare mucchio” al centro: è uno dei motivi per cui (per n grande) la distribuzione normale è tanto frequente in statistica e in natura (a seconda del livello di osservazione).
Ok, ora complichiamo un po’, e rendiamo il modellino appena più realistico. Rimuoviamo in modo molto semplice, e ancora idealizzato, l’ipotesi di indipendenza.
Supponiamo che al primo step la probabilità di “Grave” sia ancora 1/3, ma che dopo un Grave al primo step la probabilità di un altro Grave nei passi successivi salga a 2/3 (effetto domino/contagio/feedback/"la sfiga non viene mai da sola"). Allora la probabilità di (grave, grave, grave, grave) diventa 1/3*(2/3)^3≈9.88%, cioè quasi otto volte più grande di 1.23%.
Viceversa, se dopo un evento grave scattano contromisure efficaci e la probabilità di un altro grave scende (per dire) a 1/6 allora: 1/3*(1/6)^3≈0.15%. Molto più piccola di prima!
Quindi, nel modellino appena più realistico, il punto non è “tanto il worst case è raro”, ma capire se il sistema è a cascata o a contenimento.
In termini di rischio: non basta chiedersi “quanto pesa la coda in assoluto?”, bisogna chiedersi come si gonfia la coda quando le condizioni peggiorano (cioè: le probabilità condizionate).
Eh, purtroppo probabilità e teoria del rischio sono brutte bestie nel mondo reale.
Ora, nonostante la sua semplicità, il nostro modellino suggerisce una postura mentale utile:
1) Non scambiare la possibilità del worst case per una certezza, perché il fatto che sia immaginabile non lo rende automaticamente verificato (ma nemmeno un cigno nero!). E gridare “al lupo al lupo”, lo sappiamo, è controproducente.
Ergo, i titoli catastrofici, che raccontano male probabilità e rischio, andrebbero evitati, e chi li lancia ignorato.
I media purtroppo ci vendono (per "li sordi") lo scenario peggiore come se fosse inevitabile. In pratica, scommettono che ogni cattiva notizia ne innescherà automaticamente una peggiore, ma il mondo è pieno di attriti, correzioni e adattamenti. Ricordiamoci che scommettere sulla "fine del mondo" ha sempre fatto perdere denaro sul lungo periodo (questo non significa che nel breve si rida).
2) Per quanto mi costi, visto che è uno dei miei ambiti di studio, non farsi sempre ipnotizzare dagli estremi, specie in ambito sociale. Esistono moltissimi percorsi realistici “in mezzo”, a loro volta con sfumature (medio-basso, medio-alto...).
3) Dire che il worst case è minoritario non significa ignorarlo. Gli scenari di coda contano perché, anche se rari, possono avere impatto enorme (a volte irreversibile). Da un lato non bisogna farsi travolgere dal ramo più cupo solo perché esiste, dall’altro va tenuto in considerazione (assieme ai rami vicini) e serve prepararsi seriamente se l’impatto può essere esiziale. Piani B, soglie di allerta, controllo costante (serio, non “alla von der Leyen”), ridondanze: tutto ciò che rende i rischi di coda meno letali, senza obbligarci a vivere come se fossero inevitabili.
Sono misure che costano? Certo che costano, ma piani B e ridondanze sono l'assicurazione che paghiamo per non dover indovinare il futuro: non servono perché sappiamo che accadrà il peggio (non lo sappiamo), ma proprio perché non possiamo sapere quale ramo prenderà la storia.
Insomma, nei discorsi geo-politici da X (ossia il bar del nuovo secolo): niente fatalismo, niente panico. E soprattutto ricordarsi che il rischio non è un numero solo, è un oggetto multidimensionale (→podcast), che si studia e gestisce con intelligenza, non con strilli e headline.
Nota bene: il modellino qui sopra non è da applicarsi a ogni tipologia di analisi di rischi e scenari. Ci sono situazioni dove il worst case deve essere il vero (talvolta solo) criterio guida principale, e il principio di precauzione non banale il faro, dalla sicurezza nucleare e industriale alla salute pubblica.
