Rotolo, G., Primiero, G. Dall'Artificiale Al Vivente (Polimetrica, 2005) (ISBN 9788876990250) PDF

Open Access Publications
The electronic edition of this book is not sold and is made available in free access. Every contribution is published according to the terms of Polimetrica License B. Polimetrica License B gives anyone the possibility to distribute the contents of the work, provided that the authors of the work and the publisher are always recognised and mentioned. It does not allow use of the contents of the work for commercial purposes or for profit. Polimetrica Publisher has the exclusive right to publish and sell the contents of the work in paper and electronic format and by any other means of publication. Additional rights on the contents of the work are the authors property.
DallArticiale al Vivente
Una storia naturale dei concetti
PREFAZIONE di Gianni Rigamonti
POLIMETRICA International Scientic Publisher Monza - Italy
Giuseppe Rotolo Giuseppe Primiero
c 2005 Polimetrica S.a.s. International Scientic Publisher Corso Milano 26 20052 Monza - Milano - Italy Website: http://www.polimetrica.com Illustrazione di copertina Arch. Diego Recalcati ISBN 88-7699-025-9 Edizione Stampata ISBN 88-7699-026-7 Edizione Elettronica Ledizione elettronica di questo libro ` e distribuita alle seguenti condizioni: chiunque pu` o copiare, distribuire, visualizzare lopera; in ogni caso, si deve dare riconoscimento e citare sia lautore originario dellopera sia Polimetrica Publisher e non si pu` o usare lopera a ni commerciali o comunque di lucro n e si pu` o alterare, modicare lopera n e derivarne unaltra. Ledizione a stampa ` e protetta dalle norme ordinarie del copyright.
Indice
Prefazione di Gianni Rigamonti Introduzione 1 Aspetti teorici e formali 1.1 Sistemi formali e la nozione di algoritmo . . . . . . . . . . . . . . . . . . 1.2 Computabilit` a e teoria della ricorsivit` a . . . . . . . . . . . . . . . . . . . 1.2.1 Ricorsivit` a primitiva . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.2 Ricorsivit` a generale . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.3 La Tesi di Church e la -denibilit` a . . . . . . . . . . . . . . . . 1.3 La rappresentazione di Turing della nozione di calcolabilit` a . . . . . . . 1.3.1 T-computabilit` a . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.2 Incompletezza algoritmica della T-macchina . . . . . . . . . . . . 1.4 La macchina come analogia della mente . . . . . . . . . . . . . . . . . . 1.4.1 Il Test di Turing . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.2 Il paradigma teorico dellIA . . . . . . . . . . . . . . . . . . . . . 1.4.3 La nuova ricerca . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.4 Sistemi esperti . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Teoria dellInformazione . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.6 Principi di Cibernetica: regolazione, controllo e retroazione . . . . . . . 1.6.1 La nascita della Cibernetica: analisi del comportamento e della trasformazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.6.2 Dal comportamento alla trasmissione: teleologia e retroazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Applicazione ai sistemi articiali 2.1 Approcci interattivi alla mente: le Reti neurali . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.1 Reti neurali . . . . . . . . . . . . . . . . . . 2.1.2 Implementazioni neuronali . . . . . . . . . . 2.1.3 Problemi e insucienze del connessionismo 2.2 Dal calcolatore al robot . . . . . . . . . . . . . . . 2.3 Principi di Robotica . . . . . . . . . . . . . . . . . 2.3.1 Architettura e Meccanica . . . . . . . . . . 2.3.2 Movimento . . . . . . . . . . . . . . . . . . 7 13 17 17 24 27 29 30 34 39 40 46 47 51 58 64 66 74 74 77 85 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 87 90 98 101 108 109 110
6
2.3.3 Sensori ed eettori . . . . . . . . . . . . . 2.3.4 Visione . . . . . . . . . . . . . . . . . . . 2.3.5 Programmazione e Controllo . . . . . . . 2.3.6 Antropomorsmo? . . . . . . . . . . . . . La nozione di rappresentazione robotizzata . . . 2.4.1 Analogie e procedure: mappe della mente Verso una nuova Robotica . . . . . . . . . . . . . 2.5.1 Conoscere senza rappresentare . . . . . . 2.5.2 Le creature della nuova Robotica . . . . . 2.5.3 Limiti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Indice
2.4 2.5
. . . . . . . . . .
113 114 117 118 120 121 123 123 125 128 131 131 139 146 156 156 160 163 163 165 175 177 177 179 181 184 185 191
3 Ripensare i sistemi viventi 3.1 Lidea delluomo come sistema . . . . . . . . . . . . . . . . . . . . . . . 3.1.1 Il sistema vivente come sistema aperto . . . . . . . . . . . . . . . 3.2 Autopoiesi, ovvero, sistemi che riettono se stessi . . . . . . . . . . . . . 3.3 La demarcazione tra organismo e ambiente . . . . . . . . . . . . . . . . 3.3.1 Mente/Corpo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.2 Sistema complesso, Domanda e Osservatore . . . . . . . . . . . . 3.4 La Psicologia del sistema uomo e la sua analogia con i sistemi articiali 3.4.1 Centralit` a del corpo . . . . . . . . . . . . . . . . . . . . . . . . . 3.4.2 I pregiudizi circa le macchine, ovvero, i pregiudizi circa la natura umana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5 Verso un ritorno alluomo . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Prolegomeni ad ogni futura Cibernetica 4.1 Dallinformazione al signicato . . . . . 4.2 Introduzione al problema e denizioni . 4.2.1 Struttura delle relazioni . . . . . 4.3 Ritorno al signicato . . . . . . . . . . . 4.3.1 Teoria intensiva dellInformazione Bibliograa
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
Giuseppe Rotolo e Giuseppe Primiero DallArticiale al Vivente c 2005 Polimetrica International Scientic Publisher Monza/Italy
Prefazione
1. Tutti sanno che di un testo si pu` o sempre dare una molteplicit` a indenita di interpretazioni; ma se esordisco richiamando una simile banalit` a` e per chiarire n dallinizio che qui propongo, senza alcuna pretesa di neutralit` a, una mia lettura di questo interessantissimo scritto di Primiero e Rotolo. Io leggo Dallarticiale al vivente come una teoria generale dellintelligenza, naturale o articiale, cio` e come un lavoro appartenente a un genere nato, intorno alla met` a del secolo scorso, e che a questo genere d` a un contributo nuovo e originale. Ma il genere in questione va distinto preliminarmente da un altro, pi` u antico e pi` u vasto: lindagine su che cosa sia lintelligenza simpliciter, non qualicata n e come naturale n e come articiale per la semplice ragione che la seconda non rientrava, no a tempi molto recenti, nellorizzonte dei loso. Quando un presocratico, o Tommaso dAquino, o Heidegger, si domanda quid sit intelligere, ha in mente lintelligere umano, non certo quello delle macchine1 ; ma una volta posta la questione dellintelligere (totalmente nuovo e per ora puramente teorico) articiale diventa necessario riesaminare alla sua luce anche la precedente nozione - meglio: le precedenti nozioni - di intelligenza naturale (e specicamente umana). E qui comincia una storia, breve ma importante, che ` e necessario richiamare rapidamente prima di arrivare, nella seconda parte di questa prefazione, a dire qualcosa sulle posizioni di Primiero e Rotolo. 2. Io credo che si possa considerare preistoria della nuova domanda Quid est intelligere?, e ignorare, ci` o che precede Computing Machinery and Intelligence (1950) di Alan Turing, in cui viene formulato un principio molto dicile da contestare2 : che se un qualsiasi ente ha una competenza linguistica indistinguibile da quella umana - se parla cos` bene da non essere per nulla diverso da un umano, quanto ad abilit` a nel parlare - allora ` e intelligente. Con questo principio Turing crea in un colpo solo un concetto generale dintelligenza, naturale o articiale, ragionevolmente preciso e un criterio per riconoscere o negare lintelligenza a una qualsiasi entit` a. Noi consideriamo intelligente ogni umano in grado di parlare normalmente; di conseguenza, sarebbe incoerente considerare non intelligente un non umano con unabilit` a linguistica indistinguibile da quella di un umano intelligente nel senso appena denito. La novit` a di questo criterio ` e epocale: viene proposto per la prima volta un con1 Per la verit` a Tommaso ammette anche delle intelligenze angeliche, quindi non umane, che qui per` o non ci interessano. 2 Anche se Austin ci ha provato, a mio parere con cattivi argomenti: ma qui non ho spazio per occuparmene.
Prefazione
cetto di intelligenza che presuppone s` un supporto materiale, tuttavia ` e indipendente dallo specico carattere, protoplasmatico o meccanico-elettronico, e dallorigine naturale o articiale di questo supporto. Ma nel lavoro di Turing ci sono due cose importanti, non una: la prima ` e il suo nuovo e pi` u ampio concetto di intelligenza, dal quale segue che di principio le macchine possono benissimo pensare, la seconda ` e una previsione che ` e stata clamorosamente disattesa. Turing infatti era convinto che nel giro di trenta o quarantanni, cio` e fra il 1980 e il 1990, sarebbero state costruite macchine con una competenza linguistica dicilmente distinguibile da quella umana, quindi passabilmente intelligenti; ma lepoca da lui indicata ` e passata da un pezzo, e di simili macchine non c` e traccia. Nessuno dei computers oggi esistenti ha abilit` a linguistiche minimamente paragonabili a quelle umane; dunque nessuno dei computers oggi esistenti ` e intelligente nel senso - teoricamente ineccepibile - di Turing. Il sogno dellintelligenza articiale non si ` e avverato3 . 3. Perch e le cose non sono andate come prevedeva Turing? La spiegazione pi` u plausibile, in circolazione da oltre ventanni, ` e che lintelligenza sia possibile solo sulla base di facolt` a sensoriali e pulsioni istintuali gi` a date, e quindi le macchine potranno diventare intelligenti solo se, e quando, avranno sviluppato queste pulsioni e facolt` a. Almeno sulla Terra, lintelligenza naturale ` e frutto di un percorso evolutivo lunghissimo. Tutto ` e cominciato con esseri unicellulari che avevano gi` a le nostre pulsioni fondamentali - alimentare, di fuga, di smaltimento dei riuti, sessuale (prima nella forma della duplicazione e solo dopo in quella dellaccoppiamento) - ma non organi di senso dierenziati, per non parlare di un sistema nervoso; poi le cellule sono diventate molte, specializzandosi, e la formazione di veri e propri organi di senso ha reso sempre pi` u ranato quel riconoscimento di oggetti da mangiare o fuggire o - a un livello pi` u elevato - accudire e proteggere, o viceversa attaccare, o con cui accoppiarsi, senza il quale n e un individuo completa il suo ciclo vitale n e una specie si conserva. Ma oltre agli organi periferici di senso e moto e sesso si dierenziava anche il sistema nervoso centrale, capace di coordinare dati sensoriali in ingresso e risposte motorie elaborando un comportamento atto a soddisfare le pulsioni primarie - sempre quelle - in modo pi` u eciente e complesso. Le straordinarie prestazioni visive, auditive e olfattive di molti animali, per esempio, nascono cos` ; n e avrebbero senso, anzi nemmeno esisterebbero, senza un sistema nervoso centrale capace di elaborare e coordinare i dati in ingresso. E a un certo punto un essere gi` a dotato di organi di senso e di moto e di un sistema nervoso centrale molto evoluti diventa intelligente, cio` e impara a fare una cosa - essenzialmente parlare - che accresce enormemente la sua capacit` a di fronteggiare, controllare, dominare lambiente. Noi umani non siamo semplicemente esseri intelligenti: siamo esseri che hanno una vita vegetativa, una vita di relazione, delle emozioni, dei desideri, e sulla base di questo sistema, gi` a molto straticato, di capacit` a e pulsioni preintellettuali hanno sviluppato anche unintelligenza. Ma la nostra intelligenza non ` e disincarnata: lavora perch e c` e un immenso motore pre intellettuale a tenerla in funzione, e senza questo motore nemmeno esisterebbe4 .
3 Ogni tanto qualcuno aerma ancora che fra trentanni lintelligenza articiale ci sar` a; e or` come inseguire il miraggio di unoasi, mai si dice cos` , periodicamente, da pi` u di mezzo secolo. E non trovarla, e periodicamente ripetere: Guardate l` a! Poco pi` u avanti loasi c` e davvero! 4 Naturalmente questa idea non ` e nuova. Gi` a Aristotele diceva qualcosa di molto simile nel De anima.
Prefazione
4. Ora, i pionieri dellintelligenza articiale cercavano invece di costruire computer soltanto intelligenti, macchine capaci di ragionare e parlare ma senza istinti, senza n e bisogni n e desideri n e paure; intelligenti, ma senza la base dellintelligenza. E qui azzardo la tesi, priva di dimostrazione ma per la quale posso addurre come argomento probabile proprio quel fallimento dellintelligenza articiale del quale ho appena accennato, che lintelligenza in generale sia possibile solo come strato superiore di una coscienza che comprende anche gli strati della sensibilit` a e della pura pulsione istintuale. Segue da questa tesi che una macchina non pu` o essere intelligente e pensare se prima non ha desideri e bisogni e - di conseguenza - la capacit` a di provare piacere e dolore, nonch e dei sensi al servizio di questi desideri e bisogni. Ma ` e evidente che simili macchine (nientaatto impossibili di principio) potranno esserci solo al termine di una lunga evoluzione che parta da robot capaci di riessi di autoconservazione e metta via via al servizio di questi riessi dei sensori, e poi dei processi centrali, sempre pi` u avanzati, no al livello a cui diventa possibile il salto verso il linguaggio e lintelligenza. Sar` a se ci sar` a - un processo guidato, e quindi non ci vorranno tre miliardi e mezzo di anni come per levoluzione biologica dai primi procarioti allhomo sapiens, ma si tratter` a comunque di un cammino molto lungo: altro che trentanni! Si potrebbe obiettare che macchine dotate di istinti e desideri e venute in essere al termine di un lungo processo evolutivo, sia pur guidato, sarebbero macchine viventi, se consideriamo lavere istinti e lessere frutto di un processo evolutivo condizioni sufcienti perch e si possa parlare di vita: ma a ci` o io non avrei nulla da obiettare. Date queste premesse, per me si potrebbe benissimo parlare di macchine viventi. Tuttavia resterebbe sempre vero che lorigine di tali macchine ` e articiale - e tale sarebbe, di conseguenza, anche la loro intelligenza. 5. Io accetto dunque - e da tempo - una nozione di intelligenza articiale che non vuole fare a meno della corporeit` a e dellistintualit` a; ma cose molto simili le diceva gi` a, per esempio, Gian Carlo Rota nel 1985. Ora, Rotolo e Primiero, se non li ho fraintesi - e vengo nalmente al loro lavoro - non respingono questa posizione ma fanno un passo in pi` u, perch e pongono come condizione necessaria di qualsiasi tipo di intelligenza anche lintersoggettivit` a. Ma per capire come ci arrivano ` e bene riassumere per sommi capi il loro percorso, le cui tappe fondamentali sono queste: (1) una ripresa della teoria classica dellinformazione, a partire da Shannon; (2) una ripresa della teoria dei sistemi; (3) su questa duplice base, una denizione del concetto di sistema (e non - questo ` e importante - semplicemente di essere ) vivente come sistema che scambia informazioni signicanti con lesterno (e solo nch e continua a scambiarle vive); (4) inne una seconda denizione, stavolta del concetto - ovviamente pi` u specico - di sistema intelligente come sistema vivente che scambia con lesterno informazioni signicanti articolate linguisticamente. Proviamo a spiegare tutto questo in forma un po pi` u distesa. Sul punto 1. Per informazione sintende qualsiasi usso di impulsi discreti da un ` sicuramente informazione in questo senso, per esempio, emittente E a un ricevente R. E la percezione sensoriale: infatti gli stimoli (per esempio luminosi, sonori, olfattivi . . . )
10
Prefazione
provenienti dallesterno hanno gi` a di per s e natura granulare5 , e inoltre vengono convertiti dagli organi di senso periferici in impulsi discreti che attraverso le bre nervose raggiungono il cervello, dove sono rielaborati (e la rielaborazione ` e a sua volta un insieme strutturato altamente complesso di impulsi discreti). Ma ` e informazione in questo senso anche qualsiasi trasmissione radio, che ` e emissione (in E) e ricezione-rielaborazione (in R) di onde elettromagnetiche - sempre quantizzate, cio` e discrete. Una precisazione prima di passare oltre. Questa teoria non implica che un emittente non possa anche ricevere e un ricevente non possa anche emettere, ma nemmeno implica che ci` o debba accadere. La questione resta impregiudicata, e in ogni caso nel singolo messaggio lemittente ` e solo emittente e il ricevente ` e solo ricevente. Sul punto 2. Un sistema ` e unentit` a (a) immersa in un ambiente e da esso distinta6 ; (b) articolata in parti; (c) con una sua dinamica interna che le fa continuamente attraversare una successione di fasi; (d) stabile nel senso che in assenza di perturbazioni torna a ripercorrere ciclicamente la stessa successione di fasi; (e) dotata di omeostasi, cio` e - entro certi limiti - della capacit` a di tornare al suo funzionamento regolare dopo una perturbazione. Sono sistemi, per esempio, gli esseri viventi; ma ` e un sistema anche unazienda, ` e un sistema uno stato sovrano, ` e un sistema latmosfera coi suoi cicli stagionali, sono sistemi gli oceani con le loro correnti. Sul punto 3. Ma che cosa distingue i sistemi viventi da quelli non viventi? I primi scambiano informazioni con lesterno, visto che vedono, sentono e contemporaneamente emettono per esempio odori, o suoni; tuttavia non ` e questa la dierenza. Latmosfera per esempio riceve la radiazione solare e la notte, rareddandosi, emette altra radiazione (invisibile, perch e di lunghezza donda molto maggiore); riceve vapore acqueo dal mare e lo scarica sotto forma di pioggia; e radiazione, vapore acqueo, pioggia hanno struttura discreta, visto che la prima ` e fatta di fotoni e gli altri due di molecole e lecito, bench e tuttaltro che intuitivo, considerarli informazione. La di H2 O, per cui ` dierenza ` e unaltra: un sistema vivente riceve ed emette informazione in quanto informazione. Quella in entrata viene incanalata verso unistanza centrale che lanalizza e centralmente elabora una risposta, ma questo signica che i dati in entrata e la risposta in uscita diventano coscienti. Inoltre la risposta, che diventa visibile allesterno come comportamento, ` e elaborata come segnale che un cospecico pu` o a sua volta ricevere e analizzare centralmente, cio` e coscientemente. Due cani che si annusano si scambiano informazione in quanto informazione, cio` e ognuno dei due sa che laltro gli manda segnali e sa di mandargliene a sua volta; e lo stesso vale, bench e in forma molto pi` u aurorale, per due formiche. Ogni struttura vivente ` e in realt` a una rete di relazioni fra viventi, che perci` o stesso riconosce il suo medium naturale nello scambio comunicativo
5 Cos` 6 Dove
ci dice, quanto meno, la sica quantistica. distinta non vuol dire isolata. In generale fra sistema e ambiente c` e sempre uno
scambio.
Prefazione
11
(non necessariamente linguistico) (Dallarticiale al vivente, 178). Invece latmosfera riceve informazioni, nel senso generalissimo del punto 1, dalla radiazione solare e la rielabora in venti e tempeste o bonacce, ma n e centralmente e coscientemente, n e per un cospecico - quale? Di fatto, tutti i viventi conosciuti sono naturali; ma di principio niente vieta che un vivente nel senso del punto 3 sia articiale. Ci` o che caratterizza un vivente come vivente ` e infatti lo scambio comunicativo cio` e a rimbalzo con altri viventi e signicante cio` e saputo, magari auroralmente, come comunicativo; il che implica, naturalmente, una visione olistica in cui la parte non ` e indipendente dal tutto. 6. Ma andiamo nalmente al punto 4. Che cosa rende un vivente - naturale o articiale - intelligente? Qui trovo fondamentale, e anche originale, unaermazione che sta quasi alla ne del lavoro di Rotolo e Primiero: lio parlante costituisce per se stesso il primo ricevente, creando cos` su di s e un livello iniziale di feedback che essenzialmente modica in itinere il messaggio : tale messaggio quindi non ` e ssato alla partenza, e come tale non ha mai una forma predeterminata nella quale giunge al ricevente esterno; potremmo dire, in questo senso, che il modulo di codica dellemittente ` e appunto dinamico, esso interviene continuamente a rimodellare il messaggio (186; corsivo nelloriginale). A me qui i punti decisivi sembrano due. Il primo ` e che la modica del messaggio in itinere ` e un continuo slittamento di codica, un succedersi di piccole variazioni locali, quindi non ` e possibile se non c` e prima di tutto la possibilit` a di una codica articolata, cio` e un linguaggio; il secondo ` e che se lio parlante costituisce per se stesso il primo ricevente ne segue immediatamente che questo io ` e autocosciente. Nellintelligenza abbiamo quindi linguaggio e autocoscienza, e questo non ` e nuovissimo; ma abbiamo anche il fatto che intelligenza e linguaggio si implicano a vicenda anzi nemmeno esistono luna senza laltro - e qui c` e qualcosa di meno scontato, anche perch e nel corso di unanalisi molto ricca questi due termini si caricano di signicati spesso sorprendenti, che in poco spazio non ` e possibile richiamare. Ma soprattutto ` e centrale la conclusione, su cui Rotolo e Primiero insistono molto, che in ogni usso intelligente di informazioni ` e insita una dualit` a per cui ogni emittente ` e intrinsecamente anche ricevente, e viceversa - cio` e ` e insit` a lintersoggettivit` a; ma questa dualit` a va al di l` a anche dellintersoggettivit` a, ` e talmente profonda che ogni emittente ` e anche ricevente di se stesso. E questa conclusione non ` e certo banale. 7. Ma mi piace chiudere con lindicazione di quella che secondo me ` e una direzione in cui sarebbe bene continuare a lavorare. Rotolo e Primiero insistono, giustamente, sul fatto che la teoria classica, shannoniana dellinformazione sa dare una misura quantitativa del usso di segnali che da un emittente E raggiunge un ricevente R, ma non dice niente del suo signicato. E e R per esempio sono al telefono, E parla e R ascolta, mettiamo, per un minuto: ma che cos` e che viene detto? Ancora: E parla per un minuto, R risponde per dieci secondi. In termini di impulsi elettrici, linformazione da E a R supera di molto quella da R a E; ma in termini concettuali, ovvero dal punto di vista di due esseri pensanti come supponiamo che E e R siano, non ` e aatto detto che il primo messaggio sia pi` u signicativo del secondo. Una teoria dellinformazione che non sia puramente ingegneristica, cio` e interamente traducibile in termini di circuiti e ussi elettrici, deve tener conto anche del signicato di un segnale; deve - dicono Primiero e
12
Prefazione
Rotolo - analizzarlo anche intensivamente, se ` e vero che un discorso di dieci secondi pu` o essere molto pi` u signicativo di uno di un minuto, o di unora. E questo ` e vero, naturalmente; ma una teoria intensiva dellinformazione per essere scienticamente accettabile deve sviluppare un suo apparato matematico, che per ora non ha, mentre ce lha quella puramente ingegneristica di Shannon; ed ` e proprio la scoperta, anzi linvenzione, di una teoria intensiva matematica dellinformazione la direzione in cui a mio parere si deve lavorare. Buon lavoro, dunque. Gianni Rigamonti Ottobre 2005
Introduzione
La scienza, come larte, la religione, il commercio, la guerra e anche il sonno, ` e basata su presupposti. Essa, tuttavia, dierisce dalla maggior parte delle altre branche dellattivit` a umana non solo perch e sono i presupposti degli scienziati a determinare le vie seguite dal pensiero scientico, ma anche perch e gli obiettivi stessi di questi ultimi consistono nel controllo e nella revisione dei vecchi presupposti e nella creazione di nuovi. G. Bateson - Mind and Nature - A Necessary Unity
La riuscita di una storia ben raccontata ` e il risultato delle motivazioni e delle scelte che hanno spinto a credere nella sua nascita. Allorigine di questo lavoro si trovano diverse competenze e diversi approcci al problema dellintelligenza e della conoscenza; ci` o, nondimeno, ha condotto verso un approccio costruttivo dei problemi qui arontati. Lidea ` e quella di illustrare una storia, quella naturale dei concetti di articiale e di vivente. Chi scrive crede che, nella speranza di poterne ancora mostrare il fascino, essa non possa focalizzarsi su un evento specico e neppure semplicemente seguire un lo cronologico determinato. Gi` a tante volte tale cronologia ` e stata presentata in lavori che si preggono precisamente lo scopo di dispiegare i fatti, le idee, le invenzioni e le creazioni del mondo articiale. Ma questa storia ` e frutto di percorsi diversi, intrecciati, che non hanno a che fare semplicemente con un racconto di cosa sia e di come si sia sviluppata lintelligenza articiale. Questa storia ` e una storia circolare, che si pregge lo scopo di rivisitare incessantemente i presupposti e le conseguenze dei paradigmi scientici che coinvolgono lessenza dellintelligenza meccanica e di quella naturale. Da un lato essa tende infatti a tracciare lo sviluppo delle scienze e delle tecnologie legate al tentativo di descrivere analiticamente e riprodurre il conoscere e lagire delluomo; dallaltro risulta evidente che tale racconto nisca per sfociare in un vero e proprio processo creativo che speriamo non si riduca ad un mero esercizio di stile, e che possa contribuire alla vivacit` a del dibattito, forse con una voce leggermente dissonante. Lobiettivo primiario di questo volume non ` e, quindi, quello di svolgere il ruolo di un manuale delle scienze dellarticiale, piuttosto di ripensare un percorso teorico, che a partire da queste ci consenta una nuova comprensione delle scienze del vivente. A questo scopo, risulta dunque essenziale una presentazione dei concetti che stanno alla base tanto dellarticiale quanto del vivente; si tratta di un percorso che permette una comprensione dellevoluzione di tali concetti e una loro (ri)congurazione complessiva alla luce dei risultati cui si giunger` a al termine del percorso stesso. Si tratta quindi,
13
14
Introduzione
come detto, di un racconto circolare, che inizia illustrando le teorie matematiche che stanno alla base della storia dellIntelligenza Articiale, e che cerca di svelare quei nodi centrali che della sua evoluzione sono stati gli arteci: cos` , dalla Teoria della Computabilit` a, origine delle Macchine di Turing, ` e solamente attraverso il passaggio alla Teoria dellInformazione che acquisisce senso la nascita e la rivoluzione della Cibernetica. La necessit` a dunque di presentare i successi (e gli insuccessi) applicativi scaturiti dallapproccio cibernetico, vuole limitarsi a presentare un quadro generale, senza pretesa di esaustivit` a, del panorama che mostra il passaggio dallIA classicamente intesa, regno del calcolatore digitale, al nuovo paradigma che invece risulta rilevante e fondamentale per noi illustrare: la Robotica, della quale viene presentata una disamina dei principi teorici ed applicativi. Il ruolo centrale svolto da tale disciplina nelleconomia del volume ` e quello di ponte ideale, percorribile in due sensi: dalla creazione dellarticiale al ripensamento del vivente, e dallo studio del vivente alla sua analogia con larticiale. Il nostro racconto passa cos` necessariamente attraverso una rivisitazione del paradigma dellintelligenza umana: si legger` a della natura sistemica dellessere vivente, del suo essenziale essere intreccio indivisibile di mente e corpo, che come tale suggerisce anche una nuova formulazione del paradigma dellintelligenza meccanica. Ci` o si concretizza nella necessit` a di inserire a pieno titolo il corpo tra le caratteristiche fondamentali dellente articiale, non pi` u macchina ma replicante. A questo punto ` e chiaro come il nostro percorso oltre ad essere circolare, sia anche inverso: non si parte qui semplicemente dalla macchina considerata nel suo innito e forse inutile tentativo di emulare lintelligenza umana; piuttosto la si vuole raccontare come punto di partenza, che ci permetta di rilevare le essenzialit` a e le peculiarit` a dellessere vivente, nelle sue relazioni e nel suo essere determinato. A partire dalle potenzialit` a delle macchine abbiamo raccontato delle reali cause dei loro limiti, scoprendoli radicati nella nostra concezione dellessere vivente: si tratta dunque di un inevitabile rivolgimento epistemologico, in cui il ruolo della relazione soggetto-oggetto ` e continuamente ridenito, e a partire dal quale si pu` o comprendere il vivente in una nuova connessione di rapporti che lo rendono nalmente reale. Una volta giunti a questa considerazione, ` e diventato inevitabile un mutamento di prospettiva nella individuazione dei criteri stessi che riteniamo fondanti dellessere vivente, e a partire da ci` o riteniamo che il mondo dellarticiale debba essere pensato in maniera dierente. Soltanto attraverso tale rivolgimento sar` a possibile tentare di ricongurare attorno alla nozione di Informazione proprio quella rete di connessioni che rendono il vivente individuo, denito in relazione con la collettivit` a delle intelligenze che lo circondano e nella contestualizzazione dellambiente in cui ` e sempre collocato. Questo radicamento dellindividuo allinterno della collettivit` a e dellambiente ` e lorigine di un equilibrio di rapporti reali e di una cultura della comprensione che passa anche attraverso una particolare concezione della struttura informazionale e dialogica, che verr` a denita come intensiva. Tale approccio deve in questa sede essere messo a confronto con quanto sviluppato negli ultimi decenni dalla teoria semantica dellinformazione: ` e bene esplicitare che questa teoria non verr` a arontata nel presente volume, soprattutto perch e il suo statuto ` e ben denito ed esporla non risponde agli scopi della presente ricerca; vogliamo per` o qui brevemente accennarne, perch e meglio si comprenda la connessione con il menzionato concetto di informazione intensiva. Il concetto semantico di informazione ha supplito alla pi` u evidente mancanza della teoria shannoniana, ovvero la palese e dichiarata assenza del concetto di signicato dalla denizione della nozione di informazione, precisandone inolGiuseppe Rotolo e Giuseppe Primiero DallArticiale al Vivente c 2005 Polimetrica International Scientic Publisher Monza/Italy
Introduzione
15
tre i principi teorici essenziali (si veda Floridi [2005]). Cos` la denizione semantica di informazione, come dati + signicato, risponde alla precisa esigenza di colmare il vuoto lasciato dallapproccio sintattico, e di stabilire conseguentemente la connessione tra signicato e valore aletico del concetto di informazione. Su questa base teorica, diverse strutture logico-formali (ad esempio la cosiddetta Situation Theory ) descrivono i rapporti semantici e signicativi tra gli agenti coinvolti nella comunicazione, il messaggio e i suoi referenti oggettuali. Tuttavia ci` o, a nostro parere, non raggiunge lobiettivo di formulare una teoria che voglia essere in grado di trattare linformazione come comunicazione reale. Lo scopo nale del presente lavoro ` e quello di illustrare un modello del sistema vivente, il pi` u possibile comprensivo delle connessioni e relazioni che lo rendono reale e (nello specico umano) intelligente. Chi scrive ` e essenzialmente convinto che il concetto di informazione debba rientrare in tale modello, e che debba farlo nella sua natura di ente concettuale relazionale, e ancor di pi` u in funzione della sua natura collocata e cosciente. La nozione intensiva di informazione mira cos` a presentare un concetto costruttivo che risponda a queste esigenze, e per questo motivo pu` o essa stessa considerarsi una forma di teoria semantica. Semantica e pragmatica a dire il vero, inscindibile non solo dai contesti, ma anche dalla relazione intersoggettiva e intrasoggettiva. Per la stesura di questo volume, e per la nostra formazione, siamo debitori a vario titolo nei confronti di molte persone, in particolare desideriamo ringraziare sentitamente: Gianni Rigamonti, per il supporto, le critiche e gli incoraggiamenti; Giuseppe Roccaro per gli insegnamenti e la guida; Franco Lo Piparo per lattenzione e i suggerimenti; Paolo Virno e G oran Sundholm, per le competenze e laiuto; Francesca Piazza, per la pazienza; Per Martin-L of, per il dialogo. Durante il periodo che ha portato alla nascita di questo libro, sono stati per noi di fondamentale importanza: le nostre famiglie (per la ducia incondizionata), Antoniette, Mirjam, Luisa, Zef, Matteo, i colleghi e gli amici della Biblioteca Tematica, Arianna, Alice, Eric, Roberta, Borja, Vittorio, Cinzia, Giada, Piero, Alessandro, Paolo, il Bianco e il Nero (per la compagnia), Enrico Toti, Pietro Pisani, Tim, Je, le ore dalle 23:00 alle 04:00.
Nota degli autori Questo libro ` e interamente il risultato di una sincera quanto spesso contrastante collaborazione. Ogni risultato teorico e ciascuna delle acquisizioni scientiche che sono riportate e ricontestualizzate nel nostro percorso ` e stata tra noi discussa e valutata nel quadro delle nostre idee e delle nostre linee di ricerca. Queste stesse linee sono nate e cresciute nel periodo di collaborazione, e di questa sono il risultato. Tale collaborazione ` e in eetti lintrecciarsi e il solidicarsi reciproco di competenze ed esperienze diverse.
16
Introduzione
Proprio per questo motivo la scrittura dei capitoli ` e stata tra noi frazionata nel seguente modo: il capitolo primo interamente, e del capitolo secondo le sezioni 2.2 e 2.3 sono da ritenere opera di Giuseppe Primiero; del capitolo secondo le sezioni 2.1, 2.4 e 2.5, e il capitolo terzo interamente, sono opera di Giuseppe Rotolo; del quarto e ultimo capitolo ci risulta impossibile determinare tale distinzione: ciascuna singola aermazione pu` o essere ritenuta il risultato di aperte discussioni degli autori. Giuseppe Rotolo Giuseppe Primiero Palermo, Ottobre 2005
Capitolo 1
Aspetti teorici e formali

1.1 Sistemi formali e la nozione di algoritmo
La tradizione di pensiero e di ricerca che ha come nucleo fondamentale il tema del ragionamento meccanizzato ` e costituita da un lungo lone di problemi e da un gran numero di autori, che dovrebbero essere tutti ampiamente trattati per comprendere appieno le diverse modalit` a attraverso cui questa tematica si ` e ripetutamente presentata nella storia del pensiero. La nostra lettura dovr` a, dunque, ritagliarsi un prolo preciso, che ci permetta di individuare alcuni temi centrali, che sappiano guidarci sino alla scoperta degli sviluppi dellIntelligenza Articiale, che hanno poi condotto alla nascita della Cibernetica. Per sviluppare questo percorso introdurremo in questo primo capitolo la struttura propriamente teorica, presupposto anche degli sviluppi tecnici successivi. Tentiamo, in apertura, di mettere in luce le questioni che allalba del XX secolo segnavano in maniera determinante la ricerca logica e matematica: ci riferiamo in particolare al dibattito seguito alla cosidetta crisi dei fondamenti (Grundlagenkrisis ), che ha rappresentato uno dei maggiori movimenti teorici innanzitutto nel campo della logica pura, ma fruttuosa successivamente anche per le sue applicazioni, e che provoc` o enormi rivoluzioni tanto sul piano pi` u propriamente losoco quanto su quello pratico, nel campo dello sviluppo dei metodi eettivi di ricerca in matematica. Questo profondo interesse e questa intensa ricerca di una chiaricazione dei concetti fondamentali del pensiero logico, trov` o la sua naturale collocazione nellambito dello sviluppo dei linguaggi formalizzati, i quali a partire dalla met` a dellOttocento entrano in competizione con i linguaggi algebrici di tipo booleano, nel tentativo di fondare, su basi di chiarezza ed evidenza, le procedure inferenziali1 . Infatti, alla ne del XIX secolo tanto lapproccio algebrista quanto lapproccio formalista tentavano di presentare due interpretazioni delle leggi del pensiero che le rendessero chiare, prive di elementi incerti.
1 Occorre esplicitare qui il riferimento alla netta distinzione tra sistema formale e linguaggio formalizzato : con la prima locuzione indichiamo la struttura assiomatica generica sulla base della quale ` e possibile la ricostruzione di una scienza, e rispetto alla quale nel seguito analizzeremo le problematiche teoriche; con la seconda espressione facciamo invece riferimento alla struttura formale di una specica scienza, e dunque alla considerazione semantica (in quanto gode di un modello proprio) di ci` o che sul piano puramente sintattico si dice calcolo logico.
17
18
Boole nelle sue opere2 insisteva sulla natura essenzialmente matematica del processo logico-inferenziale, abbandonando cos` una certa attenzione nei confronti di questioni pi` u propriamente losoche sullorigine e la possibilit` a di rappresentarci tali processi. Il calcolo che ci permette lo sviluppo dei processi logici ` e dunque, per Boole, di natura formale-aritmetica, riproponendo in questo senso delle tematiche gi` a care a Leibniz. Come noto, Leibniz fu il primo a pensare una meccanizzazione dei processi linguistici, riesso di quelli cognitivi, al ne pratico di migliorare la comunicazione e dirimere le questioni dialettiche: lidea della Lingua Characteristica Universalis (LCU )3 , che trovava dei precedenti gi` a nellopera del medievale Raimondo Lullo4 , presenta in maniera estesa il progetto di un sistema di ragionamento, e del suo corrispettivo lingustico, determinato essenzialmente da una forma eettiva di computo, che potremmo gi` a denire algoritmica. La propriet` a essenziale di tale progetto, e cio` e quella di essere denibile in termini di computo, ` e riscontrabile gi` a ad un livello molto generale di analisi, facendo riferimento alla combinatoria che sta a fondamento della LCU, come metodo per trovare tutte le possibili associazioni delle nozioni determinate come primitive, ovvero di ci` o che Leibniz identicava come un alfabeto dei pensieri umani. Leibniz ritiene che la sua sia una vera metodica per ragionare meccanicamente, senza necessit` a di ingegno, come pura capacit` a di manipolare ed associare segni senza necessariamente riettere sui loro signicati, ma essendo comunque certi della correttezza dei risultati (dunque una prospettiva puramente sintattica). Nasce cos` nellopera leibniziana la distinzione tra ars iudicandi, rispetto alla quale la LCU doveva fornire una metodica di criteri intersoggettivi realizzata in base alla scelta e alla combinazione dei simboli, al ne di poter giudicare se una certa conoscenza seguisse da altre; e lars inveniendi, per scoprire quale direzione della mente possa essere tracciata per mezzo di connessioni meccaniche che ci permettano di derivare con certezza nuove verit` a. Questultima consisteva dunque nella possibilit` a, dato un soggetto, di trovare tutti i suoi possibili predicati, ed essendo dato un predicato nel trovare tutti i suoi soggetti possibili, scoprendo cos` tutte le proposizioni vere in cui un termine gura come soggetto o come predicato. Secondo una ripresa (almeno parziale) dei temi e problemi discussi nellopera di Leibniz, il programma booleano consisteva in sostanza - nellinvestigare le leggi fondamentali delle operazioni della mente che permettono il ragionamento; - nellesprimere tali leggi con il linguaggio simbolico di un calcolo; - inne nel fondare su tali basi la logica. Lequivalenza fondamentale proposta da Boole ` e dunque quella tra pensiero e calcolo, sottolinenado cos` la natura algoritmica dei processi logico-deduttivi della nostra mente. Quello di algoritmo sar` a un concetto fondamentale allinterno di questo capitolo e possiamo dunque, a questo punto, introdurlo dandone una denizione intuitiva: Denizione 1.1.1 Si dice algoritmo qualsiasi processo che, seguendo un insieme di regole, fornisca dei risultati secondo procedure puramente computazionali.
[1847] e [1854] [1666]. 4 Lullo svilupp` o nellArs magna e nellArs brevis i testi dedicati alla conoscenza della verit` a, ovvero le tecniche dimostrativa ed inventiva.
3 Leibniz 2 Boole
19
Laltro versante della ricerca logica e matematica della ne del XIX secolo era rappresentata, come abbiamo detto, dalla corrente formalista. Liniziatore, e di certo una delle gure centrali di questa ricerca, fu Gottlob Frege, che nella sua opera, peraltro, riprese a pieno molte delle questioni presenti anche in Leibniz. Per Frege, la relazione tra logica e scienza matematica ` e ben denita e potremmo dire quasi inversa rispetto alla prospettiva booleana: quella logica rappresenta la struttura soggiacente a tutte le pratiche inferenziali utilizzate allinterno della matematica e dunque, la questione dei fondamenti di questultima, deve risolversi in una illustrazione completa del sistema logico che ne sta alla base. Inoltre, solo uno studio approfondito dei concetti e delle relazioni logiche pu` o permetterci di comprendere a fondo le strutture matematiche, ed analizzare la correttezza delle pratiche inferenziali in esse sviluppate. Appare qui ben evidente il tentativo di non appiattire, in modo acritico, la nozione di processo inferenziale su quello di algoritmo aritmetico, e in tal modo risulta palese anche la distanza teorica dalla ricerca fondazionale di tipo algebrico: la nozione di algoritmo continuer` a ad essere lessenza del tentativo di chiarire le connessioni inferenzali, basandosi sulla scoperta delle loro leggi sse di formazione ma, daltra parte, nellapproccio formalista ` e molto pi` u pressante la questione della fondazione del sistema logico, per ci` o che riguarda la scelta degli assiomi ed anche in relazione alla modalit` a di conoscenza di tali principi. Nella Begrischrift 5 , Frege tenta la realizzazione di un linguaggio simbolico capace di rappresentare la forma algoritmica di ogni ragionamento logico: lideograa fregeana costituisce, dunque, non la realizzazione di una particolare struttura logica quanto, piuttosto, il tentativo di esprimere in maniera chiara e precisa, attraverso simboli, la forma dellinferenza logica in s e. La rappresentazione ideograca avrebbe permesso, secondo Frege, lindividuazione eettiva di qualsiasi forma di ragionamento corretto6 , attraverso la riproposizione in termini di tale linguaggio di tutti gli schemi inferenziali: ` e ovvio come in questo modo divenga esplicita la connessione tra la nozione di linguaggio ideograco e quella di algoritmo. Il linguaggio ideograco si propone lesplicitazione ed illustrazione di tutti gli assiomi e di tutte le regole utilizzate nei processi dimostrativi. LIdeograa rappresenta il primo esempio di linguaggio formale assiomaticamente costruito, che non ha un modello specico proprio perch e il suo modello ` e il ragionamento deduttivo, e allinterno del quale funziona implicitamente un procedimento algoritmico: essendo infatti state esplicitate tutte le possibili forme inferenziali corrette esiste, di fatto, un metodo eettivo per escludere quei ragionamenti che non rientrano in tali schemi formali. Lesplicitazione di tutta la problematica delle teorie assiomatiche, dei sistemi formali e in particolare della nozione di dimostrazione, il riconoscimento dei problemi fondamentali e lo sprone alla ricerca delle soluzioni essenziali per lo sviluppo di una teoria rigorosa della dimostrazione, avvenne con la cosiddetta svolta meta-matematica, e in particolare con lopera di David Hilbert. Tale svolta coincide essenzialmente con linizio della gi` a accennata crisi dei fondamenti, che prese lavvio dal crollo della fondazione logicista, dovuta alla scoperta di una contraddizione essenziale del sistema sviluppato
5 Frege [1879]; il titolo tedesco scelto da Frege per la sua opera, ricalca esattamente lidea di una scrittura simbolica dei concetti, ripreso nella traduzione italiana Ideograa. 6 Frege esprime ci` o sostenendo che lideograa deve dunque servire anzitutto ad esaminare nel modo pi` u sicuro la connessione di una catena deduttiva e a mettere in evidenza ogni ipotesi che voglia inavvertitamente insinuarvisi, anch e, successivamente, si possa indagare sulla sua origine. ; Frege [1879], p.104.
20
da Frege nei suoi Grundgesetze der Arithmetik 7 e che segna di fatto linizio della crisi dei fondamenti. Hilbert si occup` o sin dai suoi Grundlagen der Geometrie del 1899, della questione della fondazione, riproponendo in una struttura rigorosamente assiomatica tutta la conoscenza geometrica del tempo. Questo imponente testo segnava, per` o, solo il primo passo di tutta unattivit` a che si mosse tra la ricerca matematica e lirresistibile spinta a porsi quesiti di natura essenzialmente losoca sul valore delle strutture matematiche di cui si faceva abitualmente uso. Lampiezza di prospettive intorno alle quali ruotava la ricerca matematica, venne infatti confermata dal Congresso Internazionale dei Matematici, che si tenne a Parigi nel 1900, durante il quale Hilbert espose nella sua e la matematica relazione8 i problemi che riteneva dovessero trovare soluzione anch potesse essere, non solo fondata su solide basi, ma anche libera da quelle questioni che dopo secoli di ricerche non avevano ancora trovato risposta. Il contesto allinterno del quale vengono esplicitate le problematiche metodologiche e contenutistiche hilbertiane ` e dunque, adesso in maniera ampiamente sviluppata, quello dei sistemi formali. Come nel caso della nozione di algoritmo possiamo qui fornire una denizione intuitiva della nozione di sistema formale : Denizione 1.1.2 Un sistema S ` e detto formale se in esso - ` e denito in partenza un insieme nito dei suoi simboli di base, il suo alfabeto; - tra i simboli ve ne sono alcuni fondamentali, detti costanti logiche, che rappresentano le parti costitutive del sistema e che permettono la formazione delle espressioni; le costanti logiche sono i simboli di negazione, congiunzione, disgiunzione ed implicazione, ed eventualmente i quanticatori universale ed esistenziale9 ; - ` e denito un insieme di regole per la costituzione di formule corrette dette formule ben formate (FBF); - ` e specicato un insieme di proposizioni assunte in partenza, dette assiomi, che rappresentano le leggi vere del sistema10 .
7 Frege [1893] e [1903]. I principi dellaritmetica vennero pubblicati in due volumi, e appena un anno prima delluscita del secondo volume, nel 1902, Bertrand Russell comunic` o in una lettera a Frege la scoperta contraddittoriet` a del sistema, in relazione al Principio V b, ovvero il principio di estensionalit` a, che permetteva la formazione di classi qualsiasi in base ad una propriet` a data. Lo stesso Frege pubblic` o la lettera di Russell in appendice a [1903], proponendone di seguito unanalisi e una soluzione (rivelatasi insuciente). 8 Hilbert [1900]. 9 Useremo nel seguito la simbologia convenzionale per i calcoli logici del primordine, ovvero:
signif icato negazione congiunzione disgiunzione implicazione quantif icatore universale quantif icatore esistenziale
simbolo
noto che le costanti logiche possono essere scelte in numero ristretto, introducendone alcune E denite per mezzo delle fondamentali. Nostro scopo ` e qui unicamente quello di presentare luso di un sistema formale, ai ni dellanalisi meta-teorica. 10 Da questa denizione di sistema formale esulano almeno due tipologie essenziali della loGiuseppe Rotolo e Giuseppe Primiero DallArticiale al Vivente c 2005 Polimetrica International Scientic Publisher Monza/Italy
21
La ricetta hilbertiana prevedeva un utilizzo essenziale degli strumenti matematici nitari per la risoluzione dei problemi fondamentali, e in seguito la riduzione a questa parte certa della matematica di tutto ci` o che invece al suo interno era connesso a metodi reputati insicuri poich e facevano uso di nozioni come quella di innito. Hilbert si mosse dunque alla ricerca di una chiaricazione del concetto di innito11 , che pareva essere la base delle dicolt` a che il formalismo incontrava nel procedere ad una assiomatizzazione completa delle teorie: i problemi maggiori venivano, infatti, dalla necessit` a della presenza in tutte le strutture matematiche di insiemi inniti e di assiomi che postulassero la possibilit` a di procedere allinnito con lapplicazione di unoperazione12 . Ci` o che sembra giocare un ruolo essenziale nella prospettiva hilbertiana di fondazione della matematica ` e la certezza e la sicurezza dei metodi nitari, elementi che trovano un primo essenziale riscontro nella nozione di non contraddittoriet` a. Il secondo passaggio distintivo di quella che Hilbert avrebbe denito teoria della dimostrazione o meta-matematica, consiste nel fare delle dimostrazioni matematiche oggetto di una meta-teoria, che ne indaga non le propriet` a strutturali, ma le condizioni di sussistenza formale: coerenza, completezza, decidibilit` a. Lo sforzo hilbertiano di fondazione della matematica su basi sicure ` e adato dunque in primo luogo ad una distinzione essenziale, tra le strutture espresse in forma di calcolo e la loro descrizione linguistica. Lessenza del formalismo consiste, come abbiamo visto nella Denizione 1.1.2, proprio nella rappresentazione di calcoli costruiti da segni manipolabili a livello puramente sintattico, privi di qualsiasi contenuto proprio, ma in forza di questo capaci di essere forma per qualsiasi linguaggio con un contenuto specico. Questo calcolo diviene poi, nellanalisi hilbertiana, oggetto di un meta-linguaggio, che osserva la struttura dallesterno ed ` e capace di determinarne le caratteristiche e le propriet` a. Sulla base del calcolo formale sar` a allora possibile la costruzione puramente sintattica delle derivazioni : Denizione 1.1.3 La derivazione ` e una catena di formule ben formate. Tale catena si congura come una dimostrazione qualora: - la derivazione sia costituita da un numero nito di espressioni; - ogni espressione appartenga allinsieme degli assiomi, cio` e allinsieme nito di formule iniziali del linguaggio; - oppure derivi dagli assiomi per lapplicazione ad essi di una delle regole permesse allinterno del sistema; - ed inne, lultima formula della derivazione rappresenti lespressione desiderata.
gica moderna, cio` e i calcoli della deduzione naturale e i calcoli modali : rispettivamente i primi derivano formule secondo regole di introduzione ed eliminazione dei connettivi (dunque in maniera essenzialmente diversa dai calcoli formali ` a la Hilbert); i secondi trattano modalit` a come la possibilit` a e la necessit` a introdotte per mezzo di appositi connettivi ( e ) che non sono esplicitamente trattati dal tipo di sistema appena denito. Tuttavia, lidea di sistema formale utile allo sviluppo dellIntelligenza articiale degli inizi ` e esattamente quello appena descritto, mentre sistemi come quelli citati sono successivi. 11 Hilbert [1926]. 12 In particolare la distinzione che Hilbert propose fu quella tra elementi reali del calcolo e suoi elementi ideali, i quali erano propriamente quegli elementi astratti necessari per determinati sviluppi, e la cui giusticazione era poi basata sulla loro riduzione agli elementi reali.
22
Questo livello di analisi ` e dunque assolutamente estraneo ad una qualsiasi interpretazione. Come abbiamo gi` a accennato, la prima propriet` a di cui deve godere la catena che costituisce la dimostrazione ` e quella della coerenza, perch e si possa essere certi di lavorare con elementi che non incino la correttezza del ragionamento. In questo senso quello della coerenza, o non-contraddittoriet` a, ` e il primo dei problemi posti dalla meta-matematica hilbertiana, e possiamo dunque fornire la denizione della coerenza di un sistema : Denizione 1.1.4 Un sistema S ` e coerente se al suo interno non ` e possibile derivare, per applicazione delle regole agli assiomi, formule del tipo A A13 . Il principio di non-contraddittoriet` a costituisce il centro del cosidetto Programma di Hilbert, e rappresenta il fondamento delle altre questioni meta-teoriche: la nozione di correttezza delle procedure e dei risultati delle derivazioni viene adesso esplicitata in termini di coerenza del calcolo. Il secondo elemento che la distinzione tra sistema formale e la sua analisi metateorica mette in campo, ` e la variante semantica della nozione di derivazione, ovvero il concetto di conseguenza : Denizione 1.1.5 Una proposizione ` e conseguenza logica di un insieme di premesse se - la verit` a delle premesse implica necessariamente la verit` a della proposizione in questione; - ovvero se qualunque interpretazione che sia modello delle premesse lo ` e anche per la suddetta proposizione14 . In questa denizione entra dunque in gioco la nozione di verit` a e conseguentemente di interpretazione (modello) di una proposizione o insieme di proposizioni. Posta in questo modo la distinzione tra derivazione sintattica e conseguenza semantica, ne segue inevitabilmente linterrogativo circa lestensione dellinsieme delle proposizioni derivabili (DER) e quello delle espressioni conseguenza (CON S ): in particolare si pone il problema se le espressioni che appartengono al secondo insieme, e che dunque per la denizione di conseguenza possono intendersi come le verit` a del sistema, coincidano o siano eccedenti rispetto alle espressioni che fanno parte del primo insieme, e che per la denizione di derivazione possono intendersi come le formule sintatticamente ottenibili allinterno del calcolo (CON S = DER oppure CON S < DER). La questione della completezza di un sistema, per come essa ` e gi` a presente nel programma hilbertiano, si congura secondo la seguente denizione:
13 Hilbert [1928], presentando il problema meta-teorico di coerenza come direttamente rilevabile allinterno di una teoria matematica formalizzata, illustra tale propriet` a come impossibilit` a di derivare formule numeriche del tipo 0 = 0. 14 La formula derivabile viene denita legge logica quando essa ` e vera qualsiasi signicato venga attribuito alle sue componenti descrittive. Qui si fa quindi riferimento ad un insieme di valutazioni possibili v di una proposizione p, rispetto alle quali p ` e vera se e solo se lo ` e la sua chiusura universale (p), mentre ` e soddisfacibile (sempre in v ) qualora sia vera la chiusura esistenziale (p). Ovviamente nel caso in cui si prendano le premesse come descrizione del modello in cui ` e valida la proposizione, le due formulazioni sono equivalenti.
23
Denizione 1.1.6 Un sistema S ` e completo se tutte le formule derivabili rappresentano tutte e sole le proposizioni-conseguenza, dunque se linsieme delle proposizioni che sono formalmente deducibili allinterno del sistema corrisponde allinsieme delle verit` a che tale sistema deve essere in grado di enunciare.
La relazione di completezza viene dunque rappresentata come corrispondenza tra derivabilit` a e dimostrabilit` a e quindi tra conseguenza e validit` a, e il quesito hilbertiano poneva il problema per i calcoli logici di complessit` a superiore al calcolo dei predicati del primo ordine15 . Il problema della completezza rappresenta il presupposto teorico per comprendere il problema della decidibilit` a (Entscheidungsproblem ), che adesso apparir` a completamente naturale. Tale problema consisteva nelle parole di Hilbert e Ackermann, nellaccertare la validit` a generale delle espressioni, ovvero nel suo duale della verica della soddisfacibilit` a delle espressioni di un sistema16 . Diventa infatti assolutamente necessario, per accertarsi della stabilit` a del sistema, avere un metodo che riesca a determinare, per una qualsiasi formula data, se essa pu` o essere ottenuta nel sistema. Possiamo allora fornire una denizione di sistema decidibile come segue: Denizione 1.1.7 Un sistema S si dice decidibile se esiste sempre un metodo eettivo, e perci` o nito, per determinare se una formula data ` e dimostrabile allinterno del sistema (e dunque per la propriet` a di completezza essa ` e anche una proposizione vera del sistema) oppure se essa ` e refutabile al suo interno (nel senso che la sua derivabilit` a produrrebbe la perdita di coerenza per il sistema). Come ` e facile vedere da tale denizione, il problema della decidibilit` a` e immediatamente connesso ai due problemi precedenti, ma apparve chiaramente ai logici che ne discutevano come un problema molto pi` u dicile degli altri: era infatti evidente a tutti la netta distinzione che separava il calcolo proposizionale e il calcolo delle classi, che godevano delle procedure eettive di decisione richieste, dal calcolo dei predicati, che era ancora privo di una simile propriet` a. Il problema della decidibilit` a diventer` a ben presto il nucleo centrale dellintera ricerca meta-matematica poich e, proprio attorno a tale problema, si giocava la fondatezza del programma hilbertiano e tutta la scommessa della fondazione assiomatica in logica. Ovviamente, il passaggio pi` u dicile nella richiesta di soddisfare al problema della decisione per un calcolo, ` e racchiuso nella propriet` a di eettivit` a del metodo. Riemerge dunque in questo passaggio fondamentale il ruolo della nozione di algoritmo, come riferimento della certezza e stabilit` a del calcolo, che sin dai tempi di Leibniz e Frege appariva intrinseco alla nozione di linguaggio e sistema formale. In eetti, come appare chiaro anche dalla precedente spiegazione della nozione di derivazione, un sistema formale S ` e essenzialmente basato sulla nozione di calcolo algoritmico per le propriet` a di nitezza imposte allalfabeto iniziale dei simboli, e alla lunghezza delle derivazioni permesse per lottenimento di nuove congurazioni corrette di simboli (F BF ); inoltre il sistema S ` e fornito di una procedura determinata per il riconoscimento delle F BF , consistente di fatto in una serie di prescrizioni per la corretta composizione dei simboli17 .
teorema di completezza fu dimostrato per la logica elementare da G odel [1930]. Ackermann [1927], cap. III, par.11. 17 La clausola che di solito viene aggiunta nella descrizione di un sistema formale, ` e quella che regola lordine in cui i simboli del sistema devono seguirsi per generare F BF , ovvero composi16 Hilbert, 15 Il
24
Vedremo pi` u avanti che la struttura algoritmica del sistema formale S pu` o essere esplicitata, illustrando la possibilit` a di una codica di ogni formula del sistema tramite numeri naturali: questa procedura fu presentata da Kurt G odel, nello stesso scritto18 che segnava in qualche modo la scontta del programma hilbertiano. G odel infatti forniva per la prima volta una soluzione denitiva al problema della decisione, dimostrando che in qualsiasi sistema formale in grado di formalizzare al proprio interno laritmetica19 , esistono proposizioni indecidibili: si tratta cio` e di proposizioni rispetto alle quali ` e formalmente impossibile ottenere tanto una dimostrazione di validit` a quanto una di refutabilit` a, e dunque impossibile stabilire la verit` a con i soli mezzi del sistema. Tuttavia, la dimostrazione di G odel fornisce un apparato meta-teorico interpretativo molto potente, che permette di valutare contenutisticamente un certo signicato di o determina inetali espressioni, che da questo punto di vista appaiono veritiere20 : ci` vitabilmente una dimostrazione del fatto che tutti i sistemi formali di questo tipo (e dunque tutti i sistemi formali sucientemente potenti per risultare interessanti da un punto di vista linguistico) sono incompleti rispetto alla dimostrabilit` a di tutte le verit` a loro competenti. Dopo questo lungo excursus allinterno delle problematiche logiche tra la ne dellOttocento e la prima met` a del Novecento, ci accingiamo ad entrare nel cuore di una delle teorie sorte da quelle ricerche, la teoria della computabilit` a, che ebbe il compito di fondare una nozione teoricamente completa e soddisfacente di algoritmo.
1.2
Computabilit` a e teoria della ricorsivit` a
La nozione di computabilit` a, rappresenta una teorizzazione rigorosa del concetto di algoritmo, nata per indagare possibilit` a e limiti dei metodi eettivi, e rispondente esattamente alla richiesta di una procedura, un algoritmo appunto, che fornisca rispetto ad un problema dato (indicato come input ), la rispettiva soluzione (indicata come output ). Tale processo si identica con lidea di un complesso di istruzioni (determizioni corrette. Questa clausola stabilisce ad esempio che tutti i connettivi si posizionano tra due elementi atomici del sistema, mentre solo la negazione ` e un simbolo monadico, che si applica cio` e ad un solo elemento; stabilisce inoltre la corretta posizione delle parentesi e la successione degli elementi atomici. Cos` ad esempio viene determinata come valida la congurazione A A e come non valida la congurazione AA [1931]. propriet` a permetteva a G odel di stabilire la validit` a della propria dimostrazione per qualsiasi sitema formale ane ai Principia Mathematica di Russell e Whitehead [1910-1913], che rappresentava lopera che, nella maniera pi` u completa e soddisfacente, realizzava il sogno formalista per lintera matematica. 20 Il Teorema di Incompletezza di G odel ` e oggetto di una vastissima letteratura secondaria e critica: esistono diverse riletture del teorema che permettono di comprenderne il signicato secondo descrizioni diverse da quella matematica. Potremmo ad esempio leggere questa considerazione contenutistica della proposizione, intendendola come lindimostrabilit` a di una proposizione che, se interpretata, direbbe di se stessa io non sono dimostrabile.
19 Questa 18 G odel
25
nato pi` u specicamente con lidea di una procedura meccanica) che abbia le seguenti caratteristiche: - lintero processo deve essere totalmente determinato rispetto alla sua esecuzione, nel senso di escludere qualsiasi situazione di incertezza; - le regole che costituiscono tale procedura devono essere universalmente intelligibili se illustrate le modalit` a di esecuzione; - il complesso di istruzioni deve essere valido per la risoluzione di unampia classe di problemi; - il processo deve condurre, in un numero nito di passi, al raggiungimento di una soluzione riconoscibile come tale. Unillustrazione precisa della nozione di computabilit` a` e la teoria della ricorsivit` a, la quale riconduce lo studio dei metodi algoritmici a funzioni numeriche da numeri naturali a numeri naturali computabili in modo eettivo: ci` o si esplica dicendo che per soddisfare unidea di computazione, bisogna essere in grado di calcolare, rispetto ad una n-pla di argomenti a1 , . . . , an , il valore di una certa funzione numerica f (a1 , . . . , an ). Questo passaggio da metodi eettivi generici a funzioni numeriche computabili, ` e possibile in maniera estesa grazie alla famosa procedura di aritmetizzazione ideata da G odel per la sua dimostrazione in [1931], laddove egli propose una corrispondenza biunivoca e determinata tra numeri e simboli del sistema logico utilizzato, dunque una procedura che permetteva lattribuzione di uno e un solo numero ad una qualsiasi formula sensata del linguaggio. Grazie a tale tecnica sappiamo che ` e possibile interpretare sullalfabeto dellaritmetica qualsiasi altro alfabeto nito con regole nite per la costruzione di espressioni, e cos` (pi` u in generale) possiamo interpretare i numeri naturali come rappresentativi di dati discreti (come gli elementi di un linguaggio) allinterno di unoperazione di computo. Possiamo dunque fornire una denizione elementare della teoria della ricorsivit` a come segue: Denizione 1.2.1 La Teoria della Ricorsivit` a studia i metodi algoritmici di computazione nella loro rappresentazione tramite funzioni aritmetiche del tipo N N (ovvero funzioni che prendono argomenti nellinsieme dei naturali e restituiscono valori nello stesso insieme), per classicarle ed esaminare le loro potenzialit` a di calcolo. Ci proponiamo dunque adesso di determinare quelle classi di elementi stituiscono gli oggetti di indagine della teoria della computabilit` a (classe C), entrare nel dettaglio esaminando le funzioni ricorsive (classe R), ed una serie funzioni per stabilirne lestensione. Un elenco sommario ma sucientemente degli elementi che fanno parte della classe C ` e il seguente: Denizione 1.2.2 Si dice computabile una funzione f 1. se essa pu` o essere calcolata per mezzo di una procedura meccanica nita: questa classe di funzioni si dice eettivamente calcolabile; 2. se essa ` e generale ricorsiva; 3. se essa ` e denita dalle procedure di una macchina di Turing: questa classe di funzioni si dice Turing-computabile; ` e computabile un insieme A
che coper poi di altre denito
26
4. se la sua funzione caratteristica KR ` e ricorsiva generale (totale) (G odel [1934]); 5. se esso ` e un insieme vuoto oppure ` e il rango di valori validi di una funzione f generale ricorsiva: questa classe di insiemi si dice ricorsivamente enumerabile; 6. se esso ` e un insieme vuoto oppure ` e il rango di valori validi di una funzione Turing-computabile: questa classe di insiemi si dice computabilmente enumerabile. Occorre a questo punto esplicitare in maniera pi` u ampia e completa gli elementi contenuti nella Denizione 1.2.2, il che ci permetter` a anche di entrare nel dettaglio della nozione di ricorsivit` a e poi di rivolgerci in particolare alla nozione di computabilit` a nel senso di Turing. Il primo punto della denizione, quello che identica la nozione di funzione effettivamente calcolabile, corrisponde ovviamente alla descrizione generica di funzione computabile. Una prima nozione da introdurre a questo punto, per potere illustrare le varie forme di calcolabilit` a, ` e quella di funzione caratteristica, introdotta al punto 4. della precedente denizione: questa funzione ` e non solo denita in stretta connessione con la nozione intuitiva di algoritmo, ma inoltre ci permette di mostrare una prima fondamentale relazione tra tale nozione intuitiva e il problema della decidibilit` a con il quale avevamo concluso il paragrafo precedente. Possiamo introdurre la funzione caratteristica KR nei termini seguenti: Denizione 1.2.3 Per ogni relazione n-aria R, si chiama la sua funzione caratteristica KR quella funzione N N, tale che KR =
1, 0,
se se
R (a 1 . . . a n ) R(a1 . . . an ).
(1.1)
La relazione R ` e dunque computabile, se e solo se lo ` e la sua funzione caratteristica KR . Occorre tener conto del fatto che la funzione caratteristica ` e importante soprattutto perch e permette di non limitarci esclusivamente alle funzioni, potendo grazie ad essa riferirci anche ai predicati: Denizione 1.2.4 Un predicato P ` e detto decidibile (o eettivamente enumerabile) se e solo se ` e decidibile un insieme A in cui per ogni elemento x vale P (x). Il passaggio successivo sar` a costituito dal riferimento alla nozione di funzione caratteristica di insiemi (in quanto determinati da predicati), e questo ci permette di vedere ancora pi` u in profondit` a la connessione con il problema della decidibilit` a, e nello specico di considerare la teoria della ricorsivit` a come strumento di analisi ed eventuale risoluzione di detto problema: Denizione 1.2.5 Un insieme A ` e detto decidibile se e solo se la sua funzione caratteristica ` e eettivamente computabile (funzione ricorsiva totale), cio` e se esiste un algoritmo che permette sempre di stabilire se un elemento gode della propriet` a che determina quellinsieme; in questo senso un insieme nito ` e sempre decidibile. Appare adesso naturale pensare unoperazione inversa, cio` e la presenza di una funzione f , tale che i suoi valori n per argomenti x N costituiscano gli elementi di un insieme A: in questo caso si dice che la funzione f enumera A:
27
Denizione 1.2.6 Un insieme A ` e detto eettivamente enumerabile se e solo se A = , oppure A ` e il rango di una funzione f computabile totale. A questo punto possiamo riassumere enunciando delle equivalenze che valgono per predicati ed insiemi, e che mettono in relazione le propriet` a sin qui illustrate e connesse con il concetto di algoritmo e quello di computabilit` a. Tali equivalenze valgono a. tra un insieme e una funzione: -A` e un insieme eettivamente enumerabile se e solo se A ` e il rango di valori di una funzione computabile; b. tra enumerabilit` a e decidibilit` a per insiemi: -A` e un insieme eettivamente enumerabile se e solo se il suo complemento ` A e eettivamente enumerabile; sono - A ` e un insieme decidibile se e solo se A e il suo complemento A eettivamente enumerabili; ` -A` e un insieme decidibile se e solo se il suo complemento A e decidibile; c. tra enumerabilit` a e decidibilit` a per predicati: -P ` e eettivamente enumerabile se e solo se la sua negazione P ` e eettivamente enumerabile; - P ` e decidibile se e solo se P e la sua negazione P sono eettivamente enumerabili; -P ` e decidibile se e solo se la sua negazione P ` e decidibile.
1.2.1
Ricorsivit` a primitiva
Vogliamo adesso determinare la classe Rp, ossia la classe delle funzioni ricorsive primitive, e mostrare come tale classe sia inclusa in C; per far questo partiremo con lillustrare le funzioni dette iniziali, estendendo poi la nostra analisi alle funzioni principali che rientrano oggi nella teoria della computabilit` a. La procedura di ricorsione, che pu` o considerarsi la base teorica di una teoria rigorosa della computabilit` a, costituisce una formalizzazione precisa del processo di induzione ; tale procedura avviene infatti per funzioni numeriche denite su tutti i numeri naturali, stabilendone il valore per argomento = 0 (base di induzione) e, supponendo cos` noto il valore per argomento generico n, si procede alla denizione sul successore di n, indicato da S (n) (passo di induzione). A partire da questa descrizione intuitiva della procedura induttiva, ` e possibile ricavare una classe di funzioni che la esprimono formalmente, e che costituiscono le cosiddette funzioni iniziali 21 della classe Rp delle funzioni ricorsive primitive: 1)
21 Richard
f unzione
zero : Z (n) = 0
(1.2)
Dedekind fu il primo matematico che, nel tentativo di unanalisi formale del concetto di numero, riusc` ad isolare nel suo [1888], gli assiomi riguardanti lo zero e il successore, nella forma 0 S (0) = 1 S (S (0)) = 2 ...
e poich e tutti i numeri sono della forma 0 o S (x), Dedekind li den` per ricorsione primitiva a partire da quegli elementi base.
28
2) 3)
f unzione
successore : S (n) = n + 1
f unzione
n proiezione : Ii (n N, 1 i n).
Le prime due funzioni rappresentano ovviamente i corrispettivi funzionali della base di induzione e del passo di induzione; lultima invece, la funzione proiezione, esplicita la procedura che permette di assumere argomenti in N e restituire valori nello stesso insieme. A partire dalle funzioni iniziali, possiamo determinare come primitive ricorsive tutte le funzioni generate a partire da queste per mezzo dei seguenti due schemi di formazione: - Schema di composizione: la funzione f ` e denita a partire da g e h se f (a1 , . . . , an ) = g (h1 (a1 , . . . , an ) . . . hn (a1 , . . . , an )) (1.3)
ovvero la funzione f equivalente alla funzione ricorsiva g applicata alle funzioni h1 , . . . , hn , aventi come oggetti i termini a1 , . . . , an , rientra nellinsieme Rp (chiusura rispetto alla composizione )22 ; - Schema di ricorsione primitiva: una funzione f ` e denita da g ed h per ricorsione primitiva se f (x1 , . . . , xn , 0) = h(x1 , . . . , xn ) (1.4) f (x1 , . . . , xn , y + 1) = g (x1 , . . . , xn , y, f (x1 , . . . , xn , y )) dunque le funzioni generate in questo modo, che esplicitano in sostanza lo schema di induzione, sono incluse nellinsieme Rp (chiusura rispetto alla ricorsione primitiva ). Adesso possiamo quindi denire la classe delle funzioni primitive ricorsive come segue23 : Denizione 1.2.7 La classe delle funzioni primitive ricorsive ` e la pi` u piccola classe di funzioni 1. contenente le funzioni iniziali: zero, successore, proiezione (schema 1.2); 2. chiusa sotto composizione (schema 1.3); 3. chiusa sotto ricorsione primitiva (schema 1.4). Qui possiamo accennare ad unanalogia con quanto detto nel paragrafo precedente circa la nozione di derivazione allinterno di un sistema assiomatico: le funzioni iniziali rappresentano in qualche modo linsieme degli assiomi della classe Rp, alla quale apparterranno tutte le funzioni derivabili da tale insieme per applicazione di uno degli schemi, di composizione o di ricorsione primitiva (che funzionano in questo senso come regole del sistema). Cos` le funzioni iniziali sono banalmente computabili, gli schemi di
22 Questo schema di formazione di funzioni ricorsive primitive ` e anche detto schema di sostituzione : utilizziamo qui laccezione altrettanto comune di composizione poich e ci pare intuitivamente pi` u esplicativa del tipo di formazione eseguita. 23 Questa denizione ` e sostanzialmente equivalente in Dedekind [1888], Skolem [1923] e coincide con quella classe di funzioni determinata come eettivamente computabile in G odel [1931].
29
composizione e ricorsione primitiva mantengono la ricorsivit` a, e la derivabilit` a allinterno della classe Rp rappresenta una lista di istruzioni che permette di calcolare valori in maniera eettiva. Le funzioni ricorsive primitive sono, di fatto, sucienti a costruire unaritmetica formale che contenga le funzioni di somma e prodotto24 . Se la classe C, cio` e linsieme delle funzioni computabili, non contenesse altro che linsieme delle funzioni della classe Rp, per come questa ` e stata presentata nella Denizione 1.2.7, allora non esiste` tuttavia possibile rebbero altre funzioni computabili se non le ricorsive primitive. E mostrare che esistono funzioni computabili che non sono primitive ricorsive, cio` e la cui derivazione non ` e possibile a partire dalle funzioni iniziali25 .
1.2.2
Ricorsivit` a generale
Occorre quindi estendere la classe Rp al ne di determinare tutte le funzioni che rientrano nella classe C. Tale classe ` e infatti pi` u precisamente identicata con la classe, che noi diremo Rg, delle funzioni ricorsive generali. Possiamo sin da subito fornire la denizione della classe Rg: Denizione 1.2.8 La classe delle funzioni ricorsive generali ` e la pi` u piccola classe di funzioni 1. contenente le funzioni iniziali: zero, successore, proiezione; 2. chiusa sotto composizione; 3. chiusa sotto ricorsione primitiva; 4. chiusa sotto -ricorsione. Loperatore che ci permette lestensione della classe Rp alla classe di funzioni Rg, per soddisfare ad una denizione completa della classe C, ` e allora il operatore, detto anche operatore di minimizzazione 26 . In una formula con una variabile libera x, loperazione detta di minimizzazione (x)(x), denota il minimo numero x per cui vale (x). Data allora una funzione computabile g per la quale valga la condizione di eettivit` a o regolarit` a (a1 , . . . , an )(x)g ((a1, . . . , an ), x) = 0
24 Si
(1.5)
tratta dellaritmetica Q di Robinson, mentre lAritmetica Primitiva Ricorsiva (Skolem [1923]) aggiunge assiomi corrispondenti alle denizioni di tutte le funzioni primitive ricorsive. Cfr. Oddifreddi [1989], p.23. 25 La prima di queste funzioni ` e la cosiddetta funzione di Ackermann, presentata in Ackermann [1928], e denibile come funzione a partire dalle funzioni somma, prodotto ed esponenziazione; unaltra dimostrazione dellesistenza di tali funzioni fu data da Rosza Peter in termini di processo di diagonalizzazione di Cantor (si veda pi` u avanti la nota 50 a p. 42). Per queste dimostrazioni si veda Frixione [1991], par. 2.3. La funzione di Ackermann ` e cos` ricorsivamente rappresentata: A(m, n) = n + 1 se m = 0 A(m, n) = A(m 1, 1) se n = 0 A(m, n) = A(m 1, A(m, n 1) altrimenti
26 La denominazione del -operatore risale a Kleene [1938]; di tale operatore Kleene dimostr` o anche che preserva la -denibilit` a, cui accenneremo nel prossimo paragrafo, e lo utilizz` o per la seconda versione del suo Teorema di forma normale in Kleene [1943].
30
e cio` e lesistenza di una valore x che aggiunto agli argomenti a1 , . . . , an di una funzione g restituisce come valore 0, possiamo denire una nuova funzione computabile f a partire da g , secondo la seguente denizione:
f (a1 , . . . , an ) = x(g ((a1 , . . . , an ), x) = 0).
(1.6)
Cos` adesso questa classe estesa di funzioni dette semplicemente ricorsive (R), ` e quella che contiene le funzioni iniziali ed ` e chiusa sotto sostituzione, ricorsione primitiva e -ricorsione27 .
1.2.3
La Tesi di Church e la -denibilit` a
Abbiamo sino a questo punto condotto lequivalenza tra computabilit` a (C) e ricorsivit` a (R), trovandoci costretti ad estendere la nozione di ricorsivit` a primitiva (Rp) a quella di ricorsivit` a generale (Rg) tramite linserimento delloperatore . Adesso, la risposta alla domanda se la classe delle funzioni computabili corrisponde alla classe delle funzioni ricorsive ed ` e da questa esattamente esaurita, cio` e se C R, ` e disponibile, ed enunciata dalla cosiddetta tesi di Church, dal nome del logico Alonzo Church, cui si deve la sua prima formulazione: Tesi 1.2.9 Linsieme delle funzioni eettivamente computabili coincide esattamente con linsieme delle funzioni ricorsive, essendo queste ultime lequivalente matematico esatto delle prime. La Tesi ` e ovviamente costituita da una doppia implicazione. Quella che stabilisce la computabilit` a di ogni funzione ricorsiva generale ` e facilmente vericabile a partire dalla denizione stessa di funzione computabile come enunciata dalla Denizione 1.2.2; ci` o che invece risulta pi` u problematica ` e la seconda implicazione, quella che stabilisce la ricorsivit` a generale di ogni funzione intuitivamente computabile. La Tesi di Church ` e tuttoggi, e rimarr` a sempre, una tesi perch e non pu` o esistere di essa una dimostrazione tale da farla divenire un teorema. Infatti, la nozione di computabilit` a eettiva implicata dalla tesi ` e una nozione intuitiva e non ` e dunque possibile fornire unequivalenza formale con la nozione di ricorsivit` a. Tuttavia si fa appello alla natura essenziale che, in certo modo, identica (se non denisce) la nozione di computabilit` a, ovvero di algoritmo: la procedura meccanica nita. Assumendo questa come denizione, una verica della Tesi di Church risulterebbe possibile in termini di controesempio, ossia il reperimento di una funzione eseguita tramite una procedura meccanica nita che non sia ricorsiva generale. Pur non essendo possibile, come si ` e detto, una dimostrazione formale dellidentit` a tra computabilit` a e ricorsivit` a generale, esistono delle argomentazioni (con un alto grado di plausibilit` a) che ci permettono di sostenere limpossibilit` a del reperimento di un controesempio alla tesi, nei termini in cui lo abbiamo appena illustrato: a. tutte le funzioni computabili sinora vericate sono risultate appartenenti alla classe delle ricorsive generali; b. i metodi per dimostrare che le funzioni computabili coincidono con le ricorsive generali sono sviluppati in maniera tanto ampia da far ritenere improbabile lesistenza di funzioni cui non possano applicarsi tali metodi;
27 E ` possibile dimostrare che il metodo di diagonalizzazione non permette di trovare controesempi alla classe Rg. Si veda al proposito Frixione [1991], par. 3.1.
31
c. nessun tentativo di sviluppare funzioni computabili non ricorsive ` e andato a buon ne; d. tutte le diverse formulazioni di funzioni computabili sono equivalenti (come vedremo adesso a proposito della -denibilit` a, della computabilit` a per mezzo di macchine di Turing, e come vale nel caso di altre forme di ricorsivit` a come quella di Herbrand-G odel, dei modelli canonici di Post e degli algoritmi di Markov); e. in particolare, lequivalenza tra computabilit` a intuitiva e quella formalmente denita per mezzo delle macchine di Turing, ci fornisce, come vedremo, la prima esplicazione certa e determinata di tale nozione intuitiva, permettendoci cos` di enunciare anche lequivalenza con la ricorsivit` a. Di grandissimo impatto teorico ` e inoltre la conseguenza essenziale della tesi di Church, ovvero che la presenza (dimostrata) di problemi che non ammettono soluzioni ricorsive implica necessariamente il riconoscimento di un limite essenziale della capacit` a di calcolo in generale, che da allora ` e stata anche estesa ad una non sempre appropriata analisi dei limiti algoritmici della mente umana28 . Questultima considerazione di valore teorico sulla tesi di Church, diventa indispensabile per comprendere, nel passaggio dalla computabilit` a matematico-formale a quella eseguita da macchine astratte, ma realmente implementabili, il rapporto di limitazioni e potenza di calcolo tra mente e computer. Ma prima di avviarci alla trattazione della Turing-computabilit` a, e di vericare in termini di macchine calcolatrici lequivalenza proposta da Church, tratteremo ora brevemente di unaltra forma di computazione, sviluppata in termini di notazione puramente astratta e presentata proprio in Church [1936]. In questo testo egli propone unapplicazione delle proposizioni indecidibili la cui esistenza era stata dimostrata da G odel29 ; per far questo indica innanzitutto due denizioni equivalenti di calcolabilit` a eettiva: 1. una funzione di interi positivi ` e calcolabile se essa ` e ricorsiva; 2. una funzione di interi positivi ` e calcolabile se essa ` e -denibile. Nel secondo paragrafo dellopera, Church presenta un sistema, secondo un vocabolario di formule ben formate corredate di variabili (libere e vincolate) nonch e di operazioni fondamentali. Loperatore , che permette la nuova denizione di funzione calcolabile, ` e in questo sistema nientaltro che un operatore che vincola allesterno di una formula M , la variabile libera x che ad essa appartiene, secondo lo schema x.M 30 . Loperazione in questione agisce sostanzialmente su due espressioni, e il risultato ` e una terza espressione che rappresenta il valore della prima (operatore) quando ha la seconda (operando) come argomento. Loperazione di astrazione tramite -operatore permette di rappresentare funzioni unarie, ma ci` o non costituisce una vera e propria restrizione: per esempio ` e possibile rimpiazzare qualsiasi funzione del tipo (x0 , x1 , . . . , xn ), con una funzione unaria che riceva altre funzioni come argomenti, con espressioni del tipo x0 .(x1 .(. . . (. . . (x1 , . . . , xn ) . . .)))31 .
28 Per fare un esempio algebrico di irresolubilit` a algoritmica possiamo ricordare le dimostrazioni di Paolo Runi e Niels Abel riguardanti limpossibilit` a di calcolare soluzioni di equazioni di grado n per n > 4. 29 G odel [1931]. 30 Questa ` e la notazione odierna usata nel -calcolo, ricavata da Bellotti, Moriconi, Tesconi [2001], laddove la notazione usata da Church ` e x[M ]. 31 Si veda al proposito Bellotti, Moriconi, Tesconi [2001], p.18.
32
Il calcolo ` e strutturato su tre operazioni fondamentali di rimpiazzamento delle variabili32 , che in sostanza deniscono loperazione di conversione di una formula in unaltra, A conv B. La conversione pu` o ad esempio avvenire per rimpiazzamento in una formula M di ogni sua parte che sia della forma (x.M)(N) con una formula corrispondente alla sostituzione in M della variabile x con variabili di N che non occorrono in M, cio` e con una formula che risponda allo schema
x M; Sn
tale conversione sar` a allora detta riduzione. Secondo la notazione moderna del -calcolo, loperazione di riduzione ( -riduzione, indicata con ed eseguita tramite operazioni di -contrazione, rappresentata come 1 ), calcola il valore di una funzione espressa da x.M applicata ad argomento N tramite la sostituzione M[x/N]. Dunque un termine del linguaggio del -calcolo con struttura (x.M)N si dice riducibile ( -redex, da reducible expression )33 . Quando una formula ` e assolutamente priva di elementi con struttura (x.M)(N) indica una formula in forma normale. Loperazione di riduzione consente dunque il passaggio da una formula M del tipo -redex, ad una M che rappresenta la -forma normale di M34 . Viene identicata dunque la -denibilit` a con lesistenza per una funzione F ad un intero positivo, di una formula F tale che per m ed n interi positivi che stanno per abbreviazioni delle formule M ed N, se F (m ) = n allora esiste F(M) conv N che rappresenta loperazione nale che produce il risultato ricercato35 . Il passaggio successivo ` e quello di identicare le funzioni di interi positivi con le funzioni dette
32 Church
[1936], p.91. Moriconi, Tesconi [2001], p.25-28. 34 Si veda Bellotti, Moriconi, Tesconi [2001], p.28: La relazione di -riduzione ` e la chiusura riessiva e transitiva della relazione di -contrazione [. . .] e quindi rappresenta la possibilit` a di svolgere tutte le operazioni implicite in un termine, no alleventuale determinazione di un risultato nale, non ulteriormente modicabile - la sua -forma normale appunto - che pu` o essere considerato il pi` u semplice fra tutti i termini con quella interpretazione intuitiva.
33 Bellotti, 35 In riferimento alla riproposizione in termini di funzione ad interi positivi, Church ([1936], p. 93), pu` o dunque aermare che
33
ricorsive e, grazie al lavoro di Kleene [1936], si ha anche che tale equivalenza pu` o venire estesa a sua volta alle funzioni ricorsive nel senso di G odel [1934]: anche in questo caso lidea ` e quella di un algoritmo per mezzo del quale sia possibile calcolare eettivamente valori particolari della funzione. Dopo aver posto luguaglianza tra la nozione di funzione ricorsiva di interi positivi e quella di funzione -denibile, Church le identica come denizioni del concetto pi` u generico di calcolabilit` a eettiva, che diventa a sua volta (in termini di nitezza o innitezza enumerabile degli assiomi e delle regole) la caratteristica identicativa del sistema formale36 e, come sottolinea lo stesso Church, questo vuol dire che nei termini di un sistema di rappresentazioni di G odel per le espressioni della logica, ciascuna operazione deve essere ricorsiva, e il loro insieme ricorsivamente enumerabile37 . Lequivalenza dei concetti di -denibilit` a e ricorsivit` a generale ` e completa. Ritornando a porre attenzione alla classe delle funzioni ricorsive generali, che come indicato ad inizio di paragrafo comprende le funzioni iniziali e quelle chiuse per composizione, ricorsione primitiva e minimalizzazione, si pu` o dimostrare che 1. le funzioni iniziali sono -denibili; 2. la classe delle funzioni -denibili ` e chiusa per composizione, ricorsione primitiva e -ricorsione; o dimodunque le funzioni ricorsive sono -denibili e viceversa38 . Lo stesso pu` strarsi per la classe delle funzioni ricorsive parziali, quelle cio` e che non ottengono un risultato per qualsiasi valore, e dove il problema da risolvere ` e quello di esprimere nei termini del -calcolo lindenitezza della funzione, esattamente rispetto a quei casi della n-pla di argomenti rispetto ai quali la computazione non giunge ad un risultato. In sostanza si dimostra che la funzione possiede una forma normale solo quando gli argomenti trattati dalloperatore sono gli stessi per i quali essa ` e denita, viceversa essa non possiede una forma normale, procedendo in questo caso allinnito39 .
` e chiaro che, nel caso di ogni funzione di interi positivi -denibile, il processo di riduzione di formule a forma normale fornisce un algoritmo per il calcolo eettivo di particolari valori della funzione. (Questa e le successive traduzioni da Church sono nostre.) Va comunque notato che rispetto allargomentazione di Church ` e stato anche posto un problema di correttezza, in quanto la ricorsivit` a di un processo si basa sul fatto che ogni passo del processo deve essere esso stesso ricorsivo, mentre questa propriet` a sarebbe pi` u presupposta che mostrata nellargomento di Church. Si veda al proposito Sieg [1994], p.80. 36 Cfr. Church [1936], p.101: ` e necessario che ciascuna regola della procedura sia unoperazione eettivamente calcolabile, che linsieme completo delle regole della procedura (se innito) sia eettivamente enumerabile, che linsieme completo degli assiomi formali sia eettivamente enumerabile, e che la relazione tra un intero positivo e lespressione che sta per esso sia eettivamente determinabile. [1936], p.101. la dimostrazione dellequivalenza tra -denibilit` a e ricorsivit` a generale, pu` o confrontarsi Bellotti, Moriconi, Tesconi [2001], pp.63-74. 39 Si veda al proposito Bellotti, Moriconi, Tesconi [2001], pp. 75-80. Il valore teorico del calcolo ` e raorzato dalla sua utilit` a concettuale come presupposto teorico di uno dei linguaggi di programmazione pi` u potenti dal punto di vista delle capacit` a espressive, ovvero il PROLOG, oltre alle connessioni con la teoria dei tipi, con la teoria della dimostrazione, in particolare con
38 Per 37 Church
34
1.3
La rappresentazione di Turing della nozione di calcolabilit` a
Il primo autore ad avvicinare concettualmente ricorsivit` a e calcolabilit` a mediante una macchina fu Carl Babbage, che propose lidea di una macchina programmabile per eettuare qualsiasi tipo di calcolo, da lui chiamata macchina analitica. Le funzioni necessarie alla macchina erano da Babbage chiaramente identicate nelle operazioni aritmetiche elementari di somma e prodotto e di quelle da esse ottenibili per ricorsione primitiva e minimizzazione, in sostanza ci` o che corrisponde alla nozione moderna di ricorsivit` a. Ma lopera di Babbage, anche nei suoi risvolti tecnologici, fu conosciuta molto tardi, ed ebbe poco inusso sugli sviluppi successivi40 . Leettiva identicazione della computabilit` a in termini di ricorsivit` a ` e in realt` a dovuta soprattutto ad Alan Mathison Turing e al suo nuovo concetto di computabilit` a per mezzo di una macchina. Il presupposto teorico che ci permetter` a di giungere allillustrazione delle macchine di Turing ` e lautoma nito : tali sono detti dei sistemi meccanici dotati di dispositiviinput, cio` e canali di dati in ingresso, e dispositivi-output, ovvero canali di dati in uscita. Tali automi lavorano in relazione ad una scala di tempi discreti: in ciascun istante di tale scala lautoma nito sar` a ovviamente caratterizzato da ununica congurazione di simboli in ingresso, un unico stato interno e ununica congurazione in uscita. Possiamo ovviamente immaginare automi niti con pi` u di un dispositivo-input e in relazione al numero di possibili combinazioni di simboli in entrata ` e determinato anche il numero dei possibili stati dei canali di uscita. Le macchine computabili di Turing sono ideate sul concetto di un computatore umano ideale, il quale, pur rispettando determinate condizioni di nitezza, per esempio nellesecuzione delle operazioni in un tempo nito, non ` e vittima di alcune limitazioni tipiche dellagente umano, ad esempio rispetto alla possibilit` a di lavorare per un tempo molto lungo o alla capacit` a di eseguire un numero elevato di operazioni senza risentirne in termini di risoluzione di calcolo. Turing descrive tali macchine, che da adesso in poi chiameremo T-macchine, appunto tramite un paragone che mette in evidenza prima di tutto la condizione di nitezza della macchina stessa: Possiamo paragonare un uomo nel processo di computare un numero reale ad una macchina che sia capace solo di un numero nito di condizioni q1 , q2 , . . . , qR , che saranno chiamate m-congurazioni 41 . La macchina pensata da Turing ` e composta da un nastro potenzialmente innito, che rappresenta la memoria della macchina (il che riette la propriet` a della macchina di essere senza limiti rispetto alle potenzialit` a di calcolo). Tale nastro ` e diviso in celle, ciascuna delle quali contiene uno solo dei simboli che costituiscono lalfabeto della Tmacchina, cos` descritta da Turing (vedi Fig. 1.1):
le applicazioni alla programmazione della teoria dei tipi di Per Martin-L of, e con la teoria delle categorie. Si veda al proposito Longo [1988]. 40 Tuttavia bisogna ricordare che il lavoro di Babbage e i suoi progetti suscitarono linteresse e provocarono la reazione della glia di Lord Byron, Ada Lovelace, che vedremo pi` u avanti (nota 60 a p. 48) come intestataria di una delle obiezioni elencate (e ribattute) da Alan Turing contro la possibilit` a teorica dellIntelligenza Articiale. 41 Turing [1936], p.117. Questa e le successive traduzioni da Turing sono nostre.
35
La macchina ` e fornita di un nastro (lanalogo della carta) che scorre attraverso di essa, e diviso in sezioni (chiamate celle) ciascuna capace di contenere un simbolo. In ogni istante c` e solo una cella [. . . ] che si trova nella macchina. Chiamiamo questa la cella esaminata. Il simbolo nella cella esaminata pu` o essere chiamato il simbolo esaminato. Il simbolo esaminato ` e il solo del quale la macchina sia, per cos` dire, direttamente cosciente.42 Dunque dobbiamo pensare le T-macchine come degli automi che godono della propriet` a di avere una memoria virtualmente illimitata: in sostanza si tratta di una classe speciale di automi niti dotati di illimitate capacit` a di memoria. Linsieme dei simboli della T-macchina ` e tuttavia determinato e nito, rappresentabile dallinsieme = 2, 1 , . . . , n dove il simbolo 2 indica la possibilit` a che la cella resti vuota. Le celle vengono progressivamente lette da una testina, e per mezzo di essa la T-macchina ` e anche in grado di scrivere simboli in base alle sue regole di computazione.
. . . . . . nastro
[Read] macchina
nastro . . . . . .
Figura 1.1: T-macchina con nastro di memoria e cella in lettura.

