Le Grandi Rivoluzioni

Dieci anni fa, nel 2014 lo storico e filosofo Yuval Noah Harari descrisse nel suo libro intitolato “Sapiens. Da animali a dèi” le tre grandi rivoluzioni che hanno segnato il percorso evolutivo e storico del genere umano:

  1. La Rivoluzione Cognitiva: avvenuta circa 70.000 anni fa, ha segnato l’emergere del linguaggio complesso e del pensiero astratto. Questa rivoluzione ha permesso agli esseri umani di cooperare in modo più efficace, creare miti e storie condivise, e sviluppare culture complesse.
  2. La Rivoluzione Agricola: iniziata circa 12.000 anni fa, ha visto il passaggio da società di cacciatori-raccoglitori a società agricole stanziali. Questo cambiamento ha portato alla nascita di civiltà più grandi e complesse, ma anche a nuove sfide come le disuguaglianze sociali e le malattie.
  3. La Rivoluzione Scientifica: cominciata circa 500 anni fa, ha dato origine al metodo scientifico moderno e a un rapido progresso tecnologico. Questa rivoluzione ha trasformato radicalmente il modo in cui gli umani comprendono e interagiscono con il mondo, portando a cambiamenti senza precedenti nella società, nell’economia e nell’ambiente.

Queste rivoluzioni, secondo Harari, hanno plasmato il corso della storia umana e ci hanno portato dalla condizione di animali a quella di “dei”, nel senso che abbiamo acquisito capacità e poteri che un tempo erano attribuiti solo alle divinità.

I progressi della rivoluzione scientifica è ancora in atto e stiamo attraversando un periodo di forti e veloci trasformazioni. È la cosiddetta Rivoluzione Digitale o dell’Informazione. Proviamo a ripercorrerla velocemente.

Prendendola alla lontana, potremmo partire dal 1833 quando Charles Babbage (1791-1871) progettò la macchina analitica ovvero il primo vero calcolatore programmabile, in senso moderno, della storia.

Bisogna poi passare al 1939 quando John Vincent Atanasoff e Clifford E. Berry dell’Iowa State University costruirono l’Atanasoff Berry Computer (conosciuto come ABC), il primo computer digitale totalmente elettronico.

Ma per metterle con le parole di Henry Ford, “il vero progresso si ha solo quando i vantaggi di una nuova tecnologia diventano per tutti.”. E allora passiamo al gennaio del 1975 con il lancio da parte della Micro Instrumentation and Telemetry Systems (MITS) del primo personal computer comunemente riconosciuto: l‘Altair 8800.

All’Altair 8800 nel 1975 seguirono in rapida successione: IBM 5100 (1975), MD 800 (1976), Apple I (1976), Apple II (1977), Commodore PET (1977), Tandy/Radio Shack TRS-80 (1977), Olivetti P6060 (1975), Atari 400/800 (1979), Commodore VIC-20 (1980), IBM PC (1981), Commodore 64 (1982), Apple Lisa (1983), Apple Macintosh (1984), Atari ST (1985), Commodore Amiga 1000 (1985), Microsoft Windows 1.0 (1985).

E poi nel 1991 nacque il World Wide Web grazie a Tim Berners-Lee che al CERN sviluppa il primo sito web e il concetto di hyperlink.

Un anno dopo (1992) e arriva quello che viene considerato il primo smartphone: IBM Simon che combinava un telefono cellulare con funzioni di PDA (personal digital assistant).

Poi nascono i primi social networks: SixDefrees (1997), Friendster (2002), MySpace (2003), LinkedIn (2003), Facebook(2004),… che disegnano un nuovo modo di guardare a internet e alla comunicazione.

Grandi passi in avanti anche nel campo dell’intelligenza artificiale: nel 1997 Deep Blue di IBM sconfigge il campione del mondo di scacchi Garry Kasparov; nel 2011 IBM Watson vince a Jeopardy contro campioni umani e nel 2016 AlphaGo di Google DeepMind sconfigge il campione mondiale di Go.

Arriviamo così al 2017 con la pubblicazione dell’articolo scientifico “Attention Is All You Need” da parte dei ricercatori di Google Brain che introducono l’architettura Transformer. Un lavoro considerato fondamentale nel campo del Natural Language Processing (NLP) e che ha gettato le basi per lo sviluppo dei moderni Large Language Models (LLM). Tutti nomi e concetti poco conosciuti al grande pubblico. Ed ecco allora che ci tornano alla mante, ancora una volta, le parole di Henry Ford: “il vero progresso si ha solo quando i vantaggi di una nuova tecnologia diventano per tutti.”. E fu così che il 30 novembre 2022 viene lanciato ChatGPT da parte di OpenAI.

