C’è un momento, nella carriera di uno scienziato, in cui la ricerca smette di essere un esercizio accademico e diventa un contributo che la comunità internazionale è chiamata a riconoscere. Per il Prof. Massimiliano Ferrara, ordinario di Economia Matematica, Intelligenza Artificiale e Machine Learning presso l’Università Mediterranea di Reggio Calabria e direttore del Decisions LAB, quel momento è arrivato con la pubblicazione su Neurocomputing, una delle riviste internazionali più autorevoli al mondo nel campo delle reti neurali e dell’intelligenza artificiale.
Neurocomputing, edita da Elsevier, è una rivista in fascia Q1 indicizzata su Web of Science e Scopus, con un Impact Factor di 6.5 e una storia editoriale che dal 1988 raccoglie i contributi più influenti nel settore dell’AI, del machine learning e delle architetture neurali. Pubblicare qui non è semplicemente “uscire su una rivista”: significa entrare nel circuito ristretto in cui si definiscono gli standard teorici e algoritmici che guidano l’intera disciplina.
A conferire ulteriore valore al risultato concorre un dato tutt’altro che ordinario: il contributo porta la firma esclusiva del Prof. Ferrara, senza co-autori — un’eventualità sempre più rara in un settore dove la collaborazione multi-autoriale rappresenta ormai la norma, e che testimonia la coerenza e la profondità individuale dell’impianto teorico costruito dall’autore.
L’idea: insegnare alle reti neurali a “respirare con tempi diversi”
Il lavoro, intitolato “Multi-Time Dynamics in Neural Network Optimization: A Unified Framework Bridging Game Theory and Optimal Control”, affronta uno dei nodi più resistenti del deep learning contemporaneo: perché le reti neurali profonde sono così difficili da addestrare in modo efficiente?
La risposta che Ferrara propone è tanto elegante quanto sovversiva. Da decenni, l’addestramento delle reti viene concepito come un processo unitario, dove tutti i parametri si aggiornano allo stesso ritmo, lungo un’unica linea temporale. È un’astrazione comoda, ma profondamente artificiale. Chiunque abbia osservato da vicino l’allenamento di una rete sa che i diversi strati — quelli iniziali, intermedi e finali — imparano a velocità radicalmente differenti: i primi assorbono rapidamente le caratteristiche elementari di un’immagine, gli ultimi impiegano molto più tempo a stabilizzarsi sulle decisioni di classificazione.
Ferrara propone un cambio di paradigma: ogni componente della rete ha il suo tempo proprio. Una sorta di orchestra, dove ogni strumento segue il proprio ritmo, ma tutti convergono verso un’unica armonia finale. Per formalizzare questa intuizione, l’autore attinge a uno strumento sofisticato della matematica pura — la teoria delle dinamiche multi-temporali geometriche sviluppata dal compianto matematico rumeno Constantin Udriște, con cui Ferrara ha condiviso anni di collaborazione scientifica — e la fonde con la teoria dei giochi e il controllo ottimale.
La teoria dei giochi entra nelle reti neurali
Il salto concettuale più ardito è proprio qui. Ferrara modella ogni strato della rete come un agente strategico autonomo, un giocatore che deve decidere come e quando aggiornare i propri parametri tenendo conto delle mosse degli altri. Nasce così il concetto di Equilibrio di Nash Multi-Temporale, di cui l’autore dimostra rigorosamente l’esistenza utilizzando il celebre teorema di punto fisso di Kakutani.
Il risultato non è solo elegante sul piano matematico: si traduce in un algoritmo concreto, battezzato MTNL (Multi-Time Nash Learning), che è stato messo alla prova su benchmark standard del settore — CIFAR-10, Fashion-MNIST e sottoinsiemi di ImageNet — utilizzando architetture di riferimento come ResNet-50 e VGG-16.
I numeri parlano chiaro:
- Convergenza più rapida del 40% rispetto agli ottimizzatori standard (SGD, Adam)
- Miglioramento dell’accuratezza fino a 4,5 punti percentuali sui dataset più complessi
- Stabilità di addestramento significativamente superiore (0.94 contro valori tra 0.75 e 0.85 dei concorrenti)
In un campo dove guadagnare anche solo mezzo punto percentuale richiede mesi di lavoro a interi laboratori industriali, parliamo di un balzo notevole.
Perché conta, anche fuori dai laboratori
Si potrebbe pensare che si tratti di matematica per addetti ai lavori. È vero solo in parte. Le reti neurali profonde sono il motore di praticamente ogni tecnologia AI che usiamo quotidianamente: dal riconoscimento vocale del nostro smartphone, ai sistemi diagnostici in medicina, agli algoritmi di raccomandazione, fino ai modelli linguistici che stanno ridefinendo il modo in cui lavoriamo. Addestrarle più velocemente significa abbattere costi energetici, ridurre l’impronta ambientale dei data center, rendere l’AI più accessibile anche a istituzioni con risorse limitate.
Le applicazioni potenziali, indicate dallo stesso Ferrara nelle conclusioni del lavoro, spaziano dal federated learning — dove dispositivi eterogenei collaborano senza condividere dati sensibili — al reinforcement learning multi-agente, fino ai sistemi di interazione uomo-macchina in cui i tempi cognitivi umani e quelli computazionali devono coordinarsi.
Una scuola che cresce nel cuore del Mediterraneo
Questa pubblicazione si inserisce in una traiettoria di ricerca straordinariamente densa. Il Decisions LAB dell’Università Mediterranea, sotto la direzione di Ferrara, è ormai un punto di riferimento internazionale per la ricerca all’intersezione tra matematica, economia, intelligenza artificiale e quantum computing. Le affiliazioni di Ferrara con ICRIOS – Università Bocconi di Milano e con Istanbul Okan University, insieme al recente Dottorato Honoris Causa in Computer Science conferito dalla Georgian National University SEU di Tbilisi, testimoniano una rete scientifica che attraversa l’Europa e oltre.
Particolarmente significativa è la dedica implicita al maestro Constantin Udriște, le cui idee geometriche, sviluppate decenni fa in un contesto di matematica pura, trovano oggi nel lavoro di Ferrara una nuova vita applicativa nel cuore dell’AI contemporanea. Un esempio raro e prezioso di come la matematica più astratta possa generare, a distanza di anni, ricadute tecnologiche di portata globale.
Una bandiera per il Sud che fa ricerca di frontiera
In un’epoca in cui il dibattito pubblico tende a concentrare l’innovazione tecnologica nei poli della Silicon Valley o del Far East, una ricerca di questo livello firmata da Reggio Calabria ha un valore simbolico oltre che scientifico. Dimostra che l’eccellenza non ha bisogno di geografie privilegiate: ha bisogno di visione, di rigore, di una comunità di studiosi capace di pensare in grande.
Il Prof. Ferrara, Cavaliere della Repubblica Italiana e autore di oltre duecento pubblicazioni scientifiche, conferma con questo nuovo traguardo il suo ruolo di protagonista nella ricerca internazionale. E con lui, l’Università Mediterranea e l’intero territorio calabrese si guadagnano un posto sulla mappa delle frontiere più avanzate dell’intelligenza artificiale mondiale. Un risultato che, oltre i numeri e le formule, racconta una verità semplice: la grande scienza si fa ovunque ci sia chi ha il coraggio e la pazienza di farla.
Riferimento bibliografico: M. Ferrara, “Multi-Time Dynamics in Neural Network Optimization: A Unified Framework Bridging Game Theory and Optimal Control”, Neurocomputing, Elsevier, 2026.
Vuoi ricevere le notifiche sulle nostre notizie più importanti?