Le regole sono essenzialmente del tipo: - leggi il simbolo nella cella esaminata, Read : [c]; - sostituisci il simbolo esaminato con altro simbolo, Sub : [x /1 ]; - se la sostituzione ` e della forma Sub : [x /2], loperazione equivale a cancellare il simbolo esaminato; - leggi il simbolo nella cella esaminata (eventualmente sostituisci o cancella) e spostati di una cella verso destra, (Read : [c], Sub : [x /1 ])Right : c c1 ; - leggi il simbolo nella cella esaminata (eventualmente sostituisci o cancella) e spostati di una cella verso sinistra, (Read : [c], Sub : [x /1 ])Lef t : c1 c; - leggi il simbolo nella cella esaminata (eventualmente sostituisci o cancella) e resta fermo, (Read : [c], Sub : [x /1 ])Halt : c c; - scrivi un simbolo nella nuova cella esaminata: W rite : n . La T-macchina esprime dunque delle condizioni di nitezza rispetto al numero dei simboli, al numero delle celle osservate in ciascun momento (sempre una) e al numero di stati possibili determinati dalle congurazioni precedenti, Q = q1 , . . . , qn da Turing detti stati interni, e paragonati agli stati mentali del computatore umano ideale. Dunque il comportamento della T-macchina sar` a totalmente determinato dalla
42 Turing
[1936], p.117.
36
coppia (qx , x ), costituita dalla m-congurazione, cio` e dallapplicazione di una delle possibili regole di computazione, e dal simbolo rispetto al quale la T-macchina esercita tale operazione. La coppia m-congurazione/simbolo ` e da Turing detta semplicemente congurazione : la congurazione determina il possible comportamento della macchina. In alcune delle congurazioni nelle quali la cella esaminata ` e vuota (cio` e non presenta alcun simbolo) la macchina scrive un nuovo simbolo nella cella esaminata: in altre congurazioni essa cancella il simbolo esaminato. La macchina pu` o anche cambiare la cella che viene esaminata, ma solo spostandosi di un posto verso destra o verso sinistra. La m-congurazione pu` o venire cambiata in aggiunta a ciascuna di queste operazioni.43 . La T-macchina in questione risulta, dunque, totalmente determinata rispetto alle sue possibilit` a di computazione, in base alla sua m-congurazione attuale, cio` e lo stato in cui essa si trova, e in base ai tipi di operazione eseguibili di cui essa dispone. Tale condizione di determinatezza impone ovviamente che il lavoro prodotto dalla T-macchina sia totalmente meccanico, escludendo ogni elemento creativo o casuale. Per rappresentare le operazioni svolte da una di tali macchine con un simbolismo pi` u semplice di quello sopra indicato a. eviteremo di indicare le operazioni di lettura e scrittura, indicando piuttosto gli stati e i simboli; b. le operazioni che si presentano nella simbolizzazione sono quelle di spostamento verso sinistra (L), verso destra (R) e mantenimento di posizione (H ); c. una congurazione C sar` a perci` o indicata da una terna costituita dal simbolo x presente nella cella esaminata; da una delle operazioni L, R o H , indicata genericamente con X ; dallo stato qx cui la T-macchina perviene a seguito delloperazione svolta. Secondo questa notazione, la terna x Lqx indica una generica congurazione di una T-macchina che scrive nella cella osservata il simbolo x , si sposta di una cella verso sinistra ed assume lo stato qx ; unaltra congurazione ` e la terna del tipo 2Hqx che si legge come segue: la T-macchina cancella il simbolo nella cella esaminata, resta ferma sulla stessa cella e passa nello stato qx . Denita ciscuna di queste terne come un esempio di operazione atomica, possiamo aancarla alla coppia simbolo-stato che indica la congurazione cui loperazione si applica. Ad esempio, se la T-macchina si trova nella congurazione i , qi
43 Turing
[1936], p.117
37
cio` e nello stato qi con simbolo i presente nella cella esaminata, possiamo indicare con i , qi |j Lqj
(1.7)
il fatto che viene letto il simbolo i nella congurazione qi , sostituito con un altro simbolo j e inne che la T-macchina si sposta nella prima cella a sinistra ed entra nello stato qj . Ogni possibile macchina di Turing sar` a allora completamente determinata dallinsieme di tutte le possibili quintuple ottenibili secondo le istruzioni date per eseguire i calcoli di quella T-macchina. Lapplicazione di istruzioni alle congurazioni di una Tmacchina deve essere anchessa predeterminata, e ci` o signica che deve essere possibile applicare una sola istruzione a ciascuna congurazione; in sostanza non si presenter` a alcuna quintupla con i due simboli iniziali (quelli che indicano appunto la congurazione) uguali, e i tre successivi (quelli che indicano loperazione eettuata) diversi44 . Lultima convenzione necessaria ad una descrizione completa di una T-macchina, ` e che ad alcune delle congurazioni possibili non corrisponda alcuna operazione applicabile: le congurazioni che non permettono la formazione di alcuna quintupla sono dette congurazioni nali e la loro presenza assicura che il calcolo eseguito dalla T-macchina abbia termine. Possiamo adesso cercare di riassumere la descrizione sin qui svolta della T-macchina, raccogliendo gli elementi che riteniamo essenziali ad una sua denizione:
Denizione 1.3.1 Una T-macchina (o macchina di Turing) ` e un dispositivo che pu` o essere descritto a partire da un insieme dei simboli, un insieme Q di stati possibili, e una procedura algoritmica in grado di produrre una serie nita di quintuple del tipo e deqi , i |j Xqj , dove qi , qj Q, i , j e X = {L, R, H }. Ciascuna quintupla ` scrivibile come segue: la doppietta iniziale contiene la congurazione di partenza della macchina (m-congurazione + simbolo), la terzina seguente contiene invece il nuovo simbolo, loperazione e lo stato nale cui la macchina perviene; tale serie nita di quintuple non pu` o contenere due elementi che presentino la stessa condizione iniziale e diversi stati nali, poich e linsieme delle quintuple ` e assolutamente predeterminato.
Denita la T-macchina tramite la descrizione delle sue quintuple e cos` illustrate le sue propriet` a ed operazioni, possiamo mostrare la traduzione delle quintuple tramite una notazione decimale composta per terzine di numerali45 :
44 Utilizziamo qui il termine pre-determinata per sottolineare una distinzione essenziale rispetto alla determinazione cui abbiamo precedentemente fatto riferimento. La determinazione riguarda i limiti di nitezza imposti alla T-macchina rispetto alle possibilit` a di combinazione di congurazioni e simboli dati in un numero nito: ad esempio, posto che la T-macchina abbia compiuto loperazione Read : [c], non ` e necessario che ad essa segua Lef t : c1 c piuttosto che Right : c c1 , o una qualsiasi altra operazione. La pre-determinazione, invece, ` e esemplicata proprio dal fatto che ciascuna istanza di una T-macchina, data la congurazione iniziale, non pu` o che dare ununica terzina conclusiva. La distinzione tra determinazione e pre-determinazione verr` a comunque ripresa ed ampliata nel par.3.2. 45 La limitazione essenziale di una tale notazione, consiste nel non poter fare riferimento di fatto ad un numero superiore alle 100 unit` a per gli insiemi e Q; ma questa limitazione ` e facilmente superabile facendo riferimento a migliaia piuttosto che a centinaia qualora necessario.
38
simbolo 2 1 2 ... n q1 q2 ... qn L R H , | ;
cif ra 101 102 103 ... 1nn 201 202 ... 2nn 301 302 303 000 444 555 666
In questo elenco, oltre i simboli gi` a introdotti, abbiamo inserito il simbolo ;, che serve alla separazione di due quintuple diverse, e il simbolo che invece indica la chiusura di una serie di quintuple, ovvero la ne della descrizione di una T-macchina. Adesso ` e semplice tradurre una qualsiasi quintupla in una sequenza di cifre. Ad esempio la quintupla 1 , q1 |2 Lq2 sar` a immediatamente traducibile nella sequenza numerica 102000201444103301202 che ` e univocamente leggibile in quanto sappiamo che essa va analizzata per terzine, e possiamo identicare la corrispondenza di ciascuna terzina dal primo numerale (1 per i simboli, 2 per gli stati ecc..). Nello stesso modo, e semplicemente aggiungendo la codica del simbolo ;, possiamo rappresentare una congurazione intera di una T-macchina, composta ad esempio da tre quintuple: 1 , q1 |2 Hq1 ; 2 , q1 |3 Lq2 ; 3 , q2 |1 Rq1 che ` e immediatamente codicabile dalla sequenza numerica
102000201444103303201555103000201444104301202555104000202444102302201666. Vedremo tra breve un metodo che ci permetter` a di codicare in maniera molto pi` u agevole le quintuple di una T-macchina, e sulla base di quel metodo anche lutilit` a della codica stessa apparir` a del tutto evidente.
39
1.3.1
T-computabilit` a
La nozione di computabilit` a per mezzo di una macchina di Turing esprime lo stesso concetto della -denibilit` a, come mostr` o lo stesso Turing in unappendice a [1936] intitolata Computability and eective calculability. A detta dello stesso Church, la computabilit` a rappresentata in termini di T-macchine ha il vantaggio di rendere immediatamente evidente lidentit` a con la nozione intuitiva di eettivit` a, anche non formalmente denita46 . La natura genericamente computabile delle funzioni producibili da una macchina di Turing appare evidente per la stessa denizione delle T-macchine; ma la relazione con la nozione di T-computabilit` a andava determinata in maniera pi` u precisa in termini di ricorsivit` a generale: questo fece lo stesso Turing in [1936]. Iniziamo illustrando quella che possiamo denire Tesi di Turing : Tesi 1.3.2 Le funzioni ricorsive generali sono esattamente quelle prodotte da una macchina di Turing47 . Questa tesi non rimane per` o tale, essendo traducibile nel seguente Teorema di Turing : Teorema 1.3.3 Tutte e sole le funzioni T-computabili sono ricorsive generali. La dimostrazione che porta a tale teorema si svolge ovviamente secondo una duplice traccia: 1. si dimostra che le funzioni ricorsive generali sono T-computabili; 2. si dimostra che le funzioni T-computabili sono ricorsive generali. Per il punto 1. si procede per induzione prima sulle funzioni iniziali, mostrando che funzione zero, successore e proiezione hanno delle rispettive T-macchine in grado di computarle, e poi illustrando come lapplicazione degli schemi di composizione, ricorsione primitiva e -ricorsione a funzioni computabili da T-macchine, generano funzioni altrettanto computabili. Il punto 2. rappresenta la parte pi` u complessa della dimostrazione. Come sappiamo, una T-macchina ` e completamente descrivibile dalla serie delle sue quintuple. Tramite loperazione di aritmetizzazione, detta altrimenti g odelizzazione, che come sappiamo ci permette di tradurre alfabeti simbolici qualsiasi in rappresentazioni aritmetiche, possiamo riscrivere ciascuna quintupla di una T-macchina come una a come oggetto il numero g odeliano che cofunzione aritmetica M . Tale funzione avr` dica la quintupla dello stato in cui si trova la T-macchina. Quali sono i risultati della funzione M ( )? Tale funzione avr` a un valore equivalente al g odeliano che codica la quintupla che descrive lo stato successivo a quello presente, se questultimo non ` e uno stato nale; rester` a invece con valore se si tratta di uno stato nale. A questo punto ` e possibile dimostrare non solo che M ` e ricorsiva primitiva, ma anche denire nuove funzioni per ricorsione primitiva a partire da M , che dunque saranno anchesse ricorsive primitive. Chiamiamo M una nuova funzione ricorsiva primitiva computata a partire da M : questa funzione avr` a dunque come oggetto il numero di G odel della
[1936a]. lattenzione alle funzioni di interi positivi, la tesi di Turing ` e esattamente equivalente alla tesi di Church, in relazione allequivalenza estensionale delle forme di computabilit` a. Kleene [1967] sembra aver usato per primo il termine Tesi di Church-Turing.
47 Ponendo 46 Church
40
funzione M , e computer` a un certo numero di passi della macchina M che le daranno un nuovo g odeliano se la situazione descritta da M non ` e uno stato nale, lo stesso g odeliano di partenza viceversa. Dunque si denisce M (, ) come segue, dando come il g odeliano di una situazione di partenza della T-macchina M , e come un certo numero di passi del calcolo eseguiti su :
M (, ) =
M (, 0) = M (, s()) = M (M (, )).
(1.8)
Essendo tale funzione computata ricorsivamente a partire da una ulteriore funzione ricorsiva primitiva, possiamo computare su di essa la funzione di minimizzazione , di modo da ottenere il minimo numero di passi di computazione che ci permettono di ottenere, a partire dal g odeliano di una situazione di partenza, il numero di G odel di una situazione nale. Questa operazione, nella sua completezza, diventa dunque la traduzione, con i mezzi della ricorsivit` a, delle funzioni T-computabili: essendo tale operazione eseguibile per una qualsiasi macchina di Turing, ` e provata lequivalenza estensionale tra ricorsivit` a e T-computabilit` a.
1.3.2
Incompletezza algoritmica della T-macchina
Il lavoro di Turing [1936] mostrava che una larga classe di numeri (cio` e sostanzialmente lintera teoria dei numeri) ` e computabile, ma che esistono esempi di numeri denibili che non sono computabili. Per essere pi` u precisi, quanto dimostrato da Turing ` e la maggiore estensione della ricorsivit` a rispetto alla ricorsivit` a enumerabile, quello cio` e che potremmo chiamare il Teorema di incompletezza di Turing : Teorema 1.3.4 Esistono insiemi di numeri naturali che sono ricorsivamente enumerabili ma non ricorsivi. Questo Teorema aerma indirettamente i limiti di computabilit` a delle T-macchine. La dimostrazione di tale teorema parte dalla enumerabilit` a dellinsieme di tutti i possibili insiemi ricorsivamente enumerabili: ` e in sostanza possibile porre in corrispondenza biunivoca ciascun elemento di tale insieme con gli elementi dellinsieme dei numeri naturali (attraverso la corrispondenza tra gli insiemi ricorsivamente enumerabili e le T-macchine da una parte, e tra queste e i numeri naturali dallaltra). Gli elementi degli insiemi ricorsivamente enumerabili sono a loro volta codicabili tramite numeri naturali e per mezzo di tale codica ` e possibile attribuire un numero di codice a ciascun insieme ricorsivamente enumerabile. A partire da questi elementi si costruisce, ancora una volta tramite una procedura algoritmica determinata, un insieme N , che rappresenta nientaltro che linsieme generato dallenumerazione di tutti gli insiemi ricorsivamente enumerabili: anche N ` e ovviamente ricorsivamente enumerabile. Lesistenza di un insieme ricorsivo ma non ricorsivamente enumerabile, ` e dato dallesistenza dellinsieme , il quale ` complemento N e ovviamente generabile ricorsivamente a partire da N , ma non ` e incluso nellinsieme N di tutti gli insiemi ricorsivamente enumerabili (essendo il complemento di N e dunque non potendo appartenere ciascuno dei suoi elementi alline lesistenza di processi di computo sieme N )48 . Il risultato pratico per le T-macchine ` per i quali ` e possibile che non si raggiunga mai il termine: in eetti lesistenza di insiemi
48 Si
veda a proposito di questa dimostrazione Pessa [1992], p.56-59.
41
ricorsivi ma non ricorsivamente enumerabili ci priva di qualsiasi criterio per essere certi che la procedura di decisione riguardo allappartenenza o meno di un elemento ad un tale insieme si compia in un tempo nito. Le T-macchine dimostrano dunque lesistenza di problemi indecidibili. Sembra ad ogni modo aermata lidea che allinclusione (banale) delle funzioni ricorsive tra le computabili (R C ) possa aancarsi linclusione inversa, e meno evidente, delle computabili nelle ricorsive (C R), che identica cos` in questultime lintera estensione delle funzioni computabili. Il contesto in cui avvenne lottenimento di questo risultato implicava per` o, come abbiamo visto, anche il riconoscimento della impossibilit` a di una procedura di decisione completa per gli insiemi di formule valide e soddisfacibili e, per lestensione dovuta al Teorema 1.3.3, nessun algoritmo prodotto da una T-macchina sarebbe mai stato in grado di decidere della validit` a di tutte le proposizioni (esistendo tra queste dei casi indecidibili). Prima di illustrare nel dettaglio il modo in cui ` e possibile dimostare lincompletezza algoritmica per la T-computabilit` a, occorre introdurre una modalit` a di codica secondo numeri naturali pi` u specica di quella intuitiva vista sopra. Mostriamo allora tale procedura prima per un insieme nito di naturali, poi per una coppia ordinata di numeri naturali e inne per una stringa nita di numeri naturali: queste codiche saranno necessarie per illustrare le funzioni universali e lapplicazione della T-macchina universale49 . La codica di un insieme nito avviene secondo quanto segue: - la codica dellinsieme vuoto ` e 0; - per ogni insieme X = {x1 , . . . , xn } creiamo una sequenza S = (s0 , s1 , . . . , sxn ), tale che per i = 0, 1, . . . , xn si = 1 se i appartiene ad X si = 0 altrimenti - si inverta la sequenza S , ottenendo S = (sxn , . . . , s1 , s0 ); - xn appartiene ad X , dunque sxn = 1, e questa costituisce la prima cifra della sequenza binaria che sar` a la codica di un numero N , cio` e la codica di X ; - per tale numero N vale che N = 2x1 + . . . + 2xn . Questa rappresenta la codica di un insieme di simboli secondo numeri naturali. Illustriamo ora la codica di coppie ordinate di naturali. Iniziamo elencando tutte le coppie di naturali in una matrice innita (0, 0) (1, 0) (2, 0) . . . (n, 0) . . . (0, 1) (1, 1) (2, 1) . . . (n, 1) . . . (0, 2) (1, 2) (2, 2) . . . (n, 2) . . . ... ... ... . . . ... . . . (0, n) (1, n) (2, n) . . . (n, n) . . . ... ... ... . . . ... . . .
49 Per una spiegazione pi` u dettagliata di queste stesse codiche si veda Montagna [2002], par. 8 e 9.
42
che ` e percorribile secondo la direzione diagonale indicata dalle frecce50 ... ... ... ... . . .
. . .
... . . .
... ... . . .
... ... ... . . .
Ciascuna diagonale conterr` a in questo modo un certa serie di coppie; la prima diagonale contiene la sola coppia (0, 0), la seconda le coppie (0, 1) e (1, 0), in generale la k-esima diagonale conterr` a le coppie: (0, k 1), (1, k 2), . . . , (k 2, 1), (k 1, 0). Le coppie presenti nella k-esima diagonale sono in numero di k. Adesso ` e possibile associare ad ogni coppia di numeri naturali, quale suo numero di codica, il numero di passi nella matrice necessari al raggiungimento della coppia, diminuito di 1. Posti questi elementi, non ` e dicile comprendere che sulla diagonale m + n 1-esima ci sono m + n elementi, dunque (m + n) (m + n + 1) 2 risultato dato dalla famosa formula di Gauss, che ci permette di enunciare quanto segue: 1 + 2 + ... + m + n = Denizione 1.3.5 Il numero totale di passi necessari per raggiungere la coppia generica (m, n), dimunuito di 1, ` e il numero (m + n) (m + n + 1) + m. 2 Tale numero ` e detto pseudocoppia ordinata della coppia composta da m e n, e ne costituisce una codica. = Questa dunque la codica di una coppia ordinata di naturali. Illustriamo inne la codica (secondo la stessa tecnica) di una stringa nita di numeri naturali.
50 Il metodo diagonale fu ideato da Cantor nel tentativo di rispondere al problema se la potenza dei numeri reali fosse uguale a quella dei numeri razionali, dimostrando appunto che i primi sono superiori di numero ai secondi. Largomentazione si pu` o sviluppare (in una maniera semplicata) con una reductio ad absurdum, sostenendo che linsieme dei reali ` e numerabile. In questo caso esister` a una corrispondenza biunivoca di tutti i reali con i numeri naturali. Prendendo la diagonale che si forma considerando il primo numero dello sviluppo decimale del reale corrispondente con il primo naturale, il secondo del secondo reale e cos` via no allnesimo, possiamo costruire lo sviluppo decimale di un nuovo numero reale che non si presenter` a nella successione che ` e stata posta in corrispondenza biunivoca con quella dei naturali: ci` o` e possibile sostituendo ad esempio ciascuna cifra con un 1 se tale cifra ` e diversa da 1, e con 2 se ` e diversa da 2, o aggiungendo ununit` a a ciascuna cifra, ed in questo modo il numero reale costruito sar` a diverso dal primo della successione per la prima cifra del suo sviluppo decimale, dal secondo per la seconda cifra e dalln-esimo per ln-esima cifra. Tale reale non sar` a dunque nella successione posta in corrispondenza biunivoca con quella dei naturali, e perci` o i reali sono pi` u dei naturali.
43
Stabiliamo di usare funzioni da {1, . . . , n} a N , cos` che gli accoppiamenti della sequenza (s1 , s2 , . . . , sn ) generano linsieme {(1, s1 ), (2, s2 ), . . . , (n, sn )}. A partire da questo accoppiamento vale quanto segue: - ogni sequenza vuota ` e codicata dal numerale 0; - da ogni coppia (i, si ) si ricavi lappropriata pseudocoppia i secondo la Denizione 1.3.5, e a partire dalle pseudocoppie si genera linsieme nito = {1 , . . . , n }; - otteniamo la codica dellinsieme nito tramite la procedura vista a proposito degli insiemi niti, dunque secondo la formula 21 + . . . + 2n . Viene cos` eseguita la codica di una stringa nita di numeri naturali. Ritorniamo adesso al problema della decisione che, in particolare nellambito della T-computabilit` a, pu` o essere esemplicato nei termini del cosiddetto problema della fermata o halting problem. Per esplicitare tale problema occorre innanzitutto enunciare la seguente Proposizione 1.3.6 Linsieme di tutte le T-macchine ` e enumerabile in modo eettivo. Tale aermazione ` e possibile a partire dal fatto che, come abbiamo gi` a detto, ogni T-macchina ` e identicabile con linsieme delle sue quintuple: infatti per un numero ssato di quintuple, sar` a sempre nito linsieme delle T-macchine che hanno quel numero di quintuple, e determinato ` e anche il numero di simboli , dellinsieme , che compaiono nelle quintuple. Partiamo dalla codica secondo numerali delle quintuple proposta nel paragrafo 1.3: secondo tale codica abbiamo un numerale associato a ciascun elemento di un quintupla, dunque cinque numerali. Utilizzando le formule del procedimento diagonale cantoriano, sappiamo di poter associare un numerale ad ogni coppia di numerali: compiamo allora tale operazione per i primi due numerali della quintupla, poi tra il numerale ottenuto e il terzo della quintupla, tra il nuovo numerale e il quarto e inne con il quinto numerale: cos` inne un solo numerale rappresenter` a la quintupla. Come ottenere allora il numero di codice di unintera T-macchina? Tale macchina sar` a identicata dalla sequenza di m numerali ottenuti dalla codica delle quintuple della macchina in questione; aggiungiamo in coda a tale sequenza il numero naturale m, e procediamo su questa nuova sequenza di numerali con loperazione ispirata al procedimento cantoriano, ottenendo cos` la codica m per la T-macchina M . Avendo aggiunto il numerale m in coda alle codiche delle quintuple, la ricostruzione di queste ultime a partire dal numerale della codica denitiva sar` a univoca. Una volta compiuto lordinamento di tutte le possibili codiche di quintuple, ne segue un ordinamento crescente di tutte le T-macchine, identicate dalla posizione in tale ordine, secondo la forma T1 , . . . , T n con n naturale. Il numerale n ` e dunque il risultato di un ordinamento in un elenco di tutte le T-macchine. Possiamo a questo punto pensare allesistenza di un programma implementato su unulteriore T-macchina detta U , in grado di simulare ciascuna altra T-macchina, ad
44
esempio la macchina M , semplicemente assumendo come suo input la coppia di numeri naturali, costituita da m, come codica denitiva delle quintuple della macchina, ed n come indice di determinazione della macchina M nellenumerazione eettiva: U (m, n), dove U ` e detta macchina universale di Turing. La U -macchina si comporter` a come segue: - letti in input i valori (m, n), verica tramite decodica che m sia la codica di una istruzione di una macchina; se non dovesse esserlo vuol dire che non esiste alcuna macchina che produca un output su quellinput, e dunque neanche U fornir` a alcun output, restituendo come valore per esempio 0; - se U riconosce m come un programma, allora lo fa lavorare sullinput fornito da n, e restituisce come risultato esattamente loutput della T-macchina Mn che fa girare il programma codicato da m. Chiaramente la macchina U ` e in grado di simulare, secondo questo metodo, qualsiasi altra macchina. Per la tesi di Church devono esistere delle funzioni computabili che siano equivalenti al programma implementato dalla macchina U , che possono essere identicate nelle funzioni universali : e detta universale Denizione 1.3.7 Una funzione ricorsiva del tipo (x, x1 , . . . , xn ) ` per le funzioni di n variabili, se per ciascuna funzione ricorsiva (x1 , . . . , xn ) esiste un indice e tale che (x1 , . . . , xn ) = (e, x1 , . . . , xn ). Una volta descritto il funzionamento della U -macchina e delle funzioni che la descrivono, possiamo ritornare al problema dellincompletezza algoritmica espressa da Turing nei termini dello halting problem. Data una T-macchina universale U (x, y ) in grado di simulare ogni singola macchina specica (cio` e essa non simula una specica macchina ma ` e in grado di simularle tutte), sar` a essa in grado di fermarsi su un output denito dopo un numero nito di passi o proseguir` a indenitamente? Lidea ` e espressa mediante unapplicazione del procedimento diagonale cantoriano, gi` a visto per la codica di coppie di numeri naturali. Turing mostra51 che la sequenza numerica che rappresenta lalgoritmo dellinput di fermata di una tale macchina, pur essendo computabile, non rientrer` a nella successione di tutti gli algoritmi computabili di tutte le T-macchine, dunque della versione U della T-macchina. Proponiamo adesso una versione informale ed illustrativa della dimostrazione. Assumiamo lesistenza della macchina H (x, y ) in grado di risolvere il problema della fermata, e che deniamo come di seguito: Denizione 1.3.8 H (x, y ) ` e una macchina tale che per ogni T-macchina M con un numero di G odel m, applicata allinput fornito dalla T-macchina Mn , diviene H (m, n): essa fornisce un valore di output 1 se si ferma, 0 altrimenti. Possiamo denire adesso una seconda T-macchina che chiameremo H , e che deniamo come segue:
51 Turing
[1936], par. 6-7.
45
Denizione 1.3.9 H si ferma se assume come input il valore di codica x della Tmacchina H con numero di G odel x, input per il quale H non pu` o fermarsi, per il procedimento diagonale, ovvero:
1. 2.
se se
H (x, x) = 0 H (x, x) = 1
allora allora
H (x) = 1; H (x) = 0.
Si assegni ora alla macchina H il numero di G odel h . Facendo computare alla macchina universale U linput (h , h ), possiamo ottenere come output quanto segue: a) se U (h , h ) = 1, vuol dire che la macchina universale U si ferma sullinput composto dalla codica della macchina H in posizione h ; per la denizione di macchina universale, che computa ogni possibile macchina, e per le precedenti denizioni della macchina H e di quella H , otteniamo che che H (h ) = 1; ma ci` o, per quanto stabilito al punto 1. della Denizione 1.3.9, avviene solo se H (h , h ) = 0, e dunque, per la stessa denizione di H , vuol dire che H (h ) = 0, cio` e non si ferma. Ma allora, per la denizione di macchina universale, anche U (h , h ) = 0, contro lipotesi; b) il ragionamento ` e ovviamente duale per il secondo caso, cio` e quando U (h , h ) = 0, raggiungendo un risultato contraddittorio anche in questo secondo caso. Il signicato di un tale procedimento, ` e la dimostrazione che non esiste alcuna macchina di Turing in grado di risolvere il problema della fermata e, ipotizzando con Turing lesistenza di un algoritmo svolto da una tale macchina per ogni procedura di decisione, allora il problema ` e indecidibile. Le macchine ideate da Turing non si fermarono ad un livello puramente teorico di sviluppo: ci` o che abbiamo sin qui illustrato, costitu` in eetti una fondazione molto inuente nella progettazione di ENIAC (Electronic Numerical Integrator and Calculator ), la cui realizzazione fu diretta negli Stati Uniti da John von Neumann, del quale avremo presto modo di riparlare, e in quella di ACE (Automatic Computing Engine ), diretto in Gran Bretagna dallo stesso Turing, primi esempi di moderni computers. Sono stati sin qui mostrati gli sviluppi tecnici del concetto di computabilit` a sotto le sue fondamentali espressioni della ricorsivit` a, della -denibilit` a e della Tcomputabilit` a52 , mostrando anche come si manifesti in termini di T-macchine unessenziale incompletezza algoritmica. Da un punto di vista di rigore strettamente matematico, il concetto di ricorsivit` a` e comunque sicuramente superiore sia a quello di -denibilit` a che a quello di T-computabilit` a. Tuttavia fu a partire dallidea di computazione secondo Turing, che ebbe origine il movimento di ricerca sullintelligenza articiale e che approd` o alla cibernetica, poich e fu la sua teorizzazione a proporre il problema dellanalogia (e della dierenza) tra calcolo meccanico e operazione mentale.
52 Si ricordi comunque che il risultato fondamentale ` e la dimostrata equivalenza estensionale delle diverse denizioni di computabilit` a, le quali peraltro non includono solamente le tre da noi illustrate, essendone state proposte altre per esempio nella forma di algoritmi da Markov e da Post.
46
1.4
La macchina come analogia della mente
Le T-macchine rappresentano il modello teorico-matematico che esplicita le cosiddette macchine a stati discreti, determinate cio` e dal fatto che i singoli stati sono sempre ben deniti e dierenti luno dallaltro, di modo che non esista confusione tra di essi. La rappresentazione reale di tali macchine coincide con il calcolatore digitale : in esso, in quanto istanza reale di una macchina ideale quale la T-macchina, viene meno lelemento essenziale, cio` e la quantit` a innita di memoria a disposizione della macchina stessa. In questo senso, il calcolatore digitale torna ad essere una specica di un automa nito. La struttura del calcolatore ` e quella di una macchina che lavora per applicazione di regole, illustrabile idealmente in termini di capacit` a di compiere qualsiasi operazione possa essere compiuta da un computatore umano53 , appunto secondo il modello delle T-macchine. Il modello del calcolatore digitale54 , utilizza una rappresentazione secondo cifre decimali, come per la codica mostrata per le T-macchine, e ciascuna cifra decimale ` e inserita allinterno del calcolatore tramite un sistema di segnali: ci` o evidentemente interpreta il calcolatore come un sistema che gestisce informazione. Il punto fondamentale ` e la realizzazione sica di tale segnale allinterno del calcolatore. Il segnale pu` o essere immesso in forme dierenti, il che permette di stabilire una corrispondenza tra una cifra e un segnale, o piuttosto tra una cifra e un intero gruppo di segnali: se un segnale pu` o rappresentare dieci cifre diverse, esso sar` a ovviamente suciente a rappresentare lintero sistema decimale; se invece il segnale pu` o presentarsi solamente in due forme diverse, per rappresentare una cifra occorrer` a utilizzare un gruppo di segnali. Questa osservazione ` e fondamentale riettendo sulla tipica rappresentazione binaria che ` e divenuta tanto familiare quale linguaggio essenziale dei moderni calcolatori. Losservazione che ` e immediata, a questo punto, consiste nel notare che gruppi di segnali risulteranno a volte insucienti ad esprimere tutte le cifre del sistema decimale (come nel caso di gruppi di tre segnali a due possibilit` a, che permettono solo otto combinazioni), e a volte eccessivi (per esempio un gruppo di quattro segnali a due possibilit` a, che permettono a di calcolo della macchina in questione sono ovviasedici combinazioni)55 . Le possibilit` mente date dalla capacit` a di questultima di comporre i segnali che scorrono al suo interno, dunque sulla base di potenzialit` a combinatorie: tale connessione ` e data da - schemi in parallelo, per mezzo dei quali diversi segnali possono presentarsi simultaneamente in diversi organi del calcolatore; - schemi in serie, dove i segnali si presentano secondo successione temporale nello stesso organo. Ci` o che la macchina gestisce come segnali in serie o in parallelo, altro non ` e che la rappresentazione logica tramite numerali delle operazioni elementari, quali somma, sottrazione, prodotto e divisione. Ma la propriet` a essenziale del calcolatore non consiste nella capacit` a di esecuzione di tali operazioni, quanto piuttosto nel riconoscimento della successione logica nella quale le operazioni devono essere svolte per generare la soluzione ricercata: a questa capacit` a contribuiscono, nel calcolatore analogico, diversi artici
[1950], p.170. Neumann [1958]. 55 Vedremo nel par.1.5 come questa nozione elementare che sta alla base del calcolo logaritmico, sia uno dei problemi che stanno a fondamento della Teoria matematica della Comunicazione di Claude E. Shannon.
54 von 53 Turing
47
meccanici, laddove la peculiarit` a del calcolatore digitale ` e quella di saper sfruttare un solo organo per lesecuzione delle diverse operazioni fondamentali. Ci` o rende conto dellanalogia tra le T-macchine viste nel paragrafo precedente e il calcolatore digitale, che di fatto rappresenta la realizzazione delle macchine di Turing: infatti, ci` o che permette al calcolatore digitale di sfruttare un unico organo, ` e lutilizzo di uno speciale sistema di memoria, detto pi` u esattamente registro di memoria 56 , che mette in grado la macchina di immagazzinare i segnali ricevuti, per poi montarli nella giusta connessione. Cos` le istruzioni della macchina sono entit` a astratte, immagazzinate nella memoria: sono perci` o i contenuti di questo particolare segmento della memoria a esprimere il problema. In conseguenza, questa forma di governo ` e detta governo a programma memorizzato 57 . Sin qui la descrizione di von Neumann dei calcolatori digitali appare evidentemente come lesatta implementazione delle T-macchine pensate da Turing. I problemi reali illustrati da von Neumann consistevano in questioni di capacit` a di memoria, velocit` ae precisione del calcolo, complessit` a dei tempi di accesso dei segnali alle varie componenti siche della macchine e inne costi di realizzazione.
1.4.1
Il Test di Turing
La ricerca iniziata da Turing [1936] prosegu` , come avevamo gi` a accennato facendo breve riferimento ai calcolatori ACE ed ENIAC, nella direzione del tentativo di realizzazione di quelle macchine ideali. Ma la fase ingegneristica non spense lo stimolo alla ricerca teorica che le nozioni di ricorsivit` a, e T-computabilit` a in particolare, avevano inevitabilmente sollevato. Vedremo tra breve come il lavoro di von Neumann non fosse aatto una sorta di manuale di istruzioni per calcolatori analogici e digitali, ma avesse come scopo la ben pi` u importante analisi delle analogie e delle dierenze tra calcolatore e cervello, come appariva gi` a evidente dal titolo dellarticolo del 1958, The Computer and the Brain. Determinare lanalogia tra pensiero e macchina era in realt` a lo scopo dello stesso Turing, che apriva provocatoriamente alcuni anni prima un suo articolo58 con la domanda: possono pensare le macchine?. Il tentativo di determinazione della macchina quale analogia dei processi inferenziali compiuti da una mente umana avviene, per Turing, mettendola alla prova nel confronto con un interlocutore umano: sar` a la macchina in grado di imitare lattitudine umana a rispondere a certi quesiti in maniera talmente precisa da riuscire ad ingannare linterrogante umano sulla sua natura reale? Questo ` e ci` o che Turing chiama il gioco dellimitazione59 .
56 Come nei moderni computers, nella descrizione di von Neumann linsieme sico dei registri di memoria costituisce la memoria della macchina, cos` che il numero dei registri nella memoria rappresenta la sua capacit` a. 57 von Neumann [1958], p. 117. 58 Turing [1950]. 59 Il test di Turing, descritto nel suo [1950], si congura come segue: in una stanza chiusa si trova un calcolatore, e in unaltra un agente umano; al di fuori delle due stanze un altro agente umano sostiene un dialogo (in forma scritta) con entrambi gli interlocutori, ponendo domande e ricevendo le relative risposte. Qualora linterrogante umano non riuscisse a scoprire quale dei due interlocutori sia una macchina e quale un suo simile, si direbbe che la macchina ha superato il test e ad essa dovrebbero essere ascritte capacit` a intenzionali e di ragionamento.
48
La tesi sostenuta da Turing ` e che i calcolatori digitali sono macchine universali, nel senso di essere in grado di imitare qualsiasi macchina a stati discreti, e la possibilit` a di imitare tipologie diverse di tali macchine ` e una questione determinabile puramente in termini di velocit` a di calcolo, il che ha come conseguenza teorica lequivalenza di tutti i calcolatori digitali. Tuttavia, problemi come quello della velocit` a di calcolo costituiscono propriet` a accidentali della struttura algoritmica, e la provocatoria argomentazione di Turing mira ad istituire analogie ben pi` u sostanziali. In questo senso possiamo mettere in diretta connessione la T-computabilit` a con il ragionamento umano, proponendo una variante signicativa della tesi di Turing (Tesi 1.3.2), che ne ` e in realt` a una sottotesi60 : Tesi 1.4.1 Ogni funzione calcolabile da un computatore umano ideale ` e T-computabile. Lenunciazione di questa tesi propone una restrizione della Tesi di Turing rispetto alla tipologia dei procedimenti algoritmici. Si parte cio` e dal prendere in considerazione quelle forme di computazione eseguibili da un computatore umano ideale, ovvero le forme di computazione prodotte a livello cerebrale. Posta la validit` a tanto della tesi di Church (Tesi 1.2.9) quanto del Teorema di Turing (Teorema 1.3.3), otteniamo che la Tesi 1.4.1 ci fornisce uno strumento essenziale per determinare potenzialit` a e limitazioni del ragionamento umano: ovvero, se vale lequivalenza tra T-computabilit` a e computorabilit` a (accezione che usiamo per indicare la computabilit` a propria di un agente umano), allora sono noti limiti e potenzialit` a di calcolo del pensiero umano. A questo punto la domanda possono pensare le macchine? viene da Turing riproposta direttamente in termini di calcolatori digitali: sono immaginabili calcolatori digitali che si comporterebbero bene nel gioco dellimitazone?. In eetti lanalogia posta in atto non ` e pacica, e lo stesso Turing aronta una serie di obiezioni alla tesi della natura algoritmico-computazionale della mente, o almeno alla sua riproducibilit` a in tali termini: elenca dunque una serie di opinioni contrarie allidea di macchine pensanti61 .
60 E ` in eetti possibile usare la tesi seguente come passaggio intermedio tra la Tesi di Church e la Tesi di Turing. 61 Proponiamo qui di seguito una formulazione standard delle obiezioni riportate da Turing:
1. Obiezione teologica: il pensiero ` e una funzione dellanima, non avendo le macchine anima, esse non possono pensare; 2. Obiezione della testa nella sabbia: se le macchine potessero pensare le conseguenze sarebbero devastanti, dunque non possono esistere macchine pensanti; 3. Obiezione matematica: i dimostrati limiti del ragionamento matematico ci assicurano dellimpossibilit` a per le macchine di raggiungere livelli di calcolo paragonabili al pensiero umano; 4. Argomento della coscienza: le macchine non pensano perch e non hanno la capacit` a di dare senso al loro agire; 5. Argomento derivante da varie disfunzioni: le macchine non pensano perch e non sono in grado di sviluppare diverse capacit` a, quali sentimenti morali, intuito, originalit` a...; 6. Obiezione di Lady Lovelace: i computers possono fare solo quello per cui sono stati programmati; 7. Obiezione derivante dalla struttura del sistema nervoso: il sistema nervoso funziona secondo segnali dierenti e composti, mentre i computers lavorano secondo procedure a tappe sse; 8. Argomento derivante dallinformalit` a del comportamento: non ` e possibile determinare per una macchina quale deve essere il suo comportamento in ogni situazione possibile;
49
Tra queste si trova in particolare lobiezione matematica, che ` e sicuramente una delle pi` u interessanti, in quanto ripropone quei risultati che dimostrano limitazioni eettive dei poteri delle macchine a stati discreti, partendo dal teorema di G odel per arrivare proprio ai risultati sullincompletezza algoritmica della T-computabilit` a. Il problema iniziale di un quesito che chieda della possibilit` a di costruire macchine in grado di riprodurre il pensiero umano, ` e ovviamente la determinazione di quali macchine vogliamo mettere a confronto con un comportamento che riteniamo potere denire intelligente. Rivolgendoci allanalogia tra uomo e macchina sembrano evidenti le limitazioni dellapparato sensoriale e della memoria nel primo; sembra per` o che il computatore umano superi determinate restrizioni poste alle T-macchine, come quella di poter osservare un solo simbolo per volta. Rispetto a questo punto lequivalenza tra macchine e computatori umani sembra valere in relazione al risultato piuttosto che al processo, nel senso di potere produrre una T-macchina che simula il calcolo di un computatore umano tramite una successione pi` u elementare di passi di calcolo. In sostanza tramite la tesi di Church-Turing abbiamo impostato i presupposti per una teoria della calcolabilit` a mediante procedimenti algoritmici qualsiasi (dunque una teoria della calcolabilit` a intesa nel suo senso esteso), che permette di stabilire le basi per una interpretazione algoritmica del comportamento intelligente. Diventa allora essenziale il ruolo della programmazione, e in particolare della capacit` a di memorizzazione, piuttosto che quella di velocit` a di computo, delle macchine62 In ultima analisi il lavoro di Turing si concentrer` a sul problema dellapprendimento, che per le macchine si traduce nella necessit` a della modica delle regole di funzionamento, ad opera della macchina stessa, il che implica ovviamente un superamento dei principi ricorsivi sui quali si basa la semplice composizione algoritmica. Eppure lo scopo di produrre macchine in grado di apprendere appare, almeno a Turing, possibile e non lontano dalla realizzazione. La soluzione ` e reperibile, secondo Turing, nellinserimento, tramite programmazione della macchina, di elementi che dallesterno appaiono come casuali, ma che in realt` a contribuiscono a sfatare il mito dellimpossibilit` a per una macchina di andare oltre ci` o che noi sappiamo ordinarle: le regole che vengono cambiate nel processo di apprendimento sono di un tipo meno pretenzioso e intendono avere solo una validit` a temporanea. [. . .] Il comportamento intelligente consiste presumibilmente nello staccarsi dal comportamento completamente prevedibile implicato nel calcolo, ma di poco, in modo da non determinare un comportamento casuale o dei giri viziosi che si risolvono in inutili ripetizioni63 . Vedremo alla ne di questo paragrafo come i pi` u recenti sviluppi della branca di ricerca denominata Intelligenza Articiale, stia in qualche senso tentando proprio
9. Argomento derivante dalla percezione extra-sensoriale: le capacit` a umane sono a volte determinate da informazioni passate o future non processabili deterministicamente da un computer. Nella sezione 3.4.2, quando avremo acquisito maggiori elementi rigurdanti il rapporto uomosistemi articiali, tenteremo di analizzare queste obiezioni in forma leggermente modicata, e a dare alcune possibili repliche. 62 I mezzi meccanici di calcolo apparivano gi` a negli anni 50 a Turing pi` u veloci di circa mille volte delle operazioni compiute dalle cellule nervose. 63 Turing [1950], p.192.
50
questa strada, con lintroduzione di procedimenti probabilistici allinterno della programmazione. Il confronto tra sistemi articiali e mente, e in particolare in riferimento alla loro operativit` a, pu` o dunque illustrarsi secondo anit` a e dierenze. Il primo punto di somiglianza ` e il principio della natura digitale del sistema nervoso umano:
Tesi 1.4.2 La rappresentazione binaria ` e suciente ad esprimere lattivit` a neuronale, che si esplica secondo la dicotomia assenza di impulso (= 0) contro presenza di impulso (= 1), cos` che queste condizioni rappresentano la funzione logica del segnale presente negli assoni di un neurone; la stimolazione tra neuroni, base computazionale dellattivit` a mentale, avviene allora secondo certe combinazioni di questi impulsi, che in altri casi (cio` e secondo altre combinazioni) non producono alcuno stimolo. Secondo questa interpretazione dunque, tale struttura coincide con la struttura logica del calcolatore digitale, determinando la mente come un sistema logico digitale. Rispetto a tale struttura risaltano poi alcune propriet` a: la capacit` a e la velocit` a della risposta nervosa sono direttamente connesse alla grandezza della cellula nervosa e alle sue esigenze energetiche, rispetto alle quali va messo in evidenza soprattutto il fenomeno, caratteristico per le cellule nervose, dellaaticamento. Questi primi elementi di distinzione sono ovviamente importanti, ma non inciano la sostanza della teoria algoritmico-computazionale della mente. In sostanza il confronto risulta a favore delle componenti biologiche - per quanto rigurda le dimensioni, visto che le capacit` a computazionali della mente umana sono riproducibili solamente in termini di macchine che necessitano di spazi sici molto vasti64 ; il confronto propende invece a favore delle componenti articiali, dunque degli automi, - per quanto riguarda elementi come la velocit` a e lassenza di fenomeni quali laaticamento. Lanalogia tra mente ed automa articiale pu` o inoltre assumere un ulteriore elemento di confronto: le cellule nervose costituiscono, di fatto, memorie composte di elementi attivi, che si regolano e stimolano a vicenda, ossia con un sistema analogo a quello composto da transistors e dai cosiddeti tubi a vuoto (ip-op), come nel caso di ENIAC. Ancora, un importante elemento da considerare nellanalisi degli automi ` e il codice : Denizione 1.4.3 Nellautoma articiale ` e detto codice il sistema di istruzioni logiche poste in atto dalla macchina che permettono lesecuzione dei compiti ad essa assegnati. Analizzato nei termini del sistema-mente, un codice completo prevede una specica dellordine in cui gli impulsi appaiono, e degli assoni sui quali appaiono. Dunque un codice completo permette ad un automa o calcolatore digitale la risoluzione tramite calcolo di un problema dato; secondo lanalogia mente-macchina, un comportamento
64 Ovviamente un tale elemento a favore della componente biologica risultava molto pi` u rilevante allinizio della ricerca in IA, dove notoriamente le capacit` a di calcolo oggi racchiuse in un comodo laptop erano distribuite sui diversi piani di interi palazzi; probabilmente il tempo annuller` a denitivamente questo svantaggio delle macchine.
51
specico del sistema nervoso sarebbe allora denibile tramite descrizione della serie degli impulsi e della loro allocazione sui rispettivi assoni, dunque secondo la metafora del codice completo. Una variante del codice completo ` e il codice breve, che non ` e altro che la codica della programmazione di una macchina, una abbreviazione codicata che pu` o essere implementata su unaltra macchina, ovvero permette ad unaltra macchina e dunque anche il principio che permette ad una macchina di imitarne di imitarla65 : ` qualsiasi altra, il principio della Macchina Universale. Il lavoro di von Neumann separa in conclusione le due parti essenziali della comunicazione, tanto della mente quanto dellautoma: la parte logica e la parte che richiede un formalismo matematico, cio` e rispettivamente la comunicazione di istruzioni e la comunicazioni di numeri. Secondo von Neumann, la propriet` a essenziale del linguaggio usato dal sistema nervoso consiste nellavere una profondit` a logica e aritmetica inferiore a quella propria della matematica. Di conseguenza unoperazione gestita dal sistema nervoso si svolge attraverso una perdita di precisione rispetto al piano aritmetico. La logica e laritmetica del sistema nervoso sono paragonabili dunque pi` u ad un codice breve che ad uno completo. Le osservazioni di Turing e von Neumann su menti e calcolatori, sono dunque sostanzialmente basate sullapproccio computazionale alla natura dei processi mentali. Il principio matematico che regola le T-macchine permette di gestire algoritmicamente tanto i processi che terminano con certezza dopo un numero nito di passi, quanto i processi di calcolo che non hanno termine: in eetti come abbiamo visto, ogni procedimento algoritmico eseguito da una T-macchina pu` o essere interpretato solamente da unaltra T-macchina pi` u potente della prima, cio` e in grado di simularne i processi di calcolo. Ci` o, in presenza di procedimenti di calcolo molto lunghi, signica sostanzialmente limpossibilit` a di prevedere il risultato nale della computazione. Si raorzava in tal modo lidea che anche gli aspetti peculiari del ragionamento umano, cio` e intelligenza e creativit` a, potessero in realt` a essere ricondotti ad unanalisi puramente computazionale. La computazione che nellanalisi sopra vista rappresenta il nucleo centrale per la simulazione dellattivit` a intelligente, ha i suoi elementi fondamentali nei simboli e nelle loro combinazioni. Ovviamente, a fondamento dellapproccio simbolico-computazionale si trova una teoria semantico-modellistica, che imposta forme di riferimento tra simboli e stati di cose esterni. I vantaggi dellinterpretazione simbolico-computazionale della mente sono: il passaggio di validit` a per le propriet` a dai casi generali alle istanze particolari; la connessione tra concetti; la struttura ricorsiva che permette la costruzione di congurazioni simboliche con gradi crescenti di complessit` a; il riconoscimento delle regole come generalmente valide senza necessit` a di verica delle istanze. Quella segnata da Turing e von Neumann appariva dunque come la strada giusta da seguire, e a partire da essa si svilupp` o la ricerca di sistemi di simulazione sempre pi` u ecaci e fedeli allattivit` a mentale.
1.4.2
Il paradigma teorico dellIA
Con questi presupposti teorici e tecnologici, ci troviamo dunque allorigine della ricerca in Intelligenza Articiale (IA), la quale si colloca, proprio intorno agli anni 50, allinterno di un paradigma molto ampio di indagine sulla natura della mente: essa rappresenta uno dei loni principali delle ricerche sulla meccanizzazione dei processi di pensiero, e si sviluppa in parallelo al programma che pi` u avanti deniremo come cibernetica classi65 Come
descritto in Turing [1936] e da noi analizzato a proposito delle T-macchine.
52
ca 66 , anchesso sorto tra la ne degli anni 40 e linizio del decennio successivo. Vedremo in questo paragrafo quali sono i punti teorici fondamentali del progetto IA, su quale terreno si gioca la sda della riproposizione dellattivit` a intelligente propria delluomo per mezzo di calcolatori e macchine, e inne mostreremo i dierenti approcci teorici che, dallinterno dello stesso programma, hanno poi generato diversi settori di ricerca, spesso convergenti ma a volte profondamente in contrasto tra loro. Sulla base, dunque, della teoria computazionale della mente, lIA identica i processi intelligenti con computazioni di tipo simbolico, e la loro riproducibilit` a` e adata alla produzione di programmi in grado di simulare processi di elaborazione dellinformazione. Comprendere il funzionamento di un automa quale gestore di informazione, ovvero come esecutore di operazioni di information processing, implica saper distinguere lanalisi teorica su tre livelli diversi67 : 1) livello della teoria computazionale: sviluppo della tecnica computazionale adatta alla risoluzione del problema posto; 2) livello della rappresentazione e dellalgoritmo: implementazione della computazione tramite rappresentazione algoritmica dellinformazione e della trasformazione input/output; 3) livello della implentazione hardware: realizzazione sul supporto sico della rappresentazione algoritmica. Il tentativo di identicare la struttura formale del ragionamento, inteso nel suo senso pi` u ampio, riconduce a processi che, partendo da conoscenze iniziali e per applicaa di ricerca riconducibili allIA zione di regole, conduce a nuove conoscenze68 . Le modalit` classica, possono essere genericamente raggruppate sotto i seguenti settori di studio: - soluzione di problemi (problem solving ); - apprendimento (machine learning ); - deduzione automatica (automatic deduction ). In eetti, la capacit` a di trovare soluzione a problemi posti ` e apparsa sin dallinizio un indizio dellattivit` a umana mirata ad uno scopo, e dunque guidata da intelligenza. Il momento iniziale (e probabilmente anche centrale) nella risoluzione di un problema, consiste nella determinazione di una serie di richieste tecniche, formulate precisamente e atte allo scopo. Nellimplementazione su macchina il requisito minimo ` e rappresentato dalla congurazione di un metodo che sappia mettere in grado la macchina stessa di o, a sua volta, ` e riproposto in terriconoscere la soluzione, qualora essa si presenti69 . Ci` mini del reperimento di un algoritmo eciente, una procedura sistematica che produca in uscita una soluzione per il problema in entrata: la determinazione di ecienza si esprime come capacit` a di raggiungere tale output in un tempo ragionevole. Rispetto alla risoluzione di un problema, lapplicazione di un algoritmo di decisione pu` o per` o risultare priva di interesse o impossibile, ed in questo caso si propongono due strategie dierenti:
66 Si
veda il par.1.6. Poggio [1977]. 68 Ci` o evidentemente richiama la struttura di sviluppo dei sistemi assiomatico-formali. 69 Minsky [1959] e Gelernter, Rochester [1958].
67 Marr,
53
1) lappello allimpostazione assiomatica, eseguendo la derivazione esaustiva di tutti i teoremi dalla base di assiomi e ipotesi congurata nellautoma, applicando le regole no ad ottenere il risultato ricercato70 ; 2) il ricorso a programmi, detti euristici, che procedono su base induttiva, in quanto capaci di lavorare sui frammenti di conoscenza di cui disponiamo per restringere la ricerca della soluzione ad ambiti ragionevolmente vasti. Lutilizzo delleuristica rappresenta, dunque, un nuovo modello per la riproposizione del ragionamento intelligente: in opposizione ai procedimenti algoritmici, essa mira a raggiungere il risultato tentando di simulare quei processi di conoscenza attraverso cui luomo perviene alla soluzione di un problema per mezzo di una intuizione, a partire dai dati e dai suggerimenti disponibili. Leuristica non costituisce un metodo che produce necessariamente un risultato, come nel caso del procedimento algoritmico: essa pu` o anche non condurre ad alcuna soluzione. I procedimenti euristici si congurano come un insieme di meta-regole atte ad individuare i processi pi` u ecaci alla risoluzione di un problema71 . I processi possono poi suddividersi tra quelli che sviluppano la soluzione procedendo in avanti a partire dallo stato iniziale (forward ) e quelli che procedono allindietro a partire dallo stato nale (backward ): i primi si attribuiscono a soggetti esperti che trasformano conoscenza a partire dai dati iniziali, i secondi invece vengono implementati da soggetti senza esperienza, i quali vengono guidati dalla meta. Se le macchine fornite tanto di metodi algoritmici, quanto di metodi euristici, presentano un comportamento intelligente nellacquisizione e incorporazione di nuove o ad avere una struttura gnoseologica statica, ovvero i conoscenze72 , esse continuano per` loro processi si applicano ad una sezione di risolubilit` a limitata alla classe di problemi inizialmente posta nellautoma dal programmatore. Si tratta in sostanza dellincapacit` a di apprendere da parte dellautoma, e dunque del problema gi` a preso in considerazione da Turing. Tale capacit` a non si identica, semplicemente, nel mantenimento in memoria
70 Tale procedura ` e detta algoritmo del British Museum, si veda Newell, Shaw, Simon [1957]. Esistono numerose prove del fatto che una procedura deduttiva esaustiva ` e poco funzionale, poich e permette con un numero ragionevolmente piccolo di passi solo il raggiungimento di teoremi banali in sistemi formali elementari. Uno dei pi` u importanti processi di tipo assiomaticodeduttivo per la risoluzione di problemi ` e quello dei sistemi di produzioni di Post [1943]. Si tratta di strutture costruite su un alfabeto, un insieme di assiomi e di regole (dette produzioni ), che permettono la trasformazione di sequenze di simboli appartenenti allalfabeto ed interpretabili come descrizioni simboliche di T-macchine. Post dimostra la possibilit` a di costruire sistemi di produzioni in forma semplice (normale) che rappresentano soluzioni equivalenti a quelle di specici sistemi. Anche nel caso dei sistemi di produzioni di Post, lanalisi dei mezzi di controllo su di essi mette in luce i limiti intrinseci alla possibilit` a di identicare criteri a priori per il reperimento di specici sistemi (soluzioni a problemi). 71 Si veda al proposito Pessa [1992], pp.67-69; ivi si trova anche unillustrazione dei procedimenti euristici tramite gra, dove lassociazione di un albero ad un processo di soluzione di un problema avviene identicando ogni nodo con uno stato del problema ed ogni ramo con un processo di produzione (nel senso di Post) da uno stato ad un altro. Lesplorazione degli alberi pu` o poi avvenire secondo due modalit` a:
- in profondit` a, dove ciascun ramo viene analizzato no in fondo; - in ampiezza, dove si esplorano tutti i rami generati da un nodo di partenza.
72 Ad esempio lautoma a processo euristico descritto in Gelernter, Rochester [1958], capace di dimostrare nuovi teoremi della geometria piana ed aggiungerli al sistema di assiomi di partenza.
54
di quanto di nuovo acquisito (ad esempio lemmi e teoremi) sul campo di conoscenza iniziale, dunque nel saper richiamare tali nuove conoscenze al momento opportuno per la risoluzione di nuovi problemi. Piuttosto, risulta interessante lanalisi di livelli superiori di apprendimento, come ad esempio la capacit` a di sfruttare risultati relativi ad un certo problema per migliorare le proprie congetture e modicare la stima della probabilit` a di soluzione rispetto a problemi simili. Appare chiaramente che, se la risoluzione di problemi rappresenta uno dei modelli su cui si fonda la ricerca in IA, il tentativo di riproposizione dellattivit` a intelligente da parte di automi a stati niti ` e insuciente qualora essi si limitino allesecuzione meccanica di ci` o per cui sono programmati. In eetti, sebbene possa ritenersi intelligente (in qualche senso seppur banale) un automa che sia fornito della capacit` a di ottenere tutte le verit` a di una specica scienza, conseguibili come teoremi da un sistema assiomatico ad essa adeguato, ed implementato come un software sullhardware della macchina, ci` o potrebbe comunque, nellottica complessiva del progetto IA, risultare di poco interesse: un calcolatore ` e semplicemente un automa nito e, in quanto tale, il suo comportamento ` e completamente determinato [. . .]. Stando cos` le cose, si pu` o sostenere che la sua risposta a qualsiasi insieme di segnali in ingresso ` e in linea di principio prevedibile e, di conseguenza, non ha alcun interesse e non merita la qualica di intelligente 73 . La realizzazione del progetto IA, prevede infatti la riproponibilit` a per mezzo di automi a stati niti delle forme di pensiero intelligente: ci` o comportava, di fatto, anche la scrittura di programmi per calcolatori digitali, in grado di costituire le denizioni per meccanismi capaci di pensare in modo creativo74 . Obiettivi come questo richiedono il non facile compito di una denizione almeno generica di cosa sia il comportamento creativo. I programmi cui si fa riferimento sono in grado di produrre comportamento creativo nel senso che esso rappresenta un tipo particolare di comportamento per il reperimento di soluzioni a problemi complessi. Come ` e evidente, ci` o riconduce la questione allidea di intelligenza come problem solving, il che conferma il ruolo centrale di questo paradigma nelle prime ricerche in IA. Le condizioni che, ad esempio, venivano aggiunte per denire la nozione di comportamento creativo a partire dal modello della risoluzione di problemi, erano i seguenti75 : 1. il prodotto dellattivit` a creativa ` e innovativo o utile;
73 Gelernter, Rochester [1958], p.265; ` e molto interessante notare a questo punto come il lavoro di Gelernter e Rochester si concludesse con lipotesi che la capacit` a di apprendimento di un automa sarebbe stata notevolmente potenziata da una considerazione reale del suo ambiente. In particolare, lipotesi avanzata ` e che lautoma che esprime conoscenza sulla geometria piana sarebbe in grado di amplicare la propria capacit` a di apprendere, qualora capace di modicare il suo sistema sintattico-formale in relazione ai dati forniti da un elaboratore graco (che in sostanza gli permette di tracciare i suoi disegni su una sfera). I due ricercatori dellIBM sostenevano la necessit` a di integrare la struttura formale del programma e rendere la teoria modicabile a partire dai dati ambientali circostanti lautoma, strutturabili anchessi allinterno del sistema formale. Nella loro prospettiva ci` o signicava mettere in grado lautoma di acquisire capacit` a sperimentali. Vedremo nei prossimi capitoli, e in particolare nel cap.3, come la relazione organismo-ambiente assumer` a sempre maggiore rilevanza nel nostro percorso teorico. 74 Newell, Shaw, Simon [1962]. 75 Newell, Shaw, Simon [1962], p.206.
55
2. esso richiede la modica o il riuto di conoscenze precedenti; 3. richiede motivazione e stabilit` a; 4. il compito prevede la formulazione del problema, inizialmente vago e indenito.
In questo senso, rientrava nella denizione di comportamento creativo, loperare del programma Logic Theorist 76 : dato un teorema di logica elementare, questo programma era in grado di cercarne una dimostrazione, ricavando il teorema da altre espressioni e tentando poi la dimostrazione di queste, ovvero facendo congetture su altri teoremi. Ci` o che va comunque rilevato ` e che lapproccio essenziale dellIA riguarda una teoria generale della soluzione di problemi, e parte dellanalisi teorica consiste proprio nella selezione dei problemi la cui risoluzione da parte di un automa avrebbe determinato lattuazione di un atteggiamento intelligente77 . Dopo questo primo rendiconto teorico del tema centrale per lIA, possiamo esplicitare come segue la tesi fondamentale del programma: Tesi 1.4.4 In linea di principio ogni aspetto dellapprendimento, o ogni altra propriet` a dellintelligenza umana, anche lattivit` a creativa, possono essere simulati da un automa digitale: ci` o` e possibile grazie alla rappresentazione di tali attivit` a nella forma di reperimento della soluzione a problemi dati, il che permette la costruzione di una macchina in grado di trovare tale soluzione per mezzo di strumenti algoritmici, o eventualmente per mezzo di euristiche. Problemi di velocit` a e memoria nellimitazione di attivit` a computazionali umane possono dipendere essenzialmente da nostre incapacit` a rispetto ad unadeguata programmazione. Questa tesi molto forte risponde al progetto di ricerca avviato nellagosto 1955 da McCarthy, Minsky, Rochester e Shannon78 , alla cui presentazione furono invitati moltissimi ricercatori, e tale occasione segn` o in qualche modo latto fondativo dellIA. Il progetto IA prevede dunque una completa riproponibilit` a dellintelligenza umana tramite manipolazione simbolica : ci` o implica una ridenizione dellidea di comportamento intelligente nei soli termini dellesecuzione di regole, implementazione di algoritmi (o alternativamente secondo reperimento di procedimenti euristici formalizzabili), a discapito di tutti quegli elementi che invece possono apparire condizionati dallambiente esterno79 .
Simon [1956]. Newell, Shaw, Simon [1962], p.210, viene proposto il seguente elenco di esempi come speciche della nozione generale di problema:
77 In 76 Newell,
- risolvere cruciverba; - trovare la combinazione di una cassaforte; - fare una mossa a scacchi; - dimostrare un teorema di logica o geometria; - programmare un calcolatore per invertire una matrice; - tradurre un articolo; - progettare una macchina.
78 McCarthy 79 La
et al., [1956]. prospettiva teorica oerta da queste prime ricerche in IA, giustica allora in maniera
56
Il computer come strumento per comprendere il sistema-mente attraverso la simulazione delle sue attivit` a` e lidea che ha dato vita allIA: essa fa riferimento alla macchina come sistema per la manipolazione di simboli mentali discreti, strumento per istanziare rappresentazioni formali del mondo, che utilizza il problem solving come elemento di distinzione di attivit` a intelligenti, e fa uso principalmente della logica80 . Questa interpretazione della macchina centra dunque la simmetria tra mente e computer valutando entrambi quali sistemi sico-simbolici (physical symbol systems ) in grado di manipolare successioni di bits quale usso di informazione gestita dal sistema81 , in grado questi di essere tanto rappresentazione di funzioni numeriche (pensando alla prospettiva che risale a Turing), quanto di congurazioni del mondo reale. Allinterno del paradigma dellIA, lanalogia mente-macchina ` e esplicabile secondo il principio dellinvarianza della struttura, o funzionalismo : Tesi 1.4.5 Il cervello umano e il calcolatore digitale sono suscettibili della stessa descrizione funzionale, sebbene si presentino articolati a partire da diversi elementi sici e strutturali. Il cervello umano e un computer adeguatamente programmato rappresentano, dunque, istanze diverse di un dispositivo in grado di generare attivit` a intelligenti, per mezzo della manipolazione di simboli tramite regole formali.
evidente, la tesi di von Neumann, vista poco prima, secondo la quale sussiste di fatto uninsufcienza della mente rispetto al linguaggio logico-matematico, nel senso che quello usato dalla nostra mente ` e una sorta di codice breve del codice completo della formalizzazione logica. In questo senso appare chiaro che i vantaggi oerti dalla programmazione logica di un automa sono essenziali per determinare la possibilit` a di una macchina che, essendo pi` u precisa nellesecuzione del calcolo, dunque capace di gestire un livello pi` u profondo dello stesso, ` e pensabile possa anche eguagliare, forse addirittura superare, la mente nella sua attivit` a intelligente. Va compreso, per` o, che lassunto fondamentale dellapproccio dellIA, che permette una tale considerazione del rapporto mente-macchina, ` e che la mente funzioni essenzialmente come un risolutore di problemi, facendo perno sulla formalizzazione simbolica. In questottica si ` e parlato infatti di intelligenza non perturbata, considerata nella sua esecuzione di regole e schemi formali astratti rispetto al contesto, allambiente e allinterrelazione con altri elementi attivi (si veda al proposito Negrotti [1990a]). Pi` u avanti, in particolare nel cap.3, proporremo una nuova considerazione del sistema-mente, una versione che potremmo dire, proprio in opposizione alla prima, perturbata: a partire da elementi essenziali posti tanto dalla ricerca classica in IA vista in questo paragrafo (in particolare le ricerche sulla nozione di computazione ed algoritmo), quanto dalle ricerche della Cibernetica classica (par.1.6), e acquisite tutte le integrazioni e gli sviluppi dovuti alle ricerche sulle Reti neurali, la Robotica e la sua versione situata (par. 2.1-2.5) saremo in grado di denire lattivit` a intelligente come indissolubilmente legata a tutti quegli elementi che erano considerati di disturbo in questa prima prospettiva teorica. 80 Dallaltro lato lIA si svilupp` o secondo un progetto parallelo che considerava la macchina come strumento per costruire modelli del cervello, per simulare le interazioni fra neuroni, attraverso lo studio delle teorie dellapprendimento e della statistica. Questa corrente del progetto IA, di orientamento olistico (detto anche gestaltico) e realizzatasi nelle ricerche iniziate da Frank Rosenblatt, era ispirata alle neuroscienze, ed ebbe sulle prime pochi successi e dunque poco s eguito. Noi ce ne occuperemo pi` u diusamente nel cap.2, arontandone anche gli sviluppi successivi. Si veda a proposito del rapporto tra le due correnti, Dreyfus, Dreyfus [1990]. 81 Bit ` e labbreviazione usata per indicare la binary digit, ovvero unit` a di computo espressa secondo rappresentazione binaria. Vedremo nel prossimo paragrafo 1.5 che il bit sar` a lelemento teorico di base della Teoria matematica della Comunicazione, la quale, sviluppatasi in quegli stessi anni, ed essendo riuscita in una formalizzazione rigorosa della nozione di Informazione, ha avuto fortissime connessioni teoriche ed applicative tanto con lIA quanto con la Cibernetica classica.
57
Lo sfondo teorico al quale si appella il progetto IA ` e ancora una volta il razionalismo di matrice cartesiana, con le acquisizioni logiche dovute alle opere di Frege, Russell e Wittgenstein. Di questultimo in particolare viene assunta lidea della visione rappresentazionale e sintattica della relazione mente-mondo in forma pura, logica82 . Lidea centrale ` e allora che la conoscenza del mondo, e la conseguente attivit` a intelligente di un agente inserito in esso, possano essere riprodotte se si ` e in grado di programmare una macchina secondo gli elementi primitivi e le relazioni logiche che strutturano tale attivit` a. La macchina calcolatrice ` e denibile come potenzialmente capace di produrre attivit` a intelligenti poich e pu` o essere descritta come un sistema sico che tratta e manipola simboli come operazione di information processing. Il paradigma sico-simbolico mantenne un primato assoluto nella prima fase delle ricerche nel campo dellIA, sulla base di una fede losoca incrollabile nellanalogia tra il simbolismo della mente e quello della macchina, tra la calcolabilit` a logica e la forma di intelligibilit` a propria dei processi mentali: cio` e i simboli che sono oggetto delloperazione di codica-decodica da parte della macchina sono gli stessi simboli che la mente umana tratta nella sua conoscenza del mondo. A ci` o si accompagna un riuto altrettanto radicale di una visione olistica del rapporto mente-ambiente. Tale ` e lipotesi di base del programma di ricerca portato avanti da Allen Newell e Herbert A. Simon a partire dal 1955 presso la Rand Corporation di Santa Monica. Tale programma segna una svolta fondamentale nelle ricerche in IA, anche perch e viene superata la prospettiva di Turing per cui la valutazione delle potenzialit` a della macchina avviene a partire dal suo comportamento osservabile, laddove si tenta adesso di prenderne in considerazione proprio i processi interni83 . Il sistema di simboli ` e dunque un risolutore di problemi, come capacit` a di perseguire uno scopo; esso produce una rappresentazione del mondo rispetto al quale la macchina ` e in grado di adattarsi. Essendo tale mondo una sua interna rappresentazione, la macchina diviene agente capace di modicare la struttura simbolica del mondo e dunque di interagire con esso. Ci` o richiama implicitamente ad unanalisi del tipo di comportamento che lagente-macchina sa compiere allinterno del suo mondo simbolico, e questo provoca una descrizione che non pu` o che separare lagente dal suo ambiente, al ne di poterne analizzare la modalit` a di conoscenza84 . Qui appare evidente il mutamento di prospettiva rispetto alla base teorica di partenza rappresentata dalla teoria della ricorsivit` a e dalla T-computabilit` a: lelemento centrale ` e in quella sede il numero, in quanto oggetto di codica nei processi interni e nella memoria della macchina; adesso il numero ` e designatore di istruzioni e processi tramite funzioni, dunque risulta rilevante in veste del suo ruolo simbolico. Possiamo allora fornire una denizione di macchina o automa come sistema sico-simbolico nei termini seguenti:
[1921], proposizioni 2.1-2.15. oltre ad essere un teorico dellIA, si occup` o dei riessi delle sue teorie nel campo economico, ricevendo anche il premio Nobel per lEconomia nel 1978, e propose proprio con Newell una psicologia che concepisce la mente come un elaboratore di informazione (information processing psychology ), prendendo a prestito dallinformatica lidea di insiemi strutturati da regole condizionali, detti sistemi di produzione. I lavori di Newell e Simon si concretizzarono in diversi programmi, tra i quali ricordiamo il Logic Theorist, al quale abbiamo gi` a fatto riferimento, e il General Problem Solver o GPS. Si veda in particolare Newell, Simon [1972], Newell [1980] e Simon [1979]. 84 Ritorneremo pi` u avanti, nel par.3.1, sullapproccio comportamentista: in quella sede avremo segu` to lintero percorso teorico dallIA alla Cibernetica classica, e appariranno evidenti i termini del superamento di tale prospettiva teorica.
83 Simon 82 Wittgenstein
58
Denizione 1.4.6 Un automa ` e un sistema sico-simbolico in quanto agente in grado di creare operazioni di codica-decodica, realizzate in sistemi meccanici (pattern sici) che generano le componenti di una struttura simbolica (espressione). I processi che allinterno dellautoma agiscono sulle espressioni simboliche per produrne altre, generano a loro volta una rappresentazione della struttura di un mondo posseduta da un ipotetico osservatore umano esterno allautoma (conoscenza o teoria). Sulla base della struttura simbolica che lo determina, lautoma ` e capace di comportamento universale, e secondo queste propriet` a apparir` a in grado di soddisfare i requisiti richiesti da un comportamento intelligente85 : - operare in tempo reale; - esibire comportamento adattativo; - usare il linguaggio naturale; - essere consapevole di s e86 ; - evolversi; - risolvere problemi di funzionamento individuando le strategie pi` u adatte. Il problema dellanalogia mente-macchina acquisisce, secondo questo nuovo paradigma, importanti termini di confronto, che mirano a raorzare lidenticazione delle rispettive procedure di esecuzione. Lo scopo centrale resta comunque quello di riuscire a costruire la base di conoscenza che congura lattivit` a umana come intelligente e, a questo proposito, la novit` a rappresentata dalle ricerche del decennio 1955-65, consiste proprio in uno sviluppo del razionalismo e del logicismo, in particolare nella presa di coscienza della necessit` a di una ricontestualizzazione, almeno parziale, degli elementi che si ritengono base dellattivit` a conoscitiva87 .
1.4.3
La nuova ricerca
Come si evolve dunque il paradigma sico-simbolico, che aveva trovato nel problem solving la sua esplicitazione pi` u riuscita? Ci` o a cui si mira, nel quadro delle ricerche
Simon [1972]. accettando lipotesi che lindividuo umano abbia sempre un certo grado di autoconsapevolezza. 87 Questa problematizzazione della relazione tra conoscenza e contesto, ha portato a cercare una legittimazione teorico-losoca, in una certa parte della letteratura di settore, nel tentativo di ampliare la prospettiva di queste ricerche. In particolare, al di l` a dellevidente radice logicorazionalista dellintera corrente dellIA, si ` e fatto appello alla losoa di Husserl, proprio come padre di un tipo di losoa della conoscenza che presenterebbe importanti richiami ed analogie. Ad esempio, Dreyfus, Dreyfus [1990], fanno riferimento alla nozione husserliana di noema, attraverso la quale rileggono lapprensione del dato di conoscenza allinterno di un sistema di regole, secondo loro dunque riconducibile allapproccio formalista. Tuttavia questo tentativo di ricondurre le problematiche dellIA ad un contesto pi` u propriamente losoco, sfrutta solo alcuni spunti del pensiero husserliano, trascurando per` o il progetto losoco generale del fenomenologo: tale progetto, infatti, si sviluppa da una parte in polemica con gli approcci logicista e psicologista, in Husserl [1900-1901; 1911; 1913], daltra parte tende allesplicazione fenomenologica della fattualit` a e quindi del mondo della vita. Questultimo si basa sulla correlazione universale tra la coscienza e il mondo, e quindi sulla fusione degli orizzonti reali e storici delloggetto con i molteplici modi di apprensione del soggetto (noesi ), tema sviluppato soprattutto in Husserl [1934].
86 Almeno 85 Newell,
59
in IA, rinnovate in particolare dai lavori di Simon, ` e una rivalutazione delle nozioni di pianicazione e conoscenza, al ne di riqualicare il ruolo delleuristica nelle operazioni di problem solving. Insistendo sulla necessit` a di individuare il modo in cui le menti sono costruite usando materia priva di mente, parti che sono molto pi` u piccole e pi` u semplici di tutto ci` o che potremmo chiamare intelligente88 , si prospetta il bisogno di una descrizione accurata degli elementi essenziali allesecuzione di ogni attivit` a coordinata e guidata da intelligenza. Si passa dunque ad uneuristica intesa non pi` u come ricerca della soluzione, piuttosto come ricerca dellinformazione atta a ricostruire la soluzione89 : ci` o avviene tramite modelli semplicati e modelli semantici. La ricongurazione proposta da Minsky, centrata appunto sulla nozione di informazione, si riferisce alla struttura dei dati che deve rispondere di una maggiore essibilit` a rispetto alle teorie precedenti. Il funzionamento della mente ` e allora costituito dal comportamento dei vari agenti che concorrono allazione, e il compito fondamentale consiste nella comprensione della modalit` a di partecipazione che li rende intenzionali, competenti, signicativi, capaci di produrre emozioni, consapevoli. Si ritorna ad una descrizione dellattivit` a conoscitiva, nella necessit` a che questa si trasformi da elaborazione passiva di informazione a interazione con il mondo. Il nodo centrale per lIA diviene dunque non la semplice produzione di atteggiamento intelligente, ma la composizione degli elementi in una rappresentazione della conoscenza, ovvero ci` o che poi si sarebbe sviluppato in un programma a s e stante per la realizzazione di una coscienza articiale 90 . Lo sviluppo della ricerca ha condotto al rigetto della teoria per cui questo obiettivo ` e raggiungibile per mezzo dellimmissione, in un programma, di blocchi di dati manipolabili: si pone la necessit` a del superamento del simbolo passivo, sintatticamente trattabile, in termini della riproposizione del simbolo attivo sul quale opera il cervello umano91 . La rappresentazione del dato di conoscenza, la sua congurazione allinterno del programma, costituisce anche la determinazione della sua accessibilit` a da parte di una coscienza92 ; per comprendere questo occorre illustrare le diverse tipologie di rappresentazione: Denizione 1.4.7 Un elemento di conoscenza ` e immesso in un programma in modo dichiarativo se la sua registrazione avviene in maniera esplicita, sotto forma di dato, secondo una codica accessibile anche al programma in un luogo preciso della sua memoria. Denizione 1.4.8 Un elemento di conoscenza ` e immesso in un programma in modo procedurale se esso non viene codicato sotto forma di dato, piuttosto solo in termini di programmi, il che rende ciascun elemento non precisamente localizzabile, poich e esso si manifesta come risultato del funzionamento stesso del programma (epifenomeno).
88 Minsky [1986], par. 1.1. Minsky fu ricercatore con Seymour Papert presso il Massachussets Institute of Technology (MIT), dove lavor` o allo sviluppo del progetto IA. Nellanalisi dello sviluppo del nuovo paradigma teorico dellIA, risulter` a fondamentale un riferimento continuo alle sue opere e al suo pensiero. 89 Minsky [1975]. 90 Manzotti, Tagliasco [2002]. 91 Hofstadter [1979] ha parlato del cervello proprio in termini di simbolo, legando la sua natura allhardware neuronale; cfr. in particolare il cap. XI. 92 Hofstadter [1979], cap. XI e XVIII.
60
La codica appare allora essenziale al livello di comprensione dei dati stessi: laccesso agli elementi di conoscenza, la loro elaborazione, dipende dalla possibilit` a che questi siano non codicati rigidamente in modo dichiarativo, piuttosto consiste nellattivazione di schemi allinterno dei quali sia possibile ricondurli alla loro struttura procedurale. Alla distinzione tra conoscenza procedurale e dichiarativa corrisponde, dunque, un parallelo tra conoscenza accessibile e inaccessibile allintrospezione, e risulta adesso evidente linsucienza dei dati simbolici statici e passivi allelaborazione, per una IA come teoria della rappresentazione della coscienza93 . Lessenza teorica di una struttura procedurale ` e ovviamente il quadro al cui interno viene ricondotta loperazione conoscitiva: essa si realizza in strutture vuote, i frames 94 , denibili come rappresentazioni algoritmiche di un contesto 95 , che, come delle cornici (frameworks ), permettono la collocazione delle congurazioni di dati allinterno di schemi stereotipi di comprensione, associabili alla metodica umana di precomprensione e comportamento. La natura del frame, quale struttura portante della rappresentazione mentale, suggerisce, come nel caso delle procedure di un programma, la possibilit` a di una nidicazione al suo interno, una collocazione di subframes, i quali possono essere pieni o vuoti96 dellinformazione loro pertinente. Connessi in schiere, i frames rappresentano sostanzialmente le reti di relazioni che congurano ogni situazione-tipo, lo scheletro della struttura conoscitiva che si riempe ai suoi terminali (o slots ), dellinformazione specica necessaria alla comprensione dello stato di cose attuale da parte dellente conoscente97 . Questultima operazione avviene tramite sostituzione delle opzioni difettose o manchevoli con altre che sappiamo gestire e che ci permettono di riempire i frames con informazione pi` u specica98 . La possibilit` a di riempire i terminali con linformazione necessaria alla congurazione di un frame, ` e legata al campo di variabilit` a dellinformazione che risulta coerente con il frame generale. Una tale descrizione dellattivit` a noetica e gnoseologica della mente, mira a congurarsi come valida proprio nel contesto della conoscenza di senso comune, la quale implica che si tengano in considerazione alcuni elementi fondamentali: - relazione causa-eetto;
93 Nellopera di programmazione sar` a allora necessario che linformazione gestita dal sistema non venga tutta codicata come informazione-dati, ed occorrer` a invece selezionare una parte di tale informazione da codicare proceduralmente come programmi. Infatti, tramite codica procedurale, ` e possibile lutilizzo di informazione che sarebbe altrimenti codicabile solo per mezzo di strutture di dati elaborati in linguaggi (formalismi) progressivamente pi` u potenti, in cui i dati agiscono come funzioni su altri dati, il che costituisce poi, di fatto, una struttura procedurale. 94 Il termine e il suo sviluppo teorico sono dovuti a Minsky; si veda in particolare Minsky [1975; 1986]. 95 Questa denizione informale di frame ` e data in Hofstadter [1979], p.697. 96 In questultimo caso si parla di defaults, ovvero opzioni prive di speciche. 97 Ad esempio, possiamo pensare un frame come la struttura logica al cui interno viene congurata la situzione-tipo: famoso ` e il frame stanza in Minsky [1975]. Tale frame-tipo pu` o essere supportato da informazione specica addizionale: stanza-soggiorno, tipologia di pareti, pavimento e sotto, accessori e arredamento della stanza. Vedi g. 1.2. 98 Ad esempio, il fatto di vedere un uomo che cammnina con un paio di scarpe, pu` o essere collocato allinterno di un subframe di una situazione-tipo: tale situazione pu` o poi subire delle modiche a partire dalla sostituzione dellinformazione visiva dataci dalle scarpe calzate dalluomo che cammina, con linformazione pi` u specica, sebbene non visualmente accessibile, dei piedi presenti allinterno delle scarpe.
61 Frame: stanza Tipo:soggiorno
sotto pareti parete sinistra Frame:Parete Frame:Quadro Immagine parete centrale Frame:Parete Frame:Finestra Vista parete destra Frame:Parete Frame:Porta Luogo di accesso pavimento
Figura 1.2: Rielaborazione semplicata del frame stanza di Minsky [1975], presentato
in Winston [1977].
- scopo; - localizzazione; - processo; - tipi di conoscenza99 . Il vantaggio della teoria ` e essenzialmente, a detta dello stesso Minsky, la capacit` a fenomenologica di includere aspettative e altre presunzioni, attraverso la ricongurazione dei defaults. Inoltre i frames permettono tanto generalizzazioni quanto specicazioni, attraverso lattivazione (di tipo euristico) di elementi diversi allinterno dei frames : ci` o permette ovviamente un uso molto dinamico della struttura, che mira, come detto, a rispecchiare gli elementi essenziali della conoscenza di senso comune, evitando la rigia della teoria di ricongurarsi in funzione di dit` a delle strutture logiche100 . La capacit` informazioni speciche ` e data in sostanza da una collezione di descrizioni per attuare procedure atte a procurarsi le informazioni da sostituire a quelle di defaults : questa
[1975]. ruolo della logica nella determinazione del ragionamento di senso comune ` e tuttoggi uno dei temi centrali della ricerca in IA: alla teorizzazione di Minsky seguirono diversi tentativi di formalizzare la conoscenza comune, ad esempio lAdvice Taker di McCarthy [1958]; la critica pi` u forte ` e quella di Simon [1983], il quale ritiene impossibile trovare soluzioni tramite processi logici ai problemi del senso comune: questi infatti sarebbero passibili unicamente di una soluzione empirica.
100 Il 99 Minsky
62
modalit` a` e detta riempimento if needed . A sua volta linserimento di procedure per la descrizione della conoscenza organizzata rimanda alla possibilit` a di associare a ciascun frame stereotipo una sequenza (script ) di azioni da attuare, la quale ci permette anche la previsione o ricostruzione di eventi non osservati, ricollocandoli nel frame e applicando lo script adatto di azioni. Lapplicazione di questa teoria rappresentazionale appariva funzionale in un contesto di micromondi di conoscenza101 , come ricostruzioni formali di teorie speciche, ad esempio il mondo di gure geometriche di SHRDLU, un programma scritto da Terry Winograd tra il 1968 e il 1970102 : in questo micromondo, SHRDLU si muove eseguendo comandi espressi in linguaggio naturale relativi al rintracciamento, spostamento e collocazione di elementi di quel mondo. Il modo di operare di SHRDLU costituiva una rappresentazione procedurale che, anzich` e comporre secondo operazioni modulari i dati di informazione in ingresso, intrecciava tra loro lanalisi degli enunciati che costituivano i comandi, la rappresentazione interna del micromondo, e la risposta alla domanda posta: il programma era sostanzialmente il frutto dellinterconnessione tra procedure diverse, contenenti ciascuna una parte della conoscenza sul mondo, e scritte in un linguaggio che permette una riduzione ricorsiva di problemi a sottoproblemi103 . Il problema essenziale della teoria dei frames ` e la composizione dei subframes in un tutto in interazione, che costituisca un universo coerente. Infatti, rispetto a ciascun subframe, ogni dato pu` o essere interpretato con un valore di costante, cio` e di dato essenziale alla signicativit` a dello schema, o con valore di variabile, rischiando cos` di creare conitti irrisolvibili nellinterpretazione dei dati: i micromondi sono domini isolati senza signicato. Questo problema pu` o conguarsi come la dicolt` a di una rappresentazione della comprensione comune, che notoriamente ` e in grado di correlare gli elementi in un tutto coerente, e di mostrare una certa capacit` a dinamica rispetto ai fattori determinabili di volta in volta come rilevanti o meno: se la comprensione del background (conoscenza di sfondo) ` e unabilit` a, e se le abilit` a si fondano su modelli completi e non su regole, lIA fondata sulla manipolazione simbolica non pu` o che fallire nel tentativo di catturare la a di esprimere in termini nostra comprensione basata sul senso comune104 . La dicolt` computazionali dati specici di certi domini informali di conoscenza, e la strutturazione di questi dati in spazi di informazione facilmente accessibili alla macchina (a partire dai quali ` e pensabile anche una costruzione della capacit` a di apprendimento), ha il noe la fase di esecuzione di un me di frame problem 105 : una sua ottima rappresentazione ` piano, nella quale occorre saper tenere in considerazione i contesti di diverse sequenze di azione e le loro modiche sulla situazione iniziale. In questo quadro teorico, ovvero nella ripresa dei processi mentali intelligenti allinterno del contesto del senso comune,
101 In Haugeland [1985], p.173, un micromondo ` e denito come un dominio articiale limitato, in cui i possibili oggetti, le possibili propriet` a e i possibili eventi sono deniti in anticipo in modo ristretto ed esplicito. 102 Winograd [1972]. 103 Il programma in questione ` e il PLANNER: in esso i processi si compiono automaticamente secondo percorsi impliciti nellenunciato nale. Il programma ` e in grado, a partire da questo enunciato-obiettivo, di seguire alberi no a trovare lenunciato desiderato, e a tornare indietro (backtracking ) qualora non lo trovi. 104 In questo senso lapproccio dellIA denito top-down, che cio` e parte dal tentativo dellidenticazione delle regole logico-cognitive astratte dal contesto per implementarle su macchine, costituisce un programma di ricerca regressivo, nel senso di Lakatos [1978]. 105 McCarthy, Hayes [1969].
63
va interamente rimessa in discussione la tesi principale dellIA (Tesi 1.4.4) che, sulla base del principio dellinvarianza della struttura (Tesi 1.4.5), assume sostanzialmente che la mente ` e di per s e un computer, e che quindi ogni sistema adeguatamente programmato possiede, di fatto, una mente106 . Se la controparte teorica di questo assunto ` e semplicemente il ritenere un programma che gira allinterno di una macchina come un buon mezzo per simulare le attivit` a di una mente107 , appare sin da adesso che la questione del frame problem, il problema della formalizzazione dei processi cognitivi comuni, mette in questione proprio lessenza del paradigma sico-simbolico. Tale paradigma, infatti, si costruisce sullelaborazione sintattico-algoritmica dei simboli, facendo dunque riferimento indiretto alla struttura che deve caratterizzare i problemi perch e questi possano essere sottoposti al calcolatore; in eetti il problema pu` o essere espresso u o meno decome buona (o cattiva) strutturazione dei dati108 , oppure come carattere pi` nito dei metodi che il risolutore mette in atto per accedere alla soluzione del problema posto109 . Pare che siano proprio i problemi mal strutturati a riettere le situazioni reali del senso comune, e che questi necessitino esattamente di metodiche non rigide per essere implementabili su calcolatori, facendo dunque un maggiore adamento sulle procedure euristiche piuttosto che su compiti formalizzati. Come abbiamo visto, il progetto IA, sorto dalle idee di Turing e von Neumann, modica costantemente il suo paradigma, per adattare lidea di calcolatori come analoghi della mente a contesti sempre meno formali e pi` u aderenti a quella realt` a che vede in atto la nostra attivit` a intelligente. Tuttavia, il limite essenziale del progetto continua ad essere il presupposto stesso della rilettura delle attivit` a della mente in termini funzionali, dove cio` e il risultato dellattivit` a intelligente prevale sulla riproducibilit` a dei processi che, nel nostro cervello, conducono a tale risultato. A questo proposito cerchiamo adesso di mettere in evidenza le problematiche pi` u rilevanti per i programmi IA considerati sinora, che ci permetteranno di illustrare il passaggio a nuovi aspetti teorici: 1) nellapproccio top-down si ritiene possibile considerare i processi simbolici separatamente dalle propriet` a del dispositivo sico sul quale viene eseguita la computazione: ci` o implica che noi siamo in grado di astrarre le categorie cognitive che miriamo a simulare, e che queste siano indipendenti dalla struttura neuro-siologica a partire dalla quale vengono generate; 2) il punto precedente implica un altro problema essenziale: limpossibilit` a di riconoscere il livello al quale la natura del materiale sico di realizzazione dellattivit` a cognitiva (lhardware), potrebbe risultare produttore di dierenza tra processo del programma e processo umano (il software), cio` e quali sono le capacit` a che potrebbero dipendere direttamente da strutture siche precise. Si tratta qui di rileggere il piano del simbolismo sico introdotto dalle ricerche di Newell e Simon, e che gi` a ampliava la prospettiva operazionale/computazionale di Turing, per individuare quali elementi vanno ritenuti indispensabili allobiettivo dichiarato di riprodurre unattivit` a intellligente e diretta ad uno scopo, nella prospettiva che gli
tesi ` e stata, come noto, denita tesi dellIA forte in Searle [1980]. in Searle [1980] questa viene denita tesi dellIA debole. 108 Reitman [1964]. 109 Newell [1969] faceva coincidere i problemi mal strutturati a metodi deboli di soluzione: generazione e controllo (ovvero tentativi ed errori), analisi mezzi-ni, ricerca euristica.
107 Sempre 106 Questa
64
atteggiamenti cognitivi intelligenti possano avere radici profonde nella struttura sica110 ; 3) questa dicolt` a, suggerisce il richiamo alla critica esposta da Searle alla tesi essenziale dellIA: esiste cio` e una confusione fra il livello reale della psicologia dellelaborazione di informazione e la possibilit` a di fornire descrizioni simulate di una elaborazione dellinformazione attuata nel cervello111 . In questo senso la simulazione non pu` o darci dunque alcuna conferma del fatto che tali processi meccanizzati possano essere rilevanti in un senso epistemologico; 4) il lavoro di un calcolatore, nella prospettiva dellIA, avviene su un livello sintatticoformale che coincide di fatto con lo stato mentale di un essere umano che tenta di eseguire prestazioni formali non perturbate da fattori ambientali o psicologici: il ragionamento secondo regole ` e un livello di bassa complessit` a per il ragionamento umano e potrebbe essere il pi` u alto raggiungibile dal calcolatore112 ; lIA in questo senso potrebbe intendersi come riproposizione dellatteggiamento intelligente tramite la presentazione dei processi mentali secondo strutture di regole, che non sempre sono le uniche realmente essenziali (nella rappresentazione formale) alla loro esecuzione da parte dellagente umano113 .
1.4.4
Sistemi esperti
Il modello dellintelligenza come rule-based information processing, ovvero quale processo di elaborazione dellinformazione basato su regole, e impiantato sulloperazione di codica-elaborazione-decodica della struttura sico-simbolica eseguita da calcolatori, appare dunque sotto molti aspetti insuciente ad una comprensione delle attivit` a cognitive del sistema-uomo, rischiando di appiattire lanalogia uomo-calcolatore in una omologia che serve pi` u a comprendere cosa ` e in grado di fare il secondo piuttosto che dirci come funziona lattivit` a specica del primo. Tuttavia, lIA cerca nuove strade che, a partire dalle profonde rivoluzioni concettuali gi` a implicite nella teoria dei frames, sembrano muoversi nella direzione di una rilettura strutturale dellattivit` a gnoseologica umana, pur permanendo nel quadro del piano simbolico di elaborazione dei dati. Vogliamo adesso accennare ad alcuni dei risultati pi` u importanti dellapproccio computazionale simbolico dellIA, per arontare successivamente quei progetti di ricerca che hanno seguito strade profondamente diverse. Come abbiamo visto alla ne del paragrafo precedente, spesso il lavoro intelligente di un agente umano non coincide con il rintracciamento e lesecuzione di regole formali
110 Cercheremo in quanto segue di sviluppare questa prospettiva, facendo riferimento ai presupposti e risultati teorici della Cibernetica, delle Reti neurali e della Robotica, proponendo pi` u avanti una ripresa del paradigma cibernetico, che mira a sviluppare secondo nuove prospettive il tema del supporto sico dellattivit` a intelligente. 111 Si veda ad esempio Searle [1990], p.67. Searle spinge la sua critica sino a sostenere che solamente la struttura biologico-sica del cervello pu` o causare stati mentali (in una versione debole) o che solo strutture identiche, cio` e uniche, possono causare processi identici (versione forte). Si veda anche Searle [1980]. 112 In Dreyfus, Dreyfus [1986] si sostiene questa linea teorica, estremizzando lidea che le capacit` a cognitive speciche delluomo (expertise ) vengono sviluppate sulla base di comportamenti mentali non diretti da regole, e che questi sono riconducibili solo ad attivit` a compiute a livello dilettantistico, nelle quali ci si attiene il pi` u rigidamente possibile alle regole imparate. 113 Si veda al proposito Negrotti [1990b].
65
e generiche. Partendo proprio da questo presupposto, si sviluppa in IA il tentativo di implementare programmi che riproducano lattivit` a di risoluzione di un problema da parte di uno specialista nel settore cui pertiene il problema in questione. Nascono cos` i sistemi esperti :
Denizione 1.4.9 Un sistema esperto ` e un sistema articiale le cui competenze computazionali permettono la risoluzione di problemi complessi riconducibili ad un particolare domino di conoscenze: in esso ` e la quantit` a reperibile di conoscenze a produrre dati in uscita reputabili come prodotto di intelligenza. I sistemi esperti sono dunque in grado di gestire informazioni descritte in maniera tale da rendere possibile una loro analisi e riorganizzazione in funzione del reperimento di strategie atte ad ottenere la risoluzione di un problema. In questo senso ` e fondamentale lorganizzazione e descrizione di tali informazioni, piuttosto che la procedura di ricerca e la loro connessione, la cui elaborazione poi sostanzialmente non presenta dierenze la struttura di un programma rilevanti rispetto ad altri tipi di programma114 . Cos` esperto ` e costituita da: - una base di conoscenza per la risoluzione dei problemi essenziali nel campo per cui il sistema ` e stato progettato: essa ` e immagazzinata nel programma da un esperto umano che la reperisce e codica per il programma; - una programmazione che permette al programma di ottenere nuove conoscenze per vie inferenziali dalle conoscenze di base: i metodi usati dal programma possono essere i pi` u vari, dalla deduzione automatica, a forme probabilistiche di inferenza, a metodi euristici115 ; - moduli di aggiornamento e apprendimento di nuove conoscenze: in genere si tratta di sistemi che consentono limmissione di nuove conoscenze vericando la compatibilit` a con quelle gi` a presenti, o di sistemi di apprendimento induttivo. I primi programmi di questo tipo sono stati DENDRAL, in grado di fornire informazioni sulla struttura molecolare di composti organici, MACSYMA, per lesecuzione di diverse computazioni simboliche, HEARSAY, interprete di sottoinsiemi di frasi in lingua inglese. Tra i pi` u famosi ricordiamo PROSPECTOR116 , analizzatore di propriet` a geologiche e mineralogiche che funzionava su base probabilistica esplicitata dal teorema di Bayes, e MYCIN117 , sistema per la diagnosi e la terapia delle malattie infettive, realizzato da Buchanan, Feigenbaum e Shortlie nel 1972. Dato che la metodologia che permette la costruzione di sistemi esperti consiste nellottenimento delle conoscenze necessarie (ad esempio tutte le tipologie di malattie infettive con le rispettive sintomatologie e terapie standard), nellimparare a rappresentarle e nellescogitare metodi di ricerca delle informazioni implementate che ci permettano di accedere con successo alle
114 La rappresentazione della conoscenza allinterno del programma pu` o avvenire secondo diverse modalit` a, tramite scripts, frames, sistemi di logica per il calcolo dei predicati del primordine ecc. 115 Risalta a questo proposito linsucienza dei sistemi logico-computazionali, i quali riescono a produrre risultati notevoli in ambiti ristretti di conoscenza, laddove il motore inferenziale biologico appare superiore nella capacit` a di immagazzinare e correlare dati per problemi dierenti, reperendo regole di connessione a grande velocit` a. 116 Duda et al. [1976]. 117 Shortlie [1976].
66
nostre conoscenze, non serve utilizzare particolari dicili e secondari, quanto piuttosto riuscire a rappresentare le relazioni che ci permettono di raggiungere i nostri obiettivi118 . La particolarit` a di un sistema come MYCIN, che lo rende di fatto un sistema utilizzabile praticamente con ecacia, ` e di saper integrare le nozioni generiche del tipo sintomoanalisi-terapia, con le informazioni speciche come la storia e i dati clinici del paziente. Tale programma realizza un processo di deduzione backward, valutando alla ne lattendibilit` a del risultato119 . Tuttavia, nel campo dellIA e delle scienze cognitive, i sistemi esperti sono ritenuti tuttaltro che sistemi in grado di esplicitare unattivit` a intelligente, e piuttosto vengono reputati unicamente quale risultato tecnologico product-directed, orientati al mercato pi` u che allanalisi dei processi cognitivi umani, e che in denitiva sarebbero in grado di esprimere conoscenze gi` a note e non di prevedere fenomeni nuovi. Abbiamo sin qui cercato di seguire una corrente dello sviluppo teorico dei sistemi intelligenti a partire dallanalogia mente-macchina. Nel prossimo capitolo ci occuperemo di riprendere le varianti a questo percorso, facendo in particolare riferimento al connessionismo e alle reti neurali da un parte, e alla robotica dallaltro. Negli argomenti che abbiamo nora arontato, lidea che permane a fondamento ` e quella della mente come sistema in grado di gestire e manipolare informazione. Ma cosa vuol dire studiare un processo di gestione dellinformazione? Prima di arontare il paradigma cibernetico classico e lapproccio connessionista dellIA, vogliamo rivolgerci ad unanalisi dellindagine matematica sulla nozione di informazione, che rappresenta il presupposto teorico dellidea di intelligenza come atto di information processing.
1.5
Teoria dellInformazione
Lo sviluppo dei calcolatori, intesi quali macchine in grado di produrre attivit` a intelligente, si ` e progressivamente orientato verso uno sviluppo dellautomazione che, come abbiamo visto nel caso dei sistemi esperti, viene impiegata per integrare il lavoro umano con mezzi meccanici (no alla programmazione di macchine in grado di gestire macchine). In questo contesto si colloca il passaggio da una teoria dei calcolatori che comprende lintero sviluppo dellIA (dalle T-macchine agli stessi sistemi esperti), no ad una teoria del controllo automatico, che aggiunge allintegrazione fra mezzi meccanici e alla programmazione di sistemi, anche luso di controlli automatici a retroazione (feed-back ), nucleo teorico centrale della Cibernetica classica. La Cibernetica, in questo senso, si presenta come scienza delle comunicazioni e delle reazioni a tali comunicazioni, dunque come sistema di connessione tra un processo informazionale e il complesso di reazioni automatiche a tale processo. Appare perci` o evidente che il collegamento concettuale essenziale tra quanto sin qui descritto, in particolare lo studio di programmi per calcolatore come sistemi di information processing, e quanto ci avviamo ad arontare, ovvero la Cibernetica classica e i suoi sviluppi successivi, ` e costituito proprio da una nozione scientica e non intuitiva di informazione. La teoria dellinformazione, intesa in senso matematico, nasce nel contesto degli
118 Minsky [1986], par.7.4, ha esplicitato il funzionamento dei sistemi esperti come di programmi che non devono ricercare come risolvere un problema, in quanto il bagaglio di conoscenze di cui sono forniti include la soluzione stessa del problema. 119 Sulla scia di MYCIN nasceranno molti altri programmi come TEIRESIAS, EMYCIN, CASNET e CADUCEUS. Un esempio di sistema che invece usa processi di deduzione forward ` e R1, sistema per la congurazione di computers.
67
studi sui canali di trasmissione al ne di migliorarne la conduzione e ridurne i problemi essenziali, come quello delle interferenze. Le questioni arontate da una tale teoria sono: 1. compressione: immagazzinamento e trasmissione dellinformazione in modo compatto; 2. capacit` a e velocit` a: computo della quantit` a di informazione trasmissibile su un canale; 3. codica e criptaggio: protezione dellinformazione. Lo scritto che diede origine allo studio matematico della nozione di informazione ` e larticolo A mathematical Theory of Communication pubblicato nel 1948 nella rivista della Bell Communications ad opera di Claude E. Shannon120 . Nelle parole di Shannon, il problema fondamentale dei processi di comunicazione consiste nella possibilit` a di riprodurre in maniera esatta o approssimata ad un certo momento della trasmissione, un messaggio selezionato ad un punto precedente: a questo scopo puramente tecnicoingegneristico, gli elementi semantici e concettuali della nozione di informazione risultano del tutto irrilevanti. Il sistema di comunicazione deve essere disegnato in relazione al messaggio trasmesso, e questo ` e selezionato da un insieme di possibili messaggi, laddove la progettazione deve far conto di ogni possibile selezione, poich e la selezione attuale non ` e conosciuta al momento di tale progettazione: ci` o fonda ovviamente la nozione di informazione studiata da Shannon su base probabilistica o statistica. Occorre innanzi tutto illustrare un sistema classico di comunicazione, che Shannon sviluppa su cinque elementi fondamentali (g. 1.3): 1. la sorgente di informazione : da essa viene generato il messaggio che sar` a trasmesso al terminale; 2. il trasmettitore : si tratta di un dispositivo atto ad operare sul messaggio in modo tale da produrre un segnale che possa essere indirizzato sul canale di trasmissione (operazione di codica); 3. il canale : ` e il mezzo sul quale viene condotto il segnale e che connette la sorgente al terminale; 4. il ricevitore : compie loperazione inversa a quella del trasmettitore, cio` e la riconduzione del segnale in termini di messaggio (operazione di decodica); 5. il destinatario : il terminale al quale il messaggio ` e indirizzato. Da questa descrizione puramente teorica, Shannon fonda un sistema matematico a base di alcune equazioni fondamentali, per il computo della quantit` a di informazione prodotta. Il lavoro di Shannon tiene in considerazione tre dierenti tipi di sorgenti: - discrete : in cui il messaggio e il segnale sono costituiti da una sequenza di simboli discreti (telegrafo); - continue : in cui messaggio e segnale sono trattati come funzioni continue (radio o televisione); - miste : in cui appaiono sia variabili discrete che continue (trasmissione meccanica di discorso).
120 Shannon
[1948].
68
SORGENTE
messaggio
TRASMETTITORE
segnale
RUMORE
CANALE
segnale
DESTINATARIO
messaggio
RICEVITORE
Figura 1.3: Schema del sistema classico di comunicazione, presentato in Shannon [1948].
La natura essenziale di tale computo ` e data su base probabilistica, in quanto in tali sistemi, la sorgente che produce il messaggio, simbolo per simbolo, ` e di tipo stocastico : Denizione 1.5.1 Si dice stocastico un sistema tale che produce simboli (o combinazioni di simboli) in successione, cos` che ciascuna scelta di simboli successivi a quelli presenti nel sistema sia fatta in accordo a certe probabilit` a di dipendenza, ovvero sulla base di scelte precedenti. La rappresentazione matematica di tali sistemi ` e nota come processi di Markov o catene di Markov, che nel caso generale prevedono: - un numero nito di possibili stati di partenza s1 , s2 , . . . , sn ; - un insieme di probabilit` a di transizione del tipo pi (j ), che indica il valore di probabilit` a di passaggio dal sistema nello stato i-esimo al sistema nello stato j -esimo, ovvero da si a sj ; lunica aggiunta necessaria a rendere tale processo assimilabile ad una sorgente di informazione, ` e lassunzione della - produzione di un simbolo per ciascuna transizione di stato del sistema. In questo modo appare evidente la fondazione della teoria matematica dellinformazione su base probabilistica, il che ovviamente, nel caso dellanalisi di sistemi intelligenti, estende i conni teorici dettati dal determinismo delle T-macchine. Un sistema del quale sia in questione il computo delle probabilit` a dei risultati possibili, viene detto esperimento probabilistico. Un evento la cui realizzazione prevede
69
un certo valore di probabilit` a, rappresenta allora una delle possibili risultanti dellinsieme di eventi che pertiene alle possibilit` a dellesperimento, e tale insieme ` e detto spazio campionario S (sample space ), S = {e1 , . . . , en }, al cui interno ciascun evento ` e detto evento semplice o punto di S e possiede un valore di probabilita pi . Linsieme P di tali valori di probabilit` a P = {p1 , . . . , pn } ` e detto distribuzione di probabilit` a su S . Nel caso ad esempio del lancio di un dado121 , lo spazio campionario S = {e1 , . . . , e6 } ` e dato dal numero dei possibili riultati del lancio pari a 6, e la distribuzione di probabilit` a` e uguale (P = p1 = . . . = p6 = 1/6) se si tratta di un dado non truccato, poich e la probabilit` a di risultare ` e pari per ciascuna delle facce del dado. Sulla base di questo esempio possiamo aermare che il valore di probabilit` a di ciascun evento ` e rappresentabile tramite numeri reali, infatti la distribuzione di probabilit` a soddisfa due richieste di base: 1. il valore di probabilit` a di ciascun evento dello spazio di uscita ` e maggiore-uguale a 0, valore questultimo che indica uno stato di impossibile realizzazione: pi 0; 2. la sommatoria delle probabilit` a deve dare un valore totale pari a 1 , valore che indica lo stato di certezza:
n
pi = 1.
i=1
Per ciascun evento en appartenente allinsieme S , la sua probabilit` a di vericarsi ` e data dalla somma delle probabilit` a pi di tutti i punti p che appartengono ad S : p (e n ) =
iS
pi
e poich e la sommatoria della probabilit` a dellintero spazio campionario ` e pari a 1, e ciascun valore di probabilit` a` e compreso tra 0 e 1, ne segue che 0 p(en ) 1, cos` che il valore di probabilit` a di ciascun evento si rappresenter` a con una cifra reale. Su questa base ` e possibile computare il valore di probabilit` a congiunta di due esperimenti connessi, aventi cio` e diversi spazi campionari ma identica distribuzione di probabilit` a, e a partire da detta probabilit` a congiunta ` e possibile ricavare le probabilit` a marginali, ovvero quelle degli eventi separati. Altro valore fondamentale ` e la probabilit` a condizionale che si d` a quando un evento occorre dato un altro evento gi` a accaduto, ad esempio nel caso di un interprete meccanico del linguaggio naturale che deve calcolare il valore
121 Lo studio della probabilit` a nacque stimolato dallanalisi razionale del gioco dazzardo e la contemporanea letteratura scientica continua a ricavare proprio dal gioco i suoi esempi pi` u classici.
70
di probabilit` a di presentarsi di una lettera dellalfabeto, poniamo la n, posto che sia dato il caso dellinsieme di lettere che formano la sequenza informazio. Date queste nozioni essenziali di teoria della probabilit` a, e non volendoci dilungare oltre su specici aspetti computazionali, possiamo determinare la misura dellinformazione prodotta da un messaggio selezionato da un insieme di possibili scelte ugualmente probabili. In eetti, la totalit` a degli eventi di uno spazio campionario S porta con s e un certo valore di incertezza relativamente alla realizzazione di qualcuno di tali eventi; in particolare la realizzazione di uno di questi porter` a con s e un certo valore di informazione : essa dunque ` e generata dalla realizzazione di uno stato tramite riduzione dellincertezza ed eliminazione delle possibilit` a. Il suo computo avverr` a a partire da una qualche funzione monot` ona che lavora sul numero di tali possibili scelte: tale funzione viene identicata con la misura logaritmica, poich e per Shannon essa ` e praticamente pi` u utile, pi` u vicina alla nostra nozione intuitiva di misura propria e matematicamente pi` u utilizzabile. La base del logaritmo determina inevitabilmente lunit` a di misura scelta per la nozione di informazione: prendendo il caso pi` u semplice e naturale, ovvero il logaritmo a base 2, avremo delle unit` a binarie come misura, ovvero i bits. Questa scelta viene fatta sulla base dei due possibili risultati per ciascuno degli eventi in questione (realizzato o non realizzato), e in generale si accorda perfettamente con sistemi che godono di due posizioni stabili possibili, permettendo in conclusione luso di una codica di tipo binario: in teoria dellinformazione si guadagna un bit ogni volta che viene compiuta una scelta tra due possibilit` a equamente probabili. Lidea che sta alla base del computo di informazione fornito da Shannon ` e che occorre identicare il numero di bits richiesti per il trasferimento dellinformazione stessa: cos` nel caso in cui levento ei che si realizza rappresenta la riduzione ad uno stato determinato di un numero n di possibilit` a ugualmente probabili, allora il contenuto del messaggio sar` a rappresentato dalla formula I (ei ) = log 2 n. Ma cosa vuol dire che la misura dellinformazione di un messaggio ` e pari al numero di bits necessari alla sua trasmissione? Poniamo che nella fase nale di un gioco a sorteggio siano rimasti solo 8 possibili vincitori e che per ciascuno di questi sia stato preparato un biglietto con su scritto il nome del partecipante. Solo uno di questi biglietti sar` a estratto e solo uno sar` a il vincitore: qual` e la quantit` a di informazione espressa dal biglietto estratto (o meglio dal nome scritto sopra di esso)? Per la formula sopra riportata, tale misura sar` a pari a 3 bits, poich e il logaritmo a base 2 delle 8 possibilit` a` e esattamente 3. Ma a partire da questo semplice computo possiamo introdurre una delle nozioni pi` u importanti della teoria matematica dellinformazione, ovvero la ridondanza. Tale nozione ` e legata alla trasmissione digitale dellinformazione, basata sul sistema binario determinato dal logaritmo. Se infatti i giocatori che accedono alla fase nale del gioco fossero 10 e non pi` u 8, per il computo determinato dal logaritmo a base 2 avremmo che il numero di bits necessari alla trasmissione dellinformazione fornita dal biglietto estratto, sarebbe pari a 3.3 bits: ma ovviamente tale numero frazionale non sarebbe trasmissibile (con un sistema digitale) ed occorrerebbero 4 bits, dei quali 0.7 sarebbero appunto ridondanti. Questo valore superuo di informazione viene determinato allinterno del sistema come rumore (che entra a far parte del sistema di Shannon come sua sesta componente). Fin qui ci siamo rivolti al caso in cui gli eventi possibili sono ugualmente probaGiuseppe Rotolo e Giuseppe Primiero DallArticiale al Vivente c 2005 Polimetrica International Scientic Publisher Monza/Italy
71
bili, mentre il caso pi` u generale prevede uno spazio campionario con eventi non tutti ugualmente probabili. In un caso del genere, ovviamente, la probabilit` a p(ei ) che si realizzi levento ei , determina inversamente la quantit` a di informazione condotta dalleventuale realizzazione di tale evento: ovvero, pi` u il fatto ` e probabile meno informazione sar` a condotta dalla sua realizzazione, e, inversamente, minore ` e la sua probabilit` a di realizzazione, maggiore informazione sar` a condotta dalleventualit` a che esso si verichi. Esprimendo questa relazione con delle semplici equazioni, avremo che, data la certezza della probabilit` a di realizzazione dellevento ei p(ei ) = 1, il suo contenuto di informazione sar` a pari a zero I (ei ) = 0. La seconda formula di Shannon, che descrive la quantit` a di informazione prodotta da un evento ei che si realizza tra altri, non tutti ugualmente probabili, ` e la seguente: I (ei ) = log 1/p(ei ), per la quale vale ovviamente che, nel caso in cui gli eventi possibili rispettano la propriet` a di equiprobabilit` a p(e1 ) = . . . = p(en ) = 1/n, tale equazione si riduce al caso precedente. Un equivalente di tale formula si ottiene invertendo la frazione e ponendo il segno negativo davanti al logaritmo I (ei ) = log p(ei ) che indica il valore di sorpresa associato allevento ei . In questo senso bisogna comprendere che il rapporto tra informazione e sorpresa ` e direttamente proporzionale cos` come quello tra informazione e probabilit` a` e inversamente proporzionale e in questa relazione, come gi` a detto, il signicato riveste un ruolo assolutamente non determinante rispetto al computo di tali valori, cos` che linformazione matematicamente intesa ` e computo della sorpresa. Un ulteriore sistema di equazioni pu` o permetterci di raggiungere la descrizione matematica di una quantit` a media di informazione associata ad una sorgente S che produce segnali: H (S ) =
i
p (e i )I (e i ),
equazione che esprime il fatto che linformazione media della sorgente S ` e ottenuta tramite la sommatoria del contenuto di informazione di ciascuna possibilit` a della sorgente in accordo al valore di probabilit` a della sua occorrenza122 . Tramite questa equazione ` e
122 La lettera H ` e stata scelta in onore di R.V.L. Hartley, il primo a cercare nel 1928 una misura quantitativa dellinformazione. Su un alfabeto di s simboli, con lunghezza l, dunque con un valore sl di messaggi possibili, Hartley comput` o come segue il valore informativo di tali messaggi possibili: H (sl ) = log sl = l log s.
72
facile mostrare la quantit` a media di informazione generata da un esperimento probabilistico con spazio campionario S = {e1 , . . . , en } e distribuzione di probabilit` a P , inteso come sorgente di informazione:
n
H (S ) =
i=1
p(e1 ) log p(ei ).
Il valore di H rappresenta una funzione continua, simmetrica e additiva e non ` e dicile rendersi conto che tale equazione coincide con la misura di entropia di un sistema sico computata da Boltzmann123 , con una variabile negativa iniziale (per convenzione identicata con 1). Infatti, la media del valore di informazione fornita da un sistema con spazio campionario di eventi la cui probabilit` a non ` e determinata, ovvero linformazione media calcolata prima che si conosca la congurazione del sistema stesso, ` e detta entropia. La misura dellentropia ` e dunque direttamente proporzionale allincertezza insita nel sistema, ne rappresenta la misura di disordine : lentropia ` e pari a zero nel caso di un evento impossibile o certamente realizzato, invece massima nel caso di massima incertezza. Possiamo a questo punto cercare anche di capire pi` u a fondo perch e tale misura ` e data tramite la funzione logaritmica. Il valore comune di probabilit` a assunte a indipendentemente ` e ottenuto per moltiplicazione124 ; linformazione, come abbiamo gi` visto, si combina invece per addizione. Allora il rapporto tra la quantit` a di informazione di un messaggio e la sua probabilit` a sar` a il rapporto tra un insieme di addendi e uno di fattori: la prima serie allora rappresenta matematicamente il logaritmo, a base opportuna, della seconda serie. Essendo le probabilit` a sempre inferiori a 1 (probabilit` a della certezza assoluta), linformazione deve essere computata proporzionalmente maggiore di 0 con probabilit` a corrispondente minore di 1: il valore dellinformazione sar` a perci` o ottenuto tramite il logaritmo della probabilit` a preceduto dal segno di negazione, essendo negativo il logaritmo di un numero inferiore a 1, e dovendo essere positivo il valore dellinformazione. Il valore H (S ) rappresenter` a dunque linformazione media trasmessa tra una sorgente e il destinatario del messaggio. A questo punto il lavoro di Shannon si ` e concentrato proprio sullanalisi della trasmissione dellinformazione in un canale: in particolare, sulla determinazione matematica dei rapporti tra: informazione alla sorgente (H (S )); quantit` a media di informazione proveniente dalla sorgente ricevuta dal destinatario (HS (R)); informazione al destinatario (H (R)), al ne di computare i valori di equivocazione (E (S )) e rumore (N (R)) nella trasmissione del messaggio. Per illustrare il caso generale possiamo pensare a: HS (R) come linformazione generata alla sorgente che ` e effettivamente ricevuta dal destinatario; ad E (S ) come lequivocazione alla sorgente, cio` e linformazione generata alla sorgente che si perde prima della trasmissione; ad N (R) come il rumore al destinatario, ovvero linformazione ricevuta che non ` e generata alla sorgente ma che si inltra nel canale durante il trasferimento. Il rapporto tra questi valori esprime appunto il signicato di HS (R): H S (R ) = H (R ) N (R ) = H (S ) E (S ), cio` e linformazione proveniente dalla sorgente ricevuta dal destinatario ` e uguale allinformazione ricevuta meno il rumore, ovvero quella prodotta meno lequivocazione. Il
[1897]. probabilit` a di ottenere una qualsiasi delle facce di un dado ` e 1/6; la probabilit` a di ottenere due facce uguali nel lancio di due dadi ` e 1/36.
124 La 123 Boltzmann
73
lavoro di Shannon proponeva in conclusione alcuni importanti teoremi in particolare in riferimento alla codica del messaggio, alla sua decodica e alla capacit` a del canale informativo, identicando la migliore codica con quella che riesce a rendere il messaggio in termini di un segnale con caratteristiche statistiche tali che ne massimizzino lentropia rendendola uguale alla capacit` a del canale. Questo principio generale, che mira a ridurre sul canale lo spazio disponibile al rumore, eventualmente aumentando la ridondanza del segnale, porta ad identicare la frequenza massima per la trasmissione di simboli nel rapporto tra capacit` a del canale C ed entropia H (C/H ). La teoria fondata da Shannon rispondeva sostanzialmente al primo dei tre livelli di problemi della nozione di comunicazione, identicati da Warren Weaver nel suo Recent Contributions to the mathematical Theory of Communication 125 : LIVELLO A. Con quanta accuratezza possono essere trasmessi i simboli della comunicazione? (problema tecnico), che appunto riguardava laccuratezza del trasferimento di un insieme di simboli da sorgente a destinatario. Il secondo problema era invece, come gi` a pi` u volte sottolineato, completamente escluso dalla teoria matematica, poich e riguarda il signicato come lapprossimazione nellinterpretazione da parte del destinatario del signicato inteso dalla sorgente: LIVELLO B. Con quanta precisione i simboli trasmessi conducono il signicato desiderato? (problema semantico), e anche nel contesto dei sistemi meccanici intelligenti il problema del signicato dei simboli utilizzati era arontato solo in termini di generazione del signicato a partire da una combinatoria sintattica. Il terzo problema riguarda inne la corretta risposta in termini di reazione da parte del destinatario: LIVELLO C. Con quanta eettivit` a il signicato ricevuto inuisce sulla condotta nel modo desiderato? (problema delleettivit` a). Ovviamente la solidit` a e potenza matematica della teoria dellinformazione sviluppata da Shannon, da Weaver e dagli altri teorici dellinformazione, permette di porre tale nozione a fondamento anche dellanalisi del problema semantico (come ` e di fatto avvenuto con la Teoria semantica dellInformazione) e del problema che potremmo dire pragmatico. Daltra parte risulta ovvio che la Cibernetica classica, come scienza della guida automatica, non poteva che realizzarsi proprio nello studio di questo terzo problema, allorch e si proponeva di analizzare i metodi di azione e reazione di macchine informate, ovvero le risposte di organi di comando alla ricezione di informazioni riguardanti lo stato di cose in atto e le loro scelte in relazione alle decisioni possibili. Riletta in questa termini, ` e evidente come la Teoria matematica dellInformazione fosse il presupposto teorico necessario allo sviluppo della Cibernetica. In particolare ` e proprio lanalisi del sistema come gestore/analizzatore di informazione, a partire dal quale esso pu` o generare una reazione tra alcune possibilit` a, a permettere la nascita del concetto centrale della Cibernetica classica, ovvero quello di feedback o retroazione. In questo senso, un processo di automazione comprende sia il sistema meccanico che il livello della programmazione che permette di gestire un comando, codicato questultimo in
125 Weaver
[1952].
74
un segnale, il quale ovviamente porta con s e una certa quantit` a di informazione elaborata dal calcolatore, e che in conclusione permette di guidare il rapporto di controlli automatici a retroazione.
1.6
Principi di Cibernetica: regolazione, controllo e retroazione
Vedremo in questo capitolo come nella Cibernetica siano conuite tutte le tematiche e le problematiche sin qui arontate a livello storico e teorico per la determinazione delle specicit` a della natura vivente e intelligente. Ci riferiamo in particolar modo alla riutilizzazione e riformulazione della nozione di computabilit` a, al problema dellapprendimento e della modica del comportamento, ai temi dellorganizzazione di un sistema mirata ad uno scopo (teleologia ) e alla nozione di elaborazione dellinformazione.
1.6.1
La nascita della Cibernetica: analisi del comportamento e della trasformazione
Il padre dela Cibernetica classica ` e senza alcun dubbio riconosciuto in Norbert Wiener, logico matematico di professione formatosi alle Universit` a di Harvard, Cambridge e G ottingen sotto la guida di gure come B. Russell e G.H. Hardy; la sua ricerca matematica, condotta per lo pi` u al MIT, riguard` o soprattutto lanalisi matematica, la casualit` a come oggetto di studio per estendere i conni della matematica, e poi ancora la teoria dei numeri, quella delle potenze, i moti browniani, la teoria delle funzioni generalizzate126 . Wiener era profondamente convinto che il matematico non potesse smettere di fare i conti con il mondo reale, piuttosto dovesse sempre confrontarsi con le responsabilit` a morali derivanti dalluso delle applicazioni scaturite dai suoi risultati teorici: questa considerazione acquist` o sempre maggiore valore nel pensiero di Wiener e inu` indubbiamente sulla sua attenzione per quella matematica che avrebbe rappresentato la fondazione teorica della scienza cibernetica. La scienza cibernetica si sviluppa a partire da una essenziale fondazione losoca: essa non deve intendersi come una scienza di settore, piuttosto come nuova impostazione epistemologica che si propone in termini di connessione tra le specicit` a delle diverse aree del sapere: unadeguata esplorazione di [. . .] zone vergini sulla carta della scienza pu` o essere fatta solo da un gruppo di scienziati, ciascuno specializzato nel proprio campo ma provvisto di una sicura e provata competenza nel campo dei suoi colleghi, tutti abituati a lavorare insieme, a conoscere i reciproci abiti mentali e a riconoscere il signicato di un nuovo suggerimento avanzato da un collega prima ancora che esso abbia assunto una piena espressione formale127 .
126 Per il lavoro matematico di Wiener si pu` o consultare la sua opera completa, Wiener [19761984]. Per un resoconto breve possono vedersi Jerison, Stroock [1995] e Mandrekar [1995]. 127 Wiener [1965], p.25.
75
Proprio per questo la Cibernetica si rivolse di fatto a tutte le discipline tradizionali, dalla matematica alla biologia, dalla losoa alle scienze sociali. La Cibernetica si colloca cos` negli anni 40-50 allinterno di quel grande fermento di studi che avrebbero poi preso il nome di scienze della complessit` a, a proseguire dunque il cammino intrapreso dallIA e a precedere e preparare gli sviluppi successivi proposti dalla Teoria dei Sistemi, dalla Teoria delle reti neurali e dei Sistemi dinamici. Il primo gruppo di Cibernetici fu proprio il risultato di una serie di incontri interdisciplinari, nati dallamicizia che a partire dal 1933 leg` o Wiener ad Arthur Rosenblueth, un siologo messicano che teneva un ciclo di conferenze ad Harvard. Fu proprio dal loro lavoro congiunto che vennero fuori le prime idee sulle analogie tra sistemi meccanici e sistemi naturali, lavori che presto videro il contributo di scienziati del calibro di von Bertalany, Ashby e von Foerster. Fu proprio Wiener a pensare la nuova scienza come scienza del controllo e della comunicazione nellanimale e nella macchina, e per questo a darle, a partire dal 1947, il nome di Cibernetica, derivandolo dalla parola greca (timoniere)128 . Wiener, come tanti altri studiosi che si occuparono di calcolatori, ebbe un ruolo determinante nellintervento della scienza nellindustria bellica, e fu proprio nel contesto di tale attivit` a che nacque la collaborazione con Arthur Rosenblueth: fu in particolare lo studio per la regolazione dei cannoni antiaerei e per gli apparati di controllo dei sistemi di tiro dellaviazione (apparati di puntamento funzionanti in base ad una previsione curvilinea) a dare origine ad alcune delle idee che sarebbero risultate fondamentali nel quadro della Cibernetica. Il nodo centrale fu, per Wiener, sviluppare sistemi meccanici che regolassero i puntatori al ne di prevenire oscillazioni incontrollabili. Si pu` o esprimere tutto ci` o con il linguaggio gi` a noto della teoria dellinformazione: occorreva compensare le imperfezioni delle informazioni provenienti dai radar riducendo il rumore, restando centrale la necessit` a di compiere scelte al ne di massimizzare i processi informativi con lo scopo di conservare la maggiore quantit` a possibile di informazione. In questo contesto inizi` o anche la collaborazione con Julian Bigelow129 . Il principale obiettivo di questo gruppo di studiosi, i primi veri cibernetici, era di studiare come sistemi meccanici potessero supplire (con maggiore certezza di previsione) a funzioni sino a quel momento adate allocchio e allintuito umano, congurando matematicamente tanto le operazioni del puntatore quanto quelle prevedibili del bersaglio: ad esempio, Bigelow svilupp` o un sistema in grado di tracciare la traiettoria di un aereoplano per 10 secondi e prevederne la posizione a distanza di 20 secondi. A partire da questa occasione storica, la Cibernetica conduce ad un livello di analisi particolarmente complesso quel nucleo teorico rappresentato dal confronto analogicoimitativo tra macchine e uomo, in particolare rispetto alla capacit` a delle prime di compiere attivit` a secondo le stesse congurazioni di regole attuate dai secondi. Il cuore di questa analisi viene individuato dai cibernetici in tre capacit` a essenziali che costituiscono lessenza del comportamento umano, e che ` e possibile riprodurre nelle macchine: 1. regolazione ; 2. controllo ;
128 La scelta del termine fu dovuta tra laltro al fatto che uno dei primi articoli che si occupava dei sistemi regolati da feedback, pubblicato da Clerk Maxwell [1868], dal titolo On Governors, faceva riferimento ai regolatori, termine anchesso derivato dalla stessa origine greca. 129 Successivamente Bigelow segui von Neumann alla costruzione di ENIAC.
76
3. retroazione.
Questi tre concetti sono proprio il risultato delle analisi ingegneristiche applicate allindustria bellica dai primi teorici della Cibernetica. Cercheremo adesso di sviluppare i principi teorici che ci permetteranno di comprenderne una cos` specica applicazione. Iniziamo con una descrizione dellente oggetto di studio della Cibernetica, a partire dal quale estenderemo le considerazioni teoriche alle propriet` a che lo caratterizzano. Il primo elemento necessario allindividuazione di una struttura (con particolare riferimento ad una struttura naturale) viene riconosciuta nella congurazione degli elementi e il pattern faccia gi` a interni dellentit` a osservata, congurazione detta pattern 130 . Bench di per s e riferimento alla composizione relativa degli elementi tra loro, tuttavia per lapproccio epistemologico proposto dalla Cibernetica, limitarsi allanalisi della congurazione interna dellentit` a oggetto di studio, risulta insuciente. Il modello epistemologico della Cibernetica delle origini infatti, pone una distinzione fondamentale: 1. da una parte lanalisi comportamentista, privilegiata dallapproccio cibernetico, che esamina i cambiamenti prodotti dalloggetto di studio sullambiente e le loro relazioni di modica sulloggetto stesso, in un contesto di isolamento solo parziale (a ni sperimentali) delloggetto dallambiente, divenendo a questo punto secondaria, o quanto meno subordinata, lorganizzazione interna dellentit` a in questione; 2. dallaltro lato lopposta analisi funzionale, per la quale loggetto di studio diventa la sola organizzazione intrinseca dellentit` a, in particolare la sua struttura e le sue propriet` a, rimanendo secondarie le relazioni tra oggetto e ambiente131 . Quella tra entit` a e ambiente ` e evidentemente una relazione fondamentale per lapproccio cibernetico, tanto che su di essa si congura la denizione di comportamento proposta dalla nuova scienza: Denizione 1.6.1 Il comportamento ` e ogni cambiamento, rilevabile dallesterno, di unentit` a rispetto al suo ambiente (Rosenblueth, Wiener, Bigelow [1943])132 . In questo procedimento teorico che estende i conni dellente attraverso la considerazione del suo comportamento in termini di relazione con lambiente esterno, uno dei concetti fondamentali della Cibernetica ` e dunque quello di cambiamento. In eetti il concetto teorico di maggiore rilevanza per la scienza Cibernetica ` e quello di dierenza, come cambiamento (in particolare movimento ) dellente nel tempo e nello spazio, con la necessit` a di studiare e rendere conto della continuit` a del movimento e del cambiamento a partire da forme discrete di descrizione. Lo schema essenziale della transizione mette in atto tre elementi: operatore = operando = trasf ormato.
130 Il pattern ` e denito da Wiener come una disposizione caratterizzata dallordinamento degli elementi di cui si compone anzich e della natura intrinseca di questi elementi, in Wiener [1950], p.17. Il termine pattern ` e stato ampiamente ereditato dalla successiva Teoria dei Sistemi. 131 Rosenblueth, Wiener, Bigelow [1943], p.78. 132 Tale denizione implica ovviamente il riuto dellidea che la stabilit` a possa intendersi come un comportamento.
77
Un insieme di transizioni di questo tipo, connesse su un insieme di operandi, costituisce una trasformazione, ovvero la descrizione del comportamento di un sistema in cambiamento:
Denizione 1.6.2 Si dice trasformazione una tavola di transizioni che assume gli stati in entrata e per ogni possibile variet` a di tali stati ` e in grado di determinare quali saranno gli stati in uscita. Una tale tavola per la trasformazione A ` e della forma seguente: A: x a y b z c ... ...
dove il simbolo indica la direzione dagli inputs agli outputs. Si tratta in generale di tavole di tipo deterministico dove linsieme degli inputs ` e composto da dati provenienti dallambiente esterno e dal regolatore che gestisce il sistema: gli outputs sono le possibili risposte del sistema stesso. Linsieme degli inputs non necessariamente ` e costituito da singoli dati di informazione, ma possono darsi inputs diversi simultaneamente. Infatti speciche del concetto di trasformazione sono la trasformazione uno-uno, dove ciascun operando genera un solo trasformato, e questo rappresenta il caso pi` u semplice, quella uno-molti, dove lo stesso operando ` e capace di generare diversi trasformati, e la trasformazione identica, che non prevede alcun cambiamento tra operando e trasformato. Due propriet` a fondamentali delle trasformazioni sono poi quella di potersi ripetere generando una serie di cambiamenti analoghi, e quella di potersi comporre. Il passo successivo allo studio del cambiamento e delle sue propriet` a, compiuto dei cibernetici, ` e quello di studiare un parallelismo tra le propriet` a teoriche delle trasformazioni e le propriet` a di macchine e sistemi dinamici che si trovano nel mondo reale. Ciascun sistema, tanto meccanico quanto naturale, pu` o esere descritto tramite la o essere considerato come una condizione serie dei suoi stati 133 , ciascuno dei quali pu` o propriet` a ben denita, riconoscibile qualora essa si ripresenti. Nello specico di un sistema dinamico vivente, ciascuno stato rappresenta una delle sue possibilit` a, mentre nel caso degli automi, le macchine deterministiche possono essere intese come un caso specico, mentre invece il caso pi` u generale va considerato deterministico solo in senso statistico134 . Gli stati del sistema, vanno interpretati come operandi, e linsieme degli operandi e dei trasformati del sistema costituisce la sua linea di comportamento.
1.6.2
Dal comportamento alla trasmissione: teleologia e retroazione
Siamo dunque partiti dal sistema e dalla sua estensione allambiente tramite la nozione di comportamento, e attraverso il concetto essenziale di trasformazione, siamo ritornati proprio al comportamento, sebbene in una versione pi` u complessa. Per i primi teorici della Cibernetica135 riuscire a fornire unanalisi uniforme del comportamento, vuol dire essere in grado di sistematizzare la nozione stessa di comportamento e sviluppare controlli sempre pi` u complessi su di esso. Ma lo sfondo teorico e concettuale ` e ancora
133 Si
pensi per analogia alle congurazioni di una T-macchina. nel caso delle sorgenti di informazione stocastiche. 135 Si veda in particolare Rosenblueth, Wiener, Bigelow [1943].
134 Come
78
pi` u ampio: infatti, la certezza riguardo alla possibilit` a di una tale uniformit` a di analisi proviene dallidentit` a dei metodi di studio sul comportamento tanto per organismi viventi quanto per macchine, essendo le rispettive classi di comportamento identiche. Quali sono dunque tali classi? A partire dal concetto intuitivo di comportamento come azione sullambiente basata sul concetto di trasformazione, si giunge a due dei nuclei teorici della Cibernetica, che ampliano proprio la nozione di comportamento: lo scopo e la trasmissione. La nozione di scopo rappresenta il risultato della classicazione del comportamento secondo il seguente schema: 1. comportamento attivo: lentit` a in questione ` e sorgente di un trasferimento di energia; il comportamento attivo pu` o essere ulteriormente distinto in: 1a. comportamento casuale ; 1b. comportamento nalizzato ; 2. comportamento passivo: lentit` a non ` e sorgente di energia, ma lenergia in uscita pu` o essere attribuita ad un elemento immediatamente contiguo o restare esterna alloggetto che la gestisce. Tale classicazione permette in primo luogo lidenticazione del comportamento nalizzato, il quale ` e riconosciuto ovviamente come la prerogativa di un atteggiamento intelligente. Risulta cos` particolarmente evidente come la nozione di comportamento nalizzato si lasci inquadrare come trasmissione della congurazione di un oggetto, in termini di trasmissione di informazione da un punto ad un altro punto. Il problema della trasmissione dellinformazione pu` o allora essere interpretato come regolarit` a o irregolarit` a di un certo modello, laddove evidentemente linformazione ` e rappresentabile come o che risulta tuttavia pi` u misura di tale regolarit` a136 . Nella prospettiva cibernetica, ci` rilevante rispetto alla comunicazione o trasmissione di informazione ` e linterpretazione di questultima come messaggio che modica il comportamento del ricevente (terzo livello della teoria della comunicazione di Weaver). Cos` la trasmissione di informazione relativa alla modica del comportamento del ricevente, nel contesto dellatteggiamento nalizzato, permette una prima denizione di quella scienza che chiamiamo Cibernetica classica: Denizione 1.6.3 La scienza della cibernetica classica costituisce lo studio dei messaggi di comando (Wiener [1965]). La Cibernetica si inseriva dunque a pieno titolo nellantica disputa riguardante la spiegazione del comportamento rivolto ad uno scopo: tale questione poneva il problema essenziale di un apparente inversione dellordine temporale nella considerazione dellobiettivo come elemento che precede lazione stessa, ed era in un certo senso alla risoluzione di tale problema che si rivolgeva la nozione di causa nale aristotelica. Adesso la Cibernetica si proponeva lanalisi dellazione nalizzata come elemento di giudizio dellazione intelligente, e i cibernetici si proposero di arontare tale questione a partire dal confronto tra attivit` a naturale e attivit` a articiale, riscontrando allora la capacit` a di agire in vista di uno scopo da parte di una classe di sistemi meccanici ben precisa: i
136 Risulta subito evidente quanto queste considerazioni ripropongano tutta limportanza della sistematizzazione teorico-matematica del concetto di informazione.
79
servomeccanismi. La Cibernetica si determin` o proprio come studio di tale classe di meccanismi, per chiedersi non che cosa questi fossero, ma per spiegare come funzionassero, quali fossero i principi che ne determinano il funzionamento, incentrando la teoria sulle forme di comportamento regolare, determinate e riproducibili. La domanda essenziale che la Cibernetica classica pone rispetto alla macchina ` e: quali sono tutti i possibili comportamenti che essa pu` o attuare? 137 . Ancora una volta appare essenziale il fondamento della teoria dellinformazione, come teoria di computo a partire dallinsieme delle possibilit` a del sistema. Tenendo in considerazione la nozione di energia compresa nella spiegazione del comportamento, e lutilizzo della nozione di informazione, possiamo fornire una seconda denizione di Cibernetica: Denizione 1.6.4 La Cibernetica ` e lo studio dei sistemi aperti rispetto al usso di energia e chiusi rispetto allinformazione e al controllo (Ashby [1956]). Ogni azione cosciente e nalizzata (quella per esempio di prendere la mia tazzina di ca` e sul tavolo accanto al mio computer) si congura dunque come un usso continuo di informazioni e segnali quantitativi forniti al sistema nervoso, che mirano a specicare i parametri di distanza e direzione che servono a regolare costantemente il movimento in vista della realizzazione del ne pressato. Per il funzionamento corretto di una macchina, con la specica dellessere subordinata ad un ambiente esterno variabile138 , ` e necessario fornirle linformazione relativa ai risultati della sua stessa azione, come parte dellinformazione sulla base della quale essa deve continuare ad operare. Questo sistema permette in sostanza lautoanalisi dei dati sui quali la macchina lavora e una loro continua correzione. Rispetto alla nozione di trasformazione vista precedentemente, ci troviamo nel caso in cui, per riuscire ad ottenere uno stato di uscita (output) costante, il regolatore del sistema si oppone a ciascun cambiamento causato da fattori di disturbo esterni che vengono segnalati al sistema stesso sotto forma di informazione: Denizione 1.6.5 Un sistema che riesce nel compito di equilibrare continuamente il proprio stato tramite la correzione dei dati in ingresso e di quelli in uscita, bloccando linformazione proveniente da elementi di disturbo, e rimanendo imperturbabile a tale informazione, si dice stabile, e il suo stato ` e di omeostasi. In eetti, il mantenimento di equilibrio riette una generica nozione di adattamento, e si propone (in particolare per gli organismi viventi) nella specica di equilibrio metabolico. Tale equilibrio metabolico che caratterizza gli organismi sarebbe determinato da una vasta classe di processi di regolazione interni (omeostatici) o esterni139 . In generale, perch e il sistema sia in grado di compiere una tale stabilizzazione, deve godere della propriet` a essenziale di avere un insieme di stati possibili equivalente allinsieme di possibili stati in ingresso. La possibilit` a di stabilizzazione completa di un sistema ` e realizzabile solo presupponendo un monitoraggio continuo degli stati in ingresso prima che questi si ottengano allinterno del sistema, ma ci` o appare di dicile attuazione nei
[1956], p.3 tenga in considerazione la denizione precedentemente data di comportamento, cos` da mantenere sempre costante lanalogia con il comportamento umano. 139 Alle soglie della nascita della Cibernetica il siologo R.S. Lillie si occup` o proprio dei comportamenti rivolti ad uno scopo, in particolare nel suo articolo [1915]. Si veda al proposito Cordeschi [1998], in particolare il cap.4.
138 Si 137 Ashby
80
sistemi reali. Per questo la correzione si attua molto pi` u frequentemente monitorando i dati in uscita del sistema, dunque lavorando su un sistema gi` a alterato, e correggendo la dierenza tra azione desiderata e azione disturbata. La classe di comportamenti attivi che si sviluppa secondo lottenimento di informazione dai dati in uscita, riproposti come dati in ingresso, viene detta teleologica come sinonimo di azione nalizzata controllata da retroazione. La nozione di retroazione pu` o cos` essere denita: Denizione 1.6.6 Il feedback loop, o anello di retroazione, consiste nella segnalazione della discrepanza tra un movimento eettivo e il modello secondo il quale si intende eettuare il movimento stesso, cos` da permettere allautoma (articiale o naturale), la correzione del movimento stesso ( feedback di correzione del movimento). Si tratta dunque della dierenza tra lo stato istantaneo del sistema e lo stato nale quale obiettivo. In sostanza i sistemi dinamici oggetto di questo studio sono composti da coppie di elementi che, invece di lavorare in una relazione di dominio di un elemento sullaltro, come nello schema qui di seguito, X Y lavorano di modo che ciascuna delle componenti risulti in grado di avere eetto sullaltra componente: X
140
Y.
Questo schema generale , va interpretato nella relazione tra il sistema, lambiente e il regolatore, in termini di comportamento. Nasce in questo modo il concetto pi` u preciso di retroazione negativa, del quale presentiamo qui di seguito una denizione: Denizione 1.6.7 Si dice feedback ( retroazione negativa) la segnalazione del risultato di un processo tale che loperazione di comando della macchina avviene sulla base del suo comportamento eettivo e non sulla base del comportamento previsto (Wiener [1950]). Su questa base teorica si elabora una teoria del controllo automatico, capitolo centrale della Cibernetica: si tratta appunto della teoria dei servosistemi, ovvero sistemi attivi di controllo per la gestione di segnali che regolano variabili gestite da sistemi a retroazione (g.1.4). Alcuni esempi possono spiegare la semplice struttura di un sistema e quello di un ascensore: per a retroazione negativa. Un esempio dello stesso Wiener141 ` il suo corretto funzionamento infatti, non ` e suciente che lapertura delle porte sia determinata dal passaggio di un arco di tempo (sia esso pressato o casuale), piuttosto occorre che larrivo dellascensore al piano restituisca un segnale che comandi lapertura delle porte. Altro caso ` e quello del termostato di uno scaldacqua: questo rappresenta un dispositivo regolato in base ad una certa temperatura, la quale deve essere mantenuta costante determinando laccensione e lo spegnimento del sistema in relazione al segnale inviato dalla temperatura attuale, cos` da mantenere una temperatura media stazionaria (feedback di correzione della temperatura). Tuttavia loperazione di feedback attuata per regolare i movimenti di un meccanismo pu` o risultare in eccesso rispetto a quanto necessario, e cos` far mancare al meccanismo lobiettivo pressato, facendolo entrare in uno stato incontrollabile di oscillazione.
140 Si 141 Wiener
veda Ashby [1956], pp.53-55. [1950], p.26.
81
variabile = errore = blocco = variabile controllata = blocco di retroazione

