Rotolo, G., Primiero, G. Dall'Artificiale al Vivente (Polimetrica, 2005) (ISBN 9788876990250).pdf

Open Access Publications

a n L T n o i h d t c e e e a n e l l s e l l e o e c w c t B t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i a e n o t c y n a o o n o n n e f d t b e h n t h t y t i s e s a o p b n o o y f s o o t h s i k t h e b i i s e w l i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t r a f o i n p m b u d u m t i b e e s l i r t h m c a c i e a a d t i l c e o o n p a n . u v r t e a A p n i d o t l s s a d e i s o b l t i f e o t n o h i r a f e n l o w f r r r i o e g e r h p r k a t c s o f , p c i o t r e n . o s s P t . h o v i E d e i l v c m e o e d e r n t t h y r a t e c i n a t c o t s P t h n r o u e t i f b a b t u u l h i t t e s i h h o w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a y P e s l l r o l i t h e m e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n s f m e t h e B e n ” w t i . o o n “ P r k e d o l i n .I i m p t e t a d r p o i e e c r s a



Dall’Art Dall’Artifici ificiale ale al Viven Vivente te Una storia storia natur naturale ale dei concett oncetti i

Giuseppe Rotolo Giuseppe Primiero

PREFAZIONE di Gianni Rigamonti

POLIMETRICA International Scientific Publisher Monza - Italy


c 2005 Polimetrica S.a.s.  International Scientific Publisher Corso Milano 26 20052 Monza - Milano - Italy Website: http://www.polimetrica.com http://www.polimetrica.com Illustrazione di copertina Arch. Diego Recalcati ISBN 88-7699-025-9 Edizione Stampata ISBN 88-7699-026-7 Edizione Elettronica L’edizione L’edizione elettronic elettronica a di questo questo libro è distribuita distribuita alle seguenti seguenti condizioni condizioni:: chiunque chiunque pu` o copiare, distribuire, visualizzare l’opera; in ogni caso, si deve dare riconoscimento e citare sia l’autore originario dell’opera sia Polimetrica Publisher e non si pu` o usare l’opera a fini commerciali o comunque di lucro né si pu` o alterare, a lterare, modificare modifi care l’opera l’op era né derivarne un’altra. L’edizione a stampa è protetta dalle d alle norme ordinarie del copyright.

a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

Indice Prefazione di Gianni Rigamonti

7

Introduzione

13

1

Aspetti teorici e formali

17

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 λ-definibilit` 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 dell’IA . . . . . . . . . . . . . . . . . . . . . 1.4.3 La nuova ricerca . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.4 Sistemi esperti . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Teoria dell’Informazione . . . . . . . . . . . . . . . . . . . . . . . . . . . 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 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17 24 27 29 30 34 39 40 46 47 51 58 64 66 74

Applicazione ai sistemi artificiali

85

2

2.1

2.2 2.3

Approcci interattivi alla mente: le Reti neurali . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.1 Reti neurali . . . . . . . . . . . . . . . . . . 2.1.2 Implementazioni neuronali . . . . . . . . . . 2.1.3 Problemi e insufficienze del connessionismo Dal calcolatore al robot . . . . . . . . . . . . . . . Principi di Robotica . . . . . . . . . . . . . . . . . 2.3.1 Architettura e Meccanica . . . . . . . . . . 2.3.2 Movimento . . . . . . . . . . . . . . . . . .

5

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

74 77

86 87 90 98 101 108 109 110

6


Indice

2.4 2.5

3

2.3.3 Sensori ed effettori . . . . . . . . . . . . . 2.3.4 Visione . . . . . . . . . . . . . . . . . . . 2.3.5 Programmazione e Controllo . . . . . . . 2.3.6 Antropomorfismo? . . . . . . . . . . . . . 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 . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

Ripensare i sistemi viventi

L’idea dell’uomo come sistema . . . . . . . . . . . . . . . . . 3.1.1 Il sistema vivente come sistema aperto . . . . . . . . . 3.2 Autopoiesi, ovvero, sistemi che riflettono 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 3.4.1 Centralit` a del corpo . . . . . . . . . . . . . . . . . . . 3.4.2 I pregiudizi circa le macchine, ovvero, i pregiudizi circa umana . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5 Verso un ritorno all’uomo . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . artificiali . . . . . . la natura . . . . . . . . . . . .

Prolegomeni ad ogni futura Cibernetica

4.1 4.2 4.3

Dall’informazione al significato . . . . . . Introduzione al problema e definizioni . . 4.2.1 Struttura delle relazioni . . . . . . Ritorno al significato . . . . . . . . . . . . 4.3.1 Teoria intensiva dell’Informazione .

113 114 117 118 120 121 123 123 125 128 131

3.1

4

. . . . . . . . . .

131 139 146 156 156 160 163 163 165 175 177

. . . . .

. . . . .

. . . . .

Bibliografia

Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

177 179 181 184 185 191


Prefazione 1. Tutti sanno che di un testo si può sempre dare una molteplicit` a indefinita di interpretazioni; ma se esordisco richiamando una simile banalità è per chiarire fin dall’inizio che qui propongo, senza alcuna pretesa di neutralit` a, una mia lettura di questo interessantissimo scritto di Primiero e Rotolo. Io leggo Dall’artificiale al vivente come una teoria generale dell’intelligenza, naturale o artificiale , cioè 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: l’indagine su che cosa sia l’intelligenza simpliciter , non qualificata né come naturale n´ e come artificiale per la semplice ragione che la seconda non rientrava, fino a tempi molto recenti, nell’orizzonte dei filosofi. Quando un presocratico, o Tommaso d’Aquino, o Heidegger, si domanda quid sit intelligere , ha in mente l’intelligere umano, non certo quello delle macchine1 ; ma una volta posta la questione dell’intelligere (totalmente nuovo e per ora puramente teorico) artificiale diventa necessario riesaminare alla sua luce anche la precedente nozione - meglio: le precedenti nozioni - di intelligenza naturale (e specificamente umana). E qui comincia una storia, breve ma importante, che è 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 difficile da contestare2 : che se un qualsiasi ente ha una competenza linguistica indistinguibile da quella umana - se “parla” cos`ı bene da non essere per nulla diverso da un umano, quanto ad abilit` a nel parlare - allora è intelligente . Con questo principio Turing crea in un colpo solo un concetto generale d’intelligenza, naturale o artificiale, ragionevolmente preciso e un criterio per riconoscere o negare l’intelligenza a una qualsiasi entità. Noi consideriamo intelligente ogni umano in grado di parlare normalmente; di conseguenza, sarebbe incoerente considerare non intelligente un non umano con un’abilit` a linguistica indistinguibile da quella di un umano “intelligente” nel senso appena definito. La novit` a di questo criterio è 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.

7

8


Prefazione

cetto di intelligenza che presuppone s`ı un supporto materiale, tuttavia è indipendente dallo specifico carattere, protoplasmatico o meccanico-elettronico, e dall’origine naturale o artificiale di questo supporto. Ma nel lavoro di Turing ci sono due cose importanti, non una: la prima è il suo nuovo e pi` u ampio concetto di intelligenza, dal quale segue che di principio le macchine possono benissimo pensare, la seconda è una previsione che è stata clamorosamente disattesa. Turing infatti era convinto che nel giro di trenta o quarant’anni, cioè fra il 1980 e il 1990, sarebbero state costruite macchine con una competenza linguistica difficilmente distinguibile da quella umana, quindi passabilmente intelligenti; ma l’epoca da lui indicata è 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 è intelligente nel senso - teoricamente ineccepibile - di Turing. Il sogno dell’intelligenza artificiale non si è avverato3 . 3. Perché le cose non sono andate come prevedeva Turing? La spiegazione pi` u plausibile, in circolazione da oltre vent’anni, è che l’intelligenza sia possibile solo sulla a date , e quindi le macchine potranno base di facolt` a sensoriali e pulsioni istintuali gi` diventare intelligenti solo se, e quando, avranno sviluppato queste pulsioni e facolt` a. Almeno sulla Terra, l’intelligenza naturale è frutto di un percorso evolutivo lunghissimo. Tutto è cominciato con esseri unicellulari che avevano gi` a le nostre pulsioni fondamentali - alimentare, di fuga, di smaltimento dei rifiuti, sessuale (prima nella forma della duplicazione e solo dopo in quella dell’accoppiamento) - ma non organi di senso differenziati, 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 raffinato 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 né un individuo completa il suo ciclo vitale né una specie si conserva. Ma oltre agli organi periferici di senso e moto e sesso si differenziava 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 efficiente e complesso. Le straordinarie prestazioni visive, auditive e olfattive di molti animali, per esempio, nascono cos`ı; 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 capacità di fronteggiare, controllare, dominare l’ambiente. 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 stratificato, di capacit` a e pulsioni preintellettuali hanno sviluppato anche un’intelligenza. Ma la nostra intelligenza non è disincarnata: lavora perché c’è un immenso motore pre intellettuale a tenerla in funzione, e senza questo motore nemmeno esisterebbe4 . 3

Ogni tanto qualcuno afferma ancora che fra trent’anni l’intelligenza artificiale ci sar` a; e or` mai si dice cos`ı, periodicamente, da pi` u di mezzo secolo. E come inseguire il miraggio di un’oasi, non trovarla, e periodicamente ripetere: “Guardate là! Poco pi` u avanti l’oasi c’è davvero!” 4 Naturalmente questa idea non ` e nuova. Gi` a Aristotele diceva qualcosa di molto simile nel De anima . Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

Prefazione


9

4. Ora, i pionieri dell’intelligenza artificiale cercavano invece di costruire computer soltanto intelligenti, macchine capaci di ragionare e parlare ma senza istinti, senza né bisogni né desideri né paure; intelligenti, ma senza la base dell’intelligenza. E qui azzardo la tesi, priva di dimostrazione ma per la quale posso addurre come argomento probabile proprio quel fallimento dell’intelligenza artificiale del quale ho appena accennato, che l’intelligenza in generale sia possibile solo come strato superiore di una coscienza che comprende anche gli strati della sensibilità 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 è evidente che simili macchine (nient’affatto impossibili di principio) potranno esserci solo al termine di una lunga evoluzione che parta da robot capaci di riflessi di autoconservazione e metta via via al servizio di questi riflessi dei sensori, e poi dei processi centrali, sempre più avanzati, fino al livello a cui diventa possibile il salto verso il linguaggio e l’intelligenza. Sar` ase ci sar` a - un processo guidato, e quindi non ci vorranno tre miliardi e mezzo di anni come per l’evoluzione biologica dai primi procarioti all’homo sapiens, ma si tratter` a comunque di un cammino molto lungo: altro che trent’anni! 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 l’avere istinti e l’essere frutto di un processo evolutivo condizioni sufficienti 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 l’origine di tali macchine è artificiale - e tale sarebbe, di conseguenza, anche la loro intelligenza. 5. Io accetto dunque - e da tempo - una nozione di intelligenza artificiale che non vuole fare a meno della corporeit` a e dell’istintualit` a; ma cose molto simili le diceva già, per esempio, Gian Carlo Rota nel 1985. Ora, Rotolo e Primiero, se non li ho fraintesi - e vengo finalmente 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 l’intersoggettività. Ma per capire come ci arrivano è bene riassumere per sommi capi il loro percorso, le cui tappe fondamentali sono queste: (1) una ripresa della teoria classica dell’informazione, a partire da Shannon; (2) una ripresa della teoria dei sistemi; (3) su questa duplice base, una definizione del concetto di sistema (e non - questo è importante - semplicemente di essere ) vivente come sistema che scambia informazioni significanti con l’esterno (e solo finch´ e continua a scambiarle vive); (4) infine una seconda definizione, stavolta del concetto - ovviamente pi` u specifico - di sistema intelligente come sistema vivente che scambia con l’esterno informazioni significanti articolate linguisticamente. Proviamo a spiegare tutto questo in forma un po’ pi` u distesa.

Sul punto 1. Per informazione s’intende qualsiasi flusso 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 . . . ) Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

10


Prefazione

provenienti dall’esterno hanno gi` a di per s´ e natura granulare5 , e inoltre vengono convertiti dagli organi di senso periferici in impulsi discreti che attraverso le fibre nervose raggiungono il cervello, dove sono rielaborati (e la rielaborazione è a sua volta un insieme strutturato altamente complesso di impulsi discreti). Ma è informazione in questo senso anche qualsiasi trasmissione radio, che è emissione (in E) e ricezione-rielaborazione (in R) di onde elettromagnetiche - sempre quantizzate, cioè 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 ciò debba accadere. La questione resta impregiudicata, e in ogni caso nel singolo messaggio l’emittente è solo emittente e il ricevente è solo ricevente.

Sul punto 2. Un sistema è un’entità (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, cioè - entro certi limiti - della capacit` a di tornare al suo funzionamento regolare dopo una perturbazione. Sono sistemi, per esempio, gli esseri viventi; ma è un sistema anche un’azienda, è un sistema uno stato sovrano, è un sistema l’atmosfera 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 l’esterno, visto che vedono, sentono e contemporaneamente emettono per esempio odori, o suoni; tuttavia non è questa la differenza. L’atmosfera per esempio riceve la radiazione solare e la notte, raffreddandosi, emette altra radiazione (invisibile, perch´ e di lunghezza d’onda 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 è fatta di fotoni e gli altri due di molecole di H 2 O, per cui è lecito, bench´ e tutt’altro che intuitivo, considerarli informazione. La differenza è un’altra: un sistema vivente riceve ed emette informazione in quanto informazione . Quella in entrata viene incanalata verso un’istanza centrale che l’analizza e centralmente elabora una risposta, ma questo significa che i dati in entrata e la risposta in uscita diventano coscienti . Inoltre la risposta, che diventa visibile all’esterno come comportamento, è elaborata come segnale che un cospecifico pu` o a sua volta ricevere e analizzare centralmente, cioè coscientemente. Due cani che si annusano si scambiano informazione in quanto informazione, cioè ognuno dei due sa che l’altro 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 è in realt` a una rete di relazioni fra viventi, che perciò stesso riconosce il suo medium naturale nello scambio comunicativo 5

Cos`ı ci dice, quanto meno, la fisica quantistica. Dove distinta non vuol dire isolata . In generale fra sistema e ambiente c’` e sempre uno scambio. 6


Prefazione


11

(non necessariamente linguistico)” (Dall’artificiale al vivente , 178). Invece l’atmosfera riceve “informazioni”, nel senso generalissimo del punto 1, dalla radiazione solare e la rielabora in venti e tempeste o bonacce, ma né centralmente e coscientemente, né per un cospecifico - quale? Di fatto, tutti i viventi conosciuti sono naturali; ma di principio niente vieta che un vivente nel senso del punto 3 sia artificiale. Ci` o che caratterizza un vivente come vivente è infatti lo scambio comunicativo cio` e a rimbalzo con altri viventi e significante cio` e saputo, magari auroralmente, come comunicativo; il che implica, naturalmente, una visione olistica in cui la parte non è indipendente dal tutto. 6. Ma andiamo finalmente al punto 4. Che cosa rende un vivente - naturale o artificiale - intelligente? Qui trovo fondamentale, e anche originale, un’affermazione che sta quasi alla fine del lavoro di Rotolo e Primiero: “l’io parlante costituisce per se stesso il primo ricevente, creando cos`ı su di s´ e un livello iniziale di feedback che essenzialmente modifica in itinere il messaggio : tale messaggio quindi non è fissato 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 codifica dell’emittente è appunto dinamico, esso interviene continuamente a rimodellare il messaggio” (186; corsivo nell’originale). A me qui i punti decisivi sembrano due. Il primo è che la modifica del messaggio in itinere è un continuo slittamento di codifica, un succedersi di piccole variazioni locali, quindi non è possibile se non c’` e prima di tutto la possibilità di una codifica articolata , cioè un linguaggio; il secondo è che se “l’io parlante costituisce per se stesso il primo ricevente” ne segue immediatamente che questo io è autocosciente. Nell’intelligenza abbiamo quindi linguaggio e autocoscienza , e questo non è nuovissimo; ma abbiamo anche il fatto che intelligenza e linguaggio si implicano a vicenda anzi nemmeno esistono l’una senza l’altro - e qui c’` e qualcosa di meno scontato, anche perch´ e nel corso di un’analisi molto ricca questi due termini si caricano di significati spesso sorprendenti, che in poco spazio non è possibile richiamare. Ma soprattutto è centrale la conclusione, su cui Rotolo e Primiero insistono molto, che in ogni flusso intelligente di informazioni è insita una dualit` a per cui ogni emittente è intrinsecamente anche ricevente, e viceversa - cioè è insità l’intersoggettivit` a; ma questa dualit` a va al di là anche dell’intersoggettivit` a, è talmente profonda che ogni emittente è anche ricevente di se stesso. E questa conclusione non è certo banale. 7. Ma mi piace chiudere con l’indicazione di quella che secondo me è una direzione in cui sarebbe bene continuare a lavorare. Rotolo e Primiero insistono, giustamente, sul fatto che la teoria classica, shannoniana dell’informazione sa dare una misura quantitativa del flusso di segnali che da un emittente E raggiunge un ricevente R, ma non dice niente del suo significato. 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, l’informazione 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 è affatto detto che il primo messaggio sia più significativo del secondo. Una teoria dell’informazione che non sia puramente ingegneristica, cioè interamente traducibile in termini di circuiti e flussi elettrici, deve tener conto anche del significato di un segnale; deve - dicono Primiero e Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

12


Prefazione

Rotolo - analizzarlo anche “intensivamente”, se è vero che un discorso di dieci secondi pu` o essere molto pi` u significativo di uno di un minuto, o di un’ora. E questo è vero, naturalmente; ma una teoria “intensiva” dell’informazione per essere scientificamente accettabile deve sviluppare un suo apparato matematico, che per ora non ha, mentre ce l’ha quella puramente ingegneristica di Shannon; ed è proprio la scoperta, anzi l’invenzione, di una teoria intensiva matematica dell’informazione la direzione in cui a mio parere si deve lavorare. Buon lavoro, dunque. Gianni Rigamonti Ottobre 2005



Introduzione La scienza, scienza, come come l’arte, l’arte, la religio religione, ne, il commer commercio, cio, la guerra e anche il sonno, ` e basata basata su presuppos presupposti. ti. Essa, Essa, tuttavia, tuttavia, differisc differisce e dalla maggior maggior parte parte delle altre branche dell’attivit` a umana non solo perch´ perch´ e sono i presuppos presupposti ti degli scienziati a determinare le vie seguite dal pensiero pensiero scientifico, scientifico, ma anche perch´ perch´ e gl i obiettivi stessi di questi ultimi consistono consistono nel controllo controllo e nel la revisione dei vecchi presupposti e nella creazione di nuovi.

G. Bateson - Mind and Nature - A Necessary Unity

La riusci riuscita ta di una storia storia ben raccon raccontata tata è il risulta risultato to delle delle motiv motivazi azioni oni e delle delle scelte che hanno spinto a credere nella sua nascita. All’origine di questo lavoro si trovano diverse competenze e diversi approcci al problema dell’intelligenza e della conoscenza; ci` o, nondimeno, ha condotto verso un approccio costruttivo dei problemi qui affrontati. o, L’idea L’idea è quella di illustrare illustrare una storia, storia, quella naturale dei concetti di artificiale artificiale e di vivente. Chi scrive crede che, nella speranza di poterne ancora mostrare il fascino, essa non possa focalizzarsi su un evento specifico e neppure semplicemente seguire un filo cronologic cronologico o determinato. determinato. Gi` a tante volte tale cronologia cronologia è stata presentata presentata in lavori lavori che si prefiggono precisamente lo scopo di dispiegare i fatti, le idee, le invenzioni e le creazioni del d el mondo artificiale. Ma questa storia st oria è frutto di percorsi p ercorsi diversi, intrecciati, che non hanno a che fare semplicemente con un racconto di cosa sia e di come si sia sviluppata l’intelligenza artificiale. Questa storia è una storia circolare, che si prefigge lo scopo di rivisitare incessantemente i presupposti e le conseguenze dei paradigmi scientifici che coinvolgono l’essenza dell’intelligenza 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 l’agire dell’uomo; dall’altro risulta evidente che tale racconto finisca per sfociare in un vero e proprio processo creativo che speriamo non si riduca ad un mero esercizio di stile, e che possa contribuire contribuire alla viv vivacit` acit` a del dibattito, dibattito, forse con una voce leggermente dissonante. L’obiettivo L’obiettivo primiario primiario di questo volume non è, e, quindi, quindi, quello di svolgere svolgere il ruolo di un manuale delle scienze dell’artificiale, 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 dell’artificiale quanto del vivente; si tratta di un percorso che permette una comprensione dell’evoluzione di tali concetti e una loro (ri)configurazione complessiva alla luce dei risultati cui si giungerà 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 dell’Intelligenza Artificiale, e che cerca di svelare quei nodi centrali che della sua evoluzione sono stati gli artefici: cos` cos`ı, dalla Teoria della Computabilit` a, a, origine delle Macchine di Turing, è solamente attraverso il passaggio alla Teoria dell’Informazione che acquisisce senso la nascita e la rivoluzione della Cibernetica. La necessit` necessit` a dunque di presentare presentare i successi successi (e gli insuccessi) insuccessi) applicativi applicativi scaturiti scaturiti dall’apdall’approccio cibernetico, vuole limitarsi a presentare un quadro generale, senza pretesa di esaustivit` a, del panorama che mostra il passaggio dall’IA classicamente intesa, regno a, 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 nell’economia del volume è quello di ponte ideale, percorribile percorribile in due sensi: dalla creazione creazione dell’artifici dell’artificiale ale al ripensamento del vivente, e dallo studio del vivente alla sua analogia con l’artificiale. Il nostro racconto passa cos` cos`ı necessariamente attraverso at traverso una rivisitazione del paradigma dell’intelligenza umana: si leggerà della natura sistemica dell’essere vivente, del suo essenziale essere intreccio indivisibile di mente e corpo, che come tale suggerisce anche una nuova nuova formulazione del paradigma p aradigma dell’intelligenza d ell’intelligenza meccanica. Ci` o si concretizza nella necessit` necessit` a di inserire inserire a pieno titolo il corpo tra le caratteristic caratteristiche he fondamental fondamentalii dell’ente dell’ente artificiale, non pi` u macchina ma replicante. A questo punto è chiaro come il nostro percorso oltre ad essere circolare, sia anche inverso: non si parte qui semplicemente dalla macchina considerata nel suo infinito e forse inutile tentativo di emulare l’intelligenza umana; piuttosto la si vuole raccontare come punto di partenza, che ci permetta di rilevare le essenzialità e le peculiarità dell’essere vivente, nelle sue relazioni e nel suo essere determinato. A partire dalle potenzialità delle macchine abbiamo raccontato delle reali cause dei loro limiti, scoprendoli radicati nella nostra concezione dell’essere vivente: si tratta dunque di un inevitabile rivolgimento epistemologico, in cui il ruolo della relazione soggetto-oggetto è continuamente ridefinito, e a partire dal quale si può comprendere il vivente in una nuova connessione di rapporti rapp orti che lo rendono finalmente reale. Una volta giunti a questa considerazione, è diventato inevitabile un mutamento di prospettiva nella individuazione dei criteri stessi che riteniamo fondanti dell’essere vivente, e a partire da ciò riteniamo che il mondo dell’artificiale debba essere pensato in maniera differente. Soltanto attraverso tale rivolgimento sar` a possibile tentare di riconfigurare attorno alla nozione di Informazione propri proprio o quella quella rete di connes connessio sioni ni che che rendon rendono o il viv viven ente te indivi individuo duo,, definito definito in relarelazione con la collettivit` collettivit` a delle intellige intelligenze nze che lo circondano circondano e nella contestuali contestualizzazi zzazione one dell’ambiente in cui è sempre collocato. collo cato. Questo radicamento dell’individuo all’interno della collettivit` a e dell’ambi dell’ambiente ente è l’origine l’origine 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 verrà definita come intensiva . Tale approccio deve in questa sede essere messo a confronto con quanto sviluppato negli ultimi decenni dalla teoria semantica dell’informazione: è b bene ene esplicitare che questa teoria non verr` a affrontata nel presente volume, soprattutto soprattut to perché il suo statuto è ben definito ed esporla non risponde agli scopi della presente ricerca; vogliamo però qui brevemente accennarne, accennarne, perch´ perché meglio meglio si comprenda comprenda la connessione connessione con il menzionato menzionato concetto informazione intensiva . Il concetto semantico di informazione ha supplito alla più di informazione evidente mancanza della teoria shannoniana, ovvero la palese e dichiarata assenza del concetto di significato dalla definizione della nozione di informazione, precisandone inolGiuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

15

Introduzione


tre i principi principi teorici teorici essenziali essenziali (si veda Floridi [2005]). [2005]). Cos` Cos`ı la definizione definizione semantica semantica di informazione, come dati + significato , risponde alla precisa esigenza di colmare il vuoto lasciato dall’approccio sintattico, e di stabilire conseguentemente la connessione tra significato 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 significativi tra gli agenti coinvolti nella comunicazione, il messaggio e i suoi referenti oggettuali. Tuttavia ciò, o, a nostro parere, non raggiunge l’obiettivo di formulare una teoria che voglia essere in grado di trattare l’informazione come comunicazione cazione reale. reale. Lo scopo finale del presente presente lavoro lavoro è quello di illustrare illustrare un modello del sistema u possibile comprensivo delle connessioni e relazioni che lo rendono reale e vivente , il pi` (nello specifico sp ecifico umano) intelligente. Chi scrive è essenzialmente convinto che il concetto di informazione debba debba rientr rientrare are in tale tale modello modello,, e che che debba debba farlo nella nella sua natura natura di ente concettuale relazionale, e ancor di più in funzione della sua natura collocata e cosciente. cosciente. La nozione nozione intensiv intensiva a di informazio informazione ne mira cos` cos`ı a presentare presentare un concetto costruttivo che risponda risp onda a queste esigenze, e per p er questo motivo può 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 stes stesur ura a di que quest sto o volu volume me,, e per la nostr nostra a form formaz azio ione ne,, siam siamo o debit debitor orii 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 l’attenzione e i suggerimenti; menti; Paolo Paolo Virno e G¨ oran oran Sundholm, Sundholm, per le competenze e l’aiuto; l’aiuto; Francesca rancesca Piazza, Piazza, per la pazienza; Per Martin-Löf, of, per il dialogo. Durante il periodo che ha portato alla nascita di questo libro, sono stati per noi di fondamenta fondamentale le importanza: importanza: le nostre famiglie famiglie (per la fiducia incondizionata), incondizionata), Antoniette, Antoniette, Mirjam, Luisa, Zef, Matteo, i colleghi e gli amici della Biblioteca Tematica, Arianna, Alice, Alice, Eric, Eric, Roberta, Borja, Vittorio, Cinzia, Giada, Piero, Alessandro, Alessandro, Paolo, Paolo, il Bianco e il Nero (per la compagnia), Enrico Toti, Pietro Pisani, Tim, Jeff, le ore dalle 23:00 alle 04:00.

Nota degli autori

Questo Que sto libro libr o è interamente il risultato di una sincera quanto spesso contrastante collaboraz laborazion ione. e. Ogni Ogni risulta risultato to teoric teorico o e ciascu ciascuna na delle delle acquisi acquisizio zioni ni scient scientific ifiche he che sono sono riportate e ricontestualizzate nel nostro percorso è 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 è in effetti l’intrecciarsi l’intrecciarsi e il solidificars solidificarsii reciproco reciproco di competenze competenze ed esperienze esperienze diverse. diverse. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

16


Introduzione

Proprio per pe r questo motivo la scrittura dei capitoli è 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 risulta impossibile impossibile determinare determinare tale distinzione: distinzione: ciascuna ciascuna singola singola affermazione affermazione 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” è costituita da un lungo filone di problemi e da un gran numero di autori, che dovrebbero essere tutti ampiamente trattati per comprendere appieno le diverse modalità attraverso cui questa tematica si è ripetutamente presentata nella storia del pensiero. La nostra lettura dovr` a, dunque, ritagliarsi un profilo preciso, che ci permetta di individuare alcuni temi centrali, che sappiano guidarci sino alla scoperta degli sviluppi dell’Intelligenza Artificiale , 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 all’alba 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 provocò enormi rivoluzioni tanto sul piano pi` u propriamente filosofico quanto su quello pratico, nel campo dello sviluppo dei metodi effettivi di ricerca in matematica. Questo profondo interesse e questa intensa ricerca di una chiarificazione dei concetti fondamentali del pensiero logico, trov` o la sua naturale collocazione nell’ambito dello sviluppo dei linguaggi formalizzati , i quali a partire dalla metà dell’Ottocento 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 fine del XIX secolo tanto l’approccio algebrista quanto l’approccio 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 è 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 specifica 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`ı una certa attenzione nei confronti di questioni pi` u propriamente filosofiche sull’origine e la possibilità di rappresentarci tali processi. Il calcolo che ci permette lo sviluppo dei processi logici è dunque, per Boole, di natura formale-aritmetica, riproponendo in questo senso delle tematiche già care a Leibniz. Come noto, Leibniz fu il primo a pensare una “meccanizzazione” dei processi linguistici, riflesso di quelli cognitivi, al fine pratico di migliorare la comunicazione e dirimere le questioni dialettiche: l’idea della Lingua Characteristica Universalis (LCU )3 , che trovava dei precedenti già nell’opera 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 effettiva di computo, che potremmo già definire algoritmica. La propriet` a essenziale di tale progetto, e cio` e quella di essere definibile in termini di computo, è 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 identificava 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 riflettere sui loro significati, ma essendo comunque certi della correttezza dei risultati (dunque una prospettiva puramente sintattica). Nasce cos`ı nell’opera 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 fine di poter giudicare se una certa conoscenza seguisse da altre; e l’ars inveniendi , per scoprire quale direzione della mente possa essere tracciata per mezzo di connessioni meccaniche che ci permettano di derivare con certezza nuove verità. Quest’ultima 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`ı tutte le proposizioni vere in cui un termine figura come soggetto o come predicato. Secondo una ripresa (almeno parziale) dei temi e problemi discussi nell’opera di Leibniz, il programma booleano consisteva in sostanza - nell’investigare le leggi fondamentali delle operazioni della mente che permettono il ragionamento; - nell’esprimere tali leggi con il linguaggio simbolico di un calcolo; - infine nel fondare su tali basi la logica. L’equivalenza fondamentale proposta da Boole è dunque quella tra pensiero e calcolo, sottolinenado cos`ı la natura algoritmica dei processi logico-deduttivi della nostra mente. Quello di algoritmo sar` a un concetto fondamentale all’interno di questo capitolo e possiamo dunque, a questo punto, introdurlo dandone una definizione intuitiva: Definizione 1.1.1 Si dice algoritmo qualsiasi processo che, seguendo un insieme di

regole, fornisca dei risultati secondo procedure puramente computazionali. 2

Boole [1847] e [1854] Leibniz [1666]. 4 Lullo svilupp` o nell’Ars magna e nell’Ars brevis i testi dedicati alla conoscenza della verit` a, ovvero le tecniche dimostrativa ed inventiva. 3




19

L’altro versante della ricerca logica e matematica della fine del XIX secolo era rappresentata, come abbiamo detto, dalla corrente formalista. L’iniziatore, e di certo una delle figure 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 è ben definita e potremmo dire quasi inversa rispetto alla prospettiva booleana: quella logica rappresenta la struttura soggiacente a tutte le pratiche inferenziali utilizzate all’interno della matematica e dunque, la questione dei fondamenti di quest’ultima, 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 continuerà ad essere l’essenza del tentativo di chiarire le connessioni inferenzali, basandosi sulla scoperta delle loro leggi fisse di formazione ma, d’altra parte, nell’approccio formalista è 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 Begriffschrift 5 , Frege tenta la realizzazione di un linguaggio simbolico capace di rappresentare la forma algoritmica di ogni ragionamento logico: l’ideografia 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 dell’inferenza logica in s´ e. La rappresentazione ideografica avrebbe permesso, secondo Frege, l’individuazione effettiva di qualsiasi forma di ragionamento corretto6 , attraverso la riproposizione in termini di tale linguaggio di tutti gli schemi inferenziali: è ovvio come in questo modo divenga esplicita la connessione tra la nozione di linguaggio ideografico e quella di algoritmo. Il linguaggio ideografico si propone l’esplicitazione ed illustrazione di tutti gli assiomi e di tutte le regole utilizzate nei processi dimostrativi. L’Ideografia rappresenta il primo esempio di linguaggio formale assiomaticamente costruito, che non ha un modello specifico proprio perch´ e il suo modello è il ragionamento deduttivo, e all’interno del quale funziona implicitamente un procedimento algoritmico: essendo infatti state esplicitate tutte le possibili forme inferenziali corrette esiste, di fatto, un metodo effettivo per escludere quei ragionamenti che non rientrano in tali schemi formali. L’esplicitazione 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 l’opera di David Hilbert. Tale svolta coincide essenzialmente con l’inizio della già accennata crisi dei fondamenti , che prese l’avvio 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 l’idea di una “scrittura simbolica dei concetti”, ripreso nella traduzione italiana Ideografia . 6 Frege esprime ci` o sostenendo che l’ideografia “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, affinch´ e, successivamente, si possa indagare sulla sua origine.”; Frege [1879], p.104. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

20



da Frege nei suoi Grundgesetze der Arithmetik 7 e che segna di fatto l’inizio 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, però, solo il primo passo di tutta un’attivit` a che si mosse tra la ricerca matematica e l’irresistibile spinta a porsi quesiti di natura essenzialmente filosofica sul valore delle strutture matematiche di cui si faceva abitualmente uso. L’ampiezza 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 relazione8 i problemi che riteneva dovessero trovare soluzione affinché la matematica 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 all’interno del quale vengono esplicitate le problematiche metodologiche e contenutistiche hilbertiane è dunque, adesso in maniera ampiamente sviluppata, quello dei sistemi formali. Come nel caso della nozione di algoritmo possiamo qui fornire una definizione intuitiva della nozione di sistema formale : Definizione 1.1.2 Un sistema S ` e detto formale se in esso

- è definito in partenza un insieme finito 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 quantificatori universale ed esistenziale 9 ; - è definito un insieme di regole per la costituzione di formule corrette dette formule ben formate (FBF); - è specificato un insieme di proposizioni assunte in partenza, dette assiomi, che rappresentano le leggi vere del sistema 10 . 7

Frege [1893] e [1903]. I principi dell’aritmetica vennero pubblicati in due volumi, e appena un anno prima dell’uscita del secondo volume, nel 1902, Bertrand Russell comunic` o in una lettera a Frege la scoperta contraddittorietà 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 pubblicò la lettera di Russell in appendice a [1903], proponendone di seguito un’analisi e una soluzione (rivelatasi insufficiente). 8 Hilbert [1900]. 9 Useremo nel seguito la simbologia convenzionale per i calcoli logici del prim’ordine, ovvero: signif icato negazione congiunzione disgiunzione implicazione quantificatore universale quantificatore esistenziale

simbolo ¬ ∧ ∨ → ∀ ∃

´ noto che le costanti logiche possono essere scelte in numero ristretto, introducendone alcune E definite per mezzo delle fondamentali. Nostro scopo è qui unicamente quello di presentare l’uso di un sistema formale, ai fini dell’analisi meta-teorica. 10 Da questa definizione di sistema formale esulano almeno due tipologie essenziali della loGiuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



21

La ricetta hilbertiana prevedeva un utilizzo essenziale degli strumenti matematici finitari per la risoluzione dei problemi fondamentali, e in seguito la riduzione a questa parte certa della matematica di tutto ciò che invece al suo interno era connesso a metodi reputati insicuri poich´ e facevano uso di nozioni come quella di infinito. Hilbert si mosse dunque alla ricerca di una chiarificazione del concetto di infinito11 , che pareva essere la base delle difficolt` 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 infiniti e di assiomi che postulassero la possibilit` a di procedere all’infinito con l’applicazione di un’operazione12 . Ci` o che sembra giocare un ruolo essenziale nella prospettiva hilbertiana di fondazione della matematica è la certezza e la sicurezza dei metodi finitari, elementi che trovano un primo essenziale riscontro nella nozione di non contraddittoriet` a. Il secondo passaggio distintivo di quella che Hilbert avrebbe definito 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 , decidibilità. Lo sforzo hilbertiano di fondazione della matematica su basi sicure è affidato dunque in primo luogo ad una distinzione essenziale, tra le strutture espresse in forma di calcolo e la loro descrizione linguistica. L’essenza del formalismo consiste, come abbiamo visto nella Definizione 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 specifico. Questo calcolo diviene poi, nell’analisi hilbertiana, oggetto di un meta-linguaggio, che osserva la struttura dall’esterno ed è capace di determinarne le caratteristiche e le propriet` a. Sulla base del calcolo formale sar` a allora possibile la costruzione puramente sintattica delle derivazioni : Definizione 1.1.3 La derivazione ` e una catena di formule ben formate. Tale catena si

configura come una dimostrazione qualora: - la derivazione sia costituita da un numero finito di espressioni; - ogni espressione appartenga all’insieme degli assiomi, cioè all’insieme finito di formule iniziali del linguaggio; - oppure derivi dagli assiomi per l’applicazione ad essi di una delle regole permesse all’interno del sistema; - ed infine, l’ultima formula della derivazione rappresenti l’espressione desiderata. gica moderna, cioè 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 possibilità e la necessit` a introdotte per mezzo di appositi connettivi ( e ) che non sono esplicitamente trattati dal tipo di sistema appena definito. Tuttavia, l’idea di sistema formale utile allo sviluppo dell’Intelligenza artificiale degli inizi è 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 giustificazione era poi basata sulla loro riduzione agli elementi reali. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

22



Questo livello di analisi è dunque assolutamente estraneo ad una qualsiasi ina accennato, la prima propriet` a di cui deve godere la terpretazione . Come abbiamo gi` catena che costituisce la dimostrazione è quella della coerenza, perch´ e si possa essere certi di lavorare con elementi che non inficino la correttezza del ragionamento. In questo senso quello della coerenza, o non-contraddittoriet` a, è il primo dei problemi posti dalla meta-matematica hilbertiana, e possiamo dunque fornire la definizione della coerenza di un sistema : Definizione 1.1.4 Un sistema S ` e coerente se al suo interno non è 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, è la variante semantica della nozione di derivazione, ovvero il concetto di conseguenza : Definizione 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 è anche per la suddetta proposizione 14 . In questa definizione 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 l’interrogativo circa l’estensione dell’insieme delle proposizioni derivabili (DER) e quello delle espressioni conseguenza (CONS ): in particolare si pone il problema se le espressioni che appartengono al secondo insieme, e che dunque per la definizione 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 definizione di derivazione possono intendersi come le formule sintatticamente ottenibili all’interno del calcolo (CONS = DER oppure CONS < DER ). La questione della completezza di un sistema , per come essa è già presente nel programma hilbertiano, si configura secondo la seguente definizione: 13

Hilbert [1928], presentando il problema meta-teorico di coerenza come direttamente rilevabile all’interno 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 definita legge logica quando essa ` e vera qualsiasi significato 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 è 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 è valida la proposizione, le due formulazioni sono equivalenti. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


23

Definizione 1.1.6 Un sistema S ` e completo se tutte le formule derivabili rappresentano

tutte e sole le proposizioni-conseguenza, dunque se l’insieme delle proposizioni che sono formalmente deducibili all’interno del sistema corrisponde all’insieme delle verit` a che tale sistema deve essere in grado di enunciare. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

La relazione di completezza viene dunque rappresentata come corrispondenza tra derivabilit` a e dimostrabilità 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 15 del primo ordine . 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, nell’accertare la validit` a generale delle espressioni, ovvero nel suo duale della verifica della soddisfacibilità delle espressioni di un sistema16 . Diventa infatti assolutamente necessario, per accertarsi della stabilità 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 definizione di sistema decidibile come segue: Definizione 1.1.7 Un sistema S si dice decidibile se esiste sempre un metodo effetti-

vo, e perci` o finito, per determinare se una formula data è dimostrabile all’interno del sistema (e dunque per la propriet` a di completezza essa è anche una proposizione vera del sistema) oppure se essa è refutabile al suo interno (nel senso che la sua derivabilit` a produrrebbe la perdita di coerenza per il sistema). Come è facile vedere da tale definizione, il problema della decidibilità è immediatamente connesso ai due problemi precedenti, ma apparve chiaramente ai logici che ne discutevano come un problema molto pi` u difficile degli altri: era infatti evidente a tutti la netta distinzione che separava il calcolo proposizionale e il calcolo delle classi, che godevano delle procedure effettive di decisione richieste, dal calcolo dei predicati, che era ancora privo di una simile proprietà. Il problema della decidibilit` a diventer` a ben presto il nucleo centrale dell’intera ricerca meta-matematica poiché, 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 difficile nella richiesta di soddisfare al problema della decisione per un calcolo, è racchiuso nella proprietà di effettività del metodo. Riemerge dunque in questo passaggio fondamentale il ruolo della nozione di algoritmo, come riferimento della certezza e stabilità del calcolo, che sin dai tempi di Leibniz e Frege appariva intrinseco alla nozione di linguaggio e sistema formale. In effetti, come appare chiaro anche dalla precedente spiegazione della nozione di derivazione, un sistema formale S è essenzialmente basato sulla nozione di calcolo algoritmico per le propriet` a di finitezza imposte all’alfabeto iniziale dei simboli, e alla lunghezza delle derivazioni permesse per l’ottenimento di nuove configurazioni corrette di simboli (F BF ); inoltre il sistema S è 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 . 15

Il teorema di completezza fu dimostrato per la logica elementare da G¨ odel [1930]. Hilbert, Ackermann [1927], cap. III, par.11. 17 La clausola che di solito viene aggiunta nella descrizione di un sistema formale, è quella che regola l’ordine in cui i simboli del sistema devono seguirsi per generare F BF , ovvero composi16


24



Vedremo pi` u avanti che la struttura algoritmica del sistema formale S pu` o essere esplicitata, illustrando la possibilit` a di una codifica di ogni formula del sistema tramite numeri naturali: questa procedura fu presentata da Kurt Gödel, nello stesso scritto18 che segnava in qualche modo la sconfitta del programma hilbertiano. G¨ odel infatti forniva per la prima volta una soluzione definitiva al problema della decisione, dimostrando che in qualsiasi sistema formale in grado di formalizzare al proprio interno l’aritmetica 19 , esistono proposizioni indecidibili: si tratta cio` e di proposizioni rispetto alle quali è formalmente impossibile ottenere tanto una dimostrazione di validità 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 “significato” di tali espressioni, che da questo punto di vista appaiono veritiere20 : ci` o determina inevitabilmente una dimostrazione del fatto che tutti i sistemi formali di questo tipo (e dunque tutti i sistemi formali sufficientemente potenti per risultare interessanti da un punto di vista linguistico) sono incompleti rispetto alla dimostrabilità di tutte le verità loro competenti. Dopo questo lungo excursus all’interno delle problematiche logiche tra la fine dell’Ottocento e la prima metà 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 effettivi, 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 identifica con l’idea 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 è 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`ı ad esempio viene determinata come valida la configurazione A ∨ ¬A e come non valida la configurazione ∨¬AA 18

G¨ odel [1931]. Questa propriet` a permetteva a G¨ odel di stabilire la validit` a della propria dimostrazione per qualsiasi sitema formale affine ai Principia Mathematica di Russell e Whitehead [1910-1913], che rappresentava l’opera che, nella maniera pi` u completa e soddisfacente, realizzava il sogno formalista per l’intera matematica. 20 Il Teorema di Incompletezza di G¨ odel è oggetto di una vastissima letteratura secondaria e critica: esistono diverse riletture del teorema che permettono di comprenderne il significato secondo descrizioni diverse da quella matematica. Potremmo ad esempio leggere questa considerazione “contenutistica” della proposizione, intendendola come l’indimostrabilit` a di una proposizione che, se interpretata, direbbe di se stessa “io non sono dimostrabile”. 19



25

nato pi` u specificamente con l’idea di una procedura meccanica) che abbia le seguenti caratteristiche: a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

- l’intero 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 modalità di esecuzione; - il complesso di istruzioni deve essere valido per la risoluzione di un’ampia classe di problemi; - il processo deve condurre, in un numero finito di passi, al raggiungimento di una soluzione riconoscibile come tale.

a, Un’illustrazione precisa della nozione di computabilità è la teoria della ricorsivit` la quale riconduce lo studio dei metodi algoritmici a funzioni numeriche da numeri naturali a numeri naturali computabili in modo effettivo: ci` o si esplica dicendo che per soddisfare un’idea di computazione, bisogna essere in grado di calcolare, rispetto ad una n-pla di argomenti a1 , . . . , a n , il valore di una certa funzione numerica f (a1 , . . . , a n ). Questo passaggio da metodi effettivi generici a funzioni numeriche computabili, è 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 l’attribuzione di uno e un solo numero ad una qualsiasi formula sensata del linguaggio. Grazie a tale tecnica sappiamo che è possibile interpretare sull’alfabeto dell’aritmetica qualsiasi altro alfabeto finito con regole finite per la costruzione di espressioni, e cos`ı (pi` u in generale) possiamo interpretare i numeri naturali come rappresentativi di dati discreti (come gli elementi di un linguaggio) all’interno di un’operazione di computo. Possiamo dunque fornire una definizione elementare della teoria della ricorsivit` a come segue: Definizione 1.2.1 La Teoria della Ricorsivit` a studia i metodi algoritmici di computazio-

ne nella loro rappresentazione tramite funzioni aritmetiche del tipo N ⇒ N (ovvero funzioni che prendono argomenti nell’insieme dei naturali e restituiscono valori nello stesso insieme), per classificarle ed esaminare le loro potenzialit` a di calcolo. Ci proponiamo dunque adesso di determinare quelle classi di elementi che costituiscono gli oggetti di indagine della teoria della computabilità (classe C), per poi entrare nel dettaglio esaminando le funzioni ricorsive (classe R), ed una serie di altre funzioni per stabilirne l’estensione. Un elenco sommario ma sufficientemente definito degli elementi che fanno parte della classe C è il seguente: Definizione 1.2.2 Si dice computabile una funzione f

1. se essa pu` o essere calcolata per mezzo di una procedura meccanica finita: questa classe di funzioni si dice effettivamente calcolabile; 2. se essa è generale ricorsiva; 3. se essa è definita dalle procedure di una macchina di Turing: questa classe di funzioni si dice Turing-computabile ; è computabile un insieme A Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

26


4. se la sua funzione caratteristica K R è ricorsiva generale (totale) (G¨ odel [1934]); 5. se esso è un insieme vuoto oppure è il rango di valori validi di una funzione f generale ricorsiva: questa classe di insiemi si dice ricorsivamente enumerabile; a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

6. se esso è un insieme vuoto oppure è 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 Definizione 1.2.2, il che ci permetterà anche di entrare nel dettaglio della nozione di ricorsività e poi di rivolgerci in particolare alla nozione di computabilità nel senso di Turing. Il primo punto della definizione, quello che identifica la nozione di funzione ef fettivamente 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, è quella di funzione caratteristica , introdotta al punto 4. della precedente definizione: questa funzione è non solo definita 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 K R nei termini seguenti: Definizione 1.2.3 Per ogni relazione n-aria R, si chiama la sua funzione caratteristica

K R quella funzione N ⇒ N, tale che K R =

1, 0,

se se

R (a 1 . . . a n ) ¬R(a1 . . . an ).

(1.1)

La relazione R è dunque computabile, se e solo se lo è la sua funzione caratteristica K R . Occorre tener conto del fatto che la funzione caratteristica è importante soprattutto perch´ e permette di non limitarci esclusivamente alle funzioni, potendo grazie ad essa riferirci anche ai predicati: Definizione 1.2.4 Un predicato P ` e detto decidibile (o effettivamente enumerabile)

se e solo se è 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 specifico di considerare la teoria della ricorsivit` a come strumento di analisi ed eventuale risoluzione di detto problema: Definizione 1.2.5 Un insieme A ` e detto decidibile se e solo se la sua funzione caratte-

ristica è effettivamente computabile (funzione ricorsiva totale), cioè se esiste un algoritmo che permette sempre di stabilire se un elemento gode della proprietà che determina quell’insieme; in questo senso un insieme finito è sempre decidibile. Appare adesso naturale pensare un’operazione “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: Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

27


Definizione 1.2.6 Un insieme A ` e detto effettivamente enumerabile se e solo se A =

∅, oppure A è il rango di una funzione f computabile totale. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

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 computabilità. Tali equivalenze valgono a. tra un insieme e una funzione: - A è un insieme effettivamente enumerabile se e solo se A è il rango di valori di una funzione computabile; b. tra enumerabilit` a e decidibilit` a per insiemi: - A è un insieme effettivamente enumerabile se e solo se il suo complemento ¯ è effettivamente enumerabile; A - A è un insieme decidibile se e solo se A e il suo complemento A¯ sono effettivamente enumerabili; ¯ è decidibile; - A è un insieme decidibile se e solo se il suo complemento A c. tra enumerabilit` a e decidibilit` a per predicati: - P è effettivamente enumerabile se e solo se la sua negazione ¬P è effettivamente enumerabile; - P è decidibile se e solo se P e la sua negazione ¬P sono effettivamente enumerabili; - P è decidibile se e solo se la sua negazione ¬P è 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 l’illustrare le funzioni dette iniziali , estendendo poi la nostra analisi alle funzioni principali che rientrano oggi nella teoria della computabilità. 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 definite su tutti i numeri naturali, stabilendone il valore per argomento = 0 (base di induzione) e, supponendo cos`ı noto il valore per argomento generico n, si procede alla definizione sul successore di n, indicato da S (n) (passo di induzione). A partire da questa descrizione intuitiva della procedura induttiva, è 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)

funzione zero : Z (n) = 0

(1.2)

21

Richard Dedekind fu il primo matematico che, nel tentativo di un’analisi formale del concetto di numero, riusc`ı 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 defin`ı per ricorsione primitiva a partire da quegli elementi base. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

28


2) f unzione 3) a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

f unzione

successore : S (n) = n + 1

proiezione : I in (n ∈ N, 1 ≤ i ≤ n).

