28 OTTOBRE 2018
INTELLIGENZA [poco] ARTIFICIALE E PEDAGOGIA [tanto] ARTIFICIALE?
Claudio Canal
gli * rimandano a fondo pagina
Machine learning, Deep learning, Learning analytics… apprendimento automatico, apprendimento profondo, analisi dell’apprendimento, sono le traduzioni disponibili e, come sempre, non esattamente coincidenti con l’originale.
Se c’è apprendimento, se c’è qualcuno o qualcosa che impara va da sé che c’è qualcuno o qualcosa che insegna. E che cosa insegna? Domande che entrano direttamente sotto la giurisdizione dell’educazione e della pedagogia anche se in una zona del sapere che richiede altre etichette.
Intelligenza artificiale è il contrassegno sotto cui raccogliere i vari learning elencati.
L’Intelligenza Artificiale [IA/ in inglese AI] non è così intelligente come si dice né così artificiale, come vedremo. È un ente ambiguo ontologicamente di cui si parla e sparla da più di mezzo secolo. Ha una storia dondolante*, grandi frustrazioni e grandi entusiasmi. Delusione/euforia. Inverno/primavera. Oggi navighiamo a tutto andare nella seconda. L’Intelligenza Artificiale è il futuro. È fantascienza. Sottometterà gli esseri umani. È una tecnoutopia. Vincerà la malattia, la morte. E tante altre buone novelle oppure cattive.
Definizione minimale: è una disciplina dell’informatica che studia e progetta hard e software in modo tale che il computer agisca automaticamente come se fosse intelligente. Può bastare ed è falsificabile. Forse coincide con la cosiddetta I.A. debole, che si distingue da quella forte, che qui non sarà discussa. Quest’ultima è una religione scientifica, un cargo cult, che prevede che si possano costruire macchine/computer dotati di pensiero, come quello umano, ma straordinariamente più potente. Non ci vorrà molto per l’avvento di questo sorpasso – detto singularity-* sostengono i fautori.
Il Machine Learning *è una settore dell’Intelligenza Artificiale. anche se si sta velocemente guadagnando i gradi di super disciplina. Assumiamo come equivalente e orientativa la definizione minimale di I.A. data sopra. Più complesso definire Deep Learning dove la sofisticazione dei metodi e delle logiche è più alta. Me la cavo ricordando che sei anni fa il laboratorio X di Google ha messo al lavoro 16.000 computer per esplorare dieci milioni di immagini tratte da video di Youtube per addestrali a riconoscere…un gatto*. Nel 2018 Google lancia una gara per riconoscimento visivo di 8000 specie di animali e piante tra 450.000 immagini: deep learning.
Le macchine/computer sono raggiungibili con un clic o un touch, uno sfioramento del display. In qualche caso, grazie soprattutto ad Alexa di Amazon, con la voce, in un prossimo futuro col pensiero? Si è materializzata corporalmente l’etimologia di digitale, su cui Michel Serres * ha giocato definendo Pollicine le nuove generazioni.
L’illuminismo, nel senso più ampio di pensiero in continuo progresso, ha perseguito da sempre l’obbiettivo di togliere agli uomini la paura e di renderli padroni. Ma la terra interamente illuminata splende di trionfale sventura. Il programma dell’illuminismo era di liberare il mondo dalla magia. Esso di proponeva di dissolvere i miti e di rovesciare l’immaginazione con la scienza, affermavano Max Horkheimer e Theodor W. Adorno nell’incipit di un libro scritto più di settant’anni fa nell’esilio americano, Dialettica dell’illuminismo *. Non saprei dire se merita l’oblio in cui è scivolato dopo certi superficiali fasti.
Rovesciare l’immaginazione con la scienza?
Cominciamo con la parola fatata Algoritmo*, che poi, in origine, era una persona. al-Khuwārizmī [Algoritmo] o Muḥammad ibn Mūsa, matematico arabo vissuto a Baghdad nel nono secolo*.
Oggi anche il mio gatto pensa che sia un algoritmo a preparargli le gustose crocchette. E forse non ha torto. Io penso e so che sono algoritmi a guidare gli aeroplani, a guidarci in città e in autostrada, a stabilire la spesa detta premio per assicurare l’auto, a dirigere il flusso delle transazioni finanziarie, a gestire i bancomat, a dirigere le ricerche sul web, a organizzare il lavoro in fabbrica, le assunzioni, i licenziamenti detti esuberi, a intervenire sul genoma, a far le previsioni meteo, a valutare i test Invalsi, a prenotare un albergo nelle Fiji, a infangare il mio avversario politico, a prevedere le politiche sanitarie, a tradurre i testi, a dedicarmi la pubblicità, a validare medicine ecc. ecc. L’algoritmo è in cielo, in terra e in ogni luogo. Egli è l’immenso. È invisibile e ha un potere impersonale. Può, a suo modo, vedere il futuro stabilendo delle correlazioni predittive. Suona come Mozart, dipinge come Rembrandt, fa discorsi che John F. Kennedy* non è arrivato in tempo a fare, scrive giornali*. Si fa più in fretta a dire che cosa non regola, per ora: la simpatia, l’amicizia, il dolore, la nostalgia, l’innamoramento, il sogno e alcune altre residue prerogative umane.