Figura 1.4: Schema generico di un servosistema a blocchi.

Anche questa analisi fu rintracciata da Wiener, Rosenblueth e Bigelow in una specica patologia umana denita tremore intenzionale, che appunto impediva al soggetto la realizzazione dellazione (aerrare la tazzina di ca` e) e causata da lesioni del cervelletto. Secondo questa prospettiva teorica il sistema nervoso non pu` o essere interpretato solamente come recettore di stimoli dallesterno e produttore di nuovi stimoli sui muscoli: esso deve invece risultare un sistema complesso proprio secondo quella struttura che permette la riformulazione ed autoanalisi dellinformazione in ingresso in un lavoro di continua ricongurazione e regolazione. La descrizione matematica che sta alla base di sistemi complessi di questo genere deve innanzitutto fare riferimento al caso pi` u semplice, rappresentato dai sistemi lineari: uscite e ingressi sono funzioni lineari, e alla somma lineare degli ingressi si sottraggono semplicemente i valori di uscita142 . Data una funzione f (t), su valori temporali t, essa produce per ogni valore t un certo valore f (s), con le seguenti condizioni: a. f (s) risulta accessibile se s t, b. f (s) risulta non accessibile se s > t. Si pu` o allora pensare la retroazione a partire da dispositivi in grado ritardare il loro ingresso, dando cos` per un ingresso f (t) unuscita f (t ), con che sta per un certo ritardo ssato. Le equazioni di un sistema lineare rappresentano un diagramma di usso (g.1.5) composto da: 1. ingresso originario X ; 2. ingresso motore Y ; 3. motore A; 4. moltiplicatore L; 5. uscita AY ; e nel quale il valore dellingresso motore ` e dato dalla dierenza tra ingresso originario e fattore che moltiplica luscita composta143 : Y = X LAY, equazione la cui inversa fornisce ovviamente luscita del motore: AY = X
142 Wiener 143 Wiener
A . 1 + LA
[1965], pp.136-139. [1965], pp.141-142.
82
sottrattore
AY
Figura 1.5: Diagramma di usso di un sistema con feedback.