Le prime due funzioni rappresentano ovviamente i corrispettivi funzionali della base di induzione e del passo di induzione; l’ultima 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 è definita a partire da g e h se f (a1 , . . . , a n ) = g (h1 (a1 , . . . , a n ) . . . hn (a1 , . . . , a n ))

(1.3)

ovvero la funzione f equivalente alla funzione ricorsiva g applicata alle funzioni h1 , . . . , hn , aventi come oggetti i termini a1 , . . . , an , rientra nell’insieme Rp (chiusura rispetto alla composizione )22 ; - Schema di ricorsione primitiva: una funzione f è definita da g ed h per ricorsione primitiva se f (x1 , . . . , x n , 0) = h(x1 , . . . , x n ) (1.4) f (x1 , . . . , xn , y + 1) = g (x1, . . . , x n , y , f ( x1 , . . . , xn , y ))

dunque le funzioni generate in questo modo, che esplicitano in sostanza lo schema di induzione, sono incluse nell’insieme Rp (chiusura rispetto alla ricorsione primitiva ). Adesso possiamo quindi definire la classe delle funzioni primitive ricorsive come segue : 23

Definizione 1.2.7 La classe delle funzioni primitive ricorsive è 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 un’analogia con quanto detto nel paragrafo precedente circa la nozione di derivazione all’interno di un sistema assiomatico: le funzioni iniziali rappresentano in qualche modo l’insieme 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`ı le funzioni iniziali sono banalmente computabili, gli schemi di 22

Questo schema di formazione di funzioni ricorsive primitive è anche detto schema di e ci pare sostituzione : utilizziamo qui l’accezione altrettanto comune di composizione poich´ intuitivamente pi` u esplicativa del tipo di formazione eseguita. 23 Questa definizione ` e sostanzialmente equivalente in Dedekind [1888], Skolem [1923] e coincide con quella classe di funzioni determinata come effettivamente computabile in G¨ odel [1931]. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



29

composizione e ricorsione primitiva mantengono la ricorsività, e la derivabilit` a all’interno della classe Rp rappresenta una lista di istruzioni che permette di calcolare valori in maniera effettiva. Le funzioni ricorsive primitive sono, di fatto, sufficienti a costruire un’aritmetica formale che contenga le funzioni di somma e prodotto 24 . Se la classe C, cioè l’insieme delle funzioni computabili, non contenesse altro che l’insieme delle funzioni della classe Rp, per come questa è stata presentata nella Definizione 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, cioè la cui derivazione non è possibile a partire dalle funzioni iniziali 25 .

1.2.2

Ricorsivit` a generale

Occorre quindi estendere la classe Rp al fine di determinare tutte le funzioni che rientrano nella classe C. Tale classe è infatti pi` u precisamente identificata con la classe, che noi diremo Rg, delle funzioni ricorsive generali . Possiamo sin da subito fornire la definizione della classe Rg: Definizione 1.2.8 La classe delle funzioni ricorsive generali è 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 µ-ricorsione.

L’operatore che ci permette l’estensione della classe Rp alla classe di funzioni Rg, per soddisfare ad una definizione completa della classe C, ` e allora il µ operatore, 26 detto anche operatore di minimizzazione . In una formula φ con una variabile libera x, l’operazione detta di minimizzazione µ(x)φ(x), denota il minimo numero x per cui vale φ(x). Data allora una funzione computabile g per la quale valga la condizione di effettività o regolarit` a

∀(a1 , . . . , an )(∃x)g((a1, . . . , an ), x) = 0

(1.5)

24

Si tratta dell’aritmetica Q di Robinson, mentre l’Aritmetica Primitiva Ricorsiva (Skolem [1923]) aggiunge assiomi corrispondenti alle definizioni 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 definibile come funzione a partire dalle funzioni somma, prodotto ed esponenziazione; un’altra dimostrazione dell’esistenza di tali funzioni fu data da Rosza Peter in termini di processo di diagonalizzazione di Cantor (si veda più avanti la nota 50 a p. 42). Per queste dimostrazioni si veda Frixione [1991], par. 2.3. La funzione di Ackermann ` e cos`ı 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 µ-operatore risale a Kleene [1938]; di tale operatore Kleene dimostrò anche che preserva la λ-definibilit` a, cui accenneremo nel prossimo paragrafo, e lo utilizzò per la seconda versione del suo Teorema di forma normale in Kleene [1943]. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

30


e cioè l’esistenza di una valore x che aggiunto agli argomenti a1 , . . . , a n di una funzione g restituisce come valore 0, possiamo definire una nuova funzione computabile f a partire da g, secondo la seguente definizione: a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

f (a1 , . . . , a n ) = µx(g((a1, . . . , a n ), x) = 0).

(1.6)

Cos`ı adesso questa classe “estesa” di funzioni dette semplicemente ricorsive ( R), è quella che contiene le funzioni iniziali ed è chiusa sotto sostituzione, ricorsione primitiva e µ-ricorsione27 .

1.2.3

La Tesi di Church e la λ-definibilit` a

Abbiamo sino a questo punto condotto l’equivalenza tra computabilità (C) e ricorsivit` a (R), trovandoci costretti ad estendere la nozione di ricorsivit` a primitiva (Rp) a quella di ricorsività generale (Rg) tramite l’inserimento dell’operatore µ. Adesso, la risposta alla domanda se la classe delle funzioni computabili corrisponde alla classe delle funzioni ricorsive ed è da questa esattamente esaurita, cioè se C ≡ R, è 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 L’insieme delle funzioni effettivamente computabili coincide esattamente con l’insieme delle funzioni ricorsive, essendo queste ultime l’equivalente matematico esatto delle prime.

La Tesi è ovviamente costituita da una doppia implicazione. Quella che stabilisce la computabilit` a di ogni funzione ricorsiva generale è facilmente verificabile a partire dalla definizione stessa di funzione computabile come enunciata dalla Definizione 1.2.2 ; ci` o che invece risulta pi` u problematica è la seconda implicazione, quella che stabilisce la ricorsività generale di ogni funzione intuitivamente computabile. La Tesi di Church è tutt’oggi, e rimarrà sempre, una tesi perché non può esistere di essa una dimostrazione tale da farla divenire un teorema. Infatti, la nozione di computabilità effettiva implicata dalla tesi è una nozione intuitiva e non è dunque possibile fornire un’equivalenza formale con la nozione di ricorsività. Tuttavia si fa appello alla natura essenziale che, in certo modo, identifica (se non definisce) la nozione di computabilità, ovvero di algoritmo: la procedura meccanica finita. Assumendo questa come “definizione”, una verifica della Tesi di Church risulterebbe possibile in termini di controesempio, ossia il reperimento di una funzione eseguita tramite una procedura meccanica finita che non sia ricorsiva generale. Pur non essendo possibile, come si è detto, una dimostrazione formale dell’identit` a tra computabilit` a e ricorsività generale, esistono delle argomentazioni (con un alto grado di plausibilità) che ci permettono di sostenere l’impossibilità del reperimento di un controesempio alla tesi, nei termini in cui lo abbiamo appena illustrato: a. tutte le funzioni computabili sinora verificate 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 l’esistenza di funzioni cui non possano applicarsi tali metodi; ` possibile dimostrare che il metodo di diagonalizzazione non permette di trovare E controesempi alla classe Rg. Si veda al proposito Frixione [1991], par. 3.1. 27



31

c. nessun tentativo di sviluppare funzioni computabili non ricorsive e` andato a buon fine; a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

d. tutte le diverse formulazioni di funzioni computabili sono equivalenti (come vedremo adesso a proposito della λ-definibilit` a, della computabilit` a per mezzo di macchine di Turing, e come vale nel caso di altre forme di ricorsività come quella di Herbrand-G¨ odel, dei modelli canonici di Post e degli algoritmi di Markov); e. in particolare, l’equivalenza tra computabilit` a intuitiva e quella formalmente definita per mezzo delle macchine di Turing, ci fornisce, come vedremo, la prima esplicazione certa e determinata di tale nozione intuitiva, permettendoci cos`ı di enunciare anche l’equivalenza con la ricorsivit` a. Di grandissimo impatto teorico è 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 capacità di calcolo in generale, che da allora è stata anche estesa ad una non sempre appropriata analisi dei limiti algoritmici della mente umana28 . Quest’ultima 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 verificare in termini di macchine calcolatrici l’equivalenza proposta da Church, tratteremo ora brevemente di un’altra forma di computazione, sviluppata in termini di notazione puramente astratta e presentata proprio in Church [1936]. In questo testo egli propone un’applicazione delle proposizioni indecidibili la cui esistenza era stata dimostrata da G¨ odel29 ; per far questo indica innanzitutto due definizioni equivalenti di calcolabilità effettiva: 1. una funzione di interi positivi è calcolabile se essa è ricorsiva; 2. una funzione di interi positivi è calcolabile se essa è λ-definibile. Nel secondo paragrafo dell’opera, Church presenta un sistema, secondo un vocabolario di formule ben formate corredate di variabili (libere e vincolate) nonch´ e di operazioni fondamentali. L’operatore λ, che permette la nuova definizione di funzione calcolabile, è in questo sistema nient’altro che un operatore che vincola all’esterno di una formula M , la variabile libera x che ad essa appartiene, secondo lo schema λx.M 30 . L’operazione in questione agisce sostanzialmente su due espressioni, e il risultato è una terza espressione che rappresenta il valore della prima (operatore) quando ha la seconda (operando) come argomento. L’operazione di astrazione tramite λ-operatore permette di rappresentare funzioni unarie, ma ci` o non costituisce una vera e propria restrizione: per esempio è possibile rimpiazzare qualsiasi funzione del tipo φ(x0, x1 , . . . , xn ), con una funzione unaria che riceva altre funzioni come argomenti, con espressioni del tipo λx0 .(λx1 .(. . . (. . . (x1 , . . . , x n ) . . .)))31. 28

Per fare un esempio algebrico di irresolubilità algoritmica p ossiamo ricordare le dimostrazioni di Paolo Ruffini e Niels Abel riguardanti l’impossibilit` a di calcolare soluzioni di equazioni di grado n per n > 4. 29 G¨ odel [1931]. 30 Questa è la notazione odierna usata nel λ-calcolo, ricavata da Bellotti, Moriconi, Tesconi [2001], laddove la notazione usata da Church è λx[M ]. 31 Si veda al proposito Bellotti, Moriconi, Tesconi [2001], p.18. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

32


Il calcolo è strutturato su tre operazioni fondamentali di rimpiazzamento delle variabili 32 , che in sostanza definiscono l’operazione di conversione di una formula in un’altra, a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

A conv B.

La conversione può ad esempio avvenire per rimpiazzamento in una formula M di ogni sua parte che sia della forma (λx.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 S x M; n

tale conversione sarà allora detta riduzione . Secondo la notazione moderna del λ-calcolo, l’operazione di riduzione (β -riduzione, indicata con →β ed eseguita tramite operazioni di β -contrazione, rappresentata come →1β ), calcola il valore di una funzione espressa da λx.M applicata ad argomento N tramite la sostituzione M[x/N]. Dunque un termine del linguaggio del λ-calcolo con struttura (λx.M)N si dice riducibile (β -redex, da reducible expression )33 . Quando una formula è assolutamente priva di elementi con struttura (λx.M)(N) indica una formula in forma normale . L’operazione di riduzione consente dunque il passaggio da una formula M del tipo β -redex, ad una M che rappresenta la β -forma normale di M34 . Viene identificata dunque la λ-definibilità con l’esistenza 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 l’operazione finale che produce il risultato ricercato35 . Il passaggio successivo è quello di identificare le funzioni di interi positivi con le funzioni dette 32

Church [1936], p.91. Bellotti, Moriconi, Tesconi [2001], p.25-28. 34 Si veda Bellotti, Moriconi, Tesconi [2001], p.28: “La relazione di β -riduzione è la chiusura riflessiva e transitiva della relazione di β -contrazione [. . .] e quindi rappresenta la possibilit` a di svolgere tutte le operazioni implicite in un termine, fino all’eventuale determinazione di un risultato finale, non ulteriormente modificabile - la sua β -forma normale appunto - che pu` o essere considerato il pi` u “semplice” fra tutti i termini con quella interpretazione intuitiva”. 33

35

In riferimento alla riproposizione in termini di funzione ad interi positivi, Church ([1936], p. 93), pu` o dunque affermare che Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



33

ricorsive e, grazie al lavoro di Kleene [1936], si ha anche che tale equivalenza può venire estesa a sua volta alle funzioni ricorsive nel senso di Gödel [1934]: anche in questo caso l’idea è quella di un algoritmo per mezzo del quale sia possibile calcolare effettivamente valori particolari della funzione. Dopo aver posto l’uguaglianza tra la nozione di funzione ricorsiva di interi positivi e quella di funzione λ-definibile, Church le identifica come definizioni del concetto pi` u generico di calcolabilit` a effettiva, che diventa a sua volta (in termini di finitezza o infinitezza enumerabile degli assiomi e delle regole) la caratteristica identificativa 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 . L’equivalenza dei concetti di λ-definibilit` a e ricorsivit` a generale è 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 può dimostrare che 1. le funzioni iniziali sono λ-definibili; 2. la classe delle funzioni λ-definibili è chiusa per composizione, ricorsione primitiva e µ-ricorsione; dunque le funzioni ricorsive sono λ-definibili e viceversa38 . Lo stesso pu` o dimostrarsi per la classe delle funzioni ricorsive parziali, quelle cioè che non ottengono un risultato per qualsiasi valore, e dove il problema da risolvere è quello di esprimere nei termini del λ-calcolo l’indefinitezza 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 dall’operatore sono gli stessi per i quali essa è definita, viceversa essa non possiede una forma normale, procedendo in questo caso all’infinito39 . “` e chiaro che, nel caso di ogni funzione di interi positivi λ-definibile, il processo di riduzione di formule a forma normale fornisce un algoritmo per il calcolo effettivo di particolari valori della funzione”. (Questa e le successive traduzioni da Church sono nostre.) Va comunque notato che rispetto all’argomentazione 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 proprietà sarebbe pi` u presupposta che mostrata nell’argomento di Church. Si veda al proposito Sieg [1994], p.80. 36 Cfr. Church [1936], p.101: “` e necessario che ciascuna regola della procedura sia un’operazione effettivamente calcolabile, che l’insieme completo delle regole della procedura (se infinito) sia effettivamente enumerabile, che l’insieme completo degli assiomi formali sia effettivamente enumerabile, e che la relazione tra un intero positivo e l’espressione che sta per esso sia effettivamente determinabile”. 37

Church [1936], p.101. Per la dimostrazione dell’equivalenza tra λ-definibilit` 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 λcalcolo è rafforzato 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


34

1.3 a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a


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 l’idea di una macchina programmabile per effettuare qualsiasi tipo di calcolo, da lui chiamata macchina analitica . Le funzioni necessarie alla macchina erano da Babbage chiaramente identificate 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 l’opera di Babbage, anche nei suoi risvolti tecnologici, fu conosciuta molto tardi, ed ebbe poco influsso sugli sviluppi successivi40 . L’effettiva identificazione della computabilit` a in termini di ricorsivit` a è in realtà dovuta soprattutto ad Alan Mathison Turing e al suo nuovo concetto di computabilità per mezzo di una macchina . Il presupposto teorico che ci permetter` a di giungere all’illustrazione delle macchine di Turing è l’automa finito : tali sono detti dei sistemi meccanici dotati di dispositiviinput , cioè 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 l’automa finito sar` a ovviamente caratterizzato da un’unica configurazione di simboli in ingresso, un unico stato interno e un’unica configurazione in uscita. Possiamo ovviamente immaginare automi finiti con pi` u di un dispositivo-input e in relazione al numero di possibili combinazioni di simboli in entrata è 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 finitezza, per esempio nell’esecuzione delle operazioni in un tempo finito, non è vittima di alcune limitazioni tipiche dell’agente 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 finitezza della macchina stessa: “Possiamo paragonare un uomo nel processo di computare un numero reale ad una macchina che sia capace solo di un numero finito di condizioni q 1 , q 2 , . . . , qR , che saranno chiamate m-configurazioni”41 . La macchina pensata da Turing è composta da un nastro potenzialmente infinito, che rappresenta la memoria della macchina (il che riflette la proprietà della macchina di essere senza limiti rispetto alle potenzialità di calcolo). Tale nastro è diviso in celle, ciascuna delle quali contiene uno solo dei simboli che costituiscono l’alfabeto della Tmacchina, cos`ı 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 l’interesse e provocarono la reazione della figlia 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 dell’Intelligenza Artificiale. 41 Turing [1936], p.117. Questa e le successive traduzioni da Turing sono nostre. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

35



“La macchina è fornita di un ‘nastro’ (l’analogo della carta) che scorre attraverso di essa, e diviso in sezioni (chiamate ‘celle’) ciascuna capace di contenere un simbolo. In ogni istante c’è solo una cella [. . . ] che si trova nella macchina. Chiamiamo questa la ‘cella esaminata’. Il simbolo nella cella esaminata può essere chiamato il ‘simbolo esaminato’. Il simbolo esaminato è il solo del quale la macchina sia, per cos`ı 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 finiti dotati di illimitate capacit` a di memoria. L’insieme dei simboli della T-macchina è tuttavia determinato e finito, rappresentabile dall’insieme Σ = 2, σ1 , . . . , σn 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 è 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 : [σx /σ1 ]; - se la sostituzione è della forma Sub : [σx /2], l’operazione 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 : [σx /σ1 ])Right : c → c1 ; - leggi il simbolo nella cella esaminata (eventualmente sostituisci o cancella) e spostati di una cella verso sinistra, (Read : [c],Sub : [σx /σ1 ])Left : c1 ← c; - leggi il simbolo nella cella esaminata (eventualmente sostituisci o cancella) e resta fermo, (Read : [c],Sub : [σx /σ1 ])Halt : c − c; - scrivi un simbolo nella nuova cella esaminata: Write : σn . La T-macchina esprime dunque delle condizioni di finitezza rispetto al numero dei simboli, al numero delle celle osservate in ciascun momento (sempre una) e al numero di stati possibili determinati dalle configurazioni precedenti, Q = q 1 , . . . , 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 (q x , σx ), costituita dalla m-configurazione, cioè dall’applicazione di una delle possibili regole di computazione, e dal simbolo rispetto al quale la T-macchina esercita tale operazione. La coppia m-configurazione/simbolo è da Turing detta semplicemente configurazione : “la configurazione determina il possible comportamento della macchina. In alcune delle configurazioni nelle quali la cella esaminata è vuota (cio` e non presenta alcun simbolo) la macchina scrive un nuovo simbolo nella cella esaminata: in altre configurazioni 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-configurazione 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-configurazione attuale, cioè 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 configurazione C sar` a perci` o indicata da una terna costituita dal simbolo σx presente nella cella esaminata; da una delle operazioni L, R o H , indicata genericamente con X ; dallo stato q x cui la T-macchina perviene a seguito dell’operazione svolta. Secondo questa notazione, la terna σx Lq x

indica una generica configurazione di una T-macchina che scrive nella cella osservata il simbolo σx , si sposta di una cella verso sinistra ed assume lo stato q x ; un’altra configurazione è la terna del tipo Hq x

2

che si legge come segue: la T-macchina cancella il simbolo nella cella esaminata, resta ferma sulla stessa cella e passa nello stato q x . Definita ciscuna di queste terne come un esempio di operazione atomica , possiamo affiancarla alla coppia simbolo-stato che indica la configurazione cui l’operazione si applica. Ad esempio, se la T-macchina si trova nella configurazione σi , q i 43

Turing [1936], p.117


37


cioè nello stato q i con simbolo σi presente nella cella esaminata, possiamo indicare con σi , q i |σj Lq j a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

(1.7)

il fatto che viene letto il simbolo σi nella configurazione q i , sostituito con un altro simbolo σj e infine che la T-macchina si sposta nella prima cella a sinistra ed entra nello stato q j . Ogni possibile macchina di Turing sar` a allora completamente determinata dall’insieme di tutte le possibili quintuple ottenibili secondo le istruzioni date per eseguire i calcoli di quella T-macchina. L’applicazione di istruzioni alle configurazioni di una Tmacchina deve essere anch’essa predeterminata , e ciò significa che deve essere possibile applicare una sola istruzione a ciascuna configurazione; in sostanza non si presenter` a alcuna quintupla con i due simboli iniziali (quelli che indicano appunto la configurazione) uguali, e i tre successivi (quelli che indicano l’operazione effettuata) diversi44 . L’ultima convenzione necessaria ad una descrizione completa di una T-macchina, è che ad alcune delle configurazioni possibili non corrisponda alcuna operazione applicabile: le configurazioni che non permettono la formazione di alcuna quintupla sono dette configurazioni finali 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 definizione:

Definizione 1.3.1 Una T-macchina (o macchina di Turing) è un dispositivo che pu` o

essere descritto a partire da un insieme Σ dei simboli, un insieme Q di stati possibili, e una procedura algoritmica in grado di produrre una serie finita di quintuple del tipo q i , σi |σj Xq j , dove q i , q j ∈ Q, σi , σj ∈ Σ e X = {L,R,H }. Ciascuna quintupla ` e descrivibile come segue: la doppietta iniziale contiene la configurazione di partenza della macchina (m-configurazione + simbolo), la terzina seguente contiene invece il nuovo simbolo, l’operazione e lo stato finale cui la macchina perviene; tale serie finita di quintuple non pu` o contenere due elementi che presentino la stessa condizione iniziale e diversi stati finali, poich´ e l’insieme delle quintuple è assolutamente predeterminato. Definita la T-macchina tramite la descrizione delle sue quintuple e cos`ı 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 finitezza imposti alla T-macchina rispetto alle possibilit` a di combinazione di configurazioni e simboli dati in un numero finito: ad esempio, posto che la T-macchina abbia compiuto l’operazione Read : [c], non è necessario che ad essa segua Left : c1 ← c piuttosto che Right : c → c1 , o una qualsiasi altra operazione. La pre-determinazione , invece, ` e esemplificata proprio dal fatto che ciascuna istanza di una T-macchina, data la configurazione iniziale, non pu` o che dare un’unica 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 Σ e Q; ma questa limitazione ` e facilmente superabile facendo riferimento a migliaia piuttosto che a centinaia qualora necessario. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

38


simbolo 2 a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

σ1 σ2 ... σn q 1 q 2 ... q n 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 fine della descrizione di una T-macchina. Adesso è semplice tradurre una qualsiasi quintupla in una sequenza di cifre. Ad esempio la quintupla σ1 , q 1 |σ2 Lq 2

sar` a immediatamente traducibile nella sequenza numerica 102000201444103301202 che è univocamente leggibile in quanto sappiamo che essa va analizzata per terzine, e possiamo identificare la corrispondenza di ciascuna terzina dal primo numerale (1 per i simboli, 2 per gli stati ecc..). Nello stesso modo, e semplicemente aggiungendo la codifica del simbolo “;”, possiamo rappresentare una configurazione intera di una T-macchina, composta ad esempio da tre quintuple: σ1 , q 1 |σ2 Hq 1 ; σ2 , q 1 |σ3 Lq 2 ; σ3 , q 2 |σ1 Rq 1 

che è immediatamente codificabile dalla sequenza numerica

102000201444103303201555103000201444104301202555104000202444102302201666. Vedremo tra breve un metodo che ci permetterà di codificare in maniera molto pi` u agevole le quintuple di una T-macchina, e sulla base di quel metodo anche l’utilit` a della codifica stessa apparir` a del tutto evidente. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


1.3.1


39

T-computabilit` a

La nozione di computabilit` a per mezzo di una macchina di Turing esprime lo stesso concetto della λ-definibilit` a, come mostr` o lo stesso Turing in un’appendice a [1936] intitolata Computability and effective calculability . A detta dello stesso Church, la computabilit` a rappresentata in termini di T-macchine ha il vantaggio di rendere immediatamente evidente l’identit` a con la nozione intuitiva di effettivit` a, anche non formalmente defini46 ta . La natura genericamente computabile delle funzioni producibili da una macchina di Turing appare evidente per la stessa definizione delle T-macchine; ma la relazione con la nozione di T-computabilità 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 definire Tesi di Turing : Tesi 1.3.2 Le funzioni ricorsive generali sono esattamente quelle prodotte da una mac-

china di Turing 47 . Questa tesi non rimane però 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 l’applicazione degli schemi di composizione , ricorsione primitiva e µ-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 è completamente descrivibile dalla serie delle odelizzazione , sue quintuple. Tramite l’operazione di aritmetizzazione, detta altrimenti g¨ che come sappiamo ci permette di tradurre alfabeti simbolici qualsiasi in rappresentazioni aritmetiche, possiamo riscrivere ciascuna quintupla di una T-macchina come una funzione aritmetica φM . Tale funzione avr` a come oggetto il numero gödeliano γ che codifica la quintupla dello stato in cui si trova la T-macchina. Quali sono i risultati della funzione φM (γ )? Tale funzione avr` a un valore γ  equivalente al g¨ odeliano che codifica la quintupla che descrive lo stato successivo a quello presente, se quest’ultimo non è uno stato finale; rester` a invece con valore γ se si tratta di uno stato finale. A questo punto è possibile dimostrare non solo che φM è ricorsiva primitiva, ma anche definire nuove funzioni per ricorsione primitiva a partire da φM , che dunque saranno anch’esse ricorsive primitive. Chiamiamo ΦM una nuova funzione ricorsiva primitiva computata a partire da φM : questa funzione avrà dunque come oggetto il numero di G¨ odel della 46

Church [1936a]. Ponendo l’attenzione alle funzioni di interi positivi, la tesi di Turing è esattamente equivalente alla tesi di Church, in relazione all’equivalenza estensionale delle forme di computabilità. Kleene [1967] sembra aver usato per primo il termine “Tesi di Church-Turing”. 47


40



funzione φM , e computerà un certo numero di passi della macchina M che le daranno un nuovo g¨ odeliano se la situazione descritta da φM non è uno stato finale, lo stesso g¨ odeliano di partenza viceversa. Dunque si definisce ΦM (γ, θ) come segue, dando γ come il g¨ odeliano di una situazione di partenza della T-macchina M , e θ come un certo numero di passi del calcolo eseguiti su γ : ΦM (γ, θ) =

ΦM (γ, 0) = γ ΦM (γ, s(θ)) = φM (ΦM (γ, θ)).

(1.8)

Essendo tale funzione computata ricorsivamente a partire da una ulteriore funzione ricorsiva primitiva, possiamo computare su di essa la funzione di minimizzazione µ, 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 finale. 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, è provata l’equivalenza estensionale tra ricorsivit` a e T-computabilità.

1.3.2

Incompletezza algoritmica della T-macchina

Il lavoro di Turing [1936] mostrava che una larga classe di numeri (cio` e sostanzialmente l’intera teoria dei numeri) è computabile, ma che esistono esempi di numeri definibili che non sono computabili. Per essere pi` u precisi, quanto dimostrato da Turing è la maggiore estensione della ricorsivit` a rispetto alla ricorsivit` a enumerabile, quello cioè che potremmo chiamare il Teorema di incompletezza di Turing : Teorema 1.3.4 Esistono insiemi di numeri naturali che sono ricorsivamente enume-

rabili ma non ricorsivi. Questo Teorema afferma indirettamente i limiti di computabilità delle T-macchine. La dimostrazione di tale teorema parte dalla enumerabilit` a dell’insieme di tutti i possibili insiemi ricorsivamente enumerabili: è in sostanza possibile porre in corrispondenza biunivoca ciascun elemento di tale insieme con gli elementi dell’insieme 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 dall’altra). Gli elementi degli insiemi ricorsivamente enumerabili sono a loro volta codificabili tramite numeri naturali e per mezzo di tale codifica è 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 nient’altro che l’insieme generato dall’enumerazione di tutti gli insiemi ricorsivamente enumerabili: anche N è ovviamente ricorsivamente enumerabile. L’esistenza di un insieme ricorsivo ma non ricorsivamente enumerabile, è dato dall’esistenza dell’insieme ¯ , il quale è ovviamente generabile ricorsivamente a partire da N , ma complemento N non è incluso nell’insieme N di tutti gli insiemi ricorsivamente enumerabili (essendo il complemento di N e dunque non potendo appartenere ciascuno dei suoi elementi all’insieme N )48 . Il risultato pratico per le T-macchine è l’esistenza di processi di computo per i quali è possibile che non si raggiunga mai il termine: in effetti l’esistenza 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 all’appartenenza o meno di un elemento ad un tale insieme si compia in un tempo finito. Le T-macchine dimostrano dunque l’esistenza di problemi indecidibili. Sembra ad ogni modo affermata l’idea che all’inclusione (banale) delle funzioni ricorsive tra le computabili ( R ⊆ C ) possa affiancarsi l’inclusione inversa, e meno evidente, delle computabili nelle ricorsive (C ⊆ R), che identifica cos`ı in quest’ultime l’intera estensione delle funzioni computabili. Il contesto in cui avvenne l’ottenimento 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 l’estensione 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 è possibile dimostare l’incompletezza algoritmica per la T-computabilit` a, occorre introdurre una modalit` a di codifica secondo numeri naturali pi` u specifica di quella intuitiva vista sopra. Mostriamo allora tale procedura prima per un insieme finito di naturali, poi per una coppia ordinata di numeri naturali e infine per una stringa finita di numeri naturali: queste codifiche saranno necessarie per illustrare le funzioni universali e l’applicazione della T-macchina universale49 . La codifica di un insieme finito avviene secondo quanto segue: - la codifica dell’insieme vuoto è 0; - per ogni insieme X = {x1 , . . . , xn } creiamo una sequenza S = (s0 , s1 , . . . , s x ), tale che per i = 0, 1, . . . , x n n

si = 1 se i appartiene ad X si = 0 altrimenti

- si inverta la sequenza S , ottenendo S − = (sx , . . . , s 1 , s0 ); n

- xn appartiene ad X , dunque sx = 1, e questa costituisce la prima cifra della sequenza binaria che sar` a la codifica di un numero N , cioè la codifica di X ; n

- per tale numero N vale che N = 2x + . . . + 2x . 1

n

Questa rappresenta la codifica di un insieme di simboli secondo numeri naturali. Illustriamo ora la codifica di coppie ordinate di naturali. Iniziamo elencando tutte le coppie di naturali in una matrice infinita (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 codifiche si veda Montagna [2002], par. 8 e 9. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

42


che è 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 è possibile associare ad ogni coppia di numeri naturali, quale suo numero di codifica, il numero di passi nella matrice necessari al raggiungimento della coppia, diminuito di 1. Posti questi elementi, non è difficile 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 =

Definizione 1.3.5 Il numero totale di passi necessari per raggiungere la coppia gene-

rica (m, n), dimunuito di 1, è il numero θ (m + n) · (m + n + 1) + m. 2 Tale numero è detto pseudocoppia ordinata della coppia composta da m e n, e ne costituisce una codifica. θ=

Questa dunque la codifica di una coppia ordinata di naturali. Illustriamo infine la codifica (secondo la stessa tecnica) di una stringa finita 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. L’argomentazione si può sviluppare (in una maniera semplificata) con una reductio ad absurdum , sostenendo che l’insieme dei reali è 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`ı via fino all’nesimo, possiamo costruire lo sviluppo decimale di un nuovo numero reale che non si presenterà nella successione che è stata posta in corrispondenza biunivoca con quella dei naturali: ci` o è possibile sostituendo ad esempio ciascuna cifra con un 1 se tale cifra è diversa da 1, e con 2 se è diversa da 2, o aggiungendo un’unità a ciascuna cifra, ed in questo modo il numero reale costruito sarà diverso dal primo della successione per la prima cifra del suo sviluppo decimale, dal secondo per la seconda cifra e dall’n-esimo per l’n-esima cifra. Tale reale non sar` a dunque nella successione posta in corrispondenza biunivoca con quella dei naturali, e perciò i reali sono pi` u dei naturali. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

43


Stabiliamo di usare funzioni da {1, . . . , n } a N , cos`ı che gli accoppiamenti della sequenza (s1 , s2 , . . . , s n ) generano l’insieme {(1, s1 ), (2, s2 ), . . . , (n, sn )}. A partire da questo accoppiamento vale quanto segue: a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

- ogni sequenza vuota è codificata dal numerale 0; - da ogni coppia (i, si ) si ricavi l’appropriata pseudocoppia θi secondo la Definizione 1.3.5, e a partire dalle pseudocoppie si genera l’insieme finito Θ = {θ1 , . . . , θ n }; - otteniamo la codifica dell’insieme finito Θ tramite la procedura vista a proposito degli insiemi finiti, dunque secondo la formula 2θ + . . . + 2θ . 1

n

Viene cos`ı eseguita la codifica di una stringa finita di numeri naturali. Ritorniamo adesso al problema della decisione che, in particolare nell’ambito della T-computabilit` a, pu` o essere esemplificato nei termini del cosiddetto problema della fermata o halting problem . Per esplicitare tale problema occorre innanzitutto enunciare la seguente Proposizione 1.3.6 L’insieme di tutte le T-macchine ` e enumerabile in modo effettivo.

Tale affermazione è possibile a partire dal fatto che, come abbiamo gi` a detto, ogni T-macchina è identificabile con l’insieme delle sue quintuple: infatti per un numero fissato di quintuple, sar` a sempre finito l’insieme delle T-macchine che hanno quel numero di quintuple, e determinato è anche il numero di simboli σ , dell’insieme Σ, che compaiono nelle quintuple. Partiamo dalla codifica secondo numerali delle quintuple proposta nel paragrafo 1.3: secondo tale codifica 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 infine con il quinto numerale: cos`ı infine un solo numerale rappresenterà la quintupla. Come ottenere allora il numero di codice di un’intera T-macchina? Tale macchina sar` a identificata dalla sequenza di m numerali ottenuti dalla codifica 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 l’operazione ispirata al procedimento cantoriano, ottenendo cos`ı la codifica m per la T-macchina M . Avendo aggiunto il numerale m in coda alle codifiche delle quintuple, la ricostruzione di queste ultime a partire dal numerale della codifica definitiva sar` a univoca. Una volta compiuto l’ordinamento di tutte le possibili codifiche di quintuple, ne segue un ordinamento crescente di tutte le T-macchine, identificate dalla posizione in tale ordine, secondo la forma T 1 , . . . , Tn

con n naturale. Il numerale n è dunque il risultato di un ordinamento in un elenco di tutte le T-macchine. Possiamo a questo punto pensare all’esistenza di un programma implementato su un’ulteriore T-macchina detta U , in grado di simulare ciascuna altra T-macchina, ad Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

44


esempio la macchina M , semplicemente assumendo come suo input la coppia di numeri naturali, costituita da m, come codifica definitiva delle quintuple della macchina, ed n come indice di determinazione della macchina M nell’enumerazione effettiva: a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

U (m, n),

dove U è detta macchina universale di Turing . La U -macchina si comporter` a come segue: - letti in input i valori (m, n), verifica tramite decodifica che m sia la codifica di una istruzione di una macchina; se non dovesse esserlo vuol dire che non esiste alcuna macchina che produca un output su quell’input, 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 sull’input fornito da n, e restituisce come risultato esattamente l’output della T-macchina M n che fa girare il programma codificato da m. Chiaramente la macchina U è 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 identificate nelle funzioni universali : Definizione 1.3.7 Una funzione ricorsiva del tipo Φ(x, x1 , . . . , xn ) ` e detta universale

per le funzioni di n variabili, se per ciascuna funzione ricorsiva φ(x1 , . . . , x n ) esiste un indice e tale che φ(x1 , . . . , x n ) = Φ(e, x1 , . . . , x n ).

Una volta descritto il funzionamento della U -macchina e delle funzioni che la descrivono, possiamo ritornare al problema dell’incompletezza algoritmica espressa da Turing nei termini dello halting problem . Data una T-macchina universale U (x, y ) in grado di simulare ogni singola macchina specifica (cioè essa non simula una specifica macchina ma è in grado di simularle tutte), sar` a essa in grado di fermarsi su un output definito dopo un numero finito di passi o proseguir` a indefinitamente? L’idea è espressa mediante un’applicazione del procedimento diagonale cantoriano, gi` a visto 51 per la codifica di coppie di numeri naturali. Turing mostra che la sequenza numerica che rappresenta l’algoritmo dell’input 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 l’esistenza della macchina H (x, y ) in grado di risolvere il problema della fermata, e che definiamo come di seguito: Definizione 1.3.8 H (x, y ) ` e una macchina tale che per ogni T-macchina M con un

numero di G¨ odel m, applicata all’input fornito dalla T-macchina M n , diviene H (m, n): essa fornisce un valore di output 1 se si ferma, 0 altrimenti. Possiamo definire adesso una seconda T-macchina che chiameremo H  , e che definiamo come segue: 51

Turing [1936], par. 6-7.


45


Definizione 1.3.9 H  si ferma se assume come input il valore di codifica x della T-

macchina H con numero di G¨ odel x, input per il quale H non pu` o fermarsi, per il procedimento diagonale, ovvero: a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

1.

se

H ( x, x) = 0

allora H  (x) = 1;

2.

se

H ( x, x) = 1

allora H  (x) = 0.

Si assegni ora alla macchina H  il numero di G¨ odel h . Facendo computare alla macchina universale U l’input (h , h ), possiamo ottenere come output quanto segue: a) se U (h , h ) = 1, vuol dire che la macchina universale U si ferma sull’input composto dalla codifica della macchina H  in posizione h ; per la definizione di macchina universale, che computa ogni possibile macchina, e per le precedenti definizioni della macchina H e di quella H  , otteniamo che che H  (h ) = 1; ma ci` o, per quanto stabilito al punto 1. della Definizione 1.3.9, avviene solo se H (h , h ) = 0, e dunque, per la stessa definizione di H , vuol dire che H  (h ) = 0, cio` e non si  ferma. Ma allora, per la definizione di macchina universale, anche U (h , h ) = 0, contro l’ipotesi; b) il ragionamento è ovviamente duale per il secondo caso, cioè quando U (h , h ) = 0, raggiungendo un risultato contraddittorio anche in questo secondo caso. Il significato di un tale procedimento, è la dimostrazione che non esiste alcuna macchina di Turing in grado di risolvere il problema della fermata e, ipotizzando con Turing l’esistenza di un algoritmo svolto da una tale macchina per ogni procedura di decisione, allora il problema è indecidibile. Le macchine ideate da Turing non si fermarono ad un livello puramente teorico di sviluppo: ci` o che abbiamo sin qui illustrato, costitu`ı in effetti una fondazione molto influente 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 λ-definibilit` a e della T52 computabilità , mostrando anche come si manifesti in termini di T-macchine un’essenziale incompletezza algoritmica. Da un punto di vista di rigore strettamente matematico, il concetto di ricorsività è comunque sicuramente superiore sia a quello di λ-definibilit` a che a quello di T-computabilit` a. Tuttavia fu a partire dall’idea di computazione secondo Turing, che ebbe origine il movimento di ricerca sull’intelligenza artificiale e che approdò alla cibernetica, poich´ e fu la sua teorizzazione a proporre il problema dell’analogia (e della differenza) tra calcolo meccanico e operazione mentale. 52

Si ricordi comunque che il risultato fondamentale è la dimostrata equivalenza estensionale delle diverse definizioni 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

46



La macchina come analogia della mente

Le T-macchine rappresentano il modello teorico-matematico che esplicita le cosiddette “macchine a stati discreti”, determinate cioè dal fatto che i singoli stati sono sempre ben definiti e differenti l’uno dall’altro, 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 l’elemento essenziale, cioè la quantità infinita di memoria a disposizione della macchina stessa. In questo senso, il calcolatore digitale torna ad essere una specifica di un automa finito. La struttura del calcolatore è quella di una macchina che lavora per applicazione di regole, illustrabile idealmente in termini di capacit` a di compiere qualsiasi operazione 53 possa essere compiuta da un computatore umano , appunto secondo il modello delle T-macchine. Il modello del calcolatore digitale54 , utilizza una rappresentazione secondo cifre decimali, come per la codifica mostrata per le T-macchine, e ciascuna cifra decimale è inserita all’interno del calcolatore tramite un sistema di segnali: ci` o evidentemente interpreta il calcolatore come un sistema che gestisce informazione . Il punto fondamentale è la realizzazione fisica di tale segnale all’interno del calcolatore. Il segnale pu` o essere immesso in forme differenti, 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 sufficiente a rappresentare l’intero sistema decimale; se invece il segnale può presentarsi solamente in due forme diverse, per rappresentare una cifra occorrer` a utilizzare un gruppo di segnali. Questa osservazione è fondamentale riflettendo sulla tipica rappresentazione binaria che è divenuta tanto familiare quale linguaggio essenziale dei moderni calcolatori. L’osservazione che è immediata, a questo punto, consiste nel notare che gruppi di segnali risulteranno a volte insufficienti 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 55 sedici combinazioni) . Le possibilit` a di calcolo della macchina in questione sono ovviamente date dalla capacit` a di quest’ultima di comporre i segnali che “scorrono” al suo interno, dunque sulla base di potenzialit` a combinatorie: tale connessione è 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 è 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 artifici 53

Turing [1950], p.170. von 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




47

meccanici, laddove la peculiarit` a del calcolatore digitale è quella di saper sfruttare un solo organo per l’esecuzione delle diverse operazioni fondamentali. Ci` o rende conto dell’analogia tra le T-macchine viste nel paragrafo precedente e il calcolatore digitale, che di fatto rappresenta la realizzazione delle macchine di Turing: infatti, ciò che permette al calcolatore digitale di sfruttare un unico organo, è l’utilizzo 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`ı le istruzioni della macchina sono “entità 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 è detta governo a programma memorizzato”57 . Sin qui la descrizione di von Neumann dei calcolatori digitali appare evidentemente come l’esatta 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 fisiche della macchine e infine costi di realizzazione.

1.4.1

Il Test di Turing

La ricerca iniziata da Turing [1936] prosegu`ı, come avevamo già 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 affatto 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 differenze tra calcolatore e cervello, come appariva gi` a evidente dal titolo dell’articolo del 1958, The Computer and the Brain . Determinare l’analogia tra pensiero e macchina era in realtà 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” l’attitudine umana a rispondere a certi quesiti in maniera talmente precisa da riuscire ad ingannare l’interrogante umano sulla sua natura reale? Questo è ci` o che Turing chiama “il gioco dell’imitazione”59 . 56

Come nei moderni computers, nella descrizione di von Neumann l’insieme fisico dei registri di memoria costituisce la memoria della macchina, cos`ı 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 configura come segue: in una stanza chiusa si trova un calcolatore, e in un’altra 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 l’interrogante 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 capacità intenzionali e di ragionamento. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

48



La tesi sostenuta da Turing è 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 è una questione determinabile puramente in termini di velocit` a di calcolo, il che ha come conseguenza teorica l’equivalenza di tutti i calcolatori digitali. Tuttavia, problemi come quello della velocità 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 significativa della tesi di Turing (Tesi 1.3.2), che ne è in realt` a una sottotesi60 : Tesi 1.4.1 Ogni funzione calcolabile da un computatore umano ideale ` e T-computabile.

L’enunciazione di questa tesi propone una restrizione della Tesi di Turing rispetto alla tipologia dei procedimenti algoritmici. Si parte cioè 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 validità 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 potenzialità e limitazioni del ragionamento umano: ovvero, se vale l’equivalenza 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 dell’imitazone?”. In effetti l’analogia posta in atto non è pacifica, e lo stesso Turing affronta 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 all’idea di macchine pensanti61 . ` in effetti possibile usare la tesi seguente come passaggio intermedio tra la Tesi di Church E e la Tesi di Turing. 61 Proponiamo qui di seguito una formulazione standard delle obiezioni riportate da Turing: 60

1. Obiezione teologica: il pensiero ` e una funzione dell’anima, 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 dell’impossibilità per le macchine di raggiungere livelli di calcolo paragonabili al pensiero umano; 4. Argomento della coscienza: le macchine non pensano perché 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 differenti e composti, mentre i computers lavorano secondo procedure a tappe fisse; 8. Argomento derivante dall’informalit` a del comportamento: non ` e possibile determinare per una macchina quale deve essere il suo comportamento in ogni situazione possibile; Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



49

Tra queste si trova in particolare l’ obiezione matematica , che è sicuramente una delle pi` u interessanti, in quanto ripropone quei risultati che dimostrano limitazioni effettive dei poteri delle macchine a stati discreti, partendo dal teorema di Gödel per arrivare proprio ai risultati sull’incompletezza 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, è ovviamente la determinazione di quali macchine vogliamo mettere a confronto con un comportamento che riteniamo potere definire “intelligente”. Rivolgendoci all’analogia tra uomo e macchina sembrano evidenti le limitazioni dell’apparato sensoriale e della memoria nel primo; sembra però 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 l’equivalenza 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, piutto62 sto che quella di velocità di computo, delle macchine In ultima analisi il lavoro di Turing si concentrer` a sul problema dell’apprendimento, che per le macchine si traduce nella necessit` a della modifica 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 è reperibile, secondo Turing, nell’inserimento, tramite programmazione della macchina, di elementi che dall’esterno appaiono come casuali, ma che in realt` a contribuiscono a sfatare il mito dell’impossibilit` 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 ripetizioni”63 . Vedremo alla fine di questo paragrafo come i pi` u recenti sviluppi della branca di ricerca denominata Intelligenza Artificiale , 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 artificiali, tenteremo di analizzare queste obiezioni in forma leggermente modificata, e a dare alcune possibili repliche. 62 I mezzi meccanici di calcolo apparivano già negli anni ’50 a Turing più veloci di circa mille volte delle operazioni compiute dalle cellule nervose. 63 Turing [1950], p.192. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

50


questa strada, con l’introduzione di procedimenti probabilistici all’interno della programmazione. Il confronto tra sistemi artificiali e mente, e in particolare in riferimento alla loro operativit` a, pu` o dunque illustrarsi secondo affinit` a e differenze. Il primo punto di somiglianza è il principio della natura digitale del sistema nervoso umano: a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

Tesi 1.4.2 La rappresentazione binaria ` e sufficiente ad esprimere l’attivit` a neuronale,

che si esplica secondo la dicotomia “assenza di impulso” (= 0) contro “presenza di impulso” (= 1), cos`ı che queste condizioni rappresentano la funzione logica del segnale presente negli assoni di un neurone; la stimolazione tra neuroni, base computazionale dell’attività mentale, avviene allora secondo certe combinazioni di questi impulsi, che in altri casi (cioè 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, dell’ affaticamento. Questi primi elementi di distinzione sono ovviamente importanti, ma non inficiano 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 fisici molto vasti64 ; il confronto propende invece a favore delle componenti artificiali, dunque degli automi, - per quanto riguarda elementi come la velocit` a e l’assenza di fenomeni quali l’affaticamento. L’analogia tra mente ed automa artificiale 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 (“flip-flop”), come nel caso di ENIAC. Ancora, un importante elemento da considerare nell’analisi degli automi è il codice : Definizione 1.4.3 Nell’automa artificiale ` e detto codice il sistema di istruzioni logiche

poste in atto dalla macchina che permettono l’esecuzione dei compiti ad essa assegnati. Analizzato nei termini del sistema-mente , un codice completo prevede una specifica dell’ordine 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 l’analogia mente-macchina, un comportamento 64

Ovviamente un tale elemento a favore della componente biologica risultava molto più rilevante all’inizio della ricerca in IA, dove notoriamente le capacità di calcolo oggi racchiuse in un comodo laptop erano distribuite sui diversi piani di interi palazzi; probabilmente il tempo annuller` a definitivamente questo svantaggio delle macchine. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



51

specifico del sistema nervoso sarebbe allora definibile 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 è il codice breve , che non è altro che la codifica della programmazione di una macchina, una “abbreviazione codificata” che pu` o essere implementata su un’altra macchina, ovvero permette ad un’altra macchina di imitarla65 : è dunque anche il principio che permette ad una macchina di imitarne 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 dell’automa: la parte logica e la parte che richiede un formalismo matematico, cioè rispettivamente la comunicazione di istruzioni e la comunicazioni di numeri. Secondo von Neumann, la propriet` a essenziale del linguaggio usato dal sistema nervoso consiste nell’avere una profondit` a logica e aritmetica inferiore a quella propria della matematica. Di conseguenza un’operazione gestita dal sistema nervoso si svolge attraverso una perdita di precisione rispetto al piano aritmetico. La logica e l’aritmetica 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 sull’approccio 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 finito di passi, quanto i processi di calcolo che non hanno termine: in effetti come abbiamo visto, ogni procedimento algoritmico eseguito da una T-macchina pu` o essere interpretato solamente da un’altra T-macchina pi` u potente della prima, cioè in grado di simularne i processi di calcolo. Ciò, in presenza di procedimenti di calcolo molto lunghi, significa sostanzialmente l’impossibilità di prevedere il risultato finale della computazione. Si rafforzava in tal modo l’idea che anche gli aspetti peculiari del ragionamento umano, cioè intelligenza e creativit` a, potessero in realt` a essere ricondotti ad un’analisi puramente computazionale. La computazione che nell’analisi sopra vista rappresenta il nucleo centrale per la simulazione dell’attivit` a intelligente, ha i suoi elementi fondamentali nei simboli e nelle loro combinazioni. Ovviamente, a fondamento dell’approccio simbolico-computazionale si trova una teoria semantico-modellistica, che imposta forme di riferimento tra simboli e stati di cose esterni. I vantaggi dell’interpretazione simbolico-computazionale della mente sono: il passaggio di validit` a per le proprietà dai casi generali alle istanze particolari; la connessione tra concetti; la struttura ricorsiva che permette la costruzione di configurazioni simboliche con gradi crescenti di complessit` a; il riconoscimento delle regole come generalmente valide senza necessità di verifica 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 efficaci e fedeli all’attivit` a mentale.