Un riconosciuto studioso del settore, Pedro Domingos, ha scritto un libro importante e coinvolgente in cui sta ad esempio scritto Gli algoritmi di apprendimento [learner] sono i semi, i dati sono il terreno e i programmi appresi sono le piante adulte. L’esperto di machine learning è come l’agricoltore: semina, irriga e concima il terreno, tiene d’occhio lo stato di salute del raccolto, ma per il resto non interferisce*. Bella metafora poetica e didattica. Io vorrei saperne di più di questo contadino. E’ un bracciante indiano, è una piccola coltivatrice padana, lavora per l’agroindustria, con che cosa concima il terreno, usa pesticidi, semina cavolfiori, oppio, ogm, guadagna abbastanza. Domande così, per non dovermi affidare al prodigio indiscusso della tecnica autoreferente e autosufficiente, punto e basta. Tecnofanie le chiamava Gilbert Simondon*.
Scrive ancora Domingos: L’impatto dell’Algoritmo Definitivo sulla tecnologia non si limiterà all’AI. Un learner universale è un’arma formidabile contro il mostro della complessità …Il frutto di tutto ciò sarà una vita più lunga, più felice e più produttiva. Amen. Un Algoritmo ci salverà. O ci seppellirà.
Sgombero cantine della vita, complessa, conflittuale, desiderante, mortale, contraddittoria, sognante. Se proprio devo genuflettermi preferisco farlo davanti a un padre Pio qualsiasi, che almeno si sporcava le mani di sangue.
Di che religione è l’Algoritmo di Google? È agnostico? Osservante? Al di sopra?
Per diversi anni è stato Innominato, dal 2013 il signor Google l’ha chiamato Hummingbird/Colibrì, e poi, in parte, Rank Brain*.
Prima dell’esperimento casalingo che sto per proporre, devo dichiarare la mia impurità critica. Come altri miliardi di persone sono interno a ciò che osservo e critico. Abito nella baraccopoli digitale. Non sono esterno alla mercificazione. Offro gratis la mia soggettività, la mia energia psichica a Google* e ai social media che la vendono facendo felici gli azionisti. Sono contemporaneamente forza lavoro, merce, cliente. Io sono il petrolio di questa rivoluzione. A differenza di ciò che sosteneva Marx*, sono una merce che va di propria volontà a vendersi al mercato.
L’esperimento domestico a portata di dita è questo: digitare su Google: donne asiatiche. Dodici risultati in prima pagina, dodici proposte di incontri (sessuali) e video porno. Digitare: donne europee. Nove risultati, i primi dei quali dedicati ad una associazione di donne indipendenti. Digitare: donne italiane. Risposte varie di cui tre sul fatto che le donne italiane avrebbero fame di maschi africani. Digitare: donne ucraine o russe o slave. Novanta per cento di risposte a sottolineare la loro disponibilità sessuale.
Algoritmo imparziale o impostato su una deriva sessista? Un amico, grande esperto di informatica, mi ha apostrofato Google sa che tu sei un maiale e perciò ti dà le risposte che ti meriti. Allora ho chiesto ad una brillante docente universitaria e ad una giovane cameriera di fare la stessa digitazione su Google. Responso identico al mio.
Non ho bisogno di estendere l’esperimento. Una massa consistente di studi documenta che gli algoritmi dei social e, più in generale, quelli dell’intelligenza artificiale sono portatori dei pregiudizi dei loro costruttori*. Ne sono gli amplificatori. Fingono però di essere asettici, tecnica pura, quando invece costituiscono un vero e proprio ecosistema carico di incompatibilità e fallimenti, come ogni attività umana, scienza inclusa.
La Stampa, 12 settembre 2018, inserto Tuttoscienze, titolo capitale L’Intelligenza Artificiale ci farà ricchi. Nel corpo dell’articolo le affermazioni sono meno enfatiche, come spesso succede. Ma prendiamolo come un indicatore non casuale dell’atmosfera eccitata, cui si accennava poco sopra. Uno spettro si aggira per il mondo: Udite, udite, o rustici; attenti, non fiatate… Comprate il mio specifico, per poco io ve lo do. Un mondo di trascendenze emana dai display dei nostri smartphone, tablet, pc. Ci connettono e ci sconnettono a piacere in una addictive hypnosis di dimensioni forse mai viste. Non è un’immersione, è una incorporazione*.
Furio Jesi * l’avrebbe classificata come macchina mitologica? C’è chi parla esplicitamente di alchimia e chi di algocrazia* da cui difendersi. Io sto facendo di ogni erba un fascio perché non vorrei cacciarmi nei residui addensamenti di una discussione totalizzante. Se sia prima venuto l’uovo dell’erotica seduttiva della rete con le sue macchine computazionali oppure la gallina della nostra hybris connettiva.
A latere mi sento invece di proporre a studiose e studiosi di ripescare creativamente il dispositivo di magia elaborato da Giordano Bruno, soprattutto nella interpretazione proposta da Joan Petru Culianu * in un libro straordinario e fuori dagli schemi: Bruno è il primo a spingere il concetto di magia fino alle estreme conseguenze, perché in tale ‘scienza’ vede un infallibile strumento psicologico per manipolare sia le masse che il singolo. La conoscenza dei ‘vincoli’ (vincula) appropriati permette al mago di realizzare il suo sogno di Padrone universale, potendo così disporre a volontà della natura e della società umana, anche se l’operazione si rivela esposta a difficoltà pressoché insuperabili.
Nella seconda metà del Settecento illuminista l’Europa si sbalordì per le prodezze di un turco meccanico costruito da un nobile buontempone. Era un automa in cui era abilmente nascosto un uomo piccolo che sapeva giocare molto bene a scacchi. Sull’onda del successo fu portato anche negli Stati Uniti, dove uno scrittore lo smaschererà con un articolo nel 1836. Si chiamava Edgar Alla Poe.
Al mondo ci sono oggi milioni di turkers che non giocano a scacchi ma fanno piccoli, microscopici lavori – leggere una targa, uno scontrino fiscale, tradurre tre parole, taggare un video, compilare una play list…- pagati un centesimo di dollaro o anche meno.
