• Background Image

    Dare valore all’innovazione

22 Gennaio 2020

Dare valore all’innovazione

Rivoluzione digitale tra enfasi e distopiaIntervista a Jean-Gabriel Ganascia
L’ultimo miglio: dove l’intelligenza artificiale incontra la realtàEnrico Coiera
Quella bellezza offuscata del techniumKevin Kelly

Rivoluzione digitale tra enfasi e distopia

Corriamo verso una nuova società feudale, con pochi Signori che si affiancano allo Stato di diritto. Serve una più acuta capacità critica che costruisca una cittadinanza consapevole

Intervista a Jean-Gabriel Ganascia, presidente Comité d’éthique Centre national de la recherche scientifique, Université Pierre et Marie Curie

Da settembre a dicembre 2019, l’Ambasciata di Francia in Italia e l’Institut français d’Italie hanno organizzato una serie di iniziative con l’obiettivo di rendere omaggio a Leonardo da Vinci. Abbiamo incontrato Jean-Gabriel Ganascia in occasione di un incontro a Palazzo Farnese dedicato all’intelligenza delle macchine. Con Ganascia, era anche Luisa Damiano, docente di fi losofi a all’università di Messina e autrice con Paul Dumouchel del libro Vivere con i robot, pubblicato da Raffaello Cortina. Dalla rifl essione sulle inquietudini suscitate dagli interventi dei relatori, è nato questo dialogo che sintetizza alcuni dei temi discussi nell’approfondimento di Forward sulla “rivoluzione digitale”, che è portatrice di grandi opportunità e di rischi.

Si parla sempre di più di rivoluzione digitale, sebbene sembri piuttosto una rivoluzione dell’informazione: come possiamo sopravvivere al sovraccarico di informazioni da cui siamo raggiunti?
Potrebbero esserci molti termini diversi per caratterizzare la rivoluzione digitale: è contemporaneamente una rivoluzione tecnologica conseguente all’uso massiccio delle tecnologie dell’informazione e della comunicazione – la information and communication technology – ma anche una rivoluzione dei dati, causata da quello che la gente chiama “diluvio di dati”, vale a dire la generazione, l’archiviazione e lo sfruttamento con tecnologie di intelligenza artificiale di un’enorme mole di dati che non siamo stati in grado di produrre e gestire in passato, e infine una trasformazione della società. Per essere più precisi, dobbiamo dire che il concetto di “rivoluzione digitale” è apparso all’inizio del nuovo millennio, nel momento in cui la società intera si era ritrovata a essere totalmente mediata dal web e dall’uso dei social network. Questa è la dimensione sociale, che è essenziale. In questo senso, questa rivoluzione è posteriore allo sviluppo delle tecnologie dell’informazione e della comunicazione, che corrispondevano alla forte evoluzione dei computer e al loro uso quotidiano in molte nostre attività.

In questo contesto, una delle principali sfide da affrontare riguarda le nostre capacità cognitive, non sufficienti per interpretare le enormi quantità di informazioni che ci troviamo di fronte. Di conseguenza, la nostra comprensione è offuscata dai dati, il che è paradossale perché le informazioni dovrebbero informarci consentendoci una migliore comprensione. Per superare questa “informazione travolgente”, dobbiamo essere in grado di elaborare smisurate quantità di dati avvicinandoci a una comprensione del loro significato. Tra gli strumenti a disposizione, ci sono molte tecniche di intelligenza artificiale, ma non solo; ad esempio le tecniche di visualizzazione possono essere utili se utilizzate correttamente. Inoltre, alcune delle tecniche di intelligenza artificiale, nonostante siano molto efficienti, non forniscono una migliore comprensione; possono essere usate in qualche contesto, ma con cautela, perché a volte ci portano verso direzioni sbagliate. Questo è particolarmente vero con le tecniche di deep learning, che possono essere molto utili, ma anche fonte di problemi.