Saper camminare sopra l’incertezza
Quando decidiamo di percorrere una via vorremmo avere una mappa che ci guida. E vorremmo ovviamente che quella mappa rappresentasse un territorio che non cambia nel tempo, in cui possiamo prevedere quanti km faremo, con che pendenza, quali soste, quali difficolta specifiche dobbiamo superare.
Il modello di vita per cui la maggior parte di noi si é formato é come quella via: stabile, chiara.
La vita che il mondo ci sta consegnando é invece un territorio che cambia molto velocemente, in modo imprevedibile. Le mappe servono ancora ma la capacità di vedere e interpretare cosa sta di fronte a noi é sempre più rilevante.
Il tipo di psicologia che funziona in questo mondo é una tremenda auto-efficacia: una fiducia ferrea che indipendentemente dalla situazione che troveremo la sapremo interpretare e vivere al meglio delle nostre capacità. Il territorio imprevisto, cambiato, non é una anomalia ma la normalità, la rigenerazione continua delle nostre capacità di affrontarlo non é uno stato eccezionale ma semplicemente necessario.
Le emozioni tipiche del vecchio mondo davanti ai cambiamenti di territorio improvvisi sono la paura e l’inadeguatezza. Quelle che bisogna sviluppare in questo mondo sono curiosità e coraggio.
Laddove vigevano abitudini bisogna sviluppare l’esplorazione di ciò che non sappiamo ancora fare e la flessibilità che accetta nuovi contesti e ci si adatta.
In molti ambiti non possiamo farci una opinione ma dobbiamo trattenere nella nostra mente diverse opzioni possibili, senza collassare definitivamente su nessuna di esse
La maggior parte degli esseri umani trova questo modo di vivere un inferno in terra, impossibile da accettare. Alcuni lo trovano invece molto più interessante e “vitale”
Meglio una vita prevedibile o una imprevedibile?
Returning to the 🇮🇹 Italian labor market data, the number of permanent employees (commonly referred to as "good jobs," as opposed to the so called "bad jobs" or temporary positions) reached a new record in April, totaling 16.5 million workers.
Of course, a greater use of flexible contracts is not inherently bad news. For example, it can help women achieve a better work life balance. However, over the past few years we have seen one record after another in stable employment, to the point that the share of temporary workers (not showns) has fallen back to roughly its 2008 level.
On the one hand, this contradicts the widespread perception of a labor market that is permanently "precarious." On the other hand, it paints a picture that is more consistent with the evolution of GDP and output per worker, since permanent jobs are generally better paid per hour worked than temporary ones.
In short, it is all good news.
All charts and data are here: https://t.co/sa6AimaYVN
Ecco. Quel che sto cercando di dire da giorni.
Who to follow
Elena Villa
@elenavilla3
Mktg&Communication - interested in strategy, media and geopolitics.
Co-founder @CrossWordsCW
Daniele Bellasio
@dbellasio
Vicedirettore Sole 24 Ore - Deputy editor Il Sole 24 Ore Sabato alle 8 e 30 e domenica alle 20 e 30 su Radio 24 Amici e nemici con Marianna Aprile
Giacomo Biraghi
@secolourbano
Presidente di Stratosferica
Anthropic CEO Dario Amodei: “50% of all tech jobs, entry-level lawyers, consultants, and finance professionals will be completely wiped out within 1–5 years.”
L'AI ti dà sempre ragione. E questo è un problema serio. 🤖
Ne parlo nel nuovo articolo.
👉 https://t.co/w2R3UD5kA3
Uno studio appena pubblicato su Science da Stanford e Carnegie Mellon ha testato undici dei più avanzati modelli AI su oltre 11.000 scenari reali, da conflitti interpersonali a comportamenti esplicitamente illeciti.
Il risultato è inquietante: i modelli confermano le azioni degli utenti il 49% più spesso degli esseri umani.
Non il 5%. Non il 10%. Quasi la metà in più.
Il dato più paradossale: nonostante questo, le persone preferiscono l'AI che le adula. La giudicano più affidabile, più competente, e tornano a usarla il 13% in più.
È quello che chiamo "comfort cognitivo predatorio": la macchina non ha inventato il confirmation bias, ma lo ha industrializzato, scalandolo su milioni di conversazioni simultanee, ognuna calibrata per dirti esattamente ciò che vuoi sentirti dire.