Task: scaricare un app e aprirla. Il committente entra nella tua rubrica e controlla se l’hai veramente fatto. Ti sei guadagnato il tuo primo centesimo, futuro Paperone.
Siccome la machina sapiens non è così tanto sapiens, ha bisogno di essere allenata, istruita, per poter poi automaticamente procedere nei suoi calcoli. Il suo learning prevede un teaching che in parte è svolto da un gruppetto di informatici e ingegneri, ma nella sostanza da una moltitudine di invisibili lavoratori e lavoratrici, considerati invece utenti e/o consumatori.
Amazon ha avviato nel 2005, con scarsa, o esagerata ironia, Mechanical Turk*, una piattaforma di micro lavoro in cui vengono assegnati Hits-Human Intelligence Tasks, cioè nano-compiti frammentati secondo un neotaylorismo gigante. Artificial Intelligence nutrita da Human Intelligence. Non ruba lavoro l’intelligenza artificiale, lo degrada, lo miniaturizza e lo rende invisibile. Inventa il caporalato digitale. Ti gratifica però definendoti free lance. La cinese Zhubajie ne utilizza 7 milioni, altre decine di piattaforme mettono a sottopaga il precariato della favela globale per sfamare le prodezze dell’intelligenza artificiale. Si chiama digital labour*.
Sarei curioso di sapere come è stato addestrato Libratus*, il programma che ha sconfitto i migliori professionisti di poker avendo imparato a bluffare. Me ne servirebbe uno invincibile contro la roulette del casino e non mi dispiacerebbe vederne un altro sfidare il destino alla roulette russa. Sarei anche interessato a sapere come vengono addestrati i sex robot [sexbot]*che stanno avendo un notevole successo mondiale (maschile, prevalentemente). Nell’ultima conferenze internazionale Love and Sex with Robots, Londra, dicembre 2017, David Levy si chiedeva se robot e umani possono fare figli assieme. Chi li istruisce e che cosa devono imparare? Quale Satyricon gli devono apprestare.
Dopo il vademecum tascabile approntato nelle pagine precedenti vorrei insinuare qualche modesto sospetto finale di fronte all’avanzata della ragione digitale come salvezza, redenzione di ogni tipo di scuola, educazione, pedagogia, intelligenza, learning and training.
Gli uomini si servono delle macchine che inventano conservando la mentalità dell’epoca precedente a questa macchina, Jacques Le Goff*. La dice giusta il compianto storico francese. Forse non siamo all’altezza delle macchine pensanti, loro si evolvono, la crescita, la crescita, e noi stiamo fermi. Oppure per ripicca le celebriamo come il toccasana decisivo, il messia tanto atteso che metterà ogni cosa al suo giusto posto, che risolverà il problema di come educare le nuove generazioni e rieducare noi stessi, come accrescere conoscenza, sapere e convivenza, che fare di questo pozzo senza fine dell’intelligenza, artificiale e non.
Nel mio piccolo ho impiegato parecchio tempo a compulsare i voluminosi atti (mai sotto le 900 pagine) delle conferenze internazionali della Artificial Intelligence in Education* e ho constatato la rarefatta, impercettibile presenza di riflessioni sullo statuto dell’Intelligenza Artificiale, dei suoi inganni prevedibili e non, sul senso di una pedagogia dai molti aggettivi ridotta a precettistica computazionale, sugli interessi che il capitalismo delle piattaforme mette in gioco in tutti gli ambiti della formazione. Invece ho soprattutto visto soluzioni applicative, anche ingegnose, ma destinate all’utilizzo, all’impiego in qualche contesto dato, quale che sia. Uno stretto funzionalismo da far venire i brividi.
Nella più recente assise, giugno 2018, Londra, l’introduzione di Paulo Blikstein adombra qualche traccia critica: i progetti presentati sono gestiti dalle grandi corporations, gli incentivi all’uso non necessariamente vanno a beneficio degli studenti, si favorisce la deprofesionalizzazione degli insegnanti, i contenuti sono standardizzati. L’intervento è ridotto ad un abstract di una paginetta, a fronte delle 900 pagine che presentano sfavillanti congegni. Un conceptual framework definito da: integrated, interactive, intelligent. Giochi di parole.
Lo spoglio delle riviste del settore, in aumento esponenziale, non riserva risultati migliori e confortanti. Quando leggo che l’innovazione consiste nel learning in doing, nel learning in working e nel problem solving sono spinto a chiedermi se è mai esistito un tale di nome John Dewey*. Colonna sonora il coretto che canta amabilmente innovation, innovation.
Ho visto innovazioni veramente speciali, anche sotto casa. Robotica educativa gioiosa, app decisive nel coagulare l’interesse e la conoscenza del reale, connettività formativa che invece di esasperare il carico cognitivo, l’infobesità, lo filtra e lo elabora, realtà aumentata per gioco e approfondimento. Ho visto esperimenti di valutazione universitaria tramite web e assistente vocale di estremo interesse. Ho visto modestissime realizzazioni di flipped classroom – classe capovolta*, che si beavano dell’italinglish e dell’informatizzazione generalizzata e niente sapevano del sistema dei laboratori proposto negli anni Settanta da Francesco de Bartolomeis*, ovvero un capovolgimento, cioè un vero cambiamento di paradigma e non una integrazione funzionale, nuovi concetti e non (solo) nuovi strumenti.
Ho visto cose. Ho visto il parto di discipline nuove di zecca, come educational genomics, educational data mining, computer-supported collaborative learning, educational neuroscience, educational computer game… e le relative associazioni accademiche e professionali, riviste, congressi internazionali, carriere, bibliografie ecc. Indice di una sensibilità speciale, di una effervescenza che risponde ad una globale e forte domanda di senso che purtroppo viene frammentata e specializzata in recinti più o meno dorati*.