Perché ritiene così importanti le capacità di valutazione critica?
È sempre buona cosa sviluppare una capacità di valutazione critica, perché consente di comprendere meglio le situazioni, con acutezza e in modo nitido, e di conseguenza permette di adattare il nostro comportamento per renderlo più appropriato. Tuttavia, nella situazione attuale, è più cruciale che mai a causa delle incessanti sollecitazioni e del carico di informazioni che tende a confondere le nostre opinioni e a indurre degli automatismi nel nostro modo di ragionare. Uno degli atteggiamenti più pericolosi di oggi è certamente quello di reagire in maniera semplice e stereotipata a situazioni complesse, tenendo conto solo degli aspetti più superficiali dei problemi, senza indagare a fondo. Sfortunatamente, questo succede assai spesso. Per evitarlo, dobbiamo sviluppare capacità critiche per riuscire a distinguere ciò che merita di essere distinto e avvicinarci alla comprensione del mondo attuale che è così diverso dal precedente. In assenza, corriamo il rischio molto forte di agire in modo inappropriato.

“Per arginare la narrativa distopica sull’intelligenza artificiale è necessario distinguere il mito dal logos.”

Come spiega nel suo recente libro Le mythe de la Singularité1, siamo circondati da una prevalente narrativa distopica sulla trasformazione digitale. Come possiamo dare valore all’innovazione positiva introdotta dall’intelligenza artificiale?
Il concetto di “intelligenza artificiale” è confuso. Copre almeno tre cose.

  1. Una disciplina scientifica, che è stata fondata nel 1956 negli Stati Uniti d’America, con l’obiettivo di comprendere meglio cos’è l’intelligenza decomponendola in funzioni cognitive e simulandola con i computer.
  2. Le tecnologie basate sulla simulazione al computer di diverse funzioni cognitive, come percezione, ragionamento, traduzione, rappresentazione della conoscenza, apprendimento, ecc. Ad esempio, le tecnologie di riconoscimento facciale consentono di discernere i volti in modo più accurato rispetto agli umani. Questa tecnologia è nata dall’intelligenza artificiale, il cui obiettivo iniziale era quello di imitare le nostre capacità di riconoscere il nostro consimile. Tuttavia, oggi, il riconoscimento facciale può anche essere integrato in molti dispositivi, ad esempio per sbloccare il telefono, per garantire che le persone che desiderano accedere a un sito web siano autorizzate a farlo o a identificare le persone per strada.
  3. Il terzo significato, che è purtroppo il più popolare, si ricollega al significato letterale della parola: “intelligenza artificiale”. Corrisponderebbe a un’intelligenza costruita artificialmente, cioè dalle capacità umane. Molti temono questa eventualità perché immaginano che una tale intelligenza possa diventare autonoma per poi superare la nostra. Sotto questo aspetto la macchina potrebbe ribellarsi contro di noi, come esseri umani, e ridurre l’umanità alla schiavitù. Tale narrativa distopica è più immaginaria che reale, poiché l’idea dell’intelligenza artificiale non corrisponde né a una tecnologia efficiente e ben definita né a una scienza, ma solo a finzioni. Per essere chiari, le macchine non sono di per sé intelligenti; siamo noi, come umani, a proiettare su delle macchine funzioni cognitive umane, conoscenza e intelligenza. Senza di noi, eseguiranno solo sequenze insignificanti di operazioni elementari.

Di conseguenza, dobbiamo distinguere chiaramente questi tre livelli: il livello dell’immaginazione, che è classico nella fantascienza, ma non corrisponde a nulla di tangibile, il livello dell’indagine scientifica, che modella le diverse funzioni cognitive e si confronta il modello alla realtà e, infine, il livello delle tecnologie, utili nella società digitale, poiché molti dispositivi possono integrare la simulazione di diverse funzioni cognitive, per esempio il riconoscimento vocale per migliorare l’interazione uomo-computer o il ragionamento automatico per aiutare in modo efficiente il recupero informazioni in enormi basi di dati, ecc. Più in generale, è essenziale dissociare il “mito” e il “logos”, poiché la confusione può avere conseguenze tragiche.

