Nel Secondo Weekend Ortogonale 2025/26 continua il programma dell’anno accademico della scuola.
Perché al giorno d’oggi ci sono così tanti linguaggi di programmazione? Da dove viene il Deep Learning? Come si trasforma una scoperta scientifica in un articolo publicato? Gli studenti scopriranno la risposta a queste e altre domande in nuovi, stimolanti seminari alla Certosa di Pontignano, un suggestivo monastero immerso nell’entroterra toscano.
17-19 Arrivi e sistemazione nelle camere
19:30 Cena
21:15 Incontro tra i mentori
21:15 Attività socio-culturali: canto corale (a cura di Roberto De Prisco), cinema (a cura di Filippo Garagnani) e teatro (a cura di Riccardo Chimisso e Simone Moretti)
09:15 Ozalp Babaoglu, Un saluto dal Presidente
09:30-10:30 Matteo Ceccarello, Presentazione dei progetti:
10:30-11:00 Coffee Break
11:00-12:00: Lavoro in tre gruppi:
12:30 Pranzo
15:00-16:00 Simone Martini, Perché ci sono tanti linguaggi di programmazione?
16:00-17:30 Zeynep Kiziltan, Getting Started with Research Writing & Publication
17:30-18:00 Coffee Break
18:00-19:00 Alessandro Panconesi, La vera storia del Deep Learning
19:30 Cena
21:15 Attività socio-culturali: canto corale (a cura di Roberto De Prisco), cinema (a cura di Filippo Garagnani) e teatro (a cura di Riccardo Chimisso e Simone Moretti)
09:30-10:45: Moreno Muffatto, Innovazione: tecnologie e mercati
10:45-11:15: Coffee Break
11:00-12:00: Lavoro in tre gruppi:
12:15-12:30: Conclusioni e prossimi eventi
12:30: Pranzo
13:30: Partenze
Zeynep Kiziltan ha conseguito il dottorato in Informatica presso l’Università di Uppsala (Svezia) nel 2004, ricevendo il premio per la miglior tesi in Intelligenza Artificiale in Europa dall’EurAI. In seguito, ha svolto un post-doc all’Università di Bologna, dove poi è diventata professore associato presso il Dipartimento di Informatica (DISI). La sua ricerca si concentra sull’analisi dei dati predittiva e prescrittiva basata sull’AI, per risolvere problemi di ottimizzazione combinatoria in vari domini applicativi, compreso il calcolo ad alte prestazioni (HPC). Ha lavorato in vari progetti scientifici in collaborazione con aziende e università estere, pubblicato numerosi articoli, e rilasciato software e dataset. Dal 2021 è membro eletto del consiglio direttivo della Association for Constraint Programming.
In ELICSIR è mentore della Scuola Ortogonale.
Simone Martini è Professore di Informatica all’Università di Bologna.
Ha conseguito la laurea in Scienze dell’Informazione e il Dottorato di Ricerca in Informatica (Ph.D. in Computer Science) presso l’Università di Pisa. Prima di prendere posizione all’Università di Bologna nel 2002, era Assegnista di Ricerca e Professore Associato all’Università di Pisa, e Professore di Informatica all’Università di Udine. È stato direttore del dipartimento di Informatica e Ingegneria Informatica (dal 2015 al 2018) e membro del consiglio di amministrazione dell’Università di Bologna (dal 2021 al 2024).
È stato visiting scientist presso l’ex Systems Research Center della Digital Equipment Corporation di Palo Alto (internship); presso la Stanford University; presso l’École normale supérieure di Parigi; presso l’Université Paris 13; presso la University of California a Santa Cruz; e presso il Collegium – Lyon Institute for Advanced Studies (fellow, 2018–2019).
È stato membro del Council of the Commission for the History and Philosophy of Computing dell’International Union for History and Philosophy of Science nel periodo 2017–2023. Fino al 2018 è stato membro del Consiglio di Amministrazione del Consorzio Nazionale Interuniversitario per l’Informatica (CINI) e dell’Executive Board di EQANIE, l’European Quality Assurance Network for Informatics Education. È stato inoltre membro del Board della European Association for Computer Science Logic (EACSL) e dell’Executive Board dell’Associazione Italiana di Logica e Applicazioni (AILA).
Ha condotto ricerche sulle basi teoriche dei linguaggi di programmazione per diversi decenni. Oggi i suoi interessi si sono spostati più verso l’epistemologia, la storia e la didattica dell’informatica.
Moreno Muffatto è Professore di Innovation, Entrepreneurship and Finance all’Università degli Studi di Padova. Guida il gruppo di ricerca SCENT – School of Entrepreneurship presso la stessa Università. Coordinatore del programma Entrepreneurship and Startup per dottorandi e post-doc dell’Università degli Studi di Padova. Ha guidato dal 2012 al 2016 il team italiano del Global Entrepreneurship Monitor, progetto di ricerca che coinvolge 115 paesi e che consiste in una valutazione annuale del livello di attività imprenditoriale in ogni paese. I suoi interessi di ricerca sono ora nel campo delle applicazioni di AI in ricerca e didattica. Ha creato il premio per tesi di dottorato su Artificial Intelligence in Entrepreneurship and Management (AIEM) giunto alla terza edizione.