Qualcosa che puoi fare subito? Chiedi al chatbot di argomentare il punto di vista opposto al tuo. Basta questa piccola frizione per ridurre significativamente l'effetto adulante.
E ricorda che l'amico che ti dà sempre ragione su tutto non è un buon consigliere... nemmeno (anzi, soprattutto) se è digitale.
#AI #chatbot #techpolicy #sycophancy
La “ragnatela” degli impatti dell’intelligenza artificiale su diversi settori professionali.
Un report di Anthropic uscito oggi misura empiricamente la differenza tra effetti attesi e reali.
https://t.co/NYP9UnFlGs
L'@istat_it ha pubblicato i dati del Pil e indebitamento delle AP in 🇮🇹. Con essi, sono arrivati i dati delle entrate totali (47,9%) e della pressione fiscale (43,1%) del 2025. Al netto degli anni del (e post) governo Monti, sono i valori più alti di sempre. Del resto nessuna sorpresa: dal 2020 ad oggi abbiamo voluto spendere come mai prima (Superbonus 110% e PNRR). Il conto è arrivato. E lo porteremo sulle spalle per molti anni ancora.
Dario Amodei just gave his first interview since the Pentagon blacklisted his company. The toll is visible on his face.
He was asked one question. What would you say to the President right now?
He didn’t hesitate.
Amodei: “We are patriotic Americans. Everything we have done has been for the sake of this country.”
Anthropic built their models to defend America. They were the first AI lab cleared for classified military systems. They wanted to help the warfighter.
But the Pentagon demanded unrestricted access to fully autonomous weapons and mass surveillance of American citizens.
Amodei drew the line.
The government responded with emergency Cold War powers. A supply chain designation normally reserved for foreign adversaries. A six-month federal phaseout ordered from Truth Social.
Amodei: “When we were threatened with supply chain designation and Defense Production Act, which are unprecedented intrusions into the private economy, we exercised our classic First Amendment rights to speak up and disagree with the government.”
The administration framed Anthropic’s refusal as anti-American.
Amodei’s response dismantled that framing in one sentence.
Amodei: “Disagreeing with the government is the most American thing in the world.”
Here is the deeper paradox nobody in Washington wants to say out loud.
We are in a geopolitical race against autocratic adversaries who use AI for mass surveillance of their own citizens and autonomous weapons with no human oversight.
The Pentagon demanded that Anthropic build those exact capabilities for America.
Amodei: “The red lines we have drawn, we drew because we believe that crossing those red lines is contrary to American values.”
You cannot defeat authoritarianism by adopting its methods.
You cannot defend the open society by forcing private companies to build its antithesis under threat of wartime emergency powers.
Anthropic held the line. Got blacklisted for it. And came out the other side saying the same thing they said going in.
That is what it actually looks like to mean it.
Poco fa parlavo con un collega che insegna un corso di GenAI prototyping, e concordavamo su un punto: questi nuovi strumenti non sono neutrali, hanno anzi un effetto profondamente polarizzante.
Non è solo che aiutano: amplificano.
Se hai buone basi nel campo in cui li usi, se sai formulare bene un problema, se hai senso critico per valutare ciò che producono, allora ti danno quasi dei superpoteri: accelerano il lavoro, moltiplicano le alternative, abbassano il costo dell’esplorazione.
Ma se quelle basi non ci sono, succede qualcosa di diverso! Non è che impari più in fretta, è che esternalizzi il controllo. Ti affidi all’output senza avere gli strumenti per valutarlo, e l’illusione di competenza cresce più della competenza stessa.
È questo che cerco di mostrare in classe, quando faccio svolgere agli studenti, con ChatGPT, Gemini e altri modelli, diverse analisi dei dati, e poi discutiamo insieme i risultati. Trovo molto utile dare loro 30 minuti per risolvere da soli un problema complesso, a volte proposto da loro, usando qualsiasi LLM/LMM, e poi riprovarci dal vivo, passo dopo passo, insieme.