1.4.2

Il paradigma teorico dell’IA

Con questi presupposti teorici e tecnologici, ci troviamo dunque all’origine della ricerca in Intelligenza Artificiale (IA), la quale si colloca, proprio intorno agli anni ’50, all’interno di un paradigma molto ampio di indagine sulla natura della mente: essa rappresenta uno dei filoni principali delle ricerche sulla meccanizzazione dei processi di pensiero, e si sviluppa in parallelo al programma che pi` u avanti definiremo come cibernetica classi65

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


52



ca 66 , anch’esso sorto tra la fine degli anni ’40 e l’inizio del decennio successivo. Vedremo in questo paragrafo quali sono i punti teorici fondamentali del progetto IA, su quale terreno si gioca la sfida della riproposizione dell’attivit` a intelligente propria dell’uomo per mezzo di calcolatori e macchine, e infine mostreremo i differenti approcci teorici che, dall’interno 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, l’IA identifica i processi intelligenti con computazioni di tipo simbolico, e la loro riproducibilit` a è affidata alla produzione di programmi in grado di simulare processi di elaborazione dell’informazione. Comprendere il funzionamento di un automa quale gestore di informazione, ovvero come esecutore di operazioni di information processing , implica saper distinguere l’analisi 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 dell’algoritmo : implementazione della computazione tramite rappresentazione algoritmica dell’informazione e della trasformazione input/output; 3) livello della implentazione hardware : realizzazione sul supporto fisico della rappresentazione algoritmica. Il tentativo di identificare la struttura formale del “ragionamento”, inteso nel suo senso pi` u ampio, riconduce a processi che, partendo da conoscenze iniziali e per applicazione di regole, conduce a nuove conoscenze68 . Le modalit` a di ricerca riconducibili all’IA classica, possono essere genericamente raggruppate sotto i seguenti settori di studio: - soluzione di problemi (problem solving ); - apprendimento (machine learning ); - deduzione automatica (automatic deduction ). In effetti, la capacit` a di trovare soluzione a problemi posti è apparsa sin dall’inizio un indizio dell’attivit` 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. Nell’implementazione su macchina il requisito minimo è rappresentato dalla configurazione di un metodo che sappia mettere in grado la macchina stessa di riconoscere la soluzione, qualora essa si presenti69 . Ci` o, a sua volta, è riproposto in termini del reperimento di un algoritmo efficiente, una procedura sistematica che produca in uscita una soluzione per il problema in entrata: la determinazione di efficienza si esprime come capacit` a di raggiungere tale output in un tempo ragionevole. Rispetto alla risoluzione di un problema, l’applicazione di un algoritmo di decisione pu` o per` o risultare priva di interesse o impossibile, ed in questo caso si propongono due strategie differenti: 66

Si veda il par.1.6. Marr, Poggio [1977]. 68 Ci` o evidentemente richiama la struttura di sviluppo dei sistemi assiomatico-formali. 69 Minsky [1959] e Gelernter, Rochester [1958]. 67



53

1) l’appello all’impostazione assiomatica, eseguendo la derivazione esaustiva di tutti i teoremi dalla base di assiomi e ipotesi configurata nell’automa, applicando le regole fino ad ottenere il risultato ricercato 70 ; a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

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. L’utilizzo dell’euristica 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 l’uomo perviene alla soluzione di un problema per mezzo di una intuizione, a partire dai dati e dai suggerimenti disponibili. L’euristica non costituisce un metodo che produce necessariamente un risultato, come nel caso del procedimento algoritmico: essa può anche non condurre ad alcuna soluzione. I procedimenti euristici si configurano come un insieme di “meta-regole” atte ad individuare i processi pi` u efficaci alla riso71 luzione di un problema . I processi possono poi suddividersi tra quelli che sviluppano la soluzione procedendo in avanti a partire dallo stato iniziale ( forward ) e quelli che procedono all’indietro a partire dallo stato finale (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 nell’acquisizione e incorporazione di nuove conoscenze72 , esse continuano per` o ad avere una struttura gnoseologica statica, ovvero i loro processi si applicano ad una “sezione” di risolubilit` a limitata alla classe di problemi inizialmente posta nell’automa dal programmatore. Si tratta in sostanza dell’incapacit` a di apprendere da parte dell’automa, e dunque del problema già preso in considerazione da Turing. Tale capacit` a non si identifica, 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 è 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 all’alfabeto 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 specifici sistemi. Anche nel caso dei sistemi di produzioni di Post, l’analisi dei mezzi di controllo su di essi mette in luce i limiti intrinseci alla p ossibilit` a di identificare criteri a priori per il reperimento di specifici sistemi (soluzioni a problemi). 71 Si veda al proposito Pessa [1992], pp.67-69; ivi si trova anche un’illustrazione dei procedimenti euristici tramite grafi , dove l’associazione di un albero ad un processo di soluzione di un problema avviene identificando 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. L’esplorazione degli alberi può poi avvenire secondo due modalit` a: - in profondit` a, dove ciascun ramo viene analizzato fino in fondo; - in ampiezza , dove si esplorano tutti i rami generati da un nodo di partenza. 72

Ad esempio l’automa a processo euristico descritto in Gelernter, Rochester [1958], capace di dimostrare nuovi teoremi della geometria piana ed aggiungerli al sistema di assiomi di partenza. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

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 l’analisi 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 modificare 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 dell’attivit` a intelligente da parte di automi a stati finiti è insufficiente qualora essi si limitino all’esecuzione meccanica di ci` o per cui sono programmati. In effetti, 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 specifica scienza, conseguibili come teoremi da un sistema assiomatico ad essa adeguato, ed implementato come un software sull’hardware della macchina, ci` o potrebbe comunque, nell’ottica complessiva del progetto IA, risultare di poco interesse: “un calcolatore è semplicemente un automa finito e, in quanto tale, il suo comportamento è completamente determinato [. . .]. Stando cos`ı le cose, si pu` o sostenere che la sua risposta a qualsiasi insieme di segnali in ingresso è in linea di principio prevedibile e, di conseguenza, non ha alcun interesse e non merita la qualifica di ‘intelligente’ ”73 . La realizzazione del progetto IA, prevede infatti la riproponibilit` a per mezzo di automi a stati finiti delle forme di pensiero intelligente: ci` o comportava, di fatto, anche la scrittura di programmi per calcolatori digitali, in grado di costituire le definizioni per meccanismi capaci di pensare in modo creativo74 . Obiettivi come questo richiedono il non facile compito di una definizione 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 è evidente, ci` o riconduce la questione all’idea 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 definire la nozione di comportamento creativo a partire dal modello della risoluzione di problemi, erano i seguenti75 : 1. il prodotto dell’attivit` a creativa è innovativo o utile; 73

Gelernter, Rochester [1958], p.265; è molto interessante notare a questo punto come il lavoro di Gelernter e Rochester si concludesse con l’ipotesi che la capacit` a di apprendimento di un automa sarebbe stata notevolmente potenziata da una considerazione reale del suo ambiente. In particolare, l’ipotesi avanzata è che l’automa che esprime conoscenza sulla geometria piana sarebbe in grado di amplificare la propria capacit` a di apprendere, qualora capace di modificare il suo sistema sintattico-formale in relazione ai dati forniti da un elaboratore grafico (che in sostanza gli permette di tracciare i suoi disegni su una sfera). I due ricercatori dell’IBM sostenevano la necessit` a di integrare la struttura formale del programma e rendere la teoria modificabile a partire dai dati ambientali circostanti l’automa, strutturabili anch’essi all’interno del sistema formale. Nella loro prospettiva ci` o significava mettere in grado l’automa 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


55

2. esso richiede la modifica o il rifiuto di conoscenze precedenti; 3. richiede motivazione e stabilità; 4. il compito prevede la formulazione del problema, inizialmente vago e indefinito. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

In questo senso, rientrava nella definizione di “comportamento creativo”, l’operare 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 è che l’approccio essenziale dell’IA riguarda una teoria generale della soluzione di problemi , e parte dell’analisi teorica consiste proprio nella selezione dei problemi la cui risoluzione da parte di un automa avrebbe determinato l’attuazione di un atteggiamento intelligente77 . Dopo questo primo rendiconto teorico del tema centrale per l’IA, possiamo esplicitare come segue la tesi fondamentale del programma: Tesi 1.4.4 In linea di principio ogni aspetto dell’apprendimento, o ogni altra proprietà

dell’intelligenza umana, anche l’attività creativa, possono essere simulati da un automa digitale: ci` o è 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 velocità e memoria nell’imitazione di attività computazionali umane possono dipendere essenzialmente da nostre incapacit` a rispetto ad un’adeguata programmazione. Questa tesi molto forte risponde al progetto di ricerca avviato nell’agosto 1955 da McCarthy, Minsky, Rochester e Shannon78, alla cui presentazione furono invitati moltissimi ricercatori, e tale occasione segn` o in qualche modo l’atto fondativo dell’IA. Il progetto IA prevede dunque una completa riproponibilit` a dell’intelligenza umana tramite manipolazione simbolica : ci` o implica una ridefinizione dell’idea di comportamento intelligente nei soli termini dell’esecuzione di regole, implementazione di algoritmi (o alternativamente secondo reperimento di procedimenti euristici formalizzabili), a discapito di tutti quegli elementi che invece possono apparire condizionati dall’ambiente esterno79 . 76

Newell, Simon [1956]. In Newell, Shaw, Simon [1962], p.210, viene proposto il seguente elenco di esempi come specifiche della nozione generale di problema: 77

- 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 79

McCarthy et al., [1956]. La prospettiva teorica offerta da queste prime ricerche in IA, giustifica allora in maniera


56



Il computer come strumento per comprendere il sistema-mente attraverso la simulazione delle sue attività è l’idea che ha dato vita all’IA: 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 fisico-simbolici (physical symbol systems ) in grado di manipolare successioni di bits quale flusso di informazione gestita dal sistema81 , in grado questi di essere tanto rappresentazione di funzioni numeriche (pensando alla prospettiva che risale a Turing), quanto di configurazioni del mondo reale. All’interno del paradigma dell’IA, l’analogia mente-macchina è esplicabile secondo il principio dell’invarianza della struttura , o funzionalismo : Tesi 1.4.5 Il cervello umano e il calcolatore digitale sono suscettibili della stessa de-

scrizione funzionale, sebbene si presentino articolati a partire da diversi elementi fisici e strutturali. Il cervello umano e un computer adeguatamente programmato rappresentano, dunque, istanze diverse di un dispositivo in grado di generare attività 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 un’insufficienza della mente rispetto al linguaggio logico-matematico, nel senso che quello usato dalla nostra mente è una sorta di codice breve del codice completo della formalizzazione logica. In questo senso appare chiaro che i vantaggi offerti dalla programmazione logica di un automa sono essenziali per determinare la possibilit` a di una macchina che, essendo pi` u precisa nell’esecuzione del calcolo, dunque capace di gestire un livello “pi` u profondo” dello stesso, è pensabile possa anche eguagliare, forse addirittura sup erare, la mente nella sua attività intelligente. Va compreso, per` o, che l’assunto fondamentale dell’approccio dell’IA, che p ermette una tale considerazione del rapporto mente-macchina, è che la mente funzioni essenzialmente come un risolutore di problemi, facendo perno sulla formalizzazione simbolica. In quest’ottica si è parlato infatti di “intelligenza non perturbata”, considerata nella sua esecuzione di regole e schemi formali astratti rispetto al contesto, all’ambiente e all’interrelazione 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 definire l’attività intelligente come indissolubilmente legata a tutti quegli elementi che erano considerati “di disturbo” in questa prima prospettiva teorica. 80 Dall’altro lato l’IA si sviluppò 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 dell’apprendimento 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 diffusamente nel cap.2, affrontandone anche gli sviluppi successivi. Si veda a proposito del rapporto tra le due correnti, Dreyfus, Dreyfus [1990]. 81 e l’abbreviazione usata per indicare la binary digit , ovvero unit` a di computo espressa Bit ` secondo rappresentazione binaria. Vedremo nel prossimo paragrafo 1.5 che il bit sar` a l’elemento 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 l’IA quanto con la Cibernetica classica. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



57

Lo sfondo teorico al quale si appella il progetto IA è ancora una volta il razionalismo di matrice cartesiana, con le acquisizioni logiche dovute alle opere di Frege, Russell e Wittgenstein. Di quest’ultimo in particolare viene assunta l’idea della visione rappresentazionale e sintattica della relazione mente-mondo in forma pura, logica82 . L’idea centrale è allora che la conoscenza del mondo, e la conseguente attivit` a intelligente di un agente inserito in esso, possano essere riprodotte se si è in grado di programmare una macchina secondo gli elementi primitivi e le relazioni logiche che strutturano tale attivit` a. La macchina calcolatrice è definibile come potenzialmente capace di produrre attivit` a intelligenti poiché pu` o essere descritta come un sistema fisico che tratta e manipola simboli come operazione di information processing . Il paradigma “fisico-simbolico” mantenne un primato assoluto nella prima fase delle ricerche nel campo dell’IA, sulla base di una fede filosofica incrollabile nell’analogia 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 dell’operazione di codifica-decodifica da parte della macchina sono gli stessi simboli che la mente umana tratta nella sua conoscenza del mondo. A ci` o si accompagna un rifiuto altrettanto radicale di una visione olistica del rapporto mente-ambiente. Tale è l’ipotesi 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 perché 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 è dunque un risolutore di problemi, come capacit` a di perseguire uno scopo; esso produce una “rappresentazione” del mondo rispetto al quale la macchina è in grado di adattarsi. Essendo tale mondo una sua interna rappresentazione, la macchina diviene agente capace di modificare la struttura simbolica del mondo e dunque di interagire con esso. Ci` o richiama implicitamente ad un’analisi del tipo di comportamento che l’agente-macchina sa compiere all’interno del suo mondo simbolico, e questo provoca una descrizione che non pu` o che separare l’agente dal suo ambiente, al fine 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: l’elemento centrale è in quella sede il numero, in quanto oggetto di codifica nei processi interni e nella memoria della macchina; adesso il numero è “designatore” di istruzioni e processi tramite funzioni, dunque risulta rilevante in veste del suo ruolo simbolico. Possiamo allora fornire una definizione di macchina o automa come sistema fisico-simbolico nei termini seguenti: 82

Wittgenstein [1921], proposizioni 2.1-2.15. Simon oltre ad essere un teorico dell’IA, si occup` o dei riflessi delle sue teorie nel campo economico, ricevendo anche il premio Nobel per l’Economia nel 1978, e propose proprio con Newell una psicologia che concepisce la mente come un elaboratore di informazione ( information processing psychology ), prendendo a prestito dall’informatica l’idea 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, sull’approccio comportamentista: in quella sede avremo segu`ıto l’intero percorso teorico dall’IA alla Cibernetica classica, e appariranno evidenti i termini del superamento di tale prospettiva teorica. 83


58


Definizione 1.4.6 Un automa ` e un sistema fisico-simbolico in quanto agente in grado

di creare operazioni di codifica-decodifica, realizzate in sistemi meccanici (pattern fisici) che generano le componenti di una struttura simbolica (espressione). a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

I processi che all’interno dell’automa 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 all’automa (conoscenza o teoria). Sulla base della struttura simbolica che lo determina, l’automa è capace di comportaa apparir` a in grado di soddisfare i requisiti mento universale , e secondo queste propriet` 85 richiesti da un comportamento intelligente : - operare in tempo reale; - esibire comportamento adattativo; - usare il linguaggio naturale; - essere consapevole di sé86 ; - evolversi; - risolvere problemi di funzionamento individuando le strategie pi` u adatte. Il problema dell’analogia mente-macchina acquisisce, secondo questo nuovo paradigma, importanti termini di confronto, che mirano a rafforzare l’identificazione delle rispettive procedure di esecuzione. Lo scopo centrale resta comunque quello di riuscire a costruire la base di conoscenza che configura l’attività 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 dell’attivit` a conoscitiva87 .

1.4.3

La nuova ricerca

Come si evolve dunque il paradigma fisico-simbolico, che aveva trovato nel problem solving la sua esplicitazione pi` u riuscita? Ci` o a cui si mira, nel quadro delle ricerche 85

Newell, Simon [1972]. Almeno accettando l’ipotesi che l’individuo umano abbia sempre un certo grado di autoconsapevolezza. 87 Questa problematizzazione della relazione tra conoscenza e contesto, ha portato a cercare una legittimazione teorico-filosofica, in una certa parte della letteratura di settore, nel tentativo di ampliare la prospettiva di queste ricerche. In particolare, al di l` a dell’evidente radice logicorazionalista dell’intera corrente dell’IA, si ` e fatto appello alla filosofia di Husserl, proprio come padre di un tipo di filosofia della conoscenza che presenterebbe importanti richiami ed analogie. Ad esempio, Dreyfus, Dreyfus [1990], fanno riferimento alla nozione husserliana di noema , attraverso la quale rileggono l’apprensione del dato di conoscenza all’interno di un sistema di regole, secondo loro dunque riconducibile all’approccio formalista. Tuttavia questo tentativo di ricondurre le problematiche dell’IA ad un contesto pi` u propriamente filosofico, sfrutta solo alcuni spunti del pensiero husserliano, trascurando per` o il progetto filosofico 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], d’altra parte tende all’esplicazione fenomenologica della fattualit` a e quindi del mondo della vita. Quest’ultimo si basa sulla correlazione universale tra la coscienza e il mondo, e quindi sulla fusione degli orizzonti reali e storici dell’oggetto con i molteplici modi di apprensione del soggetto ( noesi ), tema sviluppato soprattutto in Husserl [1934]. 86



59

in IA, rinnovate in particolare dai lavori di Simon, è una rivalutazione delle nozioni di pianificazione e conoscenza, al fine di riqualificare il ruolo dell’euristica nelle operazioni di problem solving . Insistendo sulla necessit` a di individuare a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

“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 88 chiamare intelligente” , si prospetta il bisogno di una descrizione accurata degli elementi essenziali all’esecuzione di ogni attivit` a coordinata e guidata da intelligenza. Si passa dunque ad un’euristica intesa non pi` u come ricerca della soluzione, piuttosto come ricerca dell’informazione atta a ricostruire la soluzione89 : ci` o avviene tramite modelli semplificati e modelli semantici . La riconfigurazione proposta da Minsky, centrata appunto sulla nozione di informazione, si riferisce alla struttura dei dati che deve rispondere di una maggiore flessibilit` a rispetto alle teorie precedenti. Il funzionamento della mente è allora costituito dal comportamento dei vari “agenti” che concorrono all’azione, e il compito fondamentale consiste nella comprensione della modalit` a di “partecipazione” che li rende intenzionali, competenti, significativi, capaci di produrre emozioni, consapevoli. Si ritorna ad una descrizione dell’attivit` a conoscitiva, nella necessità che questa si trasformi da elaborazione passiva di informazione a interazione con il mondo. Il nodo centrale per l’IA 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 artificiale 90 . Lo sviluppo della ricerca ha condotto al rigetto della teoria per cui questo obiettivo è raggiungibile per mezzo dell’immissione, 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 configurazione all’interno del programma, costituisce anche la determinazione della sua accessibilit` a da parte di una “coscienza”92 ; per comprendere questo occorre illustrare le diverse tipologie di rappresentazione: Definizione 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 codifica accessibile anche al programma in un luogo preciso della sua memoria. Definizione 1.4.8 Un elemento di conoscenza ` e immesso in un programma in modo

procedurale se esso non viene codificato 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. Nell’analisi dello sviluppo del nuovo paradigma teorico dell’IA, 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 all’hardware neuronale; cfr. in particolare il cap. XI. 92 Hofstadter [1979], cap. XI e XVIII. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

60



La codifica appare allora essenziale al livello di comprensione dei dati stessi: l’accesso agli elementi di conoscenza, la loro elaborazione, dipende dalla possibilit` a che questi siano non codificati rigidamente in modo dichiarativo, piuttosto consiste nell’attivazione di schemi all’interno 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 all’introspezione, e risulta adesso evidente l’insufficienza dei dati simbolici statici e passivi all’elaborazione, per una IA come teoria della rappresentazione della coscienza93 . L’essenza teorica di una struttura procedurale è ovviamente il quadro al cui interno viene ricondotta l’operazione conoscitiva: essa si realizza in strutture vuote, i frames 94 , definibili come “rappresentazioni algoritmiche di un contesto”95 , che, come delle cornici ( frameworks ), permettono la collocazione delle configurazioni di dati all’interno 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 possibilità di una “nidificazione” al suo interno, una collocazione di subframes , i quali possono essere pieni o vuoti96 dell’informazione loro pertinente. Connessi in schiere, i frames rappresentano sostanzialmente le reti di relazioni che configurano ogni situazione-tipo, lo scheletro della struttura conoscitiva che si riempe ai suoi terminali (o slots ), dell’informazione specifica necessaria alla comprensione dello stato di cose attuale da parte dell’ente conoscente97 . Quest’ultima 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 specifica98 . La possibilità di riempire i terminali con l’informazione necessaria alla configurazione di un frame , è legata al campo di variabilit` a dell’informazione che risulta coerente con il frame generale. Una tale descrizione dell’attivit` a noetica e gnoseologica della mente, mira a configurarsi come valida proprio nel contesto della conoscenza di senso comune, la quale implica che si tengano in considerazione alcuni elementi fondamentali: - relazione causa-effetto; 93

Nell’opera di programmazione sar` a allora necessario che l’informazione gestita dal sistema non venga tutta codificata come informazione-dati, ed occorrerà invece selezionare una parte di tale informazione da codificare proceduralmente come programmi. Infatti, tramite codifica procedurale, è possibile l’utilizzo di informazione che sarebbe altrimenti codificabile solo per mezzo di strutture di dati elaborati in linguaggi (formalismi) progressivamente più 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 definizione informale di frame ` e data in Hofstadter [1979], p.697. 96 In quest’ultimo caso si parla di defaults, ovvero opzioni prive di specifiche. 97 Ad esempio, possiamo pensare un frame come la struttura logica al cui interno viene configurata la situzione-tipo: famoso è il frame “stanza” in Minsky [1975]. Tale frame-tipo pu` o essere supportato da informazione specifica addizionale: “stanza-soggiorno, tipologia di pareti, pavimento e soffitto, accessori e arredamento della stanza”. Vedi fig. 1.2. 98 Ad esempio, il fatto di vedere un uomo che cammnina con un paio di scarpe, può essere collocato all’interno di un subframe di una situazione-tipo: tale situazione può poi subire delle modifiche a partire dalla sostituzione dell’informazione visiva dataci dalle scarpe calzate dall’uomo che cammina, con l’informazione pi` u specifica, sebbene non visualmente accessibile, dei piedi presenti all’interno delle scarpe. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

61


Frame: stanza Tipo:soggiorno a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

⇓ soffitto

pareti

pavimento

⇓ parete sinistra ⇓ Frame:Parete ⇓ Frame:Quadro ⇓ Immagine

parete centrale ⇓ Frame:Parete ⇓ Frame:Finestra ⇓ Vista

parete destra ⇓ Frame:Parete ⇓ Frame:Porta ⇓ Luogo di accesso

Figura 1.2: Rielaborazione semplificata del frame “stanza” di Minsky [1975], presentato in Winston [1977].

- scopo; - localizzazione; - processo; - tipi di conoscenza99 . Il vantaggio della teoria è essenzialmente, a detta dello stesso Minsky, la capacit` a fenomenologica di includere aspettative e altre presunzioni, attraverso la riconfigurazione dei defaults . Inoltre i frames permettono tanto generalizzazioni quanto specificazioni, attraverso l’attivazione (di tipo euristico) di elementi diversi all’interno dei frames : ciò permette ovviamente un uso molto dinamico della struttura, che mira, come detto, a rispecchiare gli elementi essenziali della conoscenza di senso comune, evitando la rigidit` a delle strutture logiche100 . La capacit` a della teoria di riconfigurarsi in funzione di informazioni specifiche è data in sostanza da una collezione di descrizioni per attuare procedure atte a procurarsi le informazioni da sostituire a quelle di defaults : questa 99

Minsky [1975]. Il ruolo della logica nella determinazione del ragionamento di senso comune è tuttoggi uno dei temi centrali della ricerca in IA: alla teorizzazione di Minsky seguirono diversi tentativi di formalizzare la conoscenza comune, ad esempio l’Advice Taker di McCarthy [1958]; la critica più forte è 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


62



modalit` a è detta “riempimento if needed ”. A sua volta l’inserimento di procedure per la descrizione della conoscenza organizzata rimanda alla possibilità 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. L’applicazione di questa teoria rappresentazionale appariva funzionale in un contesto di micromondi di conoscenza101 , come ricostruzioni formali di teorie specifiche, ad esempio il mondo di figure 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 l’analisi degli enunciati che costituivano i comandi, la rappresentazione interna del micromondo, e la risposta alla domanda posta: il programma era sostanzialmente il frutto dell’interconnessione 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 è 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 significativit` a dello schema, o con valore di “variabile”, rischiando cos`ı di creare conflitti irrisolvibili nell’interpretazione dei dati: i micromondi sono domini isolati senza significato. Questo problema pu` o configuarsi come la difficolt` a di una rappresentazione della comprensione comune, che notoriamente è 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) è un’abilità, e se le abilit` a si fondano su modelli completi e non su regole, l’IA fondata sulla manipolazione simbolica non pu` o che fallire nel tentativo di catturare la nostra comprensione basata sul senso comune104. La difficolt` a di esprimere in termini computazionali dati specifici di certi domini informali di conoscenza, e la strutturazione di questi dati in spazi di informazione facilmente accessibili alla macchina (a partire dai quali è pensabile anche una costruzione della capacit` a di apprendimento), ha il no105 me di frame problem : una sua ottima rappresentazione è la fase di esecuzione di un piano, nella quale occorre saper tenere in considerazione i contesti di diverse sequenze di azione e le loro modifiche sulla situazione iniziale. In questo quadro teorico, ovvero nella ripresa dei processi mentali intelligenti all’interno del contesto del senso comune, 101

In Haugeland [1985], p.173, un micromondo ` e definito come un “dominio artificiale limitato,

in cui i possibili oggetti, le possibili propriet` a e i possibili eventi sono definiti in anticipo in modo ristretto ed esplicito”. 102

Winograd [1972]. Il programma in questione ` e il PLANNER: in esso i processi si compiono automaticamente secondo percorsi impliciti nell’enunciato finale. Il programma è in grado, a partire da questo enunciato-obiettivo, di seguire “alberi” fino a trovare l’enunciato desiderato, e a tornare indietro (backtracking ) qualora non lo trovi. 104 In questo senso l’approccio dell’IA definito top-down , che cio` e parte dal tentativo dell’identificazione 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]. 103




63

va interamente rimessa in discussione la tesi principale dell’IA (Tesi 1.4.4) che, sulla base del principio dell’invarianza della struttura (Tesi 1.4.5), assume sostanzialmente che la mente è 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 è semplicemente il ritenere un programma che gira all’interno 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 l’essenza del paradigma fisico-simbolico. Tale paradigma, infatti, si costruisce sull’elaborazione sintattico-algoritmica dei simboli, facendo dunque riferimento indiretto alla struttura che deve caratterizzare i problemi perché questi possano essere sottoposti al calcolatore; in effetti il problema può essere espresso come buona (o cattiva) strutturazione dei dati108 , oppure come carattere pi` u o meno definito dei metodi che il risolutore mette in atto per accedere alla soluzione del problema posto109 . Pare che siano proprio i problemi “mal strutturati” a riflettere le situazioni reali del senso comune, e che questi necessitino esattamente di metodiche non rigide per essere implementabili su calcolatori, facendo dunque un maggiore affidamento sulle procedure euristiche piuttosto che su compiti formalizzati. Come abbiamo visto, il progetto IA, sorto dalle idee di Turing e von Neumann, modifica costantemente il suo paradigma, per adattare l’idea di calcolatori come analoghi della mente a contesti sempre meno formali e più 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 attività della mente in termini funzionali, dove cioè il risultato dell’attivit` 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) nell’approccio top-down si ritiene possibile considerare i processi simbolici separatamente dalle proprietà del dispositivo fisico 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-fisiologica a partire dalla quale vengono generate; 2) il punto precedente implica un altro problema essenziale: l’impossibilit` a di riconoscere il “livello” al quale la natura del materiale fisico di realizzazione dell’attivit` a cognitiva (l’“hardware”), potrebbe risultare produttore di differenza tra processo del programma e processo umano (il “software”), cio` e quali sono le capacit` a che potrebbero dipendere direttamente da strutture fisiche precise. Si tratta qui di rileggere il piano del simbolismo fisico introdotto dalle ricerche di Newell e Simon, e che già ampliava la prospettiva operazionale/computazionale di Turing, per individuare quali elementi vanno ritenuti indispensabili all’obiettivo dichiarato di riprodurre un’attivit` a intellligente e diretta ad uno scopo, nella prospettiva che gli 106

Questa tesi ` e stata, come noto, definita “tesi dell’IA forte” in Searle [1980]. Sempre in Searle [1980] questa viene definita “tesi dell’IA 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-fini, ricerca euristica. 107


64


atteggiamenti cognitivi intelligenti possano avere radici profonde nella struttura fisica110 ; a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

3) questa difficolt` a, suggerisce il richiamo alla critica esposta da Searle alla tesi essenziale dell’IA: esiste cioè una confusione fra il livello reale della psicologia dell’elaborazione di informazione e la possibilità di fornire descrizioni simulate di una elaborazione dell’informazione 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 dell’IA, 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 è un livello di bassa complessit` a per il ragionamento umano e potrebbe essere il pi` u alto raggiungibile dal calcolatore112 ; l’IA in questo senso potrebbe intendersi come riproposizione dell’atteggiamento 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 dell’agente umano113 .

1.4.4

Sistemi esperti

Il modello dell’intelligenza come rule-based information processing , ovvero quale processo di elaborazione dell’informazione basato su regole, e impiantato sull’operazione di codifica-elaborazione-decodifica della struttura fisico-simbolica eseguita da calcolatori, appare dunque sotto molti aspetti insufficiente ad una comprensione delle attivit` a cognitive del sistema-uomo, rischiando di appiattire l’analogia uomo-calcolatore in una omologia che serve pi` u a comprendere cosa è in grado di fare il secondo piuttosto che dirci come funziona l’attivit` a specifica del primo. Tuttavia, l’IA 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 dell’attivit` a gnoseologica umana, pur permanendo nel quadro del piano simbolico di elaborazione dei dati. Vogliamo adesso accennare ad alcuni dei risultati pi` u importanti dell’approccio computazionale simbolico dell’IA, per affrontare successivamente quei progetti di ricerca che hanno seguito strade profondamente diverse. Come abbiamo visto alla fine del paragrafo precedente, spesso il lavoro intelligente di un agente umano non coincide con il rintracciamento e l’esecuzione 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 fisico” dell’attivit` a intelligente. 111 Si veda ad esempio Searle [1990], p.67. Searle spinge la sua critica sino a sostenere che solamente la struttura biologico-fisica 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 l’idea che le capacità cognitive specifiche dell’uomo (expertise ) vengono sviluppate sulla base di comportamenti mentali non diretti da regole, e che questi sono riconducibili solo ad attività compiute a livello dilettantistico, nelle quali ci si attiene il pi` u rigidamente possibile alle regole imparate. 113 Si veda al proposito Negrotti [1990b]. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


65

e generiche. Partendo proprio da questo presupposto, si sviluppa in IA il tentativo di implementare programmi che riproducano l’attivit` a di risoluzione di un problema da parte di uno specialista nel settore cui pertiene il problema in questione. Nascono cos`ı i sistemi esperti : a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

Definizione 1.4.9 Un sistema esperto ` e un sistema artificiale le cui competenze com-

putazionali permettono la risoluzione di problemi complessi riconducibili ad un particolare domino di conoscenze: in esso è 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 è fondamentale l’organizzazione e descrizione di tali informazioni, piuttosto che la procedura di ricerca e la loro connessione, la cui elaborazione poi sostanzialmente non presenta differenze rilevanti rispetto ad altri tipi di programma114 . Cos`ı la struttura di un programma esperto è costituita da: - una base di conoscenza per la risoluzione dei problemi essenziali nel campo per cui il sistema è stato progettato: essa è immagazzinata nel programma da un esperto umano che la reperisce e codifica 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 l’immissione di nuove conoscenze verificando 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 l’esecuzione 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 Shortliffe nel 1972. Dato che la metodologia che permette la costruzione di sistemi esperti consiste nell’ottenimento delle conoscenze necessarie (ad esempio tutte le tipologie di malattie infettive con le rispettive sintomatologie e terapie standard), nell’imparare a rappresentarle e nell’escogitare metodi di ricerca delle informazioni implementate che ci permettano di accedere con successo alle 114

La rappresentazione della conoscenza all’interno del programma pu` o avvenire secondo diverse modalit` a, tramite scripts, frames, sistemi di logica per il calcolo dei predicati del prim’ordine ecc. 115 Risalta a questo proposito l’insufficienza dei sistemi logico-computazionali, i quali riescono a produrre risultati notevoli in ambiti ristretti di conoscenza, laddove il motore inferenziale biologico appare superiore nella capacità di immagazzinare e correlare dati per problemi differenti, reperendo regole di connessione a grande velocit` a. 116 Duda et al. [1976]. 117 Shortliffe [1976]. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

66



nostre conoscenze, non serve utilizzare particolari difficili e secondari, quanto piuttosto riuscire a rappresentare le relazioni che ci permettono di raggiungere i nostri obiettivi 118 . La particolarit` a di un sistema come MYCIN, che lo rende di fatto un sistema utilizzabile praticamente con efficacia, è di saper integrare le nozioni generiche del tipo sintomoanalisi-terapia, con le informazioni specifiche come la storia e i dati clinici del paziente. Tale programma realizza un processo di deduzione backward , valutando alla fine l’attendibilità del risultato119 . Tuttavia, nel campo dell’IA e delle scienze cognitive, i sistemi esperti sono ritenuti tutt’altro che sistemi in grado di esplicitare un’attivit` a intelligente, e piuttosto vengono reputati unicamente quale risultato tecnologico “product-directed”, orientati al mercato pi` u che all’analisi dei processi cognitivi umani, e che in definitiva sarebbero in grado di esprimere conoscenze già note e non di prevedere fenomeni nuovi. Abbiamo sin qui cercato di seguire una corrente dello sviluppo teorico dei sistemi “intelligenti” a partire dall’analogia 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 dall’altro. Negli argomenti che abbiamo finora affrontato, l’idea che permane a fondamento è quella della mente come sistema in grado di gestire e manipolare informazione. Ma cosa vuol dire studiare un processo di gestione dell’informazione? Prima di affrontare il paradigma cibernetico classico e l’approccio connessionista dell’IA, vogliamo rivolgerci ad un’analisi dell’indagine matematica sulla nozione di informazione, che rappresenta il presupposto teorico dell’idea di intelligenza come atto di information processing .

1.5

Teoria dell’Informazione

Lo sviluppo dei calcolatori, intesi quali macchine in grado di produrre attivit` a intelligente, si è progressivamente orientato verso uno sviluppo dell’automazione che, come abbiamo visto nel caso dei sistemi esperti , viene impiegata per integrare il lavoro umano con mezzi meccanici (fino alla programmazione di macchine in grado di gestire macchine). In questo contesto si colloca il passaggio da una teoria dei calcolatori che comprende l’intero sviluppo dell’IA (dalle T-macchine agli stessi sistemi esperti), fino ad una teoria del controllo automatico, che aggiunge all’integrazione fra mezzi meccanici e alla programmazione di sistemi, anche l’uso 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 perciò 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 affrontare, ovvero la Cibernetica classica e i suoi sviluppi successivi, è costituito proprio da una nozione scientifica e non intuitiva di informazione . La teoria dell’informazione, 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 configurazione di computers. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


67

studi sui canali di trasmissione al fine di migliorarne la conduzione e ridurne i problemi essenziali, come quello delle interferenze. Le questioni affrontate da una tale teoria sono: a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

1. compressione: immagazzinamento e trasmissione dell’informazione in modo compatto; a e velocit` a: computo della quantit` 2. capacit` a di informazione trasmissibile su un canale;

3. codifica e criptaggio: protezione dell’informazione. Lo scritto che diede origine allo studio matematico della nozione di informazione è l’articolo 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 possibilità 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 è selezionato da un insieme di possibili messaggi, laddove la progettazione deve far conto di ogni possibile selezione, poiché la selezione attuale non è 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 (fig. 1.3): 1. la sorgente di informazione : da essa viene generato il messaggio che sarà 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 codifica); 3. il canale : è il mezzo sul quale viene condotto il segnale e che connette la sorgente al terminale; 4. il ricevitore : compie l’operazione inversa a quella del trasmettitore, cio` e la riconduzione del segnale in termini di messaggio (operazione di decodifica); 5. il destinatario: il terminale al quale il messaggio è indirizzato. Da questa descrizione puramente teorica, Shannon fonda un sistema matematico a base di alcune equazioni fondamentali, per il computo della quantità di informazione prodotta. Il lavoro di Shannon tiene in considerazione tre differenti 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

CANALE

RUMORE

segnale

DESTINATARIO

messaggio

RICEVITORE

Figura 1.3: Schema del sistema classico di comunicazione, presentato in Shannon [1948]. La natura essenziale di tale computo è data su base probabilistica, in quanto in tali sistemi, la sorgente che produce il messaggio, simbolo per simbolo, è di tipo stocastico : Definizione 1.5.1 Si dice stocastico un sistema tale che produce simboli (o combina-

zioni di simboli) in successione, cos`ı che ciascuna scelta di simboli successivi a quelli presenti nel sistema sia fatta in accordo a certe probabilità di dipendenza, ovvero sulla base di scelte precedenti. La rappresentazione matematica di tali sistemi è nota come processi di Markov o catene di Markov , che nel caso generale prevedono: - un numero finito di possibili stati di partenza s1 , s2 , . . . , s n ; - 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 ; l’unica aggiunta necessaria a rendere tale processo assimilabile ad una sorgente di informazione, è l’assunzione della - produzione di un simbolo per ciascuna transizione di stato del sistema. In questo modo appare evidente la fondazione della teoria matematica dell’informazione su base probabilistica, il che ovviamente, nel caso dell’analisi di sistemi intelligenti, estende i confini 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 Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

69


un certo valore di probabilit` a, rappresenta allora una delle possibili risultanti dell’insieme di eventi che pertiene alle possibilità dell’esperimento, e tale insieme è detto spazio campionario S (sample space ), a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

S = {e1 , . . . , en },

al cui interno ciascun evento è detto evento semplice o punto di S e possiede un valore di probabilita pi . L’insieme P di tali valori di probabilit` a P = { p1 , . . . , p n }

è detto distribuzione di probabilità su S . Nel caso ad esempio del lancio di un dado 121, lo spazio campionario S = {e1 , . . . , e 6 } è dato dal numero dei possibili riultati del lancio pari a 6, e la distribuzione di probabilit` a è uguale (P = p1 = . . . = p6 = 1/6) se si tratta di un dado non “truccato”, poiché la probabilit` a di risultare è pari per ciascuna delle facce del dado. Sulla base di questo esempio possiamo affermare che il valore di probabilit` a di ciascun evento è 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 è maggiore-uguale a 0, valore quest’ultimo 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 all’insieme S , la sua probabilit` a di verificarsi è data dalla somma delle probabilit` a pi di tutti i punti p che appartengono ad S : p(en ) =

pi i∈S

e poich´ e la sommatoria della probabilit` a dell’intero spazio campionario è pari a 1, e ciascun valore di probabilità è compreso tra 0 e 1, ne segue che 0 ≤ p(en) ≤ 1, cos`ı che il valore di probabilit` a di ciascun evento si rappresenter` a con una cifra reale. Su questa base è possibile computare il valore di probabilit` a congiunta di due esperimenti connessi, aventi cioè diversi spazi campionari ma identica distribuzione di probabilità, a marginali , e a partire da detta probabilità congiunta è possibile ricavare le probabilit` a condizioovvero quelle degli eventi separati. Altro valore fondamentale è la probabilit` nale che si dà quando un evento occorre dato un altro evento già 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 dall’analisi razionale del gioco d’azzardo e la contemporanea letteratura scientifica continua a ricavare proprio dal gioco i suoi esempi più classici. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

70



di probabilit` a di presentarsi di una lettera dell’alfabeto, poniamo la “n”, posto che sia dato il caso dell’insieme di lettere che formano la sequenza “informazio”. Date queste nozioni essenziali di teoria della probabilit` a, e non volendoci dilungare oltre su specifici aspetti computazionali, possiamo determinare la misura dell’informazione prodotta da un messaggio selezionato da un insieme di possibili scelte ugualmente probabili. In effetti, la totalit` a degli eventi di uno spazio campionario S porta con sé 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 in formazione : essa dunque è generata dalla realizzazione di uno stato tramite riduzione dell’incertezza ed eliminazione delle possibilità. Il suo computo avverr` a a partire da una qualche funzione monotòna che lavora sul numero di tali possibili scelte: tale funzione viene identificata con la misura logaritmica, poich´ e per Shannon essa è 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 l’unit` 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 l’uso di una codifica di tipo binario: in teoria dell’informazione si guadagna un bit ogni volta che viene compiuta una scelta tra due possibilit` a equamente probabili. L’idea che sta alla base del computo di informazione fornito da Shannon è che occorre identificare il numero di bits richiesti per il trasferimento dell’informazione stessa: cos`ı nel caso in cui l’evento 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 dell’informazione di un messaggio è pari al numero di bits necessari alla sua trasmissione? Poniamo che nella fase finale 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’è 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 è esattamente 3. Ma a partire da questo semplice computo possiamo introdurre una delle nozioni pi` u importanti della teoria matematica dell’informazione, ovvero la ridondanza . Tale nozione è legata alla trasmissione digitale dell’informazione, basata sul sistema binario determinato dal logaritmo. Se infatti i giocatori che accedono alla fase finale 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 dell’informazione 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 superfluo di informazione viene determinato all’interno 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 Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific 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 l’evento ei , determina inversamente la quantità di informazione condotta dall’eventuale realizzazione di tale evento: ovvero, pi` u il fatto è probabile meno informazione sar` a condotta dalla sua realizzazione, e, inversamente, minore è la sua probabilit` a di realizzazione, maggiore informazione sar` a condotta dall’eventualit` a che esso si verifichi. Esprimendo questa relazione con delle semplici equazioni, avremo che, data la certezza della probabilit` a di realizzazione dell’evento ei p(ei ) = 1,

il suo contenuto di informazione sarà 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, è la seguente: I (ei ) = log 1/p(ei ),

per la quale vale ovviamente che, nel caso in cui gli eventi possibili rispettano la proprietà 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 all’evento ei . In questo senso bisogna comprendere che il rapporto tra informazione e sorpresa è direttamente proporzionale cos`ı come quello tra informazione e probabilit` a è inversamente proporzionale e in questa relazione, come già detto, il significato riveste un ruolo assolutamente non determinante rispetto al computo di tali valori, cos`ı che l’informazione matematicamente intesa è computo della sorpresa. Un ulteriore sistema di equazioni può permetterci di raggiungere la descrizione matematica di una quantità media di informazione associata ad una sorgente S che produce segnali: p(ei )I (ei ),

H (S ) = i

equazione che esprime il fatto che l’informazione media della sorgente S è ottenuta tramite la sommatoria del contenuto di informazione di ciascuna possibilit` a della sorgente 122 in accordo al valore di probabilit` a della sua occorrenza . Tramite questa equazione è 122

La lettera H ` e stata scelta in onore di R.V.L. Hartley, il primo a cercare nel 1928 una misura quantitativa dell’informazione. 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 quantità media di informazione generata da un esperimento probabilistico con spazio campionario S = {e1 , . . . , e n } e distribuzione di probabilit` a P , inteso come sorgente di informazione: a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

n

H (S ) = −

p(e1)log p(ei ). i=1

Il valore di H rappresenta una funzione continua, simmetrica e additiva e non è difficile rendersi conto che tale equazione coincide con la misura di entropia di un sistema fisico computata da Boltzmann123 , con una variabile negativa iniziale (per convenzione identificata con 1). Infatti, la media del valore di informazione fornita da un sistema con spazio campionario di eventi la cui probabilit` a non è determinata, ovvero l’informazione media calcolata prima che si conosca la configurazione del sistema stesso, è detta entropia . La misura dell’entropia è dunque direttamente proporzionale all’incertezza insita nel sistema, ne rappresenta la misura di disordine : l’entropia è 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 è data tramite la funzione logaritmica. Il valore comune di probabilit` a assunte 124 indipendentemente è ottenuto per moltiplicazione ; l’informazione, come abbiamo gi` a visto, si combina invece per addizione. Allora il rapporto tra la quantità di informazione di un messaggio e la sua probabilità 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 (probabilità della certezza assoluta), l’informazione deve essere computata proporzionalmente maggiore di 0 con probabilit` a corrispondente minore di 1: il valore dell’informazione 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 dell’informazione. Il valore H (S ) rappresenter` a dunque l’informazione media trasmessa tra una sorgente e il destinatario del messaggio. A questo punto il lavoro di Shannon si è concentrato proprio sull’analisi della trasmissione dell’informazione 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 (H S (R)); informazione al destinatario (H (R)), al fine di computare i valori di equivocazione (E (S )) e rumore (N (R)) nella trasmissione del messaggio. Per illustrare il caso generale possiamo pensare a: H S (R) come l’informazione generata alla sorgente che è effettivamente ricevuta dal destinatario; ad E (S ) come l’equivocazione alla sorgente, cioè l’informazione generata alla sorgente che si perde prima della trasmissione; ad N (R) come il rumore al destinatario, ovvero l’informazione ricevuta che non è generata alla sorgente ma che si infiltra nel canale durante il trasferimento. Il rapporto tra questi valori esprime appunto il significato di H S (R): H S (R) = H (R) − N (R) = H (S ) − E (S ),

cioè l’informazione proveniente dalla sorgente ricevuta dal destinatario è uguale all’informazione ricevuta meno il rumore, ovvero quella prodotta meno l’equivocazione. Il 123

Boltzmann [1897]. La probabilit` a di ottenere una qualsiasi delle facce di un dado è 1/6; la probabilità di ottenere due facce uguali nel lancio di due dadi ` e 1/36. 124




73

lavoro di Shannon proponeva in conclusione alcuni importanti teoremi in particolare in riferimento alla codifica del messaggio, alla sua decodifica e alla capacit` a del canale informativo, identificando la migliore codifica con quella che riesce a rendere il messaggio in termini di un segnale con caratteristiche statistiche tali che ne massimizzino l’entropia 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 identificare 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 , identificati 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 l’accuratezza 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 “significato” come l’approssimazione nell’interpretazione da parte del destinatario del significato inteso dalla sorgente:

“LIVELLO B. Con quanta precisione i simboli trasmessi conducono il significato desiderato? (problema semantico)”, e anche nel contesto dei sistemi meccanici “intelligenti” il problema del significato dei simboli utilizzati era affrontato solo in termini di generazione del significato a partire da una combinatoria sintattica. Il terzo problema riguarda infine la corretta risposta in termini di reazione da parte del destinatario:

“LIVELLO C. Con quanta effettività il significato ricevuto influisce sulla condotta nel modo desiderato? (problema dell’effettività)”. Ovviamente la solidit` a e potenza matematica della teoria dell’informazione sviluppata da Shannon, da Weaver e dagli altri teorici dell’informazione, permette di porre tale nozione a fondamento anche dell’analisi del problema “semantico” (come è di fatto avvenuto con la Teoria semantica dell’Informazione) e del problema che potremmo dire “pragmatico”. D’altra 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, è evidente come la Teoria matematica dell’Informazione fosse il presupposto teorico necessario allo sviluppo della Cibernetica. In particolare è proprio l’analisi 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, codificato quest’ultimo 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. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

1.6

Principi di Cibernetica: regolazione, controllo e retroazione

Vedremo in questo capitolo come nella Cibernetica siano confluite tutte le tematiche e le problematiche sin qui affrontate a livello storico e teorico per la determinazione delle specificit` a della natura vivente e intelligente. Ci riferiamo in particolar modo alla riutilizzazione e riformulazione della nozione di computabilit` a, al problema dell’apprendimento e della modifica del comportamento, ai temi dell’organizzazione di un sistema mirata ad uno scopo (teleologia ) e alla nozione di elaborazione dell’informazione.

1.6.1

La nascita della Cibernetica: analisi del comportamento e della trasformazione

Il padre dela Cibernetica classica è senza alcun dubbio riconosciuto in Norbert Wiener, logico matematico di professione formatosi alle Università di Harvard, Cambridge e G¨ ottingen sotto la guida di figure come B. Russell e G.H. Hardy; la sua ricerca matematica, condotta per lo pi` u al MIT, riguard` o soprattutto l’analisi matematica, la casualit` a come oggetto di studio per estendere i confini 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 dall’uso delle applicazioni scaturite dai suoi risultati teorici: questa considerazione acquist` o sempre maggiore valore nel pensiero di Wiener e influ`ı 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 filosofica: essa non deve intendersi come una scienza di settore, piuttosto come nuova impostazione epistemologica che si propone in termini di connessione tra le specificit` a delle diverse aree del sapere: “un’adeguata esplorazione di [. . .] zone vergini sulla carta della scienza può 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 significato di un nuovo suggerimento avanzato da un collega prima ancora che esso abbia assunto una piena espressione formale”127 . 126

Per il lavoro matematico di Wiener si può consultare la sua opera completa, Wiener [19761984]. Per un resoconto breve possono vedersi Jerison, Stroock [1995] e Mandrekar [1995]. 127 Wiener [1965], p.25. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



75

Proprio per questo la Cibernetica si rivolse di fatto a tutte le discipline tradizionali, dalla matematica alla biologia, dalla filosofia alle scienze sociali. La Cibernetica si colloca cos`ı negli anni ’40-’50 all’interno di quel grande fermento di studi che avrebbero poi a”, a proseguire dunque il cammino intrapreso preso il nome di “scienze della complessit` dall’IA 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 dall’amicizia che a partire dal 1933 leg` o Wiener ad Arthur Rosenblueth, un fisiologo 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 Bertalanffy, Ashby e von Foerster. Fu proprio Wiener a pensare la nuova scienza come scienza del controllo e della comunicazione nell’animale 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 nell’intervento della scienza nell’industria 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 dell’aviazione (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 fine di prevenire oscillazioni incontrollabili. Si pu` o esprimere tutto ciò con il linguaggio gi` a noto della teoria dell’informazione: occorreva compensare le imperfezioni delle informazioni provenienti dai radar riducendo il rumore, restando centrale la necessità di compiere scelte al fine 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 affidate all’occhio e all’intuito umano, configurando 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 capacità delle prime di compiere attivit` a secondo le stesse configurazioni di regole attuate dai secondi. Il cuore di questa analisi viene individuato dai cibernetici in tre capacit` a essenziali che costituiscono l’essenza del comportamento umano, e che è possibile riprodurre nelle macchine: 1. regolazione ; 2. controllo ; 128

La scelta del termine fu dovuta tra l’altro 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 anch’esso derivato dalla stessa origine greca. 129 Successivamente Bigelow segui von Neumann alla costruzione di ENIAC. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

76


3. retroazione .