Loperatore risultante dal feedback ` e allora rappresentabile come il valore di uscita meno il valore di ingresso, e perci` o togliendo il valore X alla precedente equazione, otteniamo la seguente: A . 1 + LA Al concetto di retroazione negativa risulta complementare quello di retroazione positiva: Denizione 1.6.8 Si dice feedforward ( retroazione positiva) la segnalazione del risultato di un processo che incentiva o raorza le determinanti del processo stesso ma non i suoi eetti. Tale concetto in sostanza indica laccrescimento dei segnali in ingresso, senza che questi per` o vengano corretti. La retroazione negativa al contrario serve a porre una continua correzione dei dati in ingresso perch e non superino lobiettivo pressato: il sistema ` e dunque in grado di esercitare su di essi unazione frenante, e questa operazione viene riconosciuta come lattivit` a essenziale dei sistemi viventi per il controllo dei loro processi interni. Loperazione di controllo esercitata tramite retroazione negativa ` e quindi lo strumento essenziale di ogni azione nalizzata : il raggiungimento dellobiettivo prevede infatti un continuo controllo del comportamento, che viene costantemente modicato e ridiretto dai segnali provenienti dallobiettivo stesso. In generale lo scopo dei controlli a retroazione ` e quello del raggiungimento di una elevata stabilit` a nel funzionamento del sistema e una riduzione della dipendenza del sistema stesso dal motore. La tesi centrale sostenuta da Wiener [1950] ` e che lessenza del comportamento umano sia appunto riconducibile allo schema teorico che ` e possibile ritrovare applicato nelle macchine per la comunicazione, e che si esplica nei seguenti punti:
83
- raccolta di informazioni dallesterno; - elaborazione interna di tale informazione da parte del sistema; - traduzione in un forma utilizzabile agli stadi successivi del funzionamento;
- azione eettiva sul mondo esterno procurata dallinformazione assunta in ingresso (aspetto pragmatico del problema della comunicazione); - comunicazione dellazione eseguita allapparato centrale del sistema, che rielabora a sua volta questa come informazione in ingresso, riavviando in tal modo il processo144 . Lidea che macchine per la comunicazione sarebbero strutturate come lapparato cognitivo umano, richiamava allattenzione dei cibernetici la necessit` a di sviluppare una teoria della comunicazione che includesse la nozione di ritorno del messaggio, con leventualit` a che esso avesse acquisito un rumore di fondo. Queste osservazioni mettevano i cibernetici di fronte allevidente connessione di questi studi per i sistemi articiali e per quelli naturali: comunicazione, controllo, statistica. In aggiunta a queste scienze per` o, un ruolo determinante sarebbe stato giocato dalla logica (in particolare nel suo versante matematico), proprio la stessa scienza che ha segnato linizio di questo lungo cammino del quale i cibernetici rappresentavano lultimo passo145 . Fu la comune attenzioni di logici, matematici e ingegneri per i rapidi progressi mostrati dai calcolatori elettronici ad Harvard, Princeton, al MIT, e in altre universit` a statunitensi, che spinse Wiener e von Neumann a raccogliere intorno ad un tavolo nellinverno 1943-44 il gruppo che poi avrebbe dato vita alla Cibernetica, il quale si allarg` o peraltro con lingresso di psicologi, sociologi e anche antropologi nel successivo ciclo di incontri, tenutosi nella primavera del 1946 e patrocinati dalla Josiah Macy Foundation. Da un lato linserimento degli psicologi fu la conferma della necessit` a di arontare il problema dellattivit` a cognitiva fondendo insieme laspetto sico-medico riguardante il cervello e quello psicologico riguardante la mente; dallaltro il gruppo degli antropologi produsse importantissime osservazione sui problemi dellorganizzazione umana, in particolare nei lavori di Gregory Bateson e Margaret Mead. Gli studi sociali riguardanti lorganizzazione economica erano poi rappresentati da uno studioso del calibro di Morgenstern, padre con von Neumann della Teoria dei giochi146 . Un ventennio, quello dagli anni 30 agli anni 50, che ci ha condotti dalla Teoria della Computabilit` a alla Cibernetica, segna cos` il prodigioso inizio di una ricerca ancora oggi ininterrotta.
[1950], pp.29-30. scrisse che se avesse dovuto scegliere un santo patrono per la Cibernetica, avrebbe scelto Leibniz. Cfr. Wiener [1965], p.35. Questo settore di studi forn` in eetti numerosi tra i pi` u importanti studiosi, tra i quali per esempio Walter Pitts, del quale parleremo nel prossimo capitolo. 146 Al di l` a della fruttuosa analisi teorica che i Cibernetici si aspettavano dallapplicazione di questi nuovi concetti alle scienze sociali, lo stesso Wiener era per` o scettico rispetto alla diretta applicabilit` a degli strumenti matematici e statistici ai pi` u immediati problemi sociologici e antropologici. Si veda Wiener [1965], pp.48-50.
145 Wiener
144 Wiener
Capitolo 2
Applicazione ai sistemi articiali

Luomo ` e stato educato dai suoi errori: in primo luogo si vide sempre solo incompiutamente, in secondo luogo si attribu` qualit` a immaginarie, in terzo luogo si sent` in una falsa condizione gerarchica in rapporto allanimale e alla natura, in quarto luogo escogit` o sempre nuove tavole di valori considerandole per qualche tempo eterne e incondizionate, di modo che ora questo, ora quello degli umani istinti e stati venne a prendere il primo posto, e in conseguenza di tale apprezzamento fu nobilitato. Se si esclude dal computo leetto di questi quattro errori, si escluder` a anche lumanesimo, lumanit` a e la dignit` a delluomo. F. Nietzsche - Die fr ohliche Wissenschaft
Cercheremo nel presente capitolo di seguire una traccia che, ripartendo dagli ultimi risultati delle ricerche in IA da noi discusse nel precedente capitolo, ci permetta di comprendere gli ulteriori sviluppi teorici che, in quegli stessi anni e poi ancora oltre, la ricerca ha proposto riguardo la possibilit` a di comprendere ed eventualmente riprodurre comportamenti intelligenti. In particolare cercheremo di mettere in evidenza una serie di considerazioni che, a nostro parere, costituiscono una controparte essenziale rispetto alle varie sfumature di approcci computazionalisti iniziati con Turing e von Neumann, e alle successive modiche concettuali che hanno condotto alle nozioni messe in campo dalla Teoria dellInformazione di Shannon e dalla Cibernetica di Wiener, Bigelow e di tutto quel gruppo che abbiamo visto cos` variegato e completo. In eetti, nel contesto degli sviluppi dellIA che avrebbero condotto alle riessioni riguardanti lo scopo e la teleologia da parte dei cibernetici, ci fu una notevole inuenza delle ricerche psicologiste e mediche riguardanti i fenomeni di conduzione nervosa nelluomo, in particolare da parte dei connessionisti, che studiavano nello specico la gamma dei fenomeni StimoloRisposta (S-R). Una necessaria direzione di questo percorso sar` a dunque verso lanalisi dei principi di base del connessionismo e verso lo studio delle Reti neurali. Daltra parte per` o, giungeremo ad arontare lapproccio proposto dalla Robotica, che si congura
85
86
come il tentativo di realizzare concretamente in un corpo le teorie ispirate dalle varie concezioni meccaniciste e computazionali.
2.1
Approcci interattivi alla mente: le Reti neurali
Dopo alcuni anni in cui le teorie proprie della cibernetica erano state rimosse, in seguito ad alcuni problemi rintracciati nella visione classica1 , stiamo assistendo ad un inesorabile riaermarsi di una serie di nuove posizioni che, di fatto, riprendono i principi della cibernetica. Tra queste nuove teorie quella che suscita maggiore entusiasmo, al momento, ` e il cosiddetto connessionismo, che nasce a partire dagli anni Settanta; tale teoria, nelle scienze della mente, ` e considerata, infatti, lunica alternativa praticabile al cognitivismo e, a dire il vero, si sta gi` a imponendo come il nuovo paradigma dominante2 . Prima di procedere oltre con le spiegazioni ` e bene comunque dare una denizione preliminare di connessionismo:
1 In tal senso, paradigmatico ` e lesempio di Perceptrons larticolo di Minsky, Papert [1969] che critica le teorie della cibernetica classica a partire dalla analisi del perceptrone di Rosenblatt. Al proposito si veda quanto successivamente detto al par.2.1.2. 2 Parisi [1989] parla addirittura di rivoluzione scientica, sostenendo che il connessionismo ` e lunica via per superare i limiti imposti allo studio della mente da una eccessiva settorializzazione: in pratica, si sostiene che i risultati teorici della Psicologia, quelli pratici delle Neuroscienze, che procedono spesso separatamente, possono essere riuniti sotto il vessillo del connessionismo. Questultimo sarebbe, dunque, un modello integrato dello studio della mente e del cervello. Unaltra motivazione, per cui il connessionismo sarebbe da considerarsi una vera e propria rivoluzione scientica, sarebbe da ricercarsi, sempre secondo Parisi, nel fatto che per la prima volta nella storia della scienza si mettono insieme il sapere e il saper produrre. La possibilit` a di simulare al calcolatore i fenomeni che ci interessano ci permette di evitare di accontentarci solamente di osservare e interpretare i fenomeni con cui abbiamo a che fare, possiamo ricostruire i fenomeni che vogliamo studiare entrando subito in relazione con il funzionamento globale del fenomeno; dovremmo riuscire, in questo modo, a svelare anche le parti del funzionamento di un determinato fenomeno che altrimenti ci sarebbero nascoste. A nostro parere, tuttavia, queste motivazioni a favore della tesi della rivoluzionariet` a delle reti neurali non sono del tutto corrette. Innanzitutto, ` e bene ricordare come gi` a Galilei e Bacone, circa quattrocento anni fa, avevano posto laccento sullassoluta contiguit` a di sapere e saper produrre: gi` a questi due pensatori del Seicento credevano che per comprendere a pieno un fenomeno fosse necessario poterlo riprodurre. La dierenza vera con Galilei e Bacone sta esclusivamente nel fatto che adesso, grazie alla tecnologia avanzata di cui disponiamo, ci ` e possibile riprodurre fenomeni come, ad esempio, i fenomeni riguardanti la mente o il cervello, cosa del tutto impensabile no al secolo scorso. La rivoluzione scientica del connessionismo, dunque, altro non sarebbe se non una conseguenza diretta della rivoluzione tecnologica avvenuta a partire dalla seconda met` a del Novecento. Inoltre, lidea che per potere comprendere no in fondo un fenomeno sia necessario poterlo costruire per poter cogliere le parti nascoste del suo funzionamento, rischia di oscurare del tutto la posizione dellosservatore che, pi` u che mai quando parliamo di menti e cervelli, deve considerarsi interno. Illudendoci di essere dentro il fenomeno niamo per credere di sapere come funziona in s e e per s e il sistema che stiamo cercando di studiare, senza pi` u renderci conto che in ogni caso il nostro modo di considerarlo ` e solamente una prospettiva su di esso. Inne, indicare nelle parti accessibili solo mediante ricostruzione ci` o che pu` o permetterci di comprendere realmente il fenomeno, vuol dire rimandare lessenza del fenomeno stesso a qualcosa di interno e talmente oscuro che sarebbe legittimo credere che per ogni ente ci sia uno e un solo signicato nascosto da rintracciare per comprendere cosa sia davvero il fenomeno in questione.
87
Denizione 2.1.1 Si intende per connessionismo un approccio computazionale e simulativo dello studio della mente e del cervello in cui i fenomeni studiati vengono riprodotti costruendo un sistema articiale che si comporti come i fenomeni cui siamo interessati. Questa simulazione ` e da intendersi come il tentativo di implementare sul calcolatore le capacit` a mentali traendo ispirazione dal supporto sico dellintelligenza animale, ossia, il cervello3 . Uno dei nodi principali del connessionismo ` e dunque la centralit` a dellorgano che negli animali fa da supporto allintelligenza, cio` e il cervello; in tal senso ` e evidente il fatto che il connessionismo si pone in una posizione radicalmente opposta rispetto al funzionalismo. Tale paradigma, infatti, sostiene che le propriet` a dellintelligenza sono propriet` a puramente funzionali, cio` e tali da poter essere ricreate su qualunque tipo di supporto sico che sia in grado di eseguire un programma ben specicato di istruzioni. Questo ` e il paradigma che sottende al gi` a noto principio dellinvarianza della struttura presentato nella Tesi 1.4.5. Il connessionismo, invece, sostiene che la struttura sica della macchina intelligente giochi un ruolo molto importante nella costruzione di un sistema che possa riprodurre le caratteristiche dellintelligenza biologica. In questo senso, dunque, il connessionismo pu` o essere considerato come il tentativo di riprodurre lintelligenza e la mente su supporti articiali che siano costruiti sulla base dei principi strutturali e di funzionamento del cervello. Evidentemente questo tentativo di ricostruzione cerebrale si deve innanzitutto occupare di come sia costruito il cervello biologico, e, conseguentemente, deve anche darci delle informazioni circa il suo funzionamento. Sappiamo che il cervello ` e considerato una sorta di tto intreccio di connessioni e reti di varie tipologie di cellule connesse tra loro tramite sinapsi (anchesse dierenti tra loro) e che, al contempo il cervello ` e un grande accumulatore e trasmettitore di impulsi chimici ed elettrici. Sappiamo, inoltre, che il cervello ` e suddiviso in parti che assolvono a compiti specici4 e che poi queste parti interagiscono tra loro per fornirci la visione dinsieme di un fenomeno. La domanda, quantomai ovvia, che sorge dato questo stato di cose ` e come ` e possibile implementare su un calcolatore un organo cos` complesso?. A questa domanda cerca di rispondere proprio il connessionismo che, avvalendosi di avanzate tecniche ingegneristiche, ha ideato le cosiddette reti neurali 5 .
2.1.1
Reti neurali
Lidea di costruire un sistema che potesse, in qualche maniera, emulare la struttura del cervello umano fu inizialmente concepita in opposizione ai sistemi computazionali classici ideati da von Neumann. Questi sistemi sono tuttoggi costituiti, come abbiamo visto, da due parti fondamentali: ununit` a centrale di elaborazione e una memoria
3 Appare chiaro qui che viene dato per scontato dal connessionismo il parallelismo tra mente e cervello: il connessionismo, dunque, pu` o considerarsi a pieno titolo una teoria materialista del mentale. Inoltre, come verr` a esplicitato nel paragrafo 2.1.2, il connessionismo interpreta lattivit` a cerebrale come fondata sul livello subsimbolico, a partire dal quale sorge il sistema simbolico. 4 Tra queste possiamo ricordare quella preposta al linguaggio, quella preposta alla percezione, al movimento, ecc. 5 Ovviamente, non si sta qui sostenendo che in un primo tempo esistesse un sorta di connessionismo teorico che faceva a meno dellimplementazione sica delle reti neurali: il connessionismo nasce, di fatto, con le reti neurali.
88
passiva di dati. Il funzionamento del sistema ` e dato dal fatto che lunit` a centrale di elaborazione esegue una sequenza di istruzioni (ossia il programma) a partire dai dati immagazzinati in memoria. Il sistema, com` e evidente, non ` e stato costruito per apprendere : il programma di istruzioni ` e stato elaborato, redatto in linguaggio macchina e inne trascritto sulla macchina da un essere umano; il programma di per s e non si modica n e si migliora durante la sua applicazione6 . Questo modo di costruire un supporto intelligente appare, ovviamente, lontano da tutto ci` o che ormai sappiamo circa il cervello: sembrerebbe, infatti, che nel cervello non esista ununit` a centrale di elaborazione dati e neppure appare possibile identicare una singola sequenza di attivit` a durante un periodo di inattivit` a di tutto il resto del sistema; inne ` e impossibile pensare ad un cervello che rimanga immutato nel tempo, che non apprenda spontaneamente e che acquisisca la sua intelligenza solamente dallesterno anzich` e costituirla da solo attraverso lesperienza o i meccanismi ereditari logenetici. Proprio partendo da tali considerazioni il connessionismo ha sviluppato una macchina che, funzionando in maniera del tutto dierente da quella ideata da von Neumann, riesce, almeno in parte, a simulare il cervello. Denizione 2.1.2 Una rete neurale ` e un insieme di unit` a dal comportamento molto semplice interconnesse tra loro per mezzo di connessioni generalmente unidirezionali; il funzionamento del sistema ` e garantito dal fatto che nella rete di connessioni si propaga attivazione o inibizione. Nelle reti neurali, quindi, una unit` a riceve attivazione o inibizione dalle unit` a da cui le arrivano le connessioni e, a sua volta, pu` o mandare attivazione o inibizione alle unit` a verso cui ha delle connessioni; lattivazione o linibizione che arriva attraverso una determinata connessione dipende dal cosiddetto peso 7 che caratterizza la connessione. In valore assoluto una connessione dal peso alto lascia passare molta attivit` a (sia essa di attivazione o di inibizione), una dal peso basso ne lascia passare, invece, poca. Ogni unit` a, inoltre, integra tutta lattivazione e tutta linibizione che le arriva sulla base di una qualche funzione e, a seconda di questo arrivo totale, decide se proseguire la propagazione o se, al contrario, fermarsi. Chiaramente, quindi, lattivit` a si propaga per la rete seguendo alcuni precisi fattori quali il peso sulla connessione, la funzione con cui ciascuna unit` a calcola la sua attivazione complessiva, la funzione con cui lunit` a decide, sulla base dellattivazione che le ` e giunta, se emettere altra attivit` a o meno. In questo modo, i teorici delle reti neurali credono di potere superare alcune differenze fondamentali che sussistevano tra il cervello e il calcolatore di von Neumann: ` e ovvio che vista questa nuova architettura, ad esempio, non si pone pi` u il problema di rintracciare una singola sequenza di attivit` a durante linattivit` a del sistema nel suo complesso, ancora, ` e altrettanto ovvio che costruito in questo modo, un simulatore cerebrale non possiede, proprio come il cervello umano, ununit` a centrale di elaborazione, ma al contrario, pur elaborando in zone dierenti le varie attivit` a, riesce ad integrarle proprio per mezzo del sistema di propagazione che abbiamo appena esplicitato. In tal senso quindi si dice che una rete neurale produce una certa prestazione quando il propagarsi in parallelo dellattivazione della rete si stabilizza e il sistema trova un punto di
6 Questo di fatto contraddice il progetto di Turing di giungere a macchine capaci di modicare la propria programmazione. 7 Deniamo peso un numero, positivo o negativo, atto ad indicare la quantit` a di attivazione o inibizione che pu` o passare da ununit` a ad unaltra.
89
equilibrio, ossia, quando lattivazione giunge a quelle unit` a che rappresentano le unit` a di uscita del sistema. Daltra parte, unaltra caratteristica fondamentale delle reti neurali ` e la loro capacit` a di apprendere: le reti neurali nascono senza conoscenza e la acquisiscono attraverso lesperienza. La conoscenza delle reti neurali consiste nei pesi che stanno sulle connessioni e che regolano quanta attivazione o inibizione si propaga nella rete: di conseguenza, lapprendimento ` e rappresentato da una modicazione dei pesi in questione; una connessione diviene, quindi, pi` u o meno conduttiva a seconda dellesperienza in cui si imbatte. In pratica, le reti neurali apprendono spontaneamente: alla nascita vengono assegnate alle connessioni dei pesi casuali che si automodicheranno di volta in volta per ottenere i risultati richiesti. Evidentemente, nonostante le reti neurali siano di gran lunga pi` u realistiche dei calcolatori classici nel simulare il cervello umano, la distanza tra il modello e loggetto reale (il cervello appunto) ` e ancora grande. Innanzitutto, in questo momento ` e possibile lavorare solamente su una sola rete alla volta il che semplica eccessivamente lattivit` a cerebrale8 ; inoltre, il fatto che le reti nascano senza alcun tipo di conoscenza pone ancora qualche problema di realismo, infatti, il cervello umano sembra contenere, oltre ad un buon numero di informazioni esperienziali ricavate gi` a nel periodo prenatale, tutta una serie di conoscenze derivate dal processo di selezione naturale subito da tutta la specie9 , dunque, le reti neurali, in tal senso, non sono un buon modello del cervello visto che nascono come una tabula rasa. Inne, esiste un problema strettamente connesso proprio alla natura materiale delle reti. Infatti, anche se le reti riuscissero ad ottenere un livello di complessit` a identico a quello del cervello umano non per questo, necessariamente, ci troveremo di fronte a delle macchine intelligenti. In altre parole, potrebbe darsi che la produzione di intelligenza sia data ad un livello dierente rispetto a quello della forma rete, ossia, ` e possibile che il segreto dellintelligenza si annidi, ad esempio, nel e possibile che lintelligenmateriale biologico del cervello10 , oppure, in senso inverso, ` za sia da ricercare ad un livello pi` u astratto che n e la congurazione formale, n e la struttura materiale possono cogliere. Tuttavia, lobiettivo delle reti neurali rimane valido nonostante queste dicolt` a: alla ne, infatti, ci` o che importa per i connessionisti ` e che la macchina esibisca comportamento intelligente mantenendo quelle caratteristiche che, almeno da alcuni punti di vista, (apprendimento, decentralizzazione della funzione operativa, sinergia tra le varie parti, ecc.) possano dare conto analogicamente della struttura cerebrale.
8 Ovviamente, gli studiosi impegnati in queste ricerche stanno cercando di elaborare sistemi sempre pi` u complessi formati da diverse reti correlate tra loro e aventi compiti diversi, ma tutto ci` o` e ancora ben lontano dallessere operativo. 9 Il fatto che gi` a alla nascita possediamo delle conoscenze non sembra pi` u essere messo in discussione dai biologi: ` e ampiamente accettato che se la specie uomo ha acquisito delle caratteristiche tali che le sia stato possibile evolversi e sopravvivere nel tempo, allora tali conoscenze devono riprodursi logeneticamente in tutti gli individui della specie. Nonostante questo quadro teorico sia ormai considerato ovvio dai biologi evoluzionisti, appare chiaro che parecchie domande rimangono ancora insolute: su che base luomo durante la sua evoluzione ha selezio` legittimo credere che in un futuro i bambini nasceranno nato le caratteristiche da mantenere? E gi` a capaci di guidare lautomobile, ammesso che saper guidare possa considerarsi un vantaggio evolutivo? O ancora, ` e possibile che venga un momento in cui i bambini nasceranno non pi` u solamente predisposti al linguaggio, ma parleranno gi` a appena nati? 10 La famosa materia grigia con cui solitamente veniva indicata la sostanza materiale del cervello.
90
Se, almeno da un punto di vista pratico, i connessionisti possono in qualche maniera permettersi di rimandare la risoluzione delle dicolt` a che abbiamo appena esposto, considerandole solamente come problemi di natura empirica che verranno risolti non appena la tecnologia lo permetter` a, non hanno potuto, daltro canto, ignorare un problema ben pi` u grave. Di fatto, nonostante i connessionisti considerino centrale il ruolo del supporto sico nella produzione dellintelligenza tanto da ideare un nuovo modello di macchina nettamente distinta da quelle pensate da von Neumann, le reti neurali sono state implementate per un lungo periodo su calcolatori tradizionali; questo, ovviamente, spostava semplicemente il problema ad un livello dierente, ossia, se il programma rete neurale gira su un modello classico, quale doveva considerarsi il supporto sico che realmente simula il cervello? In eetti, i connessionisti si trovarono, allinizio delle loro ricerche, di fronte ad un problema di non facile soluzione: essi avevano un simulatore del cervello (la rete neurale) che poteva essere paragonato pi` u che altro alle propriet` a non siche del cervello, le quali, a loro volta, erano rappresentate dal calcolatore tradizionale. La paradossalit` a della cosa era data soprattutto dal fatto che il concetto di rete neurale era sorto proprio per dar conto in modo pi` u soddisfacente delle caratteristiche siche del cervello, il che sembrava essere assolutamente il contrario di ci` o che accadeva. Tuttavia, ci si accorse ben presto che nonostante questo problema teorico le reti riuscivano a funzionare emulando le prestazioni del cervello anche se erano supportate da calcolatori e questo non risolvesse il paradosso, era gi` a abbastanza classici11 . Ovviamente, bench per permettere ai connessionisti di migliorare le reti e di sperimentare la maniera di costruire un calcolatore architettonicamente pi` u adatto a supportarle. Oggi, nonostante siano gi` a stati sperimentati questi calcolatori neurali, molti ricercatori continuano ad utilizzare i calcolatori classici, sia pure potenziati, ritenendo che data lassenza di mal funzionamenti palesi sia indierente la struttura di base del calcolatore: lunico fattore importante ` e considerato, dunque, lesibizione di comportamento intelligente su base analogica con il cervello e non la struttura sica vera e propria della macchina12 .
2.1.2
Implementazioni neuronali
Esposti brevemente i principi e le dicolt` a teoriche delle reti neurali ` e adesso utile analizzare in concreto come esse funzionino. In particolare, ci soermeremo su un tipo di reti neurali, ossia, le reti forward con unit` a nascoste e dellapprendimento back-propagation ; in pratica ci riferiremo ai lavori sui PDP13 (Parallel Distribuited Processing ) che sono unanimemente considerati un punto di partenza fondamentale per chiunque voglia occuparsi di reti neurali. Questo modello verso cui ` e migrata la ricerca in IA propone, di fatto, i risultati pi` u recenti che possono ritenersi lo sviluppo delle ultime indicazioni
11 In eetti lunico problema era dato dalla velocit` a di calcolo che viste le capacit` a dei normali calcolatori niva per essere molto elevata. 12 Del resto, abbiamo gi` a visto che se i connessionisti dovessero davvero preoccuparsi del supporto sico reale si troverebbero di fronte alla necessit` a di costruire dei supporti di materia biologica: ma questo, non ` e interesse del paradigma connessionista che sembra invece orientato a riprodurre solamente comportamento intelligente. Come vedremo pi` u avanti (par.2.3; 2.5 e cap.3) proprio questa indierenza al supporto sico sar` a ci` o che render` a insucienti le reti neurali per dar conto dellanalogia tra macchina intelligente e sistema biologico intelligente. Per una panoramica dei principi del connessionismo si veda Smolenski [1992], Marraa [2002] e Parisi [1989]. 13 Rumelhart, McClelland [1986].
91
fornite da Turing e von Neumann riguardo alla possibilit` a di macchine in grado di apprendere : in eetti essi parlavano di introduzione di elementi casuali, e i PDP fanno uso di elementi stocastici, ovvero probabilistici, per ampliare i procedimenti algoritmici con strutture casualmente ordinate. Il principio fondamentale di questi modelli ` e il seguente:
Denizione 2.1.3 I sistemi ad elaborazione parallela distribuita (PDP) sono sistemi programmati e modellati su strutture di architetture subsimboliche (subcognitive) connesse secondo relazioni stocastiche. Prima di vedere nello specico cosa questo voglia dire ` e bene dare una descrizione pi` u precisa delle reti neurali: innanzitutto, possiamo aermare che ogni singola rete ` e formata da un certo numero di nodi collegati tra loro mediante connessioni. Le connessioni servono a trasmettere attivazione o inibizione da un nodo ad un altro e sono, genericamente, unidirezionali. Ora, se analizziamo un singolo nodo ci rendiamo immediatamente conto che esso ha un determinato numero di connessioni in arrivo attraverso cui il nodo riceve attivazione o inibizione da altri nodi e un determinato numero di connessioni in partenza per mezzo delle quali il nodo invia attivazione o inibizione agli altri nodi. Attivazione o inibizione giungono a un nodo attraverso le connessioni in arrivo e determinano lo stato di attivazione del nodo stesso. Da ogni connessione in arrivo giunge al nodo un certa quantit` a di attivazione o inibizione. Come abbiamo gi` a accennato, su ogni connessione vi ` e un peso quantitavivo che possiamo denire come segue: Denizione 2.1.4 Il peso di una connessione ` e la misura di conduttivit` a di quella connessione. Esso pu` o assumere valore positivo o negativo a seconda che ci` o che giunge al nodo sia attivazione o inibizione. La quantit` a di attivazione o inibizione ` e determinato da due dierenti fattori14 : il primo ` e, appunto, il peso sulla connessione. Una connessione con peso, ad esempio, +5 fa arrivare maggiore attivazione di una connessione con peso +3. Il secondo fattore ` e lo stato di attivazione del nodo da cui parte la connessione che pu` o essere, ovviamente, pi` u o meno alto. Per ottenere la quantit` a di attivazione o inibizione di una connessione, quindi, sar` a suciente moltiplicare i due fattori: ad esempio, se il nodo di partenza ha uno stato di attivazione .5 e la sua connessione ha un peso -9 ci` o che arriva ` e uninibizione di (.5) (9) = 4.5. Nello specico, le reti che stiamo considerando sono costituite da nodi che hanno uno stato di attivazione variabile che va da 0 a 1; in altre reti esso pu` o avere soltando due valori, ad esempio, +1 e 1. Nelle reti considerate, quindi, la quantit` a di attivazione o inibizione trasmessa dal nodo, nel caso in cui lo stato sia 1 o 0, dipender` a solamente dal peso sulla connessione, mentre lo stato di attivazione del nodo che invia attivazione o inibizione determiner` a soltanto se attraverso quella connessione arriva (= 1) o non arriva (= 0) attivazione o inibizione: moltiplicando 1 x peso della connessione, otteniamo 1 Ps = Ps 0 P s = 0.
14 Per quanto qui di seguito esposto sui principi di attivazione delle reti, cfr. Parisi [1989], cap.2.
92
In un dato istante ad un nodo giungono un determinato numero di attivazioni o inibizioni. La prima cosa che il nodo fa, a questo punto, ` e mettere insieme tutte queste attivazioni e inibizioni in un valore unico. Tale valore unico ` e detto Input netto per quella unit` a. Linput netto si ottiene mediante la somma algebrica di tutte le attivazioni e le inibizioni che giungono al nodo; ad esempio se ad un nodo arrivano due attivazioni (4.6 e 5.3) e tre inibizioni (-3.2, -5.0 e -0.6) linput netto sar` a calcolato come segue: (4.6 + 5.3) + (-3.2 - 5.0 - 0.6) = (9.9) + (-8.8) = 1.1. In alcuni tipi di reti neurali linput netto coincide con lo stato di attivazione del o non ` e possibile. Per ottenere nodo ricevente, ma nel nostro caso (com` e ovvio)15 , ci` lo stato di attivazione sar` a quindi necessario utilizzare una funzione algebrica che ci permetta di giungere dallinput netto allo stato di attivazione del nodo: questa funzione ` e detta funzione sigmoide espressa gracamente nella g. 2.1.
Figura 2.1: Funzione sigmoide, che rappresenta il rapporto tra input netto di ununit` a e il suo stato di attivazione.
Com` e evidente dal graco, lo stato di attivazione pu` o andare da 0 a 1; quando linput netto ` e 0 lo stato di attivazione ` e .5: la funzione sigmoide ` e costituita in modo che quando linput si discosta da 0 produce forti cambiamenti verso lalto o verso il basso dello stato di attivazione, di conseguenza man mano che linput cresce, in un senso o nellaltro, i cambiamenti nello stato di attivazione divengono via via minori. Una volta determinato linput netto di un nodo e una volta trasformato questo input nello stato di attivazione (per mezzo della funzione sigmoide), sar` a possibile calcolare come il nodo
15 Abbiamo gi` a detto che nelle reti che stiamo considerando lo stato di attivazione pu` o variare solo da 0 a 1: dato il calcolo presentato nellesempio, quindi, non pu` o esserci coincidenza tra input netto (1.1) e stato di attivazione (min.0 max.1). Inoltre, mentre linput netto pu` o essere sia positivo che negativo, nelle nostre reti lo stato di attivazione pu` o avere solamente valore positivo.
93
inuenzer` a (attivazione o inibizione) i nodi cui ` e collegato da connessioni in partenza dal nodo. Sin qui abbiamo mostrato come sia organizzato un singolo nodo della rete. Adesso sar` a opportuno mostrare come funzioni in concreto una rete estesa di nodi, o meglio, come siano collegati i singoli nodi quando formano una rete16 . Le reti che stiamo considerando sono organizzate in modo che i nodi siano raggruppati in strati caratterizzati dal fatto che i nodi presenti nello stesso strato non sono connessi tra loro, ma sono connessi solo con i nodi che si trovano fuori dallo strato. Gli strati di nodi sono suddivisi in: - nodi di input che non hanno connessioni in arrivo ma solo connessioni in partenza; - nodi di output che hanno connessioni solo in arrivo e nessuna connessione in partenza. lo stato di attivazione dei nodi di input ` e, ovviamente determinato dallesterno, e lo stato di attivazione delle unit` a di output viene letto dallesterno e ci dice come la rete ha reagito allinput giunto. Su questo principio era costruito il celeberrimo perceptrone di Rosenblatt (vedi g. 2.2) che pu` o dunque essere cos` denito: Denizione 2.1.5 Si dice perceptrone una rete neurale costituita solamente da uno strato di nodi di input ed uno strato di nodi di output.
NODI DI OUTPUT
NODI DI INPUT
Figura 2.2: Rappresentazione graca di un perceptrone