Di solito (falsa modestia...) il mio risultato è migliore. Non perché lo strumento sia diverso (uso lo stesso scelto da loro, tra quelli di cui abbiamo la licenza), ma perché diverso è il controllo sul processo: nella formulazione del problema, nella scelta delle ipotesi, nella verifica dei passaggi, nell’interpretazione dei risultati.
Credo che il messaggio che si portano a casa sia semplice e, per certi versi, controintuitivo: un LLM abbassa il costo dell’esecuzione, ma non quello della comprensione. E senza comprensione, l’esecuzione è fragile.
In questo senso, queste tecnologie non eliminano il principio di Matteo. No, lo rendono più visibile: chi ha struttura cognitiva solida viene amplificato; chi non ce l’ha rischia di diventare ancora più dipendente, se non addirittura più stupido (il cervello va tenuto allenato, ormai lo sappiamo). I "ricchi" diventano più ricchi, e la conoscenza resta la forma più potente di ricchezza, e lo sarà sempre di più.
Ergo, puoi lasciare a ChatGPT l'analisi dei dati, ma devi sapere che cosa faresti tu, perché, come, quando. Il che significa che studiare serve, forse paradossalmente, più che mai. Se possiamo risparmiare tempo nell'esecuzione (e al momento è un grande se), abbiamo più tempo per lo studio.
Questo è un posto MOLTO lungo su un tema cruciale. Attenzione! Alla fine ho chiesto un giudizio su quello che ho scritto a GenAI. Leggete tutto fino in fondo.
#abassavoce
Link in reply.
For anyone who would like to hear Mark Carney’s outstanding Davos speech in full here it is. This is what true global leadership looks like.
Canada should be immensely proud today, because they are leading the fight back when others dare not.
🎥 TikTok - https://t.co/BExGV2YIDq
Dead Internet Theory: il web è già morto e nessuno se n’è accorto https://t.co/jSBJr4apvf
Stupidity is knowing the truth, seeing the truth but still believing the lies.
And that is more infectious than any other disease.
—Professor Richard Feynman
Successful people start with two core beliefs: the future can be better than the present, and I have the power to make it so.
Sarà la fine del mondo?
Ho pensato di riciclare un piccolo esempio che faccio spesso in classe, e che ho abbozzato anche nella Logica del Rischio. È un modellino semplice (quindi altamente imperfetto), ma utile per gestire meglio l’eccesso informativo e il catastrofismo dei media, specie in ambito “geo-politico”, senza cadere né nel pessimismo estremo né nello sciocco ottimismo.
Quando ci troviamo davanti a una situazione con più esiti possibili, la mente fa spesso una cosa molto umana: prende la traiettoria più scura (sfigata, ndr), la ingrandisce e la tratta come se fosse il sentiero principale.
È comprensibile (ci ha tenuti vivi per millenni), ma non è detto che sia un buon modo di fare i conti con una realtà sociale sempre più complessa. E soprattutto: la paura tout court è un pessimo stimatore di probabilità (e talvolta anche di impatto, e qui vi rimando alla Logica del Rischio su qualsiasi piattaforma podcast vogliate).
Giochiamo allora con un modellino semplice (un giocattolo matematico, se volete), giusto per ragionare e rimettere in scala le cose.
Consideriamo un albero trinomiale: tre esiti, ripetuti nel tempo. Immaginiamo cioè un processo che evolve a step. A ogni step ci sono tre possibili esiti: Lieve, Medio, Grave. Con molta fantasia, ossia in modo non credibile (ma per ora facciamo così), assumiamo che siano equiprobabili: ciascun esito ha una probabilità di 1/3 di verificarsi. Inoltre, assumiamo che ogni step sia indipendente dal precedente, anche qui con molta fantasia. Dopo n passi, i percorsi possibili sono 3^n.
Già qui c’è un fatto che spesso dimentichiamo: i percorsi “estremi” sono pochissimi.
Il ramo tutto grave (grave→grave→…→grave) è uno solo, e anche il ramo tutto lieve è uno solo; in mezzo c’è una folla di percorsi misti.
Il worst case è quindi intrinsecamente raro...per geometria, non per ottimismo o pessimismo.