Questi tre concetti sono proprio il risultato delle analisi ingegneristiche applicate all’industria bellica dai primi teorici della Cibernetica. Cercheremo adesso di sviluppare i principi teorici che ci permetteranno di comprenderne una cos`ı specifica applicazione. Iniziamo con una descrizione dell’ente oggetto di studio della Cibernetica, a partire dal quale estenderemo le considerazioni teoriche alle proprietà che lo caratterizzano. Il primo elemento necessario all’individuazione di una struttura (con particolare riferimento ad una struttura naturale) viene riconosciuta nella configurazione degli elementi interni dell’entit` a osservata, configurazione detta pattern 130 . Benché il pattern faccia gi` a di per s´ e riferimento alla composizione relativa degli elementi tra loro, tuttavia per l’approccio epistemologico proposto dalla Cibernetica, limitarsi all’analisi della configurazione interna dell’entità oggetto di studio, risulta insufficiente. Il modello epistemologico della Cibernetica delle origini infatti, pone una distinzione fondamentale: 1. da una parte l’analisi comportamentista , privilegiata dall’approccio cibernetico, che esamina i cambiamenti prodotti dall’oggetto di studio sull’ambiente e le loro relazioni di modifica sull’oggetto stesso, in un contesto di isolamento solo parziale (a fini sperimentali) dell’oggetto dall’ambiente, divenendo a questo punto secondaria, o quanto meno subordinata, l’organizzazione interna dell’entit` a in questione; 2. dall’altro lato l’opposta analisi funzionale , per la quale l’oggetto di studio diventa la sola organizzazione intrinseca dell’entit` 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 è evidentemente una relazione fondamentale per l’approccio cibernetico, tanto che su di essa si configura la definizione di comportamento proposta dalla nuova scienza: Definizione 1.6.1 Il comportamento ` e ogni cambiamento, rilevabile dall’esterno, di

un’entità rispetto al suo ambiente (Rosenblueth, Wiener, Bigelow [1943])132. In questo procedimento teorico che estende i confini dell’ente attraverso la considerazione del suo comportamento in termini di relazione con l’ambiente esterno, uno dei concetti fondamentali della Cibernetica è dunque quello di cambiamento. In effetti il concetto teorico di maggiore rilevanza per la scienza Cibernetica è quello di differenza , come cambiamento (in particolare movimento) dell’ente nel tempo e nello spazio, con la necessità 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 =⇒ trasformato. 130

Il pattern ` e definito da Wiener come “una disposizione caratterizzata dall’ordinamento 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 definizione implica ovviamente il rifiuto dell’idea che la stabilit` a possa intendersi come un comportamento. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

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: a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

Definizione 1.6.2 Si dice trasformazione una tavola di transizioni che assume gli stati

in entrata e per ogni possibile varietà di tali stati è in grado di determinare quali saranno gli stati in uscita. Una tale tavola per la trasformazione A è 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 l’insieme degli inputs è composto da dati provenienti dall’ambiente esterno e dal regolatore che gestisce il sistema: gli outputs sono le possibili risposte del sistema stesso. L’insieme degli inputs non necessariamente è costituito da singoli dati di informazione, ma possono darsi inputs diversi simultaneamente. Infatti specifiche 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 è 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, è quello di studiare un parallelismo tra le proprietà 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 133 serie dei suoi stati , ciascuno dei quali pu` o essere considerato come una condizione o propriet` a ben definita, riconoscibile qualora essa si ripresenti. Nello specifico di un sistema dinamico vivente, ciascuno stato rappresenta una delle sue possibilità, mentre nel caso degli automi, le macchine deterministiche possono essere intese come un caso specifico, mentre invece il caso pi` u generale va considerato “deterministico” solo in senso 134 statistico . Gli stati del sistema, vanno interpretati come operandi , e l’insieme 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 all’ambiente 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 teori135 ci della Cibernetica riuscire a fornire un’analisi 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 è ancora 133

Si pensi per analogia alle configurazioni di una T-macchina. Come nel caso delle sorgenti di informazione stocastiche. 135 Si veda in particolare Rosenblueth, Wiener, Bigelow [1943]. 134


78



pi` u ampio: infatti, la certezza riguardo alla possibilit` a di una tale uniformit` a di analisi proviene dall’identit` 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 sull’ambiente 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 classificazione del comportamento secondo il seguente schema: 1. comportamento attivo: l’entit` a in questione è sorgente di un trasferimento di energia; il comportamento attivo può essere ulteriormente distinto in: 1a. comportamento casuale ; 1b. comportamento finalizzato; 2. comportamento passivo: l’entit` a non è sorgente di energia, ma l’energia in uscita pu` o essere attribuita ad un elemento immediatamente contiguo o restare esterna all’oggetto che la gestisce. Tale classificazione permette in primo luogo l’identificazione del comportamento finalizzato, il quale è riconosciuto ovviamente come la prerogativa di un atteggiamento intelligente. Risulta cos`ı particolarmente evidente come la nozione di comportamento finalizzato si lasci inquadrare come trasmissione della configurazione di un oggetto, in termini di trasmissione di informazione da un punto ad un altro punto. Il problema della trasmissione dell’informazione può allora essere interpretato come regolarit` a o irregolarit` a di un certo modello, laddove evidentemente l’informazione è rappresentabile come misura di tale regolarit` a136 . Nella prospettiva cibernetica, ciò che risulta tuttavia pi` u rilevante rispetto alla comunicazione o trasmissione di informazione è l’interpretazione di quest’ultima come messaggio che modifica il comportamento del ricevente (terzo livello della teoria della comunicazione di Weaver). Cos`ı la trasmissione di informazione relativa alla modifica del comportamento del ricevente, nel contesto dell’atteggiamento finalizzato, permette una prima definizione di quella scienza che chiamiamo Cibernetica classica: Definizione 1.6.3 La scienza della cibernetica classica costituisce lo studio dei mes-

saggi di comando (Wiener [1965]). La Cibernetica si inseriva dunque a pieno titolo nell’antica disputa riguardante la spiegazione del comportamento rivolto ad uno scopo: tale questione poneva il problema essenziale di un apparente inversione dell’ordine temporale nella considerazione dell’obiettivo come elemento che precede l’azione stessa, ed era in un certo senso alla risoluzione di tale problema che si rivolgeva la nozione di causa finale aristotelica. Adesso la Cibernetica si proponeva l’analisi dell’azione finalizzata come elemento di giudizio dell’azione intelligente, e i cibernetici si proposero di affrontare tale questione a partire dal confronto tra attivit` a naturale e attivit` a artificiale, 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 l’importanza della sistematizzazione teorico-matematica del concetto di informazione. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



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 è: “quali sono tutti i possibili comportamenti che essa pu` o attuare?” 137 . Ancora una volta appare essenziale il fondamento della teoria dell’informazione, come teoria di computo a partire dall’insieme delle possibilit` a del sistema. Tenendo in considerazione la nozione di energia compresa nella spiegazione del comportamento, e l’utilizzo della nozione di informazione, possiamo fornire una seconda definizione di Cibernetica: Definizione 1.6.4 La Cibernetica ` e lo studio dei sistemi aperti rispetto al flusso di

energia e chiusi rispetto all’informazione e al controllo (Ashby [1956]). Ogni azione cosciente e finalizzata (quella per esempio di prendere la mia tazzina di caffè sul tavolo accanto al mio computer) si configura dunque come un flusso continuo di informazioni e segnali quantitativi forniti al sistema nervoso, che mirano a specificare i parametri di distanza e direzione che servono a regolare costantemente il movimento in vista della realizzazione del fine prefissato. Per il funzionamento corretto di una macchina, con la specifica dell’essere subordinata ad un ambiente esterno variabile138 , è necessario fornirle l’informazione relativa ai risultati della sua stessa azione, come parte dell’informazione sulla base della quale essa deve continuare ad operare. Questo sistema permette in sostanza l’autoanalisi 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: Definizione 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 l’informazione proveniente da elementi di disturbo, e rimanendo imperturbabile a tale informazione, si dice stabile, e il suo stato è di omeostasi. In effetti, il “mantenimento di equilibrio” riflette una generica nozione di adattamento, e si propone (in particolare per gli organismi viventi) nella specifica 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, perché il sistema sia in grado di compiere una tale stabilizzazione, deve godere della propriet` a essenziale di avere un insieme di stati possibili equivalente all’insieme di possibili stati in ingresso. La possibilità di stabilizzazione completa di un sistema è realizzabile solo presupponendo un monitoraggio continuo degli stati in ingresso prima che questi si ottengano all’interno del sistema, ma ciò appare di difficile attuazione nei 137

Ashby [1956], p.3 Si tenga in considerazione la definizione precedentemente data di comportamento, cos`ı da mantenere sempre costante l’analogia con il comportamento umano. 139 Alle soglie della nascita della Cibernetica il fisiologo 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


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 già alterato, e correggendo la differenza tra azione desiderata e azione disturbata. La classe di comportamenti attivi che si sviluppa secondo l’ottenimento di informazione dai dati in uscita, riproposti come dati in ingresso, viene detta “teleologica” come sinonimo di “azione finalizzata controllata da retroazione”. La nozione di retroazione pu` o cos`ı essere definita: Definizione 1.6.6 Il feedback loop, o anello di retroazione, consiste nella segnalazione

della discrepanza tra un movimento effettivo e il modello secondo il quale si intende effettuare il movimento stesso, cos`ı da permettere all’automa (artificiale o naturale), la correzione del movimento stesso ( feedback di correzione del movimento). Si tratta dunque della differenza tra lo stato istantaneo del sistema e lo stato finale 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 sull’altro, come nello schema qui di seguito, X → Y lavorano di modo che ciascuna delle componenti risulti in grado di avere effetto sull’altra componente: X



Y.

Questo schema generale140 , va interpretato nella relazione tra il sistema, l’ambiente 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 definizione: Definizione 1.6.7 Si dice feedback ( retroazione negativa) la segnalazione del risultato

di un processo tale che l’operazione di comando della macchina avviene sulla base del suo comportamento effettivo 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 (fig.1.4). Alcuni esempi possono spiegare la semplice struttura di un sistema a retroazione negativa. Un esempio dello stesso Wiener141 è quello di un ascensore: per il suo corretto funzionamento infatti, non è sufficiente che l’apertura delle porte sia determinata dal passaggio di un arco di tempo (sia esso prefissato o casuale), piuttosto occorre che l’arrivo dell’ascensore al piano restituisca un segnale che comandi l’apertura delle porte. Altro caso è quello del termostato di uno scaldacqua: questo rappresenta un dispositivo regolato in base ad una certa temperatura, la quale deve essere mantenuta costante determinando l’accensione e lo spegnimento del sistema in relazione al segnale inviato dalla temperatura attuale, cos`ı da mantenere una temperatura media stazionaria ( feedback di correzione della temperatura). Tuttavia l’operazione di feedback attuata per regolare i movimenti di un meccanismo pu` o risultare in eccesso rispetto a quanto necessario, e cos`ı far mancare al meccanismo l’obiettivo prefissato, facendolo entrare in uno stato incontrollabile di oscillazione . 140 141

Si veda Ashby [1956], pp.53-55. Wiener [1950], p.26.


81


variabile


=⇒ errore =⇒ blocco =⇒ variabile ⇑ ⇓ ⇐= blocco di retroazione

controllata

Figura 1.4: Schema generico di un servosistema a blocchi. Anche questa analisi fu rintracciata da Wiener, Rosenblueth e Bigelow in una specifica patologia umana definita “tremore intenzionale”, che appunto impediva al soggetto la realizzazione dell’azione (afferrare la tazzina di caff` e) e causata da lesioni del cervelletto. Secondo questa prospettiva teorica il sistema nervoso non può essere interpretato solamente come recettore di stimoli dall’esterno e produttore di nuovi stimoli sui muscoli: esso deve invece risultare un sistema complesso proprio secondo quella struttura che permette la riformulazione ed autoanalisi dell’informazione in ingresso in un lavoro di continua riconfigurazione 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`ı per un ingresso f (t) un’uscita f (t − τ ), con τ che sta per un certo ritardo fissato. Le equazioni di un sistema lineare rappresentano un diagramma di flusso (fig.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 dell’ingresso motore è dato dalla differenza tra ingresso originario e fattore che moltiplica l’uscita composta143 : Y = X − LAY,

equazione la cui inversa fornisce ovviamente l’uscita del motore: AY = X 142 143

A . 1 + LA

Wiener [1965], pp.136-139. Wiener [1965], pp.141-142.


82


X


sottrattore

Y

A

L

AY

Figura 1.5: Diagramma di flusso di un sistema con feedback. L’operatore risultante dal feedback è 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: Definizione 1.6.8 Si dice feedforward ( retroazione positiva) la segnalazione del risul-

tato di un processo che incentiva o rafforza le determinanti del processo stesso ma non i suoi effetti. Tale concetto in sostanza indica l’accrescimento 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 l’obiettivo prefissato: il sistema è dunque in grado di esercitare su di essi un’azione frenante, e questa operazione viene riconosciuta come l’attivit` a essenziale dei sistemi viventi per il controllo dei loro processi interni. L’operazione di controllo esercitata tramite retroazione negativa è quindi lo strumento essenziale di ogni azione finalizzata : il raggiungimento dell’obiettivo prevede infatti un continuo controllo del comportamento, che viene costantemente modificato e ridiretto dai segnali provenienti dall’obiettivo stesso. In generale lo scopo dei controlli a retroazione è 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] è che l’essenza del comportamento umano sia appunto riconducibile allo schema teorico che è possibile ritrovare applicato nelle macchine per la comunicazione, e che si esplica nei seguenti punti: Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


83

- raccolta di informazioni dall’esterno; - elaborazione interna di tale informazione da parte del sistema; - traduzione in un forma utilizzabile agli stadi successivi del funzionamento; a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

- azione effettiva sul mondo esterno procurata dall’informazione assunta in ingresso (aspetto pragmatico del problema della comunicazione); - comunicazione dell’azione eseguita all’apparato centrale del sistema, che rielabora a sua volta questa come informazione in ingresso, riavviando in tal modo il processo144 . L’idea che macchine per la comunicazione sarebbero strutturate come l’apparato cognitivo umano, richiamava all’attenzione dei cibernetici la necessit` a di sviluppare una teoria della comunicazione che includesse la nozione di ritorno del messaggio, con l’eventualità che esso avesse acquisito un rumore di fondo. Queste osservazioni mettevano i cibernetici di fronte all’evidente connessione di questi studi per i sistemi artificiali 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 l’inizio di questo lungo cammino del quale i cibernetici rappresentavano l’ultimo 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 nell’inverno 1943-44 il gruppo che poi avrebbe dato vita alla Cibernetica, il quale si allargò peraltro con l’ingresso 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 l’inserimento degli psicologi fu la conferma della necessit` a di affrontare il problema dell’attivit` a cognitiva fondendo insieme l’aspetto fisico-medico riguardante il cervello e quello psicologico riguardante la mente; dall’altro il gruppo degli antropologi produsse importantissime osservazione sui problemi dell’organizzazione umana, in particolare nei lavori di Gregory Bateson e Margaret Mead. Gli studi sociali riguardanti l’organizzazione 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`ı il prodigioso inizio di una ricerca ancora oggi ininterrotta.

144

Wiener [1950], pp.29-30. Wiener 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`ı in effetti 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 dall’applicazione di questi nuovi concetti alle scienze sociali, lo stesso Wiener era però 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




Capitolo 2

Applicazione ai sistemi artificiali L’uomo ` e stato educato dai suoi errori: in primo luogo si vide sempre solo incompiutamente, in secondo luogo si attribu` ı qualit` a immaginarie, in terzo luogo si sent` ı in una falsa condizione gerarchica in rapporto al l’animale 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 l’effetto di questi quattro errori, si escluder` a anche l’umanesimo, l’umanit` a e “la dignit` a dell’uomo”. ohliche Wissenschaft F. Nietzsche - Die fr¨

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 modifiche concettuali che hanno condotto alle nozioni messe in campo dalla Teoria dell’Informazione di Shannon e dalla Cibernetica di Wiener, Bigelow e di tutto quel gruppo che abbiamo visto cos`ı variegato e completo. In effetti, nel contesto degli sviluppi dell’IA che avrebbero condotto alle riflessioni riguardanti lo scopo e la teleologia da parte dei cibernetici, ci fu una notevole influenza delle ricerche psicologiste e mediche riguardanti i fenomeni di conduzione nervosa nell’uomo, in particolare da parte dei connessionisti , che studiavano nello specifico la gamma dei fenomeni StimoloRisposta (S-R). Una necessaria direzione di questo percorso sarà dunque verso l’analisi dei principi di base del connessionismo e verso lo studio delle Reti neurali. D’altra parte però, giungeremo ad affrontare l’approccio proposto dalla Robotica, che si configura

85

86


come il tentativo di realizzare concretamente in un “corpo” le teorie ispirate dalle varie concezioni meccaniciste e computazionali. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

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 riaffermarsi 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, è il cosiddetto connessionismo , che nasce a partire dagli anni Settanta; tale teoria, nelle scienze della mente, è considerata, infatti, l’unica alternativa praticabile al cognitivismo e, a dire il vero, si sta già imponendo come il nuovo paradigma dominante2 . Prima di procedere oltre con le spiegazioni è bene comunque dare una definizione preliminare di connessionismo: 1

In tal senso, paradigmatico è l’esempio di Perceptrons l’articolo 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 scientifica, sostenendo che il connessionismo è l’unica 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. Quest’ultimo sarebbe, dunque, un modello integrato dello studio della mente e del cervello. Un’altra motivazione, per cui il connessionismo sarebbe da considerarsi una vera e propria rivoluzione scientifica, 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, è bene ricordare come gi` a Galilei e Bacone, circa quattrocento anni fa, avevano posto l’accento sull’assoluta contiguità 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 differenza vera con Galilei e Bacone sta esclusivamente nel fatto che adesso, grazie alla tecnologia avanzata di cui disponiamo, ci è possibile riprodurre fenomeni come, ad esempio, i fenomeni riguardanti la mente o il cervello, cosa del tutto impensabile fino al secolo scorso. La rivoluzione scientifica del connessionismo, dunque, altro non sarebbe se non una conseguenza diretta della rivoluzione tecnologica avvenuta a partire dalla seconda met` a del Novecento. Inoltre, l’idea che per potere comprendere fino in fondo un fenomeno sia necessario poterlo costruire per poter cogliere le parti nascoste del suo funzionamento, rischia di oscurare del tutto la posizione dell’osservatore che, pi` u che mai quando parliamo di menti e cervelli, deve considerarsi interno. Illudendoci di essere “dentro” il fenomeno finiamo per credere di sapere come funziona in sé 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 è solamente una prospettiva su di esso. Infine, indicare nelle parti accessibili solo mediante “ricostruzione” ci` o che pu` o permetterci di comprendere realmente il fenomeno, vuol dire rimandare l’essenza del fenomeno stesso a qualcosa di interno e talmente oscuro che sarebbe legittimo credere che per ogni ente ci sia uno e un solo significato nascosto da rintracciare per comprendere cosa sia davvero il fenomeno in questione. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


87

Definizione 2.1.1 Si intende per connessionismo un approccio computazionale e simu-


lativo dello studio della mente e del cervello in cui i fenomeni studiati vengono riprodotti costruendo un sistema artificiale che si comporti come i fenomeni cui siamo interessati. Questa simulazione è da intendersi come il tentativo di implementare sul calcolatore le capacità mentali traendo ispirazione dal supporto fisico dell’intelligenza animale, ossia, il cervello3 . Uno dei nodi principali del connessionismo è dunque la centralit` a dell’organo che negli animali fa da supporto all’intelligenza, cio` e il cervello; in tal senso è evidente il fatto che il connessionismo si pone in una posizione radicalmente opposta rispetto al funzionalismo. Tale paradigma, infatti, sostiene che le propriet` a dell’intelligenza sono propriet` a puramente funzionali, cioè tali da poter essere ricreate su qualunque tipo di supporto fisico che sia in grado di eseguire un programma ben specificato di istruzioni. Questo è il paradigma che sottende al gi` a noto principio dell’invarianza della struttura presentato nella Tesi 1.4.5. Il connessionismo, invece, sostiene che la struttura fisica della macchina intelligente giochi un ruolo molto importante nella costruzione di un sistema che possa riprodurre le caratteristiche dell’intelligenza biologica. In questo senso, dunque, il connessionismo pu` o essere considerato come il tentativo di riprodurre l’intelligenza e la mente su supporti artificiali 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 è considerato una sorta di fitto intreccio di connessioni e reti di varie tipologie di cellule connesse tra loro tramite sinapsi (anch’esse differenti tra loro) e che, al contempo il cervello è un grande accumulatore e trasmettitore di impulsi chimici ed elettrici. Sappiamo, inoltre, che il cervello è suddiviso in “parti” che assolvono a compiti specifici4 e che poi queste parti interagiscono tra loro per fornirci “la visione d’insieme” di un fenomeno. La domanda, quantomai ovvia, che sorge dato questo stato di cose è “come è possibile implementare su un calcolatore un organo cos`ı 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

L’idea 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 tutt’oggi costituiti, come abbiamo visto, da due parti fondamentali: un’unit` 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 l’attivit` 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 dell’implementazione fisica delle reti neurali: il connessionismo nasce, di fatto, con le reti neurali. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

88



passiva di dati. Il funzionamento del sistema è dato dal fatto che l’unit` 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 è stato costruito per apprendere : il programma di istruzioni è stato elaborato, redatto in linguaggio macchina e infine trascritto sulla macchina da un essere umano; il programma di per s´ e non 6 si modifica n´ e si migliora durante la sua applicazione . 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 un’unità centrale di elaborazione dati e neppure appare possibile identificare una singola sequenza di attivit` a durante un periodo di inattivit` a di tutto il resto del sistema; infine è impossibile pensare ad un cervello che rimanga immutato nel tempo, che non apprenda spontaneamente e che acquisisca la sua intelligenza solamente dall’esterno anzichè costituirla da “solo” attraverso l’esperienza o i meccanismi ereditari filogenetici. Proprio partendo da tali considerazioni il connessionismo ha sviluppato una macchina che, funzionando in maniera del tutto differente da quella ideata da von Neumann, riesce, almeno in parte, a simulare il cervello. Definizione 2.1.2 Una rete neurale ` e un insieme di unità dal comportamento molto

semplice interconnesse tra loro per mezzo di connessioni generalmente unidirezionali; il funzionamento del sistema è garantito dal fatto che nella rete di connessioni si propaga attivazione o inibizione. Nelle reti neurali, quindi, una unità 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; l’attivazione o l’inibizione 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 attività (sia essa di attivazione o di inibizione), una dal peso basso ne lascia passare, invece, poca. Ogni unit` a, inoltre, integra tutta l’attivazione e tutta l’inibizione 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, l’attivit` 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 l’unit` a decide, sulla base dell’attivazione che le è 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: è ovvio che vista questa nuova architettura, ad esempio, non si pone pi` u il problema di rintracciare una singola sequenza di attivit` a durante l’inattivit` a del sistema nel suo complesso, ancora, è altrettanto ovvio che costruito in questo modo, un simulatore cea centrale di elaborazione, rebrale non possiede, proprio come il cervello umano, un’unit` ma al contrario, pur elaborando in zone differenti le varie attività, 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 dell’attivazione 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 modificare la propria programmazione. 7 Definiamo peso un numero, positivo o negativo, atto ad indicare la quantit` a di attivazione o inibizione che pu` o passare da un’unit` a ad un’altra. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



89

equilibrio, ossia, quando l’attivazione giunge a quelle unità che rappresentano le unit` a di uscita del sistema. D’altra parte, un’altra caratteristica fondamentale delle reti neurali è la loro capacit` a di apprendere: le reti neurali nascono senza conoscenza e la acquisiscono attraverso l’esperienza. 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, l’apprendimento è rappresentato da una modificazione dei pesi in questione; una connessione diviene, quindi, pi` u o meno conduttiva a seconda dell’esperienza in cui si imbatte. In pratica, le reti neurali apprendono spontaneamente: alla “nascita” vengono assegnate alle connessioni dei pesi casuali che si automodificheranno 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 l’oggetto reale (il cervello appunto) è ancora grande. Innanzitutto, in questo momento è possibile lavorare solamente su una sola rete alla volta il che semplifica eccessivamente l’attività 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 già 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 . Infine, 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 differente rispetto a quello della forma “rete”, ossia, è possibile che il segreto dell’intelligenza si annidi, ad esempio, nel materiale biologico del cervello10 , oppure, in senso inverso, è possibile che l’intelligenza sia da ricercare ad un livello pi` u astratto che n´ e la configurazione formale, né la struttura materiale possono cogliere. Tuttavia, l’obiettivo delle reti neurali rimane valido nonostante queste difficolt` a: alla fine, infatti, ci` o che importa per i connessionisti è 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 dall’essere “operativo”. 9 Il fatto che già alla nascita possediamo delle conoscenze non sembra pi` u essere messo in discussione dai biologi: è 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 filogeneticamente 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 l’uomo 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 l’automobile, ammesso che saper guidare possa considerarsi un vantaggio evolutivo? O ancora, è possibile che venga un momento in cui i bambini nasceranno non pi` u solamente predisposti al linguaggio, ma parleranno già appena nati? 10 La famosa materia grigia con cui solitamente veniva indicata la sostanza materiale del cervello. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

90



Se, almeno da un punto di vista pratico, i connessionisti possono in qualche maniera permettersi di rimandare la risoluzione delle difficolt` 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, d’altro canto, ignorare un problema ben pi` u grave. Di fatto, nonostante i connessionisti considerino centrale il ruolo del supporto fisico nella produzione dell’intelligenza 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 differente, ossia, se il “programma” rete neurale gira su un modello classico, quale doveva considerarsi il supporto fisico che realmente simula il cervello? In effetti, i connessionisti si trovarono, all’inizio 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 fisiche 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 fisiche del cervello, il che sembrava essere assolutamente il contrario di ciò 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 classici11 . Ovviamente, bench´ e questo non risolvesse il paradosso, era gi` a abbastanza 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 l’assenza di mal funzionamenti palesi sia indifferente la struttura di base del calcolatore: l’unico fattore importante è considerato, dunque, l’esibizione di comportamento intelligente su base analogica con il cervello e non la struttura fisica vera e propria della macchina12 .

2.1.2

Implementazioni neuronali

Esposti brevemente i principi e le difficoltà teoriche delle reti neurali è adesso utile analizzare in concreto come esse funzionino. In particolare, ci soffermeremo su un tipo di reti neurali, ossia, le reti forward con unit` a nascoste e dell’apprendimento 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 è migrata la ricerca in IA propone, di fatto, i risultati pi` u recenti che possono ritenersi lo sviluppo delle ultime indicazioni 11

In effetti l’unico problema era dato dalla velocità di calcolo che viste le capacit` a dei normali calcolatori finiva per essere molto elevata. 12 Del resto, abbiamo gi` a visto che se i connessionisti dovessero davvero preoccuparsi del supporto fisico 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 indifferenza al supporto fisico sar` a ci` o che render` a insufficienti le reti neurali per dar conto dell’analogia tra macchina intelligente e sistema biologico intelligente. Per una panoramica dei principi del connessionismo si veda Smolenski [1992], Marraffa [2002] e Parisi [1989]. 13 Rumelhart, McClelland [1986]. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

91


fornite da Turing e von Neumann riguardo alla possibilità di macchine in grado di apprendere : in effetti 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 è il seguente: a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

Definizione 2.1.3 I sistemi ad elaborazione parallela distribuita (PDP) sono siste-

mi programmati e modellati su strutture di architetture subsimboliche (subcognitive) connesse secondo relazioni stocastiche. Prima di vedere nello specifico cosa questo voglia dire è bene dare una descrizione pi` u precisa delle reti neurali: innanzitutto, possiamo affermare che ogni singola rete è 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 è un peso quantitavivo che possiamo definire come segue: Definizione 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 ciò che giunge al nodo sia attivazione o inibizione. La quantit` a di attivazione o inibizione è determinato da due differenti fattori14 : il primo è, 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 è lo stato di attivazione del nodo da cui parte la connessione che può essere, ovviamente, pi` u o meno alto. Per ottenere la quantità di attivazione o inibizione di una connessione, quindi, sar` a sufficiente 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 è un’inibizione di (.5) × (−9) = −4.5. Nello specifico, 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

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, è mettere insieme tutte queste attivazioni e inibizioni in un valore unico. Tale valore unico è detto Input netto per quella unit` a. L’input 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) l’input 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 l’input netto coincide con lo stato di attivazione del nodo “ricevente”, ma nel nostro caso (com’` e ovvio)15 , ci` o non è possibile. Per ottenere lo stato di attivazione sar` a quindi necessario utilizzare una funzione algebrica che ci permetta di giungere dall’input netto allo stato di attivazione del nodo: questa funzione è detta funzione sigmoide espressa graficamente nella fig. 2.1.

Figura 2.1: Funzione sigmoide, che rappresenta il rapporto tra input netto di un’unit` a e il suo stato di attivazione. Com’` e evidente dal grafico, lo stato di attivazione può andare da 0 a 1; quando l’input netto è 0 lo stato di attivazione è .5: la funzione sigmoide è costituita in modo che quando l’input si discosta da 0 produce forti cambiamenti verso l’alto o verso il basso dello stato di attivazione, di conseguenza man mano che l’input cresce, in un senso o nell’altro, i cambiamenti nello stato di attivazione divengono via via minori. Una volta determinato l’input netto di un nodo e una volta trasformato questo input nello stato di attivazione (per mezzo della funzione sigmoide), sarà possibile calcolare come il nodo 15

Abbiamo gi` a detto che nelle reti che stiamo considerando lo stato di attivazione può variare solo da 0 a 1: dato il calcolo presentato nell’esempio, quindi, non può esserci coincidenza tra input netto (1.1) e stato di attivazione (min.0 max.1). Inoltre, mentre l’input netto può essere sia positivo che negativo, nelle nostre reti lo stato di attivazione pu` o avere solamente valore positivo. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

93



influenzer` a (attivazione o inibizione) i nodi cui è 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 è, ovviamente determinato dall’esterno, e lo stato di attivazione delle unit` a di output viene letto dall’esterno e ci dice come la rete ha reagito all’input giunto. Su questo principio era costruito il celeberrimo perceptrone di Rosenblatt (vedi fig. 2.2) che pu` o dunque essere cos`ı definito: Definizione 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 grafica di un perceptrone Lo scarto tra il Perceptrone ideato da Rosenblatt [1958; 1961] e le reti neurali attuali è stato dato dall’introduzione tra i nodi di input e quelli di output delle cosiddette u strati di unit` a nascoste tra i nodi di input unità nascoste . Possono esservi ovviamente pi` e quelli di output, l’unica restrizione per le reti di cui ci occupiamo (reti forward ) è data dal fatto che i nodi dello stesso strato come detto, non possono essere connessi tra loro e che la direzione della trasmissione sia unica 17 (vedi figg. 2.3 e 2.4). 16

Non c’` e differenza tra la modalit` a di collegamento tra i nodi e l’architettura 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 rifiuta quasi l’approccio gestaltico e si rivolge pi` u che altro ad un modello a metà strada tra comportamentismo e cognitivismo. 17 In pratica ci` o che è vietato è che vi sia feedback orizzontale, (ossia tra nodi dello stesso livello) o verticale (con il segnale che torni dal livello più alto a quello pi` u basso). Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

94


NODI DI OUTPUT


UNITA' NASCOSTE

NODI DI INPUT

Figura 2.3: Rappresentazione grafica di una rete neurale con un livello di unità nascoste

NODI DI OUTPUT

2° LIVELLO DI UNITA' NASCOSTE

1° LIVELLO DI UNITA' NASCOSTE

NODI DI INPUT

Figura 2.4: Rappresentazione grafica di una rete neurale con più livelli di unità nascoste Cerchiamo di vedere perché questo passaggio dal perceptrone alla rete neurale propriamente detta sia stato cos`ı importante per lo sviluppo del connessionismo e in che maniera le unit` a nascoste abbiano influito 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 nell’apprendimento 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 sull’unico 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 Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



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 è utile illustrare un altro esempio nel quale il perceptrone risulta impossibilitato a svolgere un determinato compito. L’esempio 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 proprietà del cavallo, come ha quattro zampe, mangia, suda, non vomita, non vola, non fa le uova ecc. Un perceptrone non ha particolari difficolt` 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 specifiche proprietà del concetto. Ad esempio, per la propriet` a “positiva” propria dei cavalli “suda” vogliamo un’attivazione alta sul nodo di output che rappresenta quella propriet` a, mentre per la proprietà negativa “non vomita” vogliamo un’attivazione bassa sul nodo di output che rappresenta il vomitare. All’inizio il perceptrone fornirà risposte casuali, ma dopo l’apprendimento sar` a in grado di indicare correttamente le propriet` a richieste per ciascun concetto. Appare evidente che di per sé il perceptrone, almeno fin qui, non sembra mostrare problemi; non dobbiamo dimenticare per` o che lo scopo per cui è stato implementato il perceptrone è quello di simulare l’intelligenza umana e, quindi, proprio con quest’ultima 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 è 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 l’addestramento di una rete evitiamo di fornire alcune propriet` a del concetto, ad esempio, se nell’insegnare alla rete il concetto di “cavallo” le diciamo che “partorisce” ma non le diciamo né che fa le uova né che non le fa18 , il perceptrone, pur avendo imparato tutte le propriet` a (positive e negative) dei 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 è 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 è 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, l’input di insegnamento per “fa le uova” non è n´ e 0 n´ e 1, ma è “I don’t 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

96



tutt’al pi` u, sono rappresentati all’esterno del perceptrone, cioè come un pattern di attivazione sui nodi di input; tale pattern di attivazione è imposto dall’esterno alla rete, non è 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 differenze. Comunemente si afferma 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 , è chiaro che il perceptrone non pu` o cogliere tali somiglianze visto che il pattern di attivazione sui nodi di input è 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 l’asino 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 differenza tra concetti è 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, l’asino 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 ciò che mangia l’asino 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 dell’uomo 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 differenze: in questo senso, ci` o che i perceptroni imparano sono associazioni tra rappresentazioni (pattern di attivazione) date, e non rappresentazioni singole. Ben diverso è 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 è 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, differentemente, 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 è ci` o che è definito come rappresentazione interna del concetto. La caratteristica principale di questa rappresentazione è, fuor di dubbio, il suo essere distribuita, nel senso che essa è l’intero 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 Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



97

il suo apprendimento, dunque, com’è facile notare, il pattern di attivazione sui nodi di input che rappresenta un concetto è arbitrario e imposto direttamente dal ricercatore, il pattern di attivazione dell’unit` a nascosta, invece, è scelto direttamente dalla rete per assolvere il compito richiesto. Nello specifico, la rete ha la possibilit` a di “scegliere” i pesi in modo tale che ciascun concetto attivi somiglianze e differenze tra di essi. Proprio sulla base di tale rappresentazione interna, la rete è in grado di inferire anche propriet` a di concetti che non le sono state insegnate. Ovviamente, dunque, le proprietà di un concetto (che si identificano, 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 è possibile che anche la rappresentazione interna di “asino” dia come risultato sui nodi di output le stesse proprietà “alimentari” anche se in relazione all’asino 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 significhi21 . I sistemi subsimbolici non agiscono direttamente su simboli, ma le loro entità di base costituiscono schemi complessi che si attivano contemporaneamente per far sorgere il sistema simbolico22 : ciascun “nodo”, dunque, non gode di un’interpretazione 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 flessibilit` 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 dall’intervento 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 l’emergere di quelle manifestazioni complesse che definiamo atteggiamento intelligente. I sistemi connessionistici presentano, quindi, una sorta di integrazione tra il modello top-down , tipico dell’IA classica, e quello bottom-up, cioè che procede non da una struttura logica predeterminata verso le sue manifestazioni locali, ma viceversa dal basso verso l’alto23 . Il risultato computazionale è dunque affidato 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 specifiche (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 l’asino “mangiano erba” e “non mangiano carne”. 21 Una illustrazione semplice e precisa di tali processi è contenuta in Robinson [1992], cap.9. 22 Hofstadter [1995], pp. 314-315. 23 Questo è il modello che vedremo realizzato in particolare nella Robotica. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

98



separatamente, ma realizzate dalla stessa struttura. Il “sogno connessionista” consiste nell’idea della riproducibilit` a di tutta l’attivit` a cognitiva in termini di architettura subsimbolica, il che per altro trova una forte base teorica nello studio della neurofisiologia e del tentativo di comprensione di come l’attività cognitiva complessa sorga a partire dalla connessione di miliardi di neuroni. Il vantaggio apparente dell’approccio connessionista sta nel poter evitare la questione dell’influenza delle propriet` a cognitive, sensitive, esperienziali e motorie: i meccanismi paralleli non pretendono più infatti di riprodurre un’intelligenza reale, piuttosto intendono illustrare la possibilit` a di far emergere attivit` a cognitive complesse a partire da micro-strutture. Non è perci` o necessaria neppure una memorizzazione dell’informazione ad indirizzi statici e definiti, in quanto proprio questa è distribuita probabilisticamente tra i nodi e risorge significativamente dalle relazioni connessionistiche. In questo senso i PDP sono ciò che di pi` u vicino ad un “modello” l’IA 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 insufficienze del connessionismo

Il paradigma connessionista ci consegna l’idea che la mente umana possa essere riprodotta da un modello neuronale che riproduca le caratteristiche del cervello24 . Inoltre, sembrerebbe voler affermare che, per non incappare nelle difficolt` a in cui caddero i cibernetici quando sperimentarono il perceptrone, il modello di mente artificiale debba fondarsi sul concetto di rappresentazione: soltanto grazie alla possibilit` a di creare delle rappresentazioni interne , data dall’introduzione delle unit` a nascoste, è possibile (ri)creare le condizioni per l’apprendimento 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. L’obiezione 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. L’obiezione riguardo alla tipologia delle rappresentazioni che produrrebbero le reti neurali: il genere di rappresentazioni prodotte da questo modello della mente è effettivamente quello della mente umana? c. L’obiezione circa l’effettiva utilità del concetto di rappresentazione: la mente umana si fa realmente delle rappresentazioni del mondo o è organizzata in modo differente? d. L’obiezione 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 identificazione di mente e cervello? 24

Un problema ovviamente ` e rappresentato dall’individuare il livello di somiglianza tra il modello neuronale e l’effettiva struttura del cervello: una riproduzione “fedele” richiederebbe la realizzazione di un completo isomorfismo tra i due modelli, obiettivo che appare di difficile realizzazione; d’altra parte è fuor di dubbio necessario rilevare tra i due modelli delle analogie interessanti e significative, al fine di giustificare la validit` a dell’approccio connessionista. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

99



Analizziamo, adesso, una alla volta queste quattro obiezioni. La prima obiezione [a] si fonda sull’ipotesi 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 ciò che fa una rete è mettere insieme delle informazioni senza formare alcuna rappresentazione dell’informazione composta che deriva da tali associazioni. Indubbiamente, chi sostiene questa obiezione, vuole mettere in risalto l’insufficienza del modello connessionista che, se funzionasse davvero esclusivamente per associazioni, si ridurrebbe ad essere una versione tecnologicamente sofisticata del comportamentismo. In effetti, 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. Nell’esempio della rete che impara a utilizzare i concetti, sia il perceptrone sia la rete con unità nascoste imparano ad associare un concetto con le sue proprietà; tuttavia, a ben vedere, possiamo qui distinguere due differenti 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) è associato mediante una connessione almeno ad un altro nodo. Evidentemente, nel perceptrone, i due sensi coincidono: un concetto è 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 è l’oggetto 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 definire il “modello intermedio” come associazione o rappresentazione, è indubbio che visto in questi termini il connessionismo appare fortemente legato al comportamentismo: è 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 sull’idea che nella struttura stimolo-risposta, tradizionalmente considerato un processo del tutto esterno e perciò stesso del tutto controllabile e analizzabile, potessero inserirsi delle strutture (anch’esse stimolo-risposta) interne che fungono da ‘medi’ tra lo stimolo e la risposta esterna. Sinteticamente possiamo confrontare le due strutture nelle descrizioni proposte dalle figure 2.5 e 2.6. S → R

Figura 2.5: Schema della struttura comportamentista classica. S → r → s → R

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 (fig. 2.5) richiama la struttura del Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

100



perceptrone in cui i nodi di input sono direttamente collegati ai nodi di output; lo schema del nuovo corso (fig. 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 unità 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 può 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 un’implementazione molto pi` u complessa della teoria originale25 . Nel caso dell’obiezione [b], i suoi sostenitori, pur accettando che le reti neurali possiedano rappresentazioni, ritengono che il genere di rappresentazioni prodotte dalle reti siano sostanzialmente differenti 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 esemplificazioni fin qui mostrate, che le reti neurali non inglobano alcuna modalità simbolica di rappresentazione e che anzi i sistemi connessionisti possono essere legittimamente definiti, come abbiamo accennato in chiusura nel paragrafo precedente, sistemi sub-simbolici. In tal senso è ovvio che la critica rivolta ai connessionisti si basa sull’identificazione 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 quest’ottica, le reti neurali producono rappresentazioni interne distribuite sulle unit` a nascoste della rete, ma tali rappresen27 tazioni sono rappresentazioni quantitative basate su entit` a (i nodi e le unit` a nascoste della rete) che non hanno nessuna interpretazione simbolica. Evidentemente, qui, il vero problema è stabilire quale genere di rappresentazioni siano tipiche dell’uomo: di per sé i due modelli (simbolico e subsimbolico) sono infatti equivalenti, ossia, entrambi permettono di risolvere positivamente i compiti loro assegnati; ma se l’obiettivo è riprodurre, al fine di comprenderla, l’attivit` a rappresentazionale umana, allora una delle due mo28 dalit` a di necessit` a è scorretta . 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 definizione appropriata. Tale assenza riflette nel contesto dell’approccio connessionista la difficolt` a essenziale al tentativo stesso di fornire una descrizione esaustiva di tale procedura conoscitiva; da parte nostra, riflette la coscienza di non potere soddisfare il compito di ripercorrere lo sviluppo storico e teorico di un concetto filosofico e scientifico tanto complesso. 26 Per rappresentazione simbolica intendiamo qui una rappresentazione che per mezzo di simboli, che possono essere identificati come le parole del linguaggio naturale, un qualche linguaggio macchina, i simboli logici o quelli matematici, condensi le entità con cui l’operatore cognitivo ha a che fare. 27 Ci` o è evidente visto che il pattern di attivazione nelle unità 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



101

ritroviamo ad analizzare problemi legati alla mente umana, la controversia non potrà concludersi fin quando non sapremo qualcosa in pi` u circa la mente stessa, prospettiva, questa, ancora molto lontana. L’obiezione [c], di fatto, è una critica all’impianto generale delle reti neurali: ci` o che ci si chiede qui è se effettivamente la mente umana, e di conseguenza i modelli che cercano di riprodurla, funzioni per mezzo di rappresentazioni. La questione non è di poco conto e, anzi, scuote dalle fondamenta tutto l’impianto sia connessionista sia cognitivista. Proprio a causa della radicalità di questa posizione preferiamo accennare qui solamente al fatto che è possibile pensare ad una mente, e ad una sua implementazione meccanica, che non lavori su rappresentazioni (né simboliche né sub-simboliche) e che tale teoria ha prodotto dei modelli che svolgono pienamente i loro compiti29 . L’obiezione [d], pone un problema abbastanza serio al connessionismo: si può pensare di implementare un modello di mente trascurando del tutto la struttura corporea dell’operatore cognitivo di cui si vuole riprodurre l’attivit` 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 sull’idea che l’unico supporto materiale dell’intelligenza sia il cervello. Al contrario, con ogni probabilit` a al fine di comprendere realmente come funziona l’intelligenza umana e di conseguenza per costruire un modello di mente intelligente è necessario (re)integrare ad essa la struttura corporea. Proprio quest’ultima 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 all’aspetto corporeo dell’agente 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 dell’intelligenza30 , 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 sull’intelligenza.

2.2

Dal calcolatore al robot

Secondo gli sviluppi dell’IA presentati nel primo capitolo, appare chiaro che quello che in Ross [1995] è detto “paradigma computazionale classico”, si basa su alcuni elementi fondamentali: - la tesi della natura computazionale degli atti cognitivi; - il principio dell’invarianza della struttura, che nell’analisi di Putnam assume la forma della “tesi della realizzazione multipla della mente”; - l’ipotesi dell’automa come sistema fisico-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 paragrafi 2.4 e 2.5 di questo stesso capitolo. 30 L’intelligenza ` e, indubbiamente, un fenomeno complesso e, dunque, per definizione 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 specifico sostrato materiale quale pu` o essere il cervello. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

102



Come abbiamo avuto modo di vedere, questo paradigma subisce nel corso degli anni profonde revisioni, che progressivamente ne modificano la natura e i principi di base. Questo è vero in particolare rispetto all’ipotesi del sistema fisico-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 differenti approcci che abbiamo sin qui illustrato e che miravano tutti alla spiegazione e riproduzione dell’attivit` a intelligente. Interpretare la Robotica come un’ “evoluzione” delle ricerche iniziate con Turing e von Neumann implicherebbe di necessità 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 filoni di ricerca quali l’IA classica, la Cibernetica e le Reti neurali, risponde ad un duplice bisogno: 1. la necessit` a di rendere conto della molteplice serie di influenze diverse che vanno riconosciute alla Robotica: vedremo infatti come nella fase iniziale degli studi sui robots siano state fondamentali le influenze delle diverse scuole psicologiste, ad esempio la gestaltica, mentre in un periodo pi` u maturo tale filone 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 influenze; 2. l’evidente ruolo che la Robotica riveste in qualità di teoria che si rivolge in particolare ad un forma di intelligenza “implementata”, configurata in un “corpo” e dotata di capacit` a rappresentative32 , la presenta per definizione come ponte teorico-tecnologico fondamentale verso una teoria della riproduzione completa delle forme umane di intelligenza, che vedremo sviluppata nel cap.3 33 . Nello specifico, 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 all’approccio computazionale classico e funzionalista, mentre successivamente essa non resterà 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 filosofico oltre che tecnologico (come nel caso delle ricerche sulla visione e sulla rappresentazione ). La Robotica si configura allora come scienza appellandosi da una parte all’antichissima storia del tentativo umano di creare dei meccanismi in grado di eseguire compiti 31

Come noto la parola “robot” proviene dalla radice in lingua slava del termine “lavoro”; fu utilizzato per indicare sistemi artificiali antropomorfi in grado di eseguire comandi, dal ˇ commediografo cecoslovacco Karel Capek nella sua commedia “Rossum’s Universal Robot” del 1921. 32 Si pensi qui soprattutto agli sviluppi pi` u recenti, come quelli affrontati 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 significato teorico fondante in questa sede. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



103

meccanici, dall’altro sotto forte impulso degli studi pi` u rilevanti in psicologia, che hanno direttamente influenzato la nascita di detta scienza. Da sempre l’uomo 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 ˇ precedenti al gi` a citato robot di Capek e risalenti ad esempio alla tradizione medievale ebraica del Golem, rafforzano l’idea 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 nell’uso dei calcolatori digitali che regolano un sistema meccanico in termini di flussi informativi, cosicch` e in questo senso la Robotica è da considerarsi comunque un’evoluzione 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 dell’uomo, la maggior parte di tali apparecchiature non sono robot nel senso vero e proprio del termine, che denota esclusivamente dispositivi nei quali l’input esterno viene elaborato in modo da poter interagire con un’opportuna base di conoscenze interna, a sua volta in grado di determinare e controllare le azioni opportune da svolgere per conseguire un determinato obiettivo”34 . Questo passaggio, fornendo una definizione indiretta di “robot”, ci permette di ricavare le discriminanti teoriche che ne definiscono a loro volta l’azione propria: - percezione; - pianificazione; - azione; e che costituiscono i filoni lungo i quali cercheremo di spiegare la teoria della scienza robotica. Se dunque è innegabile una connessione tra lo studio degli automatismi, dall’antichità all’era 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 giustifica, a nostro parere, il suo ruolo di erede della ricerca in IA e in Cibernetica. Indubbiamente da una parte l’indirizzo che privilegiava il “reasoning programming”, ovvero programmi che sapessero sviluppare ragionamento intelligente da implementare successivamente su automi, e dall’altro lo sviluppo di attitudini definibili intelligenti sulla base di pratiche “esperenziali”, come nel caso dell’apprendimento tramite visione, hanno anche avuto profonde divergenze teoriche e momenti di duro scontro scientifico. La connessione della Robotica con le ricerche sul pensiero umano ha di certo un altro forte impulso per ci` o che riguarda la complessità 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



filosofica nel suo intero percorso storico35 . In particolare, occorre qui fare riferimento e sottolineare la peculiarit` a della tipologia di percezione cui si è giunti nel momento in cui stiamo affrontando l’analisi della Robotica: riprendendo il passaggio sopra citato da Pessa, nel robot l’elaborazione 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 dell’influenza ricevuta anche dallo studio dei processi di apprendimento all’interno delle diverse scuole psicologiste. Come dicevamo in apertura di capitolo, l’interesse è rivolto principalmente allo studio delle connessioni S-R, che come sappiamo giocavano anche un ruolo importante negli studi sulle Reti neurali37 . Una delle figure pi` u rilevanti dello scenario psicologistico in riferimento ai processi di apprendimento fu sicuramente Clark Hull, il quale riguardo alle due possibili alternative in questione, apprendimento selettivo e per riflesso condizionato, sosteneva la legge del “rinforzo primario”, cio` e della preminenza in ogni caso della connessione S-R, che promuove o riduce ogni pulsione dell’organismo. Hull si proponeva una formulazione obiettiva di tale legge, spiegando appunto l’apprendimento in termini di pulsioni che vengono rafforzate o indebolite dall’attivit` a neuronale relativa. Partendo da questa analisi di base, Hull si interessò moltissimo della costruzione di macchine capaci di riprodurre inferenze sillogistiche: tuttavia, presto si dedic` o completamente all’idea di una macchina che fosse capace di “apprendere” per riflesso condizionato. I primi risultati ottenuti e pubblicati con la collaborazione di Bernstein, sostenevano un approccio meccanicista alla psicologia e all’idea della costruzione di dispositivi non organici la cui capacit` a di pensiero intelligente (nello specifico per tentativi ed errori) e apprendimento non fosse appunto dipendente dalla struttura vivente38. Il fondamento teorico di tale idea, che abbiamo gi` a visto rivoluzionato da 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 dell’apprendimento, fino a condurre lo stesso Hull ad una teoria che metteva in campo la nozione di rappresentazione da parte del soggetto, in grado di modificarsi 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 dall’analisi di laboratorio delle scelte compiute da animali inseriti in labirinti, suggerendo un’interpretazione basata sulla nozione di previsione . Lo studio dei processi predittivi si configurava, in definitiva, come analisi della causazione all’indietro, quale capacit` a del risultato futuro di un’azione di anticipare 35

Per una succinta ma completa trattazione storica della filosofia e tecnologia in connessione con la Robotica, rimandiamo a Rovetta [1990], cap.3. Altri utili riferimenti sono reperibili in Rete all’indirizzo http://www.thetech.org/exhibits/online/robotics/ 36 Ci appare completamente evidente l’importanza della conoscenza delle nozioni introdotte dalla Teoria dell’Informazione 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 è Hull, Bernstein [1929]. Per una esatta bibliografia relativa alle pubblicazioni degli articoli e appunti di Hull, rimandiamo comunque a quanto presente in Cordeschi [1998]. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



105

l’azione stessa nel corso causale, e questo tema trova ovviamente affinità con la nozione di retroazione che la Cibernetica studiava in quegli stessi anni. Le ricerche di Hull influenzarono 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 dell’Informazione, si dedicò alla costruzione di automi mobili, ispirati proprio ai topi da labirinto, le cui capacit` a motorie e di “scelta” erano il risultato dell’applicazione 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. D’altra parte fu proprio la Cibernetica a riflettere 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 all’idea di Hull della riproducibilit` a dell’attivit` 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], l’influenza della Cibernetica sulla Robotica risult` o determinante proprio in riferimento alla concezione teorica che progressivamente essa seppe introdurre in tale campo. Essa spinse perché 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 configurava 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 effetti, 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 dell’artiglieria, dall’altro 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 un’analisi dei comportamenti umani, anche patologici, in collaborazione con i progressi della fisiologia. Per questo motivo l’approccio cibernetico alla robotica risult` o parte integrante delle ricerche allora in corso tanto sulle reti neurali quanto in psicologia, psichiatria nonché elettronica, elettrotecnica e teoria dell’informazione. 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” del 195042 ), la cui capacit` a di esplorazione era garantita da sensori che producevano un’abilit` 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 39

Shannon [1951]. Ci` o` 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]; più esteso in riferimento ai confronti con automi contemporanei e macchine cibernetiche è [1953]. 40


106



era in grado di evitare situazioni di stallo tra sorgenti di luce di uguale intensit` a, cos`ı capace di entrare in oscillazione fisica e disincagliarsi da ostacoli. Gli sviluppi di questo automa di Walter proseguirono implementando altre capacit` a, cercando di avvicinarsi ad alcune delle caratteristiche dell’apprendimento umano come l’imprevedibilità 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 affiancata ad una parete bianca dove connettersi e ricaricarsi. Con lo sviluppo della specie degli “animali artificiali”, che rappresentava la discendenza in linea teorica dei solutori meccanici di labirinti, appare chiaro come si fossero sviluppati i tre punti che ricordavamo all’inizio, cio` e percezione, pianificazione ed azione. Ci` o condusse ad una elevata differenziazione tra gli sviluppi della Robotica, che rester` a evidente nella diversit` a tra bracci meccanici fissi, diffusi in ambiente industriale, e robot mobili sviluppati soprattutto in ambito di ricerca accademica. Un altro importante riferimento è quello all’ “Artificial Intelligence Laboratory” dell’Universit` a di Stanford, dove tra il 1968 e il 1979 si formò 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 possibilità di movimento indipendente di un carrello, prototipo dei pi` u evoluti automi mobili43 . Gli studi di McCarthy erano orientati a verificare le tecniche per la visione e il movimento di automi, che come vedremo più avanti sono le abilità ancora pi` u interessanti e difficili da implementare su robots 44 , in condizioni di “normalit` a umana”: la prospettiva della Robotica, che è stata gi` a anche indicata come approccio “bottom-up”, dal basso verso l’alto, fa riferimento, già 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 difficoltà, 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 difficolt` a superiori. Le evoluzioni del progetto del SAIL si spinsero poi fino alla realizzazione di sistemi per la guida in ambienti con ostacoli, tramite un’elaborazione 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, tridimensionalità, 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 dall’inizio il campo della Robotica fosse fecondo e aperto a molteplici 43

Si veda ad esempio il racconto di Moravec [1999], cap.2. Cfr. McCarthy, Hayes [1969]; per lo sviluppo dei sistemi di movimento e visione nell’attuale 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 l’elaborazione di immagine digitale e sistemi di “vision solver” su automi mobili. 44




107

influenze. 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 nell’analisi della capacit` a di apprendimento e svolgimento di attività intelligente. Cos`ı, l’inizio della ricerca in Robotica è indubbiamente segnato dallo spirito antivitalistico di Hull, e secondo il filo conduttore degli studi psicologistici, si andr` a sempre pi` u insistendo nella direzione della possibilità di riprodurre le attivit` a caratteristiche della vita natu46 rale su supporti artificiali diversi da quelli organici . In relazione allo sviluppo dell’IA 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 è altro che l’evoluzione 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 fisici diverse abilit` a, spingeva adesso per una rielaborazione dei principi fondamentali, quali percezione, pianificazione e azione. Proprio il problema della percezione si configurava di grande difficolt` 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 l’obiettivo essenziale da raggiungere era l’implementazione 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; d’altra 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 sufficiente indipendenza in spazi aperti e chiusi, oltre che sistemi di lettura/scrittura vocale, traduzione, riconoscimento testo (sia stampato che manoscritto), riconoscimento vocale. La diffusione dei robots mobili ebbe dunque un notevole incremento tra gli anni Ottanta e i Novanta, lasciando presagire anche un’ulteriore evoluzione nelle ricerche, ma la diffusione 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 è 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 è elevatissimo e quest’ultimo modello ha nonostante tutto un’autonomia di soli 25 minuti.