Lo scarto tra il Perceptrone ideato da Rosenblatt [1958; 1961] e le reti neurali attuali ` e stato dato dallintroduzione tra i nodi di input e quelli di output delle cosiddette unit` a nascoste. Possono esservi ovviamente pi` u strati di unit` a nascoste tra i nodi di input e quelli di output, lunica restrizione per le reti di cui ci occupiamo (reti forward ) ` e data dal fatto che i nodi dello stesso strato come detto, non possono essere connessi tra loro e che la direzione della trasmissione sia unica17 (vedi gg. 2.3 e 2.4).
16 Non c` e dierenza tra la modalit` a di collegamento tra i nodi e larchitettura della rete stessa: di fatto c` e perfetta coincidenza tra la somma delle parti e il tutto. Come vedremo tra poco, infatti, il modello connessionista riuta quasi lapproccio gestaltico e si rivolge pi` u che altro ad un modello a met` a strada tra comportamentismo e cognitivismo. 17 In pratica ci` o che ` e vietato ` e che vi sia feedback orizzontale, (ossia tra nodi dello stesso livello) o verticale (con il segnale che torni dal livello pi` u alto a quello pi` u basso).
94
NODI DI OUTPUT
UNITA' NASCOSTE
NODI DI INPUT
Figura 2.3: Rappresentazione graca di una rete neurale con un livello di unit` a nascoste
NODI DI OUTPUT
2 LIVELLO DI UNITA' NASCOSTE
1 LIVELLO DI UNITA' NASCOSTE
NODI DI INPUT
Figura 2.4: Rappresentazione graca di una rete neurale con pi` u livelli di unit` a nascoste
Cerchiamo di vedere perch e questo passaggio dal perceptrone alla rete neurale propriamente detta sia stato cos` importante per lo sviluppo del connessionismo e in che maniera le unit` a nascoste abbiano inuito su tale sviluppo. Il perceptrone venne duramente criticato da Minsky e Papert [1969] i quali misero in luce i limiti cui si andava incontro considerando il perceptrone come modello del cervello: in particolare venne dimostrato come i perceptroni avessero dei grossi limiti per ci` o che riguarda alcuni tipi di apprendimento. In particolare, ad esempio, venne analizzato il limite che esso dimostrava nellapprendimento del cosiddetto XOR, ossia dell o esclusivo della logica. Dato un pattern di input di due nodi che possono prendere o il valore 1 o il valore 0, il perceptrone deve imparare a dare in uscita sullunico nodo di output il valore 1 quando i due valori in entrata sono diversi (del tipo 10 o 01) e il valore 0 quando sono uguali (00 o 11). Tale compito, per quanto semplice, era fuori dalla portata del perceptrone, ma perfettamente risolvibile da una rete cha abbia almeno
95
uno strato di unit` a nascoste formato da due nodi. Proprio per meglio mostrare in che maniera le unit` a nascoste permettono di risolvere i problemi dati dai perceptroni ` e utile illustrare un altro esempio nel quale il perceptrone risulta impossibilitato a svolgere un determinato compito. Lesempio in questione tratta della capacit` a che ha una rete di imparare quali siano le propriet` a di una serie di concetti. Dato in ingresso il concetto di cavallo, per esempio, la rete deve fornire in uscita le propriet` a del cavallo, come ha quattro zampe, mangia, suda, non vomita, non vola, non fa le uova ecc. Un perceptrone non ha particolari difcolt` a a svolgere questo compito; data una rete con un determinato numero di nodi di input (ad esempio 6) e un dato numero di unit` a di output, ciascuna corrispondente ad una singola propriet` a, possiamo dare in ingresso un certo concetto rappresentandolo per mezzo di un pattern arbitrario (0;1) sui nodi di input e attenderci in uscita il pattern di attivazione che corrisponde alle speciche propriet` a del concetto. Ad esempio, per la propriet` a positiva propria dei cavalli suda vogliamo unattivazione alta sul nodo di output che rappresenta quella propriet` a, mentre per la propriet` a negativa non vomita vogliamo unattivazione bassa sul nodo di output che rappresenta il vomitare. Allinizio il perceptrone fornir` a risposte casuali, ma dopo lapprendimento sar` a in grado di indicare correttamente le propriet` a richieste per ciascun concetto. Appare evidente che di per s e il perceptrone, almeno n qui, non sembra mostrare problemi; non dobbiamo dimenticare per` o che lo scopo per cui ` e stato implementato il perceptrone ` e quello di simulare lintelligenza umana e, quindi, proprio con questultima dobbiamo confrontarlo per esser certi del fatto che stia rispondendo in maniera soddisfacente alle nostre richieste. Consideriamo, quindi, il modo in cui gli esseri umani, si crede, apprendano i concetti: se un di concetto conosciamo gi` a una propriet` a` e probabile che siamo in grado inferirne anche delle altre. Se di qualcosa sappiamo che partorisce possiamo inferirne che non fa le uova. Tale capacit` a inferenziale appare essere fuori dalla portata di un qualunque perceptrone; infatti, se durante laddestramento di una rete evitiamo di fornire alcune propriet` a del concetto, ad esempio, se nellinsegnare alla rete il concetto di cavallo le diciamo che partorisce ma non le diciamo n e che fa le uova n e che non a (positive e negative) dei le fa18 , il perceptrone, pur avendo imparato tutte le propriet` cavalli, continuer` a a dare una risposta casuale per ci` o che riguarda la propriet` a fa le uova. In altri termini il perceptrone non ` e in grado di inferire da altre propriet` a dei cavalli e da quello che sa su altri concetti diversi da cavallo che i cavalli non fanno le uova. Vedremo adesso che, invece, una rete che abbia un singolo strato di unit` a nascoste ` e perfettamente in grado di assolvere questo genere di compito. Consideriamo cosa fa un perceptrone: esso impara una serie di associazioni dirette tra coppie di pattern di attivazione, la rete, dunque non fa altro che correlare al pattern di input che rappresenta il concetto il pattern di output che esibisce le propriet` a del concetto. Ci` o avviene attraverso un continuo riaggiustamento dei pesi sulle connessioni che collegano direttamente i nodi di input a quelli di output in modo che la rete non immagazzini una singola associazione tra pattern di ingresso e pattern di uscita, ma tante serie di associazioni quanti sono i concetti da imparare. Agendo in questo modo il perceptrone non si fa nessuna rappresentazione interna dei concetti19 : i concetti,
18 Quindi, linput di insegnamento per fa le uova non ` e n e 0 n e 1, ma ` e I dont care (non importa). 19 Riguardo al concetto di rappresentazione e alla sua centralit` a rispetto alle macchine che simulano la mente vedi par.2.4.
96
tuttal pi` u, sono rappresentati allesterno del perceptrone, cio` e come un pattern di attivazione sui nodi di input; tale pattern di attivazione ` e imposto dallesterno alla rete, non ` e costruito dalla rete stessa. In conseguenza di ci` o, la rete non ha alcuna possibilit` a di farsi una rappresentazione dei concetti che ne metta in luce somiglianze e dierenze. Comunemente si aerma che i concetti possano essere accomunati a seconda delle somiglianze che intercorrono tra loro: ci sono concetti che hanno parecchio in comune, altri che hanno in comune poco o nulla; ad esempio, il concetto di cavallo avr` a molto in comune con il concetto di asino, ma meno avr` a in comune con il concetto di formica. Ebbene, visto ci` o che abbiamo appena detto circa le (in)capacit` a del perceptrone riguardo la possibilit` a di rappresentare, ` e chiaro che il perceptrone non pu` o cogliere tali somiglianze visto che il pattern di attivazione sui nodi di input ` e stato scelto, come detto, in modo assolutamente casuale: il pattern che rappresenta il cavallo, per il perceptrone, non sar` a simile al pattern che rappresenta lasino pi` u di quanto non sia simile al pattern che rappresenta la formica. Proprio tale incapacit` a strutturale di compiere inferenze circa la somiglianza o la dierenza tra concetti ` e il sintomo che questo tipo di reti (i perceptroni appunto), non potendo computare concetti di cui non hanno esperienza diretta, non sono adatte a simulare ci` o che accade nella nostra mente. Infatti, noi siamo in grado di inferire la somiglianza tra due concetti a partire anche da aspettative su concetti di cui non abbiamo fatto esperienza diretta: ad esempio, volendo istituire una relazione tra le abitudini alimentari tra tre specie di animali, ossia, il cavallo, lasino e il leone e ponendo di non sapere di cosa si nutra un asino e di cosa si nutra un leone, saremo portati a dire, quasi con certezza, che ci` o che mangia lasino sar` a pi` u simile a ci` o che mangia il cavallo, rispetto a ci` o che mangia un leone, proprio sulla base di correlazioni legate alle altre propriet` a (forma, dimensione, habitat naturale in cui vive ecc.) del concetto cavallo; sembra, dunque, essere una caratteristica delluomo il potere creare delle correlazioni tra concetti di cui non ha fatto esperienza diretta. Proprio tale capacit` a manca al perceptrone, essenzialmente a causa del fatto che essi non sono strutturati in modo tale da potersi fare delle rappresentazioni interne dei concetti dalle quali risultino somiglianze e dierenze: in questo senso, ci` o che i perceptroni imparano sono associazioni tra rappresentazioni (pattern di attivazione) date, e non rappresentazioni singole. Ben diverso ` e invece il caso delle reti contenenti unit` a nascoste. Quando si attiva un concetto sui nodi di input, ovvero, quando si impone il pattern casuale di attivazione che si ` e scelto per quel concetto sui nodi di input, tale pattern, naturalmente, non si traduce direttamente in un pattern di attivazione sui nodi di output come avviene nel perceptrone, ma, dierentemente, il pattern di input attiva un pattern sulle unit` a nascoste della rete: ogni pattern di input, quindi, attiva un corrispondente pattern sulle unit` a nascoste del sistema determinando un valore quantitativo di attivazione per ciascuna di queste unit` a. Questo pattern attivato sulle unit` a nascoste ` e ci` o che ` e denito come rappresentazione interna del concetto. La caratteristica principale di questa rappresentazione ` e, fuor di dubbio, il suo essere distribuita, nel senso che essa ` e lintero insieme di valori di attivazione delle unit` a nascoste e non semplicemente una singola unit` a o un singolo valore. Conseguentemente, visto che ogni singola unit` a potr` a entrare nella rappresentazione di pi` u concetti, determinare quale sar` a il pattern sulle unit` a nascoste attivato da ciascun concetto dipender` a dai particolari pesi che si trovano sulle connessioni tra nodi di input e unit` a nascoste. Com` e noto, tali pesi sono appresi dalla rete, ossia sono stabiliti dalla rete, in maniera progressiva durante
97
il suo apprendimento, dunque, com` e facile notare, il pattern di attivazione sui nodi di input che rappresenta un concetto ` e arbitrario e imposto direttamente dal ricercatore, il pattern di attivazione dellunit` a nascosta, invece, ` e scelto direttamente dalla rete per assolvere il compito richiesto. Nello specico, la rete ha la possibilit` a di scegliere i pesi in modo tale che ciascun concetto attivi somiglianze e dierenze tra di essi. Proprio sulla base di tale rappresentazione interna, la rete ` e in grado di inferire anche propriet` a di concetti che non le sono state insegnate. Ovviamente, dunque, le propriet` a di un concetto (che si identicano, in questo caso, con i nodi di output) sono determinate dalla rappresentazione interna del concetto attraverso i pesi sulle connessioni che intercorrono tra le unit` a nascoste e i nodi di output. Tornando quindi al nostro esempio del cavallo, possiamo dire che se cavallo ha una rappresentazione interna simile a quella di asino e se la rappresentazione interna di cavallo si traduce nelle propriet` a mangia erba e non mangia carne, che sono state entrambe esplicitamente insegnate alla rete, allora ` e possibile che anche la rappresentazione interna di asino dia come risultato sui nodi di output le stesse propriet` a alimentari anche se in relazione allasino esse non sono state entrambe esplicitate preventivamente alla rete20 . Una questione interessante, a nostro avviso, riguarda cosa passi attraverso le connessioni: abbiamo gi` a accennato al fatto che i PDP non hanno a che fare propriamente con simboli, ma, pi` u che altro, con un apparato subsimbolico. Vediamo di intendere cosa questo signichi21 . I sistemi subsimbolici non agiscono direttamente su simboli, ma le loro entit` a di base costituiscono schemi complessi che si attivano contemporaneamente per far sorgere il sistema simbolico22 : ciascun nodo, dunque, non gode di uninterpretazione semantica come nei sistemi atomici o simbolici, poich e i concetti godono di una distribuzione probabilistica nel tessuto subsimbolico dei nodi. Il sistema subsimbolico permette, in sostanza, una essibilit` a nella elaborazione concettuale, che manca nei sistemi simbolici rigidamente determinati dalla manipolazione sintattica. La teoria cognitivista, che esplicita gli assunti teorici alla base di tali sistemi, ritiene che i fenomeni cognitivi sorgano a livello statistico dallintervento multiplo e parallelo di sistemi subcognitivi locali, e per questo si tratta di modelli connessionistici: essi opererebbero dunque secondo una sorta di lavoro di squadra, nel quale entrano in competizione tra loro diversi agenti, e il cui cooperare consente lemergere di quelle manifestazioni complesse che deniamo atteggiamento intelligente. I sistemi connessionistici presentano, quindi, una sorta di integrazione tra il modello top-down, tipico dellIA classica, e quello bottom-up, cio` e che procede non da una struttura logica predeterminata verso le sue manifestae dunque zioni locali, ma viceversa dal basso verso lalto23 . Il risultato computazionale ` adato maggiormente alle connessioni appropriate di nodi subsimbolici piuttosto che alla trasmissione di informazioni simboliche. Nelle reti connessionistiche, come abbiamo mostrato, i concetti ideali (tipi ) e le loro istanze speciche (repliche ), non sono date
20 Come abbiamo gi` a accennato prima, in questo esempio non gioca solamente il fatto che chi mangia erba non mangia carne, ma giocano un ruolo determinante tutta una serie di caratteristiche comuni tra cavallo e asino tali che conseguentemente sia possibile alla rete di inferire che, dato un certo numero di somiglianze, sia il cavallo che lasino mangiano erba e non mangiano carne. 21 Una illustrazione semplice e precisa di tali processi ` e contenuta in Robinson [1992], cap.9. 22 Hofstadter [1995], pp. 314-315. 23 Questo ` e il modello che vedremo realizzato in particolare nella Robotica.
98
separatamente, ma realizzate dalla stessa struttura. Il sogno connessionista consiste nellidea della riproducibilit` a di tutta lattivit` a cognitiva in termini di architettura subsimbolica, il che per altro trova una forte base teorica nello studio della neurosiologia e del tentativo di comprensione di come lattivit` a cognitiva complessa sorga a partire dalla connessione di miliardi di neuroni. Il vantaggio apparente dellapproccio connessionista sta nel poter evitare la questione dellinuenza delle propriet` a cognitive, sensitive, esperienziali e motorie: i meccanismi paralleli non pretendono pi` u infatti di riprodurre unintelligenza reale, piuttosto intendono illustrare la possibilit` a di far emergere attivit` a cognitive complesse a partire da micro-strutture. Non ` e perci` o necessaria neppure una memorizzazione dellinformazione ad indirizzi statici e deniti, in quanto proprio questa ` e distribuita probabilisticamente tra i nodi e risorge signicativamente dalle relazioni connessionistiche. In questo senso i PDP sono ci` o che di pi` u vicino ad un modello lIA abbia mai prodotto: essi infatti non istanziano una teoria, ma ci` o che di fatto conosciamo del cervello e del suo funzionamento.
2.1.3
Problemi e insucienze del connessionismo
Il paradigma connessionista ci consegna lidea che la mente umana possa essere riprodotta da un modello neuronale che riproduca le caratteristiche del cervello24 . Inoltre, sembrerebbe voler aermare che, per non incappare nelle dicolt` a in cui caddero i cibernetici quando sperimentarono il perceptrone, il modello di mente articiale debba fondarsi sul concetto di rappresentazione: soltanto grazie alla possibilit` a di creare delle rappresentazioni interne, data dallintroduzione delle unit` a nascoste, ` e possibile (ri)creare le condizioni per lapprendimento inteso come inferenza libera e per risolvere le incongruenze logiche che abbiamo precedentemente esposto. Tuttavia, nei confronti del connessionismo, possono porsi alcune obiezioni che pertengono il modello di mente che esso ci propone; tali obiezioni possono essere divise in gruppi e enunciate come segue: a. Lobiezione riguardo alla capacit` a delle reti neurali di farsi realmente delle rappresentazioni: le reti neurali lavorano davvero su rappresentazioni o, piuttosto, fanno soltanto delle associazioni? b. Lobiezione riguardo alla tipologia delle rappresentazioni che produrrebbero le reti neurali: il genere di rappresentazioni prodotte da questo modello della mente ` e eettivamente quello della mente umana? c. Lobiezione circa leettiva utilit` a del concetto di rappresentazione: la mente umana si fa realmente delle rappresentazioni del mondo o ` e organizzata in modo dierente? d. Lobiezione circa la mancanza di connessione tra la mente e il corpo: il rimarcare la necessit` a di costruire un modello il pi` u possibile simile a quello biologico non deve tener conto anche della corporeit` a in generale e non soltanto di una sommaria identicazione di mente e cervello?
24 Un problema ovviamente ` e rappresentato dallindividuare il livello di somiglianza tra il modello neuronale e leettiva struttura del cervello: una riproduzione fedele richiederebbe la realizzazione di un completo isomorsmo tra i due modelli, obiettivo che appare di dicile realizzazione; daltra parte ` e fuor di dubbio necessario rilevare tra i due modelli delle analogie interessanti e signicative, al ne di giusticare la validit` a dellapproccio connessionista.
99
Analizziamo, adesso, una alla volta queste quattro obiezioni. La prima obiezione [a] si fonda sullipotesi che le reti neurali, in realt` a, non siano in grado di contenere alcuna rappresentazione, ma che si limitino a costituire delle associazioni: questo, evidentemente, vorrebbe dire che tutto ci` o che fa una rete ` e mettere insieme delle informazioni senza formare alcuna rappresentazione dellinformazione composta che deriva da tali associazioni. Indubbiamente, chi sostiene questa obiezione, vuole mettere in risalto linsucienza del modello connessionista che, se funzionasse davvero esclusivamente per associazioni, si ridurrebbe ad essere una versione tecnologicamente sosticata del comportamentismo. In eetti, se torniamo ad analizzare le modalit` a di apprendimento delle reti neurali che abbiamo mostrato nel paragrafo precedente, non possiamo non notare che queste reti lavorano esclusivamente su associazioni: esse, infatti, esibiscono tutta la loro conoscenza per mezzo dei pesi sulle connessioni le quali collegano, ovvero associano, coppie di nodi. Nellesempio della rete che impara a utilizzare i concetti, sia il perceptrone sia la rete con unit` a nascoste imparano ad associare un concetto con le sue propriet` a; tuttavia, a ben vedere, possiamo qui distinguere due dierenti tipologie di associazione. La prima coincide con il modello che abbiamo appena esposto, la seconda, invece, si riferisce semplicemente al fatto che ogni nodo (o ogni unit` a nascosta) ` e associato mediante una connessione almeno ad un altro nodo. Evidentemente, nel perceptrone, i due sensi coincidono: un concetto ` e associato alle sue propriet` a direttamente, attraverso le connessioni tra nodi di input e nodi di output. Al contrario, nelle rete con unit` a nascoste, i concetti sono associati alle loro propriet` a in maniera indiretta mediante una sorta di modello intermedio, che si costituisce proprio nelle unit` a nascoste. Proprio questo ` e loggetto del contendere: i connessionisti ritengono che questo modello intermedio sia una rappresentazione interna; coloro che sostengono che le reti non fanno altro che associazioni ritengono, invece, che il modello intermedio non sia altro che uno dei livelli di associazione. A dire il vero, al di l` a del volere denire il modello intermedio come associazione o rappresentazione, ` e indubbio che visto in questi termini il connessionismo appare fortemente legato al comportamentismo: ` e bene ricordare, infatti, che a partire dagli anni Cinquanta il comportamentismo propose un nuovo modello che appare del tutto simile alla struttura delle reti neurali con unit` a nascoste. Questo nuovo corso comportamentista era basato sullidea che nella struttura stimolo-risposta, tradizionalmente considerato un processo del tutto esterno e perci` o stesso del tutto controllabile e analizzabile, potessero inserirsi delle strutture (anchesse stimolo-risposta) interne che fungono da medi tra lo stimolo e la risposta esterna. Sinteticamente possiamo confrontare le due strutture nelle descrizioni proposte dalle gure 2.5 e 2.6.
SR Figura 2.5: Schema della struttura comportamentista classica. SrsR Figura 2.6: Schema della struttura del nuovo corso comportamentista.
Appare evidente come queste due strutture siano essenzialmente simili ai due modelli connessionisti qui presentati: lo schema classico (g. 2.5) richiama la struttura del
100
perceptrone in cui i nodi di input sono direttamente collegati ai nodi di output; lo schema del nuovo corso (g. 2.6), invece, richiama la struttura delle reti con unit` a nascoste in cui tra i nodi di input e i nodi di output esistono stati intermedi (le unit` a nascoste appunto, rappresentate nello schema dalle lettere r ed s) in cui il segnale in entrata (S ) equivale ad uno stato intermedio rispetto a quello che diventer` a in output (R). Indubbiamente, dallo schema del nuovo corso si pu` o evincere facilmente che se si volesse si potrebbe discutere circa il fatto che queste strutture stimolo-risposta intermedie possono essere considerate delle rappresentazioni interne della struttura stimolo-risposta esterna, esattamente come si discute riguardo allo statuto delle informazioni che si creano sulle unit` a nascoste delle reti neurali. Analizzato in questi termini, il connessionismo appare dunque una sorta di implementazione tecnologica del nuovo corso comportamentista, sia pure unimplementazione molto pi` u complessa della teoria originale25 . Nel caso dellobiezione [b], i suoi sostenitori, pur accettando che le reti neurali possiedano rappresentazioni, ritengono che il genere di rappresentazioni prodotte dalle reti siano sostanzialmente dierenti da quelle prodotte da un agente cognitivo umano. I sostenitori di tale obiezione ritengono, infatti, che gli uomini si facciano rappresentazioni delle entit` a con cui hanno a che fare e che tali rappresentazioni siano rappresentazioni simboliche26 . Appare assolutamente evidente, dalle esemplicazioni n qui mostrate, che le reti neurali non inglobano alcuna modalit` a simbolica di rappresentazione e che anzi i sistemi connessionisti possono essere legittimamente deniti, come abbiamo accennato in chiusura nel paragrafo precedente, sistemi sub-simbolici. In tal senso ` e ovvio che la critica rivolta ai connessionisti si basa sullidenticazione di rappresentazione e rappresentazione simbolica. Tuttavia, se accettiamo che le reti neurali sono in grado di produrre rappresentazioni dobbiamo di necessit` a concludere che anche questi sistemi si costruiscono rappresentazioni valide degli oggetti con cui hanno a che fare, soltanto, non si tratta di rappresentazioni simboliche. In questottica, le reti neurali producono rappresentazioni interne distribuite sulle unit` a nascoste della rete, ma tali rappresena (i nodi e le unit` a nascoste tazioni sono rappresentazioni quantitative 27 basate su entit` della rete) che non hanno nessuna interpretazione simbolica. Evidentemente, qui, il vero problema ` e stabilire quale genere di rappresentazioni siano tipiche delluomo: di per s ei due modelli (simbolico e subsimbolico) sono infatti equivalenti, ossia, entrambi permettono di risolvere positivamente i compiti loro assegnati; ma se lobiettivo ` e riprodurre, al ne di comprenderla, lattivit` a rappresentazionale umana, allora una delle due modalit` a di necessit` a ` e scorretta28 . In tal senso, quindi, come spesso accade quando ci
25 Ci si sar` a certamente resi conto del continuo ricorre in questa sezione della nozione di rappresentazione e di come manchi di questa una denizione appropriata. Tale assenza riette nel contesto dellapproccio connessionista la dicolt` a essenziale al tentativo stesso di fornire una descrizione esaustiva di tale procedura conoscitiva; da parte nostra, riette la coscienza di non potere soddisfare il compito di ripercorrere lo sviluppo storico e teorico di un concetto losoco e scientico tanto complesso. 26 Per rappresentazione simbolica intendiamo qui una rappresentazione che per mezzo di simboli, che possono essere identicati come le parole del linguaggio naturale, un qualche linguaggio macchina, i simboli logici o quelli matematici, condensi le entit` a con cui loperatore cognitivo ha a che fare. 27 Ci` o` e evidente visto che il pattern di attivazione nelle unit` a nascoste ` e un vettore di valori numerici. 28 In realt` a potrebbe anche pensarsi che la mente umana sia in grado di utilizzare entrambi i modelli: in questo caso potrebbero, se presi singolarmente, considerarsi entrambi errati poich e incompleti.
101
ritroviamo ad analizzare problemi legati alla mente umana, la controversia non potr` a concludersi n quando non sapremo qualcosa in pi` u circa la mente stessa, prospettiva, questa, ancora molto lontana. Lobiezione [c], di fatto, ` e una critica allimpianto generale delle reti neurali: ci` o che ci si chiede qui ` e se eettivamente la mente umana, e di conseguenza i modelli che cercano di riprodurla, funzioni per mezzo di rappresentazioni. La questione non ` e di poco conto e, anzi, scuote dalle fondamenta tutto limpianto sia connessionista sia cognitivista. Proprio a causa della radicalit` a di questa posizione preferiamo accennare qui solamente al fatto che ` e possibile pensare ad una mente, e ad una sua implementazione meccanica, che non lavori su rappresentazioni (n e simboliche n e sub-simboliche) e che tale teoria ha prodotto dei modelli che svolgono pienamente i loro compiti29 . Lobiezione [d], pone un problema abbastanza serio al connessionismo: si pu` o pensare di implementare un modello di mente trascurando del tutto la struttura corporea delloperatore cognitivo di cui si vuole riprodurre lattivit` a mentale? In linea di principio, infatti, non possediamo nessuna evidenza che ci dica che si possa seriamente costruire un modello di mente basandosi esclusivamente sullidea che lunico supporto materiale dellintelligenza sia il cervello. Al contrario, con ogni probabilit` a al ne di comprendere realmente come funziona lintelligenza umana e di conseguenza per costruire un modello di mente intelligente ` e necessario (re)integrare ad essa la struttura corporea. Proprio questultima obiezione, a nostro avviso, costituisce un limite insormontabile per il connessionismo e in generale per qualunque modello teorico che cerchi di implementare la mente umana non badando allaspetto corporeo dellagente cognitivo. Proprio a causa di questo limite riteniamo che il primo passo in avanti verso la costruzione di un modello che spieghi davvero i molteplici aspetti dellintelligenza30 , sia pensare a modelli teorici che non siano pi` u implementabili sul calcolatore, ma piuttosto su Robot. In questa maniera, infatti, potremmo cominciare a rendere conto degli aspetti corporei che agiscono attivamente sullintelligenza.
2.2
Dal calcolatore al robot
Secondo gli sviluppi dellIA presentati nel primo capitolo, appare chiaro che quello che in Ross [1995] ` e detto paradigma computazionale classico, si basa su alcuni elementi fondamentali: - la tesi della natura computazionale degli atti cognitivi; - il principio dellinvarianza della struttura, che nellanalisi di Putnam assume la forma della tesi della realizzazione multipla della mente; - lipotesi dellautoma come sistema sico-simbolico.
29 Per una discussione pi` u approfondita circa il concetto di rappresentazione e circa i modelli meccanici che non lavorano su rappresentazioni rimandiamo rispettivamente ai paragra 2.4 e 2.5 di questo stesso capitolo. 30 Lintelligenza ` e, indubbiamente, un fenomeno complesso e, dunque, per denizione non pu` o derivare da una sola causa: ` e molto pi` u sensato dunque che le caratteristiche di un sistema intelligente derivino dal complesso del suo funzionamento (corporeo e mentale) che non dalla sua dipendenza da uno specico sostrato materiale quale pu` o essere il cervello.
102
Come abbiamo avuto modo di vedere, questo paradigma subisce nel corso degli anni profonde revisioni, che progressivamente ne modicano la natura e i principi di base. Questo ` e vero in particolare rispetto allipotesi del sistema sico-simbolico rimesso in questione dagli approcci sub-simbolici e connessionisti. In questa sezione ci proponiamo di illustrare il contesto storico e teorico di una delle svolte pi` u rilevanti di tale paradigma, il cosidetto approccio del robot, per prenderne poi in considerazione le basi matematico-tecnologiche nella sezione successiva31 . Sarebbe tuttavia impossibile considerare la Robotica come un settore di ricerca successivo nel tempo e conseguente come idea rispetto ai dierenti approcci che abbiamo sin qui illustrato e che miravano tutti alla spiegazione e riproduzione dellattivit` a intelligente. Interpretare la Robotica come un evoluzione delle ricerche iniziate con Turing e von Neumann implicherebbe di necessit` a il dover confrontarsi con alcuni dati che fanno indubbiamente parte della storia della Robotica, e che in alcuni casi si collocano nel tempo anteriormente o comunque indipendentemente dagli studi del paradigma computazionale classico. La nostra scelta di trattare questi temi solo adesso, dopo gli altri loni di ricerca quali lIA classica, la Cibernetica e le Reti neurali, risponde ad un duplice bisogno: 1. la necessit` a di rendere conto della molteplice serie di inuenze diverse che vanno riconosciute alla Robotica: vedremo infatti come nella fase iniziale degli studi sui robots siano state fondamentali le inuenze delle diverse scuole psicologiste, ad esempio la gestaltica, mentre in un periodo pi` u maturo tale lone di ricerca non si sottrasse al fascino delle idee della Cibernetica; questa caratteristica della Robotica, il suo essersi sviluppata a partire da stimoli diversi in periodi diversi, ci ha spinto a prenderla in considerazione adesso, proprio nel tentativo di riproporre tali inuenze; 2. levidente ruolo che la Robotica riveste in qualit` a di teoria che si rivolge in particolare ad un forma di intelligenza implementata, congurata in un corpo e dotata di capacit` a rappresentative32 , la presenta per denizione come ponte teorico-tecnologico fondamentale verso una teoria della riproduzione completa delle forme umane di intelligenza, che vedremo sviluppata nel cap.333 . Nello specico, prendendo in considerazione la nascita e lo sviluppo della Robotica, apparir` a immediatamente evidente come nelle sue prime manifestazioni essa presentasse dei principi teorici vicini allapproccio computazionale classico e funzionalista, mentre successivamente essa non rester` a distante dagli impulsi provenienti dalle ricerche pi` u recenti come quelle del connessionismo, sviluppando i suoi principi di base in direzioni estremamente feconde e anche di grande rilievo losoco oltre che tecnologico (come nel caso delle ricerche sulla visione e sulla rappresentazione ). La Robotica si congura allora come scienza appellandosi da una parte allantichissima storia del tentativo umano di creare dei meccanismi in grado di eseguire compiti
noto la parola robot proviene dalla radice in lingua slava del termine lavoro; fu utilizzato per indicare sistemi articiali antropomor in grado di eseguire comandi, dal commediografo cecoslovacco Karel Capek nella sua commedia Rossums Universal Robot del 1921. 32 Si pensi qui soprattutto agli sviluppi pi` u recenti, come quelli arontati nella sezione 2.5. 33 In particolare questo secondo punto spiega il richiamo nel titolo di questa sezione ad un passaggio dal calcolatore al robot: tale passaggio, se storicamente non del tutto corretto, assume un signicato teorico fondante in questa sede.
31 Come
103
meccanici, dallaltro sotto forte impulso degli studi pi` u rilevanti in psicologia, che hanno direttamente inuenzato la nascita di detta scienza. Da sempre luomo ha tentato la costruzione di automi che fossero in grado di riprodurre faticose attivit` a umane, ed alcuni dei principi meccanici sperimentati ad esempio da Lenardo da Vinci o in alcune macchine risalenti al XVIII secolo risutano validi tuttoggi. Inoltre, gli esempi letterari precedenti al gi` a citato robot di Capek e risalenti ad esempio alla tradizione medievale ebraica del Golem, raorzano lidea di una presenza antica e costante della creazione di automi da materia inanimata nella cultura umana. Ovviamente la Robotica alla quale facciamo riferimento ha i propri fondamenti nelluso dei calcolatori digitali che regolano un sistema meccanico in termini di ussi informativi, cosicch` e in questo senso la Robotica ` e da considerarsi comunque unevoluzione delle ricerche logiche e tecnologiche che abbiamo analizzato a partire da Turing e che si sono evolute sino alla connessione con la nozione matematica di Informazione. Tuttavia, dovendo centrare delle nozioni concettuali fondamentali della Robotica, possiamo fare riferimento a quanto messo in evidenza da Pessa: Sebbene il termine robot venga usato abbastanza spesso per indicare apparecchiature industriali che eseguono automaticamente attivit` a un tempo governate dalla mano delluomo, la maggior parte di tali apparecchiature non sono robot nel senso vero e proprio del termine, che denota esclusivamente dispositivi nei quali linput esterno viene elaborato in modo da poter interagire con unopportuna base di conoscenze interna, a sua volta in grado di determinare e controllare le azioni opportune da svolgere per conseguire un determinato obiettivo34 . Questo passaggio, fornendo una denizione indiretta di robot, ci permette di ricavare le discriminanti teoriche che ne deniscono a loro volta lazione propria: - percezione; - pianicazione; - azione; e che costituiscono i loni lungo i quali cercheremo di spiegare la teoria della scienza robotica. Se dunque ` e innegabile una connessione tra lo studio degli automatismi, dallantichit` a allera industriale e oltre, con la Robotica, ci riferiamo ad una scienza che non si limita allo studio dei meccanismi di connessione tra parti di una macchina automatica, ma risulta invece supportata da una base teorica che giustica, a nostro parere, il suo ruolo di erede della ricerca in IA e in Cibernetica. Indubbiamente da una parte lindirizzo che privilegiava il reasoning programming, ovvero programmi che sapessero sviluppare ragionamento intelligente da implementare successivamente su automi, e dallaltro lo sviluppo di attitudini denibili intelligenti sulla base di pratiche esperenziali, come nel caso dellapprendimento tramite visione, hanno anche avuto profonde divergenze teoriche e momenti di duro scontro scientico. La connessione della Robotica con le ricerche sul pensiero umano ha di certo un altro forte impulso per ci` o che riguarda la complessit` a della nozione stessa di percezione, che ovviamente non pu` o fare a meno di portare con s e tutto il carico della tradizione
34 Pessa
[1992], p.96.
104
losoca nel suo intero percorso storico35 . In particolare, occorre qui fare riferimento e sottolineare la peculiarit` a della tipologia di percezione cui si ` e giunti nel momento in cui stiamo arontando lanalisi della Robotica: riprendendo il passaggio sopra citato da Pessa, nel robot lelaborazione degli inputs esterni deve essere eseguita in relazione ad una base di conoscenze e permettere una determinazione di azioni nel mondo esterno mirate ad uno scopo36 , e su questa base occorre costruire la spiegazione dellinuenza ricevuta anche dallo studio dei processi di apprendimento allinterno delle diverse scuole psicologiste. Come dicevamo in apertura di capitolo, linteresse ` e rivolto principalmente allo studio delle connessioni S-R, che come sappiamo giocavano anche un ruolo imu rilevanti dello scenario portante negli studi sulle Reti neurali37 . Una delle gure pi` psicologistico in riferimento ai processi di apprendimento fu sicuramente Clark Hull, il quale riguardo alle due possibili alternative in questione, apprendimento selettivo e per riesso condizionato, sosteneva la legge del rinforzo primario, cio` e della preminenza in ogni caso della connessione S-R, che promuove o riduce ogni pulsione dellorganismo. Hull si proponeva una formulazione obiettiva di tale legge, spiegando appunto lapprendimento in termini di pulsioni che vengono raorzate o indebolite dallattivit` a neuronale relativa. Partendo da questa analisi di base, Hull si interess` o moltissimo della costruzione di macchine capaci di riprodurre inferenze sillogistiche: tuttavia, presto si dedic` o completamente allidea di una macchina che fosse capace di apprendere per riesso condizionato. I primi risultati ottenuti e pubblicati con la collaborazione di Bernstein, sostenevano un approccio meccanicista alla psicologia e allidea della costruzione di dispositivi non organici la cui capacit` a di pensiero intelligente (nello specico per tentativi ed errori) e apprendimento non fosse appunto dipendente dalla struttua visto rivoluzionato da ra vivente38 . Il fondamento teorico di tale idea, che abbiamo gi` parte del connessionismo, consisteva nel ritenere che il comportamento della materia sia determinato unicamente dalla sua organizzazione. A partire da questa idea, che diede dei primi risultati, fra i quali il dispositivo di Kr uger, si susseguirono diversi studi sulle metodiche dellapprendimento, no a condurre lo stesso Hull ad una teoria che metteva in campo la nozione di rappresentazione da parte del soggetto, in grado di modicarsi in relazione alle esperienze e reagire riconoscendo patterns di azioni basate sulla relazione S-R, invitando alla prova di una implementazione di tale concetto meccanico su materiali inorganici. Vedremo peraltro nelle sezioni seguenti come proprio il concetto di rappresentazione diventer` a la chiave di volta per lo sviluppo moderno della Robotica. Tali studi ricevettero grandi impulsi dallanalisi di laboratorio delle scelte compiute da animali inseriti in labirinti, suggerendo uninterpretazione basata sulla nozione di previsione. Lo studio dei processi predittivi si congurava, in denitiva, come analisi della causazione allindietro, quale capacit` a del risultato futuro di unazione di anticipare
35 Per una succinta ma completa trattazione storica della losoa e tecnologia in connessione con la Robotica, rimandiamo a Rovetta [1990], cap.3. Altri utili riferimenti sono reperibili in Rete allindirizzo http://www.thetech.org/exhibits/online/robotics/ 36 Ci appare completamente evidente limportanza della conoscenza delle nozioni introdotte dalla Teoria dellInformazione e dalla Cibernetica per comprendere il reale livello di complessit` a di un robot. 37 Ci rifacciamo in quanto segue al completissimo Cordeschi [1998], cap.3. 38 Hull raccolse le sue idee e i suoi progetti nei suoi Idea Books, pubblicati in Hull [1962], mentre il lavoro in collaborazione con Bernstein ` e Hull, Bernstein [1929]. Per una esatta bibliograa relativa alle pubblicazioni degli articoli e appunti di Hull, rimandiamo comunque a quanto presente in Cordeschi [1998].
105
lazione stessa nel corso causale, e questo tema trova ovviamente anit` a con la nozione di retroazione che la Cibernetica studiava in quegli stessi anni. Le ricerche di Hull inuenzarono moltissimo la Robotica degli inizi, in particolare nelle ricerche di Thomas Ross, che nel 1935 present` o una macchina considerata un precursore dei solutori meccanici di labirinti. Proprio i solutori di labirinti ebbero grande successo, e, per portare un esempio, agli inizi degli anni Cinquanta anche Shannon39 , che gi` a conosciamo come padre della Teoria dellInformazione, si dedic` o alla costruzione di automi mobili, ispirati proprio ai topi da labirinto, le cui capacit` a motorie e di scelta erano il risultato dellapplicazione di sistemi elettrici studiati come canali di informazione. Il robot di Shannon era costituito da un braccio con un dito mobile che toccando le pareti di un labirinto imparava a raggiungere la meta. Daltra parte fu proprio la Cibernetica a riettere su questi progetti e imprimere una svolta decisiva alla storia della Robotica, in particolare facendo uso delle tecniche della retroazione negativa e dello scanning. Va sottolineato che nessuno dei robot costruiti in quei decenni riproduceva esteriormente le sembianze umane, come a sottolinare il riferimento allidea di Hull della riproducibilit` a dellattivit` a intelligente in strutture non organiche40 , ed erano tutti ispirati a forme vagamente animali, senza attenzione alcuna alla relazione tra organismo e macchina. Ma, come ottimamente illustrato in Cordeschi [1998], linuenza della Cibernetica sulla Robotica risult` o determinante proprio in riferimento alla concezione teorica che progressivamente essa seppe introdurre in tale campo. Essa spinse perch e alle ricerche meccaniche che la Robotica aveva sino a quel punto portato avanti, fosse fornito un supporto teorico, psicologico e anche strutturale molto pi` u profondo. Tale supporto si congurava ovviamente nella introduzione dei principi fondamentali della Cibernetica nel contesto della ricerca mirata alla riproduzione di comportamento intelligente ed apprendimento da parte di automi, in particolare per quanto rigurda il concetto di retroazione, e in una implementazione di tali principi sui supporti meccanici. In eetti, se da un lato una delle tecnologie sviluppate durante la II Guerra Mondiale riguardava la realizzazione di procedure logico-aritmetiche da parte di computers digitali, ad esempio per la (de-)criptazione dei codici e dei computi delle tavole dellartiglieria, dallaltro lato allo stesso periodo risale lo sviluppo dei servomeccanismi che, applicati su motori guidati elettronicamente, realizzavano sistemi di guida per le armi41 , che costituiscono una delle maggiori spinte allo sviluppo della Robotica. A questo si deve aggiungere unanalisi dei comportamenti umani, anche patologici, in collaborazione con i progressi della siologia. Per questo motivo lapproccio cibernetico alla robotica risult` o parte integrante delle ricerche allora in corso tanto sulle reti neurali quanto in psicologia, psichiatria nonch e elettronica, elettrotecnica e teoria dellinformazione. Alle origini di questo modello, e contemporaneamente al lavoro di Shannon, bisogna ricordare le macchine di Grey Walter, a partire dalla sua Machina speculatrix (la cosidetta tartaruga a di esplorazione era garantita da sensori che producevano del 195042 ), la cui capacit` unabilit` a percettiva sulla base tanto della visione quanto del tatto. In particolare, tale macchina era dotata di capacit` a fototropica: attraverso il meccanismo dello scanning
[1951]. ` e particolarmente rilevante per quanto diremo nel cap.3 in riferimento alla relazione tra intelligenza, corpo e ambiente. 41 Ricordiamo qui quanto sia stata centrale per la Cibernetica la nozione di servomeccanismo per poter illustrare precisamente la nozione di azione con scopo. 42 Walter present` o le prime versioni in [1950] e [1951]; pi` u esteso in riferimento ai confronti con automi contemporanei e macchine cibernetiche ` e [1953].
40 Ci` o 39 Shannon
106
era in grado di evitare situazioni di stallo tra sorgenti di luce di uguale intensit` a, cos` capace di entrare in oscillazione sica e disincagliarsi da ostacoli. Gli sviluppi di questo automa di Walter proseguirono implementando altre capacit` a, cercando di avvicinarsi ad alcune delle caratteristiche dellapprendimento umano come limprevedibilit` a nella scelta tra alternative (ancora nei labirinti) o del ragionamento (come nel caso del robot Squee che ragionava per mezzo di circuiti elettrici progettati secondo algebre booleane), o ancora nel caso del robot realizzato nei primi anni Sessanta al John Hopkins University Applied Physics Laboratory (APL), denominato Hopkins Beast, il quale raggiunto un basso livello di autonomia delle batterie, era in grado di riconoscere e raggiungere la scatola scura aancata ad una parete bianca dove connettersi e ricaricarsi. Con lo sviluppo della specie degli animali articiali, che rappresentava la discendenza in linea teorica dei solutori meccanici di labirinti, appare chiaro come si fossero sviluppati i tre punti che ricordavamo allinizio, cio` e percezione, pianicazione ed azione. Ci` o condusse ad una elevata dierenziazione tra gli sviluppi della Robotica, che rester` a evidente nella diversit` a tra bracci meccanici ssi, diusi in ambiente industriale, e robot mobili sviluppati soprattutto in ambito di ricerca accademica. Un altro importante riferimento ` e quello all Articial Intelligence Laboratory dellUniversit` a di Stanford, dove tra il 1968 e il 1979 si form` o il gruppo di ricerca guidato da John McCarthy. Agli inizi degli anni Settanta, nei locali del laboratorio successivamente ribattezzato Stanford AI Laboratory (SAIL), McCarthy e i suoi allievi, tra i quali ricordiamo Rod Schmidt, studiavano le possibilit` a di movimento indipendente di un carrello, prototipo dei pi` u evoluti automi mobili43 . Gli studi di McCarthy erano orientati a vericare le tecniche per la visione e il movimento di automi, che come vedremo pi` u avanti sono le abilit` a ancora pi` u interessanti e dicili da implementare su robots44 , in condizioni di normalit` a umana: la prospettiva della Robotica, che ` e stata gi` a anche indicata come approccio bottom-up, dal basso verso lalto, fa riferimento, gi` a a partire da questi lavori, al tentativo di riprodurre alcune delle fondamentali caratteristiche animali, concentrando nel problema del movimento una gran variet` a di tecniche sensorie, motorie e dunque mentali, ritenendo dunque le strutture logico-aritmetiche un successivo prodotto culturale. La digitalizzazione delle immagini, con la quale si confrontava il programma di McCarthy, risultava di enorme dicolt` a, per la velocit` a con la quale un sistema visivo umano riesce a registrare tutti gli elementi del suo campo, laddove la stessa operazione da parte di un programma richiede tempi e dicolt` a superiori. Le evoluzioni del progetto del SAIL si spinsero poi no alla realizzazione di sistemi per la guida in ambienti con ostacoli, tramite unelaborazione visiva in tridimensionale, in grado di sviluppare mappature del campo visivo e degli elementi contenuti in esso e capace di dedurre e correggere tali mappe in relazione al movimento dei suddetti elementi45 . Le tecniche per la realizzazione di tali elaborazioni visive si sono evolute nel corso del decennio scorso, in termini di maggiore risoluzione e precisione, tridimensionalit` a, sistemi di triangolazione, economia in termini di tempo e fondi da investire. Questi sono solo alcuni dei doverosi riferimenti storici che ci permettono di comprendere come sin dallinizio il campo della Robotica fosse fecondo e aperto a molteplici
veda ad esempio il racconto di Moravec [1999], cap.2. McCarthy, Hayes [1969]; per lo sviluppo dei sistemi di movimento e visione nellattuale robotica, si vedano le sezioni 2.3.2 e 2.3.4 di questo volume. 45 Cfr. Moravec [1999], p.30 e seguenti, anche per i successivi studi da lui condotti in diversi laboratori, il racconto dei quali illustra con precisione alcune delle questioni tecniche pi` u rilevanti per lelaborazione di immagine digitale e sistemi di vision solver su automi mobili.
44 Cfr. 43 Si
107
inuenze. Indubbiamente per` o, come dicevamo gi` a prima, lo sviluppo e la svolta decisiva per tali ricerche avvenne in connessione con una forte ripresa degli studi psicologistici nellanalisi della capacit` a di apprendimento e svolgimento di attivit` a intelligente. Cos` , linizio della ricerca in Robotica ` e indubbiamente segnato dallo spirito antivitalistico di Hull, e secondo il lo conduttore degli studi psicologistici, si andr` a sempre pi` u insistendo nella direzione della possibilit` a di riprodurre le attivit` a caratteristiche della vita naturale su supporti articiali diversi da quelli organici46 . In relazione allo sviluppo dellIA e alla creazione di calcolatori digitali sempre pi` u potenti, la Robotica si indirizzer` a alla necessit` a di fornire alle macchine delle forme di rappresentazione dello spazio di azione, ovvero del mondo. Ci` o non ` e altro che levoluzione delle ricerche sulla simulazione di mondi compiuta al calcolatore, e che abbiamo per esempio considerato parlando delle ricerche di Minsky o di Winograd: gli sviluppi della meccanica e della elettrotecnica e la nascita degli automi mobili, capaci progressivamente di implementare su supporti sici diverse abilit` a, spingeva adesso per una rielaborazione dei principi fondamentali, quali percezione, pianicazione e azione. Proprio il problema della percezione si congurava di grande dicolt` a, e in particolare nei primi robots essa era determinata per via tattile. Ma uno dei problemi centrali divenne presto quello della percezione visiva, che avrebbe per altro incrociato nuovamente la strada degli studi psicologici in riferimento al famoso modello computazionale simbolico. A partire dagli anni Ottanta e ancora nei Novanta lobiettivo essenziale da raggiungere era limplementazione di sistemi di visione che non richiedessero tempi di esecuzioni inumani per la mappatura, scansione (spesso stereo e sonar) ed esecuzione rapida del movimento da parte di automi mobili. In particolare, lo sviluppo delle griglie bidimensionali non permetteva ancora negli anni Novanta ai gruppi di ricerca che lavoravano in questo campo, di produrre automi in grado di evitare problemi ai sensori e dunque andare in collisione con gli ostacoli; daltra parte griglie tridimensionali dovrebbero essere in grado di fornire rappresentazioni pi` u complete del percorso da compiere, divenendo ovviamente pi` u complesse in termini di risoluzione. I risultati pi` u recenti hanno anche prodotto macchine in grado di muoversi con suciente indipendenza in spazi aperti e chiusi, oltre che sistemi di lettura/scrittura vocale, traduzione, riconoscimento testo (sia stampato che manoscritto), riconoscimento vocale. La diusione dei robots mobili ebbe dunque un notevole incremento tra gli anni Ottanta e i Novanta, lasciando presagire anche unulteriore evoluzione nelle ricerche, ma la diusione commerciale presto termin` o, lasciando ai gruppi di ricerca il compito non ancora ultimato di raggiungere una vera implementazione intelligente. Probabilmente il robot antropomorfo oggi pi` u evoluto ` e il risultato di un decennale progetto della Honda Motors, che ha condotto alla realizzazione di P3 (evoluzione del pi` u vecchio P2), dotato di arti completamente funzionanti, un sistema di visione e capace di muoversi sulle proprie gambe, salire scale, reagire a spinte o perdite di equilibrio. Viene molto spesso mostrato nelle sue attivit` a in laboratorio o in occasioni particolari, dove viene fatto interagire con umani. Tuttavia il costo per la sua produzione ` e elevatissimo e questultimo modello ha nonostante tutto unautonomia di soli 25 minuti.
46 Questa connessione e il suo rimando ai principi antivitalistici di Hull ` e per esempio determinante in progetti come quello di Langton della Vita Articiale, determinata sulla base della riproduzione (anche via calcolatore) dei comportamenti emergenti come caratteristica della riproduzione degli organismi simulati.
108
Dopo questa rapida carrellata su alcuni dei momenti fondamentali della storia della Robotica, vedremo nella seguente sezione come ` e strutturato il sistema sensoriale dei robot, e ci soermeremo in particolare sui sistemi di visione. In generale, possiamo dire che lobiettivo della ricerca ` e divenuto ben presto quello di fornire allautoma una elaborazione digitale del mondo reale, allinterno del quale esso doveva essere in grado di interagire, muovendosi in modo coerente nellambiente: questa ` e lorigine della rappresentazione robotizzata, che nella sezione 2.4 vedremo sviluppata e poi confrontata con le cosidette Macchine di Brooks (sez. 2.5). Adesso cercheremo di sviluppare in maniera semplice, ma il pi` u possibile completa, la struttura e il funzionamento del moderno robot.
2.3
Principi di Robotica
La svolta per la teoria del controllo automatico ` e dunque da collocarsi negli anni Sessanta e Settanta, durante i quali lo sviluppo di tecniche analitiche e digitali hanno consentito, insieme con lo sviluppo di una teoria del controllo basata su sistemi dinamici lineari, lo sviluppo della Robotica. La Robotica, nel senso di scienza proposto nella sezione precedente, applicazione e sviluppo delle idee introdotte dai computatori digitali, dai sistemi di informazione e comunicazione, dalla elettronica e dalla Cibernetica, si propone lo studio e la realizzazione di robots, dei quali possiamo a questo punto fornire una denizione classica: Denizione 2.3.1 Un robot ` e un sistema meccanico in grado di eseguire compiti di varia dicolt` a che, come nel caso delle attivit` a compiute da umani, godono di propriet` a e condizioni non del tutto determinabili a priori. Le capacit` a di un robot sono dirette da un computer in grado di coordinare gli impulsi provenienti da diversi canali di comunicazione (Shapiro, Eckroth [1987]). Appare evidente che il punto sul quale deve centrarsi una denizione generica di robot, inteso come sistema controllabile, programmabile e in grado di svolgere compiti, non ` e la somiglianza di aspetto o di azione con luomo, quanto piuttosto la sua capacit` a di eseguire azioni diverse con grande essibilit` a, in accordo ad una capacit` a di pianicazione elastica in relazione alle condizioni variabili in cui tali compiti devono venire o essere caratterizzata dalle seguenti propriet` a: eseguiti47 . Dunque, lazione del robot pu` - essa deve essere programmabile via calcolatore; - modicabile; - (eventualmente) auto-programmabile; - essibile; - adattabile a condizioni variabili. Queste capacit` a del robot sono determinate da una componentistica elettronica e meccanica: - eettori : si tratta delle estremit` a dellautoma, comunemente chiamate con termini umani: braccia, mani, gambe, piedi;
47 Shapiro,
Eckroth [1987], p. 923.
109
- sensori : sono divisi in sensori di contatto e di non contatto, e si tratta di rilevatori di grandezze interne al robot stesso (velocit` a, posizione, ecc.) o esterne (distanze, forme, ecc.); - sistema operativo : ` e costituito da un sistema di controllo di alto livello, che coordina i sistemi di comunicazione di basso livello facendo emergere il comportamento coerente dellautoma; esso si ` e evoluto da controllori programmabili a microprocessori, ed ` e gestito dalla serie di istruzioni che, adattate alle caratteristiche della macchina che deve gestire, le permette lesecuzione dei compiti; - equipaggiamento ausiliare : pu` o comprendere qualsiasi strumento di lavoro specico dellautoma, come pinze, pistole per verniciare ecc.. Con ambiente operativo si intende invece luniverso allinterno del quale lautoma interagisce, essendo capace di distinguere in esso tra ostacoli ed oggetti coinvolti e dunque utili nelle operazioni che il robot stesso deve compiere. Esiste una prima classicazione generica dei robots in termini di categorie strutturali e di uso: tale classicazione comprende cinque diversi livelli, che vanno dal manipolatore teleguidato, al manipolatore a sequenza limitata, per poi indicare gli automi pi` u evoluti come robot ad insegnamento per ripetizione, robot controllato da computer e robot intelligente. In realt` a tale schematizzazione pu` o essere riassunta assumendo tre livelli generici di sviluppo degli automi: 1. robot di prima generazione : con tale termine si indicano genericamente i robot industriali, programmati per eseguire catene di operazioni sistematiche e sempre determinate; 2. robot di seconda generazione : sono capaci di assumere ed elaborare dati provenienti dal mondo esterno per mezzo di sistemi di visione, sistemi sensoriali di diverso genere, misure di distanza; 3. robot di terza generazione : in questa categoria si fanno solitamente rientrare tutti i prototipi pi` u evoluti di robot, in particolare quelli che vengono sviluppati con capacit` a interpretative del linguaggio naturale e analitiche dellambiente. Dopo questa descrizione generale della struttura del robot, nel corso di questa sezione analizzeremo, in breve e senza alcuna pretesa di completezza, alcuni dei principi fondamentali della Robotica, per fornire alcune delle nozioni essenziali e concetti generali di detta scienza.
2.3.1
Architettura e Meccanica
Larchitettura generica di un robot, ` e ragurabile nella maggior parte dei casi come una coppia corpo + estremit` a, ad esempio come un braccio meccanico fornito allestremit` a di mano multi-articolata (dotata eventualmente di un elemento qualsiasi di equipaggiamento ausiliare); nel caso di automi moventi, si deve prendere in considerazione anche la struttura mobile, come nel caso di un corpo centrale e un sistema di ruote o gambe. Gli elementi meccanici che costituiscono il complesso del robot possono essere connessi in serie o in parallelo, fornendo la struttura cinematica ad esempio dellarto meccanico (vedi g. 2.7). La descrizione del movimento possibile ` e data secondo due livelli di coordinate48 :
48 Shapiro,
Eckroth [1987], p.925.
110
a. coordinate congiunte : si tratta degli angoli di rotazione e del movimento in estensione del braccio; b. coordinate ambientali : si tratta del sistema cartesiano di assi di riferimento per il movimento del braccio nellambiente. Cos` il sistema cinematico completo classico per il robot ` e costituito da un sistema di coordinate ambientali (x, y, z ), rispetto al quale risulta possibile, data posizione e orientazione del braccio, calcolare le sue coordinate di movimento per lesecuzione del comando. Lorientamento del corpo del robot viene calcolato in base a tre coordinate di rotazione r1 , r2 , r3 : un corpo rigido e i suoi movimenti saranno allora deniti da sei coordinate, tre di posizione rispetto ad un punto caratteristico (x, y, z ) e tre di rotazioni possibili (r1 x, r2 y, r3 z ), cos` che in tutto sei grandezze deniscono un corpo geometrico nello spazio. A queste sei grandezze sono relate le sei coordinate (tre traslazioni e tre rotazioni) che indicano i movimenti possibili che lautoma pu` o compiere nel raggio delle coordinate, come la rotazione, la essione del polso, linnalzamento, la essione del gomito, ecc., detti gradi di libert` a49 .
Z Y X
Figura 2.7: Diagramma dellarchitettura di un braccio meccanico.
2.3.2
Movimento
Il primo obiettivo dello sviluppo di automi ` e indubbiamente quello di fornire loro la capacit` a di raggiungere dei luoghi nello spazio di riferimento, per cui tale movimento ` e ovviamente la combinazione di sistemi di mobilit` a e di riconoscimento della propria posizione rispetto allobiettivo. Basandoci su quanto gi` a illustrato sopra a proposito dei gradi di libert` a, possiamo sviluppare i principi teorici e applicativi di questo settore di ricerca. In riferimento ai robots, si distingue genericamente il movimento in ambienti dal
49 Per fare un confronto possiamo ricordare che il movimento degli arti superiori nelluomo ` e determinato complessivamente secondo sette gradi di libert` a: tre nella spalla, uno nel gomito e tre nel polso, rispettivamente per rotazione, movimento laterale e dallalto verso il basso.
111
movimento legato a superci, cos` che possiamo fare riferimento a tre livelli di sviluppo della mobilit` a degli automi: 1. robots industriali ancorati a posizioni sse;
2. robots mobili in ambienti strutturati; 3. robots mobili in ambienti non strutturati. Nel primo caso si tratta ovviamente di tutti quei robots che partecipano al lavoro in catena e che possiamo genericamente identicare con i robots di prima generazione; nella seconda categoria rientrano i robots che lavorano muovendosi ad esempio su binari costrutiti allinterno delle fabbriche o comunque sul posto di lavoro, o ancora tramite cavi guida; la terza categoria si identica per lo pi` u con robots dotati di carrelli mobili capaci di spostamenti (autonomi o teleguidati) che non necessitano di strutture speciche a tale scopo. Questa specie ha sub` to profondi sviluppi nelle applicazioni degli ultimi anni sugli automi in uso nelle ricerche spaziali per le missioni di studio sui pianeti del sistema solare. Possiamo qui ricordare il Sojourner spedito dalla NASA su Marte nel 1997 nellambito della missione Pathnder : progenitore dei recentissimi Spirit e Opportunity. Unanalisi completa dei sistemi di movimento per robots comprende anche gli automi antropomor di ultima generazione, che rappresentano di certo il livello pi` u avanzato in questo settore. Arontiamo adesso questo tema iniziando con i fondamenti della teoria del movimento per automi, cercando di proseguire ordinatamente sia per quanto riguarda la teoria che per le applicazioni. Lo studio del movimento di un automa ` e ovviamente legato allambiente che esso deve arontare e allinterno del quale deve riuscire a muoversi. In questo senso esso sar` a dotato delle caratteristiche tecniche e dei mezzi di locomozione che pi` u si confanno ai suoi scopi: al momento attuale, le ricerche hanno sviluppato tanto strutture come binari, quanto arti articiali e ruote, ciascuno dei quali viene sviluppato anch e lautoma sia in grado di superare ostacoli o salire e scendere scale, o arrampicarsi su diverse superci. Ad esempio, i robots dotati di arti inferiori sono preferibili a quelli forniti di ruote o moventi su binari, nel caso in cui lambiente di lavoro presenti terreni accidentati che rendono lutilizzo di tali strutture supplementari particolarmente dicoltoso, anche se negli ultimi anni si ` e assistito allimplementazione di sistemi integrali di movimento, che rendono tali situazioni pi` u agevoli per lautoma. Le caratteristiche cui si mira nella progettazione di un sistema di movimento per automa, sono indubbiamente la stabilit` a e il controllo, ai quali pu` o aggiungersi la velocit` a e lagilit` a. Il controllo dellautoma viene ad esempio facilitato da sistemi di separazione del movimento orizzontale e verticale, mentre problemi scaturiscono da superci non appianate o incomplete. Sugli automi vengono inoltre implementati complessi sistemi di sospensioni passive, semi-attive ed attive: le prime sono necessarie ai robots che si muovono a bassa velocit` a su superci piane per mezzo di sistemi di ruote o binari; sistemi di sospensioni semi-attive sono state studiate per fornire maggiore agilit` a ai robots che lavorano in ambienti complessi, al chiuso o anche nellesplorazione di pianeti, dove ` e particolarmente facile trovare superci irregolari; i sistemi a sospensioni attive sono per lo pi` u implementati sugli automi dotati di arti inferiori per il movimento: sono stati progettati diversi sistemi con movimento multi-gamba, che generalmente viene suddiviso nella componente verticale e in quella orizzontale, e per tali sistemi lobiettivo principale resta quello di dimostrarne la cosidetta stabilit` a statica, rispetto alla quale ovviamente le dicolt` a sono rappresentate da movimenti lungo superci irregolari o non omogenee. Per automi che si muovono
112
ad alte velocit` a la stabilit` a statica ` e invece sostituita dalla stabilit` a dinamica, che si avvantaggia del grado di elasticit` a degli arti. Un settore di sviluppo particolarmente importante ` e rappresentato dal sistema di controllo del movimento. Esso comprende una consistente serie di strumenti, come in particolare il sistema di visione, controllo motore, sistemi di navigazione e comunicazione, strumenti nalizzati al riconoscimento e aggiramento di ostacoli: alcuni esemplari sono dotati di sistemi per la correzione di errori di movimento o direzione, tramite strumenti ad infrarossi o sonar. Il settore di sviluppo pi` u importante per unimplementazione realmente ecace delle capacit` a di movimento, resta comunque in ogni caso lesecuzione di spostamenti in relazione ad una rappresentazione del mondo di riferimento per mezzo di griglie tridimensionali, che permette il riconoscimento degli ostacoli e la conoscenza della congurazione dellambiente con particolare precisione50 . Il sistema di controllo del movimento di un automa si congura secondo delle tecniche essenziali, che possono essere cos` determinate: 1. rilevamento della posizione o position nding ; 2. rilevamento del tracciato o route nding ; 3. pianicazione del percorso o route planning. Il position nding ` e computabile sulla base del riconoscimento di un punto di riferimento sso e della navigazione inerziale (poco sviluppata perch e costosa): in particolare la prima tecnica (dead reckoning ), presenta caratteristiche di semplicit` a e accuratezza, poich e i dati rilevati e computati sono direttamente gestiti dai sistemi di movimento dellautoma, il quale misura movimento traslazionale e rotazionale, con il solo problema dellaccumulo di errori di predizione sino ad aggiornamento dei dati. Il route nding si avvale in genere di tracciati ssi prescritti, ma esistono tecniche che prevedono il rilevamento del tracciato tramite sensori, con la possibilit` a di evitare ostacoli non previsti. I tracciati pre-programmati sono strutturati secondo cavi (che presentano la possibilit` a di aggirarare ad esempio gli angoli) o linee dipinte seguite tramite foto-rilevatori (visual recognition ): questi ultimi presentano problemi di trattamento delle giunture e di oscuramento da parte di oggetti. Altra tecnica in uso in questo campo consiste nellutilizzo dei dati riguardanti lesatta posizione di partenza per il riconoscimento del percorso: questultima tipologia di rilevamento del tracciato fa grande uso di elaborazione di immagini digitalizzate. Il route planning consiste invece nella capacit` a da parte dellautoma di ricongurare il proprio percorso, rivalutando su una mappa e con lausilio di suciente informazione da parte dei sensori il tracciato da seguire. Linformazione proveniente dai sensori ` e solitamente organizzata gerarchicamente, generando una rappresentazione dello spazio libero circostante, poi confrontata con la conoscenza derivante dallutilizzo di mappe, suddivise in regioni attraversabili, non attraversabili e sconosciute (a volte gestite secondo sistemi probabilistici). Il risultato del confronto tra dati provenienti dai sensori e dati ricavabili dalle mappe ` e poi trasformato in percorsi o gra ad albero, allinterno dei quali viene poi ricercato il percorso ottimale. Lo sviluppo dei sistemi di movimento, e dei rispettivi sistemi di controllo, ` e di certo il punto di forza di quello che probabilmente pu` o considerarsi il progenitore dei futuri robots universali: gli ingegneri della Honda lavorano ormai da diversi anni sul pi` u
50 Si vedano al proposito gli studi riguardanti i sistemi di visione per robots in questa stessa sezione, e le considerazioni riguardanti la nozione di rappresentazione sviluppate nella sezione 2.4.
113
umanoide dei robots, il gi` a citato P3, dotato di un sistema composto da due gambe, con un portamento e un sistema di equilbrio davvero stupefacenti. Il P3 ` e in grado non solo di camminare, salire e scendere scale, ma anche di portare oggetti (come ad esempio un vassoio con dei bicchieri) senza lasciarlo cadere. Si tratta di certo dellesemplare pi` u vicino ad emulare il comportamento intelligente e mirato ad uno scopo tipico degli esseri umani, seppur ancora si tratti di comportamenti intelligenti di basso livello.
2.3.3
Sensori ed eettori
Il robot inteso come sistema automatico ` e dotato di un apparato che permette la ricezione di dati dal mondo esterno e linterazione con esso. Tale sistema consente dunque allautoma di rilevare, computare grandezze, elaborarle (in forma analogica o digitale) e confrontarle con i dati inseriti nel sistema di controllo, per lo pi` u ormai attraverso sistemi essibili come i processori programmabili: Denizione 2.3.1 Il sistema di rilevamento sensoriale di un robot ` e denito come percezione delle caratteristiche rilevanti di oggetti relazionali dellautoma, e loro traduzione in informazione utile allesecuzione di una qualche funzione. Le propriet` a degli oggetti che entrano in relazione con lautoma vengono classicate in base a caratteristiche variabili come la forma geometrica, la struttura meccanica, valori visivi, acustici, e cos` via. La traduzione dei segnali in informazione disponibile allautoma, passa ovviamente per un processo di traduzione delle propriet` a rilevanti in segnali via hardware, e poi nellelaborazione di tali dati che si articola solitamente in rimozione del rumore (preprocessing ) ed estrazione dellinformazione richiesta via software (interpreting ). Questa sequenza di rilevamento sensoriale pu` o essere rielaborata se linformazione ottenuta non ` e suciente, attraverso la ricezione di nuove immagini supplementari, perfezionando lecacia dei dati gi` a rilevati rispetto alla posizione e localizzazione degli oggetti o inne combinando insieme i valori dei sensori (tattile e visivo ad esempio). Le ricerche si sviluppano nella direzione di una maggiore risoluzione e velocit` a di lavoro dei sensori, e di una migliore elaborazione hardware/software in vista di una maggiore ricezione di informazioni. Il sistema sensoriale ` e sviluppato in termini di ricezione senza contatto e di ricezione con contatto, altrimenti anche classicati rispettivamente come sensori interni e sensori esterni. La prima tipologia ` e generata da un sistema di trasduttori che non entrano sicamente in contatto con lambiente esterno, ma si avvale di un sistema di rilevazione specicato in base alla tipologia: acustico, termico, chimico, spaziale. Questo sistema si avvale, secondo i principi della retroazione, di un sistema di sensori di sicurezza che agiscono come limitatori dei valori recepiti rispetto ai dati di base. Il secondo tipo di sistema sensoriale include le diverse tipologie di sensori per contatto, in particolare tattile, e visivo. Il caso basilare ` e rappresentato dai sensori tattili, che vengono ordinati in relazione a dierenti criteri, in particolare quello di rilevamento della pressione dinamica, pressione di contatto per mezzo di sensori elettrici, e per rilevamento elettro-ottico, elettro-magnetico, acustico; le applicazioni riguardano soprattutto il raggiungimento di obiettivi, la presa di oggetti o misure dimensionali. Su macroscala la struttura di base pu` o vedersi nel braccio meccanico, il cui eettore naturale ` e una mano, strutturata in relazione ai compiti per cui ` e stata progettata: cos` nel caso di uno strumento che serve per aerrare oggetti essa sar` a dotata di diverse
114
dita, disegnate secondo mobilit` a e rigidit` a simil-umane, dotata in alcuni casi di superci sensibili e sensori di prossimit` a studiati per evitare collisioni. Il sistema di misura di un sensore di prossimit` a, ` e in grado di rilevare la presenza di un oggetto e misurarne la distanza. I sensori possono poi moltiplicarsi in funzione delle necessit` a, ad esempio implementando un numero elevato di sensori visivi, o tattili come quelli per contatto e strisciamento51 . Nel caso di un braccio progettato per svolgere compiti di genere dierente, esso pu` o essere dotato di strumenti ausiliari, che ne modicano la struttura meccanica, essendo necessario posizionare tali strumenti in modo da non interferire con i sistemi di collegamento e con i sensori. Su microscala invece, la tecnologia ore un ampia variet` a di trasduttori, che vengono progettati in diverse conformazioni, relative ad esempio alla misurazione per resistenza alla pressione o alla conduttivit` a.
2.3.4
Visione
Indubbiamente una trattazione separata nella sezione dei sistemi di percezione per robots, merita il campo della visione implementata su automi. Gi` a i successi ottenuti dal paradigma computazionale classico trovano la loro pi` u convincente realizzazione negli studi realizzati da Marr sulla visione articiale, e gli studi sullo sviluppo dei metodi di visione costituiscono uno dei campi pi` u dicili in questo tipo di ricerca, oltre che un importante banco di prova per tutte le teorie, in particolare per vericare la validit` a dei diversi approcci, come quelli simbolico e subsimbolico52 . Un sistema di percezione visiva per robots ` e strutturato secondo sottomoduli, relativi in primo luogo alla registrazione della stimolazione esterna, allanalisi primitiva di tale registrazione e alla suddivisione dellimmagine; il secondo livello di elaborazione dellimmagine comprende uno scanning pi` u dettagliato per la descrizione e la ricostruzione tridimensionale delloggetto, in base alla quale ` e ad esempio possibile una stima di movimenti, per rivolgersi inne allinterpretazione dei dati e al posizionamento delloggetto inquadrato in un contesto pi` u generale. In particolare, dopo la ricezione dellimmagine da parte del sensore, viene avviato il processo di memorizzazione delle immagini, eseguito via digitalizzazione, estrazione dei caratteri e controllo. Tra le tecniche di suddivisione dellimmagine, le pi` u diuse sono il clustering, la determinazione
unanalisi del funzionamento di questi sensori, rimandiamo a Rovetta [1990], cap.6. vedano le opere di Marr presenti in Bibliograa, in particolare Marr [1982]. Si deve a Marr e Hildreth [1980], lapplicazione dei valori numerici interi che identicano la luminosit` a di un oggetto su assi cartesiani, ad una specica forma di funzione (distribuzione gaussiana) per lindividuazione dei contorni dellimmagine. Risulta qui particolarmente interessante notare come questi studi suggeriscano una maggiore adattabilit` a allottenimento di questi risultati da parte di reti neurali, piuttosto che da parte di programmi di computazione dellIA classica, rendendo ancora una volta lapproccio subsimbolico pi` u ecace dei metodi basati su sistemi simbolici. Un altro fondamentale contributo di Marr, in collaborazione con Poggio ` e quello presentato in [1979]: si propone qui una teoria dellimmagine binoculare secondo la quale il riconoscimento di unimmagine ` e data dallaccostamento dei due primal sketchs provenienti dellocchio destro e dallocchio sinistro, per poi vericare le corrispondenze delle due immagini fornendo cos` informazioni riguardanti la collocazione nello spazio delle superci. I due autori propongono inne una teoria dellalgoritmo che dovrebbe essere in grado di computare la ricostruzione tridimensionale dellimmagine a partire dalla sua digitalizzazione bidimensionale. Anche in questo caso Marr e Poggio forniscono una descrizione astratta del modulo di funzionamento di tale struttura binoculare in termini di reti neurali, e la teoria nella sua interezza unisce elementi di computazione simbolica ad algoritmi chiaramente ispirati a sistemi subsimbolici.
52 Si 51 Per
115
degli spigoli e le estrazioni di regioni speciche: ci` o avviene tramite una denizione graca in pixel, il cui valore digitale ` e legato al grado di intensit` a luminosa che lo denisce. Linterpretazione dellimmagine acquisita e denita avviene secondo diverse modalit` a: - per inclusione in una categoria denita di campioni; - per denizione di parametri e vettori; - per denizione di forme; - tramite rintracciamento di un grafo che descriva limmagine. In generale possiamo determinare il riconoscimento di forme secondo i seguenti parametri 1. individuazione del contorno, 2. estrazione di parti speciche, 3. ricostruzione della forma. Due delle tecniche pi` u sviluppate per lacquisizione di immagini sono rispettivamente quelle per intensit` a della luce e per rilevamento della grandezza. Nel caso del riconoscimento per intensit` a di luce, si danno tre tipi di immagine che possono venire rilevate e processate53 : 1. uscita completa ed isolata : ci si riferisce ad un tale tipo di acquisizione nel caso di oggetti bi- o tri-dimensionali isolati e dati in uno stato stabile; il riconoscimento avviene per elaborazione di contrasto bianco/nero tra loggetto e lo sfondo, rintracciandone i conni; questa operazione pu` o essere semplicata da fonti di luce ausiliarie, in particolare posizionate alle spalle delloggetto; 2. uscita parziale o connessa : questo ` e il caso di oggetti bi- o tri-dimensionali parzialmente visibili o con sovrapposizioni, il cui riconoscimento deve avvenire senza contatto; le tecniche sono essenzialmente le stesse del caso precedente, ma con maggiore attenzione verso particolari come angoli convessi e concavi, fori, ecc., a partire dai quali si procede con operazioni di comparazione ed estrazione di misure al ne di ipotizzare lidentit` a delloggetto e la sua posizione; il risultato viene poi messo a confronto con modelli; 3. immagine per gradi di grigio : la percezione dellimmagine per gradi di grigio costituisce il risultato della digitalizzazione dei dati visivi registrati. Tale digitalizzazione avviene tramite inserimento dellimmagine in una matrice a due parametri, i quali determinano un certo numero di pixel che costituiscono la risoluzione dellimmagine digitalizzata. Il grado di grigio di unimmagine ` e rappresentabile allora come un intero proporzionale al grado di luminosit` a (energia per unit` a di o essere rappresentato con maggiore tempo)54 ; ciascun elemento dellimmagine pu` protto anche da un vettore di valori. Tale tecnica presenta comunque diversi gradi di complessit` a in relazione agli obiettivi; unapplicazione di questo sistema (non troppo dissimile dal caso precedente) riguarda il rintracciamento di angoli nascosti per confronto tra regioni locali chiare e scure delloggetto e i parametri
Eckroth [1987], p. 932-3. questo specico argomento cfr. ancora Pessa [1992], p. 103 e seguenti, e la bibliograa ivi riportata.
54 Su 53 Shapiro,
116
forniti da un modello; altre tecniche simili sono il computo della media dei gradi di grigio di una sezione di oggetto per confrontarne i valori con misure standard, e la produzione di un istogramma del livello di grigio per rilevare parti mancanti o danneggiate delloggetto: questultima tecnica ` e anche alla base del cosiddetto splitting (separazione) per la denizione dellimmagine sullo sfondo. In questo settore uno degli obiettivi di sviluppo ` e costituito dallimplementazione di processi di digitalizzazione in parallelo per mezzo di sistemi a multiprocessore, per permettere allautoma una registrazione e memorizzazione multipla degli elementi dellambiente visivo: questo obiettivo ` e evidentemente una prova ulteriore della necessit` a, anche nel caso dei dispositivi di visione per robots, di superare la prospettiva dellapproccio simbolico-computazionale, sviluppando tecniche che permettano la gestione in parallelo di elementi subsimbolici. Nel caso delle tecniche di visione per mezzo di rilevamento della grandezza, esse sono rivolte principalmente al riconoscimento, posizionamento ed ispezione di oggetti tridimensionali. Ispezione e confronto con modelli avvengono in questo caso sulla base di propriet` a geometriche, il che presenta dicolt` a in particolare in considerazione delle possibili orientazioni delloggetto e di eventuali occultamenti. In tali sistemi il rilevamento avviene soprattutto per mezzo dellaccostamento di facce, visualizzate da valori matematici di piani e curve e connanti con la supercie delloggetto, a volte intersecandolo. Una specica di questa tecnica ` e ad esempio quella delluso di superci cilindriche per rappresentare oggetti complessi. Laltro sistema convenzionale ` e quello delle rappresentazioni volumetriche : questa tecnica permette, oltre al computo delle propriet` a di supercie, anche quello delle propriet` a di massa. Le rappresentazioni volumetriche si distinguono in - descrizione della posizione spaziale occupata per mezzo di celle o cubi; - decomposizione o suddivisione ricorsiva delle celle senza presenza di buchi; - ricostruzione di un solido per mezzo di gure geometriche elementari. Al di l` a delle diverse tecniche sviluppate, i vari livelli che costituiscono i processi di visione articiali, in particolare quelli di digitalizzazione dellimmagine e di identicazione, lavorano soprattutto in termini di confronto con un catalogo di modelli (template matching ), la cui rapida realizzazione nei sistemi naturali (per esempio le reti neurali biologiche) suggerisce che ci` o venga eseguito ad alto livello per mezzo di un tale genere di sistemi di computazione. Lo scontro tra metodi computazionali classici simbolici e metodi subsimbolici ` e ancora in questione nel caso dellanalisi dettagliata e dellinterpretazione dellimmagine, rispettivamente per mezzo di metodi sintattici e metodi statistici. Nel primo caso si tratta di analisi delle caratteristiche quantitative dellimmagine, poste in relazione a strutture simboliche la cui congurazione nale genera il signicato dellimmagine digitalizzata: le strutture in questione sono realizzate a partire da simboli primitivi (che codicano elementi come angoli, linee, vertici ecc.) e regole di produzione che permettono la connessione di tali simboli in congurazioni reali. La sintatticit` a ` e in sostanza la coerenza tra una serie di simboli grammaticali e la congurazione di uno specico pattern, vericabile tramite analisi (parsing ). Nel caso dei metodi statistici invece, si tratta della suddivisione dellimmagine in regioni cui far corrispondere insiemi di indici: in sostanza si classicano i patterns osservati per collocarli in classi, e tale classicazione avviene per mezzo di tecniche di apprendimento che possono essere tanto relative ai dati di pre-programmazione, quanto
117
semplicemente capaci di individuare e organizzare le regolarit` a dellinsieme iniziale di patterns (training set )55 .
2.3.5
Programmazione e Controllo
La Robotica intesa nel senso moderno e considerandone i recenti sviluppi, rappresenta di certo unevoluzione ad un livello di complessit` a superiore dello studio di sistemi di controllo per catene cinetiche con un numero limitato di gradi di libert` a, le quali rappresentavano lorigine della robotica industriale: sono stati infatti sviluppati, negli ultimi decenni, sistemi di controllo e programmazione per impianti meccanici con un elevato grado di libert` a e altamente sosticati. La programmazione di un robot pu` o avvenire secondo tre tipologie, ciascuna delle quali presenta vantaggi e limitazioni: 1. insegnamento sul campo ; 2. robot-programming ; 3. task-programming. Insegnamento sul campo. Si tratta del metodo pi` u semplice e anche pi` u elementare di programmazione di automi, altamente diuso tra i robots industriali. Esso riguarda la capacit` a della macchina di eseguire movimenti, raggiungere posizioni richieste, fermarsi meccanicamente durante percorsi strutturati su assi selezionati, e inne memorizzare lintera sequenza compiuta. La programmazione comprende anche lesecuzione di operazioni speciche ad ogni posizione raggiunta. Gli assi di esecuzione possono essere deniti da percorsi o da punti nello spazio. La programmazione avviene tramite un linguaggio che traduce i comandi impartiti dalloperatore in operazioni eseguite dalla macchina, cos` che il programma consiste in un numero nito di azioni che il robot esegue ogni volta che la procedura viene avviata. Lo sviluppo di tali linguaggi meriterebbe una trattazione a s e stante, orendo una quantit` a notevole di varianti e di modalit` a di gestione e controllo dei dati. Robot-programming. Questo secondo livello di programmazione ` e pi` u vicino allidea di auto-apprendimento che pi` u volte abbiamo gi` a incontrato nella trattazione dellIntelligenza Articiale e della Robotica. Tali sistemi sono infatti generati non a partire da un linguaggio che disegna un insieme di comandi eseguibili dalla macchina, piuttosto sono originati dal sistema di sensori di cui lautoma ` e dotato, e sono utilizzati in particolare nei sistemi di locomozione: il linguaggio in uso nel robot deve essere in grado di tradurre i dati provenienti dai sensori, di elaborarli in linguaggio-macchina e riutilizzarli per ricongurare il moto del robot. Questo livello di programmazione ` e oggetto di ricerche avanzate, in particolare per la realizzazione di sistemi di locomozione funzionanti in condizioni di incertezza ambientale o di robots moventi per mezzo di articolazioni inferiori. Le ricerche riguardano sistemi di controllo con processori a basso livello che eseguono compiti assegnati da processori di alto livello56 . In questi casi la speranza ` e di sviluppare automi in grado di trattare situazioni anomale ed eventualmente dedurre soluzioni generali a situazioni completamente nuove.
una trattazione pi` u approfondita di queste distinzioni si veda Pessa [1992], pp.127-131. nel caso delle ricerche sviluppate allAutomated Manufacturing Research Facility del National Buraeu of Standards. Cfr. Shapiro, Eckroth [1987], p.949. Per un elenco dei sistemi di programmazione a livello di robot si veda Rovetta [1990], pp.147-8.
56 Come 55 Per
118
Task-programming. In questo tipo di programmazione si combinano in qualche modo lintervento del programmatore e la capacit` a di apprendimento dellautoma. Infatti sulla base di un compito assegnato dal programmatore e di una serie di dati riguardanti lambiente circostante, la macchina si istruisce per lesecuzione del compito scegliendo i parametri di azioni pi` u utili e adatti al compito da svolgere: per questo tale programmazione dovrebbe essere in grado di fornire alla macchina delle capacit` a in termini di esecuzione in un ambiente e non di realizzazione di catene di movimenti discreti.
2.3.6
Antropomorsmo?
Unultima propriet` a della Robotica cui desideriamo fare riferimento ` e quella dellantropomorsmo, intendendo con questo termine tanto linsieme delle caratteristiche tecniche che riproducono o imitano corrispondenti propriet` a umane, quanto daltra parte il vasto orizzonte di problemi losoci e sociali che lo sviluppo della scienza robotica sta facendo sorgere e che richiedono unanalisi sicuramente pi` u vasta delle considerazioni che cercheremo di sviluppare qui di seguito. Di certo lidentit` a corporea, intellettuale e culturale umana ` e profondamente legata e dipendente dal mondo biologico che abitiamo, e nelladattazione a tale mondo esiste una interdipendenza delle inuenze. Tuttavia riteniamo di poter riconoscere un processo in atto che sta progressivamente avvantaggiando lo sviluppo culturale nei confronti dellevoluzione biologica naturale: questo, per un verso, ha gi` a permesso alluomo di conquistare il controllo di molti aspetti del mondo che ci circonda, nelle sue manifestazioni naturali e strutturali; ma la capacit` a di elaborare nuove realt` a di esistenza, nuovi modi di movimento e comunicazione, sta anche segnando la nascita di una nuova era, che con intuito Manuel Castells ha denito information age57 . In questo quadro la robotica avanzata rivestir` a certamente un ruolo importante, potendo risultare fondamentale nel supportare tecnologicamente luomo nei contesti pi` u disparati: essa ` e per esempio essenziale nelle situazioni di pericolo come ambienti che non consentono la presenza umana58 , o supplisce luomo in contesti di lavoro meccanico e frustrante, guadagnando in termini di tempo e di spese. Il prevedibile sviluppo dellindustria robotica apre cos` a due temi di essenziale importanza: 1. lo statuto di tale industria, in termini legali, morali, tecnologici, di ricerca, di strutture: questo vuol dire porre lindustria robotica, ma anche tutte le ricerche di IA ad essa connesse, nella prospettiva di un oggetto da questionare e regolare; linevitabile sviluppo che questo settore di ricerca subir` a, condurr` a probabilmente luomo ad essere in grado di porre i presupposti per lo sviluppo di realt` a per noi ancora dicilmente immaginabili, come industrie e sistemi di servizi che funzionano in maniera completamente automatizzata; 2. la forma e il ruolo che il genere umano deve assumere come controparte responsabile di tali sviluppi, rendendosi cosciente dei numerosi problemi di ordine etico e sociale che scaturiranno da tale evoluzione e che possono gi` a presentarsi nei feno[1996; 1997; 1998]. pensi alla realizzazione di un robot come Robug III, in grado di agire in aree altamente radioattive: ` e capace di superare ostacoli e arrampicarsi grazie ad un apparato di locomozione ad otto gambe ed ` e provvisto di un sistema di visione.
58 Si 57 Castells
119
meni di conversione di industrie da personale umano a personale automatizzato, ad esempio in termini di istituzione legale. Queste osservazioni meritano ovviamente unattenta considerazione, che deve metterci in grado di non sottovalutare i risultati raggiunti sinora dalla Robotica e dalle scienze che la supportano a livello teorico e tecnologico. Allo stesso modo ` e altrettanto importante non sopravvalutare le potenzialit` a delle attuali conoscenze e implementazioni, che probabilmente sorono ancora di uninsucienza teorica essenziale nella loro realizzazione, in particolare rispetto ad un coerente equilibrio degli elementi in gioco nellintelligenza umana. Di certo le odierne macchine superano luomo nelle capacit` a di calcolo, laddove il ragionamento, la percezione e lazione sono elementi che, in crescente ordine di dicolt` a, sono ancora solo parzialmente riconoscibili in un automa. La mente, lintelligenza, la coscienza e la capacit` a comunicativa sono propriet` a che caratterizzano luomo come punto di coincidenza delle capacit` a logico-matematiche e degli strumenti della percezione e del controllo del movimento, segni della relazione fondamentale con lambiente che lo circonda. Cos` lintelligenza (intesa nel senso pi` u ampio possibile) rappresenta il risultato dellequazione che somma computazione e corpo. Per questo motivo la robotica sembra costituire per certi versi gi` a adesso, e dovrebbe sapersi evolvere in futuro, nella direzione di una completa combinazione di programmi che ragionano e di costituenti implementati (forse non necessariamente su strutture meccaniche) oltre che degli altri settori di studio della Computer Science per costruire responsabilmente sistemi che sappiano realmente interagire nel mondo. Ad ogni modo, le ricerche nel campo della Robotica continuano nonostante i limiti e le frustrazioni provenienti da macchine che necessitano costantemente di assistenza e di ri-programmazione, segno questo che il progetto non ` e ancora giunto alla sua ne, e che anzi si aspetta ancora la svolta denitiva. Infatti, dagli sviluppi della Robotica e della Computer Science analizzati nelle sezioni precedenti, appare chiaro come la potenza di calcolo sinora raggiunta non sia suciente ad eguagliare le prestazioni umane, in particolare nei sistemi di percezione visiva e mobilit` a. Il sistema di calcolo che probabilmente pi` u si ` e avvicinato alla riproduzione della capacit` a di calcolo di un cervello umano risale al 1998, composto da decine di migliaia di microprocessori, in grado di produrre potenza per alcuni milioni di MIPS (Million Instructions Per Second), ma con enormi problemi di spesa e di implementazione. Una stima possibile del grado di sviluppo dellimplementazione in Robotica ` e quella di Moravec, il quale prevede lapparizione di micro-computers adatti a robots simil-umani entro il 2020. Il progresso dellindustria dei microprocessori ` e infatti in continua crescita, prospettando adesso la futura generazione di computers quantistici, una super macchina non pi` u a stati niti, ma capace di possedere insieme tutte le possibili combinazioni di stati di memoria59 . Tuttavia, il livello di sviluppo tecnologico e di diusione anche commerciale dei computers ` e indubbiamente superiore di parecchio a quello relativo ai robots, anche perch e i costi di produzione di questi ultimi non sono competitivi con il loro livello di indipendenza da strutture esterne e con il loro reale grado di intelligenza. Il livello di implementazione da raggiungere per permettere ad un robot di muoversi con suciente prontezza e naturalezza e svolgere compiti come ad esempio servizi casalinghi, sembra potersi calcolare in processori capaci di sviluppare potenza per 1000 MIPS e di gestire sistemi di visione
59 Per la struttura logica che soggiace a tali applicazioni pu` o vedersi Dalla Chiara, Giuntini [2002].
120
organizzati per mezzo di griglie tridimensionali a diversi milioni di celle di risoluzione, aancate a sistemi di memorizzazione derivati da mappature precedenti60 . Ci` o che risulta maggiormente aascinante, sul piano puramente teorico, nel passaggio ideale che lega le T-macchine ai robots, ` e di certo un innegabile cambiamento di prospettiva dal punto di vista delluomo, tanto a livello tecnologico quanto a livello emozionale: ci` o che abbiamo analizzato a proposito dei calcolatori, a partire proprio dal progetto di Turing no alle realizzazioni pi` u recenti, ci ha condotto alla denizione, presentata nel primo capitolo, di automa come sistema sico-simbolico (Denizione 1.4.6), dove il termine sico faceva espressamente riferimento ai sistemi meccanici che permettono la realizzazione dellattivit` a denita precedentemente simbolica, dove questultima si identica come operazione di codica-decodica segnica. Lidea di automa che adesso si propone alluomo nelle vesti del robot ` e profondamente diversa e teoricamente pi` u avanzata: quella che in realt` a nel calcolatore andrebbe identicata come unattivit` a puramente segnica piuttosto che simbolica, sintattica piuttosto che semantica, viene adesso sviluppata in quella che nel seguente capitolo deniremo come attivit` a simbolica vera e propria. Analizzando infatti il sistema uomo, vedremo delinearsi le capacit` a e le strutture che a nostro parere pi` u concretamente ne deniscono lintelligenza, e allora apparir` a completamente evidente come la Robotica, che nelle sue varie manifestazioni continua a riconoscere nellinterazione automa-ambiente lobiettivo principale da raggiungere, costituisca probabilmente il settore di ricerca pi` u avanzato e con le prospettive teoriche pi` u aascinanti. Questo non esclude di certo la presenza e il concomitante sviluppo di altri settori di ricerca, come nel caso dellArticial Life e della virtualit` a, che propongono approcci scientici e di ricerca diversi e stimolanti. Di certo, se lo sviluppo della robotica dovesse procedere in corrispondenza alle aspettative che essa ha suscitato e suscita tuttoggi, potrebbe immaginarsi lespansione della specie dei robots universali, parallelamente alle forme e ai modi di vita virtuali, il cui livello di (in ordine di crescente rilevanza) indipendenza, capacit` a motorie e sensorie, manipolazione, apprendimento, modellizzazione e modicazione del mondo circostante, ragionamento, implicherebbe profondi cambiamenti sociali e di relazione con la specie umana.
2.4
La nozione di rappresentazione robotizzata
Dopo aver seguito il passaggio che ci ha portato lentamente dalla metafora del cervello/calcolatore allanalogia tra luomo e il robot e dopo aver esposto i principi basilari della scienza robotica, ` e bene centrare la nostra attenzione su ci` o che ` e davvero mutato in questo passaggio. In particolare, ci concentreremo su un aspetto particolarmente delicato attorno al quale ruota un importante cambio di rotta nella teoria della conoscenza: la nozione di rappresentazione.
60 Moravec [1999], p.92. Particolarmente suggestiva ` e linterpretazione di questo autore, una delle gure pi` u rilevanti dellattuale panorama della ricerca in Robotica, che vede nella unione tra mente umana e civilizzazione tecnica da essa supportata, la prima versione, ancora dicilmente identicabile, di una nuova forma di vita, da lui denita Mind.
121
2.4.1
Analogie e procedure: mappe della mente
La rappresentazione ` e sempre stata considerata il ponte naturale tra mente e mondo. Quello che appare essere poco naturale invece, ` e lo statuto della rappresentazione: le teorie della mente, infatti, descrivono e codicano in modi dierenti la rappresentazione senza riuscire a giungere ad un concetto unitario della stessa. In questa sezione ci occuperemo di due modi peculiari di intendere la rappresentazione del tutto contrapposti; queste due descrizioni, oltre a rendere manifesto quanto sia complesso prendere posizione a favore delluna o dellaltra ipotesi, saranno, in pratica, lintroduzione alla modalit` a di rappresentazione concepita per i pi` u moderni robots: da qui prenderemo le mosse per descrivere, nel modo pi` u esauriente possibile, lo sviluppo di una particolare tipologia di robots (le macchine di Brooks) considerate pi` u evolute rispetto ad alcune tipologie di macchine che gi` a negli anni passati avevano creato particolare ottimismo intorno allidea che i robots potessero essere dei buoni analoghi delluomo. In realt` a, mostreremo che il fallimento di quella prima generazione di robots ` e legato proprio al concetto di rappresentazione; altre invece saranno le ragioni che decreteranno linsucienza delle nuove macchine. Le due concezioni che prenderemo in esame sono quella di rappresentazione analogica e quella di rappresentazione procedurale. La concezione analogica della rappresentazione sostiene, essenzialmente, che la caratteristica principale del nostro rappresentarci le cose sia data dal fatto che gli enti che si formano nella nostra mente per descrivere la realt` a che ci sta di fronte siano del tutto simili alle cose stesse che ci rappresentiamo61 . Gi` a alla ne degli anni Sessanta lidea che le rappresentazioni mentali dovessero, in qualche maniera, assomigliare a ci` o che rappresentano cominciava a circolare. Ci` o che gi` a allora veniva posto in evidenza era il fatto che le rappresentazioni dovessero essere una sorta di foto della realt` a che ci sta di fronte: ci` o evidenzia il fatto che nelle rappresentazioni analogiche non sono riscontrabili elementi discreti. Ad esempio, la rappresentazione analogica di un libro sul tavolo ` e limmagine di un libro sul tavolo: lintera gamma di informazioni percettive presenti nello stato di cose viene, seppure in scala e in risoluzioni dierenti, conservata nella copia mentale. Com` e noto, tale concezione delle immagini mentali ` e glia di una lunga tradizione, ma al tempo stesso ` e stata spesso bersaglio di numerose caustiche critiche. Pu` o quindi essere interessante mostrare brevemente le ragioni per cui, ancora adesso, alcuni teorici della mente e dellintelligenza articiale considerino il modello analogico come il pi` u adeguato a spiegare come conosciamo il mondo. Lidea che guida coloro i quali ritengono che la rappresentazione sia strutturata secondo un modello analogico ` e derivata dalla capacit` a immaginativa(mental imagery ) delluomo: si ritiene, cio` e, che vi siano delle situazioni in cui appare chiaro come alcuni soggetti agiscano come se si trovassero di fronte a delle vere e proprie copie visive o essere vericato dagli esperimenti di Kosslyn, Ball degli oggetti reali62 . Questo sembr` e Reiser [1978] che mostrarono come se ad alcuni soggetti viene preliminarmente pre61 Com` e ovvio questo modo di intendere la rappresentazione, dal punto di vista epistemologico, riette un realismo radicale sia riguardo alle cose che si trovano nel mondo, che devono essere in una determinata maniera, sia riguardo agli enti mentali che si generano come riesso delle entit` a esterne di cui devono condividere alcune propriet` a. 62 In tal senso sono ormai famosi gli esperimenti di rotazione di Shepard e Metzler [1971] nei quali viene chiesto ad alcuni soggetti sperimentali di indicare se due oggetti, presentati su uno schermo da una prospettiva di osservazione dierente, posseggono o meno la stessa forma.
122
sentata una mappa in cui sono evidenziati alcuni luoghi per mezzo di gure iconiche, e, in seguito, viene chiesto agli stessi soggetti di formare unimmagine mentale della mappa e ancora di focalizzare lattenzione su un luogo preciso della mappa e poi su un altro, ` e possibile osservare che il tempo necessario per spostare lattenzione da un luogo ad un altro sulla mappa mentale risulta essere proporzionale alla distanza tra i luoghi presente sulla mappa reale. Da questo semplice ma ecace esperimento ` e stato possibile teorizzare63 che gli eetti gurali siano spiegabili per mezzo dei processi di immaginazione che condividono alcuni meccanismi e risorse cognitive con la percezione visiva. Nello specico, vi sarebbe una particolare area nella corteccia visiva che possiede una sorta di memoria a breve termine (visual buer ) in cui vengono immagazzinate informazioni provenienti sia dai processi visivi sia da quelli immaginativi. Questarea di memoria, inoltre, funzionerebbe proprio come uno spazio nel senso che i dati in essa presenti preservano le relazioni spaziali sussistenti tra le parti delloggetto codicato: ci` o spiegherebbe, dunque, perch e ci sembra di vedere immagini in senso gurale. Il fatto che tale spazio sia condiviso sia dalla facolt` a visiva sia da qualle immaginativa, inne, spiegherebbe anche perch e ci sia analogia tra limmagine e il percetto. Com` e naturale, la concezione analogica delle immagini mentali64 concorre a raorzare il riconoscimento dellimportanza, o addirittura della priorit` a, di percezione e motricit` a per unappropriata comprensione della cognizione. Come vedremo, questa priorit` a sar` a il punto di partenza necessario per la costruzione di nuovi tipi di macchine in cui proprio motricit` a e percezione sono alla base dei processi simulativi che renderebbero pi` u umano lo svolgimento dei compiti cognitivi da parte delle macchine65 . La concezione procedurale delle rappresentazioni, ` e derivata invece dalla cosiddetta semantica procedurale, che negli anni Settanta ebbe il periodo di maggiore notoriet` a, e che concepiva il signicato come procedura : ad esempio, il signicato di un ordine del tipo prendi quella mela consisterebbe nellesecuzione di questordine; oppure il signicato di un sintagma come quel libro consisterebbe nella procedura di identicazione di un certo libro. Questa intuizione, che ` e evidentemente legata al signicato linguistico, ` e stata tuttavia estesa al campo delle rappresentazioni mentali: si sostiene che non ` e necessario che una credenza sia rappresentata esplicitamente per mezzo di una stringa simbolica; la credenza pu` o essere veicolata in modo implicito dallesecuzione di un frammento di algoritmo. Appare chiaro come lidea centrale di questo modo di intendere le rappresentazioni sia che alcune (se non tutte) le nostre conoscenze siano pi` u simili ad un saper fare che al rappresentarsi un enunciato dichiarativo. Ad esempio, il credere che vi sia una cicogna sul comignolo ` e il disporre di una procedura che verica se c` e una cicogna sul comignolo in una data circostanza. Detto ci` o, potrebbe sembrare che lidea della semantica procedurale rinneghi il concetto stesso di rappresentazione, se questultima ` e concepita come un oggetto mentale semanticamente trasparente portatore di un contenuto del tutto determinabile. Tuttavia, abbiamo visto come nella rappresentazione procedurale sia necessario fare uso di algoritmi e, com` e
[1980]. tra laltro, dalle teorie di Johnson-Laird [1983; 1988] che ha elaborato una concezione del ragionamento basata sulla nozione di modello mentale, secondo cui i sillogismi non sarebbero risolti dai parlanti per mezzo di regole di inferenza depositate in memoria, ma dalla rappresentazione concreta degli stati di cose descritti nelle premesse. 65 In questo modo, ovviamente, si passa da una concezione di una cognizione di tipo formale, in cui il calcolo ` e lelemento principe, ad una concezione di tipo pragmatico, in cui ` e, invece, lazione ad essere il nodo centrale.
64 Raorzata, 63 Kosslyn
123
noto, un algoritmo deve far uso di strutture dati: nellesempio della cicogna, quindi, la procedura di verica deve disporre, tra laltro, di strutture dati che descrivono le caratteristiche siche di cicogne e comignoli e, evidentemente, non ci sono ragioni per cui queste strutture non debbano essere a loro volta rappresentazioni, ossia, vettori di informazioni sul mondo. In conclusione, dunque, possiamo aermare che la semantica procedurale non cancella le rappresentazioni dalla cognizione, ma si limita ad indebolire il vincolo che ogni contenuto richieda una rappresentazione semanticamente trasparente. Come vedremo tra poco, questo sar` a gi` a un passo in avanti verso le creature 66 , ma il legame tra i costituenti ultimi della nostra realt` a (oggetti, stati di cose) e la nostra mente (che viene mantenuto in vita dalla semantica procedurale) deve essere inteso in maniera dierente per permetterci di pensare ad un essere articiale che possa agire come un uomo67 .
2.5
Verso una nuova Robotica

<<Sono Deckard. Quanto viene uno struzzo elettrico?>> <<Oh, direi che potremmo accontentarla per meno di 800 dollari. Che urgenza ha per la consegna? Dobbiamo farlo fare appositamente per lei; non c` e molta richiesta per ...>> P.K. Dick - Do Androids dream of electric Sheeps?
2.5.1
Conoscere senza rappresentare
Abbiamo visto come entrambe le modalit` a di rappresentazione illustrate (analogica e procedurale) pur muovendosi in direzioni dierenti, alla ne non mettono minimamente in discussione un assunto di base, ossia, che la nostra conoscenza abbia come fondamento ultimo le rappresentazioni. Conosciamo anche dai paragra precedenti quali fossero stati gli sforzi fatti per riuscire ad elaborare su automi sistemi visivi che fornissero rappresentazioni del mondo circostante, gi` a a partire dalle citate ricerche di McCarthy e dei suoi allievi e no agli anni Novanta in termini di elaborazione di mappe. Come si ` e gi` a detto, a partire dalla sua nascita lIA ha avuto un duplice scopo: il primo, ` e stato quello di costruire sistemi intelligenti utili alluomo; il secondo quello di comprendere meglio la natura dellintelligenza umana. Come dovrebbe apparire ormai chiaro dal percorso teorico e storico sin qui tracciato, che ci ha condotti sino allintroduzione della disciplina robotica, questa sembr` o svilupparsi preliminarmente soprattutto attraverso due vie distinte. Una si occupava dello sviluppo e della sintetizazzione di modelli di alcuni aspetti della percezione, dellintelligenza e dellazione; laltra, invece, cercava di creare sistemi dimostrativi, ossia, simulazioni di robot pi` u che robot in carne ed ossa. Era abbastanza raro che un esperimento venisse esplicitamente fatto: anche i sistemi dimostrativi erano pi` u che altro utilizzati per mostrare particolari modelli operativi e non a ni sperimentali; non esisteva alcun esperimento di controllo
` e il nome usualmente dato alle Macchine di Brooks. evidente, qui non ` e in gioco solamente una modalit` a di costruzione di macchine pi` u o meno sosticate, ma piuttosto la questione di come conosca luomo: spesso ci imbatteremo in questo genere di mescolanze, laddove analizzeremo modelli di costruzione delle macchine ci ritroveremo a dover discutere delle modalit` a di costruzione delluomo, dove, viceversa, ci troveremo a discutere delluomo ci ritroveremo a rintracciare criteri per la costruzione di macchine.
67 Com` e 66 Creature
124
con cui venivano confrontate le applicazioni che venivano sviluppate di volta in volta. In questo senso, quindi, possiamo dire che, per ci` o che riguarda la robotica, non possiamo parlare di scienza sperimentale vera e propria, nel senso in cui pu` o esserlo, ad esempio, la chimica, ma al contrario, almeno ai suoi inizi, essa non era nientaltro che una disciplina umanistica che anelava allo statuto di scienza tout-court. Nonostante questi problemi di natura epistemologica, gi` a a partire dai primi anni Settanta si cominciarono a costruire dei robots mobili che crearono molto entusiasmo intorno alla neonata scienza. Tali macchine vennero progettate secondo i principi della conoscenza che abbiamo denito rappresentazionale. Tra gli altri robots gi` a citati, uno in particolare rende evidente tale struttura: Shakey venne sviluppato alla Stanford University intorno al 1971. Esso abitava in uno speciale insieme di stanze appositamente predisposte per lui e il suo compito era quello di spostarsi da una stanza allaltra evitando alcune scatole colorate, eventualmente muovendo e spingendo tali scatole sino ad un luogo desiderato. Shakey possedeva, come suo sensore primario una videocamera in bianco e nero installata come parte integrante del suo corpo, e inoltre era collegato ad un computer remoto che analizzava le immagini e assorbiva le descrizioni di ci` o che la videocamera vedeva, commutandole nella forma di predicati della logica del primordine68 . Un programma di pianicazione, detto STRIPS, operava su queste descrizioni simboliche del mondo e generava una sequenza di azioni per Shakey. Questi piani erano tradotti attraverso una serie di messaggi che riguardavano delle azioni atomiche da cui ricevevano nuovamente degli stimoli i quali, come una sorta di feedback loop, a loro volta si ripercuotevano sugli altri sensori di Shakey69 . Come appare abbastanza ovvio, Shakey riusciva a lavorare solamente perch e era stato costruito un ambiente specico su misura per lui. Sino agli inizi degli anni Novanta (venti anni dopo la costruzione di Shakey) nessun robot era ancora riuscito a superare le sue prestazioni e, soprattutto, nessun robot era in grado di muoversi liberamente allinterno di un ambiente non costruito su misura: le stanze in cui Shakey operava erano, infatti, del tutto vuote, eccezion fatta per quegli scatoloni colorati che il nostro robot doveva muovere o evitare. Tutto era costruito per rendere evidenti le scatole che, di fatto, erano le uniche entit` a cui Shakey doveva rapportarsi; persino piccoli dislivelli del terreno potevano comportare grosse dicolt` a di movimento70 . Tuttavia, a partire dagli anni Novanta, qualcosa nel paradigma della ricerca robotica ` e mutato, tanto da consentire la costruzione di robots mobili in grado di interagire in tempo reale e non per mezzo di computers periferici, con un ambiente il pi` u possibile dinamico e non in ambienti preconfezionati per il robot costruito. Infatti su tuttaltra
68 E ` doveroso precisare che lutilizzo di un computer che non fosse esso stesso parte integrante del corpo-macchina era dovuto soprattutto alle dimensioni dei vecchi calcolatori che, come noto, rendevano proibitiva unoperazione del genere. 69 Gli altri sensori erano una specie di contachilometri e un sorta di misuratore della pressione atmosferica. 70 In tal senso gli stupefacenti risultati ottenuti dagli ingegneri della Honda con il gi` a citato robot P3, possono considerarsi a tutti gli eetti come degli sviluppi diretti delle tecniche costitutive della struttura funzionale di Shakey. Shakey e P3 appartengono dunque alla stessa categoria di robots, a patto di comprendere per` o la dierenza essenziale tra i due automi, rappresentata dalla capacit` a del secondo di riconoscere nel senso di crearsi rappresentazioni di ambienti mai prima esplorati: mentre per Shakey era necessaria una sorta di pre-mappatura dellambiente, P3 ` e adesso capace di mappare da solo lambiente in cui si muove.
125
scia si muovono i teorici della robotica situata 71 , guidati alla svolta da Rodney Brooks, i quali ritengono che la possibilit` a di costruire robots capaci di azioni complesse non possa essere basata su sistemi di conoscenza rappresentazionale, e dunque rifutano la cosiddetta robotica map-based. Fare delle ipotesi su come debba essere costruito un automa equivale a sostenere che lanimale umano possiede una struttura simile a quella che stiamo cercando di (ri)produrre. Se si prende sul serio il nuovo corso della robotica, bisogna fare attenzione a cosa vuol dire riprodurre una struttura capace di compiere azioni complesse in ambienti dinamici in maniera simile a quella delluomo. Infatti, se a tal ne intendiamo cercare di ricreare, attraverso dei modelli, un mondo interno in cui sussistono delle rappresentazioni complete di un ambiente esterno, allora possiamo dichiarare che ci` o` e impossibile da ottenere se vogliamo costruire creature articiali che abbiano caratteristiche dierenti da quelle di Shakey: questultimo, infatti, era costruito proprio cercando di ricreare, semplicandolo, il mondo interno dellanimale umano. Per i venti anni successivi proprio la spasmodica ricerca di implementazione del mondo interno delluomo su una macchina ha, di fatto, bloccato qualsiasi sviluppo nellanalisi robotica. Conseguentemente, secondo questa nuova concezione, il modo in cui un robot pu` o agire in maniera complessa, riproducendo cos` questa capacit` a animale, deve trovarsi non nei suoi stati interni, ma nei suoi comportamenti osservabili: un comportamento complesso non deriva necessariamente da un sistema di controllo (o stato interno) altrettanto complesso. Inoltre, un comportamento complesso pu` o essere semplicemente il riesso di un ambiente complesso: pu` o essere losservatore ad ascrivere complessit` a ad un organismo e non il suo progettista. Lo sforzo che ` e stato fatto nellultimo decennio ` e dunque rivolto soprattutto al tentativo di costruire sistemi articiali in cui non vi fosse distinzione tra sistemi periferici, ad esempio la visione, e sistemi centrali. Come detto, infatti, ogni attivit` a, ogni comportamento deve produrre delle relazioni dinamiche che connettono direttamente il percepire e lagire: questo, in linea di principio, dovrebbe valere sia per gli automi sia per gli animali umani.
2.5.2
Le creature della nuova Robotica
Lidea chiave di questo nuovo approccio (che coinvolge sia la Robotica sia, pi` u in generale, lIA) ` e quella di prendere in seria considerazione la possibilit` a di costruire un agente sicamente autonomo che possa muoversi liberamente e portare a termine dei compiti utili in un ambiente che non sia stato strutturato o costruito specicatamente per esso. Questidea ruota intorno a due concetti base: essi sono lessere situato e lessere incarnato. Denizione 2.5.1 Diciamo che un robot ` e situato nel mondo quando non ha a che fare con descrizioni astratte, ma con il qui e ladesso di un ambiente che inuenza direttamente il comportamento del sistema. Denizione 2.5.2 Un robot ` e un essere incarnato quando possiede un corpo e fa esperienza diretta del mondo; le sue azioni sono parte di uninterazione dinamica con il mondo e le azioni hanno un immediato feedback sulle sensazioni del robot stesso.
71 Brooks
[1991]; Clark [1997]
126
Ad esempio, possiamo dire che un sistema per la prenotazione aerea ` e situato ma non incarnato: esso, infatti, interagisce con migliaia di richieste al secondo e le sue risposte variano a seconda delle variazione del database cui ` e collegato. A ben vedere, per` o, le sue interazioni con il mondo avvengono solamente attraverso linvio e la ricezione di messaggi. Al contrario, lodierna generazione di robots industriali che utilizzano spray per dipingere oggetti (ad esempio le auto) possono essere considerati incarnati ma non situati: essi, infatti, sono sicamente estesi e i loro circuiti sono in grado di correggere le interazioni dei robots con la gravit` a e il rumore presenti nel sistema, ma non sono in grado di percepire alcun aspetto della forma degli oggetti loro presentati per essere dipinti e semplicemente ripetono dei movimenti pre-programmati atti a dipingere loggetto. Com` e evidente la dierenza con lapproccio tradizionale che aveva prodotto Shakey ` e enorme: Shakey, come detto, aveva alle spalle un ambiente costruito su misura e un computer remoto che traduceva e ritraduceva gli stimoli visivi in simboli e i simboli in azioni; di fatto sussisteva in Shakey una sorta di ambiente interno in cui esistevano solamente dei simboli. Il robot non aveva a che fare realmente con il mondo esterno, ma solamente con i simboli che produceva il computer remoto da cui di fatto era controllato. Le nuove teorie, invece, insistono sulla concezione di macchine che devono avere direttamente a che fare con lambiente esterno e che devono essere dotate di sensori reali che percepiscano gli stimoli in tempo reale. Non vi ` e nessun sistema di controllo esterno al robot mobile stesso e larchitettura sulla base della quale sono costruiti i robots ` e radicalmente dierente da quella di tipo classico: mentre nel caso di Shakey larchitettura era di tipo funzionale (Figura 2.8), ossia, avveniva un passaggio graduale dalle sensazioni allazione, con la nuova teoria ci troviamo di fronte ad un architettura di tipo comportamentale (Figura 2.9) in cui vengono generati dei moduli che consentono uno per uno la connessione diretta tra sensazione e azione. Ci` o origina una nuova architettura cognitiva detta architettura di sussunzione. Questa architettura prevede che la divisione per livelli non sia data da singole funzioni possedute da una specie (come possono essere il percepire, pianicare, muoversi, ecc.), ma da moduli che mai prescindono dal fatto che un organismo ` e un sistema complesso che quando compie una qualunque azione mette in moto non soltanto una funzione, ma tutto il suo potenziale cognitivo.
| creazione | percezione | del | pianif icazione | modello | | | | |
Sensori
| esecuzione | controllo | del | motorio | lavoro | | | Attuatori
Figura 2.8: Decomposizione dellazione in moduli funzionali.