Le due discipline più dirompenti sono Learning Analytics e Pensiero Computazionale.
Con Learning Analytics * ci si riferisce alla misurazione, alla raccolta, all’analisi e alla presentazione dei dati sugli studenti e sui loro contesti, ai fini della comprensione e dell’ottimizzazione dell’apprendimento e degli ambienti in cui ha luogo dichiara Rebecca Fergusson, esperta del settore. Gli studenti nel loro percorso scolastico si connettono, interagiscono con dispositivi mediatici, svolgono compiti e li presentano tramite piattaforme [smartphone, tablet, pc…], accedono a banche dati, chattano tra di loro, con gli insegnanti, con la burocrazia scolastica. Come dice un altro studioso, Ben Kei Daniel, rilasciano dietro di loro dati utilizzabili che vanno raccolti, analizzati, e interpretati per il bene degli utenti e delle loro carriere scolastiche e post scolastiche. Per il bene anche delle istituzioni formative a qualsiasi livello, perché conoscendo a fondo le prestazioni studentesche [key performance indicators (KPIs)] potranno al meglio programmare innovazioni ed emendare pecche. Potranno accettare o rifiutare iscrizioni. Potranno anche conoscere più a fondo gli studenti applicando la sentiment analysis* di straordinaria efficacia nel business, su cui adesso non mi soffermo. Detecting and addressing students’ affective and emotional states, come recita il manifesto dell’ultima conference dei minatori/scavatori di dati educativi/educational data mining.
Microsoft ha bell’e pronta una Machine learning adeguata al compito, si chiama Azure*. Accorpati questi big data potranno essere comunicati ai famosi stakeholders, amministratori, specialisti, dirigenti ministeriali, politici di governo. Imbottite di dati le machine learning daranno valutazioni e programmi futuri. Il marchingegno didattico conquista gli operatori del settore, dà un po’ di lavoro ad informatici, a pedagogisti computazionali e a garanti della privacy.
Sorvegliare e premiare. Rendere l’educazione leggibile dalla macchina. La medesima funzione per la giustizia, la polizia, la sanità, lo sport, le ricerche di mercato.
Non c’è nessuna prova che tutto questo migliori qualcosa nell’educazione, come dichiara candidamente un super rapporto di studio della Commissione Europea*
Se posso interrogare Google il sapiente invece dell’insegnante, se learning analytics è anche molto predictive, cioè in grado di vedere il mio futuro conoscitivo ed emotivo -potrei essere un tipo a rischio-, se la imminente, per ceti molto agiati, robotic-based instruction* mi fornisce gli interlocutori polivalenti, se posso iscrivermi a qualsiasi corso on line, perfino ai MOOCs - Massive Open Online Courses* dell’Università di Harvard, che ci fa l’insegnante? Che ci fa la scuola? Una pedagogia responsabile, analitica del senso dell’educazione è un accessorio che non possiamo più permetterci. È disponibile invece una pedagogia artificiale che, come un’azienda produttrice di sneaker, darà la caccia a tutti i dati possibili, anche i più “sensibili”, per immagazzinarli. Più dati saranno captati e stoccati e più sarà bello interrogarli perché ci diranno cosa fare dei dati stessi. I dati non sono passivi. Sono loro stessi a guidare la ricerca. Dati tuttavia sempre vulnerabili che patiscono trombosi e rapine. Datificazione radicale*.
Mi torna alla mente un libro di Ivan Ilich* e anche Friedrich Nietzsche*: I maestri dell’età dei libri. Poiché l’educazione che ci si dà da sé e l’educazione di gruppo diventano più generali, il maestro, nella sua forma abituale, è destinato a divenire qualcosa di superfluo. Amici desiderosi di apprendere, che vogliono appropriarsi insieme di un sapere, trovano nella nostra epoca dei libri una via più breve e naturale della scuola e dei maestri. Sostituire libri con social media, machine learning ecc.
Pensiero Computazionale*. È stato proposto da Jeannette Wing nel 2006. Ricercatrice di informatica e fino al 2017 vice presidente di Microsoft Research.
Il pensiero computazionale consiste nel risolvere i problemi, progettare sistemi e comprendere il comportamento umano, attingendo dai principi fondamentali dell'informatica. Il pensiero computazionale comprende anche una serie di strumenti mentali che riflettono la vastità del mondo dell'informatica. 2006
Il pensiero computazionale/computational thinking l’attività mentale che formula un problema che ammette una soluzione computazionale. La soluzione può essere eseguita da un essere umano o da una macchina o, in generale, dalla loro combinazione. 2010
Allo scadere del decennale, 2016, Wing non riusciva a contenere la legittima felicità di riconoscere lo straordinario successo internazionale della sua proposta e dichiarava che il pensiero computazionale era diventato as fundamental as reading, writing and arithmetic.
Le definizioni un po’ traballanti riportate sopra andrebbero accantonate e, come sostengono tre studiosi italiani*, andrebbero esplorate le procedure teoriche che l’informatica mette in gioco. Ma l’aureola mitica del rimedio dei rimedi per rimettere in piedi la scuola e l’educazione ha colpito a fondo e il MIUR* se ne è perdutamente innamorato e lo sbandiera urbi et orbi. Bisogna programmare il futuro e il pensiero computazionale è il suo profeta. Non c’è pensiero computazionale senza coding*, cioè programmazione, ovvio, altrimenti staremmo parlando d’altro e non di informatica [computer science per gli anglofili]. Un coding non lo si nega a nessuno.