46

Questa connessione e il suo rimando ai principi antivitalistici di Hull è per esempio determinante in progetti come quello di Langton della “Vita Artificiale”, determinata sulla base della riproduzione (anche via calcolatore) dei comportamenti emergenti come caratteristica della riproduzione degli organismi simulati. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

108



Dopo questa rapida carrellata su alcuni dei momenti fondamentali della storia della Robotica, vedremo nella seguente sezione come è strutturato il sistema sensoriale dei robot, e ci soffermeremo in particolare sui sistemi di visione. In generale, possiamo dire che l’obiettivo della ricerca è divenuto ben presto quello di fornire all’automa una elaborazione digitale del mondo reale, all’interno del quale esso doveva essere in grado di interagire, muovendosi in modo coerente nell’ambiente: questa è l’origine 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 è 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 definizione classica: Definizione 2.3.1 Un robot ` e un sistema meccanico in grado di eseguire compiti di

varia difficolt` a che, come nel caso delle attività compiute da umani, godono di propriet` a e condizioni non del tutto determinabili a priori. Le capacità 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 definizione generica di robot, inteso come sistema controllabile, programmabile e in grado di svolgere compiti, non è la somiglianza di aspetto o di azione con l’uomo, quanto piuttosto la sua capacit` a di eseguire azioni diverse con grande flessibilit` a, in accordo ad una capacit` a di pianificazione elastica in relazione alle condizioni variabili in cui tali compiti devono venire eseguiti47 . Dunque, l’azione del robot può essere caratterizzata dalle seguenti propriet` a: - essa deve essere programmabile via calcolatore; - modificabile; - (eventualmente) auto-programmabile; - flessibile; - adattabile a condizioni variabili. Queste capacit` a del robot sono determinate da una componentistica elettronica e meccanica: - effettori : si tratta delle estremit` a dell’automa, 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 (velocità, posizione, ecc.) o esterne (distanze, forme, ecc.); a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

- sistema operativo : è costituito da un sistema di controllo di alto livello, che coordina i sistemi di comunicazione di basso livello facendo emergere il comportamento coerente dell’automa; esso si è evoluto da controllori programmabili a microprocessori, ed è gestito dalla serie di istruzioni che, adattate alle caratteristiche della macchina che deve gestire, le permette l’esecuzione dei compiti; - equipaggiamento ausiliare : pu` o comprendere qualsiasi strumento di lavoro specifico dell’automa, come pinze, pistole per verniciare ecc.. Con ambiente operativo si intende invece l’universo all’interno del quale l’automa 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 classificazione generica dei robots in termini di categorie strutturali e di uso: tale classificazione 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 dell’ambiente. 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

L’architettura generica di un robot, è raffigurabile nella maggior parte dei casi come una coppia “corpo + estremità”, ad esempio come un braccio meccanico fornito all’estremità 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 dell’arto meccanico (vedi fig. 2.7). La descrizione del movimento possibile è 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”; a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

b. coordinate ambientali : si tratta del sistema cartesiano di assi di riferimento per il movimento del “braccio” nell’ambiente. Cos`ı il sistema cinematico completo classico per il robot è 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 l’esecuzione del comando. L’orientamento 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 definiti 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`ı che in tutto sei grandezze definiscono 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 l’automa pu` o compiere nel raggio delle coordinate, come la rotazione, la flessione del polso, l’innalzamento, la flessione del gomito, ecc., detti “gradi di libertà”49 .

Z Y

X

Figura 2.7: Diagramma dell’architettura di un braccio meccanico.

2.3.2

Movimento

Il primo obiettivo dello sviluppo di automi è indubbiamente quello di fornire loro la capacit` a di raggiungere dei luoghi nello spazio di riferimento, per cui tale movimento è ovviamente la combinazione di sistemi di mobilit` a e di riconoscimento della propria posizione rispetto all’obiettivo. 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 nell’uomo è determinato complessivamente secondo sette gradi di libert` a: tre nella spalla, uno nel gomito e tre nel polso, rispettivamente per rotazione, movimento laterale e dall’alto verso il basso. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


111

movimento legato a superfici , cos`ı che possiamo fare riferimento a tre livelli di sviluppo della mobilit` a degli automi: 1. robots industriali ancorati a posizioni fisse; a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

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 identificare con i robots di prima generazione; nella seconda categoria rientrano i robots che lavorano muovendosi ad esempio su binari costrutiti all’interno delle fabbriche o comunque sul posto di lavoro, o ancora tramite cavi guida; la terza categoria si identifica per lo pi` u con robots dotati di carrelli mobili capaci di spostamenti (autonomi o teleguidati) che non necessitano di strutture specifiche a tale scopo. Questa specie ha sub`ıto 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 nell’ambito della missione Pathfinder : progenitore dei recentissimi Spirit e Opportunity. Un’analisi completa dei sistemi di movimento per robots comprende anche gli automi antropomorfi di ultima generazione, che rappresentano di certo il livello pi` u avanzato in questo settore. Affrontiamo 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 è ovviamente legato all’ambiente che esso deve affrontare e all’interno del quale deve riuscire a muoversi. In questo senso esso sarà dotato delle caratteristiche tecniche e dei mezzi di locomozione che più si confanno ai suoi scopi: al momento attuale, le ricerche hanno sviluppato tanto strutture come binari, quanto arti artificiali e ruote, ciascuno dei quali viene sviluppato affinché l’automa sia in grado di superare ostacoli o salire e scendere scale, o arrampicarsi su diverse superfici. Ad esempio, i robots dotati di arti inferiori sono preferibili a quelli forniti di ruote o moventi su binari, nel caso in cui l’ambiente di lavoro presenti terreni accidentati che rendono l’utilizzo di tali strutture supplementari particolarmente difficoltoso, anche se negli ultimi anni si è assistito all’implementazione di sistemi integrali di movimento, che rendono tali situazioni pi` u agevoli per l’automa. 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 l’agilit` a. Il controllo dell’automa viene ad esempio facilitato da sistemi di separazione del movimento orizzontale e verticale, mentre problemi scaturiscono da superfici 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 superfici 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 nell’esplorazione di pianeti, dove è particolarmente facile trovare superfici 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 l’obiettivo principale resta quello di dimostrarne la cosidetta stabilit` a statica, rispetto alla quale ovviamente le difficolt` a sono rappresentate da movimenti lungo superfici irregolari o non omogenee. Per automi che si muovono Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

112



ad alte velocit` a la stabilit` a statica è invece sostituita dalla stabilit` a dinamica, che si avvantaggia del grado di elasticit` a degli arti. Un settore di sviluppo particolarmente importante è 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 finalizzati 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 un’implementazione realmente efficace delle capacità di movimento, resta comunque in ogni caso l’esecuzione 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 configurazione dell’ambiente con particolare precisione50 . Il sistema di controllo del movimento di un automa si configura secondo delle tecniche essenziali, che possono essere cos`ı determinate: 1. rilevamento della posizione o position finding ; 2. rilevamento del tracciato o route finding ; 3. pianificazione del percorso o route planning . Il position finding è computabile sulla base del riconoscimento di un punto di riferimento fisso e della navigazione inerziale (poco sviluppata perché costosa): in particolare la prima tecnica (dead reckoning ), presenta caratteristiche di semplicità e accuratezza, poich´ e i dati rilevati e computati sono direttamente gestiti dai sistemi di movimento dell’automa, il quale misura movimento traslazionale e rotazionale, con il solo problema dell’accumulo di errori di predizione sino ad aggiornamento dei dati. Il route finding si avvale in genere di tracciati fissi prescritti, ma esistono tecniche che prevedono il rilevamento del tracciato tramite sensori, con la possibilità 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 nell’utilizzo dei dati riguardanti l’esatta posizione di partenza per il riconoscimento del percorso: quest’ultima tipologia di rilevamento del tracciato fa grande uso di elaborazione di immagini digitalizzate. Il route planning consiste invece nella capacit` a da parte dell’automa di riconfigurare il proprio percorso, rivalutando su una mappa e con l’ausilio di sufficiente informazione da parte dei sensori il tracciato da seguire. L’informazione proveniente dai sensori è solitamente organizzata gerarchicamente, generando una rappresentazione dello spazio libero circostante, poi confrontata con la conoscenza derivante dall’utilizzo 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 è poi trasformato in percorsi o grafi ad albero, all’interno dei quali viene poi ricercato il percorso ottimale. Lo sviluppo dei sistemi di movimento, e dei rispettivi sistemi di controllo, è 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



113

“umanoide” dei robots, rob ots, il gi` a citato P3, dotato di un sistema composto comp osto da due gambe, con un portamento e un u n sistema di equilbrio davvero davvero stupefacen stup efacenti. ti. Il I l P3 è 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 dell’esemplare 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. 2.3.3 3

Sens Sensor orii ed effett effettor orii

Il robot rob ot inteso come sistema automatico è dotato di un u n apparato che permette la ricezione di dati dal mondo esterno e l’interazione con esso. Tale sistema consente dunque all’automa di rilevare, computare grandezze, elaborarle (in forma analogica o digitale) e confrontarle con i dati inseriti nel sistema di controllo, per lo più ormai attraverso sistemi flessibili come i processori programmabili: Definizione Definizione 2.3.1 Il sistema si stema di rilevamento ril evamento sensoriale sensorial e di un robot ` e definito definit o come per-

cezione delle caratteristiche rilevanti di oggetti relazionali dell’automa, e loro traduzione in informazione utile all’esecuzione di una qualche funzione. Le propriet` a degli oggetti che entrano in relazione con l’automa vengono classificate in base a caratteristiche variabili come la forma geometrica, la struttura meccanica, valori valori visivi, acustici, e cos` cos`ı via. La traduzione dei segnali in informazione disponibile all’automa, passa ovviamente ovviamente per p er un processo pro cesso di d i traduzione delle proprietà rilevanti rilevanti in segnali via hardware, e poi nell’elaborazione di tali dati che si articola solitamente in rimozione del rumore (preprocessing ) ed estrazione dell’informazione richiesta via software (interpreting ). Questa sequenza di rilevamento sensoriale pu` o essere rielaborata se l’informazione l’informazione ottenuta non è sufficiente, sufficiente, attraverso attraverso la ricezione di nuove nuove immagini supplementari, perfezionando l’efficacia dei dati gi` a rilevati rispetto alla posizione e localizzazione degli oggetti o infine 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, sensori, e di una migliore migliore elaborazion elaborazionee hardware/ hardware/soft softwar waree in vista di una maggiore ricezione di informazioni. Il sistema sistema sensoriale sensoriale è sviluppato sviluppato in termini termini di ricezione ricezione senza contatto e di ricezione con contatto, altrimenti anche classificati rispettivamente come sensori interni e sensori esterni . La prima tipologia è generata generata da un sistema sistema di trasduttor trasduttorii che non entrano fisicamente in contatto con l’ambiente esterno, ma si avvale di un sistema di rilevazione specificato 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 contatto,, in particolar particolaree tattile, tattile, e visivo. visivo. Il caso basilare basilare è rappresen rappresentato tato dai sensori sensori tattili, che vengono ordinati in relazione a differenti 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 effettore naturale è una “mano”, strutturata in relazione ai compiti p er cui è stata progettata: cos` cos`ı nel caso di uno strumento che serve per afferrare oggetti essa sar` a dotata di diverse Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

114



“dita”, disegnate secondo mobilit` a e rigidit` a simil-umane, dotata in alcuni casi di superfici sensibili e sensori di prossimit` a studiati per evitare collisioni. Il sistema di misura di un sensore di prossimit` a, a, è in grado di rilevare rilevare la presenza di un u n oggetto e misurarne la distanza. distanza. I sensori sensori possono poi moltiplic moltiplicarsi arsi in funzione funzione delle necessit` necessit` a, a, ad esempio 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 differente, esso pu` o essere dotato di strumenti ausiliari, che ne modificano 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 offre un ampia variet` a di trasduttori , che vengono progettati in diverse conformazioni, relative ad esempio alla misurazione per p er resistenza alla pressione o alla conduttivit` a. a.

2.3. 2.3.4 4

Vis Visione ione

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 artificiale, e gli studi sullo sviluppo dei metodi di visione costituiscono uno dei campi pi` u difficili in questo tipo di ricerca, oltre che un importante banco di prova prova per p er tutte le teorie, in particolare per p er verificare la validit` validità dei 52 diversi approcci, come quelli simbolico e subsimbolico . Un sistema di percezione visiva per p er robots rob ots è strutturato secondo sottomoduli, relativi in primo luogo alla registrazione della stimolazione esterna, all’analisi primitiva di tale registrazione e alla suddivisione dell’immagine; il secondo livello di elaborazione dell’imm dell’immagine agine comprende comprende uno scanning scanning pi` u dettagliato per la descrizione e la ricodell’oggetto, tto, in base alla quale è ad esempio esempio possibile possibile una struzione tridimensionale dell’ogge stima di movimenti, per rivolgersi infine all’interpretazione dei dati e al posizionamento dell’oggetto inquadrato in un contesto pi` u generale. In particolare, dopo la ricezione dell’immagine 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 dell’immagine, le pi` u diffuse sono il clustering , la determinazione 51

Per un’analisi del funzionamento di questi sensori, rimandiamo a Rovetta [1990], cap.6. Si vedano le opere di Marr presenti in Bibliografia, in particolare Marr [1982]. Si deve a Marr e Hildreth [1980], l’applicazione dei valori valori numerici interi che identificano i dentificano la luminosità di un oggetto su assi cartesiani, ad una specifica forma di funzione (distribuzione gaussiana) per l’individuazione dei contorni dell’immagine. Risulta qui particolarmente interessante notare come questi questi studi suggeriscano suggeriscano una maggiore maggiore adattabilit adattabilit` a` all’ottenimento di questi risultati da parte parte di reti reti neural neurali, i, piutto piuttosto sto che che da parte parte di progra programmi mmi di comput computazi azione one dell’I dell’IA A classic classica, a, rendendo ancora una volta l’approccio subsimbolico pi` u efficace dei metodi basati su sistemi simbolici. simbolici. Un altro fondamentale fondamentale contribut contributo o di Marr, in collaborazio collaborazione ne con Poggio Poggio è quello presen presentat tato o in [1979 [1979]: ]: si propone propone qui una teoria teoria dell’imm dell’immag agine ine binocul binoculare are secondo secondo la quale quale il riconoscimento di un’immagine ` e data dall’accostamento dall’accostamento dei due primal primal sketchs sketchs provenienti dell’occhio destro e dall’occhio sinistro, per poi verificare le corrispondenze delle due immagini fornendo cos` cos`ı informazioni riguardanti la collocazione nello spazio delle sup erfici. I due autori propongono infine una teoria dell’algoritmo che dovrebbe essere in grado di computare la ricostruzione tridimensionale dell’immagine 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



115

degli spigoli e le estrazioni estrazioni di regioni regioni specifiche: specifiche: ci` o avviene tramite una definizione grafica in pixel, il cui valore digitale d igitale è legato al grado di intensit` a luminosa che lo definisce. L’interpretazione L’interpretazione dell’immagine acquisita e definita avviene secondo diverse modalità: a: a n L T n o i h d t c e e e a n e l l s e l l e o e c w c t B t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i a e n o t c y n a o o n o n n e f d t b e h n t h t y t i s e s a o p b n o o y f s o o t h s i k t h e b i i s e w l i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t r a f o i n p m b u d u m t i b e e s l i r t h m c a c i e a a d t i l c e o o n p a n . u v r t e a A p n i d o t l s s a d e i s o b l t i f e o t n o h i r a f e n l o w f r r r i o e g e r h p r k a t c s o f , p c i o t r e n . o s s P t . h o v i E d e i l v c m e o e d e r n t t h y r a t e c i n a t c o t s P t h n r o u e t i f b a b t u u l h i t t e s i h h o w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a y P e s l l r o l i t h e m e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n s f m e t h e B e n ” w t i . o o n “ P r k e d o l i n .I i m p t e t a d r p o i e e c r s a

- per inclusione inclusione in una categoria categoria definita definita di campioni; - per definizione definizione di parametri parametri e vettori; vettori; - per definizion definizionee di forme; forme; - tramite tramite rintracciam rintracciament ento o di un grafo grafo che descriv descriva a l’immagi l’immagine. ne. In generale possiamo determinare il riconoscimento di forme secondo i seguenti parametri 1. individuazi individuazione one del contorno, contorno, 2. estrazion estrazionee di parti specifiche, specifiche, 3. ricostru ricostruzione zione della forma. forma. Due delle tecniche pi` u sviluppate per l’acquisizione di immagini sono rispettivaa della luce e per rilevamen rilevamento to della grande grandezza zza . Nel caso del mente quelle per intensit` riconoscimento per intensit` a di luce , si danno tre tipi di immagine che possono venire 53 rilevate e processate : 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 l’oggetto e lo sfondo, rintracciandone i confini; questa operazione pu` o essere semplificata da fonti di luce ausiliarie, in particolare posizionate alle spalle dell’oggetto; 2. uscita parziale o connessa : questo è 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 misure al fine di ipotizzare ipotizzare l’identi l’identit` t` a dell’ogget dell’oggetto to e la sua posizione; posizione; il risultato risultato viene poi messo a confronto con modelli; 3. immagine per gradi di grigio : la percezione dell’immagine per gradi di grigio costituisce il risultato della digitalizzazione dei dati visivi registrati. Tale digitalizzazione avviene tramite inserimento dell’immagine in una matrice a due parametri, i quali determinano un certo numero di pixel che costituiscono la risoluzione dell’immagine digitalizzata. Il “grado di grigio” di un’immagine è rappresentabile allora come un intero proporzionale al grado di luminosit` a (energia per p er unit` a di 54 tempo) ; ciascun ciascu n elemento dell’immagin d ell’immaginee pu` pu ò essere rappresentat r appresentato o con maggiore ma ggiore profitto anche da un vettore di valori. Tale tecnica presenta comunque diversi gradi di complessit` a in relazione agli obiettivi; un’applicazione di questo sistema (non troppo dissimile dal caso precedente) riguarda il rintracciamento di angoli nascosti per confronto tra regioni locali chiare e scure dell’oggetto e i parametri 53

Shapiro, Eckroth [1987], p. 932-3. Su questo specifico argomento cfr. ancora Pessa [1992], p. 103 e seguenti, e la bibliografia ivi riportata. riportata. 54


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 dell’oggetto: quest’ultima tecnica è anche alla base del cosiddetto “splitting” (separazione) per la definizione dell’immagine sullo sfondo. In questo settore uno degli obiettivi di sviluppo è costituito dall’implementazione dall’implementazione di processi di digitalizzazione in parallelo per mezzo di sistemi a multiprocessore, per permettere all’automa una registrazione e memorizzazione multipla degli elementi dell’ambiente visivo: questo obiettivo è evidentemente una prova ulteriore ult eriore della necessità, a, anche nel caso dei dispositivi di visione per robots, di superare la prospettiva dell’approccio proccio simbolicosimbolico-comp computazi utazionale onale,, sviluppando sviluppando tecniche tecniche che permettano permettano la gestione 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 difficolt` a in particolare in considerazione delle possibili orientazioni dell’oggetto e di eventuali occultamenti. In tali sistemi il rilevamento avviene soprattutto per mezzo dell’accostamento di facce , visualizzate da valori matematici di piani e curve e confinanti con la superficie dell’oggetto, a volte intersecansuperfici cilindriche dolo. Una specifica di questa tecnica è ad esempio quella dell’uso di superfici per rappresentare oggetti complessi. L’altro sistema convenzionale è quello delle rapa presentazioni volumetriche : questa tecnica permette, oltre al computo delle propriet` di superficie, anche quello delle proprietà di massa. Le rappresentazioni volumetriche si distinguono in - descrizi descrizione one della posizione spaziale spaziale occupata per p er mezzo mezzo di “celle” “celle” o “cubi”; - decomposiz decomposizione ione o suddivisio suddivisione ne ricorsiv ricorsiva a delle delle celle celle senza senza presenza presenza di “buchi”; “buchi”; - ricostruz ricostruzione ione di un solido per mezzo mezzo di figure geometric geometriche he elementari. elementari. Al di l` a delle diverse tecniche sviluppate, i vari livelli che costituiscono i processi di visione artificiali, in particolare quelli di digitalizzazione dell’immagine e di identificazione, 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 è ancora in questione nel caso dell’analisi d ell’analisi dettagliata e dell’interpretazione dell’immagine, rispettivamente per mezzo di metodi sintattici e metodi metodi statistici . Nel primo caso si tratta di analisi delle caratteristiche quantitative dell’immagine, poste in relazione a strutture simboliche la cui configurazione finale genera il significato dell’immagine digitalizzata: le strutture in questione sono realizzate a partire da simboli primitivi (che codificano elementi come angoli, linee, vertici ecc.) e regole di produzione che permettono permettono la connessione connessione di tali simboli in configurazi configurazioni oni reali. reali. La “sintatti “sintatticit` cit` a” è in sostanza la coerenza tra una serie di simboli grammaticali e la configurazione di uno specifico pattern, verificabile tramite analisi (parsing ). ). Nel caso dei metodi statistici invece, si tratta della suddivisione dell’immagine in regioni cui far corrispondere insiemi di indici: in sostanza si classificano i patterns osservati per collocarli in classi, e tale classificazione avviene per mezzo di tecniche di apprendimento che possono essere tanto relative ai dati di pre-programmazione, quanto Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


117

semplicemente capaci di individuare e organizzare le “regolarit` a” dell’insieme iniziale 55 di patterns (training set ) . a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

2.3.5

Programmazione e Controllo

La Robotica intesa nel senso moderno e considerandone i recenti sviluppi, rappresenta di certo un’evoluzione ad un livello di complessit` a superiore dello studio di sistemi di controllo per catene cinetiche con un numero limitato di gradi di libertà, le quali rappresentavano l’origine 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 sofisticati. 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 ele-

mentare di programmazione di automi, altamente diffuso 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 infine memorizzare l’intera sequenza compiuta. La programmazione comprende anche l’esecuzione di operazioni specifiche ad ogni posizione raggiunta. Gli assi di esecuzione possono essere definiti da percorsi o da punti nello spazio. La programmazione avviene tramite un linguaggio che traduce i comandi impartiti dall’operatore in operazioni eseguite dalla macchina, cos`ı che il programma consiste in un numero finito 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, offrendo 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 all’idea di auto-apprendimento che pi` u volte abbiamo gi` a incontrato nella trattazione dell’Intelligenza Artificiale 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 l’automa è 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 riconfigurare il moto del robot. Questo livello di programmazione è 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 è di sviluppare automi in grado di trattare situazioni anomale ed eventualmente dedurre soluzioni generali a situazioni completamente nuove. 55

Per una trattazione pi` u approfondita di queste distinzioni si veda Pessa [1992], pp.127-131. Come nel caso delle ricerche sviluppate all’Automated 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


118


Task-programming. In questo tipo di programmazione si combinano in qual-


che modo l’intervento del programmatore e la capacità di apprendimento dell’automa. Infatti sulla base di un compito assegnato dal programmatore e di una serie di dati riguardanti l’ambiente circostante, la macchina si istruisce per l’esecuzione 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

Antropomorfismo?

Un’ultima propriet` a della Robotica cui desideriamo fare riferimento è quella dell’antropomorfismo, intendendo con questo termine tanto l’insieme delle caratteristiche tecniche che riproducono o imitano corrispondenti propriet` a umane, quanto d’altra parte il vasto orizzonte di problemi filosofici e sociali che lo sviluppo della scienza robotica sta facendo sorgere e che richiedono un’analisi sicuramente pi` u vasta delle considerazioni che cercheremo di sviluppare qui di seguito. Di certo l’identit` a corporea, intellettuale e culturale umana è profondamente legata e dipendente dal mondo biologico che abitiamo, e nell’adattazione a tale mondo esiste una interdipendenza delle influenze. Tuttavia riteniamo di poter riconoscere un processo in atto che sta progressivamente avvantaggiando lo sviluppo culturale nei confronti dell’evoluzione biologica naturale: questo, per un verso, ha gi` a permesso all’uomo 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 definito “information age”57 . In questo quadro la robotica avanzata rivestirà certamente un ruolo importante, potendo risultare fondamentale nel supportare tecnologicamente l’uomo nei contesti pi` u disparati: essa è per esempio essenziale nelle situazioni di pericolo come ambienti che non consentono la presenza umana58 , o supplisce l’uomo in contesti di lavoro meccanico e frustrante, guadagnando in termini di tempo e di spese. Il prevedibile sviluppo dell’industria robotica apre cos`ı 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 l’industria robotica, ma anche tutte le ricerche di IA ad essa connesse, nella prospettiva di un oggetto da questionare e regolare; l’inevitabile sviluppo che questo settore di ricerca subirà, condurrà probabilmente l’uomo ad essere in grado di porre i presupposti per lo sviluppo di realt` a per noi ancora difficilmente 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 feno57

Castells [1996; 1997; 1998]. Si 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 è provvisto di un sistema di visione. 58



119

meni di conversione di industrie da personale umano a personale automatizzato, ad esempio in termini di istituzione legale. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

Queste osservazioni meritano ovviamente un’attenta 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 è altrettanto importante non sopravvalutare le potenzialit` a delle attuali conoscenze e implementazioni, che probabilmente soffrono ancora di un’insufficienza teorica essenziale nella loro realizzazione, in particolare rispetto ad un coerente equilibrio degli elementi in gioco nell’intelligenza umana. Di certo le odierne macchine superano l’uomo nelle capacit` a di calcolo, laddove il ragionamento, la percezione e l’azione sono elementi che, in crescente ordine di difficolt` a, sono ancora solo parzialmente riconoscibili in un automa. La mente, l’intelligenza, la coscienza e la capacit` a comunicativa sono propriet` a che caratterizzano l’uomo come punto di coincidenza delle capacit` a logico-matematiche e degli strumenti della percezione e del controllo del movimento, segni della relazione fondamentale con l’ambiente che lo circonda. Cos`ı l’intelligenza (intesa nel senso pi` u ampio possibile) rappresenta il risultato dell’equazione che somma computazione e corpo. Per questo motivo la robotica sembra costituire per certi versi già 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 è ancora giunto alla sua fine, e che anzi si aspetta ancora la svolta definitiva. Infatti, dagli sviluppi della Robotica e della Computer Science analizzati nelle sezioni precedenti, appare chiaro come la potenza di calcolo sinora raggiunta non sia sufficiente ad eguagliare le prestazioni umane, in particolare nei sistemi di percezione visiva e mobilit` a. Il sistema di calcolo che probabilmente pi` u si è 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 dell’implementazione in Robotica è quella di Moravec, il quale prevede l’apparizione di micro-computers adatti a robots simil-umani entro il 2020. Il progresso dell’industria dei microprocessori è infatti in continua crescita, prospettando adesso la futura generazione di computers quantistici, una super macchina non pi` u a stati finiti, ma capace di possedere insieme tutte le possibili combinazioni di stati di memoria59 . Tuttavia, il livello di sviluppo tecnologico e di diffusione anche commerciale dei computers è 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 sufficiente 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]. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

120


organizzati per mezzo di griglie tridimensionali a diversi milioni di “celle” di risoluzione, affiancate a sistemi di memorizzazione derivati da mappature precedenti 60. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

Ci` o che risulta maggiormente affascinante, sul piano puramente teorico, nel passaggio ideale che lega le T-macchine ai robots, è di certo un innegabile cambiamento di prospettiva dal punto di vista dell’uomo, tanto a livello tecnologico quanto a livello “emozionale”: ci` o che abbiamo analizzato a proposito dei calcolatori, a partire proprio dal progetto di Turing fino alle realizzazioni pi` u recenti, ci ha condotto alla definizione, presentata nel primo capitolo, di automa come sistema fisico-simbolico (Definizione 1.4.6), dove il termine “fisico” faceva espressamente riferimento ai sistemi meccanici che permettono la realizzazione dell’attività definita precedentemente “simbolica”, dove quest’ultima si identifica come operazione di codifica-decodifica segnica. L’idea di automa che adesso si propone all’uomo nelle vesti del robot è profondamente diversa e teoricamente pi` u avanzata: quella che in realt` a nel calcolatore andrebbe identificata come un’attivit` a puramente “segnica” piuttosto che “simbolica”, “sintattica” piuttosto che “semantica”, viene adesso sviluppata in quella che nel seguente capitolo definiremo 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 definiscono l’intelligenza, e allora apparir` a completamente evidente come la Robotica, che nelle sue varie manifestazioni continua a riconoscere nell’interazione automa-ambiente l’obiettivo principale da raggiungere, costituisca probabilmente il settore di ricerca pi` u avanzato e con le prospettive teoriche pi` u affascinanti. Questo non esclude di certo la presenza e il concomitante sviluppo di altri settori di ricerca, come nel caso dell’Artificial Life e della virtualit` a, che propongono approcci scientifici 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 l’espansione 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 modificazione 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 all’analogia tra l’uomo e il robot e dopo aver esposto i principi basilari della scienza robotica, è bene centrare la nostra attenzione su ci` o che è 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 è l’interpretazione di questo autore, una delle figure pi` u rilevanti dell’attuale panorama della ricerca in Robotica, che vede nella unione tra mente umana e civilizzazione tecnica da essa supportata, la prima versione, ancora difficilmente identificabile, di una nuova forma di vita, da lui definita “Mind”. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


2.4.1


121

Analogie e procedure: mappe della mente

La rappresentazione è sempre stata considerata il ponte naturale tra mente e mondo. Quello che appare essere poco “naturale” invece, è lo statuto della rappresentazione: le teorie della mente, infatti, descrivono e codificano in modi differenti 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 dell’una o dell’altra ipotesi, saranno, in pratica, l’introduzione 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 già negli anni passati avevano creato particolare ottimismo intorno all’idea che i robots potessero essere dei buoni analoghi dell’uomo. In realtà, mostreremo che il fallimento di quella prima generazione di robots è legato proprio al concetto di rappresentazione; altre invece saranno le ragioni che decreteranno l’insufficienza 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 fine degli anni Sessanta l’idea 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: ciò evidenzia il fatto che nelle rappresentazioni analogiche non sono riscontrabili elementi discreti. Ad esempio, la rappresentazione analogica di un libro sul tavolo è l’immagine di un libro sul tavolo: l’intera gamma di informazioni percettive presenti nello stato di cose viene, seppure in scala e in risoluzioni differenti, conservata nella copia mentale. Com’è noto, tale concezione delle immagini mentali è figlia di una lunga tradizione, ma al tempo stesso è 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 dell’intelligenza artificiale considerino il modello analogico come il pi` u adeguato a spiegare come conosciamo il mondo. L’idea che guida coloro i quali ritengono che la rappresentazione sia strutturata secondo un modello analogico è derivata dalla capacit` a “immaginativa”(mental imagery ) dell’uomo: si ritiene, cioè, 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 degli oggetti reali62 . Questo sembr` o essere verificato dagli esperimenti di Kosslyn, Ball 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, riflette 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 riflesso 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 differente, posseggono o meno la stessa forma. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

122



sentata una mappa in cui sono evidenziati alcuni luoghi per mezzo di figure iconiche, e, in seguito, viene chiesto agli stessi soggetti di formare un’immagine mentale della mappa e ancora di focalizzare l’attenzione su un luogo preciso della mappa e poi su un altro, è possibile osservare che il tempo necessario per spostare l’attenzione 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 efficace esperimento è stato possibile teorizzare63 che gli effetti figurali siano spiegabili per mezzo dei processi di immaginazione che condividono alcuni meccanismi e risorse cognitive con la percezione visiva. Nello specifico, vi sarebbe una particolare area nella corteccia visiva che possiede una sorta di memoria a breve termine (visual buffer ) in cui vengono immagazzinate informazioni provenienti sia dai processi visivi sia da quelli immaginativi. Quest’area di memoria, inoltre, funzionerebbe proprio come uno spazio nel senso che i dati in essa presenti preservano le relazioni spaziali sussistenti tra le parti dell’oggetto codificato: ci` o spiegherebbe, dunque, perché ci sembra di vedere immagini in senso figurale. Il fatto che tale spazio sia condiviso sia dalla facolt` a visiva sia da qualle immaginativa, infine, spiegherebbe anche perch´ e ci sia analogia tra l’immagine e il percetto. Com’è naturale, la concezione analogica delle immagini mentali64 concorre a rafforzare il riconoscimento dell’importanza, o addirittura della priorit` a, di percezione e motricit` a per un’appropriata comprensione della cognizione. Come vedremo, questa priorità 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, è derivata invece dalla cosiddetta semantica procedurale , che negli anni Settanta ebbe il periodo di maggiore notoriet` a, e che concepiva il significato come procedura : ad esempio, il significato di un ordine del tipo “prendi quella mela” consisterebbe nell’esecuzione di quest’ordine; oppure il significato di un sintagma come “quel libro” consisterebbe nella procedura di identificazione di un certo libro. Questa intuizione, che è evidentemente legata al significato linguistico, è stata tuttavia estesa al campo delle rappresentazioni mentali: si sostiene che non è necessario che una credenza sia rappresentata esplicitamente per mezzo di una “stringa” simbolica; la credenza pu` o essere veicolata in modo implicito dall’esecuzione di un frammento di algoritmo. Appare chiaro come l’idea 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 è il disporre di una procedura che verifica se c’` e una cicogna sul comignolo in una data circostanza. Detto ci` o, potrebbe sembrare che l’idea della semantica procedurale rinneghi il concetto stesso di rappresentazione, se quest’ultima è 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 63

Kosslyn [1980]. Rafforzata, tra l’altro, 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 l’elemento principe, ad una concezione di tipo pragmatico, in cui è, invece, l’azione ad essere il nodo centrale. 64


123



noto, un algoritmo deve far uso di strutture dati: nell’esempio della cicogna, quindi, la procedura di verifica deve disporre, tra l’altro, di strutture dati che descrivono le caratteristiche fisiche 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 affermare 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 sarà 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 differente per permetterci di pensare ad un essere artificiale che possa agire come un uomo67 .

2.5

Verso una nuova Robotica <
<> 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 differenti, alla fine non mettono minimamente in discussione un assunto di base, ossia, che la nostra conoscenza abbia come fondamento ultimo le rappresentazioni. Conosciamo anche dai paragrafi 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 fino agli anni Novanta in termini di elaborazione di mappe. Come si è già detto, a partire dalla sua nascita l’IA ha avuto un duplice scopo: il primo, è stato quello di costruire sistemi intelligenti utili all’uomo; il secondo quello di comprendere meglio la natura dell’intelligenza umana. Come dovrebbe apparire ormai chiaro dal percorso teorico e storico sin qui tracciato, che ci ha condotti sino all’introduzione 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, dell’intelligenza e dell’azione; l’altra, 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 fini sperimentali; non esisteva alcun esperimento di “controllo” 66

e il nome usualmente dato alle Macchine di Brooks. Creature `

67

Com’è evidente, qui non è in gioco solamente una modalità di costruzione di macchine pi` u o meno sofisticate, ma piuttosto la questione di come conosca l’uomo: 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” dell’uomo, dove, viceversa, ci troveremo a discutere dell’uomo ci ritroveremo a rintracciare criteri per la costruzione di macchine. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

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 può esserlo, ad esempio, la chimica, ma al contrario, almeno ai suoi inizi, essa non era nient’altro 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 definito “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 all’altra 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 prim’ordine68 . Un programma di pianificazione, 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 perché era stato costruito un ambiente specifico 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 all’interno 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 difficolt` a di movimento70 . Tuttavia, a partire dagli anni Novanta, qualcosa nel paradigma della ricerca robotica è 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 più possibile dinamico e non in ambienti “preconfezionati” per il robot costruito. Infatti su tutt’altra ` doveroso precisare che l’utilizzo di un computer che non fosse esso stesso parte integrante E del corpo-macchina era dovuto soprattutto alle dimensioni dei vecchi calcolatori che, come noto, rendevano proibitiva un’operazione 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 effetti 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 differenza essenziale tra i due automi, rappresentata dalla capacità del secondo di “riconoscere” nel senso di crearsi rappresentazioni di ambienti mai prima esplorati: mentre per Shakey era necessaria una sorta di pre-mappatura dell’ambiente, P3 è adesso capace di mappare da solo l’ambiente in cui si muove. 68




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 l’animale 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 dell’uomo. Infatti, se a tal fine 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 è impossibile da ottenere se vogliamo costruire creature artificiali che abbiano caratteristiche differenti da quelle di Shakey: quest’ultimo, infatti, era costruito proprio cercando di ricreare, semplificandolo, il mondo interno dell’animale umano. Per i venti anni successivi proprio la spasmodica ricerca di implementazione del mondo interno dell’uomo su una macchina ha, di fatto, bloccato qualsiasi sviluppo nell’analisi robotica. Conseguentemente, secondo questa nuova concezione, il modo in cui un robot può agire in maniera complessa, riproducendo cos`ı 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 riflesso di un ambiente complesso: pu` o essere l’osservatore ad ascrivere complessità ad un organismo e non il suo “progettista”. Lo sforzo che è stato fatto nell’ultimo decennio è dunque rivolto soprattutto al tentativo di costruire sistemi artificiali in cui non vi fosse distinzione tra sistemi periferici, ad esempio la visione, e sistemi centrali. Come detto, infatti, ogni attività, ogni comportamento deve produrre delle relazioni dinamiche che connettono direttamente il percepire e l’agire: questo, in linea di principio, dovrebbe valere sia per gli automi sia per gli animali umani.

2.5.2

Le creature della nuova Robotica

L’idea chiave di questo nuovo approccio (che coinvolge sia la Robotica sia, pi` u in generale, l’IA) è quella di prendere in seria considerazione la possibilità di costruire un agente fisicamente autonomo che possa muoversi liberamente e portare a termine dei compiti utili in un ambiente che non sia stato strutturato o costruito specificatamente per esso. Quest’idea ruota intorno a due concetti base: essi sono l’ essere situato e l’essere incarnato. Definizione 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 “l’adesso” di un ambiente che influenza direttamente il comportamento del sistema. Definizione 2.5.2 Un robot ` e un essere incarnato quando possiede un corpo e fa espe-

rienza diretta del mondo; le sue azioni sono parte di un’interazione 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 è 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 è collegato. A ben vedere, per` o, le sue interazioni con il mondo avvengono solamente attraverso l’invio e la ricezione di messaggi. Al contrario, l’odierna generazione di robots industriali che utilizzano spray per dipingere oggetti (ad esempio le auto) possono essere considerati incarnati ma non situati: essi, infatti, sono fisicamente estesi e i loro circuiti sono in grado di correggere le interazioni dei robots con la gravità 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 l’oggetto. Com’` e evidente la differenza con l’approccio tradizionale che aveva prodotto Shakey è 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 l’ambiente esterno e che devono essere dotate di sensori reali che percepiscano gli stimoli in tempo reale. Non vi è nessun sistema di controllo esterno al robot mobile stesso e l’architettura sulla base della quale sono costruiti i robots è radicalmente differente da quella di tipo “classico”: mentre nel caso di Shakey l’architettura era di tipo funzionale (Figura 2.8), ossia, avveniva un passaggio graduale dalle sensazioni all’azione, 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, pianificare, muoversi, ecc.), ma da moduli che mai prescindono dal fatto che un organismo è un sistema complesso che quando compie una qualunque azione mette in moto non soltanto una funzione, ma tutto il suo potenziale cognitivo.

Sensori

⇓ | creazione | | esecuzione | percez ione | del del | pianificazione | | | modello | | | lavoro | | | | | |

controllo motorio

⇓ Attuatori

Figura 2.8: Decomposizione dell’azione in moduli funzionali. Nello specifico, i teorici della nuova Robotica hanno costruito dei robots capaci di muoversi all’interno di un ufficio evitando gli ostacoli che possono interporsi sul loro Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



Sensori

 ragioni circa il comportamento degli oggetti   mutamenti del piano rispetto al mondo    identif ica oggetti   controlla i mutamenti costruisci mappe   esplora   vaga   evita gli oggetti

127

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 d’acqua 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 attività. Le attivit` a che le macchine realizzate da Brooks riescono a compiere, sono ad esempio, verificare la presenza di un ostacolo, evitare un ostacolo, esplorare ecc., ed ognuna di queste attivit` a è 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 p oich´ e ogni volta l’informazione viene recuperata direttamente dal mondo. In tal modo è possibile asserire che lo stato del mondo determina l’azione dei robots72 . Nella Robotica Situata non ci sono dunque rappresentazioni esplicite, ricostruite nelle diverse fasi dell’elaborazione percettiva; non c’è output percettivo, non ci sono né percetti n´ e concetti: ci sono flussi di informazione e null’altro. L’essenza della percezione è nei trasduttori sensoriali; per esempio, l’essenza dell’udito è nell’orecchio non nel cervello. Il problema reale è recuperare le informazioni nell’ambiente che è poi sufficiente trasferire ai processi pertinenti senza memorizzarle né manipolarle. Ogni robot è, pertanto, solamente una collezione di comportamenti in competizione: agli occhi dell’osservatore, 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 né elaborano in modi dispendiosi l’informazione se possono usare le strutture dell’ambiente 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 computabilità degli stati mentali, si pone comunque in continuit` a con le scienze cognitive ` interessante notare che in questi automi la computazione relativa a ciascuna attivit` E a è descrivibile tramite un automa a stati finiti, dunque, in tal senso queste macchine sono dei veri e propri processori tradizionali. 72


128



classiche73 . Legare a filo doppio percezione e azione vuol dire, innanzitutto, liberare la percezione stessa dal fardello di dovere essere una sorta di “macchina rappresentatrice”: non è necessario, infatti, postulare alcuna rappresentazione mentale74 affinché un organismo si orienti con la dovuta accortezza in un ambiente dinamico. Si è 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 l’altro, che, vista la decentralizzazione proposta dal nuovo approccio robotico, è 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 dell’organismo, diviene pressoch´ e impossibile mantenere in vita il concetto di rappresentazione. Un organismo (naturale o artificiale) 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 è l’osservatore che postula l’esistenza di tali rappresentazioni: di per s´ e gli organismi sono esclusivamente una collezione di comportamenti competitivi; dal caos delle loro interazioni emerge agli occhi dell’osservatore un modello comportamentale coerente e adatto alla situazione che l’organismo “qui” ed “ora” deve fronteggiare. Percepire, dunque, non vuol dire ricostruire all’interno qualcosa che si trova all’esterno, 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 paragrafi sono stati presentati i risultati raggiunti dalla nuova Robotica. Come dovrebbe essere ormai chiaro, tali ricerche possono essere inserite all’interno del percorso che abbiamo tracciato a partire dalle origini dell’Intelligenza Artificiale: 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, è la ricerca di procedure e tecniche che rendano possibile la simulazione del comportamento umano, e non la ricreazione completa dell’uomo. Dall’IA alla Robotica si tenta di riprodurre fenomeni dell’attività intelligente, e non esseri intelligenti. Questo si manifesta nel riconoscimento dei profondi limiti che queste ricerche hanno sempre incontrato, particolarmente nell’identificazione 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 differenziano per le scelte teoriche caratterizzanti e di conseguenza per il tipo di insufficienze riscontrabili nelle 73

Una distinzione interessante presente all’interno del paradigma della robotica situata è quella tra coloro che continuano a mantenere netta la distinzione tra mente, corpo ed ambiente e coloro che invece sostengono l’impossibilità 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 configuravano immagini riproducenti essenzialmente ci` o che ci si trova di fronte in un determinato momento. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



129

rispettive applicazioni. Cos`ı la nuova Robotica, rifiutando in toto l’approccio 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 l’attivit` a intelligente in termini di computo (per esempio come rielaborazione di immagini), sfugge ai limiti teorici in esso insiti. D’altra parte, come ammesso dallo stesso Brooks, accetta il sostanziale paradosso di doversi fermare ad un determinato stadio di complessit` a intellettiva, riconoscibile nell’esecuzione coerente di compiti complessi: le creature sono “intelligenti” quanto lo sono gli insetti. Il problema pi` u evidente per la nuova Robotica è cos`ı l’assenza 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 specifica dell’uomo, ossia il linguaggio. In conclusione, possiamo affermare che la panoramica di studi sin qui offerta, concede la possibilit` a di affrontare, con un maggior numero di strumenti teorici e con un minor numero di “pregiudizi”, un’analisi delle caratteristiche che sin qui sono apparse via via indispensabili all’identificazione del comportamento intelligente. Consideriamo cos`ı i vari approcci come capaci di proporre elementi essenziali di quella totalità 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 dell’uomo; annienta le nozioni fondamentali di virt` u e giustizia; sostiene massime totalmente opposte alla morale evangelica; sostituisce alla sana dottrina dei costumi l’interesse, le passioni, il piacere; mira a turbare la pace degli stati, a rivoltare i sudditi contro l’autorit` 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 l’esprit”

3.1

L’idea dell’uomo come sistema

La cultura occidentale ha sempre cercato di confinare l’uomo 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 l’uomo ad una sorta di essere meccanizzato. Questi timori, se da un lato erano, e rimangono tutt’ora, giustificati non dovrebbero avere a che fare con il metodo della Cibernetica in se stesso, ma, pi` u che altro, con l’utilizzo ideologico e strumentale che era (ed è) possibile far1

I vari tentativi di considerare l’uomo (Lamettrie) o gli animali (Descartes) come macchine, compiuti soprattutto tra Seicento e Settecento, vanno analizzati come modi di porre questi enti all’interno del dominio materiale, sottraendoli cos`ı alla metafisica spiritualista che alcuni pensatori cercavano di combattere in quegli anni. Per altro, a ben vedere, questo considerare l’uomo come una macchina non era, per questi pensatori, un’analogia ma una metafora.