È Cofondatore e Presidente del primo Chapter italiano del Project Management Institute; Ha creato e diretto il Master in Project Management e Gestione dell’Innovazione dal 2004 ad oggi.
È anche Cofondatore e Presidente della Fondazione Imprendi – Scuola di imprenditorialità (2021).
Alessandro è Professore Ordinario di Informatica presso l’Università Sapienza di Roma. Ha conseguito il PhD in Informatica presso la Cornell University. I suoi interessi di ricerca comprendono tutto ciò che riguarda gli algoritmi, con un’attenzione particolare agli algoritmi randomizzati e distribuiti e, più di recente, al machine learning. È Presidente del BICI, il Bertinoro International Center for Informatics. Ha ricevuto riconoscimenti internazionali per la sua ricerca, tra cui l’ACM Danny Lewin Best Student Paper Award, il Dijkstra Prize e faculty award di IBM, Yahoo! e Google e, per due volte, il Google Focused Award. Ha fatto parte del comitato di programma di conferenze di riferimento, tra cui SODA, PODC, ICALP, WWW e KDD assumendo anche ruoli di leadership. È associate editor di JCSS.
È membro del consiglio direttivo di ELICSIR e del Consiglio della Scuola Ortogonale.
Scientific research is not truly complete until its results are published. Yet, scientists’ education is often primarily technical, offering limited training in how to write about and disseminate research work. As participants of the Orthogonal School embark on the exciting journey of scientific research, this is an ideal moment to begin exploring the fundamentals of the research communication process. This introductory lecture will first provide background on research writing and publication in the field of computer science, then focus on how to structure a research paper and what key elements to include to communicate research effectively.
L’incapacità di imporre uno standard nei linguaggi di programmazione e, quindi, la disponibilità di molti di essi, sono una costante nella storia dell’informatica.
Cercherò di mostrare che ciò è connaturato alla natura di “mediatori” dei linguaggi di programmazione e che si tratta di una cosa positiva, non di un difetto.
A cavallo tra gli anni ’60 e ’70, si sono avuti tentativi di definire un linguaggio di programmazione “totale” che avrebbe dovuto imporsi come unico, rendendo obsoleti tutti gli altri. Esempi di questi tentativi sono PL/I (IBM, 1965), Ada (USA DoD, 1980) e anche i “linguaggi estensibili” dei primi anni ’70. Ripercorrerò gli elementi principali di questa vicenda, cercando di comprendere i motivi per cui il linguaggio totale è un mito irrealizzabile. Anzi, è dannoso. La molteplicità dei linguaggi di programmazione è “il contrario di una maledizione”. È “un dono e una benedizione al di là di ogni immaginazione” (G. Steiner, Errata, 1997).
Si parte dall’analisi delle Technology S-Curves, uno strumento fondamentale per comprendere come le prestazioni di una tecnologia migliorino nel tempo seguendo un andamento non lineare: una fase iniziale di crescita lenta, una fase di rapido avanzamento e infine una fase di maturità e saturazione.
In questo contesto si introduce il concetto di Dominant Design, ossia la configurazione tecnologica che diventa standard nel mercato.
Si analizzano poi le Technological Discontinuities, cioè quei momenti di rottura che segnano il passaggio da una tecnologia consolidata ad una completamente nuova. Queste discontinuità creano instabilità nei settori industriali ma aprono spazi competitivi per nuove imprese.
Nelle discontinuità tecnologiche si possono riconoscere le differenze tra innovazione incrementale e innovazione radicale: mentre la prima riguarda miglioramenti graduali su tecnologie esistenti, la seconda implica salti di paradigma e creazione di nuovi mercati.
Nelle discontinuità tecnologiche si possono vedere anche le cosiddette Disruptive Technologies, tecnologie emergenti che inizialmente mostrano prestazioni inferiori rispetto alle soluzioni consolidate ma che, grazie a miglioramenti rapidi finiscono per trasformare interi comparti industriali.
Infine, si analizza il comportamento dei mercati attraverso i modelli di adozione dell’innovazione, mettendo in luce le differenze tra diverse tipologie di utenti dal punto di vista della loro propensione ad adottare una nuova tecnologia.
In questo (si spera) agile seminario divulgativo esploreremo alcuni aspetti sorprendenti della rivoluzione del deep learning, con l’obiettivo di fornire una cornice utile per contestualizzare questo importante fenomeno.
Certosa di Pontignano, Siena, Castelnuovo Berardenga
© ELICSIR Foundation ETS 2026 - All right reserved
Questo sito utilizza cookie tecnici e di profilazione per migliorare la tua esperienza di navigazione. Continuando a navigare nel sito acconsenti all'uso dei cookie.