Se usciamo dalle liturgie e dalle ovazioni possiamo in minuta sintesi convenire che le strategie mentali messe in opera dall’informatica hanno molto da insegnare se applicate a sistemi deterministici e con ordini di complessità molto più bassi, nonostante la dittatura del calcolo, rispetto a organismi umani, biologici, psicologici e sociali. Il rischio è di essere sopraffatti dall’algebrosi, come la definiva un originale e ignorato antropologo, Marcel Jousse*.
In pausa pranzo facciamo una chiacchierata e diciamoci che i modelli dell’informatica, come di tutte le altre scienze, dure o molli, vanno e vengono, alcuni crollano, altri reggono, deformati o profondamente trasformati. La scienza, ella non può che avanzarsi, diceva Galileo. Avanzando abbandona certe cose, ne acquista altre. Conosce il limite, l’incertezza, l’approssimazione. Che sono invece completamente ignoti alla mitologia che vive di verità assoluta. Tantalo patisce un supplizio inequivocabile, categorico ed eterno. Il mercato fornisce automaticamente l’ordine di cui la società abbisogna. Infallibilmente.
L’algoritmo dove si colloca? Perché quello extra potente di Google, strapieno di pensiero computazionale, ha scambiato la foto di una giovane coppia afroamericana per gorilla*? Perché novant’anni fa il massimo dell’algoritmica mondiale incarnato dall’IBM ha rigorosamente computato, ordinato, tabulato, elencato, codificato, programmato lo sterminio degli ebrei, dei rom, degli slavi ecc. per conto dell’iper tecnologico regime nazista*?
Coda.
Siamo naufraghi fortunosamente arrivati su un’isola e lassù sulla scogliera al tramonto compare una giovane donna. Chi è? Cosa pensa? Ha uno sguardo malinconico. Sarebbe bello incontrarla, forse. Riappare al tramonto successivo. Risaliamo la china. Arrivano musiche ballabili dalla villa illuminata. Eccola. Lei non ci vede. Guarda lontano, poi torna con gli altri che non ci degnano. E così tutti i giorni.
È l’invenzione di Morel *che ha programmato una macchina per riprodurre un momento felice, forse, di un gruppo di uomini e donne. Per sempre.
Si può rompere questo implacabile ripristino di una situazione? Alzando la voce? Quale trasgressione lo potrebbe minare se anch’essa viene assorbita dalla scena, anzi, la arricchisce?
Bisognerebbe trovare il modo di bloccare la macchina.
C’è un sistema sociale che ha fatto della sovversione la sua logica dominante. Si espande proprio grazie alle pratiche trasgressive che vengono immediatamente trasferite nel redditizio mercato dei simboli e dei simulacri. Non c’è piazza in tumulto che non deflagri in un remunerativo spettacolo universale. Anche la critica al sistema ha il suo benvenuto sonante. L’anticapitalismo inscenato dal capitalismo stesso.
Bisognerebbe trovare il modo di bloccare la macchina del valore, del profitto. L’unica legge veramente inattaccabile e intoccabile.*
Osservazioni, bibliografia ragionata e documentazione
Storia
Non mancano le ricostruzioni storiche dell’Intelligenza Artificiale. C’è chi comincia da Aristotele.
Più sobriamente: Breve storia dell’intelligenza artificiale di Nicola Bastianello sul blog di
Essenziale e preciso.
L'intelligenza artificiale di Francesca Rossi, Dipartimento di Matematica Pura ed Applicata,
Universita' di Padova, Come sopra.
Completa: Nils J. Nilsson, The Quest for Artificial Intelligence: a History of Ideas & achievements, 2010, Cambridge University Press.
Scaricabile qui.
Sally Adee, Will AI’s bubble pop? Deep learning’s hype machine in overdrive, in New Scientist, 13 luglio 2016,
Sintesi drastica.
Da una virtuale foto di gruppo sorridono un po' imbarazzati uno scienziato inglese del secolo scorso, un ufficiale sabaudo futuro primo ministro italiano, un sovversivo pentito, una contessa figlia del poeta Byron, pallidi tecnici, colonnelli e generali del Pentagono e, in ultima fila Karl Marx. Non è l’incipit di un romanzo di quarta categoria, ma un articolo che ho scritto trent’anni fa e dedicato alla madre dell’algoritmo Ada Lovelace Lady Byron. Una doppia archeologia.
Singularity
una bibliografia immensa [transumanismo, postumanismo…] che gira intorno al guru di Google Raymond Kurzweil che prefigura l’imminente [2040?] autonomia delle macchine pensanti e l’oltrepassamento definitivo dell’intelligenza umana. Una escatologia terrena in cui biologia e tecnologia si fondono e rendono vecchiaia e morte un optional. Un vero e proprio vangelo del reincantamento capitalista.
Vedi: Déborah Danowski, Eduardo Viveiros De Castro, Esiste un mondo a venire? Saggio sulle paure della fine, 2017, Nottetempo.
Per farsi venire qualche dubbio non c’è bisogno di andare in California, si può fare una puntata in bassa Lomellina, a Ferrera Erbognone, dove brillano giorno e notte gli stabilimenti dell’ENI che rinfrescano il supercalcolatore HPC4 con una potenza di picco pari a 22,4 Petaflop. È cioè in grado di compiere 22,4 milioni di miliardi di operazioni matematiche in un secondo.
Machine Learning e Deep Learning
Tuttavia svolgere anche il più semplice compito visivo – trovare il barattolo del pepe in cucina – richiede un’enorme mole di lavoro computazionale sostiene autorevolmente Nick Bostrom nel capitolo L’acquisizione dei valori nel fondamentale Superintelligenza. Tendenza, pericoli, strategie. 2018, BollatiBoringhieri.