E poi come avvenne negli anni ’70 / ’80 con il proliferare di nuovi personal computers anche oggi abbiamo un proliferare di LLM:

ModelloProduttore
GPT-4OpenAI
Claude 3Anthropic
GeminiGoogle
LLaMA 2Meta
PaLM 2Google
BERTGoogle
T5Google
Mistral AI modelsMistral AI
Phi-2Microsoft

L’impatto di questi LLM nella vita di tutti i giorni è sotto gli occhi di tutti. Questi strumenti stanno trasformando il modo in cui interagiamo con la tecnologia, elaboriamo informazioni e svolgiamo le nostre mansioni. Siamo nel cuore di questa rivoluzione (forse la più dirompente) e nessun settore è escluso.

Come ogni innovazione rivoluzionaria, gli LLM polarizzano l’opinione pubblica, creando un ampio spettro di reazioni che vanno dall’entusiasmo incondizionato al pessimismo più cupo. In questa scala di emozioni, la mia personale posizione è più vicina agli ottimisti pragmatici: riconosco l’incredibile potenziale di questi strumenti nella piena consapevolezza delle sfide etiche, sociali e tecniche che gli LLM ci mettono di fronte. Purtroppo mi accorgo che i più acerrimi contestatori di questi strumenti sono anche le persone meno informate su cosa sono esattamente e come funzionano questi strumenti.

Qui su infigures proveremo a fare chiarezza su una questione che diventerà centrale nel discorso tecnologico, politico e sociale dei prossimi anni. Segui infigures.it per una maggiore conoscenza e consapevolezza, trasformiamo insieme i dati in conoscenza e le sfide in opportunità.

Il futuro della Musica al tempo delle AI

Nello scorso articolo La semplificazione delle melodie nella musica pop abbiamo visto come le melodie della musica pop si siano andate via via semplificandosi nel corso del tempo. Oggi rimaniamo sul tema musica e proviamo ad immaginare il futuro della Musica in relazione ai più recenti sviluppi in termini di Intelligenza Artificiale.

Negli ultimi anni, l’avanzamento tecnologico ha avuto un forte impatto in molti settori, non ultimo quello della musica. Le cosiddette AI stanno trasformando radicalmente il panorama musicale sia in termini di produzione che di esecuzione. Pensiamo, per esempio, a shazam, un servizio, basato su algoritmi di riconoscimento audio, che permette agli utenti di identificare il titolo e l’autore di un brano semplicemente ascoltandolo per pochi secondi. Pensiamo anche all’autotune, una tecnologia utilizzata per correggere l’intonazione della voce in tempo reale, diventata ormai uno strumento essenziale sia nelle registrazioni in studio che nelle performance dal vivo di sedicenti cantanti dell’ultim’ora.

In ambito musicale, a ben guardare, la presenza delle AI si nasconde dietro ogni angolo:

  • Estrazione automatica delle varie parti di un brano (voce, batteria,…).
  • Riconoscimento di brani (shazam).
  • Conversione di audio in spartito (trascrizione automatica).
  • Correzzione dell’intonazione in tempo reale (autotune).
  • Creazione di tutor virtuali per la didattica musicale.
  • Ripristino di registrazioni audio imperfette.
  • Creazione di arrangiamenti orchestrali o strumentali partendo da melodie base.
  • Mixaggio e Mastering.
  • Generazione di nuovi timbri e strumenti musicali.
  • Creazione di versioni personalizzate di brani esistenti.
  • Improvvisazioni e duetti tra persone e IA.
  • Utilizzo del timbro vocale di artisti, vivi o scomparsi, per nuove composizioni.

Tutte soluzioni che sono attualmente disponibili e ampiamente utilizzare.

A chi fosse sfuggito, l’anno scorso ( il 2 novembre 2023) è uscito il singolo “Now and Then” nientepopodimeno che dei Beatles. Il pezzo è stato generato grazie all’intelligenza artificiale utilizzando una registrazione demo del 1977 di John Lennon, rielaborata nel 1995 con parti di chitarra da George Harrison e poi ultimata nel 2022 con il basso di Paul McCartney e la batteria di Ringo Starr.