L’idea emergente è che la proprietà è assoluta e che gli Stati stanno diventando superflui.

Ad ogni modo: parlando dei principali attori come Google, Amazon, Facebook nel suo libro ha citato una sorta di “società feudale” nella quale saremmo oggi immersi. Può spiegare questo concetto?
Dall’inizio dello Stato di diritto, lo Stato centrale e l’idea di sovranità nazionale regolano la politica, almeno nel mondo occidentale. Anche le regole internazionali si basavano su questa idea almeno negli ultimi due secoli e mezzo. Un assioma implicito ha dominato questa concezione: la co-estensione del territorio e dello Stato. Significava che, una volta definiti, i confini non solo delimitavano l’estensione dell’amministrazione statale, ma proibivano, almeno teoricamente, l’interferenza di altri Stati. Significava che nessuno Stato straniero doveva inviare informazioni o vendere beni a persone che vivevano in un territorio, senza il permesso dello Stato da cui dipendeva questo territorio. Sembra chiaro, con la rete, che i confini nazionali degli Stati democratici sono ora permeabili. È possibile inviare messaggi, acquistare beni, trasmettere informazioni, influenzare i cittadini da un altro territorio, che si trova al di fuori del campo di applicazione dello Stato e, di conseguenza, che non è sottoposto alla legislazione dello Stato. Ad esempio, esiste una forte regolamentazione sui giochi. Tuttavia, al giorno d’oggi, chiunque può giocare sul web, senza rispettare le proprie normative nazionali.

Ganascia Jean-Gabriel. Le mythe de la Singularité. Paris: Éditions du Seuil, 2018.

I giganti del web, che raccolgono enormi quantità di dati, ora stanno dominando gli Stati nazionali sotto molti aspetti. Riescono a sfuggire parzialmente alle leggi nazionali, ad esempio, non pagano sempre le tasse nazionali, più precisamente giocano con le leggi nazionali e le pagano negli Stati che riducono le imposte, come l’Irlanda nell’Unione europea. Propongono inoltre agli Stati di assumere, al loro posto, alcuni attributi di sovranità nazionale, ad esempio una prerogativa sovrana come la moneta (pensiamo ai bitcoin), sicurezza interna, giustizia, censura o altro. Oppure altri attributi come la salute, l’istruzione e potremmo continuare. L’ideologia dominante dei proprietari di queste aziende è il libertarianismo, che non è né il liberalismo né l’anarchia, ma l’idea che la proprietà è assoluta e che gli Stati stanno diventando superflui, poiché gli attori privati possono assumere tutte le funzioni che erano tradizionalmente attribuite allo Stato. Per la loro potenza, queste aziende influenzano già fortemente le istituzioni nazionali e internazionali, ad esempio la Commissione europea e il Parlamento europeo, che fornisce loro un forte potere a scapito degli Stati nazionali. Poiché nessuno di essi è totalmente dominante, è molto probabile che non si scontreranno per ottenere un potere assoluto, ma vorranno condividerlo, dominando ciascuna alcune regioni virtuali del mondo. In questo senso, il nuovo regime sarà una sorta di feudalesimo, inteso come un potere distribuito tra diversi attori e definito da una serie di reciproci obblighi legali e materiali tra le diverse entità, per esempio Stato nazionale, grandi società tecnologiche, organizzazioni non governative, Stati sovranazionali, regioni, e così via.

 

In una recente intervista, ha spiegato che esiste un’enorme differenza tra “essere popolare” e “avere qualità”. Come possiamo sovvertire questa equazione pericolosa?
Il mondo tradizionale era principalmente organizzato gerarchicamente e questa organizzazione era più o meno “aristocratica”, nel senso che esisteva una stratificazione sociale basata su qualità presunte o reali, vuoi personali, dovute ad azioni passate o ad attestati, vuoi ereditate. Oggi il mondo è orizzontale, nel senso che non esistono gerarchie reali tra gli umani. Ciò non significa che non vi siano relazioni di potere, ma che queste relazioni possono evolversi rapidamente con il tempo cambiando e ricostruendosi. Di conseguenza, le qualità personali dovute all’esperienza e alla competenza personale possono essere messe in discussione da chiunque. Pensiamo per esempio alle vaccinazioni o al cambiamento climatico: le persone più informate devono discutere con portavoce di organizzazioni che non propongono argomenti scientifici, ma solo punti di vista emotivi che soddisfano in modo più immediato le esigenze dei media.