John E.Kelly, Steve Hamm, Macchine intelligenti. Watson e l'era del cognitive computing,
2016, Egea. Brillante e un po’ superficiale.
John Paul Mueller, Luca Massaron, Machine Learning for Dummies, 2016, John Wiley & Sons. Confermo: per principianti.
Cade Metz, Google Researchers Are Learning How Machines Learn in New York Times, 3,93,2018,
Giacomo Tesio, The delusions of neural networks,
in Medium, 19.01.2018, . Un autore da seguire.
L'intelligenza artificiale che impara a prendere scorciatoie Le Scienze, maggio 2018
Telegrafico, ma preciso
Come si fa ricerca sul learning, un esempio: vedi la International Conference on Learning Representations edizione 2017 a Montreal. Massimi esperti, discussione senza peli sulla lingua circa i papers presentati, poi vai a vedere gli sponsor e scopri che sono: Google, Amazon, Deep Mind [Google], Facebook, Baidu [il Google cinese], Nvidia [schede video ecc.], classificati sponsor platinum, seguono i gold [IBM], gli argent e infine i bronze, tra cui Toyota,
Luciano Floridi, Mariarosaria Taddeo, How AI can be a force for good, in Science, 24.08.2018 entrambi docenti ad Oxford in questo smilzo manifesto propongono una via non catastrofica all’IA.
Di Floridi vedi l’imprescindibile: La quarta rivoluzione. Come l’infosfera sta trasformando il mondo, 2018, Raffaele Cortina Editore. È così controllato che non gli capita mai di citare Teilhard de Chardin.
Matteo Pasquinelli, Abnormal Encephalization in the Age of Machine Learning, e-flux journal, n. 75, September 2016.
Comment permettre à l’Homme de garder la main ? Rapport sur les enjeux éthiques des algorithmes et de l’intelligence artificielle, sintesi di un’ampia discussione in Francia. Dicembre 2017
The Malicious Use of Artificial Intelligence: Forecasting, Prevention, and Mitigation, febbraio 2018, denso rapporto dell’Università di Cambridge e Oxford, Center for New American Security, Open AI, ecc
Google e i gatti
Il “bando di gara” per il 2018 è qui
Michel Serres
Il libro Non è un mondo per vecchi. Perché i ragazzi rivoluzionano il sapere, 2013, BollatiBoringhieri, si fa leggere. Discutibile e discusso. Vedi in Skholè, rivista online da tenere d’occhio: Petite Poucette : la douteuse fable de Michel Serres di Julien Gautier, 2013.
Dialettica
Max Horkheimer, Theodor W. Adorno, Dialettica dell’illuminismo, 1976, Einaudi, pag. 11
Algoritmo
tra le mille definizioni scelgo quella di Paolo Zellini, La dittatura del calcolo, 2018, Adelphi, pag. 15: L’algoritmo è un processo, una sequenza di operazioni che deve soddisfare almeno due requisiti: ad ogni passo della sequenza è già deciso, in modo deterministico, quale sarà il passo successivo, e la sequenza deve essere effettiva, cioè tendere a un risultato concreto, reale e virtualmente utile. L’effettività è la connotazione più essenziale e più difficile da definire.
Arabi
La tentazione grande sarebbe quella di avviare qui la dimostrazione della dipendenza storica del pensiero europeo dal lavoro culturale, di traduzione ed elaborazione, svolto dagli arabi nel Medioevo. Vedi: Jim Al-Khalili, La casa della saggezza: l'epoca d'oro della scienza araba, 2013, Bollati Boringhieri, Dimitri Gutas, Pensiero greco e cultura araba, 2002, Einaudi.
Rembrandt, Mozart e Kennedy:
Luciano Floridi, Artificial Intelligence, Deepfakes and a Future of Ectypes in Philosophy & Technology, 2018/3
Per Bach e Mozart; vedi, anzi senti,
Un clavicembalo [non ancora) ben programmato.
Robojournal Tim Adams, And the Pulitzer goes to… a computer, in The Guardian, 28.06.2015
Pedro Dimingos
il bestseller si intitola L’algoritmo definitivo. La macchina che impara da sola e il futuro del nostro mondo, 2016, BollatiBoringhieri. Cito dall’edizione 2018 pubblicata da Corriere della sera/Gazzetta dello sport. Quella originale costa € 25,00, questa € 7,90. Personal learning.
Citazioni di pag. 25 e 65
Citazioni di pag. 25 e 65
Gilbert Simondon,
Sur la technique, 2014, PUF,
la bombe d'Hiroshima a été une technophanie au moins autant qu'un acte militaire, pag 119 e passim
Algoritmo di Google Search
su Rank Brain vedi qui
Matteo Pasquinelli, L’algoritmo PageRank di Google: diagramma del capitalismo cognitivo e rentier dell’intelletto comune, in Sociologia del lavoro, 2009/115,
Importante.
Google
quando digitiamo una parola sulla pagina noi entriamo in una delle più grandi holding del globo. Tocchiamo con dito il capitalismo linguistico che estrae valore dalle parole e dalle loro semantica. Infatti il conglomerato si chiama Alphabet e contiene dentro di sé, per farla breve, oltre al noto Google, Android, You Tube, Deep Mind che fa ricerca sull’intelligenza artificiale e sulle reti neurali, X, che si chiama così perché non è chiarissimo su cosa lavori, droni oltre che pilota automatico, Calico, sull’invecchiamento e sui farmaci, Jigsaw, sulle minacce geopolitiche, Verily, elettroceutica e salute, Chronicle, sulla cybersecurity, GV, capitali a rischio, tecno finanza e Google Capital, investimenti qua e là. E molto, molto altro. Il 27 settembre 2018 Google ha compiuto vent’anni. Auguri e lei e a noi. Dovremmo indagare anche FB (con WhatsApp), Amazon, Microsoft, Apple… = Gafam, le 5 sorelle. La loro gargantuesca voracità. In altra occasione.