Quando si parla di AI in ambito musicale ci sono considerazione etiche, questioni di copyright, questioni filosofiche sul concetto di creatività,… ma al netto di tali questioni (anche rilevanti), da un punto di vista prettamente tecnico, vine da dire: wow!

Oggi abbiamo voluto mettere alla prova uno di questi tool AI in campo musicale chiamato suno.com. È uno strumento che può essere utilizzato gratuitamente (entro certi limiti). Abbiamo passato a suno questo prompt:

canzone in stile bossa nova che sia un apologia della data science e dei numeri in generale

Ed ecco cosa in pochi minuti è riuscito a creare un brano che ha chiamato “Numeri d’Oro” eccolo a voi:

E questo è il testo interamente generato dall’AI:

[Verse]
Numeri e connessioni
Grafici e soluzioni
Ogni giorno una scoperta
La bellezza è nella cifra

[Verse 2]
Tra algoritmi e formule
Troviamo risposte pronte
Una danza di variabili
Che ci porta verso il sole

[Chorus]
Data science noi amiamo
Nei numeri ci troviamo
Dai dati il mondo leggiamo
Verità noi scopriamo

[Verse 3]
Dal caos nasce ordine
Ogni pattern ha un segnale
Un sentiero tra i numeri
Verso un mondo più reale

[Chorus]
Data science noi amiamo
Nei numeri ci troviamo
Dai dati il mondo leggiamo
Verità noi scopriamo

[Bridge]
Ogni dataset un viaggio
In un mare di possibilità
Le risposte sono dentro
Quando seguiamo la realtà

Certo non è il massimo ma è davvero impressionante la velocità con cui ha creato questo brano dal nulla, senza alcun intervento umano se non il mio scarno prompt di partenza. Questa capacità non solo mette in parte in discussione il futuro della professione del musicista, ma cambia anche la natura stessa della musica. Fino ad oggi, la musica è sempre stata associata a un autore umano, un’espressione artistica personale. Ora, abbiamo musica composta e realizzata da macchine, indistinguibile da quella umana.

Numeri d’Oro“, un pezzo che a buon vedere potrebbe anche diventare la sigla di infigures! Che dite?

La semplificazione delle melodie nella musica pop

Nell’era dei big data e dell’intelligenza artificiale, anche la musica popolare non sfugge all’analisi quantitativa. Un recente studio condotto da musicologi computazionali della Queen Mary University di Londra ha rivelato una tendenza interessante: le melodie vocali nella musica pop sono diventate molto meno complesse nel corso del tempo.

Lo studio e i suoi risultati

Lo studio, pubblicato sulla rivista Scientific Reports, ha utilizzato modelli matematici per analizzare le prime cinque canzoni della Billboard (classifica generale) per tutti gli anni dal 1950 al 2023. I ricercatori hanno identificato tre “rivoluzioni melodiche” negli anni 1975, 1996 e 2000 – che hanno portato a una crescente semplicità nei due componenti principali della melodia: il ritmo e l’altezza delle note (alte a e basse).

Madeline Hamilton, la studentessa di dottorato che ha guidato la ricerca, afferma che sia il ritmo che l’altezza sono diventati progressivamente meno complessi nel periodo esaminato, con una diminuzione stimata del 30% per entrambi gli elementi.

La hit del 1975 “Love Will Keep Us Together” dei coniugi Captain & Tennille contiene molte note “inaspettate” e una certa complessità ritmica.

Al contrario, “Breathe” di Faith Hill, la canzone più ascoltata del 2000, non presenta alterazioni (diesis e bemolli) se non quelle in chiave ma molte ripetizioni e ritmi semplici.

La differenza tra questi due brani è lampante a giudicare dalla partitura (anche per coloro che non sono musicisti).

Metodologia dell’analisi

L’analisi condotta dai ricercatori è stata molto dettagliata e rigorosa. Hamilton ha personalmente ascoltato e trascritto le melodie vocali di 366 canzoni, utilizzando MuseScore, un programma di notazione musicale online. Per ogni melodia, sono state misurate otto metriche melodiche: quattro relative al ritmo e quattro all’intonazione. Queste includevano, ad esempio, il numero di note per battuta e l’intervallo melodico medio tra note consecutive.