Nello specico, i teorici della nuova Robotica hanno costruito dei robots capaci di muoversi allinterno di un ucio evitando gli ostacoli che possono interporsi sul loro
127
ragioni circa il comportamento degli oggetti mutamenti del piano rispetto al mondo identif ica oggetti controlla i mutamenti Sensori costruisci mappe esplora vaga evita gli oggetti
Attuatori
Figura 2.9: Decomposizione di un problema in comportamenti risolutivi dei compiti.
cammino e, inoltre di compiere un numero limitato di azioni quali riempire dacqua una lattina. I robots posseggono un sistema sensomotorio realizzato per mezzo di una collezione di sonar a infrarossi, motorini che pilotano i piedi e altre tecnologie, del tutto semplici a livello superiore, che consistono di una serie di sottoinsiemi specializzati allo svolgimento di certe attivit` a. Le attivit` a che le macchine realizzate da Brooks riescono a compiere, sono ad esempio, vericare la presenza di un ostacolo, evitare un ostacolo, esplorare ecc., ed ognuna di queste attivit` a` e connessa alle altre senza la mediazione di alcuna interfaccia; anche gli strati superiori della coscienza sono connessi a quelli sensomotori senza la mediazione di alcuna interfaccia: in nessuna fase, insomma, vengono sviluppate delle rappresentazioni esplicite di oggetti o di parti di mondo. Nulla viene mai memorizzato da queste macchine poich e ogni volta linformazione viene recuperata direttamente dal mondo. In tal modo ` e possibile asserire che lo stato del mondo determina lazione dei robots72 . Nella Robotica Situata non ci sono dunque rappresentazioni esplicite, ricostruite nelle diverse fasi dellelaborazione percettiva; non c` e output percettivo, non ci sono n e percetti n e concetti: ci sono ussi di informazione e nullaltro. Lessenza della percezione ` e nei trasduttori sensoriali; per esempio, lessenza delludito ` e nellorecchio non nel cervello. Il problema reale ` e recuperare le informazioni nellambiente che ` e poi sufciente trasferire ai processi pertinenti senza memorizzarle n e manipolarle. Ogni robot ` e, pertanto, solamente una collezione di comportamenti in competizione: agli occhi dellosservatore, al di l` a del caos locale delle loro interazioni, emerge un pattern coerente di comportamento. Appare abbastanza evidente come il principio fondamentale di questa assunzione teorica sia che le creature evolute non memorizzano n e elaborano in modi dispendiosi linformazione se possono usare le strutture dellambiente e le loro elaborazioni su di esso come sostituto vantaggioso. La negazione della rappresentazione, tuttavia, non pone ancora fuori dal paradigma dominante tale teoria: la Robotica Situata, non negando la computabilit` a degli stati mentali, si pone comunque in continuit` a con le scienze cognitive
72 E ` interessante notare che in questi automi la computazione relativa a ciascuna attivit` a` e descrivibile tramite un automa a stati niti, dunque, in tal senso queste macchine sono dei veri e propri processori tradizionali.
128
classiche73 . Legare a lo doppio percezione e azione vuol dire, innanzitutto, liberare la percezione stessa dal fardello di dovere essere una sorta di macchina rappresentatrice: non ` e necessario, infatti, postulare alcuna rappresentazione mentale74 anch e un organismo si orienti con la dovuta accortezza in un ambiente dinamico. Si ` e soliti pensare, nelle forme pi` u disparate, alla percezione come una sorta di canale che permetta, in un organismo, la creazione di un mondo interiore che funga da mappa di quello esteriore. Appare abbastanza evidente, tra laltro, che, vista la decentralizzazione proposta dal nuovo approccio robotico, ` e piuttosto complesso indicare persino il luogo dove queste rappresentazioni possano apparire: senza un sistema centrale che organizzi e presieda (alla maniera del computer remoto di cui si serviva Shakey) le percezioni e le azioni dellorganismo, diviene pressoch e impossibile mantenere in vita il concetto di rappresentazione. Un organismo (naturale o articiale) che, in questo senso non possegga un sistema centrale, non pu` o essere considerato un assemblaggio di funzioni dipendenti da un qualcosa che sia altro dai comportamenti espliciti che riusciamo a distinguere. Volendo parafrasare Minsky [1986] possiamo dire che gli organismi non posseggono rappresentazioni centrali, ma che ` e losservatore che postula lesistenza di tali rappresentazioni: di per s e gli organismi sono esclusivamente una collezione di comportamenti competitivi; dal caos delle loro interazioni emerge agli occhi dellosservatore un modello comportamentale coerente e adatto alla situazione che lorganismo qui ed ora deve fronteggiare. Percepire, dunque, non vuol dire ricostruire allinterno qualcosa che si trova allesterno, ma, al contrario, vuol dire essere in contatto reale, locale con il mondo che si trova non fuori di noi ma intorno a noi.
2.5.3
Limiti
Negli ultimi paragra sono stati presentati i risultati raggiunti dalla nuova Robotica. Come dovrebbe essere ormai chiaro, tali ricerche possono essere inserite allinterno del percorso che abbiamo tracciato a partire dalle origini dellIntelligenza Articiale: infatti, il profondo assunto concettuale che caratterizza gran parte della storia e delle teorie da noi presentate, gi` a a partire dallo storico Test di Turing, ` e la ricerca di procedure e tecniche che rendano possibile la simulazione del comportamento umano, e non la ricreazione completa delluomo. DallIA alla Robotica si tenta di riprodurre fenomeni dellattivit` a intelligente, e non esseri intelligenti. Questo si manifesta nel riconoscimento dei profondi limiti che queste ricerche hanno sempre incontrato, particolarmente nellidenticazione della irripetibilit` a e (per certi versi) incomprensibilit` a di alcune peculiarit` a umane: in questo senso sogni, emozioni, sessualit` a e pi` u in generale la coscienza stessa sono per statuto al di l` a delle posssibilit` a di questa scienza, restando ancora oggi fantascienza. In questo senso, la Robotica computazionale da una parte e il nuovo corso appena illustrato, pur condividendo i limiti di base qui descritti, si dierenziano per le scelte teoriche caratterizzanti e di conseguenza per il tipo di insucienze riscontrabili nelle
73 Una distinzione interessante presente allinterno del paradigma della robotica situata ` e quella tra coloro che continuano a mantenere netta la distinzione tra mente, corpo ed ambiente e coloro che invece sostengono limpossibilit` a di distinguere nettamente tra questi enti. 74 Si pensi ad esempio alle rappresentazioni in formato linguistico presentate in Fodor [1975], o ai classici modelli rappresentazionali, tipici del cartesianesimo, che conguravano immagini riproducenti essenzialmente ci` o che ci si trova di fronte in un determinato momento.
129
rispettive applicazioni. Cos` la nuova Robotica, riutando in toto lapproccio computazionale e rappresentazionale, si sbarazza di fatto di quelli che erano stati al contempo i limiti e le risorse del paradigma precedente: essa infatti, dichiarando fallimentare il tentativo di riprodurre lattivit` a intelligente in termini di computo (per esempio come rielaborazione di immagini), sfugge ai limiti teorici in esso insiti. Daltra parte, come ammesso dallo stesso Brooks, accetta il sostanziale paradosso di doversi fermare ad un determinato stadio di complessit` a intellettiva, riconoscibile nellesecuzione coerente di compiti complessi: le creature sono intelligenti quanto lo sono gli insetti. Il problema pi` u evidente per la nuova Robotica ` e cos` lassenza di un progetto teorico che metta a fuoco le propriet` a di un nuovo paradigma in grado di fare evolvere tali creature e di dotarle, per esempio, della pi` u macroscopica attivit` a specica delluomo, ossia il linguaggio. In conclusione, possiamo aermare che la panoramica di studi sin qui oerta, concede la possibilit` a di arontare, con un maggior numero di strumenti teorici e con un minor numero di pregiudizi, unanalisi delle caratteristiche che sin qui sono apparse via via indispensabili allidenticazione del comportamento intelligente. Consideriamo cos` i vari approcci come capaci di proporre elementi essenziali di quella totalit` a unicamente realizzata nel sistema uomo che adesso ci accingiamo a descrivere.
Capitolo 3
Ripensare i sistemi viventi

Noi condanniamo il suddetto libro in quanto contiene una dottrina abominevole, atta a rovesciare la legge naturale e a distruggere i fondamenti della religione cristiana; adotta come principio la dottrina detestabile del materialismo; distrugge la libert` a delluomo; annienta le nozioni fondamentali di virt` u e giustizia; sostiene massime totalmente opposte alla morale evangelica; sostituisce alla sana dottrina dei costumi linteresse, le passioni, il piacere; mira a turbare la pace degli stati, a rivoltare i sudditi contro lautorit` a e contro la persona stessa del sovrano; favorisce gli atei, i deisti, ogni specie di increduli, e rinnova quasi tutti i loro mostruosi sistemi; contiene un gran numero di proposizioni false, scandalose, piene di odio contro la Chiesa e i suoi ministri, irrispettose nei confronti della Sacra Scrittura e dei padri della Chiesa, empie, blasfeme, errate ed eretiche. Christophe de Beaumont - Dispositivo di condanna del testo di Helvetius De lesprit
3.1
Lidea delluomo come sistema
La cultura occidentale ha sempre cercato di connare luomo o, pi` u in generale, gli esseri viventi il pi` u lontano possibile dal dominio proprio delle macchine1 . Questo accadeva, verosimilmente, per paura che i procedimenti propri di queste ultime, potessero in qualche maniera invadere il campo della libert` a umana riducendo luomo ad una sorta di essere meccanizzato. Questi timori, se da un lato erano, e rimangono tuttora, giusticati non dovrebbero avere a che fare con il metodo della Cibernetica in se stesso, ma, pi` u che altro, con lutilizzo ideologico e strumentale che era (ed ` e) possibile far1 I vari tentativi di considerare luomo (Lamettrie) o gli animali (Descartes) come macchine, compiuti soprattutto tra Seicento e Settecento, vanno analizzati come modi di porre questi enti allinterno del dominio materiale, sottraendoli cos` alla metasica spiritualista che alcuni pensatori cercavano di combattere in quegli anni. Per altro, a ben vedere, questo considerare luomo come una macchina non era, per questi pensatori, unanalogia ma una metafora.
131
132
ne2 . Tuttavia, la rinascita della Cibernetica ` e legata a lo doppio con una concezione delluomo e dellambiente che spinge esattamente nella direzione opposta a quella indicata dai timori tipici della prima met` a del Novecento: non si tratta pi` u di cercare di meccanizzare luomo nel tentativo di renderlo pi` u preciso e perfetto, sul modello delle macchine, ma, al contrario, si tratta di costruire delle macchine, dei robots, che abbiano caratteristiche simili a quelle dellessere umano e questo non pi` u, o non solo, al ne di sostituire luomo in alcuni lavori ad esso sgraditi, ma anche e soprattutto per (ri)dare valore ad una connessione che, con la nascita delle scienze cognitive, si ` e fatta via via pi` u pressante, ossia, quella tra il sapere e il saper fare. Questa connessione, infatti, appare oggi necessaria proprio per cercare di vericare alcune ipotesi sullarchitettura della nostra mente e sul funzionamento di alcune attivit` a umane, in particolare, quella del linguaggio. Negli ultimi quindici anni ` e avvenuta una rivalutazione del paradigma cibernetico che ` e coincisa con la nascita di una corrente di pensiero (anchessa tuttaltro che nuova) che considera luomo come sistema3 e che sfrutta delle nozioni che hanno forti inussi cibernetici. Sarebbe, com` e ovvio, impossibile rintracciare una catena causale che determini se sia stata la rivalutazione della Cibernetica a rendere possibile la nascita di questo paradigma sistemico, o, al contrario, se sia stata la crescita del paradigma sistemico a rendere possibile la rinascita della Cibernetica. Quello che ` e certo ` e che sia la Cibernetica, sia la nostra concezione delluomo, e delle sue relazioni con lambiente, si ritrovano al termine di questo incontro profondamente e irreversibilmente mutate, verso un orizzonte che, a nostro avviso, era contenuto gi` a nelle premesse della dottrina cibernetica, ma che probabilmente era prematuro per realizzarsi in un paradigma compiuto come, invece, sembra accadere oggi. Per iniziare correttamente il tentativo di spiegare, quindi, lincontro tra la cibernetica e luomo su questa nuova via, abbiamo la necessit` a di dare qualche preliminare denizione e di approfondire alcuni concetti che ci saranno necessari per il prosieguo del discorso: dovremmo precisare, innanzitutto, cosa si intende per uomo come sistema e cosa si intende per autopoiesi ; una volta denite queste due nozioni potremo procedere con le analogie possibili, e i loro limiti, tra uomo e robot. Durante la prima met` a del Novecento, com` e noto, il paradigma dominante nella cultura scientica europea e americana era quello di orientamento comportamentista, ossia, tutte le teorie scientiche del periodo si basavano sullinterpretazione del comportamento umano inteso come schema stimolo-risposta 4 . Possiamo fornire una denizione
2 Di fatto, si tratta qui di un timore molto particolare: il vero problema ` e, infatti, quello di tenere separato lambito umano, che ` e considerato il regno della libert` a, dal regno delle macchine che ` e invece considerato il regno del determinismo puro. Tuttavia, come apparir` a chiaro pi` u avanti, questa distinzione non ` e aatto scontata: luomo non ` e del tutto escluso dal dominio del determinismo e, per certi versi, alcune macchine, hanno margini di libert` a. 3 Gi` a nel 1937 von Bartalanay aveva posto lattenzione sulla necessit` a di considerare luomo come sistema. Ovviamente il suo linguaggio era molto dierente dal nostro: utilizzava termini pi` u metasici che gli alienarono le simpatie del mondo scientico, che anche quando comprese limportanza delle sue idee, semplicemente le rimosse come se non fossero mai esistite. Eppure, i debiti che alcuni pensatori del paradigma sistemico hanno nei suoi confronti sono, come vedremo, pi` u che evidenti. 4 Questo orientamento venne chiamato, a causa del suo porre il principio motore del comportamento nel mondo esterno, Ambientalismo. Per conto nostro eviteremo di chiamarlo cos` a causa del logoramento che il termine ha acquisito durante gli anni: di fatto ambientalismo, adesso, signica tuttaltro.
133
di tale approccio teorico come segue: Denizione 3.1.1 Dottrina della reattivit` a primaria dellorganismo psico-siologico: i comportamenti di un essere vivente sono modellati da inussi che provengono dallesterno, e che diciamo eterodiretti. Le conseguenze di questo genere di approccio sono abbastanza evidenti. Innanzitutto, ci troviamo di fronte ad una sorta di principio dellequilibrio del comportamento : lo stato naturale dellorganismo ` e la quiete. Ogni stimolo ` e unalterazione dellequilibrio; la reazione comportamentista ` e il ristabilimento dellequilibrio perduto, ` e omeostasi, soddisfacimento di bisogni o rilassamento di tensioni. Inoltre, tali bisogni o tensioni sono per lo pi` u di tipo biologico, si tratta, per fare un esempio, di soddisfare il nostro bisogno di cibo o di sesso. In questo modo, com` e evidente, ratti, cani ed altri animali divengono buone cavie per spiegare il comportamento delluomo. In questa prospettiva, per` o, potremmo dire che tutti i comportamenti peculiari delluomo vengono considerati come una sorta di sovrastruttura di livelli biologici considerati pi` u elementari e, per ci` o stesso, primari. Il comportamentismo, separando i bisogni primari da quelli secondari, implica una catena importante di limiti al comportamento umano, infatti, lo schema stimolo-risposta non tiene conto di innumerevoli tratti del comportamento come il gioco, il comportamento esplorativo, la creativit` a di ogni sorta e, cosa forse pi` u importante, la cultura non rientra tra le possibilit` a accettate dallo schema proposto: essa non ha n e valore riequilibrante n e valore adattativo5 . Come se non bastasse questo a rendere inaccettabile il comportamentismo, uno dei suoi principi fondamentali, ossia, il principio di equilibrio ` e confutato dal fatto che il completo rilassamento delle tensioni (privazione sensoriale o noia) non porta al Nirvana, bens` a stati psicotici e nevrosi esistenziali6 . Come sappiamo, i comportamentisti cercavano di spiegare il comportamento umano sulla base di analogie con altri animali che venivano utilizzati nei loro esperimenti;
5 A questo proposito ` e bene ricordare le critiche devastanti che Chomsky [1959] e Tolman [1932] posero al Comportamentismo. Chomsky sostenne che i parametri utilizzati dai comportamentismi, ossia, stimolo, risposta, rinforzo ecc. fossero ben deniti solamente allinterno di ambienti sperimentali molto semplicati e che tali categorie inserite in un contesto pi` u ampio divenivano o inutili o, addirittura, errate: se qualsiasi sollecitazione allorganismo ` e considerata uno stimolo, allora non pu` o esserci alcuna legge del comportamento linguistico, poich e, a parit` a di sollecitazione fornita ad un parlante, le risposte possono essere le pi` u disparate. Se, al contrario, sono considerati stimoli validi solamente quegli inputs che consentono risposte sse, allora il comportamentismo ` e in grado di spiegare veramente poca cosa allinterno del comportamento umano e/o animale. Daltro canto, senza fare riferimento alla complessit` a del linguaggio, Tolman mostr` o come persino il comportamento dei ratti in gabbia non poteva spiegarsi facendo appello esclusivamente alla coppia stimolo-risposta: per spiegare, infatti, il comportamento vengono in realt` a postulati stati e rappresentazioni interni e quindi ci` o che noi chiamiamo mente e che il comportamentista cerca di negare. La tesi di Tolman, banalizzandola, consisteva nel far vedere che se non si postula alcuna struttura mentale nel ratto (e/o nelluomo), a rigore, potrebbe anche aermarsi che il condizionamento avviene in via inversa rispetto a ci` o che i comportamentisti aermano, ossia, potrebbe credersi che i topolini siano in grado di condizionare il ricercatore. Inoltre, a livello pi` u generale, appare gi` a controverso considerare la cultura priva di alcun valore adattativo sociale: ` e banale infatti che essa sia indispensabile allessere umano al ne di collocare e stabilizzare la posizione di questultimo allinterno del contesto sociale. 6 von Bertalany[1967].
134
in particolare, i ratti spesso rappresentarono un modello di spiegazione del comportamento umano. Questo modo di procedere, per analogia con gli altri animali, pone, di fatto, un problema che no a qualche tempo addietro sarebbe sembrato una soluzione ad un altro problema. Dopo avere per secoli lottato contro lerrore antropomorco, con il comportamentismo ci ritroviamo a dover lottare con il problema opposto: lo zoomorsmo. Lerrore zoomorco consiste, in una formula, nelleliminare qualsiasi dierenza tra luomo e lanimale. Parrebbe naturale attribuire la responsabilit` a della nascita dello zoomorsmo a discipline come letologia o alla teoria dellevoluzione. Tuttavia, esse, effettivamente, ci permettono di trovare assonanze tra noi e i nostri vicini animali, ma, al contempo, insistono sulla necessit` a di marcare le dierenze. Insospettabilmente, invece, questo vizioso modo di intendere luomo, deve i suoi natali alla psicologia, per lo pi` u di scuola americana, che ha progressivamente, per cos` dire, deumanizzato e rattizzato luomo7 . Appare di fondamentale importanza, quindi, cercare un modo di studiare le caratteristiche umane che ci permetta di porre in primo piano ci` o che rende unico luomo rispetto alle altre specie, e in particolare, ci` o che pu` o permetterci di costruire una macchina che abbia caratteristiche, per cos` dire, il pi` u possibile vicine a quelle delluomo. Potrebbe sembrare utile iniziare la ricerca dei caratteri propri delluomo a partire dalle caratteristiche biologiche delluomo stesso. Tuttavia, pur essendovi caratteristiche morfo-biologiche che lo hanno reso un animale unico da moltissimi punti di vista come, ad esempio, la struttura particolare del suo corpo o la sua denizione come e cercando solamente tra queste specicit` a morfoanimale nidicolo secondario8 , non ` biologiche che troveremo ci` o che fa delluomo luomo. Infatti, ci sono molti fattori che concorrono alla nascita delluomo in quanto tale, ma tutti sembrano subordinati allevoluzione del simbolismo, alla capacit` a di produrre simboli: la realt` a che circonda luomo ` e materializzazione di simboli: questo distingue la sua Umwelt da quella degli altri animali. Luomo ` e sicuramente animale razionale, ma ` e anche, e soprattutto, animale e la caratteristica che rende luomo simbolico9 ; di fatto, la simbolizzazione delluniverso ` un particolare agente cognitivo10 .
altro de-rattizzando il ratto. denisce animale nidicolo secondario un animale che, pur nascendo con un alta cerebralizzazione e dopo una lunga gestazione (caratteristiche dellanimale nidifugo), ` e comportamentalmente indifeso e quindi per lungo tempo soggetto alle cure materne. Luomo ` e, di fatto, lunico caso di animale di questo genere. 9 Per ci` o che pertiene la nozione di animale simbolico, sia pure inteso in maniera alquanto dierente, ` e utile consultare Cassirer [1923-1929]. 10 Bisogna qui porre laccento sul fatto che, vista la preminenza che la facolt` a simbolica sembra assumere allinterno dellanimale umano, sia proprio tale facolt` a a rendere razionale luomo: in questo senso luomo ` e animale razionale, almeno cos` come lo conosciamo noi, proprio in virt` u del fatto che esso ` e animale simbolico. Del resto, anche le caratteristiche morfo-biologiche sono state modicate a partire dallacquisizione del simbolismo: per far posto a questa attivit` a, infatti, luomo si ` e ricongurato sia per quel che riguarda il sistema nervoso e il cervello in particolare sia, se ci concentriamo sul linguaggio verbale, dal punto di vista dellapparato ` forse superuo ricordare respiratorio che ha eettivamente accolto lapparato fonatorio. E qui che anche elementi apparentemente lontani dalla capacit` a linguistica, come la posizione eretta e la conseguente liberazione delle mani, hanno avuto un ruolo fondamentale nellacquisizione dellattivit` a simbolica e nel suo sviluppo. Per mezzo di questi brevi cenni, ovviamente, non vogliamo istituire una sorta di causalit` a lineare tra il simbolismo e le modicazioni morfobiologiche, ma piuttosto una relazione di co-implicazione tra i due fenomeni. Per maggiori dettagli circa questi argomenti si consulti Lennenberg [1967].
8 Si 7 Per
135
Cerchiamo adesso di capire se, per caso, non sia possibile ridurre il simbolismo proprio delluomo, a delle caratteristiche biologiche che fungano da sua struttura primaria fondamentale e, al contempo, cerchiamo di scoprire come funziona tale simbolismo. Innanzitutto, ` e possibile fare unosservazione: se consideriamo il comportamento simbolico, ci rendiamo facilmente conto che esso non ha necessariamente valore adattaa biologica. Le attivit` a simboliche tivo11 , infatti, esso spesso eccede il concetto di utilit` e culturali, anzi, spesso coniggono con le capacit` a biologiche adattative; nei casi come il suicidio, le guerre, ecc. i valori biologici sono sacricati a quelli simbolici. Proprio su questo sfondo apparentemente oppositivo tra natura (biologia) e cultura (simboli) ` e possibile rintracciare la dierenza tra il linguaggio umano, che costruisce luniverso simbolico, e luniverso non simbolico degli animali non umani. La dierenza tra simbolico e naturale d` a la cifra della dierenza tra uomo e animale. Tuttavia, trattare come non naturale lattivit` a simbolica umana sarebbe scorretto: in questo senso la cultura fa parte dellapparato naturale delluomo, che proprio per questo ` e molto diverso dagli altri animali. Luomo, insomma, grazie alla sua capacit` a di simbolizzare, riesce a creare un universo naturale organizzato che coincide, poi, con quello che noi categorizziamo come universo culturale. A ben guardare, per` o, neppure una natura come la intendiamo noi potrebbe esistere senza lapparato simbolico (culturale) prodotto dalluomo, ma di questo ci occuperemo pi` u diusamente in seguito12 . Ovviamente, quando sosteniamo che il simbolismo non ha valore adattativo non intendiamo che esso non sia utile allanimale umano per vivere nel mondo; ` e un fatto innegabile che grazie allattivit` a simbolica luomo sostituisce il principio prove ed errori con il ragionamento, velocizzando, cos` , gli eventi nella storia umana rispetto alla scala temporale geologica dellevoluzione. I processi simbolici sostituiscono le azioni sperimentali: prova ed errore non si trovano pi` u nellazione ma nellattivit` a simbolica13 . Quello che cerchiamo di mostrare ` e che se, eettivamente il simbolismo fosse una attivit` a limitata dal valore adattativo, non potremmo in nessun modo spiegarci quegli incontestabili aspetti negativi degli universi simbolici: le ansiet` a derivanti dallaspettativa del futuro o la paura della morte che sono, invece, del tutto sconosciuti agli animali14 . Ancora, se non accettiamo la non adattativit` a dei sistemi simbolici non possiamo spiegarci come
invece, fondamentale delle strutture morfo-biologiche primarie. particolare, questo sar` a il tema centrale del cap. 4 del presente volume. 13 Il pensiero ` e, ovviamente, pur sempre un agire nel mondo, quindi, crediamo sarebbe pi` u corretto aermare che azione e pensiero sono due attivit` a di tipologia dierente ma che pertengono sempre alla stessa struttura corporea umana. 14 Appare ovvio che non si sta qui sostenendo che gli animali non siano in grado di avere paura della morte (` e noto che i maiali, ad esempio, percepiscano, quando vengono portati al mattatoio, di andare alla morte). Quello che sosteniamo ` e, invece, che essi non hanno aspettativa di morte: quando sono fuori dal pericolo eettivo di morte, nel qui e nellora, gli animali non pensano di dover morire e neppure si pongono il problema di come potr` a essere il momento della loro morte o cosa avverr` a dopo tale momento. Di contro, gli esseri umani, non soltanto possono soermarsi a considerare la morte intesa come momento che eettivamente verr` a e pregurarsi tale momento o il post mortem ; inoltre, possono anche cadere in particolari stati, deniti dagli psicologi ansiogeni, che innescano meccanismi psico-sici che costruiscono una sensazione di morte imminente. Sarebbe interessante analizzare le modalit` a in cui questo fenomeno avviene: un uomo ` e capace di pregurarsi una sensazione di morte imminente senza averla mai provata ed ` e in grado di attivare dei meccanismi, del tutto verosimili per il soggetto che li produce, che rendono questa sensazione quanto mai reale. La sindrome da attacco di panico cos` ` e denita dagli specialisti questo particolare stato ansiogeno sarebbe, secondo noi, esclusiva delluomo, proprio a causa del suo essere animale simbolico.
12 In 11 Caratteristica,
136
questi ultimi possano divenire pi` u potenti delluomo che li crea. Questo pu` o accadere solo a causa di leggi loro immanenti che non si possono in alcun modo ridurre agli aspetti morfo-biologici delluomo: le entit` a simboliche (stato, nazione, societ` a) possono dominare luomo e il suo comportamento in misura maggiore della realt` a biologica o degli impulsi dellorganismo. Proprio per questo possiamo assistere sia alle creazione delle opere darte sia a follie umane, come le guerre. Abbiamo appena accennato ad una sorta di leggi immanenti che sembrano governare luniverso simbolico e che non sarebbero riducibili in nessun modo alluniverso propriamente biologico. In altre parole, gli universi simbolici possiedono unautonomia logica interna di sviluppo e seguono tutti le loro rispettive leggi immanenti che non sono leggi psicologiche, ma che inuiscono sui processi mentali dei loro creatori. Per questo motivo, escludendo gli stadi intermedi e generalizzando, riscontriamo nel mondo tre grandi livelli: la natura inanimata, i sistemi viventi e luniverso simbolico, ciascuno con le sue caratteristiche leggi immanenti. A questo punto pu` o apparire gi` a, in nuce, un primo contatto, ancora non completo, tra uomo simbolico e macchina cibernetica: infatti, proprio grazie alla suddivisione delluniverso proposta appena sopra, ` e possibile pensare che il sistema vivente sorga a partire da propriet` a algoritmiche dovute alle leggi delluniverso simbolico. Riprendiamo dunque qui la nozione di procedura algoritmica come connessione, secondo regole prestabilite (grammatica), di un sistema di simboli (vocabolario). In questo senso, il sistema uomo pu` o diventare un calcolatore capace di computare tali simboli e, su questo computo, capace di fornire un orizzonte di senso. A partire da tale orizzonte, ` e possibile considerare su un altro piano dei signicati imprevedibili in relazione alla limitatezza di tali capacit` a algoritmiche. Dovrebbero essere evidenti, gi` a adesso, le conseguenze cibernetiche di questo modo simbolico di intendere luomo. Tuttavia, possiamo andare ancora pi` u in fondo con questa analogia: bisogner` a solamente portare alla luce qualche altro dato circa il funzionamento delluomo e, in particolare, notare come esso possa considerarsi un sistema per mostrare, contemporaneamente, sia perch e la Cibernetica classica non ha dato i frutti sperati sia perch e le sia stato possibile riorire sotto nuovi auspici. Iniziando a considerare cosa ha reso particolare luomo da quando ` e diventato tale, ossia, da quando ha incrociato il simbolismo sulla sua strada, non possiamo non notare che, con ogni probabilit` a, il pi` u profondo risultato conseguito ` e stata la nascita dei concetti di Io e mondo. Soltanto attraverso la simbolizzazione, infatti, ` e possibile dare forma al mondo come lo conosciamo e, allo stesso modo, ci ` e possibile ` evidente, a questo punto, come lorizzonte che ci troviamo a caratterizzarci come io. E considerare sia molto simile a quello indicato da Maturana, Varela [1980] che vede nel sopravvenire della simbolizzazione (nella terminologia di Maturana Linguaggio) la nascita dellosservatore e, quindi, del mondo organizzato, ma anche dellio inteso come autocoscienza. Quando nacque, la simbolizzazione ` e probabile che non distinguesse tra simbolo, mondo esterno e S e: questi tre elementi, apparivano al soggetto simbolizzatore non dierenziati; infatti, solo grazie ad una capacit` a simbolica superiore, che sar` a propria del dominatore dei simboli, dellHomo sapiens sapiens, si potranno separare questi tre elementi rendendo nalmente al massimo la potenza della simbolizzazione. In conseguenza di ci` o, possiamo nettamente separare una prima simbolizzazione da una seconda, ma, a ben vedere, la simbolizzazione vera e propria (linguaggio) sarebbe solo la seconda: la prima sarebbe soltanto una simbolizzazione/utilizzo di strumenti nel tutto
137
indierenziato di un universo a-linguistico proprio di un animale non ancora del tutto umano. Il simbolismo, di fatto, sembra essere la caratteristica fondamentale delluomo: esso non pu` o essere ridotto ad una qualsiasi struttura di livello inferiore caratterizzabile come pi` u fondamentale; la struttura secondaria, ossia il processo simbolico, non pu` o essere ridotta alla struttura primaria, schemi di azione stimolo/risposta. Ad esempio, il guerreggiare non pu` o essere ridotto allaggressivit` a dellanimale umano, ma deve essere messo in relazione con un apparato simbolico (ideologie, economia ecc.) complesso. Infatti, se fosse possibile ridurre un livello allaltro, dovrebbe esserci quasi impossibile uccidere intra-specie, come accade, ad esempio, ai lupi che pure sono stati spesso considerati una specie killer. La potenza simbolica ci permette, insomma, di astrarre dalle facolt` a biologiche al punto da spingerci a compiere stermini di massa. In tal senso, potremmo dire, il nostro simbolismo eccede le nostre strutture biologiche. Anche le azioni cognitive che ci paiono pi` u semplici o istintive, come lo stabilizzare le dimensioni di un oggetto, sono frutto di una enorme quantit` a di calcolo, di feedback da parte di un calcolatore neurale di complessit` a incredibile. Proprio questa complessit` a, dettata dal simbolismo, che si congura, ovviamente, come qualcosa in pi` u del linguaggio/comunicazione, ` e la caratteristica che distingue il pi` u stupido degli uomini dal pi` u intelligente degli animali. Le azioni cognitive, in sostanza, includono una complessit` a tale per cui ` e impossibile che un animale a-linguistico possa compierle. Solo a partire dal livello superiore di simbolizzazione possiamo riconsiderare la funzione algoritmica tipica dellanimale umano cui abbiamo accennato sopra. La magia verbale, che rese luomo superiore agli altri animali, si rese ancora pi` u potente quando si trasform` o in magia algoritmica, ossia, in scienza: previsione e controllo degli eventi ad opera di sistemi simbolici organizzati. La scienza, in questottica pu` o essere vista secondo due aspetti: il primo, riguarda la spiegazione e il controllo degli eventi; il secondo, pertiene, invece, il fatto che ogni teoria di ampia portata implichi una visione del mondo: ad esempio, la rivoluzione copernicana non ebbe il merito di calcolare meglio le orbite planetarie (risultato che, per altro, raggiunse a stento), quanto, piuttosto, quello di modicare la nostra visione del mondo trasferendo luomo dalla sua particolare nicchia al centro delluniverso, alle innit` a dello spazio. Ogni importante sviluppo delle scienze che implichi un naturale mutamento della visione del mondo diviene, per utilizzare una terminologia che oggi pu` o apparire in disuso, losoa naturale. La scienza ` e, e deve essere, dunque, anche una presa di posizione sullo statuto del mondo. Ogni scienza ` e anche epistemologia. Seguendo questa prospettiva, dobbiamo cercare di considerare, adesso, il mondo come una organizzazione. Al contrario di Weaver [1948], il quale sosteneva che la scienza classica si connetteva alla causalit` a lineare o a senso unico, ossia, ad una concezione in cui la causa ` e seguita dalleetto tra due o pi` u variabili; oggi, cerchiamo di rendere conto di complessit` a organizzate. Per fare un esempio, possiamo dire che loggetto peculiare della biologia ` e lo studio dellordine e dellorganizzazione di parti e processi a tutti i ` mutata, in sostanza, la concezione del concetto di causa: livelli del mondo vivente. E dalla causa lineare siamo passati ad una causa di tipo circolare. Bisogna, innanzi tutto, cercare di mostrare come, per ci` o che concerne gli sviluppi delle concezioni del mondo come organizzazione, ci si rivolga a concetti derivati da diversi ambiti disciplinari, ad esempio, dalla teoria generale dei sistemi, dalla cibernetica, dalla teoria dellinformazione, dalle teorie dei giochi e delle decisioni, dalla programmaGiuseppe Rotolo e Giuseppe Primiero DallArticiale al Vivente c 2005 Polimetrica International Scientic Publisher Monza/Italy
138
zione lineare. Appare evidente, vista leterogeneit` a delle discipline che sottendono alla costituzione di questo paradigma, il bisogno di prendere in considerazione un numero limitato di discipline da analizzare: nella prima parte del testo ci siamo occupati della teoria dellinformazione, che funge, in parte, da preambolo per la nostra discussione, e della Cibernetica; adesso cercheremo di mettere a fuoco, spesso semplicando per ci` o che concerne i dettagli tecnici, la teoria generale dei sistemi. Ovviamente, tale trattazione, avverr` a nellambito dei sistemi biologici che, in quanto tali, non potranno che essere considerati in una prospettiva funzionale, vale a dire, considerando le loro parti o i loro processi come organizzati in vista della conservazione e dello sviluppo del sistema. La teoria sistemica applicata ai viventi, insomma, dovr` a rifarsi al concetto di autoconservazione e, come vedremo nella prossima sezione, al concetto di autopoiesi. In tal senso i concetti di ordine e organizzazione, salute e malattia e persino la dierenza tra un uomo vivo e un cadavere non hanno senso nch e rimaniamo incastrati negli orizzonti meccanicistici della sica e della chimica. Ma torniamo alle nostre discipline di sostegno, cominciando proprio con la Cibernetica, intesa nel senso classico di cui abbiamo mostrato i principi nella prima parte del lavoro, e le applicazioni nella seconda parte. Abbiamo gi` a visto, in modo dettagliato dal punto di vista tecnico, come la cibernetica parta dallassunto che sia necessario pensare linterezza dellorganismo e non la somma delle sue parti o le sue parti separate: il paradigma cibernetico, infatti, le inserisce nel contesto rendendole da esso inseparabili. Abbiamo inoltre individuato, come concetti fondamentali della cibernetica, quelli di retroazione (feedback ) e di informazio` bene fare adesso, per i nostri scopi, un piccolo riassunto degli elementi minimi ne. E che compongono un sistema cibernetico ed una semplicazione per ci` o che riguarda il suo funzionamento. Gli elementi minimi di un sistema cibernetico sono un sensore (recettore) che accetta come entrata (input ) gli stimoli provenienti dallesterno; ossia, il messaggio che ` e condotto ad un centro che, in qualche modo, reagisce al messaggio e, di regola, amplica i segnali ricevuti; il centro, a sua volta trasmette il messaggio ad un eettore che, inne, reagisce allo stimolo con una risposta detta uscita (output ). Linformazione di uscita viene comunque riportata, tramite un circuito chiuso (feedback loop ), al recettore che determina la risposta preliminare e guida lazione successiva del sistema in modo da conseguire il risultato desiderato (target value ). Cos` il sistema ` e auto-regolato. Il funzionamento di tale sistema cibernetico dipende, oltre che dalla sua correttezza interna, ovviamente, anche dai messaggi ricevuti dallesterno e facenti spola tra recettore, centro ed eettore, cio` e dalla trasmissione di qualcosa, solitamente minuscole quantit` a di energia, che ha un signicato per il sistema. Tale informazione, risulta essere una nuova quantit` a sica da paragonare alle misure siche convenzionali energia e massa. Essa ` e misurabile in bits (unit` a di decisione binaria) e lequazione che denisce linformazione ha la struttura di entropia negativa. Notiamo immediatamente che il modello cibernetico sopra descritto ` e applicabile a una vasta gamma di fenomeni di regolazione biologica che sono stati sussunti sotto il termine di omeostasi, ossia, preservazione di importanti parametri siologici a livello costante come, ad esempio, temperatura corporea, preservazione dello zucchero nel sangue, posizione del corpo, movimenti diretti ad una meta ecc. Il modello cibernetico, com` e evidente quando prendiamo in considerazione aspetti cos` diversi dellanimale uomo (per esempio temperatura corporea e postura) ha natura interdisciplinare, ossia, la sua struttura formale ` e applicabile a sistemi totalmente diversi per quanto concerne le componenti materiali, le forze applicate, le funzioni eseguite. Tuttavia, a questo livello, il modello ciberneGiuseppe Rotolo e Giuseppe Primiero DallArticiale al Vivente c 2005 Polimetrica International Scientic Publisher Monza/Italy
139
tico permane ancora allinterno di un orizzonte meccanicistico: presuppone ancora un meccanismo che risieda sullo schema Stimolo/Risposta con la sola aggiunta del circuito di retroazione che rende il sistema auto-regolato. Lunica vera novit` a del modello cibernetico consiste nel passaggio da una concezione causale lineare, del tipo A implica B, AB ad una concezione che, per mezzo del circuito di retroazione, introduce una causalit` a circolare, promovendo lauto-regolazione, la direzione verso una meta, lomeostasi del sistema ecc.
Inoltre, i sistemi cibernetici risultano essere chiusi rispetto allo scambio di materia con lambiente ed aperti solo allinformazione. Per tale motivo, il modello cibernetico non d` a conto di una caratteristica essenziale dei sistemi viventi, le cui componenti sono continuamente distrutte nei processi catabolici e sostituite in quelli anabolici15 , con corollari come accrescimento, sviluppo e dierenziazione. Per lo stesso motivo un sistema cibernetico non pu` o essere capace di auto-organizzazione, capace, cio` e, di evolvere verso stati di crescente dierenziazione. Di fatto, i sistemi cibernetici muniti di organi di memoria possono apprendere, cio` e mutare ed accrescere la loro organizzazione grazie allentrata di informazione, ma non possono passare attraverso processi di dierenziazione che richiedano entrata di energia e materia. I sistemi cibernetici possono soltanto aumentare nel contenuto di entropia e diminuire nel loro contenuto di informazione, essendo linformazione solo parzialmente convertita in rumore, ma non viceversa. I sistemi entropici presuppongono un sistema aperto, cio` e, un sistema in cui abbia luogo un eettivo trasferimento di energia e/o materia.
3.1.1
Il sistema vivente come sistema aperto
A partire da questo breve riassunto ` e possibile notare come, di fatto, la Cibernetica presenti numerosi limiti se applicata ai sistemi viventi: essa non ` e capace di rendere conto di alcune propriet` a che sono irrinunciabili se vogliamo utilizzare un modello teorico che ci dia conto delle caratteristiche che compongono un vivente. Daltronde, la
15 Si dice processo anabolico quella fase del metabolismo caratterizzata dalla sintesi di sostanze complesse che entrano a far parte attivamente dellorganismo che le elabora; di contro, si dice processo catabolico la fase del metabolismo che presiede alla distruzione delle sostanze alimentari mediante la scissione delle molecole delle stesse in molecole semplici adatte per essere sfruttate energeticamente dallorganismo e alleliminazione dei prodotti di riuto ricavati da tale scissione. In tal senso, quindi, potremmo senza dubbio denire la digestione un macro-processo che ` e catabolico in una prima fase e anabolico in una seconda: tuttavia, ` e bene precisare che nelluomo i due processi non sono scindibili; entrambi fanno costitutivamente parte del metabolismo.
140
natura interdisciplinare della Cibernetica ci permette di capire come mai essa sia stata riesumata: le sue applicazioni erano state considerate utili unicamente al livello ingegneristico per limplementazione di calcolatori. La Cibernetica adesso, invece, rende evidenti lutilit` a di alcune sue nozioni proprie in altri ambiti tra cui la Robotica e la Filosoa della mente o ancora lepistemologia e la teoria dellautopoiesi, o meglio, grazie alle applicazioni robotiche, ` e stato possibile recuperare i concetti cibernetici e utilizzarli sotto una nuova luce. A partire da ci` o, il sistema cibernetico si ` e di molto avvicinato ai sistemi viventi, ed umani in particolare: linformazione ` e diventata signicato, linput presa diretta sul mondo e loutput azione. Siamo passati dal calcolatore, che pur avendo fatto fortuna ha comportato il fallimento della Cibernetica, al robot il quale stenta ancora a decollare come prodotto ingegneristico, ma che ha comportato il risorgimento della Cibernetica. La descrizione che abbiamo fatto sin qui sarebbe incompleta, se non addirittura errata, qualora non menzionassimo tra i fattori che hanno causato la nascita della nuova cibernetica la teoria generale dei sistemi. Da un certo punto di vista, infatti, sembrerebbe sia accaduta una cosa curiosa: da un lato, i teorici dei sistemi generali hanno richiamato, come zoccolo storico, la Cibernetica, dallaltro, essa ` e resuscitata come parte integrante di questi sistemi. La nuova cibernetica, infatti, grazie alle nuove concezioni epistemologiche, ha fagocitato i sistemi generali rendendosi lesempio pi` u funzionale di questi ultimi. Vista limpossibilit` a di rintracciare una genealogia certa di questo fenomeno ci limitiamo a constatare che una disciplina come la Robotica si basa su una teoria cibernetica che ha a che fare con procedimenti dinamici che si attribuiscono e e come funziona una teoria generale dei solitamente ai sistemi generali16 . Ma cosa ` sistemi? E, soprattutto, come ` e possibile utilizzarla sui sistemi viventi? La risposta alla prima domanda pu` o essere fornita riassumendone e semplicandone le nozioni di base. La teoria generale dei sistemi ` e una teoria concernente le propriet` a generali e le leggi dei sistemi. Inoltre, abbiamo gi` a denito un sistema come un complesso di componenti in interazione; la teoria dei sistemi cerca, dunque, di sviluppare princ` pi che risultino applicabili ai sistemi in generale, indipendentemente dalla loro natura, dalle loro componenti, dalle reciproche relazioni o forze. Le componenti dei sistemi non devono di necessit` a essere materiali: nellanalisi di sistema di un impresa commerciale, ad esempio, entrano in gioco componenti come edici, macchine, personale, denaro e buona volont` a dei clienti. Non dobbiamo, inoltre dimenticare che tra le caratteristiche dei sistemi bisogna citare almeno linterazione multivariabile, la persistenza degli interi (Wholes ) nella controazione delle parti componenti, lorganizzazione a pi` u livelli in sistemi di ordine crescente, la dierenziazione, la centralizzazione, la progressiva meccanizzazione, la causalit` a che dirige e innesca, la regolazione, levoluzione verso una pi` u alta organizzazione, la teleologia, e il tendere a una meta in varie forme e modi. Il fatto che in questo particolare periodo storico molti studiosi volgano la loro attenzione verso la teoria generale dei sistemi non deve farci credere che essa sia stata accolta immediatamente con favore dagli scienziati, tuttaltro: il fatto che le caratteristiche che abbiamo appena ricordato non rientrassero nel paradigma classico della sica, ha spesso portato a considerarle di natura metasica o di provenienza vitalistica,
16 Un altro dato curioso ` e che dal punto di vista tecnico, come abbiamo precedentemente notato, la Cibernetica con il suo modello retroattivo, pu` o essere considerata come un caso particolare, ridotto, della teoria generale dei sistemi. Eppure, come detto, la Cibernetica sembra sopravanzare tale teoria.
141
o addirittura a negarne lesistenza e ad esecrarne la pratica nei contesti bio-sociali. Tale prevenzione ` e sintomo evidente di una metasica meccanicistica profondamente radicata nella storia della scienza occidentale e sembra essere la ragione principale della nostra ignoranza riguardo ai problemi essenziali della vita, della mente e della societ` a, che sembra fare da contrappeso al progresso della sica, in cui la semplicazione newtoniana di causalit` a a senso unico e di problemi a due variabili ` e coronata da grande successo. Le prevenzioni paradigmatiche della sica non sono, tuttavia, una novit` a, proprio per questo il biologo Ernst Mayr [1997] ha proposto, per distinguere la scienticit` a della biologia dalle scienze come sica e chimica, la denizione della biologia come scienza penetrabile in modo da poterla considerare come una sorta di scienza pluralista, al di fuori dai pregiudizi meccanicistici tipici, invece, del paradigma sico-chimico. In biologia, da quando il modello di Mayr ` e stato accettato, sono presenti pi` u paradigmi contemporaneamente in modo da permettere la risoluzione dei problemi pi` u disparati. Inoltre, essa accetta di buon grado qualunque contaminazione, ma non per questo non ` e considerata una scienza nel vero senso della parola: essa risponde a tutti i criteri di scienticit` a che deve possedere una scienza dura in senso classico, ed inoltre, possiede il pregio di agire quasi senza pregiudizi meccanicistici17 . Proprio sulla scia di questa idea introdotta da Mayr in biologia, possiamo, e dobbiamo, considerare la teoria generale dei sistemi una teoria scientica ed, in particolare, dobbiamo denirla come una scienza dellinterezza o di entit` a olistiche che nora, a causa della prevenzione meccanicistica, sono state escluse come non scientiche, vitalistiche o metasiche. Il sistema generale, pertanto, ` e un modello interdisciplinare che ` e capace di elaborazione scientica e deve, quindi, essere applicato a fenomeni concreti. Questo ` e il suo aspetto propriamente scientico. Inoltre trattandosi di una teoria generale anchessa ha aspetti metascientici o di losoa naturale: inuenza cio` e la nostra visione del mondo ed appare, secondo noi, pi` u ampia e realistica della precedente losoa meccanicistica. La teoria generale dei
criteri di scienticit` a che Mayr [1997], pp. 24-25, considera decisivi per ritenere la Biologia una scienza a tutti gli eetti sono derivati da Moore [1993]: (1) una scienza si deve fondare su dati raccolti in laboratorio attraverso losservazione e lesperimento, senza far riferimento a fatti soprannaturali; (2) i dati devono essere raccolti in risposta alle domande, mentre le osservazioni vanno condotte per raorzare o per confutare le congetture; (3) i metodi oggettivi vanno utilizzati per ridurre al minimo la possibilit` a di errore; (4) le ipotesi devono essere coerenti con le osservazioni e compatibili con la teoria generale; (5) tutte le ipotesi devono essere vericate e, quando possibile, le ipotesi rivali vanno seguite sino a giungere a confrontare i loro diversi gradi di validit` a; (6) allinterno del paradigma di una particolare scienza, le generalizzazioni devono avere validit` a universale e gli eventi straordinari devono risultare spiegabili senza fare ricorso a fatti soprannaturali; (7) per eliminare la possibilit` a di errore, un fatto o una scoperta devono essere accettati se e solo se ripetutamente confermati da altri ricercatori; (8) la scienza si caratterizza per il costante miglioramento delle teorie, attraverso la sostituzione delle teorie erronee e la soluzione di problemi apparsi in un primo tempo sconcertanti. Ovviamente, tali criteri cercano di dare una veste oggettiva alla scienza, consentendo tuttavia il convivere allinterno delle singole discipline la crescita di opzioni contrastanti.
17 I
142
sistemi in quanto teoria dellintero applicabile a fenomeni concreti possiede, insomma, costitutivamente aspetti meta-scientici e implica di necessit` a una nuova visione del mondo in opposizione a quella meccanicistica derivante dal paradigma della sica classica.
Quando nacque, la teoria dei sistemi, abbisognava, ed in parte ancora abbisogna, proprio in quanto teoria generale di sviluppare concetti, modelli e leggi che coprano esaurientemente aspetti della realt` a lungamente trascurati. Ci` o implica dei nuovi sviluppi matematici che formulino il concetto di sistema, derivandone le caratteristiche peculiari dai sistemi in generale o da determinate sottoclassi e dallapplicazione ad entit` a empiriche. Inoltre essa richiede la scoperta delle loro leggi, in modo da permettere che fenomeni sin ora al di l` a della comprensione scientica possano aprirsi allinvestigazione rigorosa. Tornando alle caratteristiche dei sistemi generali, che abbiamo sopra elencato, dobbiamo notare che esse ricorrono in dierenti settori e a dierenti livelli: ad esempio, nellorganismo vivente, nel comportamento, nei fenomeni socio-culturali. Simili entit` a appaiono, quindi, isomorfe rispetto a certe caratteristiche del sistema. Ne risulta il fatto, a prima vista sorprendente, che una cinetica generalizzata e leggi formalmente identiche siano applicabili ad entit` a intrinsecamente dierenti come sistemi chimici, popolazioni animali ed umane o processi economici. Questa isomora, ovviamente, va applicata con estrema cautela, distinguendo nettamente tra omologia logica, o isomora nomica, cio` e tra corrispondenza strutturale dei sistemi considerati, e una semplice analogia che potrebbe risultare, di contro, assolutamente fuorviante. I sistemi devono essere considerati, tra loro, come omologhi e non come analoghi: lomologia, infatti, implica una complessit` a di rapporti dierenti su una struttura logica invariante; lanalogia, invece, implica soltanto la riduzione delle caratteristiche di un sistema ad un altro che ci impedisce, di fatto, la messa a fuoco delle dierenti strutture dei sistemi, che sono poi la ricchezza e il motivo di esistenza dei sistemi stessi. C` e bisogno, insomma, di mettere in relazione i sistemi evitando delle inopportune semplicazioni. Lapplicazione agli organismi viventi della teoria generale dei sistemi passa attraverso la considerazione che le strutture organiche sono in s e, espressione di un processo ordinato e si conservano solo in virt` u e per mezzo di questo processo. Pertanto, lordine primario dei processi organici va cercato nei processi stessi non in strutture prestabilite. In tal senso, ` e fondamentale distinguere tra sistemi chiusi e sistemi aperti: i primi sono un caso particolare dei secondi, i quali hanno caratteristiche che ben si legano con le caratteristiche dei sistemi viventi. Proprio a partire da questa distinzione ` e possibile porre laccento sul fatto che mentre i sistemi chiusi spesso ricadono sotto il dominio della sica classica, i sistemi aperti, ed in particolare i viventi, si distinguono con un certo vigore dai sistemi chiusi: infatti, vi sono parecchie nozioni che dierenziano i sistemi della sica classica da quelli propri del sistema vivente, e le principali, per mostrare un esempio di facile comprensione, pertengono certamente lentropia, lentropia negativa e il trasporto di questultima. Cos` formulata, a un livello dunque molto generale, la dierenza tra sistemi chiusi e sistemi aperti mette in luce un doppio aspetto della relazione che intercorre tra di essi e, per converso, tra i sistemi articiali e quelli naturali o viventi: per un verso, il funzionamento dierente tra sistemi viventi e sistemi non viventi sembra essere prodotto di una diversa congurazione interna; daltro canto, sostenendo che i sistemi chiusi (non viventi) siano un sottoprodotto di quelli aperti rimane comunque la possibilit` a di considerare, in ultima analisi, le macchine come semplicazioni o, per cos`
143
dire, parzializzazioni dei viventi. Parlando di organismo, o di sistema vivente, non possiamo che porre la nostra attenzione sullattivit` a: essa sembra essere una caratteristica fondamentale e inalienabile del vivente. Il concetto di attivit` a spontanea ` e, naturalmente, familiare a chiunque osservi la natura vivente e si basi sullantica distinzione tra cose morte e vive: le prime vengono poste in movimento solo da forze esterne che agiscono su di esse; le seconde si muovono sotto la spinta di forze proprie, sia che siano attratte o respinte da stimoli che fungono come releasers 18 , ma che non sono forze motrici in se stesse, sia attraverso attivit` a autonome, in assenza di stimoli esterni. Proprio questa attivit` a` e una conseguenza del fatto che lorganismo ` e un sistema aperto, in grado di reggersi su un equilibrio e di consumare forze esistenti in potenza. Esso pu` o, quindi, agire sotto il presentarsi di stimoli o per movimenti spontanei. Ogni evidenza biologica, neurosiologica, etologica e psicologica indica che lattivit` a spontanea ` e primaria e che lo schema S-R ` e un meccanismo riesso ad essa sovrapposto: proprio questultima aermazione ` e, di fatto, una confutazione della teoria S-R. Il fatto stesso che lorganismo sia un sistema aperto implica per lappunto il fatto che possa produrre attivit` a spontanea, senza stimolo n e scopo19 . Appare chiaro che insieme con il riconoscimento dellapporto fondamentale del simbolismo, il concetto di un organismo attivo che si oppone a quello di un organismo reattivo, ` e di primaria importanza nellattuale riorientamento della psicologia. Il rilievo dato alle attivit` a esplorative e di gioco, al momento creativo dellessere umano, agli aspetti non utilitaristici e che vanno oltre lomeostasi, o ancora, ladattamento, i fattori esterni e i valori biologici della sussistenza e della sopravvenienza: tutte queste dimensioni, e altre ancora, sono implicate dal concetto di organismo attivo. In questo senso, ` e necessario abbandonare le visioni delluomo come un essere del tutto passivo nella ricezione dei dati provenienti da un qualche mondo esterno: il fatto che lorganismo sia un passivo recettore di stimoli esterni, che, in modo piuttosto misterioso, vengono a loro volta riproiettati nello spazio per formare percezioni che pi` u o meno fedelmente rispecchiano il mondo esterno ` e stato denominato, con una certa irriverenza, da Kaplan [1966], il dogma della immacolata percezione. Daltro canto, la psicologia moderna ci ha mostrato chiaramente che le cose non stanno aatto cos` : lorganismo crea il mondo che
18 Il verbo to realese in inglese vuol dire liberare, sganciare: i realesers sarebbero, dunque, dei liberatori di spinte, non delle spinte vere e proprie, o meglio, sarebbero ci` o che permette allazione di liberarsi, una sorta di occasione per lazione, non uno stimolo. 19 Dobbiamo qui porre una dierenza tra scopo e ne. Il primo non ` e necessario allazione umana, di fatto ` e una espressione comune il dire di aver fatto un qualcosa senza alcuno scopo. Il secondo, invece, sembra essere connaturato allagire stesso delluomo: partendo sempre dal linguaggio comune possiamo far notare, infatti che si suol dire che un tale ha agito per ottenere un secondo ne. Questo prevede lesistenza di un ne primo, che ` e connaturato allazione stessa: quando non riusciamo ad individuare un ne esplicito tendiamo a denire lazione come ne a se stessa, ma mai senza un ne. Anche il gioco o la creativit` a hanno dei ni che possono andare dal rilassamento alla voglia di divertirsi, dal provare piacere al dovere morale; a queste attivit` a, di contro, non ` e connaturato alcuno scopo: posso usare la creativit` a per diventare famoso (e quindi aggiungere uno scopo), ma ci` o non ` e proprio dellazione in se stessa. Il ne ` e la realizzazione naturale dellazione, qualunque essa sia, lo scopo ` e un di pi` u, ` e il secondo ne che pu` o essere aggiunto dalluomo in particolari condizioni. Sarebbe interessante vericare se eettivamente la produzione di scopi sia propria solamente delluomo: in tal caso lo scopo potrebbe essere una caratteristica dovuta alla simbolicit` a dellessere umano e ricadere quindi allinterno di quello spazio culturale/naturale proprio dellanimale umano. Per mezzo di ci` o, potremmo anche spiegarci come mai alcuni uomini sembrano sempre mossi oltre che da un ne anche da uno scopo.
144
lo circonda, e la confusione brulicante e germogliante di dati sensoriali ` e plasmata dalle categorie umane. LUmwelt specie-specico20 diviene ci` o che d` a forma al mondo. La percezione non ` e un processo passivo di rispecchiamento, una sorta di fotograa a colori, piuttosto, le informazioni vengono assunte mediante un atto creativo, organizzate in un universo. Per questo, ` e ovvio che vi siano delle discrepanze tra universi distanti nello spazio e/o nel tempo21 . Ci` o` e ancor pi` u vero a livello concettuale, a livello, cio` e, della ricostruzione delluniverso dellesperienza entro sistemi simbolici. Anche qui i concetti non rispecchiano, in un linguaggio simbolico, il mondo esterno. Ogni mondo/scienza ` e una struttura determinata da innumerevoli fattori di varia natura, lunica condizione necessaria ` e che la struttura non sia troppo in conitto con i dati della realt` a cos` com` e percepita da quelli che Maturana [1990] chiamer` a osservatori standard. In tal modo, ` e stato possibile che linterpretazione mistico-magica del mondo abbia resistito per cen` a nostro avviso evidente che, tinaia di anni producendo, per altro, dei progressi. E secondo questa interpretazione della natura, ci siano solo dei vincoli da rispettare e non degli obblighi in senso stretto: c` e un insieme di possibilit` a, di modi, in cui un fatto pu` o avvenire, o pu` o essere spiegato, i cui vincoli stanno esclusivamente allinterno di conni di natura strutturale22 . Ancora, la produzione del mondo e degli oggetti esterni e di un S e percipiente, senziente ecc. ` e un procedimento uido che si costruisce pian piano e che ` e il risultato della nostra particolare Umwelt di animali linguistici: solo a partire dalla linguisticit` a si pu` o costruire un mondo esterno e un S e come li intendiamo noi. Proprio a causa di queste premesse dobbiamo accettare lidea che esistano diverse prospettive sul mondo, ossia, diversi modi di accoppiamento tra la storia culturale e a biologica delluomo in quanto essere dotato di un certo corpo23 e di una certa modalit`
20 Per Umwelt specie-specico intendiamo luniverso costituito a partire dalle caratteristiche tipiche della specie che consideriamo. In tal senso, lattivit` a che sembra rendere diverso il mondo delluomo da quello degli altri animali ` e il linguaggio. Cfr. Lo Piparo [1999]. 21 In questo senso, appare chiaro che luniverso dellaborigeno australiano ` e del tutto dierente da quello dellabitante di New York, cos` come, luniverso di un Copista del Trecento sar` a sicuramente dierente dalluniverso di un correttore di Bozze del XXI secolo. 22 Questa posizione, come spiegato appena sotto, non vuole essere una presa di posizione a favore del Relativismo. Probabilmente un esempio chiarir` a meglio il tutto: un artista, per quanto creativo, non potr` a mai trasgredire nella sua arte la legge di gravit` a o, se ` e un poeta, non potr` a mai non esprimersi per mezzo di segni linguistici; tuttavia, ci` o non vuol dire che questi non potr` a infrangere delle regole o che non potr` a sorprenderci inventando qualcosa di completamente innovativo. La sua sar` a sempre una creativit` a vincolata. Lo stesso accade, di fatto, per ci` o che concerne la nostra creativit` a naturale. 23 Interessante in questo senso risulta la prospettiva fenomenologica husserliana e la sua analisi del concetto di corpo. Infatti, come ` e noto la tematizzazione husserliana della corporeit` a si sviluppa a partire dalla distinzione tra Leib e K orper, ossia tra corpo vissuto, abitato da una soggettivit` a, e corpo oggettivato, reso disponibile per la ricerca scientica e sperimentale. Tale distinzione non ha certo, allinterno del pensiero husserliano, il valore di una separazione: essa rappresenta piuttosto la messa a tema di una fenditura, di una Spaltung essenziale che serve a sprigionare il valore euristico del corpo stesso, che rompe lomogeneit` a opaca della nostra rappresentazione, revocando luniformit` a e lovviet` a dellesperienza che abbiamo del corpo proprio ed altrui. Nella dialettica tra Leib e K orper il senso della corporeit` a si dispiega secondo due registri interpretativi distinti rappresentati dal soggetto e dalloggetto, ma, proprio perch e il corpo delluomo ` e inseparabilmente sia Leib che K orper, esso si rivela il luogo privilegiato della contaminazione e della coincidenza delle categorie di soggettivit` a e oggettivit` a. Cos` la critica husserliana si rivolge alla scienza moderna, che avrebbe trasformato articialmente il nesso dialettico di corpo vissuto e corpo oggettivo in una separazione dualistica: relegando il Leib nel campo dellapparenza essa ha privilegiato in modo esclusivo ed unilaterale il corpo
145
di esistere. Importante ` e qui dare rilievo al termine prospettiva: si sarebbe potuta usare, infatti, la pi` u comune, e per certi versi pi` u chiara locuzione punto di vista; tuttavia, la prospettiva enfatizza un aspetto molto importante dellidea che dobbiamo farci del nostro rapporto con il mondo. Prospettiva, come sappiamo, si dice anche della lunga passeggiata che accompagna il corso cittadino di un ume24 : Dostoevskij, ad esempio, ci ha reso familiare questo concetto, narrando, nei suoi romanzi, di quella della Neva, il ume di San Pietroburgo. Il concetto di prospettiva, inteso come prospettiva uviale, pone laccento sul fatto che non possediamo, in eetti, un punto di vista sul mondo, cosa che ci renderebbe sempre separati ontologicamente dalluniverso, ma, piuttosto, che siamo la costa antropizzata del ume, ci` o che in parte lo forgia e lo contiene e, allo stesso tempo, ci` o che prende forma a partire dal suo essere, ci` o che ne ` e forgiato: una prospettiva appunto. Non si tratta, qui, di giochi di parole, ma di una impostazione radicalmente dierente: il punto di vista si concede al relativismo per mantenere la separazione tra soggetto e mondo, la prospettiva ` e, invece, un accoppiamento strutturale che permette la prolicazione scientica senza rinunciare allumanit` a del pensiero. Inne, ` e bene ricordare che, visto in tal modo, lorganismo non pu` o essere riprodotto da un calcolatore inteso come un cervello ultra-potente, ma che ` e, piuttosto, una grande ragionevolezza della corporeit` a intesa come specicit` a strutturale delluomo. Da questa impossibile analogia deriv` o il fallimento della Cibernetica. Tuttavia, come abbiamo pi` u volte accennato, la Cibernetica, sulla base delle sue intuizioni fondamentali, ` e potuta risorgere rimodulando, soprattutto, i suoi orizzonti ingegneristici e, in una certa misura, ricollocando gli orizzonti teorici che erano frutto delle vecchie implementazioni. Non ` e un caso che esistano oggi sviluppi della scienza e della tecnologia che si avviano verso la creazione di macchine che sfruttano lunitariet` a fondamentale di mente, corpo e mondo: i robot di nuova generazione sono di natura isomorca, prescindono dalla materialit` a della macchina, ma al contempo ne implicano con forza una. Queste macchine sono indubbiamente costruite nella convinzione che sia ancora possibile dare dei modelli cibernetici funzionanti di sistemi viventi. Nel corso di questa sezione ci siamo spesso imbattuti nei termini autopoiesi o autopoietico: ci pare opportuno, visto che la concezione del vivente che pu` o essere
misurabile, analitico, funzionale al suo metodo di indagine. Lo sguardo fenomenologico pone laccento, invece, sul valore di verit` a dellesperienza del corpo abitato dallio, indicandolo addirittura come periferia della coscienza. Nelle sue funzioni sensoriali rivolte allesterno il Leib preannuncia la struttura intenzionale della coscienza; nella capacit` a episensoriale si annuncia lautocoscienza, la riessione; nella sua funzione di mediatore e strumento privilegiato di ogni attivit` a produttiva e manipolativa si radica la sua costituzione. Il soggetto che abita il mondo, ne prende coscienza (wahrnehmen ) e lo modica, e ci` o lo rende un soggetto incarnato. Il Leib non pu` o per` o essere separato dal K orper, dal corpo che io posso costituire come mio di-fronte, da ci` o che mi appare come cosa materiale inserita tra il mondo esterno e la sfera della soggettivit` a (ID II, p. 554). Il processo di costituzione circolare che Husserl descrive a proposito dellincontro con lestraneo, non solo coinvolge entrambe le funzioni della corporeit` a, ma consiste proprio nello scambiarsi reciproco ed ininterrotto di tali funzioni: lio, che si sa soltanto come Leib, riceve, attraverso lo sguardo dellaltro, il proprio strato somatico materiale e reciprocamente impara a far coincidere lErscheinung del corpo sico dellestraneo con lesperienza vissuta dei campi sensoriali e poi del complesso usso di Erlebnisse che costituisce la coscienza. In questo modo sia lio che laltro sono costituiti inseparabilmente con le proprie somaticit` ae sviluppano nei confronti del corpo un rapporto di fondazione reciproca. Cfr. Pugliese [2004]. 24 Antropizzato quindi.
146
messa in relazione con la Cibernetica non pu` o prescindere da questo concetto, dedicare proprio alla denizione di autopoiesi e alla sua esplicitazione la sezione successiva.
3.2
Autopoiesi, ovvero, sistemi che riettono se stessi
Il paragrafo precedente ci ha consegnato lidea di organismo inteso come sistema. Dobbiamo ora mostrare come questi sistemi funzionino e che tipo di processi avvengano al loro interno. Cominciamo con il dire che, se vogliamo distinguere allinterno del mondo un sistema vivente, abbiamo la necessit` a di individuare almeno unaltra unit` a, oltre a quella che cerchiamo di mettere a fuoco, e losservatore che pone la distinzione. Denizione 3.2.1 Si dice dominio di interazioni lo spazio che lunit` a individuata deve possedere e in cui la stessa possa entrare. Si dice inoltre dominio di relazioni linsieme di tutte le relazioni in cui si pu` o osservare unentit` a. Questi due domini, che pertengono rispettivamente alla descrizione orizzontale e a alla descrizione verticale dellunit` a25 , sono aspetti necessari per la sussistenza dellunit` stessa. In senso stretto, quindi, un sistema vivente ` e ununit` a di interazioni che esistono in un insieme determinato da un osservatore26 . Iniziamo, adesso, con il dare una denizione, seppure approssimativa, di sistema vivente inteso autopoieticamente: il vivente ` e una organizzazione circolare, ossia, una organizzazione in cui i componenti che la specicano sono quelli la cui sintesi o il cui mantenimento assicura che il prodotto del loro funzionamento sia la stessa organizzazione funzionante che li produce, il sistema vivente. Proprio tale organizzazione circolare rende un sistema vivente un sistema di interazioni. Questo modo di intendere il sistema mette immediatamente a fuoco il fatto che i sistemi viventi, cos` considerati, pur essendo per cos` dire aperti agli scambi con lesterno, sono operazionalmente chiusi, ossia, si riproducono circolarmente, o meglio, riproducono la loro stessa organizzazione. Questo vuol dire che i sistemi viventi, in quanto organizzati circolarmente e situati in un ambiente, dovranno essere in grado di compiere delle predizioni circa le interazioni di cui verranno a far parte: se una determinata interazione si ripeter` a avendo lo stesso successo, allora il sistema si manterr` a, altrimenti si disintegrer` a. Di conseguenza, le predizioni per essere ecaci non devono essere predizioni di una interazione particolare, ma di classi di interazioni:
25 Linsieme di interazioni riguarda cio` e la modalit` a in cui eettivamente lunit` a funziona; il dominio di relazioni, invece, pertiene losservatore: ` e questultimo, infatti, che determiner` a questo dominio creandone, per cos` dire, lo spazio. 26 La denizione di sistema vivente come unit` a di interazioni di principio riconoscibili solo a partire da un osservatore, risponde in realt` a allimpostazione di un pi` u basilare principio logico. Ci riferiamo qui al cosidetto Principio di Conoscibilit` a (K-principle), formulato ad esempio in Dummett [1976], e che pu` o essere espresso come segue:
Se un enunciato ` e vero, deve essere possibile in principio conoscere che esso ` e vero. Dunque, secondo la suddetta denizione di essere vivente, lunit` a di interazioni include necessariamente il possibile osservatore/conoscitore di tali relazioni.
147
Denizione 3.2.2 Una classe di interazioni ` e denita da quelle caratteristiche dei suoi elementi che permetteranno al sistema vivente di conservare la sua organizzazione circolare dopo linterazione, e cos` di interagire di nuovo. Tutto ci` o rende i sistemi viventi sistemi inferenziali e il loro dominio di interazioni un dominio cognitivo (Maturana, Varela [1980]). Questa modalit` a, in parte, ci obbligher` a a rivedere le interazioni tra ci` o che ` e interno e ci` o che ` e esterno: dovremo ristabilire i conni del sistema vivente per potere considerare contemporaneamente il sistema vivente come aperto, nel senso della teoria dei sistemi, ma chiuso operazionalmente. Proprio per riconsiderare questo rapporto ` e necessaria una operazione epistemologica di importanza fondamentale: la messa tra parentesi delloggettivit` a. Mettendo loggettivit` a tra parentesi accettiamo, infatti, di non potere costitutivamente asserire lesistenza indipendente delle cose e riconosciamo che ununit` a esiste solamente nellessere distinta dallosservatore che la costituisce nella sua prassi. La distinzione di ununit` a ha luogo nella prassi in cui vive losservatore attraverso unoperazione che denisce simultaneamente lidentit` a di classe dellunit` a distinta e il suo dominio desistenza; questultimo va inteso come spazio delle coerenze operative in cui la distinzione ha senso, anchesso come caratteristica della prassi dellosservatore. Non si tratta qui di asserire relativisticamente che lesistenza ` e vincolata ad un punto di osservazione, ma di aermare lidea che la stessa nascita dellentit` a` e legata alla sua osservazione: un ente esiste se e solo se un osservatore lo distingue nella sua prassi. Senza un osservatore ci sarebbe un solo piano, che potremmo chiamare orizzontale, in cui tutto ` e, per cos` dire, indistinto, unito insieme; solo la nascita dellosservatore consente la possibilit` a di un piano verticale in cui, per mezzo dellautocoscienza e del linguaggio, ` e possibile fare distinzioni27 . Dobbiamo, quindi, cercare di denire, oltre che le possibilit` a di esistenza di ununit` a, anche le sue modalit` a di esistenza: la sua dipendenza dallosservazione, infatti, se da un lato ci avvisa del fatto che ununit` a pu` o esistere solo se distinta in una prassi osservativa, dallaltro, poco ci dice sulle modalit` a di esistenza dellunit` a e di cosa voglia dire, di fatto, esistere allinterno di questo schema teorico. Ebbene, se vogliamo cercare di capire come funzioni lorizzonte autopoietico ed, in seguito, in che senso esso possa essere un buon modello per aiutarci a costruire macchine cibernetiche, dobbiamo considerare che loperazione di distinzione che realizza e denisce ununit` a, ne denisce e ne realizza anche il dominio di esistenza. Tale dominio ` e inteso come il dominio delle coerenze operative coinvolte nel funzionamento delle propriet` a che caratterizzano lunit` a nella sua distinzione. Il fatto che la distinzione di ununit` a implichi il suo dominio di esistenza, come lo spazio di tutte le coerenze operative in cui essa conserva lidentit` a di classe e ladattamento, ` e una condizione costitutiva dellesistenza di ogni unit` a: essa non pu` o esistere al di fuori del suo dominio di esistenza e, se la immaginiamo al di fuori di tale dominio, signica che quellunit` a esiste in un dominio diverso rispetto allunit` a che aermiamo di immaginare. Ci` o, del resto, implica anche che la distinzione di ununit` a ne realizza il dominio di esistenza come uno spazio di distinzioni; le dimensioni di tale spazio sono denite dalle propriet` a dellunit` a
27 Sul piano orizzontale pu` o parlarsi di verit` a, nel senso che il reale funzionamento delle interazioni tra entit` a, o allinterno stesso di un entit` a, sarebbe conoscibile solo dallinterno. Il piano verticale, quello dellosservatore, appare, invece, costitutivamente il piano della doxa ; qualsiasi osservazione ` e infatti legata al concetto di osservatore standard, che si pu` o identicare, secondo Maturana [1990], con la comunit` a scientica + il senso comune di un determinato periodo storico.
148
che, tramite la loro distinzione, lo implicano come dominio di coerenze operative nella prassi dellosservatore. Ne consegue che senza la distinzione di unit` a non c` e spazio, e la nozione di unit` a fuori dallo spazio, come pure la nozione di spazio vuoto, sono senza senso: uno spazio ` e un dominio di distinzioni. Lo spazio ` e, quindi, il luogo dove si realizza il dominio di esistenza dellunit` a: senza di esso non si d` a unit` a, ma, al contempo, non ` e pensabile senza alcuna unit` a28 . In questo senso, ovviamente, la costituzione di uno spazio ci consegna un dominio fenomenico, e cio` e il dominio in cui sono distinte le relazioni e le interazioni tra le unit` a che losservatore distingue come popolanti quello spazio: Denizione 3.2.3 Il dominio fenomenico ` e il dominio di distinzione in cui losservatore colloca e osserva interazioni e relazioni delle unit` a che popolano lo spazio. Le specicazioni che abbiamo n ora sottolineato, portano con loro un problema di non poco conto: intesi in questo modo, i sistemi viventi risultano come sistemi deterministici proprio a causa della loro struttura autopoietica. Infatti, tale struttura implica una sorta di unione indissolubile tra la coerenza strutturale di ununit` a e lo sfondo su cui agisce: Denizione 3.2.4 Si dice accoppiamento strutturale la relazione di coerenza strutturale dinamica di ununit` a con lo sfondo in cui essa conserva la propria identit` a di classe; questa relazione ` e implicata nella distinzione stessa dellunit` a attraverso la costruzione che ne fa losservatore nella sua prassi. Di conseguenza, la conservazione dellidentit` a di classe e la conservazione delladattamento sono condizioni costitutive per lesistenza di qualsiasi unit` a nel dominio desistenza in cui losservatore la costruisce allinterno della propria prassi. La conservazione dellidentit` a e quella delladattamento, in quanto costitutive dellesistenza di qualsiasi unit` a, sono appaiate e co-implicate di modo che, se una viene perduta, si perde anche laltra e lunit` a smette di esistere. A ben vedere, per` o, questo determinismo ha poco a che fare con il meccanicismo tipico, ad esempio, del paradigma della sica classica; infatti, in questo senso, dire che un sistema ` e deterministico signica semplicemente aermare che esso funziona conformemente alle coerenze operative del proprio dominio di esistenza. In altre parole, dire che un sistema ` e deterministico ` e dire che tutti i suoi cambiamenti sono cambiamenti strutturali che sorgono dal funzionamento delle propriet` a delle sue componenti nelle loro interazioni, e non attraverso processi istruttivi nei quali un agente esterno determina quello che avverr` a in esso. Il determinismo, qui inteso, inerisce soltanto al fatto che ununit` a muta seguendo le sue sole capacit` a, senza essere istruita dallesterno. Se non fossero determistici, in tal senso, i sistemi si disintegrerebbero. Sin qui abbiamo parlato di unit` a distinte su uno sfondo da un osservatore senza preoccuparci della natura di tali unit` a. Eettivamente, il rintracciare tale natura, ` e senza dubbio uno tra i compiti pi` u dicili in cui ci possiamo imbattere e, visto ci` o
28 A prima vista, questo modo di concepire lo spazio pu` o apparire simile a quello di Kant. Tuttavia, crediamo che mentre in Kant sia, tutto sommato, possibile pensare lo spazio come astrattamente separato, come categoria a priori dellesperienza, nellapproccio autopoietico lo spazio si d` a solamente in concreto, allinterno del singolo dominio di esistenza di ununit` a e che sia, perci` o stesso, legato allesistenza di un osservatore e di una distinzione.
149
che intendiamo per osservatore standard, essa varier` a non solo tra paradigmi dierenti, ma anche tra discipline dierenti29 . Tuttavia, possiamo fare una macro-distinzione allinterno della quale possiamo collocare le unit` a che volta per volta individuiamo; per cos` dire, se facciamo una distinzione, lunit` a presa in considerazione ricadr` a necessariamente allinterno di una di queste macro-aree. Nelloperazione di distinzione, infatti, un osservatore pu` o distinguere nella sua prassi unit` a semplici e composite : Denizione 3.2.5 Si dicono semplici le unit` a realizzate in una operazione di distinzione che le costituisce come totalit` a denendo le sue propriet` a come collezione propria delloggetto al ne di porre una distinzione nella prassi in cui vive losservatore. Denizione 3.2.6 Sono dette composite le unit` a che, distinte come semplici, attraverso ulteriori operazioni di distinzione, vengono scomposte dallosservatore in componenti che costituiscono lunit` a semplice originaria nel dominio in cui ` e distinta. Ununit` a composita ` e distinta dal punto di vista operativo come unit` a semplice che agisce in un dominio collocato ad un meta-livello rispetto a quello in cui sono distinti i suoi componenti: cos` le propriet` a di una unit` a composita, quando ` e distinta come unit` a semplice, implicano le propriet` a dei componenti che la costituiscono; viceversa, le propriet` a dei componenti di una unit` a composita e la maniera in cui sono combinati insieme determinano le propriet` a che caratterizzano lunit` a, quando viene distinta come unit` a semplice. Di conseguenza, quindi, non esiste qualcosa come la distinzione di un componente, indipendentemente dallunit` a di cui esso fa parte, n e ` e possibile scomporre ununit` a semplice, riconosciuta come unit` a composita, in un insieme arbitrario di componenti disposti in una combinazione altrettanto arbitraria: non esistono componenti liberi e indipendenti che uttuano senza lunit` a composita di cui fanno parte. La distinzione, per il fatto stesso di far parte del dominio dellosservatore, riguarda, allora, solo la sua modalit` a di concepire il mondo e, gi` a per questo, possiamo aermare che la distinzione tra unit` a semplici e composite non si d` a in natura: essa ` e una costruzione dellosservatore. Inoltre, una volta scelta la modalit` a in cui considerare lunit` a in questione, si devono mantenere delle regole ben denite per restare coerenti con la prospettiva scelta: se ununit` a` e considerata come semplice le sue propriet` a saranno considerate ad essa essenziali e indivisibili; se ununit` a, invece, ` e considerata come composita, allora le sue parti si possono astrarre e considerare costitutive, ma non possono considerarsi separatamente dallunit` a di cui fanno parte. Non esistono, infatti, componenti uttuanti e separati in una sorta di iper-uranio. Per i nostri scopi, a questo punto, ` e opportuno analizzare con maggiore cura le unit` a composite: le unit` a semplici, infatti, possono essere reintegrate, almeno per certi aspetti, come caso particolare delle unit` a composite30 . Possiamo aermare che lorganizzazione di ununit` a composita ` e la congurazione delle relazioni statiche o dinamiche tra le sue componenti: queste determinano la sua identit` a di classe in quanto unit` a composita che pu` o essere distinta come unit` a semplice di tipo particolare. Ovviamente, se lorganizzazione dellunit` a composita cambia, essa
29 Se consideriamo lunit` a uomo ci rendiamo facilmente conto del fatto che esso pu` o assumere congurazioni molto dierenti a seconda dellambito disciplinare in cui viene studiato: luomo biologico, ad esempio, sar` a molto dierente dalluomo chimico o da quello psicologico. 30 Qualora dovessero discostarsi le analisi delle unit` a semplici da quelle delle unit` a composite, ovviamente, ne verr` a dato conto.
150
perde la propria identit` a di classe e, cio` e, si disintegra. Lorganizzazione di ununit` a composita rimarr` a necessariamente invariante nch e essa conserva la sua identit` a di classe e viceversa. Questo, come vedremo pi` u avanti, ` e il principio secondo cui un sistema composito non pu` o accogliere in s e nuove informazioni senza distruggersi come dominio specico. Ancora, la struttura di ununit` a composita particolare ` e la maniera in cui essa ` e eettivamente costituita, attraverso componenti e relazioni statiche o dinamiche eettive in un determinato spazio. Ununit` a composita particolare conserva la sua identit` a di classe solo no a quando la sua struttura realizza in essa lorganizzazione che la denisce. Quindi, la congurazione delle relazioni tra le componenti, che costituisce lorganizzazione dellunit` a composita particolare, deve realizzarsi nella sua struttura come sottoinsieme di tutte le relazioni eettive che sussistono tra tali componenti in quanto entit` a eettivamente in interazione. La struttura dellunit` a composita ` e, quindi, data dalla sua eettivit` a e dal suo essere in una particolare relazione con lorganizzazione; di conseguenza la caratterizzazione dellorganizzazione di ununit` a composita, come una congurazione di relazioni tra componenti, non ci dice nulla delle caratteristiche o propriet` a di tali componenti; sappiamo solo che esse, attraverso le loro interazioni nel comporla, devono soddisfare le relazioni denitorie dellorganizzazione di quellunit` a. Ne segue che la struttura di una unit` a composita pu` o cambiare senza che essa perda la sua identit` a di classe, purch e attraverso tali cambiamenti strutturali venga conservata la congurazione di relazioni che ne costituisce lorganizzazione. Se, di contro, lorganizzazione di una unit` a composita dovesse essere modicata essa perder` a la propria identit` a di classe: si disintegrer` a e al suo posto comparir` a qualcosaltro. Dunque, ununit` a composita dinamica ` e una unit` a la cui struttura cambia continuamente mentre conserva lorganizzazione. Ad esempio, che un uomo parli inglese, tedesco o italiano poco importa: la sua organizzazione rimane tale, luomo continuer` a a dirsi uomo. Se invece un individuo non dovesse esprimersi attraverso un linguaggio umano esso avr` a cambiato organizzazione: non ci troveremmo pi` u dinnanzi ad un uomo quanto, piuttosto, a bambini lupo, animali non umani, calcolatori o altro. C` e, in sostanza, una sorta di livello che pu` o denirsi identitario : esso ` e quello che ci rende particolari unit` a composite. Proprio per questa ragione, un agente esterno che interagisca con ununit` a composita si limiter` a ad innescare e non determiner` a in essa un cambiamento strutturale; niente che sia esterno allunit` a composita pu` o determinare ci` o che accade al suo interno: per le unit` a composite non esistono, cio` e, interazioni istruttive. Tutto ci` o che si attua nelle unit` a composite ` e un cambiamento strutturale, e qualsiasi cambiamento strutturale in unit` a composite sar` a determinato ad ogni istante dalla sua struttura in quellistante. In questo senso, dunque, il linguaggio, ma anche la percezione, non possono essere considerate attivit` a che ci istruiscono su oggetti esterni, ma solamente delle attivit` a che rideniscono la struttura interna dellunit` a composita. Potrebbe apparire che, dato questo modo di considerare le unit` a composite, sussista una sostanziale dierenza tra unit` a statiche e unit` a dinamiche. Tuttavia, lunica dierenza tra unit` a composite statiche e unit` a composite dinamiche consiste nel fatto che queste ultime attraversano continui cambiamenti strutturali generati nel contesto delle loro interazioni come parte integrante della loro stessa costituzione, al contrario delle prime.
Tornando, a questo punto, alla nostra discussione circa il determinismo dei sistemi viventi, possiamo aermare che le unit` a composite sono sistemi strutturalmente determinati, nel senso che tutto ci` o che avviene in esse ` e determinato dalla loro struttura.
151
Ossia, la struttura dellunit` a composita determina ad ogni istante31 : 1. il dominio di tutti i cambiamenti strutturali che essa pu` o attraversare conservando la propria organizzazione e ladattamento in quellistante (che possiamo chiamare in una formula dominio istantaneo dei possibili cambiamenti di stato dellunit` a composita ); 2. il dominio di tutti i cambiamenti strutturali che essa pu` o attraversare perdendo lorganizzazione e ladattamento in quellistante (che possiamo dire dominio istantaneo delle possibili disintegrazioni dellunit` a composita ); 3. il dominio di tutte le diverse congurazioni strutturali che essa riconosce in quellistante come interazioni che innescano in essa cambiamenti di stato (dominio istantaneo delle possibili perturbazioni dellunit` a composita ); 4. il dominio di tutte le diverse congurazioni strutturali dello sfondo che essa riconosce in quellistante come interazioni che innescano la sua disintegrazione (dominio istantaneo delle possibili interazioni distruttive dellunit` a composita ). Questi quattro domini di determinismo strutturale, ovviamente, non sono ssi ma variano mentre varia la struttura del sistema per eetto della sua dinamica interna o delle sue interazioni. Questi domini determinati non devono considerarsi dei pacchetti ssi, ma delle relazioni di volta in volta diverse. Ad esempio, ci` o che ` e distruttivo per un uomo, poniamo il respirare sottacqua, non ` e distruttivo per il pesce; o ancora ci` o che ` e distruttivo per un uomo albino, lo stare sotto il sole, non ` e distruttivo per un uomo di colore. Inne, ci` o che ` e distruttivo per un uomo in un determinato istante della sua vita, lo stare sotto il sole per ore allinizio dellestate, pu` o non esserlo in un altro istante, lo starci alla ne dellestate. I domini determinati variano quindi sia tra specie e specie, sia allinterno della stessa specie, sia allinterno della stessa unit` a composita. Queste caratteristiche generali dei sistemi strutturalmente determinati portano con s e diverse conseguenze. Come prima conseguenza possiamo notare che durante lontogenesi32 di un sistema strutturalmente determinato, i suoi quattro domini di determinismo strutturale cambiano continuamente seguendo il corso delle sue interazioni e della sua dinamica strutturale interna; in secondo luogo, alcuni sistemi strutturalmente determinati hanno domini di determinismo strutturale ricorrenti, poich e possiedono congurazioni strutturali che si ripetono; inoltre, sebbene larchitettura di un sistema strutturalmente determinato imponga le congurazioni dello sfondo con cui esso pu` o interagire, tutte le sue interazioni nascono come coincidenze con sistemi indipendenti che dunque non possono essere predetti da essa. Ancora, ununit` a composita esiste solamente nch e si muove attraverso lo sfondo in interazioni (che sono perturbazioni) e si disintegra alla prima interazione distruttiva. Inoltre, dal momento che lo sfondo non pu` o denire che cosa accadr` a in un sistema strutturalmente determinato (poich e si limita ad innescare in esso i cambiamenti strutturali dovuti alle sue interazioni), tutto quello che pu` o accadere ad ununit` a composita, in relazione alle sue interazioni nello sfondo ` e che il corso dei suoi cambiamenti strutturali sar` a contingente alla sequenza di quelle interazioni. Inne, dal momento che i sistemi meccanicistici possono considerarsi sistemi strutturalmente
Varela [1980]. dice ontogenesi la sequenza delle varie fasi dello sviluppo di un individuo dalluovo fecondato alladulto; a questo termine viene spesso contrapposta la logenesi, ossia, la storia evolutiva di una specie o di un gruppo di specie viventi o estinte. Confronta Duris, Gohau [1997].
32 Si 31 Maturana,
152
determinati, e dal momento che le spiegazioni scientiche comportano che siano sistemi meccanicistici quelli preposti per spiegare i fenomeni propri delle scienze, noi ci occuperemo, in base a tale analogia, di sistemi strutturalmente determinati, intesi come caso particolare del pi` u vasto insieme dei sistemi meccanicistici. Occupiamoci adesso di come le unit` a, sia semplici che composite possano entrare in relazione. Denizione 3.2.7 Due unit` a semplici interagiscono quando, come risultato dellazione reciproca delle loro propriet` a, e in modo determinato da tale azione reciproca, esse cambiano la loro posizione relativa in uno spazio o dominio di distinzioni comune. Denizione 3.2.8 Ununit` a composita interagisce quando alcuni suoi componenti cambiano la loro maniera di comporla interagendo in quanto unit` a semplici con altre unit` a semplici che non sono suoi componenti, ed essa soggiace cos` ad un mutamento strutturale. Ununit` a semplice, dunque, interagisce in uno spazio unico, mentre ununit` a composita interagisce in due spazi: quello denito dalle sue propriet` a come unit` a semplici e quello denito dai suoi componenti tramite le propriet` a che essi possiedono, come unit` a semplici, nel costituirne la struttura. Dobbiamo adesso cercare di individuare, per avere contezza eettiva di come siano strutturate le unit` a, il contesto in cui esse si muovono o con cui entrano in contatto; per questo motivo dobbiamo denire alcuni concetti fondamentali. Denizione 3.2.9 Deniamo medium di una unit` a lo sfondo di distinzioni: - che contiene tale unit` a; - rispetto al quale un osservatore distingue lunit` a nella sua prassi; - in cui lunit` a realizza il suo dominio di esistenza. La denizione di medium include due ulteriori elementi da denire: lambiente e la nicchia. Denizione 3.2.10 Si dice ambiente la parte di sfondo che viene indicata dallosservatore come circostante allunit` a, e dunque pi` u precisamente, tutto ci` o che si trova intorno allunit` a. Denizione 3.2.11 Si dice nicchia la parte di sfondo che interagisce con lunit` a, ma che ne viene occultata per il fatto che questa opera in accoppiamento strutturale con essa. La nicchia pu` o essere, quindi, operativamente denita ad ogni istante dallunit` a stessa nel suo incontro strutturale con il medium. Quindi ununit` a denisce continuamente la sua nicchia attraverso il suo operare eettivo nel suo dominio di perturbazioni conservando ladattamento al medium33 . Per concludere la nostra trattazione sullautopoiesi e per collegarla esplicitamente con i sistemi viventi, possiamo aermare che qualsiasi cosa si dica sui sistemi viventi sar` a detta con la premessa implicita che tutti i fenomeni generati da essi nascono
33 Ovviamente,
la nicchia non pu` o essere una parte predenita e denitiva del medium.
153
dal loro funzionamento come sistemi strutturalmente determinati allinterno di un dominio desistenza, il quale, costruito dallosservatore nella sua operazione di distinzione, sar` a anchesso strutturalmente determinato. Proprio per questa ragione, dobbiamo considerare i sistemi viventi come strutturalmente determinati per tre motivi:
- il primo ` e di ordine operativo: sappiamo per esperienza concreta che qualsiasi cambiamento strutturale in un sistema vivente comporta un cambiamento delle sue caratteristiche e della sue propriet` a e che i cambiamenti strutturali simili in membri diversi della stessa specie provocano cambiamenti simili delle loro caratteristiche e delle loro propriet` a; - il secondo motivo ` e di ordine epistemologico: se non trattiamo i sistemi viventi come sistemi strutturalmente determinati, non potremmo fornire spiegazioni scientiche dei fenomeni che li riguardano (sulla base della loro analogia con i sistemi meccnaicistici cui la scienza fa riferimento); il terzo ` e di ordine ontologico: a partire dalla precedente motivazione epistemologica, i soli sistemi di cui possiamo fornire spiegazioni scientiche sono quelli strutturalmente determinati e quindi, se si fornisce una spiegazione scientica, ad esempio, di che cosa ` e la conoscenza nei sistemi viventi, si fornisce, al contempo, una prova che i sistemi viventi sono strutturalmente determinati nella prassi in cui viviamo come osservatori standard, che ` e poi il luogo in cui li distinguiamo. A ben vedere, le motivazioni che ci inducono a considerare i sistemi viventi come sistemi strutturalmente determinati pur essendo di ordine dierente, hanno comunque a che fare con la possibilit` a di dare spiegazioni scientiche dellunit` a sistema vivente. Una volta denito su queste basi il sistema vivente, ` e opportuno tornare ancora sul problema del determinismo dei sistemi autopoietici notando che il fatto che un sistema strutturalmente determinato sia deterministico non signica che un osservatore possa predire il corso dei suoi cambiamenti strutturali. Determinismo e prevedibilit` a pertengono a domini operativi diversi nella prassi dellosservatore. Il determinismo ` e una caratteristica che denisce un sistema nei termini delle coerenze operative che lo costituiscono e del suo dominio di esistenza come realizzato nelle operazioni di distinzione di un osservatore. Per contro, una predizione ` e una stima, che un osservatore opera sui cambiamenti strutturali di un sistema strutturalmente determinato, mentre segue gli eetti delle propriet` a delle sue componenti nella realizzazione del dominio deterministico da esse costituito. In quanto tale, una predizione pu` o aver luogo solamente dopo che losservatore ha descritto in maniera completa il sistema come struttura determinata dalle condizioni di coerenza operativa che la costituiscono nel dominio di esperienze dellosservatore. Un sistema deterministico, cos` inteso, ` e, quindi, un sistema determinato ma non predeterminato: ` e una sorta di insieme chiuso, ma innito, ossia, ` e un insieme che ha dentro di s e un numero innito di elementi che possono realizzarsi, ma solo allinterno dei limiti determinati dallinsieme stesso34 . Di conseguenza, qualsiasi tentativo di computare un cambiamento di stato in un sistema strutturalmente determinato comporter` a una necessaria incertezza, dovuta al modo di determinare lo stato iniziale entro i vincoli delle coerenze operative proprie del suo dominio di esisteno variare in estensione, in domini diversi, ma ` e za35 . Questa incertezza predittiva pu`
qui, dunque, la distinzione fatta in 1.3. rilevante notare come nella trattazione dei sistemi strutturalmente determinati sia profondamente variata la nozione di computazione applicabile ai suoi cambiamenti di stato: essa
35 E ` 34 Riprendiamo
154
sempre presente, essendo costitutiva del fenomeno della conoscenza come caratteristica dellontologia dellosservare e non di una realt` a oggettiva indipendente. In questo senso, anche il principio di indeterminazione della sica riguarda lontologia dellosservare e non caratterizza un universo indipendente, poich e il dominio di esistenza del mondo sico ` e un dominio cognitivo costruito dallosservatore nella prassi in cui vive, come spiegazione di questa stessa prassi. Proprio la mancanza della predeterminazione a cui accennavamo sopra e linnit` a dei diversi domini ` e causa di questa incertezza che deve essere sempre presente. Tuttavia, essa pu` o essere pi` u o meno vasta a seconda del sistema che ci troviamo ad analizzare. Di fatto, questo implica che anche il dominio sico dove tutto appare predeterminato sia, in realt` a, un semplice dominio di determinazione del quale per` o conosciamo un maggior numero di elementi, cosa che ci permette di far diminuire sensibilmente il livello di incertezza, diciamo cos` , di rendere pi` u rigido il sistema, ma non di farlo scomparire completamente. In tal senso, potremmo dire che la nostra conoscenza pu` o tendere allinnito (allinterno dellinsieme), ma non pu` o essere innita. Da quanto detto sin ora, possiamo dedurre alcune conseguenze circa la natura del sistema vivente; in particolare, adesso possiamo aermare che i sistemi viventi sono sistemi dinamici strutturalmente determinati la cui ontogenesi ` e la storia dei loro cambiamenti strutturali in cui si conserva organizzazione e adattamento. Questa storia ` e una sorta di deriva in cui il sistema ` e, di volta in volta, nellunica condizione in cui pu` o trovarsi pur non essendo in alcun modo predeterminato. In tal senso lontogenesi ` e s` la storia di un organismo dal suo essere ovulo fecondato sino allet` a adulta, ma ` e anche, e soprattutto, storia dei mutamenti strutturali di tale organismo. Questi mutamenti, inoltre, essendo determinati, ricadranno allinterno del dominio di incertezza connaturato alla nostra conoscenza, che abbiamo appena descritto: il sistema pur trovandosi in ogni istante nellunico momento in cui potrebbe trovarsi, non ci d` a accesso alle leggi che ne predeterminerebbero la congurazione; ci` o, con ogni probabilit` a, a causa del fatto che la sua struttura, come abbiamo pi` u volte detto, ` e determinata, ma non predeterminata. Appare evidente, per altro, che un sistema vivente o esiste come sistema dinamico strutturalmente determinato in accoppiamento strutturale con il medium in cui ` e costruito dallosservatore, ossia, in una relazione di conservazione delladattamento tramite continui cambiamenti strutturali nella realizzazione della sua nicchia, oppure non esiste. Un sistema vivente, nch e si mantiene tale, ` e in relazione di corrispondenza dinamica con il medium attraverso il suo funzionamento nel dominio di esistenza. Per usare le parole di Maturana [1990]: Vivere ` e scivolare attraverso un dominio di perturbazioni in una deriva ontogenetica che si attua con la realizzazione di una nicchia in perenne trasformazione. La dinamicit` a del sistema, dunque, sarebbe garantita dalla necessit` a di accoppiamento strutturale tra sistema e medium: senza luno non solo non si d` a laltro, ma visto che il sistema vivente non pu` o esistere che come sistema dinamico, sarebbe impossibile pensare un tale sistema senza accoppiamento tra due entit` a, ovvero, senza accoppiamento strutturale tra sistema vivente e medium. Inquadrando il sistema vivente come sistema dinamico possiamo nalmente giungere alla denizione di autopoiesi :
non ` e pi` u rigidamente meccanica, come nelle macchine a stati niti, piuttosto ` e soggetta alla strutturale incertezza determinata dalla libert` a dello stato iniziale.
155
Denizione 3.2.12 Diciamo autopoiesi un processo dinamico che ha luogo nel continuo usso degli eventi e non pu` o essere aerrato in una visione istantanea come distribuzione statica di componenti. Proprio per questo, un sistema vivente esiste solo attraverso la continua trasformazione strutturale coinvolta nella sua autopoiesi, e solo no a quando questa ` e conservata nellattuazione della sua ontogenesi (Maturana, Varela [1980]). A questo punto ` e naturale poter denire anche un sistema autopoietico : Denizione 3.2.13 Denominiamo sistema autopoietico ununit` a composita la cui organizzazione pu` o essere descritta come reticolo chiuso di produzioni di componenti che, attraverso le loro interazioni, costituiscono essi stessi il reticolo di produzioni che li produce e ne determinano lestensione generandone i conni nel loro dominio di esistenza (Maturana, Varela [1980]). Da queste denizioni ` e facile trarre la conclusione che i sistemi viventi non possono che essere sistemi autopoietici; del resto, un sistema vivente ` e un sistema autopoietico se funziona soltanto generando stati di autopoiesi, altrimenti si disintegra. Abbiamo mostrato, nel corso di questo capitolo, che un sistema vivente, per mantenersi tale deve essere chiuso rispetto alla dinamica dei propri stati, in conseguenza di ci` o, qualunque sistema vivente sar` a anche un sistema autopoietico36 . Dal momento che abbiamo denito i sistemi viventi come sistemi autopoietici, possiamo adesso riconsiderare alcune questioni sin qui arontate: nel paragrafo precedente, nel confutare lo schema S-R avevamo posto laccento sulle attivit` a senza scopo che un sistema vivente sembra poter compiere costituendosi cos` in sistema attivo, anzich` e in organismo reattivo. Adesso ci ` e pi` u semplice capire perch e un sistema vivente non produce scopi: nella misura in cui un sistema autopoietico ` e un sistema strutturalmente determinato e tutto ci` o che avviene in esso si attua tramite le relazioni di vicinanza tra i suoi componenti nel presente del funzionamento delle loro propriet` a, la nozione di scopo, che implica che ad ogni istante uno stato successivo del sistema come totalit` a agisca nel presente come parte della sua struttura, non si applica ai sistemi autopoietici e non pu` o essere utilizzata per caratterizzarne il funzionamento. Un sistema autopoietico pu` o apparire come un sistema dotato di intenzionalit` a o di secondo ne solo ad un osservatore, il quale, avendo assistito nella prassi della sua vita allontogenesi di altri sistemi viventi di quello stesso tipo nelle stesse circostanze, confonde i domini fenomenici mettendo tra i processi che costituiscono il sistema vivente le conseguenze del loro funzionamento come totalit` a. In sostanza, ci` o che losservatore confonde ` e lasse su cui si genera lo scopo: lo scopo sta sullasse verticale, pertiene losservazione, e non su quello orizzontale, ossia lasse proprio del funzionamento del sistema stesso37 . Abbiamo cos` concluso, con questo paragrafo, quella che pu` o essere denita una sorta di esplicitazione dei presupposti su cui ci muoveremo per andare ad individuare i conni del vivente e lo statuto dellosservatore (paragrafo successivo), le possibili analogie con i sistemi articiali e le dierenze che possiamo cercare di attenuare se teniamo presente la struttura del sistema vivente inteso autopoieticamente (par 3.5).
fatto, da questo momento in poi, utilizzeremo le due locuzioni come sinonime. schema, ovviamente, ` e valido anche per le azioni che per s e sono sempre ni a se stesse, ma possono diventare viste da un osservatore (anche lagente stesso, nellatto di autosservarsi) orientate verso uno scopo.
37 Questo 36 Di
156
3.3
La demarcazione tra organismo e ambiente