È possibile sovvertire questa equazione pericolosa, dove i meno esperti hanno a loro disposizione i vantaggi sia della naturalezza sia della semplicità, che rivestono un’importanza cruciale sulla scena mediatica? Questa è una domanda aperta. Non ho una bacchetta magica per invertire la tendenza, ma penso che l’educazione e gli sforzi di spiegare le cose siano fondamentali. Gli scienziati devono spiegare senza stancarsi come sta cambiando il mondo, che non ci attende un destino inevitabile e che la cosa più importante è progettare collettivamente un futuro più desiderabile. Ciò che mi fa sperare è che, nonostante la tendenza generale a deprezzare sistematicamente le qualità umane, un numero sempre maggiore di persone capisce che la società sta cambiando e che dobbiamo ricostruirla su nuove basi.

 

gennaio 2020

 


L’ultimo miglio: dove l’intelligenza artificiale incontra la realtà

Sviluppare e valutare il nuovo nel contesto che lo vedrà protagonista

Enrico Coiera, direttore Centre for health informatics, Macquarie university, Sidney

Sembra che la priorità sia migliorare le performance dell’intelligenza artificiale quando invece dovremmo concentrarci maggiormente sull’implementazione delle tecnologie basate sui dati di questo ramo dell’informatica. Sul Journal of Medical Internet Research Enrico Coiera invita a non sottovalutare il “terzo miglio” di quel viaggio che parte dalla raccolta dei dati e termina con l’ingresso dell’innovazione nel mondo reale. Serve un approccio più agile: sviluppare e testare in modo iterativo l’intelligenza artificiale laddove verrà utilizzata.

Lo sviluppo di tecnologie basate sui dati, come il machine learning, richiede a grandi linee tre fasi. Nel primo miglio una volta selezionato il compito da svolgere, come per esempio la diagnosi, i dati vengono acquisiti, possibilmente etichettati, e pre-elaborati o “puliti”. Il miglio successivo, quello di mezzo, si focalizza sullo sviluppo e sulla valutazione delle performance tecniche dei diversi algoritmi creati a partire da questi dati. Solo nell’ultimo miglio, gli algoritmi vengono incorporati nei processi del real world e testati sulla base dei loro effetti sugli outcomes in contesti reali.

Ciascun miglio ha le sue sfide. Quelle del primo miglio riguardano la raccolta e il trattamento di dati di alta qualità. Per tecnologie come il machine learning, che dipendono spesso da grandi quantità di dati di alta qualità, un collo di bottiglia nell’acquisizione dei dati si traduce in un ostacolo all’applicazione della tecnologia. Il miglio di mezzo contiene invece tutte le sfide dello sviluppo di algoritmi basati sui dati, tra cui la gestione dei bias, la replicabilità, l’inferenza causale, l’eventuale eccesso di adattamento ai dati usati per l’addestramento e il miglioramento della generalizzazione di tutti i modelli e algoritmi sviluppati.

Nell’ultimo miglio, si affronta la realtà che l’intelligenza artificiale non fa nulla da sola. In qualche modo, l’intelligenza artificiale deve essere collegata ai processi del real world e il suo impatto su tali processi deve essere consequenziale. È a questo punto che una tecnologia sviluppata per sé stessa è destinata a fallire. Per esempio, una cosa è dimostrare che il machine learning riesca a diagnosticare il tumore a partire dalle scansioni della tiroide, con la stessa accuratezza dell’uomo, se non superiore – una prodezza tecnica [1]; altra cosa è l’utilità di questa prodezza. Nell’attuale contesto, in cui il carcinoma tiroideo viene diagnosticato e anche trattato oltremisura, non è detto che abbiamo bisogno di diagnosi migliori. Piuttosto abbiamo bisogno di un approccio più sfumato e meno aggressivo [2].