Un aspetto particolarmente interessante dell’analisi è stato l’uso di un modello statistico sviluppato dal Dr. Pearce per misurare la prevedibilità di ogni melodia in termini di ritmo e intonazione. Questo modello cerca di “indovinare” quale nota seguirà nella melodia basandosi sulle note precedenti. Così facendo fornisce un’indicazione sull'”originalità” del brano. Inoltre, sono stati utilizzati dei modelli linguistici per rivelare i momenti significativi nell’evoluzione della musica pop.

Le cause della semplificazione

Gli autori dello studio suggeriscono che questa tendenza potrebbe essere il risultato di diversi fattori:

  1. L’accessibilità del software di produzione musicale digitale e le vaste librerie di campioni e loop hanno “democratizzato” la creazione musicale. Questo ha permesso a chiunque con un computer e una connessione internet di creare musica, ma potrebbe aver anche portato a una standardizzazione delle strutture melodiche.
  2. L’emergere e la popolarizzazione di generi come la disco negli anni ’70, l’arena rock, l’hip-hop e la musica elettronica negli anni ’90 e 2000 hanno introdotto nuovi approcci alla composizione. Questi generi spesso privilegiano il ritmo e gli elementi sonori complessi (come effetti, arrangiamenti elaborati e tecniche di registrazione avanzate) rispetto alla complessità melodica.
  3. I social media e le piattaforme di streaming musicale hanno cambiato il modo in cui consumiamo la musica. La necessità di catturare rapidamente l’attenzione dell’ascoltatore in un panorama saturo di contenuti potrebbe aver spinto verso melodie più semplici e immediate.
  4. La cultura digitale ha abituato il pubblico a un linguaggio più semplice e conciso. Questo potrebbe aver avuto un riflesso nella musica.

Complessità vs Qualità

È importante notare che la diminuzione della complessità melodica non implica necessariamente una riduzione della qualità musicale. Gli autori dello studio sottolineano che altri aspetti della musica, come il numero di note suonate al secondo, sono in realtà aumentati nel tempo. Questo suggerisce che la perdita di complessità melodica potrebbe essere compensata da una maggiore complessità in altri elementi musicali.

Happy” di Pharrell Williams, la canzone numero uno del 2014, presentava una bassa complessità melodica ma una produzione musicale notevole.

Detto tutto questo, la semplicità melodica può avere una sua bellezza intrinseca e non dovrebbe essere interpretata necessariamente come un indicatore di declino artistico.

Mentre riflettiamo su questa evoluzione storica della musica pop, non possiamo ignorare un fenomeno emergente che potrebbe rappresentare la prossima frontiera nella produzione musicale: l’intelligenza artificiale. Oggigiorno, esistono infatti sofisticati sistemi di AI capaci di comporre, arrangiare e persino produrre brani musicali, rendendo la creazione musicale accessibile anche a chi non ha una formazione specifica. Questi strumenti stanno “democratizzando” il processo creativo, ma sollevano anche una serie di interrogativi: come influenzeranno la complessità e la diversità della musica futura? Cambieranno il nostro concetto di creatività musicale? E come si evolverà il ruolo dell’artista umano in questo nuovo panorama tecnologico?

Queste domande meritano un’analisi approfondita, che esploreremo in un prossimo articolo di infigures.it. Quindi mi raccomando: stay tuned!

[Articolo originale: The New York Times, “Pop Melodies Have Grown Simpler, Study Finds” di Alexander Nazaryan, 4 luglio 2024 – LINK ]

USA e la violenza

Dopo l’attentato a Donald Trump, in conferenza stampa Joe Biden ha usato queste parole per condannare l’atto: non c’è posto in America per questo tipo di violenza.

Le parole esatte sono state “there is no place in America for this kind of violence or any violence for that matter. An assassination attempt is contrary to everything we stand for as a nation. everything. It’s not who we are as a nation, it’s not America and we cannot allow this to happen.”

Non c’è posto in America per questo tipo di violenza o per qualsiasi altra violenza, un attentato è contrario a tutto ciò che rappresentiamo come nazione, non è ciò che siamo come nazione, non è l’America e non possiamo permettere che questo accada.

Bene (anzi male), forse Biden dimentica che l’America è quel paese che ha visto ben 4 dei suoi 46 presidenti assassinati. Abramo Lincoln (1865), James Garfield (1881), William McKinley (1901), John Kennedy (1963).