131

132



ne2 . Tuttavia, la rinascita della Cibernetica è legata a filo doppio con una concezione dell’uomo e dell’ambiente 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 l’uomo 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 dell’essere umano e questo non pi` u, o non solo, al fine di sostituire l’uomo 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 è 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 verificare alcune ipotesi sull’architettura della nostra mente e sul funzionamento di alcune attivit` a umane, in particolare, quella del linguaggio. Negli ultimi quindici anni è avvenuta una rivalutazione del paradigma cibernetico che è coincisa con la nascita di una corrente di p ensiero (anch’essa tutt’altro che nuova) che considera l’uomo come sistema3 e che sfrutta delle nozioni che hanno forti influssi 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 è certo è che sia la Cibernetica, sia la nostra concezione dell’uomo, e delle sue relazioni con l’ambiente, 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, l’incontro tra la cibernetica e l’uomo su questa nuova via, abbiamo la necessit` a di dare qualche preliminare definizione 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 definite 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 scientifica europea e americana era quello di orientamento comportamentista, ossia, tutte le teorie scientifiche del periodo si basavano sull’interpretazione del comportamento umano inteso come schema stimolo-risposta 4 . Possiamo fornire una definizione 2

Di fatto, si tratta qui di un timore molto particolare: il vero problema è, infatti, quello di tenere separato l’ambito umano, che è considerato il regno della libert` a, dal regno delle macchine che è invece considerato il regno del determinismo puro. Tuttavia, come apparir` a chiaro pi` u avanti, questa distinzione non è affatto scontata: l’uomo non è del tutto escluso dal dominio del determinismo e, per certi versi, alcune macchine, hanno margini di libertà. 3 Gi` a nel 1937 von Bartalanaffy aveva posto l’attenzione sulla necessità di considerare l’uomo come sistema. Ovviamente il suo linguaggio era molto differente dal nostro: utilizzava termini pi` u “metafisici” che gli alienarono le simpatie del mondo scientifico, che anche quando comprese l’importanza 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`ı a causa del “logoramento” che il termine ha acquisito durante gli anni: di fatto “ambientalismo”, adesso, significa tutt’altro. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


133

di tale approccio teorico come segue: Definizione 3.1.1 Dottrina della reattivit` a primaria dell’organismo psico-fisiologico: i a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

comportamenti di un essere vivente sono modellati da influssi che provengono dall’esterno, e che diciamo eterodiretti. Le conseguenze di questo genere di approccio sono abbastanza evidenti. Innanzitutto, ci troviamo di fronte ad una sorta di principio dell’equilibrio del comportamento : lo stato naturale dell’organismo è la quiete. Ogni stimolo è un’alterazione dell’equilibrio; la reazione comportamentista è il ristabilimento dell’equilibrio perduto, è 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 dell’uomo. In questa prospettiva, però, potremmo dire che tutti i comportamenti peculiari dell’uomo vengono considerati come una sorta di sovrastruttura di livelli biologici considerati pi` u elementari e, per ciò 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 creatività di ogni sorta e, cosa forse pi` u importante, la cultura non rientra tra le possibilità accettate dallo schema proposto: essa non ha n´ e 5 valore riequilibrante né valore adattativo . Come se non bastasse questo a rendere inaccettabile il comportamentismo, uno dei suoi principi fondamentali, ossia, il principio di equilibrio è confutato dal fatto che “il completo rilassamento delle tensioni (privazione sensoriale o noia) non porta al Nirvana, bens`ı a stati psicotici e nevrosi esistenziali”6 . 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 definiti solamente all’interno di “ambienti” sperimentali molto semplificati e che tali categorie inserite in un contesto più ampio divenivano o inutili o, addirittura, errate: se qualsiasi sollecitazione all’organismo è 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 fisse, allora il comportamentismo è in grado di spiegare veramente poca cosa all’interno del comportamento umano e/o animale. D’altro 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 ciò 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 nell’uomo), a rigore, potrebbe anche affermarsi che il condizionamento avviene in via inversa rispetto a ci` o che i comportamentisti affermano, 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: è banale infatti che essa sia indispensabile all’essere umano al fine di collocare e stabilizzare la posizione di quest’ultimo all’interno del contesto sociale. 6 von Bertalanffy[1967]. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

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 fino a qualche tempo addietro sarebbe sembrato una soluzione ad un altro problema. Dopo avere per secoli lottato contro l’errore antropomorfico, con il comportamentismo ci ritroviamo a dover lottare con il problema opposto: lo zoomorfismo. L’errore zoomorfico consiste, in una formula, nell’eliminare qualsiasi differenza tra l’uomo e l’animale. Parrebbe naturale attribuire la responsabilità della nascita dello zoomorfismo a discipline come l’etologia o alla teoria dell’evoluzione. 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 differenze. Insospettabilmente, invece, questo vizioso modo di intendere l’uomo, deve i suoi natali alla psicologia, per lo pi` u di scuola americana, che ha progressivamente, per cos`ı dire, deumanizzato e “rattizzato” l’uomo7 . 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 l’uomo rispetto alle altre specie, e in particolare, ci` o che pu` o permetterci di costruire una macchina che abbia caratteristiche, per cos`ı dire, il pi` u possibile vicine a quelle dell’uomo. Potrebbe sembrare utile iniziare la ricerca dei caratteri “propri” dell’uomo a partire dalle caratteristiche biologiche dell’uomo 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 definizione come animale nidicolo secondario8 , non è cercando solamente tra queste specificit` a morfobiologiche che troveremo ciò che fa dell’uomo l’uomo. Infatti, ci sono molti fattori che concorrono alla nascita dell’uomo in quanto tale, ma tutti sembrano subordinati all’evoluzione del simbolismo, alla capacit` a di produrre simboli: la realt` a che circonda l’uomo è “materializzazione” di simboli: questo distingue la sua Umwelt da quella degli altri animali. L’uomo è sicuramente animale razionale, ma è anche, e soprattutto, animale simbolico9 ; di fatto, la simbolizzazione dell’universo è la caratteristica che rende l’uomo un particolare agente cognitivo10 . 7

Per altro de-rattizzando il ratto. Si definisce animale nidicolo secondario un animale che, pur nascendo con un alta cerebralizzazione e dopo una lunga gestazione (caratteristiche dell’animale nidifugo), è comportamentalmente indifeso e quindi per lungo tempo soggetto alle cure materne. L’uomo è, di fatto, l’unico caso di animale di questo genere. 9 Per ci` o che pertiene la nozione di animale simbolico, sia pure inteso in maniera alquanto differente, è utile consultare Cassirer [1923-1929]. 10 Bisogna qui porre l’accento sul fatto che, vista la preminenza che la facoltà simbolica sembra assumere all’interno dell’animale umano, sia proprio tale facoltà a rendere razionale l’uomo: in questo senso l’uomo è animale razionale, almeno cos`ı come lo conosciamo noi, proprio in virt` u del fatto che esso è animale simbolico. Del resto, anche le caratteristiche morfo-biologiche sono state modificate a partire dall’acquisizione del simbolismo: “per far posto” a questa attivit` a, infatti, l’uomo si ` e riconfigurato sia per quel che riguarda il sistema nervoso— e il cervello in particolare— sia, se ci concentriamo sul linguaggio verbale, dal punto di vista dell’apparato ` forse superfluo ricordare respiratorio che ha effettivamente “accolto” l’apparato fonatorio. E qui che anche elementi apparentemente “lontani” dalla capacità linguistica, come la posizione eretta e la conseguente “liberazione delle mani”, hanno avuto un ruolo fondamentale nell’acquisizione dell’attivit` 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




135

Cerchiamo adesso di capire se, per caso, non sia possibile “ridurre” il simbolismo proprio dell’uomo, a delle caratteristiche biologiche che fungano da sua struttura primaria fondamentale e, al contempo, cerchiamo di scoprire come funziona tale simbolismo. Innanzitutto, è possibile fare un’osservazione: se consideriamo il comportamento simbolico, ci rendiamo facilmente conto che esso non ha necessariamente valore adattativo11 , infatti, esso spesso eccede il concetto di utilità biologica. Le attivit` a simboliche e culturali, anzi, spesso confliggono con le capacit` a biologiche adattative; nei casi come il suicidio, le guerre, ecc. i valori biologici sono sacrificati a quelli simbolici. Proprio su questo sfondo apparentemente oppositivo tra natura (biologia) e cultura (simboli) è possibile rintracciare la differenza tra il linguaggio umano, che costruisce l’universo simbolico, e l’universo non simbolico degli animali non umani. La differenza tra simbolico e naturale d` a la cifra della differenza tra uomo e animale. Tuttavia, trattare come non naturale l’attivit` a simbolica umana sarebbe scorretto: in questo senso la cultura fa parte dell’apparato naturale dell’uomo, che proprio per questo è molto diverso dagli altri animali. L’uomo, 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 l’apparato simbolico (culturale) prodotto dall’uomo, ma di questo ci occuperemo pi` u diffusamente in seguito12 . Ovviamente, quando sosteniamo che il simbolismo non ha valore adattativo non intendiamo che esso non sia utile all’animale umano per vivere nel mondo; è un fatto innegabile che grazie all’attivit` a simbolica l’uomo sostituisce il principio “prove ed errori” con il ragionamento, velocizzando, cos`ı, gli eventi nella storia umana rispetto alla scala temporale geologica dell’evoluzione. I processi simbolici sostituiscono le azioni sperimentali: prova ed errore non si trovano pi` u nell’azione ma nell’attività simbolica13 . Quello che cerchiamo di mostrare è che se, effettivamente 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 dall’aspettativa del futuro o la paura della morte che sono, invece, del tutto sconosciuti agli animali 14 . Ancora, se non accettiamo la non adattativit` a dei sistemi simbolici non possiamo spiegarci come 11

Caratteristica, invece, fondamentale delle strutture morfo-biologiche “primarie”. In 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 affermare che azione e pensiero sono due attività di tipologia differente 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 è, invece, che essi non hanno aspettativa di morte: quando sono fuori dal pericolo effettivo di morte, nel qui e nell’ora, 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 soffermarsi a considerare la morte intesa come momento che effettivamente verrà e prefigurarsi tale momento o il post mortem ; inoltre, possono anche cadere in particolari stati, definiti dagli psicologi ansiogeni, che innescano meccanismi psico-fisici che costruiscono una sensazione di morte imminente. Sarebbe interessante analizzare le modalit` a in cui questo fenomeno avviene: un uomo ` e capace di prefigurarsi una sensazione di morte imminente senza averla mai provata ed è 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`ı ` e definita dagli specialisti questo particolare stato ansiogeno —sarebbe, secondo noi, esclusiva dell’uomo, proprio a causa del suo essere animale simbolico. 12


136



questi ultimi possano divenire pi` u potenti dell’uomo che li crea. Questo può accadere solo a causa di leggi loro immanenti che non si possono in alcun modo ridurre agli aspetti morfo-biologici dell’uomo: le entit` a simboliche (stato, nazione, societ` a) possono dominare l’uomo e il suo comportamento in misura maggiore della realt` a biologica o degli impulsi dell’organismo. Proprio per questo possiamo assistere sia alle creazione delle opere d’arte sia a follie umane, come le guerre. Abbiamo appena accennato ad una sorta di leggi immanenti che sembrano governare l’universo simbolico e che non sarebbero riducibili in nessun modo all’universo propriamente biologico. In altre parole, gli universi simbolici possiedono un’autonomia logica interna di sviluppo e seguono tutti le loro rispettive leggi immanenti che non sono leggi psicologiche, ma che influiscono 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 l’universo 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 dell’universo proposta appena sopra, è possibile pensare che il sistema vivente sorga a partire da propriet` a algoritmiche dovute alle leggi dell’universo 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 o diventare un calcolatore capace di “computare” tali simboli e, su sistema uomo pu` questo computo, capace di fornire un orizzonte di senso. A partire da tale orizzonte, è possibile considerare su un altro piano dei significati imprevedibili in relazione alla limitatezza di tali capacit` a algoritmiche. Dovrebbero essere evidenti, già adesso, le conseguenze “cibernetiche” di questo modo simbolico di intendere l’uomo. Tuttavia, possiamo andare ancora pi` u in fondo con questa analogia: bisogner` a solamente portare alla luce qualche altro dato circa il funzionamento dell’uomo 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 rifiorire sotto nuovi auspici. Iniziando a considerare cosa ha reso particolare l’uomo da quando è 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 è stata la nascita dei concetti di “Io” e “mondo”. Soltanto attraverso la simbolizzazione, infatti, è possibile dare forma al mondo come lo conosciamo e, allo stesso modo, ci è possibile ` evidente, a questo punto, come l’orizzonte 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 dell’osservatore e, quindi, del mondo organizzato, ma anche dell’io inteso come autocoscienza. Quando nacque, la simbolizzazione è probabile che non distinguesse tra simbolo, mondo esterno e Sé: questi tre elementi, apparivano al “soggetto simbolizzatore” non differenziati; infatti, solo grazie ad una capacità simbolica superiore, che sar` a propria del dominatore dei simboli, dell’Homo sapiens sapiens , si potranno separare questi tre elementi rendendo finalmente 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 Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



137

indifferenziato di un universo a-linguistico proprio di un animale non ancora del tutto umano. Il simbolismo, di fatto, sembra essere la caratteristica fondamentale dell’uomo: 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 può essere ridotto all’aggressivit` a dell’animale umano, ma deve essere messo in relazione con un apparato simbolico (ideologie, economia ecc.) complesso. Infatti, se fosse possibile ridurre un livello all’altro, 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 complessità, dettata dal simbolismo, che si configura, ovviamente, come qualcosa in pi` u del linguaggio/comunicazione, è 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 è impossibile che un animale a-linguistico possa compierle. Solo a partire dal livello superiore di simbolizzazione possiamo riconsiderare la funzione algoritmica tipica dell’animale umano cui abbiamo accennato sopra. La magia verbale, che rese l’uomo 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 quest’ottica può 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 modificare la nostra visione del mondo trasferendo l’uomo dalla sua particolare nicchia al centro dell’universo, alle infinit` 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, filosofia naturale . La scienza è, e deve essere, dunque, anche una presa di posizione sullo statuto del mondo. Ogni scienza è 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 è seguita dall’effetto tra due o pi` u variabili; oggi, cerchiamo di rendere conto di complessit` a organizzate. Per fare un esempio, possiamo dire che l’oggetto peculiare della biologia è lo studio dell’ordine e dell’organizzazione 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 ciò 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 dell’informazione, dalle teorie dei giochi e delle decisioni, dalla programmaGiuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

138



zione lineare. Appare evidente, vista l’eterogeneit` l’eterogeneità 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 dell’informazione, che funge, in parte, da preambolo per la nostra discussione, e della Cibernetica; Cib ernetica; adesso cercheremo cercheremo di mettere a fuoco, spesso semplificando per p er ciò che concerne i dettagli tecnici, la teoria generale dei sistemi. Ovviamente, tale trattazione, avverr` a nell’ambito 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, viventi, insomma, dovrà 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 differenza tra un uomo vivo e un cadavere cadavere non n on hanno senso finch´ e rimaniamo incastrati negli n egli orizzonti meccanicistici della fisica 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 dall’assunto che sia necessario pensare l’interezza dell’organismo 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 feedback ck ) e di informazioconcetti fondamentali della cibernetica, quelli di retroazione ( feedba ` ne . E bene fare adesso, per i nostri scopi, un piccolo riassunto degli elementi minimi che compongono un sistema cibernetico ed una semplificazione 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 dall’esterno; ossia, il messaggio che è condotto condott o ad un centro che, in qualche modo, reagisce al messaggio e, di regola, amplifica i segnali ricevuti; il centro, a sua volta trasmette il messaggio ad un effettore che, infine, reagisce allo stimolo con una risposta detta uscita (output ). feedback ck L’informazione di uscita viene comunque riportata, tramite un circuito chiuso ( feedba loop ), al recettore che determina la risposta preliminare e guida l’azione successiva del sistema in modo da conseguire il risultato desiderato (target value ). ). Cos`ı il sistem sis tema a è auto-regolato. Il funzionamento di tale sistema cibernetico dipende, oltre che dalla sua “corrett “correttezza ezza” ” interna, interna, ovviamen ovviamente, te, anche anche dai messaggi messaggi ricevuti ricevuti dall’este dall’esterno rno e facenti facenti spola tra recettore, centro ed effettore, cioè dalla trasmissione di qualcosa, solitamente minuscole quantit` a di energia, che ha un significato per il sistema. Tale informazione, risulta essere una nuova quantit` a fisica da paragonare alle misure fisiche convenzionali “energia e massa”. Essa è misurabile in bits (unit` a di decisione binaria) e l’equazione che definisce l’informazione ha la struttura di entropia negativa. Notiamo immediatamente mente che il modello modello cibernetic cibernetico o sopra descritto descritto è applicabil applicabilee a una vasta vasta gamma gamma di fenomeni di regolazione biologica che sono stati sussunti sotto il termine di omeostasi , ossia, preservazione di importanti parametri fisiologici a livello costante come, ad esempio, temperatura corporea, preservazione dello zucchero nel sangue, posizione del corpo, movimenti movimenti diretti ad una meta ecc. Il modello cibernetico, com’` e evidente quando quand o prendiamo in considerazione aspetti cos` cos`ı diversi dell’animale uomo (per esempio temperatura corporea e postura) ha natura interdisciplinare, ossia, la sua struttura formale è 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 Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

139



tico permane ancora all’interno 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. L’unica vera novit` a del modello cibernetico consiste nel passaggio da una concezione causale lineare, del tipo A implica B, A→B

ad una concezione che, per mezzo del circuito di retroazione, introduce una causalit` a circolare, promovendo l’auto-regolazione, la direzione verso una meta, l’omeostasi del sistema ecc.

Inoltre, i sistemi cibernetici risultano essere chiusi rispetto allo scambio di materia con l’ambiente ed aperti solo all’informazione. Per tale motivo, il modello cibernetico non d` a conto di una caratteristica essenziale dei sistemi viventi, le cui componenti sono contin continuame uamente nte distrutte distrutte nei processi processi catabolici catabolici e sostituite sostituite in quelli quelli anabolici anabolici15 , con corollari come accrescimento, sviluppo e differenziazione. Per lo stesso motivo un sistema cibernetico non pu` o essere capace di auto-organizzazione, capace, cio` e, e, di evolvere evolvere verso stati di crescente differenziazione. Di fatto, i sistemi cibernetici muniti di organi di memoria possono p ossono apprendere, cioè mutare ed accrescere accrescere la loro organizzazione grazie all’entrata di informazione, ma non possono passare attraverso processi di differenziazione 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 l’informazione solo parzialmente convertita in rumore, ma non viceversa. I sistemi stemi entropic entropicii presuppongono presuppongono un sistema sistema aperto, aperto, cio` cioè, e, un sistema sistema in cui abbia luogo un effettivo trasferimento di energia e/o materia.

3.1. 3.1.1 1

Il sist sistem ema a viven vivente te come come siste sistema ma apert aperto o

A partire partire da questo questo breve breve riassunto riassunto è possibile possibile notare notare come, come, di fatto, fatto, la Cibernetic Cibernetica a presenti presenti numerosi numerosi limiti limiti se applicata applicata ai sistemi sistemi vive viventi nti:: essa non è capace capace di rendere 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. D’altronde, la 15

Si dice processo anabolico anabolico quella fase del metabolismo metabolismo caratterizzat caratterizzata a dalla sintesi sintesi di sostanze complesse che entrano a far parte attivamente dell’organismo 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 dall’organismo e all’eliminazione dei prodotti di rifiuto ricavati da tale scissione. In tal senso, quindi, potremmo senza dubbio definire la digestione un macro-processo che è catabolico in una prima fase e anabolico in una seconda: s econda: tuttavia, è bene precisare che nell’uomo i due processi non sono scindibili; entrambi fanno costitutivamente parte del metabolismo. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

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 l’implementazione di calcolatori. La Cibernetica adesso, invece, rende evidenti l’utilit` a di alcune sue nozioni proprie in altri ambiti tra cui la Robotica e la Filosofia della mente o ancora l’epistemologia e la teoria dell’autopoiesi, o meglio, grazie grazie alle applicazio applicazioni ni robotiche, robotiche, è stato possibile possibile recuperare recuperare i concetti concetti cibernetici cibernetici e utilizzarli sotto una nuova luce. A partire da ci` o, o, il sistema cibernetico cib ernetico si è di molto avvicinato ai sistemi viventi, ed umani in particolare: l’informazione è diventata diventata significato, l’input “presa diretta” sul mondo e l’output 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 errata,, qualor qualora a non menzi menziona onassi ssimo mo tra i fattor fattorii che che hanno hanno causat causato o la nascit nascita a della 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 richiam richiamato, ato, come zoccolo zoccolo storico, storico, la Cibernetic Cibernetica, a, dall’altro dall’altro,, essa è resuscitat resuscitata a come parte integrante di questi sistemi. La nuova cibernetica, infatti, grazie alle nuove concezio concezioni ni epistemol epistemologic ogiche, he, ha fagocitato fagocitato i sistemi sistemi generali generali rendendosi rendendosi l’esempio l’esempio pi` u funzionale di questi ultimi. Vista l’impossibilit` a di rintracciare 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 solitamente ai sistemi generali16 . Ma cosa è e come funziona una teoria teoria generale generale dei sistemi? E, soprattutto, come è possibile p ossibile utilizzarla sui sistemi viventi? viventi? La risposta alla prima domanda pu` o essere fornita riassumendone e semplificandone le nozioni di base. La teoria generale dei sistemi è una teoria concernente le propriet` a generali e le leggi leggi dei sistemi. sistemi. Inoltre, Inoltre, abbiamo abbiamo gi` a definito definito un sistema sistema come un compless complesso o di componenti ponenti in interaz interazione; ione; la teoria teoria dei sistemi sistemi cerca, cerca, dunque, dunque, di sviluppare sviluppare princ` princ`ıpi 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: nell’analisi di sistema di un impresa commerciale, ad esempio, entrano in gioco componenti come edifici, macchine, personale, denaro e buona volont` a dei clienti. Non dobbiamo, inoltre dimenticare che tra le caratteristiche dei sistemi bisogna citare almeno l’interazione multivariabile, la persistenza degli interi (Wholes ) nella controazione delle parti componenti, l’organizzazione a pi` u livelli in sistemi di ordine crescente, la differenziazione, la centralizzazione, la progressiva meccanizzazione, la causalit` a che dirige e innesca, la regolazione, l’evoluzione 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, tutt’altro: il fatto che le caratteristiche ristiche che abbiamo appena ricordato ricordato non rientrass rientrassero ero nel paradigma classico classico della della fisica, fisica, ha spesso portat p ortato o a considerar considerarle le di natura metafisic metafisica a o di provenienza provenienza vitalistica vitalistica,, 16

Un altro dato curioso curioso ` e che dal punto punto di vista tecnico, tecnico, come abbiamo abbiamo precedent precedentemen emente te notato, notato, la Cibernetica Cibernetica con il suo modello retroattivo retroattivo,, pu` o essere considerata considerata come un caso particolare, ridotto, della teoria generale dei sistemi. Eppure, come detto, la Cibernetica sembra sopravanzare tale teoria. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



141

o addirittura a negarne l’esistenza e ad esecrarne la pratica nei contesti bio-sociali. Tale prevenzione è sintomo evidente di una metafisica meccanicistica meccanicistica profondamente 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, a, che sembra fare da contrappeso al progresso della fisica, in cui la semplificazione newtoniana di causalit` causalit` a a senso unico e di problemi problemi a due variabili variabili è coronata coronata da grande grande successo successo.. Le prevenzioni paradigmatiche della fisica non sono, tuttavia, una novit` a, proprio per questo questo il biologo biologo Ernst Mayr [1997] [1997] ha proposto, proposto, per distinguer distingueree la scienti scientificit` ficit` a della della biologia dalle scienze come fisica e chimica, la definizione 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 fisico-chimico. In biologia, biologia, da quando il modello modello di Mayr Mayr è stato stato accettat accettato, o, sono presenti 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 è considerat considerata a una scienza scienza nel vero vero senso della parola: essa risponde a tutti i criteri criteri di scientificità 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 scientifica ed, in particolare, dobbiamo definirla come una scienza dell’interezza o di entit` a olistiche che finora, a causa della prevenzione meccanicistica, sono state escluse come non scientifiche, vitalistiche o metafisiche. Il sistema generale, pertanto, perta nto, è un modello modell o interdiscipli inter disciplinare nare che è capace capa ce di elabora el aborazione zione scientifica e deve, quindi, essere applicato a fenomeni concreti. Questo è il suo aspetto propriamente scientifico. Inoltre trattandosi di una teoria generale anch’essa ha aspetti metascientifici o di filosofia naturale: influenza cio` e la nostra visione del mondo ed appare, secondo noi, pi` u ampia e realistica della precedente filosofia meccanicistica. La teoria generale dei 17

I criteri di scientificit` a che Mayr [1997], pp. 24-25, considera decisivi per ritenere la Biologia una scienza a tutti gli effetti sono derivati da Moore [1993]: (1) una scienza scienza si deve deve fondar fondaree su dati dati raccol raccolti ti in laborat laboratori orio o att attra rave verso rso l’osserv l’osservazi azione one e l’esperimento l’esperimento,, senza far riferimento riferimento a fatti soprannaturali; soprannaturali; (2) i dati dati devono devono essere essere raccol raccolti ti in risposta risposta alle domand domande, e, mentre mentre le osserv osservazi azioni oni vanno anno condotte per rafforzare o per confutare le congetture; (3) i metodi oggettivi oggettivi vanno utilizzati utilizzati per ridurre al minimo la possibilit` possibilit` a di errore; (4) le ipotesi devono essere coerenti coerenti con le osservazio osservazioni ni e compatibili compatibili con la teoria generale; (5) tutte tutte le ipotesi devono devono essere verificate verificate e, quando possibile, le ipotesi rivali vanno vanno seguite seguite sino a giungere a confrontare i loro diversi gradi di validit` a; a; (6) all’interno all’interno del paradigma di una particolare particolare scienza, scienza, le generalizza generalizzazioni zioni devono avere avere validità universale e gli eventi straordinari devono risultare spiegabili senza fare ricorso a fatti soprannaturali; (7) per eliminare eliminare la possibilit` possibilit` a di errore, un fatto o una scoperta devono essere accettati se e solo se ripetutamente confermati da altri ricercatori; (8) la scienza scienza si caratt caratteri erizza zza per il costa costant ntee miglior migliorame ament nto o delle delle teorie, teorie, attra attrave verso rso la sostituz stituzion ionee delle delle teorie teorie errone erroneee e la soluzio soluzione ne di proble problemi mi appars apparsii in un primo primo tempo tempo sconcertanti. Ovviamente, tali criteri cercano di dare una veste oggettiva alla scienza, consentendo tuttavia il convivere all’interno delle singole discipline la crescita di opzioni contrastanti. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

142


sistemi in quanto teoria dell’intero applicabile a fenomeni concreti possiede, insomma, costitutivamente aspetti meta-scientifici e implica di necessità una nuova visione del mondo “in opposizione” a quella meccanicistica derivante dal paradigma della fisica classica. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

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 realtà 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 dall’applicazione ad entit` a empiriche. Inoltre essa richiede la scoperta delle loro leggi, in modo da permettere che fenomeni sin ora al di là della comprensione scientifica possano aprirsi all’investigazione rigorosa. Tornando alle caratteristiche dei sistemi generali, che abbiamo sopra elencato, dobbiamo notare che esse ricorrono in differenti settori e a differenti livelli: ad esempio, nell’organismo 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 differenti come sistemi chimici, popolazioni animali ed umane o processi economici. Questa isomorfia, ovviamente, va applicata con estrema cautela, distinguendo nettamente tra omologia logica, o isomorfia 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: l’omologia, infatti, implica una complessit` a di rapporti differenti su una struttura logica invariante; l’analogia, invece, implica soltanto la riduzione delle caratteristiche di un sistema ad un altro che ci impedisce, di fatto, la messa a fuoco delle differenti strutture dei sistemi, che sono poi la ricchezza e il motivo di esistenza dei sistemi stessi. C’è bisogno, insomma, di mettere in relazione i sistemi evitando delle inopportune semplificazioni. L’applicazione agli organismi viventi della teoria generale dei sistemi passa attraverso la considerazione che le strutture organiche sono in sé, espressione di un processo ordinato e si conservano solo in virt` u e per mezzo di questo processo. Pertanto, l’ordine primario dei processi organici va cercato nei processi stessi non in strutture prestabilite. In tal senso, è 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 è possibile porre l’accento sul fatto che mentre i sistemi chiusi spesso ricadono sotto il dominio della fisica classica, i sistemi aperti, ed in particolare i viventi, si distinguono con un certo vigore dai sistemi chiusi: infatti, vi sono parecchie nozioni che differenziano i sistemi della fisica classica da quelli propri del sistema vivente, e le principali, per mostrare un esempio di facile comprensione, pertengono certamente l’entropia, l’entropia negativa e il trasporto di quest’ultima. Cos`ı formulata, a un livello dunque molto generale, la differenza 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 artificiali e quelli “naturali” o viventi: per un verso, il funzionamento differente tra sistemi viventi e sistemi non viventi sembra essere prodotto di una diversa configurazione interna; d’altro 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 semplificazioni o, per cos`ı Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



143

dire, parzializzazioni dei viventi. Parlando di organismo, o di sistema vivente, non possiamo che porre la nostra attenzione sull’attivit` a: essa sembra essere una caratteristica fondamentale e inalienabile del vivente. Il concetto di attività spontanea è, naturalmente, familiare a chiunque osservi la natura vivente e si basi sull’antica 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 attività è una conseguenza del fatto che l’organismo è 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, neurofisiologica, etologica e psicologica indica che l’attivit` a spontanea è primaria e che lo schema S-R è un meccanismo riflesso ad essa sovrapposto: proprio quest’ultima affermazione è, di fatto, una confutazione della teoria S-R. Il fatto stesso che l’organismo sia un sistema aperto implica per l’appunto il fatto che possa produrre attivit` a spontanea, senza stimolo né 19 scopo . Appare chiaro che insieme con il riconoscimento dell’apporto fondamentale del simbolismo, il concetto di un organismo attivo che si oppone a quello di un organismo reattivo, è di primaria importanza nell’attuale riorientamento della psicologia. Il rilievo dato alle attivit` a esplorative e di gioco, al momento creativo dell’essere umano, agli aspetti non utilitaristici e che vanno oltre l’omeostasi, o ancora, l’adattamento, 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, è necessario abbandonare le visioni dell’uomo come un essere del tutto passivo nella ricezione dei dati provenienti da un qualche mondo esterno: il fatto che l’organismo 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 è stato denominato, con una certa irriverenza, da Kaplan [1966], il dogma della immacolata percezione . D’altro canto, la psicologia moderna ci ha mostrato chiaramente che le cose non stanno affatto cos`ı: l’organismo 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 all’azione di liberarsi, una sorta di occasione per l’azione, non uno stimolo. 19 Dobbiamo qui porre una differenza tra scopo e fine. Il primo non è necessario all’azione umana, di fatto ` e una espressione comune il dire di “aver fatto un qualcosa senza alcuno scopo”. Il secondo, invece, sembra essere connaturato all’agire stesso dell’uomo: partendo sempre dal linguaggio comune possiamo far notare, infatti che si suol dire che “un tale ha agito per ottenere un secondo fine”. Questo prevede l’esistenza di un fine primo, che è connaturato all’azione stessa: quando non riusciamo ad individuare un fine esplicito tendiamo a definire l’azione come “fine a se stessa”, ma mai senza un fine. Anche il gioco o la creativit` a hanno dei fini 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 è proprio dell’azione in se stessa. Il fine ` e la realizzazione naturale dell’azione, qualunque essa sia, lo scopo è un di pi` u, ` e il “secondo” fine che pu` o essere aggiunto dall’uomo in particolari condizioni. Sarebbe interessante verificare se effettivamente la produzione di scopi sia propria solamente dell’uomo: in tal caso lo scopo potrebbe essere una caratteristica dovuta alla simbolicit` a dell’essere umano e ricadere quindi all’interno di quello spazio culturale/naturale proprio dell’animale umano. Per mezzo di ciò, potremmo anche spiegarci come mai alcuni uomini sembrano sempre mossi oltre che da un fine anche da uno scopo. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

144



lo circonda, e la confusione brulicante e germogliante di dati sensoriali è plasmata dalle categorie umane. L’Umwelt specie-specifico20 diviene ci` o che d` a forma al mondo. La percezione non è un processo passivo di rispecchiamento, una sorta di fotografia a colori, piuttosto, le informazioni vengono assunte mediante un atto creativo, organizzate in un universo. Per questo, è ovvio che vi siano delle discrepanze tra universi distanti nello spazio e/o nel tempo21 . Ci` o è ancor pi` u vero a livello concettuale, a livello, cioè, della ricostruzione dell’universo dell’esperienza entro sistemi simbolici. Anche qui i concetti non rispecchiano, in un linguaggio simbolico, il mondo esterno. Ogni mondo/scienza è una struttura determinata da innumerevoli fattori di varia natura, l’unica condizione necessaria è che la struttura non sia troppo in conflitto con i dati della realt` a cos`ı com’è percepita da quelli che Maturana [1990] chiamerà osservatori standard . In tal modo, è stato possibile che l’interpretazione 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’è un insieme di possibilit` a, di modi, in cui un fatto può avvenire, o può essere spiegato, i cui vincoli stanno esclusivamente all’interno di confini di natura “strutturale”22 . Ancora, la produzione del mondo e degli oggetti esterni e di un Sé percipiente, senziente ecc. è un procedimento fluido che si costruisce pian piano e che è 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 l’idea che esistano diverse prospettive sul mondo, ossia, diversi modi di accoppiamento tra la storia culturale e biologica dell’uomo in quanto essere dotato di un certo corpo23 e di una certa modalit` a 20

Per Umwelt specie-specifico intendiamo l’universo costituito a partire dalle caratteristiche tipiche della specie che consideriamo. In tal senso, l’attività che sembra rendere diverso il mondo dell’uomo da quello degli altri animali è il linguaggio. Cfr. Lo Piparo [1999]. 21 In questo senso, appare chiaro che l’universo dell’aborigeno australiano è del tutto differente da quello dell’abitante di New York, cos`ı come, l’universo di un Copista del Trecento sar` a sicuramente differente dall’universo 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 gravità o, se è 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 è 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 scientifica e sperimentale. Tale distinzione non ha certo, all’interno 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 l’omogeneit` a opaca della nostra rappresentazione, revocando l’uniformit` a e l’ovviet` a dell’esperienza che abbiamo del corpo proprio ed altrui. Nella dialettica tra Leib e K¨ a si dispiega secondo orper il senso della corporeit` due registri interpretativi distinti rappresentati dal soggetto e dall’oggetto, ma, proprio perch´ e il corpo dell’uomo ` 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`ı la critica husserliana si rivolge alla scienza moderna, che avrebbe trasformato artificialmente il nesso dialettico di corpo vissuto e corpo oggettivo in una separazione dualistica: relegando il Leib nel campo dell’apparenza essa ha privilegiato in modo esclusivo ed unilaterale il corpo Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



145

di esistere. Importante è 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 dell’idea 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 fiume24 : Dostoevskij, ad esempio, ci ha reso familiare questo concetto, narrando, nei suoi romanzi, di quella della Neva, il fiume di San Pietroburgo. Il concetto di prospettiva, inteso come prospettiva “fluviale”, pone l’accento sul fatto che non possediamo, in effetti, un punto di vista sul mondo, cosa che ci renderebbe sempre separati ontologicamente dall’universo, ma, piuttosto, che siamo “la costa” antropizzata del fiume, ci` o che in parte lo forgia e lo contiene e, allo stesso tempo, ciò che prende forma a partire dal suo essere, ci` o che ne è forgiato: una prospettiva appunto. Non si tratta, qui, di giochi di parole, ma di una impostazione radicalmente differente: “il punto di vista” si concede al relativismo per mantenere la separazione tra soggetto e mondo, “la prospettiva” è, invece, un accoppiamento strutturale che permette la prolificazione scientifica senza rinunciare all’umanit` a del pensiero. Infine, è bene ricordare che, visto in tal modo, l’organismo non può essere riprodotto da un calcolatore inteso come un cervello ultra-potente, ma che è, piuttosto, una grande ragionevolezza della corporeit` a intesa come specificit` a strutturale dell’uomo. 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, è potuta risorgere rimodulando, soprattutto, i suoi orizzonti ingegneristici e, in una certa misura, ricollocando gli orizzonti teorici che erano frutto delle vecchie implementazioni. Non è un caso che esistano oggi sviluppi della scienza e della tecnologia che si avviano verso la creazione di macchine che sfruttano l’unitariet` a fondamentale di mente, corpo e mondo: i robot di nuova generazione sono di natura isomorfica, 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 può essere misurabile, analitico, funzionale al suo metodo di indagine. Lo sguardo fenomenologico pone l’accento, invece, sul valore di verità dell’esperienza del corpo abitato dall’io, indicandolo addirittura come periferia della coscienza. Nelle sue funzioni sensoriali rivolte all’esterno il Leib preannuncia la “struttura intenzionale” della coscienza; nella capacit` a episensoriale si annuncia l’autocoscienza, la riflessione; 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 modifica, 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 dell’incontro con l’estraneo, non solo coinvolge entrambe le funzioni della corporeit` a, ma consiste proprio nello scambiarsi reciproco ed ininterrotto di tali funzioni: l’io, che si sa soltanto come Leib, riceve, attraverso lo sguardo dell’altro, il proprio strato somatico materiale e reciprocamente impara a far coincidere l’Erscheinung del corpo fisico dell’estraneo con l’esperienza vissuta dei campi sensoriali e poi del complesso flusso di Erlebnisse che costituisce la coscienza. In questo modo sia l’io che l’altro sono costituiti inseparabilmente con le proprie somaticit` ae sviluppano nei confronti del corpo un rapporto di fondazione reciproca. Cfr. Pugliese [2004]. 24 Antropizzato quindi. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

146


messa in relazione con la Cibernetica non può prescindere da questo concetto, dedicare proprio alla definizione di autopoiesi e alla sua esplicitazione la sezione successiva. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

3.2

Autopoiesi, ovvero, sistemi che riflettono se stessi

Il paragrafo precedente ci ha consegnato l’idea 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 all’interno del mondo un sistema vivente, abbiamo la necessit` a di individuare almeno un’altra unit` a, oltre a quella che cerchiamo di mettere a fuoco, e l’osservatore che pone la distinzione. Definizione 3.2.1 Si dice dominio di interazioni lo spazio che l’unit` a individuata deve

“possedere” e in cui la stessa possa entrare. Si dice inoltre dominio di relazioni l’insieme di tutte le relazioni in cui si può osservare un’entità. Questi due domini, che pertengono rispettivamente alla descrizione orizzontale e alla descrizione verticale dell’unità25 , sono aspetti necessari per la sussistenza dell’unit` a stessa. In senso stretto, quindi, un sistema vivente è un’unit` a di interazioni che esistono 26 in un insieme determinato da un osservatore . Iniziamo, adesso, con il dare una definizione, seppure approssimativa, di sistema vivente inteso autopoieticamente: il vivente è una organizzazione circolare, ossia, una organizzazione in cui i componenti che la specificano 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`ı considerati, pur essendo per cos`ı dire aperti agli scambi con l’esterno, 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 manterrà, altrimenti si disintegrer` a. Di conseguenza, le predizioni per essere efficaci non devono essere predizioni di una interazione particolare, ma di classi di interazioni: 25

L’insieme di interazioni riguarda cio` e la modalit` a in cui effettivamente l’unit` a funziona; il dominio di relazioni, invece, pertiene l’osservatore: è quest’ultimo, infatti, che determiner` a questo dominio creandone, per cos`ı dire, lo spazio. 26 La definizione di sistema vivente come unit` a di interazioni di principio riconoscibili solo a partire da un osservatore, risp onde in realt` a all’impostazione 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 è vero, deve essere possibile in principio conoscere che esso e` vero.

Dunque, secondo la suddetta definizione di essere vivente, l’unit` a di interazioni include necessariamente il possibile osservatore/conoscitore di tali relazioni. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


147

Definizione 3.2.2 Una classe di interazioni ` e definita da quelle caratteristiche dei


suoi elementi che permetteranno al sistema vivente di conservare la sua organizzazione circolare dopo l’interazione, e cos`ı di interagire di nuovo. Tutto ciò 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 è interno e ci` o che è esterno: dovremo ristabilire i confini 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 è necessaria una operazione epistemologica di importanza fondamentale: la messa tra parentesi dell’oggettivit` a. Mettendo l’oggettivit` a tra parentesi accettiamo, infatti, di non potere costitutivamente asserire l’esistenza indipendente delle cose e riconosciamo che un’unit` a esiste solamente nell’essere distinta dall’osservatore che la costituisce nella sua prassi. La distinzione di un’unit` a ha luogo nella prassi in cui vive l’osservatore attraverso un’operazione che definisce simultaneamente l’identit` a di classe dell’unit` a distinta e il suo dominio d’esistenza; quest’ultimo va inteso come spazio delle coerenze operative in cui la distinzione ha senso, anch’esso come caratteristica della prassi dell’osservatore. Non si tratta qui di asserire “relativisticamente” che l’esistenza è vincolata ad un punto di osservazione, ma di affermare l’idea che la stessa nascita dell’entit` a è 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 è, per cos`ı dire, indistinto, unito insieme; solo la nascita dell’osservatore consente la possibilit` a di un piano verticale in cui, per mezzo dell’autocoscienza e del linguaggio, è possibile fare distinzioni27 . Dobbiamo, quindi, cercare di definire, oltre a di esistenza: la sua che le possibilità di esistenza di un’unit` a , anche le sue modalit` dipendenza dall’osservazione, infatti, se da un lato ci avvisa del fatto che un’unità pu` o esistere solo se distinta in una prassi osservativa, dall’altro, poco ci dice sulle modalità di esistenza dell’unit` a e di cosa voglia dire, di fatto, “esistere” all’interno di questo schema teorico. Ebbene, se vogliamo cercare di capire come funzioni l’orizzonte autopoietico ed, in seguito, in che senso esso possa essere un buon modello per aiutarci a costruire macchine cibernetiche, dobbiamo considerare che l’operazione di distinzione che realizza e definisce un’unit` a, ne definisce e ne realizza anche il dominio di esistenza. Tale dominio è inteso come il dominio delle coerenze operative coinvolte nel funzionamento delle propriet` a che caratterizzano l’unit` a nella sua distinzione. Il fatto che la distinzione di un’unit` a implichi il suo dominio di esistenza, come lo spazio di tutte le coerenze operative in cui essa conserva l’identit` a di classe e l’adattamento, è una condizione costitutiva dell’esistenza di ogni unità: essa non pu` o esistere al di fuori del suo dominio di esistenza e, se la immaginiamo al di fuori di tale dominio, significa che quell’unit` a esiste in un dominio diverso rispetto all’unit` a che affermiamo di immaginare. Ci` o, del resto, implica anche che la distinzione di un’unit` a ne realizza il dominio di esistenza come uno spazio di distinzioni; le dimensioni di tale spazio sono definite dalle propriet` a dell’unit` a 27

Sul piano orizzontale pu` o parlarsi di “verit` a”, nel senso che il reale funzionamento delle interazioni tra entit` a, o all’interno stesso di un entit` a, sarebbe conoscibile solo dall’interno. Il piano verticale, quello dell’osservatore, appare, invece, costitutivamente il piano della doxa ; qualsiasi osservazione è infatti legata al concetto di osservatore standard , che si pu` o identificare, secondo Maturana [1990], con “la comunità scientifica + il senso comune” di un determinato periodo storico. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

148



che, tramite la loro distinzione, lo implicano come dominio di coerenze operative nella prassi dell’osservatore. Ne consegue che senza la distinzione di unità 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 è un dominio di distinzioni. Lo spazio è, quindi, il luogo dove si realizza il dominio di esistenza dell’unit` a: senza di esso non si d` a unit` a, ma, al contempo, 28 non è pensabile senza alcuna unit` a . 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 l’osservatore distingue come popolanti quello spazio: Definizione 3.2.3 Il dominio fenomenico ` e il dominio di distinzione in cui l’osserva-

tore colloca e osserva interazioni e relazioni delle unità che popolano lo spazio. Le specificazioni che abbiamo fin 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 un’unit` a e lo sfondo su cui agisce: Definizione 3.2.4 Si dice accoppiamento strutturale la relazione di coerenza struttu-

rale dinamica di un’unità con lo sfondo in cui essa conserva la propria identità di classe; questa relazione è implicata nella distinzione stessa dell’unit` a attraverso la costruzione che ne fa l’osservatore nella sua prassi. Di conseguenza, la conservazione dell’identità di classe e la conservazione dell’adattamento sono condizioni costitutive per l’esistenza di qualsiasi unit` a nel dominio d’esistenza in cui l’osservatore la costruisce all’interno della propria prassi. La conservazione dell’identit` a e quella dell’adattamento, in quanto costitutive dell’esistenza di qualsiasi unit` a, sono appaiate e co-implicate di modo che, se una viene perduta, si perde anche l’altra e l’unit` a smette di esistere. A ben vedere, però, questo determinismo ha poco a che fare con il meccanicismo tipico, ad esempio, del paradigma della fisica classica; infatti, in questo senso, dire che un sistema è deterministico significa semplicemente affermare che esso funziona conformemente alle coerenze operative del proprio dominio di esistenza. In altre parole, dire che un sistema è deterministico è 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 avverrà in esso. Il determinismo, qui inteso, inerisce soltanto al fatto che un’unit` a muta seguendo le sue sole capacit` a, senza essere istruita dall’esterno. 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. Effettivamente, il rintracciare tale natura, è senza dubbio uno tra i compiti pi` u difficili in cui ci possiamo imbattere e, visto ciò 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 dell’esperienza, nell’approccio autopoietico lo spazio si d` a solamente “in concreto”, all’interno del singolo dominio di esistenza di un’unit` a e che sia, perci` o stesso, legato all’esistenza di un osservatore e di una distinzione. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



149

che intendiamo per osservatore standard, essa varier` a non solo tra paradigmi differen29 ti, ma anche tra discipline differenti . Tuttavia, possiamo fare una macro-distinzione all’interno della quale possiamo collocare le unit` a che volta per volta individuiamo; per cos`ı dire, se facciamo una distinzione, l’unit` a presa in considerazione ricadr` a necessariamente all’interno di una di queste macro-aree. Nell’operazione di distinzione, infatti, un osservatore pu` o distinguere nella sua prassi unit` a semplici e composite : Definizione 3.2.5 Si dicono semplici le unit` a realizzate in una operazione di distin-

zione che le costituisce come totalità definendo le sue proprietà come collezione propria dell’oggetto al fine di porre una distinzione nella prassi in cui vive l’osservatore. Definizione 3.2.6 Sono dette composite le unit` a che, distinte come semplici, attraver-

so ulteriori operazioni di distinzione, vengono scomposte dall’osservatore in componenti che costituiscono l’unità semplice originaria nel dominio in cui è distinta. Un’unit` a composita è 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`ı le propriet` a di una unit` a composita, quando è 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 l’unit` a, quando viene distinta come unit` a semplice. Di conseguenza, quindi, non esiste qualcosa come la distinzione di un componente, indipendentemente dall’unit` a di cui esso fa parte, n´ e è possibile scomporre un’unit` 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 fluttuano senza l’unità composita di cui fanno parte. La distinzione, per il fatto stesso di far parte del dominio dell’osservatore, riguarda, allora, solo la sua modalit` a di concepire il mondo e, gi` a per questo, possiamo affermare che la distinzione tra unità semplici e composite non si d` a “in natura”: essa è una costruzione dell’osservatore. Inoltre, una volta scelta la modalit` a in cui considerare l’unit` a in questione, si devono mantenere delle regole ben definite per restare coerenti con la prospettiva scelta: se un’unità è considerata come semplice le sue proprietà saranno considerate ad essa essenziali e indivisibili; se un’unità, invece, è considerata come composita, allora le sue parti si possono astrarre e considerare costitutive, ma non possono considerarsi separatamente dall’unit` a di cui fanno parte. Non esistono, infatti, componenti fluttuanti e separati in una sorta di iper-uranio. Per i nostri scopi, a questo punto, è 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 affermare che l’organizzazione di un’unit` a composita è la configurazione delle relazioni statiche o dinamiche tra le sue componenti: queste determinano la sua identità di classe in quanto unit` a composita che pu` o essere distinta come unit` a semplice di tipo particolare. Ovviamente, se l’organizzazione dell’unit` a composita cambia, essa 29

Se consideriamo l’unit` a “uomo” ci rendiamo facilmente conto del fatto che esso pu` o assumere configurazioni molto differenti a seconda dell’ambito disciplinare in cui viene studiato: l’uomo biologico, ad esempio, sar` a molto differente dall’uomo 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