Marx
Le merci non possono andarsene da sole al mercato e non possono scambiarsi da sole.
Il Capitale. Libro I, Sezione I Merce e Denaro. Capitolo 2: Il processo di scambio, incipit.
Faziosità algoritmica
Safiya Umoja Noble, Algorithms of Oppression. How Search Engines Reinforce Racism, 2018, New York University Press. Fondamentale. Purtroppo limitato agli Stati Uniti, ma interessante per la metodologia.Joy Buolamwini, Timnit Gebru, Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification in Proceedings of Machine Learning Research, 81, 2018
Aylin Caliskan et al, Semantics derived automatically from language corpora contain human-like biases, in Science, 14.04.2017, n. 6334
Daniel Cossins, Discriminating algorithms: 5 times AI showed prejudice, in New Scientist, 12.04.2018
Jesse Hamspack, How a Machine Learns Prejudice, in Scientific American, 29.12.2016
La storia del bot di Microsoft Tay diventato in poche ore uno spietato razzista insegna che nel rapporto uomo/macchina chi conta è ancora l’essere umano. Purtroppo?
Assimilazione/incorporazione
Gordon Calleja, In-Game From Immersion to Incorporation, 2011, The MIT Press. Fa riferimento ai games, andando però ben oltre i giochi digitali. Games beyond Games
Furio Jesi
la macchina mitologica, che produce mitologie e induce a credere, pressante, che essa stessa celi il mito entro le proprie pareti non penetrabili in Lettura del Bateau Ivre di Rimbaud, Il tempo della festa, 2013, Nottetempo, pag. 51
Ioan P. Coulianu
Eros e magia nel Rinascimento. La congiunzione astrologica del 1484, 1987, Il Saggiatore, pag. 143
Alchimia e Algocrazia
Matthew Hutson, AI researchers allege that machine learning is alchemy in Science, 3.03.2008,
John Danaher, The Threat of Algocracy: Reality, Resistance and Accommodation, in Philosophy & Technology, September 2016/3
Il machine learning, in fondo, è una sorta di processo alchemico in cui i dati vengono trasformati in conoscenza con l’aiuto di una pietra filosofale che per i simbolisti è la conoscenza stessa, Pedro Domingos nel libro citato, pagina 81.
Turco Meccanico
Edgar Allan Poe,
Vedi anche la bellissima ricerca di Jessica Riskin sugli automata del passato, tra cui un Cristo che si lamenta e angeli meccanici: Machines in the Garden, in Republics of Letters, 2010/2
Digital Labour
fondamentale il lavoro che svolge uno studioso italiano a Parigi, Antonio Casilli. Invece di elencare le sue numerosi pubblicazioni segnalo il suo dotatissimo sito Una significativa riflessione teorica in Christian Fuchs, Vincent Mosco [ed.], Marx in the Age of
Digital Capitalism, 2016, Brill.
Di Fuchs: The Digital Labour Theory of Value and Karl Marx in the Age of Facebook, YouTube, Twitter, and Weibo, 2015,.
Il suo sito
Due diramazioni:
Africa Alison Gillwald, Onkokame Mothobi, Aude Schoentgen, What is the state of microwork in Africa? A view from seven countries, 2017, ResearchICT Africa,
Pseudo AI Olivia Solon, The rise of 'pseudo-AI': how tech firms quietly use humans to do bots' work
Lavoratori
Turkopticon è il forum dove si incontrano e discutono i lavoratori di Mechanical Turk.
Importante: ENDL European Network on Digital Labour,
Poi ci sono gli infatuati come Paul R. Daugherty, H. James Wilson, Human + Machine. Reimagining Work in the Age of AI, 2018, Harvard Business Review Press, che predicano il lavor dell’avvenir di cui approfitteranno solo quelli che riusciranno a restare a galla nello tsunami delle piattaforme tecnologiche di ogni tipo.
Libratus
Noam Brown, Tuomas Sandholm, Superhuman AI for heads-up no-limit poker: Libratus beats top professionals, in Science, 17.12.2017, e qui
Sexbot
Adrian David, Cheok, David Levy (Eds.), Love and Sex with Robots.
Third International Conference, LSR 2017, London, UK, December 19–20, 2017. Revised Selected Papers 2018, Springer.
Si fanno e ci fanno domande non banali, del tipo è possibile un reciprocità d’amore tra noi e i robot? : John Danaher and Neil McArthur, Robot Sex. Social and Ethical Implications, 2017, The MIT Press.
Ci manca l’autorevole voce di Karel Čapek che nel 1920 scriveva l’insuperabile R.U.R. in cui per la prima volta veniva usata la parola di sua invenzione robot, che, non bisognerebbe dimenticarlo, deriva dal ceco robota, a significare lavoro duro, corvée, lavoro forzato.
Jacques Le Goff,
La mentalità: una storia ambigua in AA:VV, Temi e metodi della nuova storia, 1981, Einaudi, pag. 245
Conferences AIED
Sito delle Artificial Intelligence in Education Conference Series,
Sito decisamente mal fatto oltre che esteticamente povero. Devo ad una componente del comitato esecutivo la disponibilità dei volumi degli atti.
John Dewey
se ne sono accorti Arthur Still e Mark D’Inverno, A History of Creativity for Future AI Research, in Proceedings of the Seventh International Conference on Computational Creativity, June 2016
Flipped classroom
.