Perci` o bisogna seguire ci` o che si concatena. E sebbene lespressione si concateni, i pi` u vivono come se ciascuno avesse unesperienza separata. Eraclito - Frammenti
Abbiamo osservato come, considerando il vivente come sistema autopoietico, si ponga con forza la necessit` a di stabilire che genere di rapporto intercorra tra il vivente e lambiente: infatti, abbiamo visto che, in quanto sistema autorganizzato, il sistema vivente non pu` o sussistere senza laccoppiamento strutturale con lambiente in cui ` e collocato dallosservatore. Abbiamo visto anche come sia necessario allosservatore porre una distinzione tra il sistema e lambiente al ne di poter individuare il sistema stesso, inteso come unit` a composita, e di cominciare a trattarlo come totalit` a. A questo punto, ` e evidente che ci troviamo di fronte ad un problema di non poco conto: da un lato, lambiente ` e necessario alla formazione del sistema, nel senso che senza di esso, senza laccoppiamento strutturale di cui detto, non esiste. Ma, il dire che lambiente ` e costitutivamente parte del sistema vuol dire che ` e ad esso integrato e da esso inseparabile. Daltro lato, appare necessario che per identicare lunit` a, il sistema, ` e indispensabile distinguerlo dallambiente da cui ` e circondato il che equivale a dire che lambiente ` e separabile, non integrato, al sistema stesso. La domanda a cui cercheremo di rispondere durante tutto il paragrafo potrebbe essere formulata come segue: come ` e possibile che lambiente sia contemporaneamente separabile e non separabile dal sistema? Inoltre, ci interrogheremo sulla funzione che losservatore ha allinterno (e allesterno)38 di questa domanda.
3.3.1
Mente/Corpo
Lo spirito non pu` o mai giungere a perfezione se prima il corpo e lanima non sono perfetti. Meister Eckhart - La via del distacco
Lindagine circa la demarcazione tra organismo ed ambiente deve partire, a nostro avviso, da una (ri)identicazione di cosa intendiamo solitamente per organismo e di quali sono i suoi conni: a partire dal conne dellorganismo possiamo rintracciare ci` o che sta fuori di esso e metterlo a fuoco come ambiente39 . Le prospettive sullidenticazione dellorganismo possono svolgersi a pi` u livelli: 1) si pu` o cercare di identicare lorganismo considerandolo nella sua interezza e complessit` a, oppure 2) cercare di cogliere ci` o che ` e fondamentale per esso. Il primo livello che abbiamo rintracciato, pur essendo con ogni probabilit` a pi` u corretto dal punto di vista teorico, non ci permette di identicare con certezza i conni, i bordi, dellorganismo, cosa che in questo momento ci preme maggiormente. Il secondo livello, pur avendo il
38 Non dobbiamo dimenticare, qui, che ` e sempre un osservatore a porre la domanda e che latto del domandare, con la sua impostazione, ` e una particolare modalit` a di prospettarci sul mondo. 39 Ovviamente, non ` e implicita in questo preambolo la giustezza dellanalisi: vedremo via via se ` e eettivamente possibile agire cos` per individuare lambiente; spesso, infatti, non basta identicare una parte di una relazione per ottenere matematicamente laltra.
157
grave difetto di porsi in una prospettiva semplicatoria, ha il vantaggio di proporsi come una metodologia per individuare cosa sia davvero essenziale per lorganismo, ovvero, cosa sia, potremmo dire, lorganismo per davvero, senza contaminazioni ambientali. Cercheremo, quindi, date queste premesse, di vedere se funziona questo secondo livello al ne di poter identicare con certezza cosa sia organismo e cosa sia ambiente. Se questo modo di procedere dovesse rivelarsi inecace dovremo allora rassegnarci ad arontare la via pi` u complessa, ossia, quella indicata dal primo livello. Unulteriore precisazione, sempre nellottica di semplicare al massimo il nostro compito, va fatta: cercheremo di individuare lessenza di un organismo in particolare, luomo, e non dellorganismo in generale. La specie uomo, infatti, essendo quella a cui apparteniamo, ed essendo noi in grado di avere autocoscienza, si dovrebbe prestare meglio delle altre ad una analisi atta a ricercare in profondit` a lessenza reale dellorganismo40 . Una delle ipotesi pi` u comuni su ci` o che riguarda lidenticazione dellorganismo, di quello che il singolo uomo chiama se stesso, ` e che esso si trovi da qualche parte allinterno del corpo: sentiamo, infatti, di poterci identicare a partire da ci` o che si trova pi` u in profondit` a. Descartes, del resto, con il suo metodo elimin` o tutto ci` o che gli appariva come superuo e che poteva ingannarlo circa il suo essere: trov` o cos` il suo pensiero e, per estensione, la sua mente. Pi` u o meno a partire da quel momento la tradizione losoca occidentale ha nito con lidenticare ci` o che ` e fondante delluomo come siamo con il suo livello mentale41 : sembrerebbe possibile immaginarci coscienti cos`
40 Infatti, ` e abbastanza chiaro che grazie a strumenti di indagine scientica molto ecaci e alla nostra capacit` a autocosciente possiamo provare a cercare pi` u in profondit` a la nostra essenza. Daltro canto, la ricerca dellessenza negli altri organismi (animali o piante) ha spesso prodotto una ricerca sullorganismo morto. Lo studio profondo ` e studio della morte, per ci` o che concerne gli animati non umani. Non possiamo accedere a livelli profondi delle altre specie senza ucciderle: non abbiamo accesso allunit` a del sistema se non distruggendolo e questo, con ogni probabilit` a, perch e siamo intrinsecamente osservatori esterni a quel tipo di sistema. Come se non bastasse, le altre specie sembrano non avere una capacit` a autocosciente (che abbiamo ipotizzato essere legata strutturalmente alle capacit` a simboliche umane) che permetta loro di darci indicazioni sulla via da seguire per identicare ci` o che sentono come fondamentale e, del resto, anche se possedessero tale capacit` a, essa sarebbe talmente dierente dalla nostra che non ci accorgemmo della sua presenza. Proprio dallimpossibilit` a di rintracciare un sentiero indicato dallorganismo stesso deriva lequazione tra la profondit` a e linterno che ci fa vivisezionare e aprire, provocandone la morte, le altre specie. Ancora, ci` o che ` e essenziale allorganismo deve essere indicato dallorganismo stesso: lo schema per prove ed errori ci pu` o portare a constatare solamente che se agiamo su alcune parti lorganismo muore, ma questo non basta; la morte non ` e la scomparsa dellindividuo in senso stretto, anche nella morte, infatti, individuiamo e separiamo il defunto da ci` o che lo circonda, lo continuiamo ad identicare come unit` a e, cosa forse pi` u importante, lo identichiamo sempre come lo stesso organismo che era in vita. Non dobbiamo, per altro, pensare che questa visione dellorganismo morto ancora come unitario sia una produzione della cultura umana; anche altri animali, ad esempio le formiche, individuano il morto come organismo appartenente alla loro specie, e ad esso conferiscono uno statuto speciale: le formiche sezionano e divorano gli organismi morti di specie dierente dalla loro, al contrario portano al cimitero i loro morti (su questa identicazione della morte da parte delle formiche, sia pure in un contesto dierente confronta Lo Piparo [1999]). La morte, pur essendo su un piano dierente dalla vita, non ci impedisce la separazione che andiamo cercando, tuttavia essa ci impedisce di rintracciarla. 41 Oggi le prospettive neuroscientiche sembrano identicare quello che per Descartes era un livello non materiale, la mente, con una porzione di materia ben denita, ossia, con il cervello. In questo senso per` o, non muta lorizzonte: leliminazione della sfera non materiale o la sua riduzione a quella materiale non ci impedisce di immaginare trapianti di cervello da un corpo
158
anche in un altro corpo o persino senza alcun corpo42 . Il fondamento si troverebbe, in sostanza, in una particolare zona, che pu` o essere considerata materiale o meno a seconda delle opzioni, che pu` o essere presa da parte e analizzata scienticamente. Tuttavia, queste concezioni non hanno fatto i conti con dei problemi di fondamentale importanza: - ad una analisi appena pi` u rigorosa non ci ` e possibile individuare con precisione il centro del nostro essere: infatti, non riusciamo ad individuare una particolare attitudine o capacit` a in cui possa allocarsi il nostro S e fondamentale. N e i nostri pensieri, che sono quanto mai mutevoli, n e le nostre percezioni, che possono variare di volta in volta, n e i nostri aetti, che cambiano di ora in ora e neppure la nostra capacit` a conoscitiva, che aumenta o diminuisce con il passare del tempo, sono dei candidati ideali per impersonare il ruolo di ci` o che deve rimanere stabile nel tempo, nel mutamento; questi esempi (che potrebbero per altro moltiplicarsi a piacere), non riescono a renderci lidea di un qualcosa che, pur accogliendo i mutamenti, ci permetta di rimanere noi stessi durante tutto il periodo della nostra vita; - il cercare di individuare questo essere noi stessi nei termini sopra indicati non ci permette di prendere sul serio le esperienze che facciamo durante la nostra vita; per individuare il nostro S e fondamentale, infatti, dovremmo nascere gi` a come siamo e mantenerci tali indipendentemente da ci` o che ci accade. Se accettassimo questa prospettiva dovremmo accettare anche la predeterminazione assoluta dei nostri comportamenti e un innatismo del tutto ingenuo ed acritico; - come abbiamo gi` a accennato in nota, inoltre, non siamo disposti a dire che luomo morto non ` e pi` u se stesso: labbandono dellanima o il non funzionamento del cervello non bastano a farci dire che il corpo senza vita non sia pi` u la persona che era quando era in vita43 ; Non sembra possibile, individuare il nostro essere fondamentale, quindi, nella mente o nel cervello. Possiamo provrare adesso, come sembra suggerire lultimo punto contro la tesi mentalista, a considerare il nostro corpo, e per estensione le nostre sensazioni, come ci` o che ci distingue dallambiente e ci identica come unit` a. Purtroppo, per` o, anche se cerchiamo di volgerci verso questa prospettiva, insorgono alcuni problemi: - come abbiamo accennato sopra, possiamo immaginare un trapianto corporeo totale senza che questo intacchi la nostra percezione di noi stessi; - le svariate modicazioni che il corpo delluomo subisce durante la sua vita (dallinvecchiamento alle eventuali mutilazioni) non ci permettono di identicare il suo essere meramente corporeo con quello che deve essere una sensazione stabile, con quello che deve essere il nostro essere permanente;
ad un altro. Tra gli autori classici che pi` u di altri hanno spinto su questa linea ricordiamo Churchland [1981;1984], Feigl [1958] ed Hempel [1949]; per ci` o che concerne la letteratura pi` u recente ricordiamo invece Crane [2001], Dennett [1995] ed Edelman [1989;1992]. 42 Questa prospettiva dellassenza del corpo discende, com` e ovvio, anche dalle nostre opzioni religiose: quando il corpo muore, la mente, lanima sopravvive e continua a vivere, sia pure in altra forma. Tuttavia, anche in un orizzonte cristiano, il recupero del corpo ` e una nozione fondamentale; dopo il giudizio universale, infatti, ognuno recuperer` a il suo corpo per vivere eternamente. 43 Non avrebbe senso altrimenti continuare a chiamare per nome il defunto: anche la notizia della morte ` e sempre notizia della morte di qualcuno.
159
- le nostre percezioni, compresa quella di noi stessi e quella del tempo, mutano e possono essere errate, non sono quindi adabili, intese per se stesse, per impersonare la nostra essenza. Come appare chiaro, n e il corpo da solo, n e la mente da sola possono rendere conto del nostro essere unici e separati dallambiente. Dobbiamo percorrere quindi la via dellunitariet` a dei due enti per poter cercare di comprendere come siamo distinguibili dallo sfondo. Tuttavia, questa unitariet` a non deve essere una riduzione delluno allaltro44 : dobbiamo trattare i due enti mente e corpo come intrinsecamente in relazione, ma non per questo indistinguibili. Considerando indissolubilmente uniti mente e corpo non possiamo pi` u rintracciare ci` o che ci distingue dallambiente come una parte di questa unit` a: dobbiamo prendere in blocco la nostra unit` a e cercare di spiegare in che maniera essa sia distinguibile dallo sfondo. Un buon modo per iniziare potrebbe essere quello di tornare alla nozione di attivit` a che abbiamo individuato come caratteristica dei viventi45 e che pare propria dei sistemi autopoietici. In questo senso potremmo considerare ci` o che ` e attivo, dinamico come ci` o che emerge dallo sfondo e, distinguendosi da esso, si costituisce in unit` a. Purtroppo il mondo che viviamo non ` e cos` semplice: questo genere di spiegazione potrebbe andar bene in un contesto ridotto come un laboratorio, ma fallisce non appena la riversiamo sul mondo reale. Di fatto, il mondo reale, lambiente in cui ` e radicato lorganismo, non ` e pura staticit` a: esso ` e dinamico al pari dellorganismo che distinguiamo; se cos` non fosse non potremmo n e autorganizzarci n e tantomeno sopravvivere. Un ambiente statico non permetterebbe a niente di viverci dentro o intorno. La dinamicit` a, quindi, non ` e un buon modello per lidenticazione dellorganismo. Unultima possibilit` a, per ci` o che concerne quello che abbiamo denito il secondo livello o prospettiva semplicatoria, ` e quella di considerare il limite dellorganismo come i limiti, i bordi di quello che consideriamo il corpo dellorganismo, ovviamente, non considerato come separato dalla mente, ma unito ad essa: i bordi del corpo potrebbero identicare il limite dellorganismo inteso come ci` o che ` e autosuciente da tutto il resto. Questo, ovviamente, ` e indispensabile se vogliamo continuare a pensare lorganismo come un dominio operazionalmente chiuso: niente di esterno pu` o entrare in esso senza modicarne in modo decisivo la struttura; lorganismo deve, quindi, identicarsi a partire dal suo essere chiuso operazionalmente. Ebbene, se consideriamo lorganismo in tal modo non ci ` e possibile distinguerlo dallambiente solamente per mezzo dei suoi bordi sici: per non essere costretti a considerare lorganismo come eteronomo dobbiamo includere in esso tutto ci` o che gli ` e indispensabile per sopravvivere; ` e facile, a questo punto, indovinare che, in questo senso ` e indispensabile allorganismo anche qualcosa che ` e stato sempre considerato esterno ai suoi bordi. Ad esempio, ` e un fatto che laria sia indispensabile alluomo, quindi se consideriamo lorganismo come autonomo dobbiamo includerla al suo interno. Ma, laria, per poter svolgere la sua funzione, ha bisogno di rinnovarsi nel complesso processo della fotosintesi clorolliana e ci` o comporterebbe dunque che allinterno dellorganismo dovremmo includere anche le piante.
44 Questa, ad esempio, ` e la via tipica seguita dai teorici del riduzionismo, delleliminativismo e del comportamentismo. Ma, a ben vedere, quasi la totalit` a degli studi di scienza cognitiva nisce per schiacciare il polo mentale su quello sico (identicazione mente/cervello), o pi` u raramente quello sico su quello mentale. 45 Vedi Paragrafo 3.1.
160
Queste ultime, a loro volta, hanno necessit` a di alcuni tipi di animali per riprodursi e sopravvivere, ma, soprattutto, avranno bisogno del sole per dare luogo alla fotosintesi. Ci troviamo di fronte, quindi, alla paradossale situazione in cui per distinguere lorganismo dallambiente dobbiamo inglobare al suo interno parecchie parti di quello sfondo che sono tradizionalmente, e dal senso comune, considerate come esterne. Ci` o risulta improbabile oltre che disagevole per gli scopi della scienza. Giungiamo, quindi, alla conclusione che lapproccio semplicistico non pu` o fornirci risposte adeguate alla nostra domanda. Dobbiamo, di conseguenza, ripartire da zero e analizzare lipotesi pi` u complessa, ossia, quella che cerca di dare conto dellorganismo non a partire da un qualcosa che dovrebbe essere pi` u fondamentale del resto, ma, al contrario partendo dallipotesi che lorganismo sia un sistema complesso in cui tutto ` e fondante e nel quale non vi sono porzioni privilegiate n e di natura materiale n e di natura ultrasensibile.
3.3.2
Sistema complesso, Domanda e Osservatore
Lultima osservazione che ci ha fatto abbandonare denitivamente la prospettiva semplicistica deve essere, di fatto, il punto di partenza dellapproccio complesso. Se ci ` e impossibile separare lorganismo a partire dai suoi bordi in una prospettiva che cercava, per suo statuto, una parte privilegiata, come possiamo individuarlo a partire da una prospettiva che, di contro, cerca di rendere conto di un organismo complesso in cui tutto ` e di pari importanza? Questo ` e esattamente il problema che avevamo cercato di evitare intraprendendo il sentiero semplice che ci ha portato, per` o, a conclusioni paradossali. Per cercare di venire a capo di questo groviglio dobbiamo cominciare a mostrare il ruolo che ha losservatore in questa faccenda: esso vi ` e implicato, infatti, almeno in due sensi: (1) losservatore ` e chi pone la distinzione tra organismo e ambiente. A partire da questo dobbiamo cercare di capire perch e egli pone questa distinzione e se questa ` e indispensabile; (2) losservatore ` e anche chi pone la domanda circa i criteri della separatezza tra organismo e ambiente. Considerando ci` o, dobbiamo vericare se questa domanda non presupponga gi` a una particolare tipologia di risposta. Abbiamo gi` a accennato al ruolo dellosservatore allinterno dellaccoppiamento strutturale e, in modo ancora pi` u pertinente, abbiamo mostrato come esso sia indispensabile per proporre un doppio asse di spiegazioni: quello orizzontale e quello verticale. Abbiamo visto come allosservatore pertenga solamente lasse verticale e, al contempo, abbiamo mostrato che non ha accesso diretto a quello orizzontale46 . A partire da questa precisazione ` e lecito chiedersi se da un punto di vista orizzontale, cio` e di quello che avviene realmente nellinterazione, sia possibile separare organismo e ambiente.
46 Bisogna ricordare, infatti, che anche quando ` e losservatore ad interagire la sua interazione, se ` e cosciente si articola anche sullasse verticale che ` e lunico in cui losservatore pu` o trovare spiegazioni: ci` o accade a causa dellautocoscienza che gli permette di osservarsi come dallesterno. In questo senso anche linterazione soggettiva presuppone un oggettivazione, e ha sempre forma di triangolo in cui losservatore ` e il vertice alto, losservatore-osservato ` e uno dei vertici della base e lambiente (o unaltro organismo) ` e laltro vertice della base. Qualsiasi interazione ` e, quindi, come minimo interazione a tre.
161
Per quel che ci ` e dato vedere47 , non siamo riusciti a trovare un criterio che ci permetta di individuare lorganismo come separato di per s e dallambiente. Appare chiaro, quindi, come la separatezza debba essere, con ogni probabilit` a, posta allinterno dellasse verticale, dellosservazione. Per altro, se scegliamo questa via, il groviglio inizia a sciogliersi e possiamo individuare ci` o che ` e lorganismo, o lambiente a partire dalle necessit` a dellosservatore: la comunit` a degli osservatori standard, infatti, a seconda delle necessit` a imposte dal paradigma o dalla disciplina scientica in cui si trova, potr` a scegliere cosa considerare esterno e cosa considerare interno allorganismo. In questo modo ` e possibile considerare lorganismo da prospettive molto dierenti, cosa che del resto avviene realmente se consideriamo, ad esempio, cos` e lorganismo ecologico, ossia, un organismo che non ` e mai separato da tutto quello che gli ` e indispensabile per sopravvivere (in questo senso lorganismo con allinterno aria, piante e sole acquista un senso), e cos` e lorganismo medico, ossia, unorganismo che ` e sempre separato da tutto ci` o che ` e al di fuori dei suoi bordi corporei (solo cos` possono spiegarsi le varie branche della medicina che possono occuparsi, e ritenere fondamentali, solo di alcune parti del corpo). Allo stesso modo, appare evidente che la separazione di per s e tra interno ed esterno non ha alcun senso se non riferita a particolari tipi di osservazione. Allo stesso tempo, ` e importante porre laccento su una questione alquanto delicata: sostenere che la distinzione tra organismo e ambiente ` e opera di un osservatore e che, di conseguenza, essa sta sullasse verticale non vuol dire che essa ` e un prodotto della mente delluomo e che non ha corrispondenza nella realt` a. Allosservatore ` e indispensabile fare questa distinzione per sopravvivere e per caratterizzarsi come osservatore, e quindi, come uomo. Egli non pu` o non fare questa distinzione, essa fa parte del suo modo specico, simbolico di essere al mondo: potremmo, in un certo senso, dire che la distinzione gli balza agli occhi per il solo fatto di osservare. Fin qui abbiamo dato conto del primo senso in cui losservatore ha a che fare con la separazione tra organismo e ambiente e sui criteri che esso sceglie per separarli: gi` a, crediamo, il groviglio appare meno intricato e dovrebbe sciogliersi quasi del tutto non appena avremo analizzato anche il secondo senso che, come vedremo adesso, pertiene pi` u allatto del domandare che allosservatore stesso. Qualunque domanda, anche la pi` u generica, prevede una tipologia di risposta particolare: una domanda ` e sempre una specica maniera di condurre un problema. In questo senso, volere rintracciare i criteri della separatezza tra organismo e ambiente pertiene ad uno specico ambito e, per ci` o stesso, prevede delle risposte che, potremmo dire, sono gi` a implicite nella domanda. Non dobbiamo per` o fare qui confusione estrapolando la domanda dal suo contesto e da colui che la pone: essa pretende delle risposte speciche che sono, per` o, sempre vincolate ad un osservatore e ad un contesto. La stessa domanda, dunque, pur impostando il problema in maniera specica e volendo ottenere, quindi, una specica risposta, non pretende una unica risposta48 . Un esempio dovrebbe rendere pi` u chiaro ci` o che intendiamo: La domanda cos` e un pesce? pur impostando il problema in uno specico modo (che potremmo dire modalit` a denizione ), pu` o ricevere dierenti risposte a seconda dellinterlocutore a cui ` e posta; il pescatore potrebbe rispondere che il pesce ` e un animale che vive sottacqua e che, per poterlo pescare, al ne di cibarcene, bisogna operare cos` e cos` ; il biologo, invece, risponderebbe che
47 Quindi 48 La
ancora in una prospettiva da osservatori. domanda, possiamo dire determina la risposta, non la predetermina. Confronta Par.3.4.
162
il pesce ` e un genere che possiede caratteristiche cos` e cos` ; o ancora levoluzionista risponderebbe che il pesce ` e, con ogni probabilit` a, uno dei generi pi` u antichi da cui si sono sviluppate poi numerose specie. Ovviamente, non possiamo non notare che tutte le risposte cercano di denire il pesce, ma che lo fanno in maniera dierente, rimanendo tuttavia allinterno dei conni della tipologia di risposta implicata dalla domanda49 . Torniamo adesso alla nostra domanda circa i criteri di separatezza dellorganismo dallambiente. Limpostazione della domanda, evidentemente, pone laccento sul fatto che debbano trovarsi criteri inclusivi ed esclusivi di ci` o che pu` o rientrare nella classe degli organismi e di quello che pu` o rientrare nella classe degli ambienti. Dallesempio che abbiamo proposto appena sopra e da quello che abbiamo identicato come primo senso in cui losservatore ha a che fare con la distinzione, ` e ormai chiaro che questi criteri esclusivi e inclusivi sono scelti sulla base della pratica osservativa: un organismo sar` a, per cos` dire, pi` u ampio o meno ampio a seconda dellinteresse dellosservatore, o meglio, a seconda della distinzione, che a causa delle opzioni di un particolare osservatore standard, balza agli occhi di chi osserva. Il conne tra organismo e ambiente appare cos` un conne sfumato e non del tutto netto, anche se in qualche maniera implicito nel modo di essere delluomo (osservatore). In particolare, poi, visto che anche noi siamo eettivamente degli osservatori che cercano qui di distinguere per particolari scopi tra organismo e ambiente, dobbiamo fare i conti con il tipo di distinzione che ci balza agli occhi e che discende coerentemente (e non arbitrariamente quindi) dalla nostra impostazione, che volendo porsi come generale e non ancorata ad una particolare teoria scientica, potremmo denire meta-teorica. Quindi, possiamo aermare che: Tesi 3.3.1 Un organismo ` e separato dallambiente sulla base delle speciche distinzioni che un particolare tipo di osservatore standard compie a partire dalle sue opzioni pratiche: la separazione, in generale, quindi, non ` e una cesura netta tra il dominio ambiente ed il dominio organismo, essa ` e pittosto una demarcazione elastica che varia al variare della tipologia dellosservazione. Questa demarcazione elastica, quindi, ci permette di considerare di volta in volta interni o esterni alcuni frammenti di universo. Tale elasticit` a possibile, deve tenersi presente nel momento in cui vogliamo riprodurre dei sistemi articiali analoghi ai sistemi viventi: se vogliamo costruire un automa che sia il pi` u possibile vicino allessere umano questo dovr` a possedere la caratteristica di poter scegliere ed imparare un particolare modo di compiere distinzioni, nonch e di distinguersi come osservatore. Proprio questo ` e stato, a nostro avviso, uno dei maggiori limiti dellIA e anche dei tentativi successivi di costruire delle macchine umane. I criteri per una macchina che si comporti in modo simile ad un uomo possiamo quindi denirli come segue: Tesi 3.3.2 Un automa che possa denirsi davvero un replicante delluomo dovr` a potere tenere sotto controllo lambiente circostante anche in situazioni imprevedibili, dovr` a congurarsi come sistema autopoietico e dovr` a essere capace di scegliere una particolare modalit` a di compiere distinzioni e di porsi come osservatore.50
49 Appare chiaro che non c` e tra queste risposte una che sia pi` u vera o pi` u corretta di unaltra: pertengono semplicemente a comunit` a di osservatori dierenti. 50 Ci` o ovviamente impone anche che tale replicante dovr` a essere autocosciente e quindi replicante simbolico.
163
Tuttavia, lanalogia tra i sistemi umani e i sistemi articiali sar` a sviluppata, soprattutto per ci` o che concerne la loro psicologia, nel paragrafo seguente.
3.4
3.4.1
La Psicologia del sistema uomo e la sua analogia con i sistemi articiali

Centralit` a del corpo
Nel corso di questo capitolo siamo lentamente giunti ad una denizione di sistema vivente e di sistema autopoietico e ci siamo soermati, in particolare, sulle caratteristiche di uno specico sistema vivente: luomo. Inoltre al termine del paragrafo 3.3 abbiamo iniziato a discutere di come dovrebbe essere fatta una macchina che possa, eettivamente, essere analoga alluomo. Per la verit` a, gi` a al termine del primo capitolo e per tutto il secondo, analizzando le proposte pi` u inuenti n qui fatte, avevamo cercato di rintracciare le analogie tra la macchina e luomo; tuttavia, nessuna di queste analogie ci ha soddisfatti pienamente. Ovviamente, non neghiamo qui che allinterno delle teorie che abbiamo analizzato ci siano dei passi particolarmente importanti verso la denizione di una macchina umana, solamente ci limitiamo a constatare che tutte queste teorie, prese una per una, hanno delle falle che ci portano a considerare quasi impossibile lanalogia uomo/macchina. Con ogni probabilit` a, ci` o che dovrebbe farsi ` e costruire una sorta di collage teorico che ci permetta di tenere insieme le parti positive di ogni teoria e di riutare quelle che a noi appaiono delle falle. I criteri che dovremmo utilizzare, per stabilire quali parti delle teorie vadano accettate e quali riutate, sono quelli esposti nella tesi 3.3.2, ossia, sono quelli che consideriamo i criteri per costruire una macchina davvero umana. Tuttavia, ci` o che pi` u sembra saltare allocchio quando si cerca di costruire una macchina umana ` e il fatto che tutti diano per scontata la possibilit` a di costruire un corpo identico a quello delluomo, o per meglio dire, che nessuno si sia posto minimamente il problema di cosa voglia dire costruire un corpo umano. Il livello pi` u alto di costruzione corporea preso in considerazione ` e stato lapparato sensorio e lapparato motorio: in sostanza si ` e creduto, pi` u o meno inconsciamente, che per potere simulare un uomo basti costruire una macchina in grado di ricevere stimoli esterni, per mezzo di sensori, e di muoversi pi` u o meno agilmente in ambienti pi` u o meno complessi; indubbiamente, questa prospettiva robotica, come abbiamo sottolineato nel secondo capitolo, ` e certamente un passo in avanti rispetto alle teorizzazioni esclusivamente mentali che volevano il calcolatore come lanalogo del cervello; tuttavia, a conti fatti, anche la robotica descritta sino ad adesso non appare un buon modello per la costruzione di automi. Sembra essere un dato scontato che ci` o che fa veramente problema nella costruzione di una macchina umana sia la sua parte mentale, psicologica. Dal canto nostro, avendo aermato limpossibilit` a della scissione tra mente e corpo ed, inoltre lulteriore necessario intreccio (accoppiamento strutturale) con lambiente, non possiamo accontentarci di macchine che siano solamente riproduzioni parziali di tale sistema: infatti, una macchina cos` fatta non sarebbe aatto analoga alluomo (o a un qualunque altro sistema vivente a dire il vero), sarebbe solamente unaltra cosa che segue regole e leggi del tutto diverse per ci` o che concerne il suo rapportarsi con s e stessa, con gli altri e con lambiente. Il problema della psicologia del sistema naturale deve inglobare in esso
164
anche il problema della corporeit` a e dello stare al mondo di questo stesso sistema: la mente ` e la ragionevolezza del corpo, di tutto il corpo e non soltanto di una piccola parte, ossia, il cervello. Per questo pur mantenendo il titolo di Psicologia del sistema uomo e analogie con i sistemi articiali, dobbiamo prepararci a ripensare i termini psicologia e psicologico allargandoli anche alla sfera propriamente corporea. Quindi, se volessimo aggiungere esplicitamente (poich e era implicito nella denizione di replicante simbolico ) un criterio a quelli gi` a elencati nella tesi 3.3.2, dovremmo inserire una proposizione del tipo: unautoma che voglia davvero proporsi come replicante umano dovra possedere un corpo con caratteristiche analoghe a quelle del corpo umano 51 . Solamente partendo da questo ulteriore presupposto possiamo iniziare a discutere cosa possa rendere analoghi o simili le caratteristiche psicologiche di un uomo e di una macchina. Come abbiamo accennato allinizio di questo capitolo, il problema sociologico pi` u importante che dovette arontare la cibernetica, o pi` u in generale qualunque approccio che si sia posto lobiettivo di creare sistemi simili a quello umano, ` e stato quello legato alla libert` a delluomo contrapposta alla determinatezza delle macchine. A partire da questa aermazione, infatti, si sono sviluppati modi di sentire particolarmente forti circa la possibilit` a di costruzione di automi: c` e chi, quasi con un rigurgito luddista, si ` e dichiarato indisponibile a considerare umanizzabile qualunque tipo di macchina; c` e chi ha dichiarato che eettivamente ` e possibile costruire delle macchine che siano simili a luomo sino ad un certo punto, marcando la dierenza tra la libert` a assoluta delluomo e il determinismo assoluto che regnerebbe invece nel mondo delle macchine; c` e chi, inne, ` e stato aascinato talmente tanto dalla possibilit` a di rendere umane le macchine che ha creduto possibile la costruzione di un mondo in cui le macchine egli uomini vivano insieme52 . A ben vedere, tutte e tre queste categorie hanno qualcosa di eccessivo: la prima dispone di una dose eccessiva di moralismo che non permette a chi aderisce a questa visione di potere usufruire serenamente dei processi tecnologici che potrebbero rivelarsi utili anche per risolvere alcuni problemi davvero decisivi per il genere umano; la seconda ` e, fuor di dubbio, eccessivamente prudente. Infatti, chiunque si ponga nella prospettiva di poter costruire qualcosa, se lo fa nella convinzione che questo qualcosa possa funzionare e per di pi` u essere utile, non dovrebbe porsi limiti a priori:
51 Il problema fondamentale alla base di questa dichiarazione resta ovviamente quello di una denizione propria di ci` o che pu` o davvero considerarsi analogo alla corporeit` a umana. Occorre in questo senso un criterio necessario e suciente per riconsocere cosa includiamo e cosa escludiamo in tale propriet` a; diviene anche indispensabile e di grande interesse il riconoscimento di quelle anomalie che non esulano dalla umanit` a (o dallanalogia con essa) trascendendo piuttosto nella malformazione (si pensi alla gura del freak). Ci` o che quindi qui ci possiamo limitare a riconoscere come propriet` a necessaria e suciente allidenticazione di unanalogia con la corporeit` a umana ` e lappartenenza generalissima ad uno schema corporeo che riconosciamo immediatamente e supercialmente come umano. 52 Alla prima categoria possiamo ascrivere, con certezza, gli uomini di fede che, un po come accade adesso per ci` o che riguarda il problema della clonazione, vedevano a rischio il primato delluomo nel mondo sancito da Dio in persona; nella seconda categoria, invece, possono essere inseriti i teorici moderati dellintelligenza articiale e della robotica che cercarono e cercano di costruire macchine intelligenti partendo dallassunto che, in ogni caso, la libert` a umana non ` e eguagliabile da nessuna macchina; la terza categoria, inne, ` e costituita senza dubbio dai teorici delle delle scienze articiali meno moderati, che credono di potere costruire macchine intelligenti e libere, e da alcuni scrittori che, pur mostrandone le inquietudini, hanno, di fatto, gi` a costruito universi abitati da macchine indistinguibili, almeno ad un primo sguardo, dalluomo: un nome per tutti Philiph K. Dick.
165
le applicazioni vanno sicuramente moderate, le teorizzazioni vanno invece sicuramente sempre favorite53 ; la terza categoria, invece, eccede in fantasia. Persi nelle ipotesi pi` u strane e aascinanti, gli adepti di questa categoria non soltanto raramente riescono a produrre teorizzazioni coerenti e utili, ma niscono, pi` u che per umanizzare le macchine per disumanizzarsi loro stessi. Caso a parte fanno gli scrittori che, proprio grazie alla loro fantasia riescono ad aascinarci con le loro storie e i loro racconti. Riteniamo che sia importante, ancora una volta, mediare tra queste tre categorie eccessive e, dai loro eccessi, volgerci verso i pregi corrispondenti che potrebbero essere ottimi presupposti per la costituzione di una scienza articiale che ci permetta di costruire automi (o replicanti) davvero analoghi alluomo. Nella prima categoria dobbiamo trasformare il moralismo in responsabilit` a, ossia, dobbiamo aver sempre presente, quando cerchiamo di portare avanti un progetto tanto ambizioso, dove ci condurr` a il nostro ragionamento, allo scopo di evitare di essere ingabbiati allinterno di logiche che mettano davvero in pericolo il nostro essere uomini e/o la vita degli altri. Nella seconda, dobbiamo mutare la prudenza in modestia: visto lintento, dobbiamo sempre considerare la possibilit` a di trovarci su una via sbagliata e, quindi, di dovere tornare indietro. Nella terza, in ultimo, dobbiamo mutare la fantasia in voglia di osare e di immaginare. Non possiamo darci per scontti sin dallinizio e dobbiamo, con tutte le forze, cercare di ottenere il massimo dalla nostra possibilit` a di speculazione su una tematica che ci appare quanto mai importante, tuttavia, non possiamo astrarre del tutto dalla realt` a: dobbiamo sempre mantenere i piedi per terra pur cercando di estendere sempre di pi` u il conne della realt` a riducendo, per cos` dire, quello delle fantasticherie. Una volta (re)impostato il problema sociologico, possiamo cercare di sviluppare i criteri proposti nella tesi 3.3.2 mostrando come sia necessaria una costituzione di una macchina corporea per dare conto anche degli aspetti psicologici delluomo e, al contempo, di mostrare le possibili analogie e le dovute dierenze tra uomo e macchina.
3.4.2
I pregiudizi circa le macchine, ovvero, i pregiudizi circa la natura umana

Vincoli positivi e negativi. Negativo: non posso vincere. Tutto quello che faccio ` e sbagliato. Positivo: non posso perdere. Tutto quello che faccio ` e giusto. Lo faccio perch e` e giusto. ` giusto perch E e lo faccio. R.D. Laing - Knots
Quando cerchiamo di studiare i tentativi di costruire le macchine intelligenti siamo colpiti immediatamente da una serie di considerazioni, ormai di pubblico dominio, che portano a considerare limpresa di costruire un automa unimpresa disperata. Cerchiamo di analizzare la tipologia di questi pregiudizi suddividendoli per categorie e cerchiamo di vedere se, seguendo i nostri criteri, ci sia possibile aggirarli. (1) Non ` e possibile costruire macchine intelligenti perch e non sappiamo cosa sia lintelligenza. Questa aermazione ` e tipica di chi ritiene che se potessimo tradurre
53 Ovviamente, possiamo dire con certezza che non ` e la teorizzazione sullenergia nucleare, che potrebbe portarci un giorno alla scoperta di un energia pulita ed ecologica, a dare luogo alla costruzione di armi nucleari o ai disastri ambientali provocati dalle centrali nucleari: piuttosto sono le ambizioni senza scrupoli di ricercatori in cerca di nanziamenti e governi in cerca di strumenti per ottenere il dominio a provocare tali gravi disfunzioni.
166
in linguaggio macchina (o linguaggio algoritmico) tutte le sfumature di ci` o che pu` o essere denito come intelligente potremmo costruire un replicante. Purtroppo, secondo chi aerma ci` o, non ` e possibile tradurre tutto questo perch e neppure noi stessi siamo in grado di stabilire con certezza cosa ` e un comportamento intelligente. (2) Lintelligenza ha a che fare con loriginalit` a: nessuna macchina potr` a mai essere originale perch e produce solo le cose per cui ` e programmata e nulla pi` u. Una macchina non potra mai essere umana perch e in essa tutto ` e determinato dalla programmazione fornitagli dal suo costruttore. (3) Una macchina che superi il test di Turing54 potrebbe essere considerata umana, tuttavia, nessuna macchina ha mai superato tale test, dunque, non esistono macchine intelligenti. Questa aermazione riconduce tutto alla possibilit` a di superamento di un test ben denito che dovrebbe poterci dire con certezza se un qualcosa ` e umano oppure no. (4) Non basta che una macchina sembri intelligente, essa deve esserlo realmente. Questa prospettiva prevede che sia possibile stabilire con certezza cosa sia realmente intelligente e cosa, invece, sia meramente una nzione di intelligenza. (5) Una macchina deve essere capace di immagazzinare, raccogliere e trasformare la conoscenza in modo ecace. In questa prospettiva ` e necessario che la conoscenza funzioni davvero secondo criteri di immagazzinazione, reperimento e trasformazione di dati. (6) Una macchina che possa dirsi intelligente non deve recuperare meramente dati deve, piuttosto, essere in grado di correlare singoli pezzi di conoscenza in modo intricato e complesso; inoltre, deve potere mantenere un comportamento dinamico. La cosa veramente importante della conoscenza ` e la possibilit` a di mettere insieme in modo complesso i dati e la possibilit` a di mantenere comportamenti non statici. (7) Lintelligenza di una macchina deve potersi mostrare attraverso lattitudine che essa mostra nel maneggiare alcune competenze ed, in particolare, il linguaggio naturale. In questo senso, si identica lintelligenza con la competenza con cui si padroneggiano delle conoscenze ed in particolare delle speciche lingue. (8) La macchina intelligente deve essere in grado di elaborazione logica e pianicazione. La logica e la pianicazione sono le caratteristiche fondamentali dellintelligenza. (9) Una macchina intelligente deve essere in grado di percepire e di compiere movimenti simili alluomo. La motricit` a e le percezione sono le caratteristiche fondamentali del comportamento intelligente. (10) Nessun computer potr` a mai essere umanizzato perch e non possiede la coscienza. Questa aermazione sostiene, in sostanza, che la coscienza ` e propria esclusivamente delluomo e che essa non pu` o essere in nessun modo trasferita ad alcuna creazione umana, per quanto questa possa essere sosticata. (11) Una macchina non potr` a mai essere intelligente perch e non sar` a mai in grado di provare emozioni e sentimenti. Ci` o che rende intelligenti ` e la possibilit` a di amare, odiare o adirarsi.
54 Per
vedere nello specico come funziona il test di Turing confronta Par. 1.4.1
167
Analizziamo brevemente queste opzioni per vedere se eettivamente esse sono limitazioni reali o solamente pregiudiziali e se, invece, i limiti non debbano essere cercati da qualche altra parte. Allobiezione (1) possiamo rispondere che, in eetti, non ci ` e possibile tradurre tutto ci` o che per noi ` e intelligente in un linguaggio algoritmico, ma non perch e non sappiamo cosa sia davvero un comportamento intelligente, quanto piuttosto, perch e non tutto nella nostra vita funziona secondo algoritmi in senso stretto. Lobiezione, quindi, non ` e valida perch e ci dice una cosa ovvia, ossia che il comportamento umano non pu` o essere tradotto semplicemente in una sequenza di algoritmi, e una cosa falsa, ossia che non sappiamo cosa ` e intelligente: per quanto ci sia dicile denire lintelligenza, siamo sempre in grado di stabilire se un comportamento ` e intelligente o meno55 . Lobiezione (2) ` e una delle pi` u classiche: limpossibilit` a di macchine intelligenti ` e data dal fatto che lo spazio delle macchine ` e uno spazio deterministico, mentre, quello delluomo (e quindi dellintelligenza) ` e uno spazio libero e aperto alla creativit` a. A questa obiezione abbiamo risposto, in realt` a, varie volte, ma torneremo qui, per amore di chiarezza, a discutere il problema. Innanzitutto, bisogna dire che entrambi i domini, sia quello della macchina sia quello delluomo, sono domini determinati. Abbiamo visto (par.3.1 e 3.2) che il sistema uomo essendo un sistema autopoietico deve essere un sistema determinato, se cos` non fosse esso si disintegrerebbe: in questo senso luomo vive anchesso in un dominio di determinazione, e cio` e, date una serie di possibilit` a esso pu` o muoversi liberamente solo allinterno di questi vincoli. Daltra parte, ` e ovvio che anche luomo in un certo senso ` e programmato: il codice genetico ad un livello, o pi` u in generale, le possibilit` a di accoppiamento strutturale, se le potessimo conoscere tutte in anticipo, ci darebbero il programma delluomo. Del resto, le macchine di pi` u moderna generazione, in particolare quelle costruite con reti neurali come abbiamo visto56 , sono anchesse allinterno di un paradigma deterministico e non predeterministico: non siamo pi` u in presenza di macchine le quali data unistruzione non possono che rispondere con uno e un solo comportamento; anche i pi` u obsoleti scacchisti meccanici, di fatto, sia pure in un ambito ristretto erano in grado di produrre non necessariamente una risposta, ma potevano, tra le risposte possibili, scegliere quella che appariva loro pi` u adatta. La terza considerazione ha un duplice risvolto: il primo, di ordine teorico, si riferisce al fatto che dato un test sia possibile stabilire con certezza se un agente ` e una macchina o un uomo; il secondo ` e, invece, di ordine pratico, nessuna macchina ` e mai riuscita a superare tale test e dunque dovremmo poter dire con certezza che, se qualcosa ` e una macchina, essa pu` o sempre essere distinta da un uomo. Cominciamo con lanalizzare il piano teorico dellaermazione57 . Prendiamo in considerazione alcune domande che possono essere fatte allinterno di un test di questo tipo e che sono considerate particolarmente problematiche, ed inoltre, ipotizziamo che in una delle stanze vi sia effettivamente una macchina, mentre nellaltra vi sia un uomo di media cultura che abbia, per` o, accesso a sua volta ad un computer. Cominciamo con le domande58 : Quando ` e stato ucciso il presidente Kennedy?. Questa domanda ` e considerata dicile perch e la macchina deve poter avere accesso ad un vasto insieme di nozioni, ma, al contempo, essa
55 Ovviamente anche qui non dobbiamo dimenticare che a stabilire lintelligenza ` e losservatore standard, ossia, un particolare tipo di osservatore che si pone un determinato tipo di domande. 56 Cfr. par.2.1. 57 Si ricordi qui la confutazione classica del Test di Turing, ossia largomento della Stanza Cinese di Searle [1980]. 58 Le domande qui riportate sono riprese da Harel [2000].
168
deve essere capace di fare una selezione di informazioni: una eccessiva conoscenza dellargomento, si dice, potrebbe insospettire lesaminatore. Ma se il nostro uomo medio, rispondendo, facesse ricorso ai dati disponibili sul computer e facesse mostra di saperne veramente tanto, troppo per un semplice uomo comune, come faremmo a stabilire quale dei due ` e una macchina? Unaltra domanda considerata insidiosa potrebbe essere quanto fa 454886296 x 66407?. Si sostiene che questa domanda sia insidiosa perch e la macchina pur potendo rispondere non sapr` a calcolare i tempi di una risposta umana. Rivolgiamoci, per` o, ancora al nostro uomo con il computer, anche questi, infatti, grazie alluso della macchina potrebbe rispondere troppo velocemente. Ma, a ben vedere, non c` e necessit` a di scomodare il computer: esistono infatti delle persone in grado di compiere dei calcoli del tipo di quello appena descritto ad una velocit` a fuori dal normale; dobbiamo considerarle macchine? C` e poi la richiesta: descrivi i tuoi genitori. Si dice che se anche la macchina fosse in grado di rispondere a questa richiesta, non potrebbe mai rispondere a domande pi` u accurate sullargomento del tipo perch e tuo padre si ` e fatto crescere la barba?, una risposta per una macchina che non sa rispondere dovrebbe essere non lo so!, risposta che anche un uomo qualsiasi potrebbe dare (del resto io non so neppure perch e mi sono fatto crescere la barba, guriamoci se posso sapere le motivazioni personali di mio padre!!). Lignoranza su certi argomenti ` e caratteristica umana: una cosa che davvero mi insospettirebbe di una persona ` e se questa sapesse davvero tutto; ma anche su questo si pu` o opinare: una persona, infatti, sa tutto circa le domande che io gli pongo, quindi riguardo a quello che io so o posso immaginare. C` e, inne, un gruppo di domande che sono considerate impossibili per una macchina: Ti piace questa poesia? Cosa pensi di Dickens? Cosa pensi del fatto che le spese per tenere in piedi la NATO aumentano mentre nel mondo c` e tanta gente che muore di fame?. Si dice che queste domande implichino preferenze e scelte che una macchina non pu` o compiere. A questa obiezione si pu` o rispondere dicendo, innanzitutto, che una macchina potrebbe rispondere comodamente a caso alla prima domanda, e a partire da quella risposta congurare la seconda (le risposte potrebbero essere: S` ; Non lo conosco oppure No; Non amo il suo genere). Inoltre potrebbe rispondere alla terza o esprimersi rielaborando i signicati delle parole contenute in essa59 e a partire da ci` senza sbilanciarsi (rispondendo ad esempio purtroppo ` e cos` che vanno le cose...). Inoltre ci sono delle persone poniamo, degli psicotici, che non sarebbero in grado di rispondere per davvero a queste ultime tre domande: dobbiamo considerare macchine anche loro? Passiamo adesso alla considerazione di fatto implicita nella nostra obiezione di partenza, ossia, che non esistono macchine che abbiano superato il test di Turing. Su questo piano risponderemo solo parzialmente perch e parte della risposta che dovremmo dare qui sar` a loggetto specico delle risposte ad alcune delle domande successive. Adesso vogliamo solo accennare al fatto che sarebbe curioso se ci trovassimo di fronte ad una persona in carne ed ossa non nascosta in una stanza, ma a contatto con noi, e ci chiedessimo se essa ` e una macchina oppure no. Il test di Turing non ` e uno strumento adatto perch e` e ristretto ad un contesto troppo specico (il laboratorio) e perch e chi somministra il test ` e gi` a a conoscenza del fatto che con ogni probabilit` a ci sar` a una macchina in una delle due stanze. Il principio su cui si basa ` e, in sostanza, molto simile a quello adottato dai comportamentisti che pretendevano di stabilire lessenza del comportamento umano partendo dal comportamento dei ratti. Una simile opzione, come
59 Come
fanno, ad esempio, macchine come Eliza che ` e una simulazione di uno psicanalista.
169
abbiamo gi` a visto, incorre in limiti insormontabili e non ` e assolutamente in linea con lapproccio che abbiamo sin qui presentato. La quarta obiezione si rivolge alla possibilit` a che una macchina possa dare limpressione di essere intelligente, senza tuttavia esserlo: questo ` e il caso di alcuni programmi come ELIZA che pur riuscendo a simulare attivit` a umane, tipo lo psicoterapeuta, sono considerate solamente degli imbrogli ben congegnati60 . Il motivo di questa considerazione ` e dettata dal fatto che questo programma opera a partire dal riconoscimento di una certa parola o di una certa frase, in risposta alla quale ` e programmato a scegliere, quasi del tutto a caso, una frase allinterno di un sistema ssato61 . Se osserviamo con cura e senza pregiudizi il comportamento di ELIZA ci appare davvero diverso da ci` o che fa lanalista62 ? Il metodo dellanalista non ` e forse quello di muovere delle biglie a caso allinterno di ci` o che dice il paziente? Ovviamente, non ci sfugge il fatto che lermeneutica delle proposizioni del paziente appartiene solamente ad una prima parte del processo psicanalitico e che in seguito ` e necessaria unanalisi e una soluzione che venga fuori in comune tra paziente e medico. Tuttavia, ` e noto che esistono gi` a dei robot che a partire dallanalisi dei sintomi sono in grado di diagnosticare delle malattie63 . Un programma ELIZA integrato con un diagnosticatore di problemi potrebbe essere un ottimo psicanalista. Andando oltre, potremmo anche aermare che, eettivamente, tutti noi, in una situazione dialogica, orientiamo le nostre risposte solo sulla base delle nostre cognizioni che vengono in contatto cooperativamente con quelle del nostro o esservi infatti eettivo passaggio di alcunch e (luomo ` e un interlocutore64 : non pu` sistema operazionalmente chiuso) il dialogo consiste in un riorientamento reciproco di conoscenze verso attrattori simbolici simili ma distinti. Di fatto, anche noi sembriamo essere intelligenti ma come facciamo poi a sapere se lo siamo veramente, visto che ci comportiamo pi` u o meno come ELIZA nei nostri rapporti dialogici? [...] Questi [il lettore principiante] legge le parole sillabandole faticosamente. - Alcune parole per` o le indovina dal contesto; o forse conosce gi` a in parte a memoria il brano di lettura. Allora linsegnante dice che non legge veramente quelle parole (e in certi casi che nge di leggerle). Se pensiamo a questo leggere, al leggere del principiante, e ci chiediamo in cosa consista il leggere, saremmo indotti a dire: ` e una speciale attivit` a cosciente dello spirito. Dello scolaro diciamo anche: naturalmente soltanto lui sa se legge davvero o se recita semplicemente le parole a memoria. Ma voglio dire: Dobbiamo ammettere che - per quanto riguarda il pronunciare una qualsiasi delle parole stampate - nella coscienza dello scolaro che nge di
[2000]. buon esempio pu` o essere dato dalla domanda rivolta da ELIZA ad un paziente che aveva appena nominato il fratello, ossia, la domanda Mi parli un po della sua famiglia. 62 Sono abbastanza noti dei casi in cui i pazienti una volta visitati da ELIZA hanno preferito continuare con lei lanalisi anzich` e tornare allo psicanalista umano. 63 Spesso si ` e detto che tali macchine incorrono in degli errori che possono essere fatali per il paziente: la macchina pu` o infatti sbagliare linterpretazione dei sintomi e sottovalutarne o sopravvalutarne limportanza. A noi pare che questo sia esattamente ci` o che pu` o capitare anche al miglior medico umano esistente sulla terra. 64 Vedremo nel capitolo successivo la dierenza tra un passaggio di informazione e la signicazione umana. Il fatto di appartenere alla stessa cultura o di parlare la stessa lingua, ovviamente, ci permette di intenderci meglio rispetto ad una situazione in cui parliamo con un uomo di cultura dierente (non occidentale) o di lingua diversa.
61 Un 60 Harel
170
leggerla pu` o aver luogo la stessa cosa che avviene nella coscienza del lettore esperto che la legge. [...]
Ma immagina il caso seguente: a uno che sa leggere correttamente diamo da leggere un testo che non ha mai visto prima dora. Egli ce lo legge - ma ha la sensazione di recitare un brano a memoria (potrebbe essere eetto di qualche droga). Diremmo, in tal caso, che in realt` a non legge quel testo? Assumeremmo qui le sue sensazioni come criterio per stabilire se legge o no? Oppure supponiamo di presentare, ad un uomo che si trova sotto linusso di una certa droga, una serie di segni graci, che non necessariamente devono appartenere a qualche alfabeto esistente, e che egli pronunci alcune parole a seconda del numero dei segni, come se quei segni fossero lettere dellalfabeto; e lo faccia con tutte le caratteristiche esteriori e le sensazioni del leggere. In un caso del genere alcuni sarebbero inclini a dire che il nostro uomo legge quei segni; altri, che non li legge65 . Questa quarta obiezione contro la possibilit` a di intelligenza delle macchine pare del tutto analoga al problema qui rintracciato da Wittgenstein: un problema di non facile soluzione, ma che non riguarda solo le macchine. Il punto (5) e il punto (6) possiamo trattarli insieme, entrambi, infatti, si muovono su un piano leggermente dierente rispetto ai primi quattro: questi ultimi giravano intorno alla nozione di intelligenza, (5) e (6) hanno invece a che fare con la nozione di conoscenza. Ci` o che si sostiene, infatti, ` e che una macchina per emulare correttamente un uomo dovrebbe essere in grado di acquisire conoscenza: nel caso di (5) si dice che questa conoscenza sia semplice immagazzinazione, reperimento e trasformazione di dati; in (6), evidentemente, si confuta (5) sostenendo che la conoscenza non ` e il semplice prodotto di una mera immagazzinazione, quanto, piuttosto, la messa in comunicazione degli elementi pi` u disparati presenti nella coscienza e la possibilit` a di movimento. Ovviamente, la confutazione di (5) ` e eettivamente (6), del resto, ormai, siamo in grado di costruire macchine che conoscono seguendo lo schema proposto da (5), ma esse non ci soddisfano proprio perch e riteniamo che la conoscenza reale non consista in forme cos` elementari di computazione. Il problema su cui dobbiamo concentrarci ` e, dunque, (6). Questa obiezione, in realt` a, possiede ancora dei limiti teorici molto evidenti: lidenticare la conoscenza con la capacit` a di collegare degli enti acquisiti, per quanto distanti concettualmente tra loro, giace su un preconcetto ontologico di non poco conto. Limpegno che prendiamo se aermiamo una simile teoria ` e infatti quello di sostenere che la conoscenza sia un atto puramente passivo di collegamento di enti acquisiti: nessuna conoscenza ` e esterna, il nostro modo di conoscere sarebbe intimamente legato alla nostra capacit` a di elaborazione interna di dati passivamente ricevuti in un primo tempo dal mondo esterno. Tuttavia, questa opzione ` e in netto contrasto con il modo di intendere il sistema uomo che abbiamo sin qui presentato: innanzitutto, sappiamo che proprio per il fatto che un sistema vivente ` e un sistema autopoietico esso non pu` o che essere operazionalmente chiuso, di conseguenza esso non pu` o passivamente ricevere
65 Wittgenstein
[1953] par.156 e 160.
171
alcunch e, pena la disintegrazione del sistema. Inoltre, la conoscenza del mondo, secondo lo schema che abbiamo proposto, ` e data dallaccoppiamento strutturale tra il sistema uomo (mente/corpo) e lambiente, che proprio tramite tale accoppiamento si strutturano e ristrutturano a vicenda: la capacit` a simbolica delluomo ci impedisce di pensarlo come una scatola capace di accogliere informazioni che devono poi essere correlate in modo pi` u o meno complesso. Inne, il nostro corpo secondo (6) sarebbe completamente espunto dallatto conoscitivo, a meno di non considerarlo solamente come una sorta di conduttore che per mezzo del suo movimento ` e capace di portare alla mente i dati che devono poi essere correlati; se il corpo, come abbiamo sostenuto, ` e, invece, fortemente implicato in tutto ci` o che facciamo e/o che siamo, appare evidente che non possiamo accettare il punto di vista per cui le caratteristiche principali della conoscenza (tanto caratteristiche che basterebbe riprodurre queste per riprodurre una macchina simile alluomo) sarebbero quelle descritte da (6). Il punto (7) ci pone immediatamente di fronte a un paradosso: se le capacit` a intellettive di una macchina vanno considerate a partire dalla sua capacit` a di utilizzare in maniera competente una lingua, allora alcuni uomini non possono considerarsi intel` noto, infatti, che alcuni soggetti umani ligenti o devono considerarsi delle macchine. E a causa di decit cognitivi non sono in grado di padroneggiare il linguaggio in maniera competente. Tuttavia, si potrebbe rispondere, che proprio a causa di tali decit non siamo disposti a considerare tali uomini come intelligenti: in questo senso una macchina, se vogliamo porre lanalogia, sarebbe simile ad un uomo con dei problemi cognitivi e, quindi, cos` come facciamo per esso, non siamo disposti a chiamarla intelligente. Volendo dare per buona questa obiezione al nostro argomento66 , non dobbiamo dimenticare che esistono dei casi in cui uomini normali non hanno piena competenza dei vari livelli in cui si struttura una lingua: ci` o accade ad esempio quando un uomo, anche di cultura medio-alta, cerca di imparare una lingua straniera; ` e un dato acquisito della linguistica, infatti, che lapprendimento di una lingua seconda (o di una terza e cos` via), per quanto consenta di avere una buona padronanza, difetter` a proprio per ci` o che concerne la competenza pragmatica. Quando utilizziamo la nostra seconda lingua, infatti, pur non commettendo errori sintattici o semantici possiamo imbatterci in clamorosi errori circa la scelta dei termini pi` u appropriati o circa il contesto in cui utilizzare determinate espressioni. Un esempio dovrebbe rendere il tutto pi` u chiaro: un parlante italiano standard sapr` a sempre con certezza quando usare la locuzione non ho nulla da fare e quando usare, invece, non ho un cavolo da fare; al contrario, invece, un italiano che abbia come lingua seconda linglese, osciller` a sempre tra luso di a sort of e a kind of senza percepire minimamente la dierenza. Daltro canto un inglese standard sapr` a a sempre con certezza quando usare la prima locuzione o la seconda67 . Questa capacit` di discriminare tra due locuzioni che hanno lo stesso senso, ma che devono essere usate in contesti dierenti ` e ci` o che caratterizza le competenze pragmatica e lessicale di una lingua. Vista la nostra premessa, quindi, dovremmo dire che se un requisito, anch e la macchina sia considerata intelligente, ` e la competenza linguistica dovremmo, secondo
66 Di fatto poi, questi soggetti con decit linguistici possono mostrarsi molto intelligenti o arguti in altri ambiti. 67 Naturalmente gli esempi possono moltiplicarsi e diversicarsi. Nel campo della competenza pragmatica pura, un italiano, dicilmente chieder` a ad un altro italiano quanto guadagni?. Di contro, un americano non si porr` a particolari problemi a porre questa domanda ad un suo connazionale.
172
logica, sostenere che un uomo pu` o essere considerato contemporaneamente intelligente e non intelligente, a seconda che esso si esprima nella sua lingua madre o nella sua seconda lingua, ma ci` o, com` e evidente, ` e paradossale. Non pu` o, dunque, essere la competenza linguistica a determinare la possibilit` a di intelligenza di una macchina o di un uomo68 . Il punto (8) a prima vista pu` o apparire insensato: non abbiamo detto prima che proprio leccessivo logicismo pu` o essere ci` o che, durante un test di Turing, pu` o farci dubitare dellumanit` a di uno dei due esseri presenti in una stanza? Bisogna fare una distinzione, qui, infatti, stiamo parlano di comportamento logico e pianicatorio, non solamente di esecuzione logica. Tuttavia, anche sul piano comportamentale il problema ` e facilmente aggirabile: il fatto che lintelligenza possa misurarsi a partire da un comportamento logico e pianicatorio mette in crisi, infatti, anche le capacit` a umane. Quante volte capita, durante la vita di un uomo, che esso non si comporti in maniera logica o, ancora pi` u spesso forse, che esso non riesca a pianicare la sua vita o i suoi comportamenti? Si dice, che anche nellillogicit` a delluomo si celi una logica inconscia e che la mancanza di pianicazione pu` o essere pianicata; ciononostante, questi cambi di livello sono esclusivamente delle strategie operative per consentirci la comprensione di comportamenti che escono dal nostro modo consueto di descrivere le azioni nostre o dei nostri simili: stiamo fagocitando allinterno del sistema coerente del mondo anche quei comportamenti che, di fatto, non lo sono. Di per s e un comportamento illogico rimane tale, solamente una riconcettualizzazione pu` o permetterci di reinserirlo nella logica come o che concerne la pianicazione, in particolare, si dice che la macchina illogico69 . Per ci` non sar` a mai in grado di programmare, ad esempio, un viaggio per la prossima estate. Qui, evidentemente, possiamo fare due obiezioni: la prima, molto banalmente ` e il dire che, di fatto, esistono delle persone che non sono materialmente in grado di pianicare alcunch e e che quindi, se la loro capacit` a pianicatoria deve essere considerata sintomo di intelligenza, tali individui non sono intelligenti, il che ` e paradossale; la seconda, invece, pertiene la costituzione della macchina stessa, ossia, se consideriamo gi` a di per s e la frase possibilit` a di programmare un viaggio per lestate prossima, appare evidente che anche la macchina meno arguta, poich e si parla di progammare qualcosa, pu` o essere messa in grado di decidere una programmazione del tipo viaggio estivo. Ovviamente, nessuno, in un contesto in cui le macchine servono solo ad alleggerire il lavoro umano e a semplicarlo e dove esse si dierenziano costitutivamente dalluomo, si augura di possedere un computer o un robot che ad un certo punto programma una vacanza e va in ferie, si preferisce, dunque, dichiarare impossibile, di principio, che una macchina faccia una cosa del genere. Ci` o che dobbiamo chiederci ` e se, di fronte ad una macchina supercialmente uguale alluomo e profondamente simile ad esso, non saremmo disposti
68 Si potrebbe sostenere che la macchina non ` e intelligente perch e non riesce ad avere competenza neppure della sua lingua madre. Questa ` e in realt` a una falsa obiezione: qual` e, infatti, la lingua madre della macchina? A rigore dovremmo dire che, per le macchine sino ad adesso costruite, la lingua madre ` e lalgoritmo o la lingua binaria e che essa, per forza di cose, ne ha piena competenza. 69 Dobbiamo aggiungere qui, per completezza, due ulteriori considerazioni: innanzitutto, la scelta del regno (logico/illogico) in cui collocare un comportamento avviene sempre secondo i criteri della comunit` a in cui luomo opera (non stiamo parlando qui di una sovversione dei principi logici fondamentali, ma solo di trasgressione di alcuni principi comportamentali); secondo, ` e evidente che quando non riusciamo in alcun modo a ricollocare allinterno dello spazio logico il comportamento di un essere umano lo poniamo immediatamente ai margini del sistema normale, dichiarandolo folle o non sano di mente.
173
ad accettare la possibilit` a che dopo lo stress invernale il nostro replicante decida di andare in vacanza. Il punto (9) ` e uno dei motivi essenziali per cui non siamo disposti a concedere che neppure i robots di pi` u moderna generazione siano macchine intelligenti. Infatti, ` e evidente che anche tali robots non sono aatto in grado di comportarsi in maniera umana: nonostante abbiano la possibilit` a di percepire il mondo esterno e siano capaci di muoversi in esso, queste macchine, non riproducono per nulla comportamenti da umano. Questo, per` o, non dovrebbe sorprenderci pi` u di tanto: pu` o una macchina che non ` e attrezzata per funzionare come un uomo assomigliargli? Lipotesi secondo cui un robot con dei sensori che riproducano i nostri sensi e che abbia la possibilit` a di muoversi sia una macchina simile alluomo ` e del tutto errata. Se quello che abbiamo sostenuto sin qui ` e corretto, la corporeit` a dellessere umano non pu` o essere ridotta ad un mero intreccio di canali sensori e alla possibilit` a di movimento: il corpo ha una funzione molto pi` u importante nella costruzione dei nostri comportamenti e, pi` u in generale, del nostro essere. Lidea che luomo possa essere riprodotto nel modo sopra descritto riduce luomo stesso ad una sorta di scatolone che, per mezzo delle sue pareti esterne, ` e in contatto con il mondo, ma ` e da esso strutturalmente separato, e che al suo interno elabora i dati provenienti dalle pareti esterne costruendo su questo, nel migliore dei casi, la sua vita. Il corpo delluomo, tuttavia, come vedremo tra breve, non pu` o assolutamente essere assimilato ad una scatola dinamica che permane, in ogni caso, al di fuori del dominio della ragionevolezza che il corpo produce di norma in un uomo reale. Per quel che concerne i punti (10) e (11) abbiamo deciso di analizzarli insieme poich e, in eetti, risiedono sullo stesso pregiudizio di fondo: ci sono delle qualit` a intrinseche delluomo che nessun altro pu` o avere. Il pregiudizio, ancora una volta, non ` e un pregiudizio sulle macchine ma sulla natura umana: si sostiene qui, infatti, non solo che coscienza e sentimenti sono il proprio delluomo, ma anche che esse sono separate, in qualche modo, dalla nostra corporeit` a: sostenere infatti che nessuna macchina sin ora costruita ha manifestato coscienza o sentimenti equivale a dire, a nostro avviso, che coscienza e sentimenti dovrebbero essere un fatto di pertinenza esclusiva della mente o del cervello. Abbiamo sin qui visto che i calcolatori in modo pi` u evidente e i robots in modo pi` u velato, sono sempre e comunque tentativi di implementazione di menti e mai di sistemi viventi veri e propri. Riteniamo che proprio qui debba ravvisarsi il punto focale del fallimento della costruzione delle macchine veramente intelligenti: il corpo delluomo non ` e da esso estraibile come un qualcosa di superuo, esso ` e parte integrante e necessaria di ci` o che ci caratterizza come esseri intelligenti. In questo senso, possiamo dire, non c` e simbolismo senza un corpo. Del resto, quello che stiamo dicendo appare evidente non appena ci si avvicini agli studi sulla coscienza: essa ` e considerata o come una produzione di un particolare tipo di cellule nervose presenti nel cervello70 o come un problema pseudoscientico e, in conseguenza di ci` o, insolubile. Se si considera il punto di vista riduzionistico delle neuroscienze, appare chiaro che il problema della coscienza ` e un insuperabile macigno per limplementazione di macchine intelligenti: se non sappiamo come collocare nel cervello le cellule coscienti come facciamo a riprodurle su un cervello articiale? Se, invece, provassimo a considerare la coscienza non come il semplice prodotto di alcune esotiche cellule cerebrali, ma come un fenomeno naturale che sorge dallunione indissolubile di mente e corpo, allora lenigma potrebbe apparire meno oscuro. Lo stesso, com` e ovvio,
70 Confronta
Tononi [2003]; Churchland [1981; 1984].
174
deve essere per ci` o che concerne i sentimenti: non c` e amore, odio o ira senza un corpo; un cervello isolato in una soluzione salina non potr` a mai provare sentimenti. Si potrebbe obiettare che abbiamo prima sostenuto che la caratteristica principale delluomo ` e la sua capacit` a simbolica: questo, ovviamente non ` e in contrasto con la presenza del corpo, anzi, potremmo dire, alla nascita del simbolismo ` e necessaria una certa tipologia di corporeit` a71 e che senza di essa il nostro modo di simbolizzare non sarebbe lo stesso. Il corpo di cui stiamo parlando qui, ovviamente, non ` e, come spesso intendono alcuni scienziati cognitivi, riducibile al cervello, esso, come abbiamo mostrato precedentemente, ` e per certi versi non delimitabile con certezza, esso ` e ci` o che ci rende come siamo ed ` e, come ripetuto pi` u volte, inseparabile sia della mente che dallambiente in cui ` e radicato. Proprio la storia di questo radicamento, le sue fasi, possono considerarsi i segni dellintelligenza umana. La costruzione di una macchina intelligente, quindi dovr` a basarsi su questi criteri, sulla possibilit` a che essa assomigli anche dal punto di vista corporeo alluomo: a nostro avviso, ` e questo il discrimine per costruire un replicante. Ci` o, ovviamente, non signica che tale macchina dovr` a essere composta di carne e sangue, ma solamente che essa dovr` a essere capace di accoppiamento strutturale in modo da potere costituire il suo universo: la scelta, la coscienza e i sentimenti potranno sorgere solo a partire da tale accoppiamento72 . Possiamo a questo punto proporre uno sviluppo di quelle caratteristiche che abbiamo considerato essenziali per la denizione di un replicante umano nella precedente Tesi 3.3.2: Tesi 3.4.1 Per permettere la costruzione di una macchina intelligente secondo i criteri da noi enunciati precedentemente sar` a necessario che la macchina non solo abbia un interno umano, ma che abbia, anche unesteriorit` a del tutto simile alluomo.
71 Abbiamo gi` a accennato, ad esempio, alla necessit` a di alcuni mutamenti che si sono resi necessari per permettere la nascita del linguaggio verbale (confronta nota 10 par. 3.1) 72 In questo senso merita una nota lo statuto della Psicologia (e non della Psicoanalisi o Psicologia dinamica) intesa come scienza. In questi anni, in Italia, essa si ` e separata dalla medicina e dalla losoa per diventare una disciplina autonoma; le ragioni di questo divorzio, si dice, ` e dovuta alla necessit` a di renderla pi` u libera dai domini scientisti della medicina e dalle astrattezze della losoa. Tuttavia, mediamente, il risultato ` e stato quello di creare una disciplina schizoide: da un lato essa reclama a gran voce scienticit` a, dallaltro, lavora su strumenti teorici propriamente losoci senza per` o analizzarli con la dovuta cura. Inoltre, grazie allabbandono della prospettiva medica, essa ha messo tra parentesi prima, e dimenticato del tutto poi, che il suo oggetto di studi ` e luomo nella sua complessit` a e non esclusivamente la parte mentale o cerebrale di esso. La rimozione del corpo in psicologia ha portato, quasi di riesso, la rimozione dello stesso nelle ricerche per la costruzione di macchine intelligenti: del resto, se la disciplina che per statuto ha a che fare con lintelligenza non si occupa del corpo, non c` e nessun motivo per cui dovrebbero farlo gli studiosi delle macchine. Inoltre, ogni tentativo losoco di rendere edotta la psicologia circa il recupero della corporeit` a, raggiunto con fatica dalla losoa stessa, ` e stato salutato come lennesimo tentativo dei loso di intrufolarsi in un ambito che non gli ` e pi` u proprio e, inoltre, come il solito irriducibile tentativo di questi ultimi di dichiarare non denitivamente morta la loro disciplina che, secondo gli psicologi pi` u oltranzisti, non parla altro che di astrattezze che poco hanno a che fare con la realt` a. Questa fuga dallastrattezza (losoa) e dalla corporeit` a in generale (medicina) ha reso la psicologia virtualmente sorda ad alcune interessanti risoluzioni di problemi esistenti al suo interno ed, inoltre, lha denitivamente consacrata come la disciplina dellattesa : prima o poi tutto potr` a essere spiegato secondo criteri neurosiologici. Nellattesa, tuttavia, speriamo che qualcosa accada...
175
Solo attraverso la costruzione di una psicologia che accolga in s e anche la corporeit` a potranno essere costruite delle macchine analoghe alluomo.
3.5
Verso un ritorno alluomo
Allinterno di questo capitolo abbiamo delineato una prospettiva che, partendo dallanalisi dei sistemi viventi, ci ha ri-condotti a considerare in una nuova ottica i sistemi articiali. In particolare, abbiamo visto come qualunque tentativo di sviluppo di una teoria dellintelligenza articiale parta sempre non da concetti o giudizi riguardo la sua propria natura, quanto piuttosto da teorizzazioni relative ai sistemi viventi. Questa ovviamente ` e la prassi metodologica che deve necessariamente essere seguita quando e perci` o da una si cerca di ricreare articialmente delle qualit` a proprie dei viventi73 : ` rimodulazione dellanalisi di questi ultimi che occorre ripartire per proporre un nuovo percorso allinterno delle teorie dellarticiale. Il nostro scopo ` e stato pertanto quello di evidenziare come allinterno del paradigma cibernetico dominante, che pure fa dellorganizzazione il nucleo centrale del funzionamento di un sistema, occorra sviluppare due percorsi teorici essenziali alla determinazione del sistema uomo: ci riferiamo ovviamente alle relazioni individuo-ambiente e individuo-collettivit` a. Partendo da questi presupposti, nel capitolo seguente ci proponiamo di ricondurre questo percorso teorico circa le possibilit` a della costituzione di intelligenze articiali, alla sua originaria matrice losoca: ripensare la natura dellindividualit` a umana, e perci` o stesso della sua intelligenza, a partire dalla sua natura bi-relazionale e multi-dimensionale.
73 Tale prassi metodologica non pu` o ovviamente applicarsi nellipotetico caso in cui si volesse creare un sistema che non abbia lintelligenza vivente come modello.
Capitolo 4
Prolegomeni ad ogni futura Cibernetica