150



perde la propria identit` a di classe e, cio` e, si disintegra. L’organizzazione di un’unit` a composita rimarr` a necessariamente invariante finché essa conserva la sua identit` a di classe e viceversa. Questo, come vedremo più avanti, è il principio secondo cui un sistema composito non pu` o accogliere in s´ e nuove informazioni senza distruggersi come dominio specifico. Ancora, la struttura di un’unit` a composita particolare è la maniera in cui essa è effettivamente costituita, attraverso componenti e relazioni statiche o dinamiche effettive in un determinato spazio. Un’unità composita particolare conserva la sua identit` a di classe solo fino a quando la sua struttura realizza in essa l’organizzazione che la definisce. Quindi, la configurazione delle relazioni tra le componenti, che costituisce l’organizzazione dell’unit` a composita particolare, deve realizzarsi nella sua struttura come sottoinsieme di tutte le relazioni effettive che sussistono tra tali componenti in quanto entit` a effettivamente in interazione. La struttura dell’unità composita è, quindi, data dalla sua effettivit` a e dal suo essere in una particolare relazione con l’organizzazione; di conseguenza la caratterizzazione dell’organizzazione di un’unit` a composita, come una configurazione 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 definitorie dell’organizzazione di quell’unit` a. Ne segue che la struttura di una unità composita pu` o cambiare senza che essa perda la sua identit` a di classe, purch´ e attraverso tali cambiamenti strutturali venga conservata la configurazione di relazioni che ne costituisce l’organizzazione. Se, di contro, l’organizzazione di una unit` a composita dovesse essere modificata essa perder` a la propria identità di classe: si disintegrer` a e al suo posto comparir` a qualcos’altro. Dunque, un’unit` a composita dinamica è una unit` a la cui struttura cambia continuamente mentre conserva l’organizzazione. Ad esempio, che un uomo parli inglese, tedesco o italiano poco importa: la sua organizzazione rimane tale, l’uomo 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’è, in sostanza, una sorta di livello che pu` o definirsi identitario: esso è quello che ci rende particolari unit` a composite. Proprio per questa ragione, un agente esterno che interagisca con un’unità composita si limiter` a ad innescare e non determinerà in essa un cambiamento strutturale; niente che sia esterno all’unit` a composita può determinare ci` o che accade al suo interno: per le unit` a composite non esistono, cioè, interazioni istruttive. Tutto ciò che si attua nelle unit` a composite è un cambiamento strutturale, e qualsiasi cambiamento strutturale in unit` a composite sar` a determinato ad ogni istante dalla sua struttura in quell’istante. 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 ridefiniscono la struttura interna dell’unit` a composita. Potrebbe apparire che, dato questo modo di considerare le unit` a composite, sussista una sostanziale differenza tra unit` a statiche e unit` a dinamiche. Tuttavia, l’unica differenza tra unità 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 affermare che le unità composite sono sistemi strutturalmente determinati, nel senso che tutto ciò che avviene in esse è determinato dalla loro struttura. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


151

Ossia, la struttura dell’unit` a composita determina ad ogni istante31 :


1. il dominio di tutti i cambiamenti cambiamenti strutturali che che essa pu` o attraversare attraversare conservando conservando la propria organizzazione e l’adattamento in quell’istante (che possiamo chiamare in una formula dominio istantaneo dei possibili cambiamenti di stato dell’unità a composita ); ); 2. il dominio dominio di tutti i cambiam cambiament entii strutturali strutturali che essa pu` o attraver attraversare sare perdendo l’organizzazione e l’adattamento in quell’istante (che possiamo dire dominio ); istantaneo delle possibili disintegrazioni dell’unità composita ); 3. il dominio di tutte le diverse configurazi configurazioni oni strutturali strutturali che essa riconosce riconosce in quell’istante come interazioni che innescano in essa cambiamenti di stato (dominio istantaneo delle possibili perturbazioni dell’unità composita ); ); 4. il dominio di tutte le diverse configurazioni configurazioni strutturali dello sfondo che che essa riconosce in quell’istante come interazioni che innescano la sua disintegrazione (dominio ). istantaneo delle possibili interazioni distruttive dell’unità composita ). Questi quattro domini di determinismo strutturale, ovviamente, non sono fissi ma variano mentre varia la struttura del sistema per effetto della sua dinamica interna o delle sue interazioni. Questi domini determinati non devono considerarsi dei pacchetti fissi, ma delle relazioni di volta in volta diverse. Ad esempio, ci` o che è distruttivo per p er un uomo, poniamo il respirare sott’acqua, non è distruttivo per il pesce; o ancora ci` o che è distruttiv distruttivo o per un uomo albino, albino, lo stare sotto il sole, sole, non è distruttiv distruttivo o per un uomo di colore. Infine, ci` o che è distruttivo d istruttivo per un uomo in un determinato istante della sua vita, lo stare sotto il sole per ore all’inizio dell’estate, può non esserlo in un altro istante, lo starci alla fine dell’estate. I domini determinati variano quindi sia tra specie e specie, sp ecie, sia all’interno all’interno della stessa specie, sia all’interno della stessa unità composita. Queste caratteristiche generali dei sistemi strutturalmente strutturalmente determinati portano p ortano con sé diverse conseguenze. Come prima conseguenza possiamo notare che durante l’ontogenesi32 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, ricorrenti, poich´ e possiedono configurazioni strutturali che si ripetono; inoltre, sebbene l’architettura di un sistema strutturalmente determinato imponga le configurazioni 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, un’unità composita esiste solamente finché si muove attraverso lo sfondo in interazioni (che sono perturbazioni) e si disintegra alla prima interazione distruttiva. Inoltre, dal momento che lo sfondo non può definire che cosa accadr` a in un sistema sis tema strutturalmente stru tturalmente determinato de terminato (poich´ (poi ch´ e si limita ad innescare innes care in esso i cambiamenti cambiamenti strutturali dovuti alle sue interazioni), tutto quello che può accadere ad un’unit` a composita, composita, in relazione relazione alle sue interaz interazioni ioni nello nello sfondo sfondo è che il corso corso dei suoi cambiamenti strutturali sar` a contingente alla sequenza di quelle interazioni. Infine, dal momento che i sistemi meccanicistici possono considerarsi sistemi strutturalmente 31

Maturana, Varela [1980]. Si dice dice ontog ontogene enesi si la sequen sequenza za delle delle varie arie fasi dello svilup sviluppo po di un individ individuo uo dall’u dall’uov ovo o fecondato all’adulto; a questo termine viene spesso contrapposta la filogenesi, ossia, la storia evolutiva di una specie o di un gruppo di specie viventi o estinte. Confronta Duris, Gohau [1997]. 32


152



determinati, e dal momento che le spiegazioni scientifiche 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 unità, a, sia semplici che composite possano entrare in relazione. Definizione Definizione 3.2.7 Due unit` a semplici interagiscono quando, come risultato dell’azione

recipro eciproca ca delle loro propriet` propriet` a, a, e in modo modo deter determin minato ato da tale tale azione azione recipr ciproca, esse esse cambiano la loro posizione relativa in uno spazio o dominio di distinzioni comune. Definizione Definizione 3.2.8 Un’unit` a composita interagisce quando alcuni suoi componenti cam-

biano la loro maniera di comporla interagendo in quanto unità semplici con altre unità a semplici che non sono suoi componenti, omponenti, ed essa soggiace soggiace cos` cos`ı ad un mutamento strutturale. Un’unit` a semplice, dunque, interagisce interagisce in uno spazio unico, mentre un’unità composita interagisce in due spazi: quello definito dalle sue propriet` a come unit` a semplici e quello definito dai suoi compon c omponenti enti tramite tramit e le propriet` proprie tà che essi ess i possiedon p ossiedono, o, come unit` un ità semplici, nel costituirne la struttura. Dobbiamo adesso cercare di individuare, per avere contezza effettiva di come siano strutturate le unit` a, il contesto in cui esse si muovono o con cui entrano in contatto; a, per questo motivo dobbiamo definire alcuni concetti fondamentali. Definizione Definizione 3.2.9 Definiamo medium medi um di una unit` uni tà lo sfondo di distinzioni:

- che contie contiene ne tale unit` a; a; - rispetto rispetto al quale quale un osservator osservatoree distingu distinguee l’unit` l’unit` a nella sua prassi; - in cui cui l’unit` l’unit` a realizza il suo dominio di esistenza. La definizione di medium include due ulteriori elementi da definire: l’ambiente e la nicchia. Definizione 3.2.10 Si dice dice ambiente la parte arte di sfondo sfondo che viene viene indic indicata ata dall’os-

servatore come circostante all’unità, a, e dunque più precisamente, tutto ciò che si trova intorno all’unità. a. Definizione 3.2.11 Si dice nicchia la parte di sfondo che interagisce con l’unit` a, a , ma

che ne viene viene occultata cultata per il fatto fatto che questa questa oper opera a in acc accoppiament oppiamento o struttur strutturale ale con essa. La nicchia può essere, quindi, operativamente definita ad ogni istante dall’unità stessa nel suo incontro strutturale con il medium. Quindi un’unit` un’unit` a definisce continuamente la sua nicchia attraverso il suo operare effettivo nel suo dominio di perturbazioni conservando l’adattamento al medium33 . Per concludere la nostra trattazione sull’autopoiesi e per collegarla esplicitamente con i sistemi viventi, possiamo affermare 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 predefinita e definitiva del medium.



153

dal loro funzionamento come sistemi strutturalmente determinati all’interno di un dominio d’esistenza, il quale, costruito dall’osservatore nella sua operazione di distinzione, sar` a anch’ess anch’esso o struttural strutturalmen mente te determina determinato. to. Proprio Proprio per questa questa ragione, ragione, dobbiamo dobbiamo considerare i sistemi viventi come strutturalmente determinati per tre motivi: a n L T n o i h d t c e e e a n e l l s e l l e o e c w c t B t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i a e n o t c y n a o o n o n n e f d t b e h n t h t y t i s e s a o p b n o o y f s o o t h s i k t h e b i i s e w l i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t r a f o i n p m b u d u m t i b e e s l i r t h m c a c i e a a d t i l c e o o n p a n . u v r t e a A p n i d o t l s s a d e i s o b l t i f e o t n o h i r a f e n l o w f r r r i o e g e r h p r k a t c s o f , p c i o t r e n . o s s P t . h o v i E d e i l v c m e o e d e r n t t h y r a t e c i n a t c o t s P t h n r o u e t i f b a b t u u l h i t t e s i h h o w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a y P e s l l r o l i t h e m e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n s f m e t h e B e n ” w t i . o o n “ P r k e d o l i n .I i m p t e t a d r p o i e e c r s a

- il primo è di ordine operativo: operativo: sappiamo sappiamo per esperienza esperienza concreta che qualsiasi qualsiasi cambiamento strutturale in un sistema vivente comporta un cambiamento delle sue caratteristiche e della sue proprietà e che i cambiamenti strutturali simili in memb membri ri divers diversii della della stessa stessa specie specie provoc provocano ano cambia cambiame ment ntii simili simili delle delle loro loro caratteristiche e delle loro proprietà; a; - il secondo secondo motivo motivo è di ordine ordine epistemo epistemologic logico: o: se non trattiamo trattiamo i sistemi sistemi vive vivennti come sistemi strutturalmente determinati, non potremmo fornire spiegazioni scientifiche dei fenomeni che li riguardano (sulla base della loro analogia con i sistemi meccnaicistici cui la scienza fa riferimento); il terzo è di ordine ontologico: a partire dalla d alla precedente motivazione motivazione epistemologica, i soli sistemi di cui possiamo fornire spiegazioni scientifiche sono quelli strutturalmente determinati e quindi, se si fornisce una spiegazione scientifica, ad esempio, di che cosa è la conoscenza nei sistemi viventi, viventi, si fornisce, al contempo, contempo, una prova che i sistemi viventi sono strutturalmente determinati nella prassi in cui viviamo come osservatori standard, che ` ep poi oi 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 differente, hanno comunque a che fare con la possibilit` a di dare spiegazioni scientifiche dell’unit` a sistema vivente . Una volta definito su queste basi il sistema vivente, vivente, è opportuno opp ortuno tornare ancora sul problema del determinismo dei sistemi autopoietici notando che il fatto che un sistema strutturalmente determinato sia deterministico non significa che un osservatore possa predire il corso dei suoi cambiamenti cambiamenti strutturali. Determinismo Determinismo e prevedibilit` a pertengono pertengono a domini domini operativi operativi diversi diversi nella prassi prassi dell’osser dell’osserva vatore tore.. Il determin determinismo ismo è una caratteristica che definisce un sistema nei termini delle coerenze operative che lo costituiscono e del suo dominio di esistenza come realizzato nelle operazioni di distinzione di un osserva osservatore. tore. Pe Perr contro, contro, una predizione predizione è una stima, stima, che un osserv osservatore atore opera sui cambiamenti strutturali di un sistema strutturalmente determinato, mentre segue gli effetti delle proprietà delle delle sue compone component ntii nella nella reali realizza zzazio zione ne del domini dominio o determini deterministic stico o da esse costituit costituito. o. In quanto quanto tale, tale, una predizione predizione può aver aver luogo solamente dopo che l’osservatore ha descritto in maniera completa il sistema come struttura determinata dalle condizioni di coerenza operativa che la costituiscono nel dominio di esperienze esperi enze dell’osservatore. dell’os servatore. Un sistema deterministico, determinis tico, cos` cos`ı inteso, è, e, quindi, qu indi, un sistema determinato ma non predeterminato: è u una na sorta di insieme chiuso, ma infinito, infin ito, ossia, è un insieme che ha dentro di sé un numero infinito in finito di elementi che possono pos sono realizzarsi, realizzarsi , 34 ma solo all’interno dei limiti determinati dall’insieme stesso . 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 esistenza35 . Questa incertezza predittiva può variar variaree in estensione estensione,, in domini domini diversi, diversi, ma è 34

Riprendiamo qui, dunque, la distinzione fatta in 1.3. ` rilevante notare come nella trattazione dei sistemi strutturalmente determinati sia proE fondamente variata la nozione di “computazione” applicabile ai suoi cambiamenti di stato: essa 35


154



sempre presente, essendo costitutiva del fenomeno della conoscenza come caratteristica dell’ontologia dell’osservare e non di una realt` a oggettiva oggettiva indipendente. In questo senso, anche il principio di indeterminazione della fisica riguarda l’ontologia dell’osservare e non caratteriz caratterizza za un universo universo indipendent indipendente, e, poich´ poiché il dominio dominio di esistenza esistenza del mondo fisico è un dominio dominio cognitiv cognitivo o costruito costruito dall’osser dall’osserva vatore tore nella prassi prassi in cui viv vive, e, come spiegazione di questa stessa prassi. Proprio la mancanza della predeterminazione a cui accennavamo sopra e l’infinit` a dei diversi domini è causa di questa incertezza che deve d eve 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 fisico dove tutto appare predeterminato sia, in realt` a, un semplice dominio di determinazione del a, quale per` o conosciamo un maggior numero di elementi, cosa che ci permette di far diminuire sensibilmente il livello di incertezza, diciamo cos` cos`ı, 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 all’infinito (all’interno dell’insieme), ma non pu` o essere infinita. Da quanto detto sin ora, possiamo dedurre alcune conseguenze circa la natura del sistema vivente; in particolare, adesso possiamo affermare che i sistemi viventi sono sistemi dinamici strutturalmente strutturalmente determinati la cui ontogenesi è la storia dei loro cambiamenti strutturali in cui si conserva conserva organizzazione e adattamento. Questa storia è una sorta di deriva deriva in cui il sistema è, e, di volta in volta, nell’unica condizione in cui può trovarsi pur non essendo e ssendo in alcun alcu n modo mo do predetermin p redeterminato. ato. In I n tal senso l’ontogenesi l’ontogenes i è s` s`ı la storia di un organismo dal suo essere ovulo fecondato sino all’et` a adulta, ma è anche, e soprattutto, storia dei mutamenti strutturali di tale organismo. Questi mutamenti, inoltre, essendo determinati, ricadranno all’interno del dominio di incertezza connaturato alla nostra conoscenza, che abbiamo appena descritto: il sistema pur trovandosi in ogni istante nell’unico momento in cui potrebbe trovarsi, non ci d` a accesso alle leggi che ne predeterminerebbero la configurazione; ci` o, o, con ogni probabilit` a, a, a causa del fatto che la sua struttura, struttura, come abbiamo abbiamo pi` u volte detto, è determinata, determi nata, ma non no n predeterminata. pred eterminata. Appare evidente, per altro, che un sistema vivente o esiste come sistema dinamico strutturalmente determinato in accoppiamento accoppiamento strutturale con il medium in cui è costruito dall’osservatore, ossia, in una relazione di conservazione dell’adattamento tramite continui cambiamenti strutturali nella realizzazione della sua nicchia, oppure non esiste. Un sistema vivente, vivente, finch´ e si mantiene tale, è in relazione di corrispondenza dinamica con il medium attraverso il suo funzionamento nel dominio di esistenza. Per usare le parole di Maturana [1990]: “Vivere è 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 l’uno non solo non si dà l’altro, ma visto che il sistema vivente non può esistere che come sistema dinamico, sarebbe impossibile pensare un tale sistema senza accoppiamento tra due “entità”, a”, ovvero, senza accoppiamento strutturale tra sistema vivente e medium. Inquadrando il sistema vivente come sistema dinamico possiamo finalmente giungere alla definizione di autopoiesi : non ` e pi` pi u ` rigidamen rigidamente te meccanica, meccanica, come nelle macchine a stati finiti, finiti, piuttosto piuttosto è soggetta soggetta alla strutturale incertezza i ncertezza determinata dalla libert` li bert` a dello stato s tato iniziale. i niziale. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


155

Definizione 3.2.12 Diciamo autopoiesi un processo dinamico che ha luogo nel con-


tinuo flusso degli eventi e non pu` o essere afferrato 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 fino a quando questa è conservata nell’attuazione della sua ontogenesi (Maturana, Varela [1980]). A questo punto è naturale poter definire anche un sistema autopoietico : Definizione 3.2.13 Denominiamo sistema autopoietico un’unit` a composita la cui or-

ganizzazione 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 l’estensione generandone i confini nel loro dominio di esistenza (Maturana, Varela [1980]). Da queste definizioni è facile trarre la conclusione che i sistemi viventi non possono che essere sistemi autopoietici; del resto, un sistema vivente è 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 ciò, qualunque sistema vivente sarà anche un sistema autopoietico36 . Dal momento che abbiamo definito i sistemi viventi come sistemi autopoietici, possiamo adesso riconsiderare alcune questioni sin qui affrontate: nel paragrafo precedente, nel confutare lo schema S-R avevamo posto l’accento sulle attività senza scopo che un sistema vivente sembra poter compiere costituendosi cos`ı in sistema attivo, anzichè in organismo reattivo. Adesso ci è pi` u semplice capire perché un sistema vivente non produce scopi: nella misura in cui un sistema autopoietico è un sistema strutturalmente determinato e tutto ciò 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 intenzionalità o di “secondo fine” solo ad un osservatore, il quale, avendo assistito nella prassi della sua vita all’ontogenesi 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 l’osservatore confonde è l’asse su cui si genera lo scopo: lo scopo sta sull’asse verticale, pertiene l’osservazione, e non su quello orizzontale, ossia l’asse proprio del funzionamento del sistema stesso37 . Abbiamo cos`ı concluso, con questo paragrafo, quella che può essere definita una sorta di esplicitazione dei presupposti su cui ci muoveremo per andare ad individuare i confini del vivente e lo statuto dell’osservatore (paragrafo successivo), le possibili analogie con i sistemi artificiali e le differenze che possiamo cercare di attenuare se teniamo presente la struttura del sistema vivente inteso autopoieticamente (par 3.5). 36

Di fatto, da questo momento in poi, utilizzeremo le due locuzioni come sinonime. Questo schema, ovviamente, è valido anche per le azioni che per s´ e sono sempre “fini a se stesse”, ma possono diventare viste da un osservatore (anche l’agente stesso, nell’atto di autosservarsi) orientate verso uno scopo. 37


156



La demarcazione tra organismo e ambiente Perci` o bisogna seguire ci` o che si concatena. E sebbene l’espressione si concateni, i pi` u vivono come se ciascuno avesse un’esperienza 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 l’ambiente: infatti, abbiamo visto che, in quanto sistema autorganizzato, il sistema vivente non pu` o sussistere senza l’accoppiamento strutturale con l’ambiente in cui è collocato dall’osservatore. Abbiamo visto anche come sia necessario all’osservatore porre una distinzione tra il sistema e l’ambiente al fine di poter individuare il sistema stesso, inteso come unit` a composita, e di cominciare a trattarlo come totalit` a. A questo punto, è evidente che ci troviamo di fronte ad un problema di non poco conto: da un lato, l’ambiente è necessario alla formazione del sistema, nel senso che senza di esso, senza l’accoppiamento strutturale di cui detto, non esiste. Ma, il dire che l’ambiente è costitutivamente parte del sistema vuol dire che è ad esso integrato e da esso inseparabile. D’altro lato, appare necessario che per identificare l’unit` a, il sistema, è indispensabile distinguerlo dall’ambiente da cui è circondato il che equivale a dire che l’ambiente è separabile, non integrato, al sistema stesso. La domanda a cui cercheremo di rispondere durante tutto il paragrafo potrebbe essere formulata come segue: come è possibile che l’ambiente sia contemporaneamente separabile e non separabile dal sistema? Inoltre, ci interrogheremo sulla funzione che l’osservatore ha all’interno (e all’esterno)38 di questa domanda.

3.3.1

Mente/Corpo Lo spirito non pu` o mai giungere a perfezione se prima il corpo e l’anima non sono perfetti.

Meister Eckhart - La via del distacco

L’indagine circa la demarcazione tra organismo ed ambiente deve partire, a nostro avviso, da una (ri)identificazione di cosa intendiamo solitamente per organismo e di quali sono i suoi confini: a partire dal “confine” dell’organismo possiamo rintracciare “ci` o che 39 sta fuori di esso” e metterlo a fuoco come ambiente . Le prospettive sull’identificazione dell’organismo possono svolgersi a pi` u livelli: 1) si pu` o cercare di identificare l’organismo considerandolo nella sua interezza e complessit` a, oppure 2) cercare di cogliere ci` o che è 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 identificare con certezza i confini, i bordi, dell’organismo, cosa che in questo momento ci preme maggiormente. Il secondo livello, pur avendo il 38

Non dobbiamo dimenticare, qui, che è sempre un osservatore a porre la domanda e che l’atto del domandare, con la sua impostazione, è una particolare modalit` a di prospettarci sul mondo. 39 Ovviamente, non è implicita in questo preambolo la giustezza dell’analisi: vedremo via via se ` e effettivamente possibile agire cos`ı per individuare l’ambiente; sp esso, infatti, non basta identificare una parte di una relazione per ottenere “matematicamente” l’altra. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



157

grave difetto di porsi in una prospettiva “semplificatoria”, ha il vantaggio di proporsi come una metodologia per individuare cosa sia davvero essenziale per l’organismo, ovvero, cosa sia, potremmo dire, l’organismo per davvero, senza contaminazioni ambientali. Cercheremo, quindi, date queste premesse, di vedere se funziona questo secondo livello al fine di poter identificare con certezza cosa sia organismo e cosa sia ambiente . Se questo modo di procedere dovesse rivelarsi inefficace dovremo allora rassegnarci ad affrontare la via pi` u complessa, ossia, quella indicata dal primo livello. Un’ulteriore precisazione, sempre nell’ottica di semplificare al massimo il nostro compito, va fatta: cercheremo di individuare l’essenza di un organismo in particolare, l’uomo, e non dell’organismo 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 l’essenza reale dell’organismo40 . Una delle ipotesi pi` u comuni su ci` o che riguarda l’identificazione dell’organismo, di quello che il singolo uomo chiama se stesso, è che esso si trovi da qualche parte “all’interno” del corpo: sentiamo, infatti, di poterci identificare a partire da ciò che si trova pi` u in profondit` a. Descartes, del resto, con il suo metodo elimin` o tutto ci` o che gli appariva come superfluo e che poteva ingannarlo circa il suo essere: trov` o cos`ı il suo pensiero e, per estensione, la sua mente. Pi` u o meno a partire da quel momento la tradizione filosofica occidentale ha finito con l’identificare ci` o che è fondante dell’uomo 41 con il suo livello mentale : sembrerebbe possibile immaginarci coscienti cos`ı come siamo 40

Infatti, è abbastanza chiaro che grazie a strumenti di indagine scientifica molto efficaci e alla nostra capacit` a autocosciente possiamo provare a cercare “pi` u in profondit` a” la nostra essenza. D’altro canto, la ricerca dell’essenza negli altri organismi (animali o piante) ha spesso prodotto una ricerca sull’organismo “morto”. Lo studio profondo è 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 all’unit` 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 identificare ciò che sentono come fondamentale e, del resto, anche se possedessero tale capacit` a, essa sarebbe talmente differente dalla nostra che non ci accorgemmo della sua presenza. Proprio dall’imp ossibilit` a di rintracciare un sentiero indicato dall’organismo stesso deriva l’equazione tra la profondit` a e l’interno che ci fa vivisezionare e “aprire”, provocandone la morte, le altre specie. Ancora, ci` o che ` e essenziale all’organismo deve essere indicato dall’organismo stesso: lo schema per “prove ed errori” ci pu` o portare a constatare solamente che se agiamo su alcune parti l’organismo muore, ma questo non basta; la morte non ` e la scomparsa dell’individuo in senso stretto, anche nella morte, infatti, individuiamo e separiamo il defunto da ci` o che lo circonda, lo continuiamo ad identificare come unit` a e, cosa forse pi` u importante, lo identifichiamo sempre come lo stesso organismo che era in vita. Non dobbiamo, per altro, pensare che questa visione dell’organismo 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 differente dalla loro, al contrario “portano al cimitero” i loro morti (su questa identificazione della morte da parte delle formiche, sia pure in un contesto differente confronta Lo Piparo [1999]). La morte, pur essendo su un piano differente dalla vita, non ci impedisce la separazione che andiamo cercando, tuttavia essa ci impedisce di rintracciarla. 41 Oggi le prospettive neuroscientifiche sembrano identificare quello che per Descartes era un livello non materiale, la mente, con una porzione di materia ben definita, ossia, con il cervello. In questo senso per` o, non muta l’orizzonte: l’eliminazione della sfera non materiale o la sua riduzione a quella materiale non ci impedisce di immaginare “trapianti” di cervello da un corpo Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

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 può essere presa “da parte” e analizzata scientificamente. Tuttavia, queste concezioni non hanno fatto i conti con dei problemi di fondamentale importanza: - ad una analisi appena pi` u rigorosa non ci è 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, né le nostre percezioni, che possono variare di volta in volta, né i nostri affetti, 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 ciò che deve rimanere stabile nel tempo, nel mutamento; questi esempi (che potrebbero per altro moltiplicarsi a piacere), non riescono a renderci l’idea 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 l’uomo morto non è pi` u se stesso: l’abbandono dell’anima o il non funzionamento del cervello non bastano a farci dire che il corpo senza vita non sia pi` u la persona che 43 era quando era in vita ; Non sembra possibile, individuare il nostro essere fondamentale, quindi, nella mente o nel cervello. Possiamo provrare adesso, come sembra suggerire l’ultimo punto contro la tesi mentalista , a considerare il nostro corpo, e per estensione le nostre sensazioni, come ci` o che ci distingue dall’ambiente e ci identifica come unità. 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 modificazioni che il corpo dell’uomo subisce durante la sua vita (dall’invecchiamento alle eventuali mutilazioni) non ci permettono di identificare 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 dell’assenza del corpo discende, com’è ovvio, anche dalle nostre opzioni religiose: quando il corpo muore, la mente, l’anima sopravvive e continua a vivere, sia pure in altra forma. Tuttavia, anche in un orizzonte cristiano, il recupero del corpo è 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 è sempre notizia della morte di qualcuno. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


159

- le nostre percezioni, compresa quella di noi stessi e quella del tempo, mutano e possono essere errate, non sono quindi affidabili, intese per se stesse, per impersonare la nostra essenza. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

Come appare chiaro, né il corpo da solo, né la mente da sola possono rendere conto del nostro essere unici e separati dall’ambiente. Dobbiamo percorrere quindi la via dell’unitariet` a dei due enti per poter cercare di comprendere come siamo distinguibili dallo sfondo. Tuttavia, questa unitariet` a non deve essere una riduzione dell’uno all’altro44 : 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 dall’ambiente 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 45 che abbiamo individuato come caratteristica dei viventi e che pare propria dei sistemi autopoietici. In questo senso potremmo considerare ciò che è attivo, dinamico come ciò che emerge dallo sfondo e, distinguendosi da esso, si costituisce in unit` a. Purtroppo il mondo che viviamo non è cos`ı 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, l’ambiente in cui è radicato l’organismo, non è pura staticit` a: esso è dinamico al pari dell’organismo che distinguiamo; se cos`ı non fosse non potremmo né autorganizzarci né tantomeno sopravvivere. Un ambiente statico non permetterebbe a niente di viverci dentro o intorno. La dinamicità, quindi, non è un buon modello per l’identificazione dell’organismo. Un’ultima possibilit` a, per ci` o che concerne quello che abbiamo definito il secondo livello o prospettiva “semplificatoria”, è quella di considerare il limite dell’organismo come i limiti, i bordi di quello che consideriamo il corpo dell’organismo, ovviamente, non considerato come separato dalla mente, ma unito ad essa: i “bordi del corpo” potrebbero identificare il limite dell’organismo inteso come ciò che è autosufficiente da tutto il resto. Questo, ovviamente, è indispensabile se vogliamo continuare a pensare l’organismo come un dominio operazionalmente chiuso: niente di esterno pu` o entrare in esso senza modificarne in modo decisivo la struttura; l’organismo deve, quindi, identificarsi a partire dal suo essere chiuso operazionalmente. Ebbene, se consideriamo l’organismo in tal modo non ci è possibile distinguerlo dall’ambiente solamente per mezzo dei suoi “bordi” fisici: per non essere costretti a considerare l’organismo come eteronomo dobbiamo includere in esso tutto ciò che gli è indispensabile per sopravvivere; è facile, a questo punto, indovinare che, in questo senso è indispensabile all’organismo anche qualcosa che è stato sempre considerato esterno ai suoi bordi. Ad esempio, è un fatto che l’aria sia indispensabile all’uomo, quindi se consideriamo l’organismo come autonomo dobbiamo includerla al suo interno. Ma, l’aria, per poter svolgere la sua funzione, ha bisogno di rinnovarsi nel complesso processo della fotosintesi clorofilliana e ci` o comporterebbe dunque che all’interno dell’organismo dovremmo includere anche le piante. 44

Questa, ad esempio, è la via tipica seguita dai teorici del riduzionismo, dell’eliminativismo e del comportamentismo. Ma, a ben vedere, quasi la totalit` a degli studi di scienza cognitiva finisce per schiacciare il polo mentale su quello fisico (identificazione mente/cervello), o pi` u raramente quello fisico su quello mentale. 45 Vedi Paragrafo 3.1. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

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 l’organismo dall’ambiente 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 l’approccio “semplicistico” non pu` o fornirci risposte adeguate alla nostra domanda. Dobbiamo, di conseguenza, ripartire da zero e analizzare l’ipotesi pi` u complessa, ossia, quella che cerca di dare conto dell’organismo non a partire da un qualcosa che dovrebbe essere “pi` u fondamentale” del resto, ma, al contrario partendo dall’ipotesi che l’organismo sia un sistema complesso in cui tutto è fondante e nel quale non vi sono “porzioni” privilegiate né di natura materiale né di natura ultrasensibile.

3.3.2

Sistema complesso, Domanda e Osservatore

L’ultima osservazione che ci ha fatto abbandonare definitivamente la prospettiva “semplicistica” deve essere, di fatto, il punto di partenza dell’approccio complesso. Se ci è impossibile separare l’organismo 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 è di pari importanza? Questo è esattamente il problema che avevamo cercato di evitare intraprendendo il sentiero semplice che ci ha portato, però, a conclusioni paradossali. Per cercare di venire a capo di questo groviglio dobbiamo cominciare a mostrare il ruolo che ha l’osservatore in questa faccenda: esso vi è implicato, infatti, almeno in due sensi: (1) l’osservatore è chi pone la distinzione tra organismo e ambiente. A partire da questo dobbiamo cercare di capire perché egli pone questa distinzione e se questa è indispensabile; (2) l’osservatore è anche chi pone la domanda circa i criteri della separatezza tra organismo e ambiente. Considerando ci` o, dobbiamo verificare se questa domanda non presupponga gi` a una particolare tipologia di risposta. Abbiamo gi` a accennato al ruolo dell’osservatore all’interno dell’accoppiamento 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 all’osservatore pertenga solamente l’asse verticale e, al contempo, abbiamo mostrato che non ha accesso diretto a quello orizzontale46 . A partire da questa precisazione è lecito chiedersi se da un punto di vista “orizzontale”, cio` e di quello che avviene “realmente” nell’interazione, sia possibile separare organismo e ambiente. 46

Bisogna ricordare, infatti, che anche quando è l’osservatore ad interagire la sua interazione, se è “cosciente” si articola anche sull’asse verticale che è l’unico in cui l’osservatore pu` o trovare spiegazioni: ci` o accade a causa dell’autocoscienza che gli permette di osservarsi come “dall’esterno”. In questo senso anche l’interazione soggettiva presuppone un oggettivazione, e ha sempre forma di triangolo in cui l’osservatore è il vertice alto, l’osservatore-osservato è uno dei vertici della base e l’ambiente (o un’altro organismo) è l’altro vertice della base. Qualsiasi interazione è, quindi, come minimo interazione a tre . Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



161

Per quel che ci è dato vedere47 , non siamo riusciti a trovare un criterio che ci permetta di individuare l’organismo come separato “di per s´ e” dall’ambiente. Appare chiaro, quindi, come la separatezza debba essere, con ogni probabilit` a, posta all’interno dell’asse verticale, dell’osservazione. Per altro, se scegliamo questa via, il groviglio inizia a sciogliersi e possiamo individuare ci` o che è l’organismo, o l’ambiente a partire dalle necessità dell’osservatore: la comunit` a degli osservatori standard , infatti, a seconda delle necessit` a imposte dal paradigma o dalla disciplina scientifica in cui si trova, potr` a scegliere cosa considerare “esterno” e cosa considerare “interno” all’organismo. In questo modo è possibile considerare l’organismo da prospettive molto differenti, cosa che del resto avviene realmente se consideriamo, ad esempio, cos’` e l’organismo ecologico, ossia, un organismo che non è mai separato da tutto quello che gli è indispensabile per sopravvivere (in questo senso l’organismo con all’interno aria, piante e sole acquista un senso), e cos’è l’organismo medico, ossia, un’organismo che è sempre separato da tutto ci` o che è al di fuori dei suoi bordi corporei (solo cos`ı 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, è importante porre l’accento su una questione alquanto delicata: sostenere che la distinzione tra organismo e ambiente è opera di un osservatore e che, di conseguenza, essa sta sull’asse verticale non vuol dire che essa è un prodotto della mente dell’uomo a. All’osservatore è indispensabile fare questa e che non ha corrispondenza nella realt` 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 specifico, 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 l’osservatore ha a che fare con la separazione tra organismo e ambiente e sui criteri che esso “sceglie” per separarli: già, 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 all’atto del domandare che all’osservatore stesso. Qualunque domanda, anche la pi` u generica, prevede una tipologia di risposta particolare: una domanda è sempre una specifica maniera di condurre un problema. In questo senso, volere rintracciare i criteri della separatezza tra organismo e ambiente pertiene ad uno specifico ambito e, per ciò 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 specifiche che sono, per` o, sempre vincolate ad un osservatore e ad un contesto. La stessa domanda, dunque, pur impostando il problema in maniera specifica e volendo ottenere, quindi, una specifica risposta, non pretende una unica risposta48 . Un esempio dovrebbe rendere pi` u chiaro ci` o che intendiamo: La domanda “cos’è un pesce?” pur impostando il problema in uno specifico modo (che potremmo dire modalità definizione ), pu` o ricevere differenti risposte a seconda dell’interlocutore a cui è posta; il pescatore potrebbe rispondere che “il pesce è un animale che vive sott’acqua e che, per poterlo pescare, al fine di cibarcene, bisogna operare cos`ı e cos`ı”; il biologo, invece, risponderebbe che 47 48

Quindi ancora in una prospettiva da osservatori. La domanda, possiamo dire determina la risposta, non la predetermina. Confronta Par.3.4.


162



“il pesce è un genere che possiede caratteristiche cos`ı e cos`ı”; o ancora l’evoluzionista risponderebbe che “il pesce è, 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 definire il pesce, ma che lo fanno in maniera differente, rimanendo tuttavia all’interno dei confini della “tipologia di risposta” implicata dalla domanda49 . Torniamo adesso alla nostra domanda circa i criteri di separatezza dell’organismo dall’ambiente. L’impostazione della domanda, evidentemente, pone l’accento sul fatto che debbano trovarsi criteri inclusivi ed esclusivi di ci` o che pu` o rientrare nella classe degli organismi e di quello che può rientrare nella classe degli ambienti. Dall’esempio che abbiamo proposto appena sopra e da quello che abbiamo identificato come primo senso in cui l’osservatore ha a che fare con la distinzione, è ormai chiaro che questi criteri esclusivi e inclusivi sono scelti sulla base della pratica osservativa: un organismo sar` a, per cos`ı dire, pi` u ampio o meno ampio a seconda dell’interesse dell’osservatore, o meglio, a seconda della distinzione, che a causa delle opzioni di un particolare osservatore standard, balza agli occhi di chi osserva. Il confine tra organismo e ambiente appare cos`ı un confine sfumato e non del tutto netto, anche se in qualche maniera implicito nel modo di essere dell’uomo (osservatore). In particolare, poi, visto che anche noi siamo effettivamente 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 “scientifica”, potremmo definire “meta-teorica”. Quindi, possiamo affermare che: Tesi 3.3.1 Un organismo ` e separato dall’ambiente sulla base delle specifiche distin-

zioni che un particolare tipo di osservatore standard compie a partire dalle sue opzioni pratiche: la separazione, in generale, quindi, non è una cesura netta tra il dominio “ambiente” ed il dominio “organismo”, essa è pittosto una demarcazione elastica che varia al variare della tipologia dell’osservazione. Questa demarcazione elastica, quindi, ci permette di considerare di volta in volta interni o esterni alcuni frammenti di universo. Tale elasticità possibile, deve tenersi presente nel momento in cui vogliamo riprodurre dei sistemi artificiali analoghi ai sistemi viventi: se vogliamo costruire un automa che sia il pi` u possibile vicino all’essere umano questo dovr` a possedere la caratteristica di poter scegliere ed imparare un particolare modo di compiere distinzioni, nonché di distinguersi come osservatore. Proprio questo è stato, a nostro avviso, uno dei maggiori limiti dell’IA 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 definirli come segue: Tesi 3.3.2 Un automa che possa definirsi davvero un replicante dell’uomo dovr` a potere

tenere “sotto controllo” l’ambiente circostante anche in situazioni imprevedibili, dovrà configurarsi come sistema autopoietico e dovrà essere capace di scegliere una particolare modalit` a di compiere distinzioni e di porsi come osservatore.50 49

Appare chiaro che non c’è tra queste risposte una che sia pi` u vera o pi` u corretta di un’altra: pertengono semplicemente a comunit` a di osservatori differenti. 50 Ci` o ovviamente impone anche che tale replicante dovr` a essere autocosciente e quindi replicante simbolico. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


163

Tuttavia, l’analogia tra i sistemi umani e i sistemi artificiali sar` a sviluppata, soprattutto per ci` o che concerne la loro psicologia, nel paragrafo seguente. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

3.4 3.4.1

La Psicologia del sistema uomo e la sua analogia con i sistemi artificiali Centralit` a del corpo

Nel corso di questo capitolo siamo lentamente giunti ad una definizione di sistema vivente e di sistema autopoietico e ci siamo soffermati, in particolare, sulle caratteristiche di uno specifico sistema vivente: l’uomo. Inoltre al termine del paragrafo 3.3 abbiamo iniziato a discutere di come dovrebbe essere fatta una macchina che possa, effettivamente, essere analoga all’uomo. Per la verit` a, gi` a al termine del primo capitolo e per tutto il secondo, analizzando le proposte pi` u influenti fin qui fatte, avevamo cercato di rintracciare le analogie tra la macchina e l’uomo; tuttavia, nessuna di queste analogie ci ha soddisfatti pienamente. Ovviamente, non neghiamo qui che all’interno delle teorie che abbiamo analizzato ci siano dei passi particolarmente importanti verso la definizione 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 l’analogia uomo/macchina. Con ogni probabilità, ci` o che dovrebbe farsi è costruire una sorta di collage teorico che ci permetta di tenere insieme le parti “positive” di ogni teoria e di rifiutare quelle che a noi appaiono delle falle. I criteri che dovremmo utilizzare, per stabilire quali parti delle teorie vadano accettate e quali rifiutate, 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 all’occhio quando si cerca di costruire una macchina umana è il fatto che tutti diano per scontata la possibilit` a di costruire un corpo identico a quello dell’uomo, 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 è stato l’apparato sensorio e l’apparato motorio: in sostanza si è 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, è certamente un passo in avanti rispetto alle teorizzazioni esclusivamente “mentali” che volevano il calcolatore come l’analogo 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 affermato l’impossibilità della scissione tra mente e corpo ed, inoltre l’ulteriore necessario intreccio (accoppiamento strutturale) con l’ambiente, non possiamo accontentarci di macchine che siano solamente riproduzioni “parziali” di tale sistema: infatti, una macchina cos`ı fatta non sarebbe affatto analoga all’uomo (o a un qualunque altro sistema vivente a dire il vero), sarebbe solamente un’altra cosa che segue regole e leggi del tutto diverse per ciò che concerne il suo rapportarsi con sé stessa, con gli altri e con l’ambiente. Il problema della psicologia del sistema naturale deve inglobare in esso Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

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 artificiali”, 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 definizione di replicante simbolico ) un criterio a quelli già elencati nella tesi 3.3.2, dovremmo inserire una proposizione del tipo: un’automa 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 all’inizio di questo capitolo, il problema “sociologico” pi` u importante che dovette affrontare la cibernetica, o pi` u in generale qualunque approccio che si sia posto l’obiettivo di creare sistemi simili a quello umano, è stato quello legato alla libert` a dell’uomo contrapposta alla determinatezza delle macchine. A partire da questa affermazione, infatti, si sono sviluppati modi di sentire particolarmente forti circa la possibilità di costruzione di automi: c’` e chi, quasi con un “rigurgito” luddista, si è dichiarato indisponibile a considerare umanizzabile qualunque tipo di macchina; c’` e chi ha dichiarato che effettivamente è possibile costruire delle macchine che siano simili a l’uomo “sino ad un certo punto”, marcando la differenza tra la libertà assoluta dell’uomo e il determinismo assoluto che regnerebbe invece nel mondo delle macchine; c’è chi, infine, è stato affascinato 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 è, 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 definizione propria di ci` o che pu` o davvero considerarsi “analogo” alla corporeità umana. Occorre in questo senso un criterio necessario e sufficiente 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 dall’analogia con essa) trascendendo piuttosto nella malformazione (si p ensi alla figura del “freak”). Ciò che quindi qui ci possiamo limitare a riconoscere come propriet` a necessaria e sufficiente all’identificazione di un’analogia con la corporeit` a umana ` e l’appartenenza generalissima ad uno schema corporeo che riconosciamo immediatamente e superficialmente 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 dell’uomo nel mondo sancito da Dio in persona; nella seconda categoria, invece, possono essere inseriti i teorici “moderati” dell’intelligenza artificiale e della robotica che cercarono e cercano di costruire macchine intelligenti partendo dall’assunto che, in ogni caso, la libertà umana non ` e eguagliabile da nessuna macchina; la terza categoria, infine, è costituita senza dubbio dai teorici delle delle scienze artificiali “meno moderati”, che credono di potere costruire macchine intelligenti e libere, e da alcuni scrittori che, pur mostrandone le inquietudini, hanno, di fatto, già costruito universi abitati da macchine indistinguibili, almeno ad un primo sguardo, dall’uomo: un nome per tutti Philiph K. Dick. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

165



le applicazioni vanno sicuramente moderate, le teorizzazioni vanno invece sicuramente sempre favorite53 ; la terza categoria, invece, eccede in fantasia. Persi nelle ipotesi più strane e affascinanti, gli adepti di questa categoria non soltanto raramente riescono a produrre teorizzazioni coerenti e utili, ma finiscono, 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 affascinarci 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 artificiale che ci permetta di costruire automi (o replicanti) davvero analoghi all’uomo. 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 all’interno 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 l’intento, dobbiamo sempre considerare la possibilità 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 sconfitti sin dall’inizio 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 più il confine della realt` a riducendo, per cos`ı 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 dell’uomo e, al contempo, di mostrare le possibili analogie e le dovute differenze 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 l’impresa di costruire un automa un’impresa 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 è possibile costruire macchine intelligenti perch´ e non sappiamo cosa sia l’intelligenza . Questa affermazione è tipica di chi ritiene che se potessimo tradurre 53

Ovviamente, possiamo dire con certezza che non è la teorizzazione sull’energia 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 finanziamenti e governi in cerca di strumenti per ottenere il dominio a provocare tali gravi disfunzioni. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

166



in linguaggio macchina (o linguaggio algoritmico) tutte le sfumature di ci` o che pu` o essere definito come intelligente potremmo costruire un replicante. Purtroppo, secondo chi afferma ciò, non è possibile tradurre tutto questo perché neppure noi stessi siamo in grado di stabilire con certezza cosa è un comportamento intelligente. (2) L’intelligenza ha a che fare con l’originalità: nessuna macchina potr` a mai essere originale perch´ e produce solo le cose per cui è programmata e nulla pi` u. Una macchina non potra mai essere umana perch´ e in essa tutto è determinato dalla programmazione fornitagli dal suo costruttore. (3) Una macchina che superi il test di Turing 54 potrebbe essere considerata umana, tuttavia, nessuna macchina ha mai superato tale test, dunque, non esistono macchine intelligenti . Questa affermazione riconduce tutto alla possibilità di superamento di un test ben definito che dovrebbe poterci dire con certezza se un qualcosa è 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 finzione di intelligenza. (5) Una macchina deve essere capace di immagazzinare, raccogliere e trasformare la conoscenza in modo efficace . In questa prospettiva è 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 è la possibilit` a di mettere insieme in modo complesso i dati e la possibilit` a di mantenere comportamenti non statici. (7) L’intelligenza di una macchina deve potersi mostrare attraverso l’attitudine che essa mostra nel maneggiare alcune competenze ed, in particolare, il linguaggio naturale . In questo senso, si identifica l’intelligenza con la competenza con cui si padroneggiano delle conoscenze ed in particolare delle specifiche lingue. (8) La macchina intelligente deve essere in grado di elaborazione logica e pianificazione . La logica e la pianificazione sono le caratteristiche fondamentali dell’intelligenza. (9) Una macchina intelligente deve essere in grado di percepire e di compiere movimenti simili all’uomo. La motricit` a e le percezione sono le caratteristiche fondamentali del comportamento intelligente.

a mai essere umanizzato perch´ e non possiede la coscienza . (10) Nessun computer potr` Questa affermazione sostiene, in sostanza, che la coscienza è propria esclusivamente dell’uomo e che essa non pu` o essere in nessun modo trasferita ad alcuna creazione umana, per quanto questa possa essere sofisticata. a mai essere intelligente perché non sar` a mai in grado di (11) Una macchina non potr` provare emozioni e sentimenti . Ci` o che rende intelligenti è la possibilit` a di amare, odiare o adirarsi. 54

Per vedere nello specifico come funziona il test di Turing confronta Par. 1.4.1




167

Analizziamo brevemente queste opzioni per vedere se effettivamente esse sono limitazioni reali o solamente pregiudiziali e se, invece, i limiti non debbano essere cercati da qualche altra parte. All’obiezione (1) possiamo rispondere che, in effetti, non ci è possibile tradurre tutto ci` o che per noi è 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. L’obiezione, quindi, non è 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 è “intelligente”: p er quanto ci sia difficile definire l’intelligenza, siamo sempre in grado di stabilire se un comportamento è intelligente o meno55 . L’obiezione (2) è una delle pi` u classiche: l’impossibilit` a di macchine intelligenti è data dal fatto che lo spazio delle macchine è uno spazio deterministico, mentre, quello dell’uomo (e quindi dell’intelligenza) è uno spazio libero e aperto alla creativit` a. A questa obiezione abbiamo risposto, in realtà, 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 dell’uomo, 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`ı non fosse esso si disintegrerebbe: in questo senso l’uomo vive anch’esso in un dominio di determinazione, e cioè, date una serie di possibilit` a esso pu` o muoversi “liberamente” solo all’interno di questi vincoli. D’altra parte, è ovvio che anche l’uomo in un certo senso è “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 dell’uomo. Del resto, le macchine di pi` u moderna generazione, in particolare quelle costruite con reti neurali come abbiamo visto56 , sono anch’esse all’interno di un paradigma deterministico e non predeterministico: non siamo pi` u in presenza di macchine le quali data un’istruzione 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 è una macchina o un uomo; il secondo è, invece, di ordine pratico, nessuna macchina è mai riuscita a superare tale test e dunque dovremmo poter dire con certezza che, se qualcosa è una macchina, essa può sempre essere distinta da un uomo. Cominciamo con l’analizzare il piano teorico dell’affermazione57 . Prendiamo in considerazione alcune domande che possono essere fatte all’interno 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 nell’altra vi sia un uomo di media cultura che abbia, però, accesso a sua volta ad un computer. Cominciamo con le domande58 : “Quando è stato ucciso il presidente Kennedy?”. Questa domanda è considerata difficile perché 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 l’intelligenza è l’osservatore 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 l’argomento della Stanza Cinese di Searle [1980]. 58 Le domande qui riportate sono riprese da Harel [2000]. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

168



deve essere capace di fare una selezione di informazioni: una eccessiva conoscenza dell’argomento, si dice, potrebbe insospettire l’esaminatore. 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 è una macchina? Un’altra domanda considerata insidiosa potrebbe essere “quanto fa 454886296 x 66407?”. Si sostiene che questa domanda sia insidiosa perché 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 all’uso della macchina potrebbe rispondere troppo velocemente. Ma, a ben vedere, non c’è necessità di scomodare il computer: esistono infatti delle persone in grado di compiere dei calcoli del tipo di quello appena descritto ad una velocità “fuori dal normale”; dobbiamo considerarle macchine? C’è 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 sull’argomento del tipo “perché tuo padre si è 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, figuriamoci se posso sapere le motivazioni personali di mio padre!!). L’ignoranza su certi argomenti è caratteristica umana: una cosa che davvero mi insospettirebbe di una persona è 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, infine, 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’è 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 può rispondere dicendo, innanzitutto, che una macchina potrebbe rispondere comodamente “a caso” alla prima domanda, e a partire da quella risposta configurare la seconda (le risposte potrebbero essere: “S`ı”; “Non lo conosco” oppure “No; Non amo il suo genere”). Inoltre potrebbe rispondere alla terza rielaborando i significati delle parole contenute in essa59 e a partire da ci` o esprimersi senza sbilanciarsi (rispondendo ad esempio “purtroppo è cos`ı 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 l’oggetto specifico 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 è una macchina oppure no. Il test di Turing non è uno strumento adatto perch´ e è ristretto ad un contesto troppo specifico (il laboratorio) e perch´ e chi somministra il test è gi` a a conoscenza del fatto che con ogni probabilit` a una a ci sar` macchina in una delle due stanze. Il principio su cui si basa è, in sostanza, molto simile a quello adottato dai comportamentisti che pretendevano di stabilire l’essenza del comportamento umano partendo dal comportamento dei ratti. Una simile opzione, come 59

Come fanno, ad esempio, macchine come Eliza che è una simulazione di uno psicanalista.