Francesco De Bartolomeis,
Sistema dei laboratori, Milano, Feltrinelli, 1978. Francesco De Bartolomeis, centenario, vivo e molto vegeto.
Recinti dorati
Edward W. Said, Dire la verità, 2014, Feltrinelli.
Learning Analytics
Rebecca Ferguson, Learning analytics: fattori trainanti, sviluppi e sfide. In TD Tecnologie Didattiche, 22(3) 2014,
Ben Kei Daniel (Ed.), Big Data and Learning Analytics in Higher Education. Current Theory and Practice, 2017, Springer, pag. 2, 3, 22.
La più recente conferenza dell’Educational Data Mining si è svolta nel luglio 2018 a Buffalo, negli USA.
Mervat A. Bamiah et al, Big Data Technology in Education: Advantages, Implementation, and Challenges,
in Journal of Engineering Science and Technology Special Issue on ICCSIT 2018, July, dove ho scoperto che le V dei big data non sono tre, come credevo, bensì sette: Volume, Velocity, Validity, Variety, Venue, Vocabulary, Value.
Sentiment Analysis
Microsoft Azure
Miglioramenti?
Nessuna dimostrazione che learning analytics serva effettivamente a migliorare l’apprendimento:
At this stage, there is no overwhelming evidence that learning analytics have fostered more effective and efficient learning processes and organisations. However, there is convincing evidence in the Inventory and case studies that companies and organisations believe they can do this in the future, and are prepared to invest time and resources in order to achieve this, pag. 9 di Riina Vuorikari, Jonatan Castaño Muñoz [ed.], Research Evidence on the Use of Learning Analytics. Implications for Education Policy in Joint Research Centre Science for Policy Report; EUR 28294 2018, European Commission, 2016,
Robotics
Ilaria Gaudiello, Elisabetta Zibetti [ed.], Learning Robotics, with Robotics, by Robotics: Educational Robotics, 2016, Wiley, anticipato qui
I bambini scambiano i robot per adulti saggi e affidabili? Vedi Children conform, adults resist: A robot group induced peer pressure on normative social conformity di Anna-Lisa Vollmer, Robin Read, Dries Trippas and Tony Belpaeme, in Science Robotics, 15 Aug 2018:
MOOC
pensiero istituzionale: Conferenza dei rettori, MOOC: sfide e opportunità, 2018
pensiero critico: Moocs in Education, in Comunicar, 2015/1,
Datificazione
Non sono più i programmatori, bensì i dati stessi a dire quale dovrà essere la prossima iniziativa, Paolo Zellini, in La dittatura del calcolo, citato, pag.86.
Una sintesi nel blog di Ben Williamson,
Uno studio di caso: Governance, accountability and the datafication of early years education in England di Guy Roberts‐Holmes e Alice Bradbury, in British educational research journal, 2016, febbraio
Per addestrare i sistemi di intelligenza artificiale a leggere le nostre mail, quindi i nostri gusti, desideri, antipatie, vengono lette da esseri umani in carne ed ossa. Sono gli sviluppatori di app che accedono alle nostre caselle di posta. L’ha candidamente ammesso Google
C’è chi sostiene che l’epoca dei big data stia per finire, il futuro è blockchain: George Gilder, Life after Google. The Fall of Big Data and the Rise of Blockchain economy, 2018, Regnery Gateway.
Brillante e confuso. Cita troppe volte Raymond Kurzweil per i miei gusti.
Ivan Illich,
Descolarizzare la società. Una società senza scuola è possibile?, 2010 [originale 1971], Mimesis
Friedrich Nietzsche,
Umano, troppo umano II e frammenti postumi (1878/1879), a cura di G. Colli e M. Montinari, 1967, Adelphi, pag 207 [aforisma 180]
Pensiero Computazionale Jeannette Wing, articolo del 2006,
Non è elegante ricordare la vicepresidenza della Microrsoft Research di Jeannette Wing, ma è un po’ come se il vicepresidente della Monsanto [ora Bayer] proponesse un nuovo pensiero agricolo. Il conflitto di interessi non riguarda solo i politici.
Riflessioni e comparazioni: Bill Kules, Computational Thinking is Critical Thinking: Connecting to University Discourse, Goals, and Learning Outcomes, in Proceeding of the Association for the Information Science and Technology, 2016/1
Una piattaforma di interessanti iniziative, quasi tutte determinate dall'ipotetico pensiero computazionale:
Studiosi italiani
Michael Lodi, Simone Martini, Enrico Nardelli, Abbiamo davvero bisogno del pensiero computazionale?, in Mondo digitale, 2017, 11,
MIUR
Coding
Ben Williamson, Coding the biodigital child: the biopolitics and pedagogic strategies of educational data science, in Pedagogy, Culture & Society, 2016/3
dello stesso, come curatore: Coding/Learning: Software and digital data in education, 2015. Stirling University,
Marcel Jousse
vedi Claudio Canal, I ritmi mimici di Marcel Jousse, 1.XI.2011, Il Manifesto
Il gorilla di Google
IBM e Nazismo
Edwin Black, L’IBM e l’olocausto, 2001, Rizzoli
L’invenzione di Morel
è il titolo di un romanzo di Adolfo Bioy Casares. Ultima edizione italiana: 2017, SUR.
Dal romanzo il film omonimo [1974] di Emidio Greco, con Anna Karina.
Appello agli editori:
rendere disponibile in italiano :
Petar Jandrić, Damir Boras [Ed.], Critical Learning in Digital Networks, 2015, Springer
Petar Jandrić [Ed.], Learning in the Age of Digital Reason, 2017, Sense Publisher
Commenti
Posta un commento