Nel nostro modellino, la probabilità del ramo “tutto grave” è (1/3)^n, e lo stesso vale per il ramo “tutto lieve”. Si vede bene nella figura qui sotto, che assume n=4.
Con 4 step, abbiamo 3^4=81 percorsi totali. Lo scenario di worst case, ossia (grave, grave, grave, grave), ha una probabilità di 1/81≈1.235%.
Lo stesso dicasi per lo scenario migliore (lieve, lieve, lieve, lieve): 1/81≈1.235%.
Quindi uno dei due estremi (o bene bene o male male) si verificherà con una probabilità di 2.47% (ovviamente sono mutualmente esclusivi). Non è “pensiero positivo”, ma semplice combinatorica: gli estremi sono rari perché sono unici; gli esiti intermedi sono frequenti perché possono realizzarsi in tantissimi modi.
Per dare un’idea più concreta, assegniamo un punteggio di danno agli esiti per step: Lieve = 0, Medio = 1, Grave = 2. E pure qui stiamo drammaticamente semplificando, assumendo che i danni si sommino semplicemente (come graffi sulla carrozzeria). Nel mondo reale, i danni sono spesso più complicati (moltiplicativi, super-additivi, etc.), ma lasciamo stare.
Il danno totale dopo 4 step è la somma dei punteggi, quindi va da 0 a 8.
Nel nostro modellino (equiprobabilità + indipendenza), la probabilità di osservare danno totale pari a 4 è 19/81≈23.46%. Quella di osservare 8 è sempre 1.23%.
In altre parole: l’esito “in mezzo” non è solo psicologicamente rassicurante, è proprio quello che, in questo schema, concentra più massa di probabilità. Se gli step sono indipendenti, le somme tendono a “fare mucchio” al centro: è uno dei motivi per cui (per n grande) la distribuzione normale è tanto frequente in statistica e in natura (a seconda del livello di osservazione).
Ok, ora complichiamo un po’, e rendiamo il modellino appena più realistico. Rimuoviamo in modo molto semplice, e ancora idealizzato, l’ipotesi di indipendenza.
Supponiamo che al primo step la probabilità di “Grave” sia ancora 1/3, ma che dopo un Grave al primo step la probabilità di un altro Grave nei passi successivi salga a 2/3 (effetto domino/contagio/feedback/"la sfiga non viene mai da sola"). Allora la probabilità di (grave, grave, grave, grave) diventa 1/3*(2/3)^3≈9.88%, cioè quasi otto volte più grande di 1.23%.
Viceversa, se dopo un evento grave scattano contromisure efficaci e la probabilità di un altro grave scende (per dire) a 1/6 allora: 1/3*(1/6)^3≈0.15%. Molto più piccola di prima!
Quindi, nel modellino appena più realistico, il punto non è “tanto il worst case è raro”, ma capire se il sistema è a cascata o a contenimento.
In termini di rischio: non basta chiedersi “quanto pesa la coda in assoluto?”, bisogna chiedersi come si gonfia la coda quando le condizioni peggiorano (cioè: le probabilità condizionate).
Eh, purtroppo probabilità e teoria del rischio sono brutte bestie nel mondo reale.
Ora, nonostante la sua semplicità, il nostro modellino suggerisce una postura mentale utile:
1) Non scambiare la possibilità del worst case per una certezza, perché il fatto che sia immaginabile non lo rende automaticamente verificato (ma nemmeno un cigno nero!). E gridare “al lupo al lupo”, lo sappiamo, è controproducente.
Ergo, i titoli catastrofici, che raccontano male probabilità e rischio, andrebbero evitati, e chi li lancia ignorato.
I media purtroppo ci vendono (per "li sordi") lo scenario peggiore come se fosse inevitabile. In pratica, scommettono che ogni cattiva notizia ne innescherà automaticamente una peggiore, ma il mondo è pieno di attriti, correzioni e adattamenti. Ricordiamoci che scommettere sulla "fine del mondo" ha sempre fatto perdere denaro sul lungo periodo (questo non significa che nel breve si rida).