Forse Biden dimentica che in America ci sono più armi che persone. Nel 2021, un sondaggio ha rilevato che circa il 42% delle famiglie statunitensi ha dichiarato di possedere una o più armi da fuoco. I risultati sono ben rappresentati in questo grafico di Statista .

Una Paese che ha connaturato in sé il concetto di violenza. Un Paese il cui secondo emendamento legge “Essendo necessaria alla sicurezza di uno Stato libero, una ben organizzata Milizia, il diritto dei cittadini di detenere e portare Armi, non potrà essere violato” e suona come un inno all’autogiustizia.

E visto che ci siamo, vediamo anche cosa dice l’OCSE (Organizzazione per la Cooperazione e lo Sviluppo Economico) in tema di sicurezza. Negli Stati Uniti il tasso di omicidi (numero di omicidi ogni 100 000 abitanti) è pari a 5,6, un tasso superiore rispetto alla media OCSE, pari a 2,6. Per la cronaca in Italia il tasso è pari a 0,5.

Biden e anche Trump si dimenticano una campagna elettorale tutta incentrata sulla violenza verbale, su slogan privi contenuti, su l’avversario politico che diventa un nemico!

Le città più trafficate al mondo

Il Global Traffic Scorecard del 2023 è un report che fornisce i dati sulla mobilità delle aree più congestionate del mondo. Il report riporta i tempi medi di percorrenza di oltre 900 città in tutto il mondo.

Allora vediamo quali sono le città più congestionate d’Italia. Al primo posto si posiziona Roma (che si classifica al 15-esimo posto nella classifica mondiale) seguita da Milano (25 posto).

A seguire troviamo: Torino (94 posto), Palermo (104), Firenze (115), Bergamo (118), Genova (122), Varese (148), Napoli (153), Modena (170), Brescia (178), Verona (183), Bari (185), Salerno (188), Bologna (191), Rimini (196), Lecco (197).

Con Pelermo in 104-esima posizione a livello mondiale ci tornano subito alla memoria le parole de “lo zio” in Johnny Stecchino.

A livello globale New York risulta essere la città più congestionata al mondo. Di seguito la classifica delle prime 30 posizioni.

PosizioneCittàOre perseVariazione rispetto al 2022
1New York City NY101-4%
2Città del Messico9613%
3Londra992%
4Parigi974%
5Chicago IL9610%
6Istanbul9112%
7Los Angeles CA8913%
8Boston MA8814%
9Città del Capo8332%
10Jakarta6533%
11Miami FL705%
12Brisbane7410%
13Philadelphia PA694%
14Bangkok6325%
15Roma6915%
16Dublino7229%
17Toronto ON6321%
18Washington DC6320%
19Houston TX6212%
20Bruxelles684%
21Atlanta GA6120%
22Melbourne6221%
23Rotterdam6230%
24Praga6422%
25Milano608%
26Johannesburg5518%
27Seattle WA5825%
28Varsavia6115%
29Utrecht6544%
30Montréal QC5720%

Fonte dati: INRIX 2023 Global Traffic Scorecard

A Pasquetta è sempre brutto tempo?

Ogni anno, quando ci avviciniamo a Pasqua sorge sempre la stessa domanda: “che tempo farà a Pasquetta?” E via giù di meme, che la risposta la sappiamo tutti: a pasquetta piove. Sempre. Il lunedì di Pasquetta è la giornata consacrata al maltempo, punto. Fa parte integrante della tradizione pasquale.

Ma qui su infigures siamo abituati ad affrontare le cose in maniera diversa. Cosa dicono davvero i dati? Quello di oggi è un post diverso dal solito. Più da nerd. Ho scritto un codice in R per verificare se davvero a Pasquetta piove sempre. Facciamo un po’ di web scraping sul sito ilmeteo.it. Per chi non lo sapesse, il web scraping è il processo di estrazione automatica di dati da pagine web. Bene, iniziamo.

Anzitutto le librerie necessarie per questo esercizio:

Mi creo un dataframe (lo chiamo per brevità df) con una colonna Anno contenente gli anni cui sono interessato (dal 2006 al 2023), una colonna Pasquetta contenente la data della pasqua +1. Easter è la funzione della libreria timeDate per il calcolo della pasqua a partire dall’anno.

Creo poi una colonna Mese con il nome del mese della pasquetta (mi servirà per poi fare lo scraping su ilmeteo.it, il Giorno del mese e una colonna Meteo inizializzata a NA e che in seguito conterrà la condizione meteo di quel giorno.