Solo i Greci riuscivano a denirlo come Hals, il sale, il mare in quanto materia, P elagos, la distesa dacqua, il mare come visione, spettacolo, P` ontos, il mare spazio e via di comunicazione, Th` alassa, il mare in quanto evento, e inne K` olpos, lo spazio marittimo che abbraccia la riva, il golfo o la baia J.C. Izzo - Les marins perdus
4.1
Dallinformazione al signicato
Come noto dalla precedente trattazione delle nozioni di base della Teoria dellInformazione1 , uno dei presupposti teorici fondamentali dellapproccio di Shannon e Weaver era la restrizione del campo di interesse ad una prospettiva puramente ingegneristica, basata sullanalisi dei circuiti comunicativi in termini di sorgente - usso di dati - ricevente2 . Questo modello escludeva dalla nozione di informazione in questione, la sua intrinseca natura semantica, portatrice di signicato e quindi determinante nel trasformare il messaggio in comunicazione, la cui corrente di signicati stabilisce la pratica dellinterazione. La struttura matematico-probabilistica sulla cui base veniva sviluppato il concetto di informazione non necessitava, per una trattazione scientica, di alcuna complicazione quale la spiegazione della nozione di signicato. Eppure, tutto il processo di sviluppo nora osservato, dalle origini dellIA alla Robotica, alle Reti neurali ecc., ci ha indicato uno slittamento di prospettiva, che ha tentato di estendere il contesto sintattico-causalistico-segnico proprio della macchina, ad un orizzonte pi` u esteso, semantico-decisionale-simbolico. In questo senso, tale svolta segna il passaggio da una descrizione rappresentazionale delle nozioni alla base dei processi intelligenti, ad una spiegazione costruttiva che pone il segno sul ruolo della relazione elementare tra agente ed ambiente. Lesempio della
1 Cfr. 2 Si
cap.1, par.5 riveda al proposito la gura 1.3 del presente volume.
177
178
teoria dellinformazione, che abbiamo scelto in apertura di questo capitolo, ` e paradigmatico per mostrare linsucienza di un unico livello fondamentale di osservazione, quello sintattico appunto nel caso della Teoria dellInformazione, e la necessit` a di una prospettiva in grado di cogliere la necessaria complessit` a di diversi livelli teorici sovrapposti. Il primo passo in questa direzione ` e ovviamente una considerazione dellessenzialit` a della coppia strutturata sintassi/semantica, riconsiderata alla luce dellintima co-presenza di segno e signicato. Il segno rappresenta in questo contesto la nozione sintattica che funge da elemento della struttura informazionale, loggetto determinato da un calcolo di regole (stocastiche, nel caso della Teoria dellInformazione) che governa lintelligenza meccanica degli esordi. Eppure, la nozione stessa di informazione nasce intrinsecamente legata alle operazioni di codica e decodica, che implicitamente la determinano come messaggio: il segno ` e sintatticamente elaborato, e su questa base semanticamente neutro, ma il suo ne proprio consiste nel fare emergere un signicato funzionale alla comunicazione. Partendo dagli stessi presupposti, la Cibernetica di Wiener sposta lattenzione dal controllo di un sistema alla sua organizzazione, indicando il suo principio di funzionamento non nello schema input-output, piuttosto nella relazione di determinazioni reciproche delle varie componenti del sistema. E sulla stessa scia laccoppiamento strutturale che (nella tradizione di Maturana e Varela) abbiamo descritto come la determinante del rapporto sistema-ambiente, funge da metodo ricorsivo di or` dunque facile notare che in questi percorsi teorici si ripresenta e raorza ganizzazione. E la necessit` a del passaggio dallinformazione semplice al signicato complesso. Con questo tipo di analisi si cerca di illustrare come il mantenimento delle strutture sintattiche debba essere interpretato funzionalmente al sorgere del dominio di signicato: abbiamo cercato di mettere in evidenza tale connessione in un percorso che ci ha condotto dal calcolatore allanalisi del sistema-uomo, attraversando il mondo dei robots. La Robotica, infatti, potrebbe parzialmente essere considerata come un regno di insorgenza, allinterno dellarticiale, di questa capacit` a di accoppiamento di elementi indispensabili ad una congurazione completa di un certo sistema di relazioni, nora realizzato solo dalluomo. Tuttavia, le lacune in questo percorso sono da rilevare in almeno due ambiti: primo, lassenza di strutture corporee realmente complesse, e in secondo luogo la totale mancanza di un livello di interazione che ci permetta di pensare realmente in termini di scambio comunicativo, nalizzato ad una costruzione sociale. Al di l` a dellattuale stato della ricerca in Intelligenza Articiale e Robotica, che si presenta manchevole sotto molteplici aspetti, ci` o che in questa sede ci preme sottolineare ` e la profonda dimensione losoca che dallanalisi di tali ricerche aora. Infatti, in una prospettiva di analisi teorica ampia dei temi qui trattati, appare necessario ed inevitabile ragionare in termini di interazione e comunicazione: nellinterpretazione dellessere vivente come sistema, lo spazio chiuso e diretto della circolazione di dati ` e impossibile. Ogni struttura vivente ` e in realt` a una rete di relazioni tra viventi, che perci` o stesso riconosce il suo medium naturale nello scambio comunicativo (non necessariamente linguistico). Comunque si conguri tale scambio, esso ` e costituito da signicati, da domande e risposte, dallessenza della relazione e della comunicazione delle intelligenze.
179
4.2
Introduzione al problema e denizioni
Ci` o che svilupperemo nelle successive sezioni ` e la ricongurazione della peculiarit` a umana, che nora ` e stata limitata ad un dibattito sui processi intellettivi, focalizzando lattenzione sulla centralit` a dei due ordini di relazione che dovrebbero, a questo punto, apparire chiaramente essenziali: la relazione tra individuo e ambiente e quella tra individuo e collettivit` a. Questo livello di teorizzazione passa necessariamente, come vederemo in seguito, per quella (ri)attualizzazione del corpo che ` e stata esposta nel capitolo precedente. Partendo dallassunzione di queste due relazioni essenziali alla determinazione del sistema-uomo, potrebbe essere facile cadere nellerrore di considerare tali relazioni come due piani separati di concettualizzazione: il primo, in cui lindividuo si relaziona con un ambiente scevro da qualunque presenza antropica, perci` o a s e stante, che potremmo chiamare natura ; il secondo in cui sussiste il rapporto puramente umano tra un individuo e i suoi simili, che potrebbe denirsi societ` a e che notoriamente secondo la dicotomia classica prende il nome di cultura. Ci riferiamo invece rispettivamente con ambiente e collettivit` a a due concetti, sostanzialmente funzionali, che vanno intesi in un senso alternativo rispetto a quelli di natura e societ` a, proponendoci con ci` o di riconsiderare proprio quel rapporto tra natura e cultura che ` e al centro dellanalisi losoca del sistema uomo. Secondo la dicotomia classica appena menzionata, la relazione tra natura e cultura si congura in termini di due ambiti assolutamente distinti e relati per dierenza, allinterno dei quali luomo ` e misura di tutte le cose. Egli ` e al centro di una distinzione tra oggetti ed elementi naturali dati e oggetti e comportamenti culturali prodotti; ` e inoltre una sorta di Giano bifronte, che da un lato possiede delle caratteristiche esclusivamente legate alla sua origine naturale, e dallaltro gode di una potenzialit` a egemone nei confronti della pura natura proprio in funzione della sua produttivit` a culturale. Sotto il primo punto di vista, la distinzione tra oggetti di natura e di cultura appare (almeno in prima analisi) evidente: ` e facile individuare come oggetti naturali il mondo in s e (dalla struttura dellatomo ai regni animale, vegetale e minerale), le leggi che lo regolano, i bisogni primari (come la nutrizione, la riproduzione e lautodifesa). Daltro canto esistono i comportamenti e gli oggetti prodotti dalla cultura, come le capacit` a umane dalla scrittura allarte nei suoi vari campi (letteratura, arti nobili, comicit` a), la religione e i riti magici, sino a considerare attivit` a pi` u volgari come il fumare, truccarsi, indossare gioielli ecc. Tuttavia, ` e innegabile che anche allinterno di una chiara distinzione degli oggetti che possiamo determinare come naturali o culturali, proprio in funzione di quellegemonia che caratterizza il sistema uomo, chiunque ` e disposto a sostenere che esiste uninuenza delle scelte culturali su tutti i comportamenti naturali: le modalit` a in cui i bisogni naturali vengono soddisfatti, ad esempio, sono decisamente regolati dalla cultura di riferimento degli individui, e questo ` e evidente nel caso dei cibi e della loro cottura, nelle scelte e nei comportamenti sessuali, nel caso del soddisfacimento dei bisogni relativi al clima. Non bisogna per` o pensare che tale inuenza degli attributi culturali su quelli naturali inci lassunto di base che natura e cultura siano due sistemi totalmente dierenti: non appena infatti si analizzano dei comportamenti quali ad esempio il tradimento o laggressivit` a, chi si basa sulla dicotomia classica ` e portato inevitabilmente a sostenere che tali manchevolezze siano da attribuire al ` momentaneo sopravvento degli istinti naturali sulla pi` u nobile razionalit` a culturale. E opportuno sottolineare daltra parte anche lerrore inverso, ossia tutti quei casi in cui
180
si sostiene il cosiddetto mito del buon selvaggio, il cui immaginario propone lessere umano inteso come essere totalmente naturale e perci` o stesso del tutto privo delle storture e della malizia provocate dalle sovrastrutture culturali. Del resto, questa attitudine teoretica ` e evidente quando si pensi alla classica divisione tra scienze che si occupano del dato naturale, o scienze dure, e scienze che trattano degli oggetti culturali, o scienze umane. Proprio partendo a ritroso da questa separazione tra le scienze possiamo cominciare a mostrare come questa netta dicotomia tra natura e cultura sia da considerarsi errata. Infatti, se da un lato, in prima analisi, molti siano disposti a sostenere che la sica ad esempio sia una scienza dura tout court, o al contrario che la critica delle arti sia in tutto e per tutto una delle scienze delluomo, non appena si sposta lattenzione su delle scienze quali la biologia o la linguistica, tale ecumene viene di fatto a mancare. La biologia o la linguistica sono, per loro stessa costituzione, delle scienze miste, ossia esse hanno a che fare con dati e metodologie proprie sia delle scienze dure sia delle scienze umane: ad esempio, la linguistica pur partendo da dati sici quali sono gli elementi fonetici e fonologici, sviluppa teorie che non sono riconosciute come scientiche nel senso in cui lo ` e una teoria sica. Allo stesso modo, la biologia soprattutto nel corso del 900 ` e stata riconosciuta come un caso paradigmatico di scienza che a fuoriesce dai canoni classici tipici ad esempio della sica3 . Daltra parte, se le propriet` e la sistematicit` a delle scienze dure hanno inuenzato anche il modo di costruire gli apparati delle scienze umane, ` e innegabile che lo sviluppo stesso delle prime sia legato indissoubilmente a caratteri appartenenti al mondo culturale e allo sviluppo sociale: pur volendo mantenere indipendente la validit` a dei risultati scientici, veritieri in quanto prodotti da una metodologia corretta, di scienze quali la matematica o la sica, rimane impensabile astrarre uno qualunque di tali risultati dal contesto storico-sociale in cui essi sono stati prodotti, e di cui essi fanno pienamente parte anche in termini di sviluppo culturale. In questo senso, la distinzione cartesiana tra res cogitans e res extensa si congura in tutto e per tutto come un risultato scienticamente valido nel contesto in cui fu pensato: la ghiandola pineale, pur non costituendo il criterio rigido dellesperimento per come esso ` e pensato dalla scienza moderna, risponde in eetti alla necessit` a di una fondazione scientica della teoria e in ci` o rappresenta il modo pi` u coerente di pensare il rapporto tra mente e corpo allinterno del pi` u ampio quadro scientico di riferimento. Altro caso esemplare ` e quello della matematica, scienza dellesattezza per eccellenza: essa ` e fondata in accordo al principio della correttezza logica come essenza stessa della scienza. Il risultato matematico rappresenta, dunque, il prototipo delloggetto vero indipendente da qualsiasi inuenza contestuale, della scoperta storica che rispetto ad esso ` e puramente accidentale: questo ` e il paradigma intuitivamente pi` u valido e perci` o egemone nei confronti della matematica. Ma nel corso dei secoli, in particolare a seguito di quei problemi che la matematica stessa ha posto alluomo, tale paradigma si ` e indebolito, dando vita ad uno dei dibattiti pi` u intensi e stimolanti dellintera storia della scienza. Il concetto stesso di verit` a matematica ` e stato rivoluzionato, sino a porre la sua validit` a in diretta connessione e dipendenza con latto della scoperta in termini di dimostrazione4 . Questo processo ha solo in parte inuenzato la pura prati[1997]; cfr. per questo argomento quanto gi` a detto nel cap.3.1.1. dibattito, generato dalla gi` a citata Crisi dei Fondamenti, ha dato vita alle diverse scuole del realismo e del costruttivismo, che proprio sulla natura del concetto di verit` a matematica ancora oggi dibattono. Altri approcci losoci come il naturalismo si inseriscono a pieno titolo in questo dibattito, del quale noi vogliamo solo riferire in termini esemplicativi al nostro discorso pi` u generale.
4 Questo 3 Mayr
181
ca matematica, ma presenta levidente ingresso della riessione losoca nel modo di pensare e concepire ci` o che ` e loggetto matematico, nella distinzione tra il vero come oggetto in s e, scoperto ma non generato dalla dimostrazione, o alternativamente come risultante allesistenza proprio per mezzo dellatto di dimostrare. In particolare, questa seconda prospettiva (costruttivismo) riporta lassolutezza del dato matematico allagire storico dello scienziato, evidentemente inserito in un contesto che agisce sul suo modo di ottenere i risultati (comunque giusticati in termini di pura coerenza dimostrativa). Inoltre la cultura ` e allorigine dellidea stessa di scienza della misurazione: ci` o ` e evidente nel suo sorgere come risposta alle pratiche necessit` a del lavoro dei campi e del commercio tra babilonesi, egizi e greci, o ancora pi` u sorprendentemente, nei casi straordinari come quello del mitico matematico Ramanuyan, i cui eccellenti risultati diceva essere ottenuti per puro senso religioso. Questi esempi e riferimenti non inciano certamente il senso della matematica quale struttura metodologica e scienza esatta, vogliono piuttosto solo indicare uninnegabile relazione che esiste tra la matematica e il contesto in cui essa nasce, modicandone lidea, gli scopi e in questo senso anche i risultati. Questo reciproco inusso tra scienza e il suo contesto socio-culturale ` e adesso facilmente riconoscibile nello sviluppo di tutte le scienze naturali o umane: un altro caso eccellente ` e quello dellastronomia, il cui sviluppo ` e stato determinato da un impianto teorico-teologico-cosmologico dominante (Keplero) a suragare il quale si ` e ricercata la validit` a del dato, creando con ci` o implicitamente i presupposti per la vera e propria nascita della scienza (Copernico), che daltro canto si ` e attualizzata solo grazie a quello sviluppo parallelo della tecnica (prodotto indubbiamente culturale) che ha fornito gli strumenti necessari a tale rivoluzione.
4.2.1
Struttura delle relazioni
Conseguenza evidente di questa pur breve analisi del rapporto tra natura e cultura, ` e la necessit` a di una revisione della loro relazione: questi due concetti non vanno dunque pi` u pensati dicotomicamente, bens` reciprocamente; non vi ` e tra i due un elemento base che possa essere considerato pi` u fondante dellaltro, entrambi questi concetti si sono, dalla comparsa delluomo sulla terra, evoluti in un intreccio indistricabile che ha dato vita a quella che potremmo denire una storia naturale, che ` e cos` identicabile come uno dei caratteri distintivi della specie umana. Da tale evoluzione senza fondamento si sviluppa quella triplice relazione tra individuo, ambiente e collettivit` a che ` e alla base della vita stessa delluomo. In questi termini, infatti, non potr` a pi` u pensarsi un individuo che non sia parte di una collettivit` a e che non abbia radici in un ambiente che lo circonda; un ambiente che non abbia al suo interno un individuo e che non sia in contatto diretto con una collettivit` a; e inne una collettivit` a che non sia formata da individui e che non sia radicata allinterno di un ambiente ben denito. Inoltre questi tre termini non soltanto sono in relazione gli uni con gli altri, ma si modicano gli uni gli altri, mantenendo un equilibrio stabile che ne permette lo sviluppo e lesistenza stessa. Questa triplice relazione quindi individuo a ambiente collettivit` pu` o essere denita come un vero e proprio ente relazionale che prevede al suo interno un continuo rimando da un vertice allaltro della gura. Tali rimandi sono a nostro

182
avviso governati da una sorta di processo equilibrante che opera allinterno dellente e che rende eguali le inuenze dei tre vertici. Tale forza la deniamo Cultura Reale. La cultura reale ` e in sostanza un equilibratore che permette la coesistenza in un unico momento dei tre inussi, che sono per loro stessa natura distinti ma congiunti. A partire dal concetto di cultura reale si pu` o sostenere che un buon esempio di equilibrio tra i tre poli siano i cosiddetti sviluppi ecosostenibili : tale modello infatti consente di tenere insieme le esigenze dei singoli individui, la sussistenza dellambiente e le necessit` a di sviluppo delle diverse collettivit` a. In conseguenza di ci` o, potremmo dire che dallo sviluppo ecosostenibile discendono tre parametri direttamente connessi ai vertici dello schema:
a. ecologia, ossia lo sfruttamento responsabile in quanto limitato dalla presenza dellelemento ambiente nel circuito di relazioni; b. interculturalit` a, ossia la presa di coscienza della presenza contemporanea di dierenti tipi di collettivit` a, ognuna delle quali presenta il suo proprio valido equilibrio allinterno della struttura sopra descritta; conseguentemente c. benessere, ossia la soddisfazione individuale ricavata dallo stato paritario dei rapporti di inuenza tra ciascuna delle componenti della collettivit` a cui si partecipa e dellambiente di cui si ` e parte.
Il risultato complessivo di un tale equilibrio delle funzioni e delle richieste dei costituenti relazionali, non pu` o che essere un universo in cui la lotta diviene superua e di conseguenza un universo in cui domina la Pax :
individuo a ambiente collettivit` Cultura Reale Sviluppi ecosostenibili Ecologia Benessere Interculturalit` a PAX

Questa visione ` e ovviamente in netta opposizione al paradigma dominante realizzato, che ha tuttaltra struttura. In parte abbiamo gi` a detto di come dalla dicotomia natura-cultura venga fuori una concezione del mondo falsata e che per conseguenza produce una relazione di rapporti di potere isterica e distruttiva. Allindividuo ` e sostituito
183
lanonimo essere vivente, allambiente la neutra natura, alla collettivit` a la dispersiva societ` a: essere vivente natura societ` a Questo schema non pu` o essere dominato da quel processo equilibrante che abbiamo denito cultura reale, ed invece prevede di volta in volta la supremazia di un polo sugli altri: a1. supremazia della natura, ovvero la risposta di questultima al controllo sfrenato e irresponsabile delle risorse e dei beni naturali, inevitabilmente in termini di disastri naturali; a2. supremazia della societ` a, ovvero limposizione da parte di un gruppo egemone della propria cultura, considerata come lunico modello possibile e perci` o stesso vero e giusto, ed applicata indiscriminatamente su tutti gli individui e gli ambienti; conseguentemente a3. disagio, ossia la condizione in cui ogni individuo ` e continuamente insoddisfatto e alla ricerca di un miglioramento del suo stato, che prevale su ogni logica di convivenza e coabitazione. Appare chiaro, inne, che da questo quadro di riferimento, non potr` a che derivare una lotta per il predominio e lo sfruttamento delle risorse e del momento favorevole, a discapito di quellequilibrio necessario alla sopravvivenza non soltanto dellessere umano, ma di tutto il pianeta: essere vivente natura societ` a Potere Sviluppo insostenibile Disastri Disagio Egemonia LOTTA In questo senso, la via duscita da questa spirale non pu` o che essere listaurazione dellequilibrio sopra citato derivante dalla Cultura Reale.
184
4.3
Ritorno al signicato
Il linguaggio, disse, altro non ` e che il nostro personale modo di spiegare lo splendore e la meraviglia del mondo. Per decostruirlo. Liquidarlo. Diceva che la gente non ` e in grado di reggere la vera bellezza del mondo. Il fatto che non possa essere spiegata o compresa. C. Palahniuk - Choke
Nel rapporto tra il soggetto inteso come individuo e i suoi referenti relazionali, ambiente e collettivit` a, si denisce dunque una struttura ontologica essenziale, che interpreta in forma radicalmente diversa i costrutti del reale. Come visto, tali relazioni sono intrinsecamente reciproche e complementari, ovvero ciascuno degli elementi presenti nella relazione ` e co-determinato e di conseguenza sussiste solo allinterno di tale relazione. Detto questo, appare chiaro come le precedenti denizioni del concetto di informazione siano inadeguate a rendere esplicito lo scambio comunicativo che sussiste tra i poli relazionali. Il tipo di comunicazione che tale sistema mette in gioco, ` e costituzionalmente dierente rispetto allo schema tipico del canale classico di informazione. Infatti, per comprendere lessenza di una tale relazione, occorre ripensare radicalmente il concetto di informazione in termini che lo riprongono (con un gioco etimologico) come sistema di produzione di forma : ` e propriet` a costitutiva di questo sistema lassenza delle gure di riferimento dello schema classico, quali lemittente, il ricevente e il canale su cui il usso informativo scorre a senso unico. La comunicazione va qui intesa non come una connessione tra un emittente ed un ricevente, quanto piuttosto come un usso vitale necessario alla sussistenza delle parti coinvolte nella relazione: la sussistenza di ognuna di tali parti ` e di fatto legata indissolubilmente allo stesso scambio informativo che costituisce il fondamento della relazione, e senza cui le parti in gioco non sono realmente pensabili. Al tempo stesso, il tipo di informazione coinvolta in tale relazione ` e qualitativamente dierente: se il sistema classico di informazione ` e strutturato sul principio stocastico della frequenza, nella forma inversa che connette la minore occorrenza alla maggiore informativit` a, tale struttura appare adesso inadeguata e riduttiva in un contesto che per sua stessa natura si fonda sulla nozione di signicato. Proprio allo scopo di introdurre la nozione di signicato allinterno di questo dierente modello comunicativo, ` e necessario abbandonare il concetto di frequenza e ripensare una nuova dimensione a relativa aldellinformazione a partire dal concetto di intensit` a 5 . La nozione di intensit` linformazione svolge un essenziale ruolo teorico: essa riuta lindierenza semantica del bit quale unit` a primaria dellinformazione. Per la Teoria Statistica dellInformazione la codica dei messaggi produce stringhe binarie incapaci di esprimere dierenza rispetto al messaggio condotto. Eppure la comunicazione si dierenzia proprio nella relazione tra gli elementi in essa espressi e il contesto che li produce e li riceve, in un circolo continuo di ri-signicazione. Lidea di intensit` a esprime esattamente il variare di gradazioni cui il messaggio ` e inevitabilmente sottoposto nella sua funzione comunicativa, laddove esso costituisce la tta trama di condizionamenti reciproci tra gli individui e il loro contesto (ambiente e collettivit` a). Linformativit` a di un messaggio risponde a diversi ordini di registro che non sono esauriti unicamente dalla sua imprevedibilit` a, cio` e il rapporto che lega minore probabilit` a a maggiore informazione. Vi sono infatti innumerevoli altri trat5 Cfr.
Simondon [1989].
185
ti signicativi che condizionano non soltanto la quantit` a dellinformazione espressa, ma anche la sua qualit` a, trasformando cos` loggetto teorico in questione da informazione meccanica a signicato. Il sistema comunicativo classico, come sappiamo, ` e strutturalmente chiuso: in esso linformazione uisce a partire dallemittente in un processo a senso unico che non si sottrae mai alla comprensione del ricevente. Infatti in esso le chiavi di codica e decodica sono comuni ad entrambi i poli, e ci` o rende paradossalmente mai completamente estraneo il usso di comunicazione. In questo senso bisogna intendere dunque il ruolo della probabilit` a: in un tale sistema, un messaggio pu` o soltanto essere altamente improbabile e per questo portare con s e un elevato livello di informazione. Ma tutto ci` o che si pu` o dire pu` o essere compreso, e quanto risulta incomprensibile al ricevente ` e determinato come rumore. Lo scopo stesso di un canale informazionale ` e in questi termini quello di condurre il messaggio procedendo alla rimozione di tutto ci` o che risulta estraneo allatto di decodica, ci` o che dunque esula dai registri preformati del ricevente. Del resto, allo stesso modo, abbiamo gi` a visto come i sistemi autopoietici, che possono constare anche di un solo soggetto, per mantenersi in equilibrio e non collassare, devono di fatto essere anchessi informativamente chiusi. In questo senso, nch e vogliamo semplicemente stabilire il quantitativo di informazione che si trova allinterno di un sistema vivente, possiamo semplicemente rivolgerci alla teoria statistica; nel momento in cui invece volessimo comprendere che genere di scambi signicativi si svolgono allinterno di un tale sistema, siamo costretti a mutare registro e a rivolgerci ad una diversa teoria dellinformazione. Se continuassimo infatti ad utilizzare la teoria statistica, niremmo per decretare il collasso del sistema stesso, nel momento in cui tali scambi sono di fatto dei processi di codica e di decodica semantica. Daltro canto non si ignora qui limportanza e lessenziale apporto oerto dalla gi` a citata Teoria Semantica dellInformazione, che si propone a partire dagli anni Settanta di sviluppare proprio quel livello che la versione sintattica escludeva, cio` e il problema del signicato, o forse meglio della trasformazione del messaggio in comunicazione. Ma lapproccio che nel seguito si intende suggerire risponde ad unesigenza diversa, ovvero quella di integrare lanalisi del rapporto tra individuo e comunit` a presentata nelle sezioni precedenti, e orire a questa struttura la base concettuale necessaria, ovvero una nuova determinazione del concetto di informazione.
4.3.1
Teoria intensiva dellInformazione
Un primo essenziale elemento che ` e stato individuato nello studio dei sistemi classici di comunicazione, e a cui abbiamo accennato come discriminante nella determinazione del nuovo concetto intensivo di informazione, ` e il sistema codica-decodica. Ci proponiamo adesso un ripensamento di tale operazione, la quale si presenter` a come nucleo teorico centrale per la nuova teoria dellinformazione. Il sistema di riferimento per una tale teoria va pensato come un sistema informazionalmente dinamico, il cui concetto di informazione ` e determinato come intensivo. La dinamicit` a di un tale sistema fa proprio riferimento alloperazione di codica-decodica, non pi` u pensabile secondo un registro ssato. Ci` o vuol dire essenzialmente che: 1) non ` e possibile determinare una volta per tutte i ruoli dellemittente e del ricevente, poich e i due poli non sono pi` u nettamente distinguibili : uno scambio comunicativo che sia realmente tale (dialogo ) prevede continui scambi di ruolo
186
tra luno e laltro, in un modello in cui lio diventa tu e il tu diventa io, senza soluzione di continuit` a; ci` o evidentemente deforma la natura unilaterale del sistema comunicativo classico; 2) lio parlante costituisce per se stesso il primo ricevente, creando cos` su di s e un iniziale livello di feedback che essenzialmente modica in itinere il messaggio : tale messaggio quindi non ` e ssato alla partenza, e come tale non ha mai una forma predeterminata nella quale giunge al ricevente esterno; potremmo dire, in questo senso, che il modulo di codica dellemittente ` e appunto dinamico, esso interviene continuamente a rimodellare il messaggio; 3) lascoltatore non ` e passivo, intendendo con ci` o dire che anchesso non ` e fornito di un parametro sso di decodica, che costituisce il suo modello pressato di comprensione : dal primo istante della comunicazione, e per tutto il suo corso, il cosidetto ricevente interagisce nei confronti dellemittente gi` a grazie al suo stesso essere presente, provocando un secondo e continuo livello di feedback sul parlante, e modicando in questo tanto il messaggio quanto anche la modalit` a di enunciazione dellemittente; ci` o comporta limpossibilit` a di pensare il ricevente come attivo nella comunicazione solo quando questultima ` e conclusa da parte del parlante: quella del ricevente non costituisce soltanto una risposta. Il livello di interazione cui facciamo riferimento, non ` e quindi basato unicamente su unazione che, per analogia con temi gi` a arontati, potremmo dire stimolo-risposta; o meglio, lazione di stimolo e di risposta si presenta in maniera continuativa e, appunto, a diversi livelli di intensit` a. Se loperazione di codica-decodica ` e stata ripensata nei termini delle modalit` a essenziali di interazione degli agenti coinvolti dallo scambio comunicativo, il concetto di intensit` a si propone di rendere conto anche dei contenuti che tale scambio coinvolge: un luogo, una situazione, un volto, unespressione, lintero contesto costituiscono gi` a tutti elementi che in un dialogo interagiscono pienamente e ricongurano continuamente lazione e la reazione dei suddetti agenti. Tutti questi elementi rappresentano ci` o che rispetto al messaggio strettamente inteso ` e estraneo, ossia ci` o che nella teoria statistica ` e determinabile come rumore: e tuttavia, in una teoria intensiva, essi distinguono lessenzialit` a stessa della comunicazione, poich e` e propria della struttura degli agenti in interazione la capacit` a di rimodulare i propri orizzonti signicativi a partire da questi segnali di disturbo. Paradossalmente, potremmo dire che sono proprio questi segnali a fare scattare negli agenti quella soglia intensiva che risulta necessaria a distinguere una comunicazione meccanica da un atto signicativo; ovvero, con altre parole, sulla loro base si apre la possibilit` a di scindere un livello in cui non pu` o esservi che comprensione da parte del ricevente sso (operazione di decodica), da un livello in cui ` e possibile tanto il fraintendimento quanto larricchimento del messaggio originario. Questo sistema comunicativo dinamico, esteso alla sua rumorosit` a, determina una soglia di intensit` a che non ` e data n e oggettivamente n e tantomeno ` e prodotta soggettivamente: essa ` e piuttosto il risultato dellinterazione tra tutti gli elementi e di tutte le operazioni e gli scambi che tra di essi si esercitano. Di fatto ci` o che qui riferiamo come soglia intensiva, ` e lindice dello scarto tra il silenzio semantico e la produzione signicativa: esiste un grado di (in-)comprensione che procede a partire dalla complessa articolazione del sistema e che del signicato rappresenta lunico indice. Questa soglia ci permette di distinguere un suono inarticolato da un suono signicativo e, allinterno delle comunit` a linguistiche, permette di distinguere dierenti livelli semantici; cos`
187
come accade che percependo uno stimolo visivo esso si imponga alla nostra attenzione grazie alla sua intensit` a, allo stesso modo i diversi gradienti semantici si impongono allattenzione dei parlanti a secondo delle regole, ancora una volta intensive, prodotte dallaccordo sociale.
Il gradiente intensivo cui facciamo riferimento esprime infatti anche la capacit` a di un parlante di mutare registro linguistico a seconda dei dierenti luoghi discorsivi in cui agisce (competenza pragmatica): egli rimodula (come visto poco sopra) il suo codice lingustico adattandolo ai ni che si propone o alle richieste che la comunit` a pone. Daltra parte, lintensit` a` e anche riferita al livello di comprensione che ` e esercitato variamente in relazione ancora una volta al contesto: la possibilit` a e la modalit` a dellespressione e della comprensione sono entrambe articolate in relazione alle competenze e ai ruoli che gli agenti esercitano e manifestano strutturando il sistema comunicativo, ed essendo almeno in parte da tale sistema determinati. Un esempio classico di questa soglia pu` o essere dato dalla nota capacit` a degli Inuit di riferirsi alloggetto neve in ben 16 modi dierenti; o ancora tale soglia diviene evidente non appena consideriamo la capacit` a dei greci di indicare il mare con diverse espressioni, che si rifanno a diverse concettualizzazioni dello stesso; o inne i 19 modi dellarte calligraca cinese per denotare il termine spada. Gli esempi qui riportati mostrano gi` a come la possibilit` a stessa della comunicazione signicativa sia il risultato di un unico processo che lega lo sviluppo dellindividuo a quel contesto che abbiamo determinato in termini di ambiente e collettivit` a: ` e evidente come il termine neve possa includere diverse signicazioni sulla base di un essenziale parametro geograco che indissolubilmente ` e legato alla formazione linguistica di quella popolazione; in altre parole gli Inuit posseggono dierenti termini per neve poich e il loro accoppiamento strutturale con la regione geograca gli impone di distinguere varie soglie di utilizzo di quel termine. Daltro canto, il caso dei greci, se in parte ripropone la centralit` a dellelemento mare nel loro contesto geograco, ` e al contempo innegabile che le diverse soglie signicative sono anche determinate da una concettualizzazione legata alle dierenti funzionalit` a che il mare esercita allinterno della vita delluomo greco. Inne, ` e nella profonda cultura etica e religiosa dei cinesi che probabilmente va rintracciata lorigine della dierenziazione graca relativa al termine spada, laddove luso dellarma e la pratica della scrittura sono fattori indissolubili nella formazione guerriera e artistica propria dellantica Cina. Se seguiamo coerentemente la teoria intensiva dellinformazione, dati questi ultimi esempi, non possiamo che giungere alla conclusione che sono presenti allinterno della lingua due diverse piattaforme da tenere in considerazione: la prima si riferisce ad un territorio comune allinterno del quale convergono, per cos` dire, tutti i parlanti per il solo fatto di essere parlanti; la seconda tiene conto invece delle sfumature variabili da lingua a lingua, che possono essere determinate a partire o da situazioni prettamente ambientali (locazione geograca), o da fattori culturali (formazione etica, artistica, religiosa) o inne da fattori misti, che legano insieme entrambi gli inussi, restituendo una nuova sintesi concettuale. Il concetto stesso di informazione intensiva esprime perci` o quella fondamentale co-determinazione tra linguaggio e lingua, che da sempre ` e apparsa centrale nellanalisi della capacit` a linguistico-comunicativa delluomo, come elemento caratterizzante della sua intelligenza. Questo quadro teorico illustra dunque la lingua nella sua propriet` a di essere mezzo di espressione e perci` o stesso di comprensione. Allo stesso modo diventa qui ugualmente essenziale individuare laltra faccia della medaglia, ossia il ruolo che ` e giocato dalla
188
possibilit` a del fraintendimento e dellincomprensione: ` e infatti proprio della natura di un concetto intensivo di informazione, della sua dinamicit` a e modularit` a, il prevedere e spiegare tale fenomeno, che non risulta pi` u come un caso eccezionale, piuttosto rende fondamentale il fraintendimento proprio perch e il sistema in questione non ` e rigido e univocamente determinato nel suo modulo di codica-decodica. Infatti, va proprio considerata quella molteplicit` a di fattori che determinano dinamicamente la comunicazione e che di essa costituiscono ricchezza in termini di sfumature di signicato, vaghezza, indeterminazione del riferimento, e che per esempio nella dicolt` a della traduzione da una lingua ad unaltra trovano un testimone illustre. In conclusione, alla luce delle indicazioni che la Teoria Intensiva dellInformazione ci ha sin qui proposto, se volessimo ripensare la teoria di un replicante umano, la sua descrizione presentata nelle Tesi 3.3.2 e 3.4.1 dovrebbe essere completata e riscritta come segue: Tesi 4.3.1 Un automa che possa denirsi davvero un replicante delluomo dovr` a potere tenere sotto controllo lambiente circostante anche in situazioni imprevedibili, dovr` a congurarsi come sistema autopoietico e dovr` a essere capace di scegliere una particolare modalit` a di compiere distinzioni e di porsi come osservatore. Inoltre, sar` a necessario che la macchina non solo abbia un interno umano, ma che abbia anche unesteriorit` a del tutto simile alluomo. Inne, il replicante dovr` a essere in grado di comprendere e fraintendere, di costruire orizzonti di senso coerenti alla comunit` a in cui ` e inserito, dovr` a in una formula, possedere una sua particolare storia naturale, che lo determini sia ontogeneticamente sia logeneticamente, e che quindi si conguri da una parte come individuo, dallaltra come elemento fondamentale di una collettivit` a. In questi termini la tecnicizzazione non apparirebbe pi` u come la descriveva Adorno nei Minima Moralia : Non bussare. La tecnicizzazione - almeno per ora - rende le mosse brutali e precise, e cos` anche gli uomini. Elimina dai gesti ogni esitazione, ogni prudenza, ogni garbo. Li sottopone alle esigenze spietate, vorrei dire astoriche, delle cose. Cos` si disimpara a chiudere piano, con cautela e pur saldamente una porta. Quelle delle auto e dei frigidaires vanno sbattute con forza, altre hanno la tendenza a scattare da sole e inducono chi entra alla villania di non guardare dietro di s e, di non custodire linterno che laccoglie. [...] Che cosa signica per il soggetto che le nestre non hanno pi` u battenti da aprire, ma lastre di vetro da far scorrere con violenza, che i pomi girevoli hanno preso il posto delle molli maniglie, che non ci sono pi` u vestiboli, soglie verso la strada, mura intorno al giardino? [...] Tra le cause del deperimento dellesperienza c` e, non ultimo, il fatto che le cose, sottoposte alla legge della loro pura funzionalit` a, assumono una forma che riduce il contatto con esse alla pura manipolazione, senza tollerare quel surplus - sia in libert` a del contegno che in indipendenza della cosa - che sopravvive come nocciolo dellesperienza perch e non ` e consumato dallistante dellazione. La nostra volont` a` e quella di inserirci nella possibilit` a dellalmeno per ora, che il maestro di Francoforte aveva gi` a indicato. Pi` u che a meccanizzare luomo, il senso
189
di questo testo si volge al tentativo dicoltoso e forse impossibile di umanizzare la macchina e ancora una volta lorizzonte signicativo prodotto da questultima.
Bibliograa
[1] Ackermann, W. [1928] Zum Hilbertischen Aufbau der reellen Zahlen, Mathematischen Annalen, n.9, pp. 118-133, tradotto in van Heijenoort [1967], pp. 493-507. [2] Adorno, T.W. [1951] Minima moralia. Reexionen aus dem besch adigten Leben, Frankfurt; trad. it Torino 1959. [3] Aronofsky, J.S. [1969] Progress in Operation Research, 3, Wiley, New York. [4] Ashby, W.R. [1956] An Introduction to Cybernetics, Chapman & Hall LTD., London, 1957; trad.it. Introduzione alla Cibernetica, Einaudi, Torino, 1971. [5] Bara, B.G. [1978] (a cura di), Intelligenza articiale, Franco Angeli, Milano. [6] Bellotti, L., Moriconi, E., Tesconi, L. [2001] Computabilit` a, Carocci. [7] Boltzmann, L. [1897] Uber irreversible Strahlungsvorg ange, in Sitsungsberichte der K oniglich-Preussischen Akademie der Wissenshaften Berlin, vol. I, pp.660-662; vol. II pp.1016-1618. [8] Boole, G. [1847] The mathematical Analysis of Logic, being an Essay towards a Calculus of Deductive Reasoning, Macmillian, Barclay and Macmillian, Cambridge. [9] Boole, G. [1854] An Investigation of the Laws of Thought on which are founded the mathematical Theories of Logic and Probabilities, Dover Publications, New York. [10] Brooks, R.A. [1991] Intelligence without representation, Articial Intelligence Journal, 47, pp.139-160; ristampato in Brooks [1999]. [11] Brooks, R.A. [1999] Cambrian Intelligence - The early history of the new AI, The MIT Press, Cambridge, Massachussetts. [12] Brooks, R.A. [2002] Flesh and Machines - How robots will change us, Pantheon Books, New York. [13] Cagnoni, D. [1981] (a cura di), La Teoria della Dimostrazione, Feltrinelli, Milano. [14] Carenini, M., Matteuzzi, M. [1999] (a cura di) Percezione linguaggio coscienza. Saggi di losoa della mente, Macerata. [15] Cassirer, E. [1923-29] Philosophie der symbolischen Formen, ristampato in Primus Verlag [2001]; trad. it. La losoa delle forme simboliche, Firenze 1966.
191
192
Bibliograa
[16] Castells, M. [1996] The Information Age: Economy, Society and Culture - vol. I: The Rise of Network Society, Blackwell, Oxford, 1996. [17] Castells, M. [1997] The Information Age: Economy, Society and Culture - vol. II: The Power of Identity, Blackwell, Malden (Mass.), 1997. [18] Castells, M. [1998] The Information Age: Economy, Society and Culture - vol. III: End of Millennium, Blackwell, Malden (Mass.), 1998 (2a ed. 2000). [19] Chomsky, N. [1959] Review of B.F. Skinners Verbal Behavior, in Language, 35, pp.26-58. [20] Chomsky, N. [1988] Language and Problem of Knowledge, Boston; trad. it. Linguaggio e problemi della conoscenza, il Mulino, Bologna 1991. [21] Chomsky, N. [1995] Language and Nature, in Mind, 104, pp.1-61. [22] Chomsky, N. [2001] Su natura e linguaggio, Edizioni dellUniversit` a degli studi di Siena. [23] Church, A. [1936] An unsolvable problem of elementary number theory, American journal of Mathematics, n.58, pp. 345-363; in Davis [1965], pp. 89-107. [24] Church, A. [1936a] Review of Turing, journal of symbolic Logic, Vol.II pp.42-43. [25] Church, A. [1941] The Calculi of Lambda Conversion, Princeton University Press, reprinted by University Microlms Inc., Ann Arbor, Michigan, U.S.A. [26] Churchland, P. M. [1981] Eliminative Materialism and the Propositional Attitudes, in The Journal of Philosophy, 78, 2, 67-90. [27] Churchland, P. M. [1984] Matter and Consciousness, MIT Press, Cambridge MA. [28] Clark, A. [1997] Being There, MIT Press, Cambridge, MA; trad.it. Dare corpo alla mente, McGraw-Hill, Milano, 2000. [29] Cordeschi, R. [1998] La scoperta dellarticiale, DUNOD, Masson Spa, Milano. [30] Crane, T. [2001] Elements of Mind, Oxford University Press. [31] Dalla Chiara, M.L., Giuntini, R. [2002] (eds.), Quantum Logics, in Gabbay, D., G unthner, F., Handbook of Philosophical Logic - vol.2, Kluwer Academic Publishers, Dordrecht, Holland 2002 (2a edizione). [32] Davis, M. [1965] (ed.) The Undecidable - Basic Papers on undecidable Propositions, unsolvable Problems and computable Functions, Raven Press, Hewlett, New York. [33] Decartes, R. [1637] Discorso sul metodo, in Ouvres de Descartes, Paris 18971913, vol.VI, pp.1-78; trad. it. a cura di Lucia Urbani Ulivi, Bompiani 2002. [34] Decartes, R. [1908] Regole per la guida dellintelligenza, in Ouvres de Descartes, Paris 1897-1913, vol.X, pp.359-78; trad. it. a cura di Lucia Urbani Ulivi, Bompiani 2000. [35] Dedekind, R. [1888] Was sind und was sollen di Zahlen?, Bieweg, Braunschweig. [36] Dennet, D. C. [1995] Darwins dangerous idea. Evolution and the meanings of life, New York; trad. it. Torino 1997. [37] Dreyfus, H.L., Dreyfus, S.E. [1986] Mind over Machine, New York.
Bibliograa
193
[38] Dreyfus, H.L., Dreyfus, S.E. [1990] Ricostruire la mente o progettare modelli del cervello? Lintelligenza articiale torna al bivio, in Negrotti [1990], pp.27-57. [39] Duda, R.O., Gaschnig, J.G., Hart, P.E. [1976] Model Design in the PROSPECTOR Consultant System for Mineral Exploration, in Michie [1979]. [40] Dummett, M. [1976] What is a theory of Meaning? (II), in Truth and Meaning (ed. G. Evans and J. McDowell), pp.67-137, Clarendon Press, Oxford. [41] Duris, P., Gohau, G. [1997] Histoire des sciences de la vie, Paris; trad. it. Storia della biologia, Torino, 1999. [42] Edelman, G. [1989] The Remembered Present: A Biological Theory of Consciousness, New York. [43] Edelman, G. [1992] Bright Air, Brillant Fire. On the Matter of the Mind, Basic Book inc.; trad. it. Milano 1993. [44] Feigenbaum, E.A., Fedelman, J. [1963] (eds.) Computers and Thought, New York. [45] Feigl, H. [1958] The Mental and the Physical, in Feigel H., Scriven M., Maxwell G., (eds.) Minnesota Studies in the Philosophy of Science, vol. II: Concepts, Theories and Mind-Body Problem, University of Minnesota Press, Minneapolis, pp.370-497. [46] Floridi, L. [2005] Is Information Meaningful Data?, Phenomenological Research, 70(2), pp.351-370. Philosophy and
[47] Fodor, J. [1975] The Language of Thougth, Cromwell, New York. [48] Ford, K.M., Glymour, C., Hayes, P.J. [1995] Android Epistemology, American Association for Articial Intelligence/The MIT Press, Cambridge, Massachussets and London, England. [49] Frege, G. [1879] Begrischrift, eine der arithmetischen nachgebildete Formelsprache des reinen Denkens, Halle, 1879; trad. it. Ideograa, in Mangione [1965], pp. 103-206. [50] Frege, G. [1884] Die Grundlagen der Arithmetik: eine logisch-mathematische Untersuchung u ber den Begri der Zahl, Breslau, 1884; trad. it. I fondamenti dellaritmetica: una ricerca logico-matematica sul concetto di numero, passi scelti in Mangione [1965], pp. 211-349. [51] Frege, G. [1893] Grundgesetze der Arithmetik, Jena, Verlag Hemran Pole Band I, 1893, Band II, [1903]; trad. it. I principi dellaritmetica, in Mangione [1965], Boringhieri. [52] Frixione, M. [1991] Dispense di Teoria della Ricorsivit` a e Calcolabilit` a eettiva, DIST - Universit` a di Genova, disponibile al sito internet http://www.dif.unige.it/epi/hp/frixione/appunti computabilita.pdf. [53] Frixione, M., Palladino D. [2004] Funzioni, macchine, algoritmi. Introduzione alla teoria della computabilit` a, Carocci, Roma. [54] Gallagher S., Shear J. [1999] (eds.) Models of the Self, Thorverton, UK. [55] Gelernter, H.L., Rochester, N. [1958] Intelligent Behavior in Problem Solving Machines, IBM J.Res.Dev., vol.2, 1958, pp.335-345; trad. it. in Somenzi, Cordeschi [1994], pp.250-269.
194
Bibliograa
[56] G odel, K. [1930] Die Vollst andigkeit der Axiome des logischen Funktionenkalk uls, Monatshefte f ur Mathematik und Physik, XXXVII; ristampato in Collected Works, vol.I, p.124, OUP. [57] G odel, K. [1931] Uber formal unenscheidbare S atze der PM und verwandter Systeme, I, Monatshefte f ur Mathematik und Physik, pp.173-198; ristampato in Collected Works, Vol.I, pp.144-194, OUP. [58] G odel, K. [1934] On undecidable propositions of formal mathematical systems, in Collected Works, Vol.I, pp.342-372, OUP. [59] Harel, D. [2000] Computers Ltd. What they really cant do, D. Harel c ; trad. it. Computer a responsabilit` a limitata. Dove le macchine non riescono ad arrivare, Torino 2002. [60] Haugeland, J. [1985] Articial Intelligence - The very Idea, MIT Press, Cambridge Massachussets, 1985; trad. it. Intelligenza articiale, Bollati Boringhieri, Torino 1988. [61] Hempel, C. G. [1949] The Logical Analisys of Psycology, in Feigl H. Sellars W. (eds.), Readings in Philosophical Analysis, New York. [62] Hilbert, D. [1900] Mathematische Probleme, Nachrichten von der K onig. Gesellschaft der Wissenschaften zu G ottingen, ristampato in Archiv der Mathematik und Physik, (3) 1, 1901; trad. ingl. Bullettin of the American Mathematical Society, 8, 1902. [63] Hilbert, D. [1926] Uber das Unendliche, Mathematische Annalen, 95, pp.161190; trad. it. SullInnito , in C. Cellucci La Filosoa della matematica, RomaBari, 1967. [64] Hilbert, D. [1928] Abhandlungen aus der mathematischen Seminar der hamburgischen Universit at, 6, pp. 65-85; trad. it in Cagnoni D. [1981]. [65] Hilbert, D., Ackermann, W. [1927] Grundz uge der theoretischen Logik, Springer Verlag Berlin, V edizione. [66] Hodges, A. [1983] Alan Turing: The Enigma, Simon and Shuster, New York. [67] Hofstadter, D.R. [1979] G odel, Escher, Bach: an Eternal Golden Braid, Basic Books Inc.; trad. it. G odel, Escher, Bach: unEterna Ghirlanda Brillante, Adelphi, Milano, 1984. [68] Hofstadter, D.R. [1995] Fluid Concepts and Creative Analogies - Computer Models of the Fundamental Mechanisms of Thought, Basic Books - division of HarperCollins Publishers, Inc.; trad.it. Concetti uidi e analogie creative, Adelphi, Milano 1996. [69] Hull, C.L. [1962] Psychology of the Scientist: IV. Passages from the Idea Books of Clark L. Hull, Perceptual and Motor Skills, 15, pp.814-882. [70] Hull, C.L., Bernstein, H.D. [1929] A mechanical parellel to the conditioned reex, in Science, 70, pp.14-15. [71] Husserl, E. [1900-1901] Logische Untersuchungen, Band I-II, Max Niemeyer, Halle; trad. it parz. Ricerche logiche I-II, Milano 2001. [72] Husserl, E. [1911] Philosophie als Strenge Wissenschaft, Martinus Nijho, Den Haag 1987; trad. it. La losoa come scienza rigorosa, Roma-Bari 2001.
Bibliograa
195
[73] Husserl, E. [1913] Ideen zu einer reinen Ph anomenologie und ph anomenologischen Philosophie, Band I-II-III, Martinus Nijho, Den Haag 1950; trad.it. Idee per una fenomenologia pura e per una losoa fenomenologica, Torino 1965 (II ed. 2002).
[74] Husserl, E. [1934] Die Krisis der europ aischen Wissenschaften und die transzendentalen Ph anologie, Martinus Nijho, Den Haag 1959; trad. it La crisi delle scienze europee e la fenomenologia trascendentale, Milano 1997. [75] Jerison, D., Stroock, D. [1995] Norbert Wiener, Notices of AMS, vol. 42, n. 4, April 1995. [76] Johnson-Laird, P. [1983] Mental Models,Cambridge University Cambridge UK; trad. it., Modelli mentali, il Mulino, Bologna 1988. Press,
[77] Johnson-Laird, P. [1988] The Computer and the Mind. An Introduction to Cognitive Science,Cambridge University Press, Cambridge MA; trad. it., La mente e il computer. Introduzione alla scienza cognitiva, il Mulino, Bologna 1990. [78] Kant, I. [1787] Kritik der reinen Vernunft, Riga, Ed. II; trad. it. La critica della ragion pura, Milano 1976. [79] Kaplan, R. [1966] Cultural thought patterns in inter-cultural education, Language Learning, 16, 1-20. [80] Kleene, S.K. [1934] Recursive predicates and quantiers, Transactions of the American Mathematical Society, vol. 53, pp. 41-73. [81] Kleene, S.K. [1936] General recursive functions of natural numbers, abstract in Bullettin of the American Mathematical Society, stampato in Mathematische Annalen, Band 112, Heft 5, pp. 727-742; in Davis [1965], pp. 237-253. [82] Kleene, S.K. [1936a] Lambda denability and Recursiveness, Duke Mathematical Journal, 2, pp. 340-353. [83] Kleene, S.K. [1938] On notation for ordinal numbers, Journal of Symbolic Logic, n.3, pp. 150-155. [84] Kleene, S.K. [1943] Recursive predicates and quantiers, Transations of American Mathematical Society, n.53, pp.41-47, in Davis [1965], pp. 255-287. [85] Kleene, S.K. [1952] Introduction to metamathematics, Walters Noordho Publishng Co., Gr oningen and North Holland Amsterdam. [86] Kleene, S.K. [1967] Mathematical Logic, Wiley, New York. [87] Kosslyn, S. [1980] Image and Mind, Harvard University Press, Cambridge MA. [88] Kosslyn, S., Ball, T.M., Reiser, B.J. [1978] Visual Images preserve metric spatial information: Evidence from studies of image scanning, in Journal of Experimental Psychology: Human Perception and Performance, 4, pp.44-60. [89] Lennenberg, E. [1967] Biological Foundation of Language, New York; trad. it. Fondamenti biologici del Linguaggio, Torino, 1982. [90] Lakatos, I. [1978] The Methodology of Scientic Research Programs: Philosophical Papers, vol.I-II, Cambridge University Press, Cambridge UK. [91] Leibniz, W.G. [1666] Dissertatio de arte combinatoria, Leipzig; trad. it. Bologna, 1968.
196
Bibliograa
[92] Lientz, B.P. [1981] An Introduction to Distributed Systems, Addison-Wesley Publishing Company Inc. [93] Lillie, R. S. [1915] What is purposive and intelligent behavior from the physiological point of view?, in Journal of Philosophy, Psycology and Scientic Methods, 12, pp. 589-610. [94] Longo, G. [1988] On Churchs Formal Theory of Functions and Functionals, Annals of Pure and Applied Logic, 40, pp. 93-133. [95] Lo Piparo, F. [1999] Il mondo, le specie animali ed il linguaggio. La teoria zoocognitiva del Tractatus, in Carenini M., Matteuzzi M., [1999], pp.183-202. [96] Lo Piparo, F. [2003] Aristotele e il linguaggio. Cosa fa di una lingua una lingua, Roma-Bari. [97] Mandrekar, V. [1995] Mathematical Work of Norbert Wiener, Notices of AMS, vol 42, n.6, June 1995. [98] Mangione, C. [1965] (a cura di), Logica e Aritmetica, antologia degli scritti di G. Frege, Boringhieri, Torino. [99] Mangione, C., Bozzi, S. [1995] Storia della logica - da Boole ai nostri giorni, Garzanti editore, Milano. [100] Manzotti, R., Tagliasco, V. [2002] Si pu` o parlare di coscienza articiale?, in Sistemi Intelligenti, anno XIV, n.1. [101] Marr, D. [1976] Articial Intelligence: a personal view, Technical Report, MIT Publisher. [102] Marr, D. [1982] Vision - A computational Investigation into the human Representation and Processing of Visual Information, Freeman, San Francisco. [103] Marr, D., Hildreth, E. [1980] Theory of Edge Detection, Proceedings of the Royal Society of London, series B, vol.207, pp.187-217. [104] Marr, D., Poggio, T. [1977] From understanding computation to understanding neural circuitry, Neurosciences Res. Prog. Bulletin, 15, pp.470-488. [105] Marr, D., Poggio, T. [1979] A computational Theory of human Stereovision, Proceedings of the Royal Society of London, series B, vol.204, pp.301-328. [106] Marraa, M. [2002] Scienze cognitive. Unintroduzione losoca, Padova. [107] Maturana, H. R. [1990] The Biological of Self Consciousness and the Physical Domain of Existence, c Humberto R. Maturana ; trad. it. Autocoscienza e realt` a, Milano 1993. [108] Maturana, H. R. [1995-1996] La realidad: objetiva o costruida?, voll. I-II, Barcelona. [109] Maturana, H. R., Varela F. [1980] Autopoiesis and Cognition. The Realization of the Living, Dordrecht; trad. it. Autopoiesi e cognizione. La realizzazione del vivente, Venezia 1985. [110] Maturana, H. R., Varela F. [1984] El a rbol del conocimiento, c H. Maturana e F. Varela; trad. it. Lalbero della conoscenza, Milano 1987. [111] Mayr, E. [1997] This is Biology-The Science of Living World, Harvard University Press; trad. it. Il modello biologico, Milano 1998.
Bibliograa
197
[112] Maxwell, J. C. [1868] On Governors, in Proceedings of Royal Society, 100. [113] McCarthy, J. [1958] Programs with Common Sense, Proc. Symposium Mechanisation Thought Processes, H.M.S.O., Teddington; trad. it. in Somenzi, Cordeschi [1994], pp.298-316. [114] McCarty, J., Hayes, P. [1969] Some Philosophical Problems from the Standpoint of Articial Intelligence, in Machine Intelligence, 4, University Press, Edimburgh. [115] McCarty, J., Minsky, M., Rochester, N., Shannon, C.E. [1956] A Proposal for the Darthmouth Summer Research Project on Articial Intelligence, http://www.formal.stanford.edu/pub/jmc/history/dartmouth.dvi. [116] McCulloch, W., Pitts, W. [1943] A Logical Calculus of the Ideas Immanent in Nervous Activity, Bullettin of Mathematical Biophysics, 5, pp.428-430. [117] Michie, D. [1979] (ed.), Expert Systems in the Micro-electronic Age, Edinburgh University Press, Edinburgh. [118] Minsky, M. [1959] Some Methods of Articial Intelligence and Heuristic Programming, in Blacke, Uttley (editors), Proceedings of the Symposium on Mechanisation of Thought Processes, H.M.S.O. Teddington 1959; trad. it. parziale in Somenzi, Cordeschi [1994], pp.194-203. [119] Minsky, M. [1961] Steps Toward Articial Intelligence, Proceedings IRE, 49, pp.8-30; ristampato in Feigenbaum, Feldman [1963]. [120] Minsky, M. [1965] Matter, Mind and Models, Proc. IFIP Congr., pp.45-49; trad. it. in Somenzi, Cordeschi [1994]. [121] Minsky, M. [1972] Computation. Finite and Innite Machines. Prentice Hall, New York, 1972. [122] Minsky, M. [1975] A Framework for Representing Knowledge, MIT press. [123] Minsky, M. [1985] Robotics, Omni Publications International Ltd; trad.it. La Robotica, Longanesi, Milano 1987. [124] Minsky, M. [1986] The Society of Mind, Simon and Schuster, New York; trad.it La societ` a della mente, Adelphi 1994 [2a ed.]. [125] Minsky, M., Papert, S. [1969] Perceptrons, The MIT Press, Cambridge, Massachussets; ristampa 1988. [126] Minsky, M., Papert, S. [1972] Progress Report on Articial Intelligence, MIT AI Lab Memo, n.252, 1972. [127] Montagna, F. [2002] Teoria della ricorsivit` a, dispense per la Scuola Estiva di Logica 2002, http://www.disi.unige.it/aila/scuola/teocomp.pdf.gz. [128] Moore, J. A. [1993] Science as a Way of Knowledge, Harvard University Press. [129] Moravec, H.P. [1999], Robot. Mere Machine to Trascendental Mind, Oxford University Press. [130] Murawski R. [1999] Recursive functions and Metamathematics, Kluwer Academic Publisher 1999. [131] Negrotti, M. [1990] (a cura di), Capire larticiale, Bollati Boringhieri.
198
Bibliograa
[132] Negrotti, M. [1990a] Il futuro dellintelligenza articiale e le sue radici culturali, introduzione a Negrotti [1990], pp.11-26. [133] Negrotti, M. [1990b] Intelligenze alternative, in Negrotti [1990], pp.74-104. [134] Newell, A. [1969] Heuristic Programming: Ill-Structured Problems, in Aronofsky [1969]. [135] Newell, A. [1980] Physical Symbol Systems, Cognitive Science, 4, pp.135-183. [136] Newell, A., Shaw , J.C., Simon H.A. [1957] Empirical Explorations with the Logic Theory Machine, Proc. 1957 Western Joint Computer Conference., IRE, pp. 218-230; ristampato in Feigenbaum, Feldman [1963]. [137] Newell, A., Shaw , J.C., Simon H.A. [1962] The Processes of Creative Thinking, in Gruber, Terrel, Wertheimer (editors), Contemporary Approaches to Creative Thinking, Atherthon, New York 1962; trad. it. in Somenzi, Cordeschi [1994], pp.204-249. [138] Newell, A., Simon H.A. [1956] The Logic Theory Machine: A Complex Information Processing, IRE Transactions on Information Theory, IT-2, 3, pp.61-79. [139] Newell, A., Simon H.A. [1961] Simulation of Human Thought, in Current Trends in Psychological Theory, Pittsburgh, PA, University of Pittsburg Press, pp.152-179. [140] Newell, A., Simon H.A. [1961a] Computer Simulation of Human Thinking, in Science, 134, pp.2011-2017. [141] Newell, A., Simon H.A. [1961b] GPS: A Program that simulates Human Thought, in H. Billings (ed.), Lernende Automaten, M unchen, R. Oldenbourg, pp.109-124. [142] Newell, A., Simon H.A. [1972] Human Problem Solving, Englewood Clis, NJ, Prentice Hall. [143] Newell, A., Simon H.A. [1976] Computer Science as Empirical Enquiry: Symbols and Search, Communications of ACM, vol.19, pp.113-126; trad.it. La scienza del computer come ricerca empirica, in Bara [1978], pp.13-49. [144] Nuez, R., Freeman W. J. [1999] (eds.) Reclaming Cognition. The primacy of Action Intention and Emotion, Thorverton, UK. [145] Oddifreddi, P. [1989] Classical Recursion Theory, Vol.I; [1996] Vol.2, North Holland, Amsterdam. [146] Parisi, D. [1989] Intervista sulle reti neurali. Cervello e macchine intelligenti, Bologna. [147] Pessa, E. [1992] Intelligenza Articiale - Teorie e Sistemi, Bollati Boringhieri, Torino 1992. [148] Pignedoli, A. [1972] Informazione e calcolo automatico, P` atron, Bologna 1972. [149] Post, E.L. [1943] Formal Reductions of the General Combinatorial Decision Problem, American Journal of Mathematics, vol.65, pp.197-268. [150] Primiero, G. [2004] Ricerche per una Informational Proof-Theory, in Primiero, Rotolo [2004], pp. 17-53.
Bibliograa
199
[151] Primiero, G., Rotolo, G. [2004] (a cura di), Mappe Concettuali, Territori Cognitivi - I Workshop di Studi losoci, Biblioteca Tematica Potere e Sapere, in Annali della Facolt` a di Lettere e Filosoa dellUniversit` a degli Studi di Palermo - Studi e Ricerche N 42.
[152] Pugliese, A. [2004] La dimensione dellIntersoggettivit` a. Fenomenologia dellestraneo nella losoa di Edmund Husserl, Mimesis, Milano. [153] Reitman, W.R. [1964] Heuristic Decision Procedures, Open Constraints and the Structure of Ill-Dened Problems, in Shelley, Bryan [1964]. [154] Rigamonti, G. [2005] Corso di Logica, Bollati Boringhieri, Torino. [155] Robinson, W.S. [1992] Computers,Minds and Robots, Temple University Press, Philadelphia 1992. [156] Rosenblatt, F. [1958] The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain, Cornell Aeronautical Laboratory, Psychological Review, Vol.65, No. 6, pp. 386-408. [157] Rosenblatt, F. [1961] Principles of neurodynamics: perceptrons and the theory of brain Mechanism, Spartan, New York. [158] Rosenblueth, A., Wiener, N., Bigelow, J. [1943] Behaviour, Purpose and Teleology, Philosophy of Science, 10, pp.18-24; trad. it. Comportamento, scopo e teleologia, in Somenzi, Cordeschi [1994]. [159] Ross, D. [1995] I nuovi percorsi dellIntelligenza articiale, Edizioni Scientiche Italiane, Napoli. [160] Rotolo, G. [2004] Mente e Corpo: una ricognizione della teoria enattiva, in Primiero, Rotolo [2004], pp. 153-182. [161] Rovetta, A. [1990] Fondamenti di Robotica - Il rapporto uomo-macchina. Aspetti scientici, tecnologici e tecnici della robotica, Hoepli Editore, Milano 1990. [162] Rumelhart, D.E., McClelland, J., PDP Research Group [1986] Parallel Distribued Processing: Explorations in the Microstructure of Cognition. I: Foundations., MIT Press/Bradfords Books, Cambridge, Massachussets. [163] Russell, B., Whitehead, N. [1910-1913] Principia Mathematica, 3 Voll., Cambridge University Press. [164] Searle, J.R. [1980] Minds, Brains and Programs, The Behavioral and Brain Sciences, 3, pp.417-457; trad. it. Menti, cervelli e programmi, CLUP-CLUED, Milano 1984. [165] Searle, J.R. [1990] Is the brains mind a computer program?, Scientic American; ristampato in Wilkinson R., Minds and Bodies, pp. 205-216, Routledge 2000. [166] Shannon, C.E. [1948] A mathematical Theory of Communication, The Bell System Technical Journal, vol.27, pp.379-423; 623-656, July-October 1948. [167] Shannon, C.E. [1951] Presentation of a maze-solving machine, in von Foerster et al. [1951], pp.173-180. [168] Shannon, C.E. [1956] Automata Studies, Princeton University, McKarty Press, New Jersey, 1956.
200
Bibliograa
[169] Shannon, C.E., Weaver, W. [1952] The mathematical Theory of Communication, Urbana, Chicago, London: University of Illinois Press, 1952. [170] Shapiro, S.C., Eckroth, D. [1987] (eds.), Encyclpedia of Articial Intelligence - voll.1-2, Wiley - Interscience Publication, John Wiley sons, NY, 1987. [171] Shelley, M.W., Bryan, G.L. [1964] (eds.) Human Judgments and Optimality, Wiley, New York. [172] Shepard, R.N., Metzler,J. [1971] Mental rotation of tridimensional objects, in Science, 171, pp. 701-703. [173] Shortlie, E.H. [1976] Computer-Based Medical Consultation: MYCIN, American Elsevier, New York. [174] Sieg, W. [1994] Mechanical procedures and mathematical experience, in Mathematics and Mind, a cura di A.George, Oxford University Press. [175] Simon, H.A. [1957] Models of Man, New York, Wiley. [176] Simon, H.A. [1972] The Theory of Problem Solving, Proc. IFIP Congr., pp.261277. [177] Simon, H.A. [1979] Models of Thought, vol.I, New Haven, CT, Yale University Press. [178] Simon, H.A. [1981] The Sciences of Articial, Cambridge, Massachussets, MIT Press (2a ed.); trad. it. Le scienze dellarticiale, il Mulino, Bologna 1988. [179] Simon, H.A. [1982] Models of Bounded Rationality, Cambridge, Massachussets, MIT Press; trad. it Causalit` a, razionalit` a, organizzazione, Bologna, Il Mulino, 1985. [180] Simon, H.A. [1983] Search and Reasoning in Problem Solving, Articial Intelligence, vol. 21, pp.7-29. [181] Simon, H.A. [1989] Models of Thought, vol.II, New Haven, CT, Yale University Press. ` la lumi` [182] Simondon, G. [1989] Lindividuation psychique et collective. A er des notion de Forme, Information, Potentiel et M etastabilit e, Editions Aubier ; trad. it., Derive e Approdi, Roma 2001 [183] Skolem, T. [1923] Begr undung der elementaren Arithmetik durch die rekurriende Denkweise ohne Anwendung scheinbarer Ver anderlichen mit unendlichem Ausdehnungsbereich, Vidensk. Skrifter, no. 6, tradotto in van Heijenoort [1967], pp. 303-333. [184] Smolensky, R. [1992] Il connessionismo. Tra simboli e neuroni, Casale Monferrato. [185] Soare, R.I. [1988] Recursively enumerable sets and degrees: a study of computable functions and computably generated sets, Springer Verlag, Heidelberg. [186] Soare, R.I. [1996] Computability and Recursion, Bullettin of Symbolic Logic, vol.2, n.3. [187] Somenzi, V., Cordeschi, R. [1994] La losoa degli automi, Bollati Boringhieri, Torino.
Bibliograa
201
[188] Thompson, E. [2001] (ed.) Between Ourselves. Second-person issues in the study of consciousness, Thorverton, UK. [189] Tolman, E. [1932] Purpousive Behavior in Animals and Men, Irvington. [190] Tononi, G. [2003] Galileo e il fotodiodo. Cervello, complessit` a e coscienza, RomaBari. [191] Turing, A.M. [1936] On computable numbers with an application to the Entscheidungsproblem, Proc. London Math. Society 42, pp. 230-265, in Davis [1965], pp. 116-154. [192] Turing, A.M. [1950] Computing Machinery and Intelligence, Mind, vol.59, pp.433-60; trad. it. in Somenzi, Cordeschi [1994]. [193] van Heijenoort, J. [1967] From Frege to G odel, Harvard University Press. [194] Varela, J. F., Shear, J. [1999] (eds.) The View from Within. First-person approaches to the study of consciousness, Thorverton, UK. [195] Varela, J. F., Thompson, E., Rosch, E. [1991] the Embodied Mind. Cognitive Science and Human Experiences, MIT Press. [196] von Bartalanay, L. [1937] Das Gef uge des Lebens, Lipsia. [197] von Bartalanay, L. [1967] Robots, Men and Minds. Psycology in the Modern World, New York; trad. it. Il sistema uomo. La psicologia nel mondo moderno, Milano, 1971. [198] von Bartalanay, L. [1969] General System Theory. Foundations, Development, Applications, George Braziller Inc.; trad. it. Mondadori, Milano 1983. [199] von Foerster, H., Mead, M., Teuber, H.L. [1951] Cybernetics: Transactions of the Eighth Conference (Hg.), Josiah Macy Jr.Foundation, 240 pp., New York 1951. [200] von Foerster, H., Mead, M., Teuber, H.L. [1987] Sistemi che osservano, Astrolabio, Roma 1987. [201] von Neumann, J. [1958] The Computer and the Brain, Yale University Press, New Haven; trad. it. in Somenzi, Cordeschi [1994]. [202] Walter, W.G. [1950] An imitation of life, Scientic American, 182, pp.42-45. [203] Walter, W.G. [1951] A machine that learns, Scientic American, 185, pp.60-63. [204] Walter, W.G. [1953] The living brain, Duckworth, London; trad. it. Il cervello vivente, Feltrinelli, Milano 1957. [205] Weaver, W. [1948] Science and Complexity, American Scientist, 36 pp.536-644. [206] Weaver, W. [1952] Recent Contributions to the Mathematical Theory of Communication, in Shannon, Weaver [1952], pp.1-28. [207] Wiener, N. [1950] The Human Use of Human Beings, Houghton Min Company, Boston; trad. it. Introduzione alla Cibernetica, Boringhieri, Torino 1966. [208] Wiener, N. [1965] Cybernetics, or control and communication in the animal and the machine, Massachussets Institute of Technology, Cambridge; trad. it. La Cibernetica - Controllo e comunicazione nellanimale e nella macchina, Il Saggiatore, Milano 1968.
202
Bibliograa
[209] Wiener, N. [1976-1984] Collected Works: I,1976; II,1979; III,1981; IV,1984, Masani P. ed., MIT Press, Cambridge, MA. [210] Winograd, T. [1972] Understanding Natural Language, New York, Academic Press. [211] Winston, P.H. [1975] (ed.) The Psychology of Computer Vision, McGraw-Hill, New York. [212] Winston, P.H. [1977] Massachussets. Articial Intelligence, Addison-Wesley, Reading,
[213] Wittgenstein, L. [1921] Tractatus Logico-philophicus, London - New York; trad. it. Amedeo G. Conte 1964, Torino. [214] Wittgenstein, L. [1953] Philosophische Untersuchungen, Oxford, UK; trad. it. Torino 1967.

Rotolo, G., Primiero, G. Dall'Artificiale Al Vivente (Polimetrica, 2005) (ISBN 9788876990250) PDF

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Rotolo, G., Primiero, G. Dall'Artificiale Al Vivente (Polimetrica, 2005) (ISBN 9788876990250) PDF

Uploaded by

Copyright:

Available Formats

Open Access Publications

PREFAZIONE di Gianni Rigamonti

POLIMETRICA International Scientic Publisher Monza - Italy

Giuseppe Rotolo Giuseppe Primiero

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Computabilit` a e teoria della ricorsivit` a

Aspetti teorici e formali

che coper poi di altre denito

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

f (a1 , . . . , an ) = x(g ((a1 , . . . , an ), x) = 0).

La Tesi di Church e la -denibilit` a

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

La rappresentazione di Turing della nozione di calcolabilit` a

Aspetti teorici e formali

Figura 1.1: T-macchina con nastro di memoria e cella in lettura.

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

simbolo 2 1 2 ... n q1 q2 ... qn L R H , | ;

Aspetti teorici e formali

Aspetti teorici e formali

Incompletezza algoritmica della T-macchina

veda a proposito di questa dimostrazione Pessa [1992], p.56-59.

Aspetti teorici e formali

Aspetti teorici e formali

... ... ... . . .

Aspetti teorici e formali

Aspetti teorici e formali

[1936], par. 6-7.

Aspetti teorici e formali

Aspetti teorici e formali

La macchina come analogia della mente

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Il paradigma teorico dellIA

descritto in Turing [1936] e da noi analizzato a proposito delle T-macchine.

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali

Aspetti teorici e formali