Le sfide dell’ultimo miglio sono quindi quelle dell’implementazione e, per i ricercatori, della scienza dell’implementazione. Queste sfide esistono a diversi livelli e includono quanto segue.

Misurazione. Le metriche standard delle performance dell’intelligenza artificiale si riferiscono al modo in cui viene completato il task assegnato. Tradizionalmente si adottano misure di performance come sensibilità, specificità e area al di sotto della curva caratteristica operativa del ricevitore. Vi è, tuttavia, una lunga serie di eventi che devono verificarsi tra elevate performance tecniche e impatto effettivo sull’esito clinico. Il successo in ciascuna delle fasi iniziali di questa information value chain è necessario ma non sufficiente per garantire l’impatto dell’applicazione nel mondo reale [3]. La valutazione dei risultati del mondo reale richiede quindi un passaggio dalla misurazione dell’accuratezza tecnica alla valutazione dell’impatto sui processi e sulle persone. Per esempio la curva caratteristica operativa del ricevitore può essere fuorviante in contesti clinici [4] in quanto misura le performance complessive di un algoritmo attraverso l’intera curva caratteristica operativa del ricevitore, mentre il funzionamento nel mondo reale ideale può al meglio essere limitato a un segmento di esso [5].

Generalizzazione e calibrazione. Nel momento in cui l’intelligenza artificiale viene addestrata su dati storici, le sue performance future dipendono dal modo in cui i nuovi dati corrispondono a quelli storici. Una sfida comune nell’implementazione è scoprire che un algoritmo ad alte prestazioni, sviluppato a partire dai dati di una popolazione, si deteriora quando applicato su un’altra popolazione, riflettendo le differenze sottostanti nella frequenza e nella natura degli eventi all’interno dei set di dati. Per questo motivo, l’intelligenza artificiale potrebbe dover essere sintonizzata specificamente sulla popolazione finale. In molti contesti, anche questa popolazione finale sarà dinamica, variando a causa di eventi ricorrenti come per esempio modifiche stagionali delle malattie, cambiamenti nelle caratteristiche della popolazione e nuovi eventi imprevisti quali focolai di malattie. Ciò significa che potrebbe essere necessario ricalibrare l’intelligenza artificiale, periodicamente o dinamicamente, per rispecchiare i cambiamenti della popolazione. Dovremo inoltre monitorare attentamente le performance dell’intelligenza artificiale per rilevare cambiamenti nel suo comportamento che indicano la necessità di ricalibrare il software [6]. Maggiori sono le difficoltà quando più efficacemente l’intelligenza artificiale migliora i risultati e più velocemente le sue performance sembrano peggiorare, in quanto il suo stesso successo può alterare l’associazione tra predittori nel suo modello e outcomes raggiunti [7].

Contesto locale. Un principio fondamentale delle scienze dell’implementazione è che alle differenze nel contesto in cui la tecnologia viene inserita si associno cambiamenti nelle performance. Se consideriamo un’organizzazione come una rete di persone, processi e tecnologie, è chiaro che i network alla base di due organizzazioni distinte saranno diversi. L’implementazione può essere interpretata come l’atto di adattare una nuova tecnologia o un processo a una rete organizzativa preesistente e la bontà di adattamento della tecnologia alla rete determinerà qualsiasi impatto sulle prestazioni organizzative [8]. Ciò vale tanto per l’intelligenza artificiale quanto per la salute digitale, in generale, o per qualsiasi nuovo processo o tecnologia. A complicare ulteriormente le cose è la dinamicità delle reti organizzative stesse. L’impatto di una tecnologia cambierà quindi con il tempo, poiché cambia il modo in cui “si adatta” a una rete organizzativa e probabilmente a causa della sua stessa presenza: le vecchie connessioni scompariranno o saranno sostituite da nuove connessioni.