Viene ora la parte di web scraping. Di fatto un ciclo for e per ogni riga del dataframe

Ora che abbiamo il nostro bel df facciamo un minimo di pulizia sul testo (togliamo gli spazi in eccesso e mettiamo tutto in minuscolo).

Et voilà, questo è il risultato:

AnnoMeteo lunedì di Pasquetta- RM
2006pioggia debole
2007poco nuvoloso
2008temporale
2009pioggia e schiarite
2010nubi sparse
2011coperto
2012sereno
2013coperto
2014poco nuvoloso
2015poco nuvoloso
2016nubi sparse
2017poco nuvoloso
2018poco nuvoloso
2019pioggia e schiarite
2020nebbia al mattino
2021poco nuvoloso
2022sereno
2023poco nuvoloso

Oppure possiamo sintetizzare l’informazione con questa linea di codice:

Meteo n
poco nuvoloso 7
coperto 2
nubi sparse 2
pioggia e schiarite 2
sereno 2
nebbia al mattino 1
pioggia debole 1
temporale 1

Ohibò, solo due giornate con tempo sereno…

Dubbi, perplessità? Fatemi sapere. Ma questo è solo l’inizio per delle persone curiose. Ad esempio si può modificare il codice per vedere il meteo di Milano o di Napoli. Si può controllare il meteo una settimana prima e una settimana dopo la pasquetta per verificare se ci siano differenze significative. Oppure ancora si potrebbero calcolare altri indicatori come ad esempio la temperatura media.

Provate voi stessi, ho messo a disposizione il codice qui su COLAB.

Emergenza demografica in corso

Di emergenza demografica ne abbiamo già parlato in passato (leggi Un Paese di vecchi -e pure bigotti-) ma di fatto la situazione continua a peggiorare. Ma con quale grado di intensità e a quale velocità?

Per trovare risposte a queste domande, abbiamo analizzato i dati demografici della popolazione italiana dal 1952 ad oggi, disponibili sul sito dell’ISTAT. Utilizzando questa lunga serie storica, abbiamo sviluppato una piramide dell’età animata per visualizzare in modo tangibile come la struttura demografica italiana sia drasticamente cambiata dal dopoguerra fino ad oggi.

Oltre a questo video abbiamo anche prodotto una dashboard per poter navigare i dati anno per anno.

Ma cos’è una piramide dell’età e come si legge?
La piramide dell’età (o piramide demografica) è uno strumento utilizzato dai demografi per studiare le popolazioni e le loro caratteristiche. In buona sostanza, la piramide dell’età è una rappresentazione grafica che illustra bene come si distribuisce una popolazione rispetto al genere e alle fasce d’età.

Ma perchè viene chiamata piramide dell’età quando la forma è completamente diversa da una piramide? Il punto è che la sua forma dipende dallo stadio di sviluppo demografico del paese considerato.

La teoria della transizione demografica ci dice che tutte le popolazioni al mondo passano attraverso quattro fasi di sviluppo demografico: (1) alta natalità e mortalità, (2) riduzione della mortalità ma alta natalità, (3) diminuzione della natalità e conseguente stazionarietà e infine (4) riduzione della natalità e conseguente situazione di contrazione demografica.

L’Italia dal 1952 ad oggi ha lentamente e inesorabilmente attraversato tutte queste fasi.

Basti pensare che dal 1952 al 2023 l’età media è aumentata da 32 a 46 anni mentre l’età mediana è passata da 29 a 48 anni. [Se non sai cos’è l’età mediana continua a leggere infigures 😁].

In estrema sintesi, tre sono le grandi problematiche che siamo tenuti ad affrontare:

  • La quota di persone anziane è sempre maggiore. Con un forte impatto sul sistema sanitario e su quello pensionistico
  • Nascono sempre meno bambini che rappresentano il futuro di ogni nazione
  • La quota di donne in età fertile nei prossimi anni è destinata a ridursi.

Roma si trasforma

È nato Romasitrasforma.it il portale degli interventi di Roma Capitale. Attraverso questo nuovo strumento aperto a tutti è possibile geolocalizzare sulla mappa di Roma le principali opere in fase di progettazione, quelle in cantiere e quelle già concluse.

A nostro avviso un sito ben progettato e ben realizzato nella direzione di trasparenza e opendata.