La sfida dei Big Data passa attraverso la condivisione e il riuso dei dati scientifici per migliorare la ricerca, la formazione e i processi innovativi

La Commissione Europea ha recentemente presentato un ambizioso piano per promuovere lo sviluppo di servizi cloud e infrastrutture di dati che promette all’Europa una posizione di leadership nell’utilizzo di Big Data in campo scientifico, di cui il nostro Continente è tra i maggiori produttori. Il piano coinvolge sia la comunità scientifica che le imprese e la PA e si propone di essere un importante fattore di crescita economica.

Oggi è difficile trovare qualcuno che sottovaluti il potenziale dei Big Data accumulati a livello globale dalla comunità scientifica, eppure siamo ancora molto lontani dallo sfruttare adeguatamente questo enorme patrimonio che si arricchisce di giorno in giorno, a causa della frammentazione o a volte di vere e proprie carenze a livello di infrastrutture di ricerca. Un’occasione mancata, insomma, a cui la Commissione Europea intende porre rimedio attraverso azioni a sostegno di una cloud europea per la “open science”, un ambiente federato accessibile globalmente, in cui ricercatori, innovatori, aziende e cittadini possano pubblicare, trovare e riutilizzare dati e strumenti per scopi di ricerca, innovazione e formazione. L’iniziativa intende agevolare l’accesso fiduciario a servizi e sistemi per l’utilizzo di dati scientifici condivisi abbattendo confini disciplinari, sociali e geografici. Entro il 2020, questa cloud europea permetterà a circa 1,7 milioni di ricercatori e a 70 milioni di professionisti della scienza e della tecnologia in Europa di archiviare, condividere e riutilizzare i dati a livello interdisciplinare e internazionale.

L'iniziativa è parte del Mercato Unico Digitale, un pacchetto di misure volto a rafforzare la competitività dell'Europa in termini di economia della conoscenza, che la Commissione prevede possa portare alla nostra economia 415 Miliardi di € in più all’anno e centinaia di migliaia di nuovi posti di lavoro. La European Open Science Cloud Initiative è suddivisa in una parte focalizzata sulla gestione, analisi e riutilizzo dei dataset scientifici (la “Open Science Cloud” vera e propria) e un’infrastruttura di dati europea che combinerà risorse di calcolo, archiviazione e rete ad alta capacità per movimentare i dati. Come parte dell’iniziativa sono anche previste azioni di formazione e informazione per creare competenze non solo a livello dei professionisti del settore, permettendo così di sbloccare il potenziale di paradigmi innovativi come quello delle Smart City per portare servizi e migliorare lo stile di vita dei cittadini dell’Unione.

Grazie a questa iniziativa, sarà più facile per ricercatori e innovatori in genere accedere ai dati e riutilizzarli e saranno inoltre ridotti i costi per l'archiviazione e l'analisi, automatizzata con tecniche ad alte prestazioni, rafforzando così ricerche esistenti in ambito pubblico e privato ma anche favorendo l’innovazione basata sui dati in nuovi campi, non solo a livello di ricerca pura, ma anche in settori come la medicina e la salute pubblica.

Come spesso avviene quando si parla di innovazione, sarà proprio la comunità scientifica ed accademica a trainare questa ambiziosa operazione, che verrà progressivamente allargata al settore pubblico e all'industria. Il presupposto è che siano gli scienziati, sia quelli coinvolti nella “big science” dei grandi centri di ricerca che quelli che operano nei tantissimi centri universitari – la cosiddetta “long tail”– a sperimentare per primi i bisogni del futuro. È tipico infatti della scienza avanzata di spingere al limite le possibilità delle tecnologie correnti e di dover ricorrere a sviluppare innovazioni che anticipano e aprono la strada a nuove soluzioni di cui altri potranno beneficiare. In questo senso, la scienza sarà non solo una forza motrice ma anche un banco di prova per le nuove infrastrutture e servizi.

A livello infrastrutturale, la European Cloud Initiative andrà a poggiare da subito su solide (e già esistenti) basi: un'infrastruttura di dati europea, con strutture di archiviazione su vasta scala e capacità di supercalcolo adeguate alla elaborazione dei grandi dataset disponibili, il tutto interconnesso ad alta capacità dalla dorsale europea GÉANT e dalle reti nazionali della ricerca, rappresentate, per il nostro Paese, dalla rete GARR. L’iniziativa arriva in un momento in cui molte reti della ricerca, tra cui appunto quella italiana, stanno passando al Terabit, quindi sono già in grado di sostenere al meglio il traffico derivante dal “diluvio di dati”.

Il primo passo per realizzare una European Open Science Cloud, al centro della strategia appena descritta, consisterà nel federare le infrastrutture di dati esistenti in Europa, oggi frammentate sia dai confine nazionali dei diversi Stati Membri che da quelli delle diverse discipline, con l’idea di rendere l’accesso ai dati più facile, economico ed efficiente.

La discussione su temi fondamentali come la protezione e la sicurezza dei dati, nonché la governance della nuova iniziativa sovranazionale è già cominciata e la Commissione ha nominato un gruppo di 10 esperti, che vede tra le sue fila anche un’italiana esperta in Big Data, Anna Monreale dell’Università di Pisa, e ha avuto il compito di contattare i principali stakeholder ed elaborare delle raccomandazioni sulla base degli esiti delle consultazioni. Le raccomandazioni sono state raccolte nel documento “una Nuvola sull’Orizzonte 2020”, pubblicato in bozza lo scorso 20 Giugno e in corso di revisione da parte della Commisione Europea.

Lo scorso giugno è stato presentato alla Commissione Europea il progetto per un primo pilota di EOSC, chiamato appunto EOSCpilot. Coordinato dalla GÉANT Association, il progetto, attualmente al vaglio della Commissione Europea, vede la partecipazione di numerose NREN e di primari enti di ricerca in tutta Europa, tra cui gli italiani CNR, INFN e INGV. Il progetto intende realizzare un pilota di EOSC che copra gli aspetti di governance, servizi, interoperabilità e formazione. In particolare, si intende proporre un’infrastruttura federata di dati e servizi di accesso, analisi, interoperabilità e comunicazione scientifica, gestita attraverso un modello di governance “stakeholder driven”, cioè in grado di coinvolgere efficacemente tutti i portatori di interesse nella gestione dell’iniziativa, dagli utenti, ai service provider, agli enti di ricerca, fino ai finanziatori