169

abbiamo gi` a visto, incorre in limiti insormontabili e non è assolutamente in linea con l’approccio che abbiamo sin qui presentato. La quarta obiezione si rivolge alla possibilit` a che una macchina possa dare l’impressione di essere intelligente, senza tuttavia esserlo: questo è il caso di alcuni programmi come ELIZA che pur riuscendo a simulare attività umane, tipo lo psicoterapeuta, sono considerate solamente “degli imbrogli ben congegnati”60 . Il motivo di questa considerazione è dettata dal fatto che questo programma opera a partire dal riconoscimento di una certa parola o di una certa frase, in risposta alla quale è programmato a scegliere, quasi del tutto a caso, una frase all’interno di un sistema fissato61 . Se osserviamo con cura e senza pregiudizi il comportamento di ELIZA ci appare davvero diverso da ci` o 62 che fa l’analista ? Il metodo dell’analista non è forse quello di “muovere delle biglie a caso” all’interno di ci` o che dice il paziente? Ovviamente, non ci sfugge il fatto che l’ermeneutica delle proposizioni del paziente appartiene solamente ad una prima parte del processo psicanalitico e che in seguito è necessaria un’analisi e una “soluzione” che venga fuori in comune tra paziente e medico. Tuttavia, è noto che esistono gi` a dei robot che a partire dall’analisi 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 affermare che, effettivamente, 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 interlocutore64 : non pu` o esservi infatti effettivo “passaggio” di alcunché (l’uomo è un 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 l’insegnante dice che non legge veramente quelle parole (e in certi casi che finge di leggerle). Se pensiamo a questo leggere, al leggere del principiante, e ci chiediamo in cosa consista il leggere , saremmo indotti a dire: è 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 “finge” di 60

Harel [2000]. Un 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 l’analisi 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 l’interpretazione dei sintomi e sottovalutarne o sopravvalutarne l’importanza. 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 differenza tra un passaggio di informazione e la significazione 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 differente (non occidentale) o di lingua diversa. 61


170


leggerla può aver luogo la stessa cosa che avviene nella coscienza del lettore esperto che la “legge”. [...]

··· a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

Ma immagina il caso seguente: a uno che sa leggere correttamente diamo da leggere un testo che non ha mai visto prima d’ora. Egli ce lo legge - ma ha la sensazione di recitare un brano a memoria (potrebbe essere effetto 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 l’influsso di una certa droga, una serie di segni grafici, 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 dell’alfabeto; 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 differente 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, è 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 è il semplice prodotto di una mera immagazzinazione, quanto, piuttosto, la messa in comunicazione degli elementi pi` u disparati presenti nella coscienza e la possibilità di movimento. Ovviamente, la confutazione di (5) è effettivamente (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`ı elementari di computazione. Il problema su cui dobbiamo concentrarci è, dunque, (6). Questa obiezione, in realt` a, possiede ancora dei limiti teorici molto evidenti: l’identificare 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. L’impegno che prendiamo se affermiamo una simile teoria è infatti quello di sostenere che la conoscenza sia un atto puramente passivo di collegamento di enti acquisiti: nessuna conoscenza è “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 è 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 è un sistema autopoietico esso non pu` o che essere operazionalmente chiuso, di conseguenza esso non può passivamente ricevere 65

Wittgenstein [1953] par.156 e 160.




171

alcunché, pena la disintegrazione del sistema. Inoltre, la conoscenza del mondo, secondo lo schema che abbiamo proposto, è data dall’accoppiamento strutturale tra il sistema uomo (mente/corpo) e l’ambiente, che proprio tramite tale accoppiamento si strutturano e ristrutturano a vicenda: la capacit` a simbolica dell’uomo ci impedisce di pensarlo come una “scatola” capace di accogliere informazioni che devono poi essere correlate in modo pi` u o meno complesso. Infine, il nostro corpo secondo (6) sarebbe completamente espunto dall’atto conoscitivo, a meno di non considerarlo solamente come una sorta di “conduttore” che per mezzo del suo movimento è capace di portare alla mente i dati che devono poi essere correlati; se il corpo, come abbiamo sostenuto, è, 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 all’uomo) 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 deficit cognitivi non sono in grado di padroneggiare il linguaggio in maniera competente. Tuttavia, si potrebbe rispondere, che proprio a causa di tali deficit non siamo disposti a considerare tali uomini come “intelligenti”: in questo senso una macchina, se vogliamo porre l’analogia, sarebbe simile ad un uomo con dei problemi cognitivi e, quindi, cos`ı 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; è un dato acquisito della linguistica, infatti, che l’apprendimento di una lingua seconda (o di una terza e cos`ı 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 l’inglese, osciller` a sempre tra l’uso di a sort of e a kind of senza percepire minimamente la differenza. D’altro canto un inglese standard sapr` a 67 sempre con certezza quando usare la prima locuzione o la seconda . Questa capacit` a di discriminare tra due locuzioni che hanno lo stesso senso, ma che devono essere usate in contesti differenti è ci` o che caratterizza le competenze pragmatica e lessicale di una lingua. Vista la nostra premessa, quindi, dovremmo dire che se un requisito, affinché la macchina sia considerata intelligente, è la competenza linguistica dovremmo, secondo 66

Di fatto p oi, questi soggetti con deficit linguistici possono mostrarsi molto intelligenti o arguti in altri ambiti. 67 Naturalmente gli esempi possono moltiplicarsi e diversificarsi. Nel campo della competenza pragmatica “pura”, un italiano, difficilmente 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

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’è evidente, è 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 l’eccessivo logicismo può essere ci` o che, durante un test di Turing, pu` o farci dubitare dell’umanit` a di uno dei due esseri presenti in una stanza? Bisogna fare una distinzione, qui, infatti, stiamo parlano di comportamento logico e pianificatorio, non solamente di esecuzione logica. Tuttavia, anche sul piano comportamentale il problema è facilmente aggirabile: il fatto che l’intelligenza possa misurarsi a partire da un comportamento logico e pianificatorio mette in crisi, infatti, anche le capacità 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 pianificare la sua vita o i suoi comportamenti? Si dice, che anche nell’illogicit` a dell’uomo si celi una logica inconscia e che la mancanza di pianificazione pu` o essere “pianificata”; 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 all’interno 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 69 illogico . Per ciò che concerne la pianificazione, in particolare, si dice che la macchina 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 è il dire che, di fatto, esistono delle persone che non sono materialmente in grado di pianificare alcunché e che quindi, se la loro capacit` a pianificatoria deve essere considerata sintomo di intelligenza, tali individui non sono intelligenti, il che è paradossale; la seconda, invece, pertiene la costituzione della macchina stessa, ossia, se consideriamo gi` a di per s´ e la frase “possibilità di programmare un viaggio per l’estate 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 semplificarlo e dove esse si differenziano costitutivamente dall’uomo, 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. Ciò che dobbiamo chiederci è se, di fronte ad una macchina superficialmente uguale all’uomo 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 è 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 l’algoritmo 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 l’uomo opera (non stiamo parlando qui di una sovversione dei principi logici fondamentali, ma solo di trasgressione di alcuni principi comportamentali); secondo, è evidente che quando non riusciamo in alcun modo a ricollocare all’interno dello spazio logico il comportamento di un essere umano lo poniamo immediatamente ai margini del sistema “normale”, dichiarandolo folle o non sano di mente. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



173

ad accettare la possibilit` a che “dopo lo stress invernale” il nostro replicante decida di andare in vacanza. Il punto (9) è uno dei motivi essenziali per cui non siamo disposti a concedere che neppure i robots di pi` u moderna generazione siano macchine intelligenti. Infatti, è evidente che anche tali robots non sono affatto 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 è attrezzata per funzionare come un uomo assomigliargli? L’ipotesi secondo cui un robot con dei sensori che riproducano i nostri sensi e che abbia la possibilità di muoversi sia una macchina simile all’uomo è del tutto errata. Se quello che abbiamo sostenuto sin qui è corretto, la corporeit` a dell’essere 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. L’idea che l’uomo possa essere riprodotto nel modo sopra descritto riduce l’uomo stesso ad una sorta di scatolone che, per mezzo delle sue pareti esterne, è in contatto con il mondo, ma è 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 dell’uomo, tuttavia, come vedremo tra breve, non può 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 effetti, risiedono sullo stesso pregiudizio di fondo: ci sono delle qualit` a intrinseche dell’uomo che nessun altro può avere. Il pregiudizio, ancora una volta, non è un pregiudizio sulle macchine ma sulla natura umana: si sostiene qui, infatti, non solo che coscienza e sentimenti sono il proprio dell’uomo, 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 dell’uomo non è da esso “estraibile” come un qualcosa di superfluo, esso è 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 è considerata o come una produzione di un particolare tipo di cellule nervose presenti nel cervello70 o come un problema pseudoscientifico e, in conseguenza di ci` o, insolubile. Se si considera il punto di vista riduzionistico delle neuroscienze, appare chiaro che il problema della coscienza è un insuperabile macigno per l’implementazione di macchine intelligenti: se non sappiamo come collocare nel cervello le cellule coscienti come facciamo a riprodurle su un cervello artificiale? Se, invece, provassimo a considerare la coscienza non come il semplice prodotto di alcune esotiche cellule cerebrali, ma come un fenomeno naturale che sorge dall’unione indissolubile di mente e corpo, allora l’enigma potrebbe apparire meno oscuro. Lo stesso, com’` e ovvio, 70

Confronta Tononi [2003]; Churchland [1981; 1984].


174



deve essere per ciò 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 dell’uomo è la sua capacit` a simbolica: questo, ovviamente non è in contrasto con la presenza del corpo, anzi, potremmo dire, alla nascita del simbolismo è 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 è, come spesso intendono alcuni scienziati cognitivi, riducibile al cervello, esso, come abbiamo mostrato precedentemente, è per certi versi non delimitabile con certezza, esso è ci` o che ci rende come siamo ed è, come ripetuto pi` u volte, inseparabile sia della mente che dall’ambiente in cui è radicato. Proprio la storia di questo radicamento, le sue fasi, possono considerarsi i segni dell’intelligenza 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 all’uomo: a nostro avviso, è questo il discrimine per costruire un replicante. Ci` o, ovviamente, non significa che tale macchina dovrà essere composta di “carne e sangue”, ma solamente che essa dovrà 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 definizione di un replicante umano nella precedente Tesi 3.3.2: Tesi 3.4.1 Per permettere la costruzione di una macchina intelligente secondo i cri-

teri da noi enunciati precedentemente sarà necessario che la macchina non solo abbia un’ interno umano, ma che abbia, anche un’esteriorità del tutto simile all’uomo. 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 è “separata” dalla medicina e dalla filosofia 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 filosofia. Tuttavia, mediamente, il risultato è stato quello di creare una disciplina “schizoide”: da un lato essa reclama a gran voce scientificit` a, dall’altro, lavora su strumenti teorici propriamente filosofici senza per` o analizzarli con la dovuta cura. Inoltre, grazie all’abbandono della prospettiva medica, essa ha messo tra parentesi prima, e dimenticato del tutto poi, che il suo oggetto di studi è l’uomo nella sua complessit` a e non esclusivamente la parte mentale o cerebrale di esso. La rimozione del corpo in psicologia ha portato, quasi di riflesso, la rimozione dello stesso nelle ricerche per la costruzione di macchine intelligenti: del resto, se la disciplina che p er statuto ha a che fare con l’intelligenza non si occupa del corpo, non c’è nessun motivo per cui dovrebbero farlo gli studiosi delle macchine. Inoltre, ogni tentativo filosofico di rendere edotta la psicologia circa il recupero della corporeità, raggiunto con fatica dalla filosofia stessa, è stato salutato come l’ennesimo tentativo dei filosofi 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 definitivamente 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 dall’astrattezza (filosofia) e dalla corporeità in generale (medicina) ha reso la psicologia virtualmente sorda ad alcune interessanti risoluzioni di problemi esistenti al suo interno ed, inoltre, l’ha definitivamente consacrata come la disciplina dell’attesa : prima o poi tutto potr` a essere spiegato secondo criteri neurofisiologici. Nell’attesa, tuttavia, speriamo che qualcosa accada... Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


175

Solo attraverso la costruzione di una psicologia che accolga in sé anche la corporeit` a potranno essere costruite delle macchine analoghe all’uomo. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

3.5

Verso un ritorno all’uomo

All’interno di questo capitolo abbiamo delineato una prospettiva che, partendo dall’analisi dei sistemi viventi, ci ha ri-condotti a considerare in una nuova ottica i sistemi artificiali. In particolare, abbiamo visto come qualunque tentativo di sviluppo di una teoria dell’intelligenza artificiale parta sempre non da concetti o giudizi riguardo la sua propria natura, quanto piuttosto da teorizzazioni relative ai sistemi viventi. Questa ovviamente è la prassi metodologica che deve necessariamente essere seguita quando si cerca di ricreare artificialmente delle qualit` a proprie dei viventi73 : è perciò da una rimodulazione dell’analisi di questi ultimi che occorre ripartire per proporre un nuovo percorso all’interno delle teorie dell’artificiale. Il nostro scopo è stato pertanto quello di evidenziare come all’interno del paradigma cibernetico dominante, che pure fa dell’organizzazione 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 artificiali, alla sua originaria matrice filosofica: ripensare la natura dell’individualit` 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 nell’ipotetico caso in cui si volesse creare un sistema che non abbia l’intelligenza vivente come modello. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 



Capitolo 4

Prolegomeni ad ogni futura Cibernetica Solo i Greci riuscivano a definirlo come Hals, il sale, il mare in quanto materia, Pélagos , la distesa d’acqua, il mare come visione, spettacolo, P` ontos, il mare spazio e via di comunicazione, Th` alassa , il mare in quanto evento, e infine K` olpos, lo spazio marittimo che abbraccia la riva, il golfo o la baia

J.C. Izzo - Les marins perdus

4.1

Dall’informazione al significato

Come noto dalla precedente trattazione delle nozioni di base della Teoria dell’Informazione1 , uno dei presupposti teorici fondamentali dell’approccio di Shannon e Weaver era la restrizione del campo di interesse ad una prospettiva puramente ingegneristica, basata sull’analisi dei circuiti comunicativi in termini di sorgente - flusso di dati - ricevente2 . Questo modello escludeva dalla nozione di informazione in questione, la sua intrinseca natura semantica, portatrice di significato e quindi determinante nel trasformare il “messaggio” in “comunicazione”, la cui corrente di significati stabilisce la pratica dell’interazione. La struttura matematico-probabilistica sulla cui base veniva sviluppato il concetto di informazione non necessitava, per una trattazione scientifica, di alcuna “complicazione” quale la spiegazione della nozione di significato. Eppure, tutto il processo di sviluppo finora osservato, dalle origini dell’IA 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. L’esempio della 1 2

Cfr. cap.1, par.5 Si riveda al proposito la figura 1.3 del presente volume.

177

178



teoria dell’informazione, che abbiamo scelto in apertura di questo capitolo, è paradigmatico per mostrare l’insufficienza di un unico livello fondamentale di osservazione, quello sintattico appunto nel caso della Teoria dell’Informazione, e la necessit` a di una prospettiva in grado di cogliere la necessaria complessità di diversi livelli teorici sovrapposti. Il primo passo in questa direzione è ovviamente una considerazione dell’essenzialità della coppia strutturata “sintassi/semantica”, riconsiderata alla luce dell’intima co-presenza di “segno” e “significato”. Il “segno” rappresenta in questo contesto la nozione sintattica che funge da elemento della struttura informazionale, l’oggetto determinato da un calcolo di regole (stocastiche, nel caso della Teoria dell’Informazione) che governa l’intelligenza meccanica degli esordi. Eppure, la nozione stessa di informazione nasce intrinsecamente legata alle operazioni di codifica e decodifica, che implicitamente la determinano come messaggio: il segno è sintatticamente elaborato, e su questa base semanticamente neutro, ma il suo fine proprio consiste nel fare emergere un significato funzionale alla comunicazione. Partendo dagli stessi presupposti, la Cibernetica di Wiener sposta l’attenzione 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 l’accoppiamento 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 rafforza ganizzazione. E la necessit` a del passaggio dall’informazione semplice al significato 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 significato: abbiamo cercato di mettere in evidenza tale connessione in un percorso che ci ha condotto dal calcolatore all’analisi del sistema-uomo, attraversando il mondo dei robots. La Robotica, infatti, potrebbe parzialmente essere considerata come un regno di insorgenza, all’interno dell’artificiale, di questa capacit` a di accoppiamento di elementi indispensabili ad una configurazione completa di un certo sistema di relazioni, finora realizzato solo dall’uomo. Tuttavia, le lacune in questo percorso sono da rilevare in almeno due ambiti: primo, l’assenza 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, finalizzato ad una costruzione sociale. Al di l` a dell’attuale stato della ricerca in Intelligenza Artificiale e Robotica, che si presenta manchevole sotto molteplici aspetti, ci` o che in questa sede ci preme sottolineare è la profonda dimensione filosofica che dall’analisi di tali ricerche affiora. Infatti, in una prospettiva di analisi teorica ampia dei temi qui trattati, appare necessario ed inevitabile ragionare in termini di interazione e comunicazione: nell’interpretazione dell’essere vivente come sistema, lo spazio chiuso e diretto della circolazione di dati è impossibile. Ogni struttura vivente è in realt` a una rete di relazioni tra viventi, che perciò stesso riconosce il suo medium naturale nello scambio comunicativo (non necessariamente linguistico). Comunque si configuri tale scambio, esso è costituito da significati, da domande e risposte, dall’essenza della relazione e della comunicazione delle intelligenze .




179

Introduzione al problema e definizioni

Ci` o che svilupperemo nelle successive sezioni è la riconfigurazione della “peculiarit` a umana”, che finora è stata limitata ad un dibattito sui processi intellettivi, focalizzando l’attenzione sulla centralità 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 è stata esposta nel capitolo precedente. Partendo dall’assunzione di queste due relazioni essenziali alla determinazione del sistema-uomo, potrebbe essere facile cadere nell’errore di considerare tali relazioni come due piani separati di concettualizzazione: il primo, in cui l’individuo si relaziona con un ambiente scevro da qualunque presenza antropica, perciò a sé stante, che potremmo chiamare natura ; il secondo in cui sussiste il rapporto puramente umano tra un individuo e i suoi simili, che potrebbe definirsi 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 è al centro dell’analisi filosofica del sistema uomo. Secondo la dicotomia classica appena menzionata, la relazione tra natura e cultura si configura in termini di due ambiti assolutamente distinti e relati per differenza, all’interno dei quali l’uomo è “misura di tutte le cose”. Egli è al centro di una distinzione tra oggetti ed elementi naturali dati e oggetti e comportamenti culturali prodotti; è inoltre una sorta di Giano bifronte, che da un lato possiede delle caratteristiche esclusivamente legate alla sua origine naturale, e dall’altro 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: è facile individuare come oggetti naturali il mondo in s´ e (dalla struttura dell’atomo ai regni animale, vegetale e minerale), le leggi che lo regolano, i bisogni primari (come la nutrizione, la riproduzione e l’autodifesa). D’altro canto esistono i comportamenti e gli oggetti prodotti dalla cultura, come le capacit` a umane dalla scrittura all’arte 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, è innegabile che anche all’interno di una chiara distinzione degli oggetti che possiamo determinare come naturali o culturali, proprio in funzione di quell’egemonia che caratterizza il sistema uomo, chiunque è disposto a sostenere che esiste un’influenza 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 è 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 influenza degli attributi culturali su quelli naturali infici l’assunto di base che natura e cultura siano due sistemi totalmente differenti: non appena infatti si analizzano dei comportamenti quali ad esempio il tradimento o l’aggressività, chi si basa sulla dicotomia classica è 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 d’altra parte anche l’errore inverso, ossia tutti quei casi in cui Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

180



si sostiene il cosiddetto “mito del buon selvaggio”, il cui immaginario propone l’essere umano inteso come essere totalmente naturale e perciò stesso del tutto privo delle storture e della malizia provocate dalle sovrastrutture culturali. Del resto, questa attitudine teoretica è 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 fisica 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 dell’uomo, non appena si sposta l’attenzione 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 fisici quali sono gli elementi fonetici e fonologici, sviluppa teorie che non sono riconosciute come scientifiche nel senso in cui lo è una teoria fisica. Allo stesso modo, la biologia soprattutto nel corso del ’900 è stata riconosciuta come un caso paradigmatico di scienza che fuoriesce dai canoni classici tipici ad esempio della fisica3 . D’altra parte, se le proprietà e la sistematicità delle scienze dure hanno influenzato anche il modo di costruire gli apparati delle scienze umane, è 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 scientifici, veritieri in quanto prodotti da una metodologia corretta, di scienze quali la matematica o la fisica, 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 configura in tutto e per tutto come un risultato scientificamente valido nel contesto in cui fu pensato: la ghiandola pineale, pur non costituendo il criterio rigido dell’esperimento per come esso è pensato dalla scienza moderna, risponde in effetti alla necessit` a di una fondazione scientifica della teoria e in ciò rappresenta il modo pi` u coerente di pensare il rapporto tra mente e corpo all’interno del pi` u ampio quadro scientifico di riferimento. Altro caso esemplare è quello della matematica, scienza dell’esattezza per eccellenza: essa è fondata in accordo al principio della correttezza logica come essenza stessa della scienza. Il risultato matematico rappresenta, dunque, il prototipo dell’oggetto vero indipendente da qualsiasi influenza contestuale, della scoperta storica che rispetto ad esso è puramente accidentale: questo è 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 all’uomo, tale paradigma si è indebolito, dando vita ad uno dei dibattiti pi` u intensi e stimolanti dell’intera storia della scienza. Il concetto stesso di verit` a matematica è stato rivoluzionato, sino a porre la sua validit` a in diretta connessione e dipendenza con l’atto della scoperta in termini di dimostrazione4 . Questo processo ha solo in parte influenzato la pura prati3

Mayr [1997]; cfr. per questo argomento quanto gi` a detto nel cap.3.1.1. Questo dibattito, generato dalla già 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 filosofici come il naturalismo si inseriscono a pieno titolo in questo dibattito, del quale noi vogliamo solo riferire in termini esemplificativi al nostro discorso pi` u generale. 4




181

ca matematica, ma presenta l’evidente ingresso della riflessione filosofica nel modo di pensare e concepire ciò che è l’oggetto matematico, nella distinzione tra il vero come oggetto in s´ e, scoperto ma non generato dalla dimostrazione, o alternativamente come risultante all’esistenza proprio per mezzo dell’atto di dimostrare. In particolare, questa seconda prospettiva (costruttivismo) riporta l’assolutezza del dato matematico all’agire storico dello scienziato, evidentemente inserito in un contesto che agisce sul suo modo di ottenere i risultati (comunque giustificati in termini di pura coerenza dimostrativa). Inoltre la cultura è all’origine dell’idea stessa di scienza della misurazione: ci` o è evidente nel suo sorgere come risposta alle pratiche necessità 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 inficiano certamente il senso della matematica quale struttura metodologica e scienza esatta, vogliono piuttosto solo indicare un’innegabile relazione che esiste tra la matematica e il contesto in cui essa nasce, modificandone l’idea, gli scopi e in questo senso anche i risultati. Questo reciproco influsso tra scienza e il suo contesto socio-culturale è adesso facilmente riconoscibile nello sviluppo di tutte le scienze naturali o umane: un altro caso eccellente è quello dell’astronomia, il cui sviluppo è stato determinato da un impianto teorico-teologico-cosmologico dominante (Keplero) a suffragare il quale si è ricercata la validit` a del dato, creando con ci` o implicitamente i presupposti per la vera e propria nascita della scienza (Copernico), che d’altro canto si è 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, è la necessit` a di una revisione della loro relazione: questi due concetti non vanno dunque pi` u pensati dicotomicamente, bens`ı reciprocamente; non vi è tra i due un elemento base che possa essere considerato pi` u fondante dell’altro, entrambi questi concetti si sono, dalla comparsa dell’uomo sulla terra, evoluti in un intreccio indistricabile che ha dato vita a quella che potremmo definire una storia naturale , che è cos`ı identificabile come uno dei caratteri distintivi della specie umana. Da tale evoluzione senza fondamento si sviluppa quella triplice relazione tra individuo, ambiente e collettività che è alla base della vita stessa dell’uomo. In questi termini, infatti, non potrà pi` u pensarsi un individuo che non sia parte di una collettività 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 infine una collettività che non sia formata da individui e che non sia radicata all’interno di un ambiente ben definito. Inoltre questi tre termini non soltanto sono in relazione gli uni con gli altri, ma si modificano gli uni gli altri, mantenendo un equilibrio stabile che ne permette lo sviluppo e l’esistenza stessa. Questa triplice relazione quindi individuo

  ←− ambiente −→ collettivit` a pu` o essere definita come un vero e proprio ente relazionale che prevede al suo interno un continuo rimando da un vertice all’altro della figura. Tali rimandi sono a nostro Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

182



avviso governati da una sorta di processo equilibrante che opera all’interno dell’ente e che rende eguali le influenze dei tre vertici. Tale forza la definiamo Cultura Reale . La cultura reale è in sostanza un “equilibratore” che permette la coesistenza in un unico momento dei tre influssi, che sono per loro stessa natura distinti ma congiunti. A partire dal concetto di cultura reale si può 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 dell’ambiente e le necessità 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 dell’elemento ambiente nel circuito di relazioni; b. interculturalit` a, ossia la presa di coscienza della presenza contemporanea di differenti tipi di collettività, ognuna delle quali presenta il suo proprio valido equilibrio all’interno della struttura sopra descritta; conseguentemente c. benessere , ossia la soddisfazione individuale ricavata dallo stato paritario dei rapporti di influenza tra ciascuna delle componenti della collettività cui si partecipa e dell’ambiente di cui si è parte. Il risultato complessivo di un tale equilibrio delle funzioni e delle richieste dei costituenti relazionali, non può che essere un universo in cui la lotta diviene superflua e di conseguenza un universo in cui domina la Pax :

individuo

  ambiente −→ collettivit` a ⇓ Cultura Reale ⇓ ←−

Sviluppi ecosostenibili

 Ecologia

↓ Benessere

 Interculturalità

⇓ PAX

Questa visione è ovviamente in netta opposizione al paradigma dominante realizzato, che ha tutt’altra struttura. In parte abbiamo già 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. All’individuo è sostituito Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

183


l’anonimo essere vivente, all’ambiente la neutra natura, alla collettività la dispersiva societ` a: a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

essere vivente

· · · natura

societ` a

Questo schema non può essere dominato da quel processo equilibrante che abbiamo definito cultura reale, ed invece prevede di volta in volta la supremazia di un polo sugli altri: a1. supremazia della natura , ovvero la risposta di quest’ultima al controllo sfrenato e irresponsabile delle risorse e dei beni naturali, inevitabilmente in termini di disastri naturali; a2. supremazia della societ` a, ovvero l’imposizione da parte di un gruppo egemone della propria cultura, considerata come l’unico 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 è continuamente insoddisfatto e alla ricerca di un miglioramento del suo stato, che prevale su ogni logica di convivenza e coabitazione. Appare chiaro, infine, 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 quell’equilibrio necessario alla sopravvivenza non soltanto dell’essere umano, ma di tutto il pianeta: essere vivente

· · · natura

societ` a

⇓ Potere

⇓ Sviluppo insostenibile

 Disastri

↓ Disagio

 Egemonia

⇓ LOTTA

In questo senso, la via d’uscita da questa spirale non può che essere l’istaurazione dell’equilibrio sopra citato derivante dalla Cultura Reale. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

184



Ritorno al significato 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 collettività, si definisce 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 è co-determinato e di conseguenza sussiste solo all’interno di tale relazione. Detto questo, appare chiaro come le precedenti definizioni 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, è costituzionalmente differente rispetto allo schema tipico del canale classico di informazione. Infatti, per comprendere l’essenza 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 : è propriet` a costitutiva di questo sistema l’assenza delle figure di riferimento dello schema classico, quali l’emittente, il ricevente e il canale su cui il flusso informativo scorre a senso unico. La comunicazione va qui intesa non come una connessione tra un emittente ed un ricevente, quanto piuttosto come un flusso vitale necessario alla sussistenza delle parti coinvolte nella relazione: la sussistenza di ognuna di tali parti è 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 è qualitativamente differente: se il sistema classico di informazione è 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 significato. Proprio allo scopo di introdurre la nozione di significato all’interno di questo differente modello comunicativo, è necessario abbandonare il concetto di frequenza e ripensare una nuova dimensione a 5 . La nozione di intensit` dell’informazione a partire dal concetto di intensit` a relativa all’informazione svolge un essenziale ruolo teorico: essa rifiuta l’indifferenza semantica del bit quale unit` a primaria dell’informazione. Per la Teoria Statistica dell’Informazione la codifica dei messaggi produce stringhe binarie incapaci di esprimere differenza rispetto al messaggio condotto. Eppure la comunicazione si differenzia proprio nella relazione tra gli elementi in essa espressi e il contesto che li produce e li riceve, in un circolo continuo di ri-significazione. L’idea di intensit` a esprime esattamente il variare di gradazioni cui il messaggio è inevitabilmente sottoposto nella sua funzione comunicativa, laddove esso costituisce la fitta trama di condizionamenti reciproci tra gli individui e il loro contesto (ambiente e collettivit` a). L’informatività di un messaggio risponde a diversi ordini di registro che non sono esauriti unicamente dalla sua imprevedibilità, cioè il rapporto che lega minore probabilit` a a maggiore informazione. Vi sono infatti innumerevoli altri trat5

Cfr. Simondon [1989].




185

ti significativi che condizionano non soltanto la quantit` a dell’informazione espressa, ma anche la sua qualit` a, trasformando cos`ı l’oggetto teorico in questione da “informazione meccanica” a significato. Il sistema comunicativo classico, come sappiamo, è strutturalmente chiuso: in esso l’informazione fluisce a partire dall’emittente in un processo a senso unico che non si sottrae mai alla “comprensione” del ricevente. Infatti in esso le chiavi di codifica e decodifica sono comuni ad entrambi i poli, e ciò rende paradossalmente mai completamente estraneo il flusso 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 è determinato come rumore. Lo scopo stesso di un canale informazionale è in questi termini quello di condurre il messaggio procedendo alla rimozione di tutto ci` o che risulta estraneo all’atto di decodifica, 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 anch’essi informativamente chiusi. In questo senso, finch´ e vogliamo semplicemente stabilire il quantitativo di informazione che si trova all’interno di un sistema vivente, possiamo semplicemente rivolgerci alla teoria statistica; nel momento in cui invece volessimo comprendere che genere di scambi significativi si svolgono all’interno di un tale sistema, siamo costretti a mutare registro e a rivolgerci ad una diversa teoria dell’informazione. Se continuassimo infatti ad utilizzare la teoria statistica, finiremmo per decretare il collasso del sistema stesso, nel momento in cui tali scambi sono di fatto dei processi di codifica e di decodifica semantica. D’altro canto non si ignora qui l’importanza e l’essenziale apporto offerto dalla gi` a citata Teoria Semantica dell’Informazione , che si propone a partire dagli anni Settanta di sviluppare proprio quel livello che la versione sintattica escludeva, cioè il problema del significato, o forse meglio della trasformazione del messaggio in comunicazione. Ma l’approccio che nel seguito si intende suggerire risponde ad un’esigenza diversa, ovvero quella di integrare l’analisi del rapporto tra individuo e comunit` a presentata nelle sezioni precedenti, e offrire a questa struttura la base concettuale necessaria, ovvero una nuova determinazione del concetto di informazione.

4.3.1

Teoria intensiva dell’Informazione

Un primo essenziale elemento che è stato individuato nello studio dei sistemi classici di comunicazione, e a cui abbiamo accennato come discriminante nella determinazione del nuovo concetto intensivo di informazione, è il sistema codifica-decodifica. Ci proponiamo adesso un ripensamento di tale operazione, la quale si presenter` a come nucleo teorico centrale per la nuova teoria dell’informazione. Il sistema di riferimento per una tale teoria va pensato come un sistema informazionalmente dinamico, il cui concetto di informazione è determinato come intensivo. La dinamicit` a di un tale sistema fa proprio riferimento all’operazione di codifica-decodifica, non pi` u pensabile secondo un registro fissato. Ci` o vuol dire essenzialmente che: 1) non è possibile determinare una volta per tutte i ruoli dell’emittente e del ricevente, poiché i due poli non sono pi` u nettamente distinguibili : uno scambio comunicativo che sia realmente tale (dialogo ) prevede continui scambi di ruolo Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

186


tra l’uno e l’altro, in un modello in cui l’io diventa tu e il tu diventa io, senza soluzione di continuità; ci` o evidentemente “deforma” la natura unilaterale del sistema comunicativo classico; a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

e un 2) l’io parlante costituisce per se stesso il primo ricevente, creando cos`ı su di s´ iniziale livello di feedback che essenzialmente modifica in itinere il messaggio : tale messaggio quindi non è fissato 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 codifica dell’emittente è appunto dinamico, esso interviene continuamente a rimodellare il messaggio; o dire che anch’esso non è forni3) l’ascoltatore non è passivo, intendendo con ci` to di un parametro fisso di decodifica, che costituisce il suo modello prefissato di comprensione : dal primo istante della comunicazione, e per tutto il suo corso, il cosidetto ricevente interagisce nei confronti dell’emittente già grazie al suo stesso essere presente, provocando un secondo e continuo livello di feedback sul parlante, e modificando in questo tanto il messaggio quanto anche la modalit` a di enunciazione dell’emittente; ciò comporta l’impossibilit` a di pensare il ricevente come attivo nella comunicazione solo quando quest’ultima è conclusa da parte del parlante: quella del ricevente non costituisce soltanto una “risposta”. Il livello di interazione cui facciamo riferimento, non è quindi basato unicamente su un’azione che, per analogia con temi gi` a affrontati, potremmo dire stimolo-risposta; o meglio, l’azione di stimolo e di risposta si presenta in maniera continuativa e, appunto, a diversi livelli di intensità. Se l’operazione di codifica-decodifica è 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, un’espressione, l’intero contesto costituiscono gi` a tutti elementi che in un dialogo interagiscono pienamente e riconfigurano continuamente l’azione e la reazione dei suddetti agenti. Tutti questi elementi rappresentano ciò che rispetto al messaggio strettamente inteso è estraneo, ossia ci` o che nella teoria statistica è determinabile come rumore: e tuttavia, in una teoria intensiva, essi distinguono l’essenzialità stessa della comunicazione, poiché è propria della struttura degli agenti in interazione la capacit` a di rimodulare i propri orizzonti significativi 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 significativo; 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 fisso (operazione di decodifica), da un livello in cui è possibile tanto il fraintendimento quanto l’arricchimento del messaggio originario. Questo sistema comunicativo dinamico, esteso alla sua “rumorosit` a”, determina una soglia di intensit` a che non è data né oggettivamente né tantomeno è prodotta soggettivamente: essa è piuttosto il risultato dell’interazione tra tutti gli elementi e di tutte le operazioni e gli scambi che tra di essi si esercitano. Di fatto ciò che qui riferiamo come soglia intensiva, è l’indice dello scarto tra il silenzio semantico e la produzione significativa: esiste un grado di (in-)comprensione che procede a partire dalla complessa articolazione del sistema e che del significato rappresenta l’unico indice. Questa soglia ci permette di distinguere un suono inarticolato da un suono significativo e, all’interno delle comunit` a linguistiche, permette di distinguere differenti livelli semantici; cos`ı Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


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 all’attenzione dei parlanti a secondo delle regole, ancora una volta intensive, prodotte dall’accordo sociale. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

Il gradiente intensivo cui facciamo riferimento esprime infatti anche la capacit` a di un parlante di mutare registro linguistico a seconda dei differenti “luoghi” discorsivi in cui agisce (competenza pragmatica): egli rimodula (come visto poco sopra) il suo codice lingustico adattandolo ai fini che si propone o alle richieste che la comunit` a pone. D’altra parte, l’intensit` a è anche riferita al livello di comprensione che è esercitato variamente in relazione ancora una volta al contesto: la possibilità e la modalità dell’espressione 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 può essere dato dalla nota capacit` a degli Inuit di riferirsi all’oggetto “neve” in ben 16 modi differenti; 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 infine i 19 modi dell’arte calligrafica cinese per denotare il termine “spada”. Gli esempi qui riportati mostrano già come la possibilità stessa della comunicazione significativa sia il risultato di un unico processo che lega lo sviluppo dell’individuo a quel contesto che abbiamo determinato in termini di ambiente e collettivit` a: è evidente come il termine “neve” possa includere diverse significazioni sulla base di un essenziale parametro geografico che indissolubilmente è legato alla formazione linguistica di quella popolazione; in altre parole gli Inuit posseggono differenti termini per “neve” poich´ e il loro accoppiamento strutturale con la regione geografica gli impone di distinguere varie soglie di utilizzo di quel termine. D’altro canto, il caso dei greci, se in parte ripropone la centralità dell’elemento “mare” nel loro contesto geografico, è al contempo innegabile che le diverse soglie significative sono anche determinate da una concettualizzazione legata alle differenti funzionalit` a che il mare esercita all’interno della vita dell’uomo greco. Infine, è nella profonda cultura etica e religiosa dei cinesi che probabilmente va rintracciata l’origine della differenziazione grafica relativa al termine “spada”, laddove l’uso dell’arma e la pratica della scrittura sono fattori indissolubili nella formazione guerriera e artistica propria dell’antica Cina. Se seguiamo coerentemente la teoria intensiva dell’informazione, dati questi ultimi esempi, non possiamo che giungere alla conclusione che sono presenti all’interno della lingua due diverse piattaforme da tenere in considerazione: la prima si riferisce ad un territorio comune all’interno del quale convergono, per cos`ı 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 geografica), o da fattori “culturali” (formazione etica, artistica, religiosa) o infine da fattori misti, che legano insieme entrambi gli influssi, restituendo una nuova sintesi concettuale. Il concetto stesso di informazione intensiva esprime perciò quella fondamentale co-determinazione tra linguaggio e lingua, che da sempre è apparsa centrale nell’analisi della capacit` a linguistico-comunicativa dell’uomo, 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 l’altra faccia della medaglia, ossia il ruolo che è giocato dalla Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

188



possibilit` a del fraintendimento e dell’incomprensione: è 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 è rigido e univocamente determinato nel suo modulo di codifica-decodifica. 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 significato, vaghezza, indeterminazione del riferimento, e che per esempio nella difficoltà della traduzione da una lingua ad un’altra trovano un testimone illustre. In conclusione, alla luce delle indicazioni che la Teoria Intensiva dell’Informazione 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 definirsi davvero un replicante dell’uomo dovr` a potere

tenere “sotto controllo” l’ambiente circostante anche in situazioni imprevedibili, dovrà configurarsi come sistema autopoietico e dovrà 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 un’esteriorità del tutto simile all’uomo. Infine, il replicante dovrà essere in grado di comprendere e fraintendere, di costruire orizzonti di senso coerenti alla comunit` a in cui è inserito, dovr` a in una formula, possedere una sua particolare storia naturale, che lo determini sia ontogeneticamente sia filogeneticamente, e che quindi si configuri da una parte come individuo, dall’altra come elemento fondamentale di una collettività. 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`ı anche gli uomini. Elimina dai gesti ogni esitazione, ogni prudenza, ogni garbo. Li sottopone alle esigenze spietate, vorrei dire astoriche, delle cose. Cos`ı 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 l’interno che l’accoglie. [...] Che cosa significa per il soggetto che le finestre non hanno più 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 più vestiboli, soglie verso la strada, mura intorno al giardino? [...] Tra le cause del deperimento dell’esperienza c’è, 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 libertà del contegno che in indipendenza della cosa - che sopravvive come nocciolo dell’esperienza perché non è consumato dall’istante dell’azione . La nostra volont` a è quella di inserirci nella possibilità dell’almeno per ora , che il maestro di Francoforte aveva già indicato. Pi` u che a meccanizzare l’uomo, il senso Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 


189

di questo testo si volge al tentativo difficoltoso e forse impossibile di umanizzare la macchina e ancora una volta l’orizzonte significativo prodotto da quest’ultima. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a




Bibliografia [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.

adigten Leben , [2] Adorno, T.W. [1951] Minima moralia. Reflexionen aus dem besch¨ 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 artificiale , Franco Angeli, Milano.

a, Carocci. [6] Bellotti, L., Moriconi, E., Tesconi, L. [2001] Computabilit` ¨ irreversible Strahlungsvorg¨ ange , in Sitsungsberichte [7] Boltzmann, L. [1897] Uber 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 , Artificial 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 filosofia della mente , Macerata. [15] Cassirer, E. [1923-29] Philosophie der symbolischen Formen , ristampato in Primus Verlag [2001]; trad. it. La filosofia delle forme simboliche , Firenze 1966.

191

192

Bibliografia

[16] Castells, M. [1996] The Information Age: Economy, Society and Culture - vol. I: The Rise of Network Society , Blackwell, Oxford, 1996. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

[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. Skinner’s 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 dell’Università 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 Microfilms 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 dell’artificiale , 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 dell’intelligenza , 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] Darwin’s 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

193

Bibliografia

[38] Dreyfus, H.L., Dreyfus, S.E. [1990] Ricostruire la mente o progettare modelli del cervello? L’intelligenza artificiale torna al bivio , in Negrotti [1990], pp.27-57. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

[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 Artificial Intelligence/The MIT Press, Cambridge, Massachussets and London, England. [49] Frege, G. [1879] Begriffschrift, eine der arithmetischen nachgebildete Formelsprache des reinen Denkens , Halle, 1879; trad. it. Ideografia , in Mangione [1965], pp. 103-206. [50] Frege, G. [1884] Die Grundlagen der Arithmetik: eine logisch-mathematische Untersuchung ¨ uber den Begriff der Zahl , Breslau, 1884; trad. it. I fondamenti dell’aritmetica: 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 dell’aritmetica , in Mangione [1965], Boringhieri.

a e Calcolabi[52] Frixione, M. [1991] Dispense di Teoria della Ricorsivit` a di Genova, disponibile al sito internet lit` a effettiva , DIST - Universit` 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

194


Bibliografia

odel, K. [1930] Die Vollst¨ andigkeit der Axiome des logischen Funktionenkalk¨ uls , [56] G¨ Monatshefte f¨ u r Mathematik und Physik, XXXVII; ristampato in Collected Works , vol.I, p.124, OUP. ¨ formal unenscheidbare S¨ odel, K. [1931] Uber [57] G¨ 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. odel, K. [1934] On undecidable propositions of formal mathematical systems , [58] G¨ in Collected Works , Vol.I, pp.342-372, OUP.

c ; trad. it. [59] Harel, D. [2000] Computers Ltd. What they really can’t do, D. Harel  Computer a responsabilit` a limitata. Dove le macchine non riescono ad arrivare , Torino 2002. [60] Haugeland, J. [1985] Artificial Intelligence - The very Idea , MIT Press, Cambridge Massachussets, 1985; trad. it. Intelligenza artificiale , 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 König. Gesellschaft der Wissenschaften zu Göttingen, 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. Sull’Infinito , in C. Cellucci La Filosofia 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].

uge der theoretischen Logik , [65] Hilbert, D., Ackermann, W. [1927] Grundz¨ Springer Verlag Berlin, V edizione. [66] Hodges, A. [1983] Alan Turing: The Enigma , Simon and Shuster, New York.

odel, Escher, Bach: an Eternal Golden Braid , Basic [67] Hofstadter, D.R. [1979] G¨ odel, Escher, Bach: un’Eterna Ghirlanda Brillante , Adelphi, Books Inc.; trad. it. G¨ 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 fluidi 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 reflex , 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 Nijhoff, Den Haag 1987; trad. it. La filosofia come scienza rigorosa , Roma-Bari 2001. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

Bibliografia

195

anomenologie und ph¨ anomenologi[73] Husserl, E. [1913] Ideen zu einer reinen Ph¨ schen Philosophie, Band I-II-III , Martinus Nijhoff, Den Haag 1950; trad.it. Idee per una fenomenologia pura e per una filosofia fenomenologica , Torino 1965 (II ed. 2002). a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

aischen Wissenschaften und die transzen[74] Husserl, E. [1934] Die Krisis der europ¨ dentalen Ph¨ anologie , Martinus Nijhoff, 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 Press, Cambridge UK; trad. it., Modelli mentali , il Mulino, Bologna 1988. [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 quantifiers , 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 definability 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 quantifiers , 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 Noordhoff 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 Scientific 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

196

Bibliografia

[92] Lientz, B.P. [1981] An Introduction to Distributed Systems , Addison-Wesley Publishing Company Inc. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

[93] Lillie, R. S. [1915] What is purposive and intelligent behavior from the physiological point of view? , in Journal of Philosophy, Psycology and Scientific Methods, 12, pp. 589-610. [94] Longo, G. [1988] On Church’s 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 artificiale? , in Sistemi Intelligenti, anno XIV, n.1. [101] Marr, D. [1976] Artificial 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] Marraffa, M. [2002] Scienze cognitive. Un’introduzione filosofica , Padova. [107] Maturana, H. R. [1990] The Biological of Self Consciousness and the Physical c Humberto R. Maturana ; trad. it. Autocoscienza e realt` Domain of Existence ,  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. c H. Maturana [110] Maturana, H. R., Varela F. [1984] El a ´rbol del conocimiento,  e F. Varela; trad. it. L’albero 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

Bibliografia

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 Artificial 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 Artificial 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 Artificial 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 Artificial 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 Infinite 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 Artificial Intelligence , MIT AI Lab Memo, n.252, 1972.

a, dispense per la Scuola Estiva di [127] Montagna, F. [2002] Teoria della ricorsivit` 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 l’artificiale , Bollati Boringhieri. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

198

Bibliografia

[132] Negrotti, M. [1990a] Il futuro dell’intelligenza artificiale e le sue radici culturali , introduzione a Negrotti [1990], pp.11-26. [133] Negrotti, M. [1990b] Intelligenze alternative , in Negrotti [1990], pp.74-104. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

[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 unchen, R. Oldenbourg, Thought , in H. Billings (ed.), Lernende Automaten , M¨ pp.109-124. [142] Newell, A., Simon H.A. [1972] Human Problem Solving , Englewood Cliffs, 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 Artificiale - 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

Bibliografia

199

[151] Primiero, G., Rotolo, G. [2004] (a cura di), Mappe Concettuali, Territori Cognitivi - I Workshop di Studi filosofici, Biblioteca Tematica “Potere e Sapere” , in Annali della Facolt` a di Lettere e Filosofia dell’Universit` a degli Studi di Palermo ◦ - Studi e Ricerche N 42. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

a. Fenomenologia [152] Pugliese, A. [2004] La dimensione dell’Intersoggettivit` dell’estraneo nella filosofia di Edmund Husserl , Mimesis, Milano. [153] Reitman, W.R. [1964] Heuristic Decision Procedures, Open Constraints and the Structure of Ill-Defined 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 dell’Intelligenza artificiale , Edizioni Scientifiche 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 scientifici, 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 brain’s mind a computer program? , Scientific 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. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

200

Bibliografia

[169] Shannon, C.E., Weaver, W. [1952] The mathematical Theory of Communication , Urbana, Chicago, London: University of Illinois Press, 1952. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

[170] Shapiro, S.C., Eckroth, D. [1987] (eds.), Encyclpedia of Artificial 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] Shortliffe, 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 Artificial , Cambridge, Massachussets, MIT Press (2a ed.); trad. it. Le scienze dell’artificiale , 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 , Artificial Intelligence, vol. 21, pp.7-29. [181] Simon, H.A. [1989] Models of Thought, vol.II , New Haven, CT, Yale University Press. ` la lumièr des [182] Simondon, G. [1989] L’individuation psychique et collective. A notion de Forme, Information, Potentiel et Métastabilité , Editions Aubier ; trad. it., Derive e Approdi, Roma 2001

undung der elementaren Arithmetik durch die rekurrien[183] Skolem, T. [1923] Begr¨ de 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 filosofia degli automi , Bollati Boringhieri, Torino. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

Bibliografia

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. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

a e coscienza , Roma[190] Tononi, G. [2003] Galileo e il fotodiodo. Cervello, complessit` Bari. [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].

odel , Harvard University Press. [193] van Heijenoort, J. [1967] From Frege to G¨ [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 Bartalanaffy, L. [1937] Das Gef¨ uge des Lebens , Lipsia. [197] von Bartalanaffy, 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 Bartalanaffy, 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 , Scientific American, 182, pp.42-45. [203] Walter, W.G. [1951] A machine that learns , Scientific 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 Miffin 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 nell’animale e nella macchina , Il Saggiatore, Milano 1968. Giuseppe Rotolo e Giuseppe Primiero Dall’Artificiale al Vivente c 2005 Polimetrica International Scientific Publisher Monza/Italy 

202

Bibliografia

[209] Wiener, N. [1976-1984] Collected Works: I,1976; II,1979; III,1981; IV,1984, Masani P. ed., MIT Press, Cambridge, MA. a n L T n o i h d t c e e e a n e l l s l l e e e c o w B c t t r r o u ” o n s g n i e i c i c v f o e o f e s d r i m t h a t i n o a e y t c o n a o n o n n e f d t b e h n t h t y t i s e s a o p b n f o o y s o o t h s i k t h e b i s l e w i i n r o t m r y o e k t o t a f d s n o i o l s r s d o c t a r f o i n d p m b u m u t i b e e s l i c r t h m c a a i e a t i l c d e o n p o n a . u t r e v A p n a i d o t l s a d s e o b i l t s i f e o t n o h i r a f e n l o w r f r i r o e g e r h p r k a t o s , c f i p c o t r e n . o s s P t h o v i .E d e l i v c m e o e d e r n t t h y r t e c i a n a t c o t s P t h n r o u e t i f b a b t u u l h i t t s e h h o i w e o r n o r s i h s r k a o f p s a t u r t h h b e l e e i t w s h h e e x o e r d a c k l u u t a a h s n c i d c o v o r e ’ r t s h d r i e i p g n r g p h o t u t p b o e t r o l i t t h y p s h e . u e b r t l i a e r s r m h e a a s n l o d w f “ s a P e y s l l r o l i e t m h e c o e t g c n r i o i c n s a t e e L d n i t c s a n e o d n f m s e t h B e e n ” w t i . o o n “ P r k e d o i . l i n I m p t e t a d p o r i e e c r s a

[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] Artificial Intelligence , Addison-Wesley, Reading, Massachussets. [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

Recommend Documents