Il mondo del software ha compiuto un cambiamento importante dal considerare lo sviluppo del software come un processo lineare che inizia con le esigenze degli utenti e termina con prove utente finale, a un processo flessibile in cui gli utenti sono integrati in un processo rapido e iterativo che adatta il software agli utenti. La scienza dell’implementazione deve percorrere lo stesso percorso e in particolar modo con l’intelligenza artificiale che cambia dinamicamente.

Le tecnologie dovrebbero nascere nel profondo della rete in cui vivranno.

Lo sviluppo dell’intelligenza artificiale non dovrebbe essere interpretato come un viaggio lineare che si estende dal primo all’ultimo miglio. In tal modo si rischierebbe di arrivare a un prodotto finale che non soddisfa le esigenze del mondo reale, proprio come accade con i software. Al contrario l’implementazione dovrebbe essere vista come un processo agile, iterativo e leggero per ottenere dati da usare per l’addestramento e per sviluppare algoritmi e trasformarli in strumenti e flussi di lavoro. Sarà essenziale trovare il giusto equilibrio tra il riutilizzo di una qualsiasi tecnologia e la necessità di rispondere alle esigenze locali [9]. In ogni caso, le applicazioni dell’intelligenza artificiale non dovrebbero essere create lontane dal contesto in cui verranno impiegate. Idealmente, dovrebbero nascere nel profondo della rete in cui vivranno.

Bibliografia

[1] Li X, et al. Lancet Oncol 2019;20:193-201.
[2] Coiera E. Lancet Oncol 2019;20:166-7.
[3] Coiera E. Stud Health Technol Inform 2019;263:35-48.
[4] Cook NR. Circulation 2007;115:928-35.
[5] Thomas G, et al. Diagn Progn Res 2017;1:17.
[6] Ong M, et al. J Am Med Inform Assoc 2013;20:506-12.
[7] Lenert M, et al. J Am Med Inform Assoc. 2019;26:1645-50.
[8] Coiera E. Chapter 12: Implementation, in Guide to Health Informatics. Boca Raton: CRC Press, 2016.
[9] Johannessen L, et al. Comput Supported Coop Work 2009;18:607-34.

Questo articolo riprende parte dell’articolo di Enrico Coiera “The Last Mile: Where Artificial Intelligence Meets Reality” pubblicato sul Journal of Medical Internet Research www.jmir.org/2019/11/e16323. Ringraziamo gli autori e il Journal of Medical Internet Research per l’autorizzazione.

gennaio 2020


L’ultima parola

Quella bellezza offuscata del technium

L’evoluzione della società tecnologica tra fascino e paura, utilità e inutilità

di Kevin Kelly

“Siamo ancora all’inizio dell’inizio. Abbiamo appena cominciato a costruire una società tecnologica. I cambiamenti tecnologici nei prossimi vent’anni sovrasteranno quelli degli ultimi vent’anni. Sarà come se non fosse ancora successo nulla.”

Kevin Kelly, scrittore, fotografo e ambientalista statunitense. Studioso di cultura digitale e asiatica, è cofondatore della rivista Wired di cui è stato direttore. è noto come partecipante e osservatore della cosiddetta “cybercultura”. Ha partecipato alla creazione di Well, uno dei primi modelli di comunità virtuale.

La tecnofilia è indotta dall’intrinseca bellezza del technium. Ammettiamolo, in passato questa bellezza è stata offuscata da una fase primitiva cli sviluppo che non è stata molto piacevole. L’industrializzazione era sporca, brutta e ottusa rispetto alla matrice biologica da cui era cresciuta. Molto cli quello stadio evolutivo del technium è ancora con noi, e sparge ovunque le sue brutture. Non so se questa sia una fase necessaria della crescita del technium o se una civiltà più intelligente della nostra avrebbe potuto attenuarla prima, ma l’arco della tecnologia, che si origina dall’evoluzione della vita, oggi accelerata, implica che il technium contiene tutta la bellezza innata della vita evolutiva, in attesa che sia rivelata.