2) Per quanto mi costi, visto che è uno dei miei ambiti di studio, non farsi sempre ipnotizzare dagli estremi, specie in ambito sociale. Esistono moltissimi percorsi realistici “in mezzo”, a loro volta con sfumature (medio-basso, medio-alto...).
3) Dire che il worst case è minoritario non significa ignorarlo. Gli scenari di coda contano perché, anche se rari, possono avere impatto enorme (a volte irreversibile). Da un lato non bisogna farsi travolgere dal ramo più cupo solo perché esiste, dall’altro va tenuto in considerazione (assieme ai rami vicini) e serve prepararsi seriamente se l’impatto può essere esiziale. Piani B, soglie di allerta, controllo costante (serio, non “alla von der Leyen”), ridondanze: tutto ciò che rende i rischi di coda meno letali, senza obbligarci a vivere come se fossero inevitabili.
Sono misure che costano? Certo che costano, ma piani B e ridondanze sono l'assicurazione che paghiamo per non dover indovinare il futuro: non servono perché sappiamo che accadrà il peggio (non lo sappiamo), ma proprio perché non possiamo sapere quale ramo prenderà la storia.
Insomma, nei discorsi geo-politici da X (ossia il bar del nuovo secolo): niente fatalismo, niente panico. E soprattutto ricordarsi che il rischio non è un numero solo, è un oggetto multidimensionale (→podcast), che si studia e gestisce con intelligenza, non con strilli e headline.
Nota bene: il modellino qui sopra non è da applicarsi a ogni tipologia di analisi di rischi e scenari. Ci sono situazioni dove il worst case deve essere il vero (talvolta solo) criterio guida principale, e il principio di precauzione non banale il faro, dalla sicurezza nucleare e industriale alla salute pubblica.
🤯 10 Surprising Facts
1. 90% of the world’s data was created in just the last 2 years.
2. A single cloud can weigh over 1 million tons.
3. More people own smartphones than have access to clean drinking water.
4. Octopuses have three hearts — and two of them stop beating when they swim.
5. The average person spends about 26 years of their life sleeping.
6. There are more trees on Earth than stars in the Milky Way (estimated).
7. Sharks existed before trees — by over 100 million years.
8. The human brain uses roughly 20% of the body’s total energy, despite being only 2% of body weight.
9. Bananas are berries, but strawberries are not.
10. Every two minutes, humans take more photos than were taken in the entire 19th century.
World of Statistics
In my whole life, I have known no wise people who didn't read all the time, none, zero.
—Charlie Munger
The greatest enemy of knowledge is not ignorance, it is the illusion of knowledge.
—Stephen Hawking
Real Luxuries in Life
1. Living 10 minutes from work
2. Living 5 minutes from the gym
3. Having quiet neighbors
4. Having money left at the end of the month and investing it
5. Peace at home
6. Drinking coffee without rushing
7. Sleeping with a clear conscience
8. Laughing with people who truly get you
9. Traveling every year
10. Waking up naturally without an alarm
11. Enjoying a home-cooked meal with loved ones
12. Having time to read a book in one sitting
13. Finding joy in simple daily routines
14. Having a pet that greets you happily at the door
These are the things that actually feel rich.
Last Seen Users on Sotwe
Most Popular Users
Elon Musk 
@elonmusk
240.3M followers
Barack Obama
@barackobama
119.3M followers
Donald J. Trump
@realdonaldtrump
111.6M followers
Cristiano Ronaldo
@cristiano
109.9M followers
Narendra Modi
@narendramodi
106.9M followers
Rihanna
@rihanna
97.5M followers
NASA
@nasa
92.1M followers
Justin Bieber
@justinbieber
90.8M followers
KATY PERRY
@katyperry
87.3M followers
Taylor Swift
@taylorswift13
81.1M followers
Lady Gaga
@ladygaga
72.7M followers
Kim Kardashian
@kimkardashian
69.6M followers
Virat Kohli
@imvkohli
69.3M followers
YouTube
@youtube
68.6M followers
Bill Gates
@billgates
63.7M followers
The Ellen Show
@theellenshow
62.5M followers
Neymar Jr
@neymarjr
62M followers
CNN
@cnn
61.9M followers
X
@x
60.9M followers
Selena Gomez
@selenagomez
60.4M followers