Un martello richiede un manico e una testa del martello, e una sega richiede il martello per fare i denti di sega che tagliano un manico per un martello, questo per dire che in un certo senso tutto ciò funziona in modo circolare, ricorsivo, e c’è sotto tutta una rete di tecnologie di supporto, che nel complesso io chiamo “technium” (il sistema della tecnosfera, ndr). Il technium è quella vasta rete di tecnologie che lavorano assieme supportandosi l’una con l’altra, e se da una parte certamente non si può dire che una penna sia viva, in un certo qual modo il technium nel complesso mostra comportamenti simili a quelli degli esseri viventi, allo stesso modo in cui un neurone non pensa, ma la rete di neuroni nel nostro cervello sì.

La tecnologia non vuole rimanere solo una cosa “utile”: vuole di ventare arte, vuole essere bellissima e “inutile”. Poiché è nata dall’utilità ha parecchia strada da fare. Via via che invecchiano, le tecnologie funzionali tendono a diventare ricreative. Ne sono la prova le barche a vela, le auto decappottabili, le penne stilografiche e i caminetti. Chi avrebbe immaginato che si sarebbero volute usare le candele quando le lampadine costano così poco? Ma stare a lume di candela oggi è un meraviglioso segno di inutilità. Alcune delle tecnologie che oggi lavorano più duramente diventeranno splendidamente inutili in futuro. Forse tra cent’anni qualcuno si porterà in giro uno smartphone solo per il gusto di farlo, anche se magari sarà connesso in rete da qualcosa che indossa.

In futuro sarà più facile amare la tecnologia. Le macchine si conquistano un pezzetto in più del nostro cuore ad ogni passo avanti che compiono. Che ci piaccia o meno, ci saranno robot con sembianze animali (come animali da compagnia, all’inizio) per i quali proveremo affetto, lo stesso che già proviamo per tutto ciò che le ricorda in qualche modo la vita. Internet rappresenta un accenno di questa possibile passione. Come succede per molti amori, s’inizia con l’infatuazione e l’ossessione. L’interdipendenza quasi organiva della rete globale, e la facoltà senziente che sta cominciando a manifestare, sono qualcosa di selvaggio, di naturale, e sono proprio queste caratteristiche a stimolare il nostro affetto. Siamo profondamente attratti dalla sua bellezza: una bellezza che risiede nell’evoluzione.

Visto che gli esseri umani sono gli organismi più evoluti e più complessi che conosciamo, di solito basiamo le nostre imitazioni su questa forma (ed è piuttosto naturale che sia così); ma la nostra tecnofilia non è necessariamente diretta all’antropico, bensì a qualunque cosa sia molto evoluta. La tecnologia più avanzata dell’umanità lascerà presto dietro di sé una scia di imitazioni, e creerà intelligenze non umane, robot non umani e vita dissimile da quella terrestre: e per noi sarà incredibilmente attraente.

Quando ciò accadrà, ci risulterà facile ammettere che tutto questo ci appartiene. Per giunta, l’arrivo di decine di milioni di nuovi artefatti andrà ad aggiungere stratificazioni al technium, conferendo alla tecnologia esistente una patina di storia e approfondendo ulteriormente il livello di conoscenza incorporata. Anno dopo anno nel suo avanzare, la tecnologia accrescerà la propria bellezza. Sono disposto a scommettere che in un futuro non troppo distante la magnificenza di certi aspetti del technium rivaleggerà con quella del mondo naturale. Parleremo in modo entusiastico del fascino di questa o di quella tecnologia, e con i nostri figli ci siederemo in silenzio all’ombra delle sue torri.

[Dal libro
Quello che vuole la tecnologia
Torino: Codice edizione, 2011]

0 Comments

Leave A Comment

Lascia un commento

Il progetto Forward è realizzato con il supporto di
  • ISCRIVITI ALLA NEWSLETTER DI FORWARD

    Quando invii il modulo, controlla la tua inbox per confermare l'iscrizione

  • Pin It on Pinterest

    Share This