Filosofia e nuovi sentieri

«Mi rappresento il vasto recinto delle scienze come una grande estensione di terreno disseminato di luoghi oscuri e illuminati. Lo scopo delle nostre fatiche deve essere quello di estendere i confini dei luoghi illuminati, oppure di moltiplicare sul terreno i centri di luce. L’un compito è proprio del genio che crea, l’altro della perspicacia che perfeziona» Denis Diderot

Quando le macchine decidono: il Machine Learning

2 commenti

> di Francesca Quaratino *

Abstract

Piattaforme digitali come Netflix e Amazon tendono a dominare lo scenario digitale contemporaneo, contribuendo, inoltre, a migliorare la nostra esperienza online e permettono all’utente di scegliere con facilità ciò che desidera.
Ciò che rende ulteriormente semplice, e piacevole, l’utilizzo di tali piattaforme è la possibilità di visionare “suggerimenti scelti per noi”, i quali possono derivare da acquisti effettuati in precedenza o da ricerche correlate rispetto a cui non resta che scegliere.
Nell’era dove non è più l’uomo a cercare e vedere il mondo, ma è il mondo a mostrarsi all’uomo per essere indagato, il fenomeno del Machine Learning (ML) occupa un ruolo cardine.

Keyword: Machine Learning – Artificial Intelligence – Responsabilità – Digitale

Il Machine Learning potrebbe essere definito come “un’evoluzione algoritmica” in grado di «costruirsi da sé». (P. Domingos, 2016, p. 15) poiché, grazie alla capacità di apprendere, prevede e struttura dati: la tecnologia che contraddistingue questo algoritmo, favorendo lo sviluppo di nuovo approccio al mondo, offre la possibilità di capire e conoscere ciò che desideriamo o che potremmo desiderare, prima ancora che il suddetto desiderio raggiunga la nostra consapevolezza.
Dal risultato suggerito dai motori di ricerca, agli acquisti online, il ML è onnipresente e permette di poter selezionare senza che la mente possa imbattersi in pensieri e calcoli complessi; non si parla più di un algoritmo in grado di far funzionare una macchina, ma di un vero e proprio modello di apprendimento che crea altri modelli di apprendimento e così via, giungendo a una procedura “capovolta” e semplificata, la quale riesce a garantire una funzionalità maggiore:

«ogni algoritmo ha un input e un output: i dati vengono immessi nel computer, l’algoritmo fa quello che deve fare, e alla fine, si ottiene il risultato. Il machine learning capovolge tutto quanto: si parte dai dati e dal risultato desiderato e si arriva all’algoritmo che vi fa passare dagli uni all’ altro. […] il machine learning è la spada con cui si uccide il mostro della complessità». (p. 28)

Oltre a non necessitare di soggetti atti a implementare altri algoritmi e operazioni, il ML permette alle aziende e alle società che decidono di adottarlo di migliorare e incrementare i propri proventi poiché, grazie alla capacità adattiva e predittiva, l’algoritmo di apprendimento regala al consumatore la possibilità di raggiungere ciò che vuole in modo intuitivo e immediato.
Il ML propone suggerimenti e prodotti che interessano al singolo soggetto e, tale capacità, si verifica grazie ai suddetti algoritmi, i quali apprendono dati, li rielaborano, li confrontano tra loro e li offrono su misura per ogni utente.
Volendo esemplificare la peculiarità del Machine Learning impiegato da Amazon mostra tutti gli articoli correlati alla ricerca effettuata in precedenza, proponendo prodotti affini ai prodotti precedentemente acquistati, al di là del prezzo, e scommette sulla quantità, in cui risiede la forza della propria logistica; Netflix invece, utilizza un sistema di Machine Learning più dettagliato che tende a individuare con maggior precisione i nostri gusti, ma offre film poco noti e meno costosi, puntando sulla felicità dell’utente e contemporaneamente al risparmio.
L’apprendimento automatico (A. Cucci, 2017) rappresenta una scoperta e un’innovazione dalla vasta portata poiché, con l’aggiunta e la comparsa dell’automatismo, l’algoritmo non necessita che di se stesso per lavorare. In una società incentrata sul fare (B. C. Han, 2012) e su di una temporalità sempre più ridotta all’adesso, la presenza di una tecnologia altamente performante diviene quasi un’esigenza: l’algoritmo diventa così il mezzo “privilegiato” di conoscenza e produzione (A. De Mauro, 2019).
La nuova frontiera dell’algoritmo di apprendimento ha come parola d’ordine ottimizzazione, promuovendo l’investimento nei settori e nelle figure professionali di developer e data scientist, nel tentativo e nella speranza di accrescere lo sviluppo di tecnologie sempre più capaci e meno articolate volte alla costruzione di un sapere e di un mercato che riesca a soddisfare l’esigenza del soggetto e/o consumatore, il quale accoglie positivamente gli effetti prodotti dall’uso di ML: tutto ciò che può essere semplificato è semplificato, tutto ciò che può essere ricercato è già stato cercato e tutto ciò che può conoscere è stato già conosciuto e proposto dall’algoritmo; la relazione e il confronto utente/dipendente non ha modo di manifestarsi poiché ci si confronta con software capaci di rispondere a ogni genere di quesito, agevolando il lavoro dei dipendenti e appagando gli utenti che non dovranno più attendere.
Il ML potrebbe essere definito come nuovo luogo della conoscenza e della funzionalità presente nei sistemi informatizzati, esso apprende, confronta e ripropone, elabora e sintetizza, analizza e monitora: “un nuovo cervello” costituito da formule ben formate prova a simulare e riprodurre i nostri «processi cognitivi» (Rumelin-Weidenfeld, 2019), spogliati tuttavia, di qualsiasi componente emotiva (J. M. Besnier, 2015).
Il computer e il cervello umano sono accomunati dalla capacità di ricevere segnali, manipolare simboli, memorizzare ed elaborare informazioni, tuttavia, è possibile individuare alcune differenze tra la funzionalità di un computer e di un cervello: è la cosiddetta velocità di risposta, in cui la performance e i tempi di reazione di un computer risultano notevolmente superiori ai tempi di risposta prodotti dai neuroni, i quali impiegano una tempistica maggiore; l’intelligenza artificiale, d’altra parte, non è, attualmente, capace di rievocare eventi ed essere emotivamente influenzata da questi, peculiarità, invece, appartenente al cervello dell’uomo che, connesso e influenzato dall’ambiente, fissa o rimuove eventi dalla memoria (M. Benasayag, 2016).
Se il cervello necessita di tempo e conoscenza pregressa per poter analizzare dei testi, Amazon, che può essere annoverato tra i maggiori investitori di ML, studiando e strutturando algoritmi di apprendimento come Amazon Comprehend è in grado di applicare l’apprendimento automatico al campo della grammatica e dell’analisi testuale, al fine di garantire un risultato esatto elaborato nel minor tempo possibile, definendo Comprehend:

«Un servizio di elaborazione del linguaggio naturale (NLP) che usa l’apprendimento automatico per trovare informazioni e relazioni nel testo. Questo servizio identifica il linguaggio del testo, estrae le frasi chiave, i luoghi, le persone, i marchi o gli eventi, capisce se il testo ha una connotazione positiva o negativa, analizza il testo con tokenizzazione e categorie morfo-sintattiche e organizza automaticamente una raccolta di file di testo per argomento». (Amazon Comprehnd, https://aws.amazon.com/it/comprehend/)

Ogni elemento, dalla linguistica al linguaggio di programmazione, è prezioso per migliorare le prestazioni e l’efficienza del ML e una volta inseriti i parametri standard per agevolare la ricerca, il ML funzionerà in totale autonomia, implementando ulteriori programmi: il linguaggio naturale, la sintassi e la morfologia di una lingua sono appresi dall’algoritmo, che pur non essendo predisposto naturalmente a tale apprendimento – caratteristica che secondo Chomsky «contraddistingue il genere umano» (N. Chomsky, 1977) – ne individua gli aspetti positivi e negativi, coglie assonanze, differenze e relazioni tra parole e costruzioni grammaticali, competenza questa, prima dell’arrivo e della diffusione del ML appartenente solo all’essere umano.
Lo sviluppo di software e di algoritmi che presentano strutture simili a quelle «cerebrali» (E. Prati, 2017) e cognitive dell’uomo, talvolta come abbiamo appena visto, anche più prestanti per alcune attività e funzioni, condurrebbero l’uomo ad una un’inconsapevole assimilazione con la macchina, modificando così il quadro ermeneutico, antropocentrico e umanistico non più spendibile.
Il ML, con la sua potenza e la sua pervasività, non costituisce un mero contrassegno delle nuove tecnologie, bensì un fenomeno di più ampia portata, che investe di sicuro il settore economico (compiacendo senza attrito l’ormai globale mercato del capitale), fino a influenzare profondamente le categorie dell’essere vivente umano; da qui, il portato antropologico del ML.
Il ML può essere indicato con diversi nomi come «pattern recognition, modellizzazione statistica, data mining, scoperta della conoscenza» (P. Domingos, 2016, p. 30), i quali indicano con caratteristiche più o meno simili la categoria generale dei ML, che tecnicamente, come asserisce Domingos, rappresentano:

«un settore dell’intelligenza artificiale, […] cresciuto così tanto e così bene che ormai è sul punto di eclissare la sua orgogliosa genitrice. L’intelligenza artificiale si propone di insegnare ai computer come fare ciò che attualmente gli esseri umani sanno fare meglio, e non c’è dubbio che l’apprendimento sia l’attività più importante». (p. 31)

L’universo degli algoritmi di apprendimento e dei discendenti learner dovrebbe contribuire ad accrescere ed espandere il livello di benessere ed efficienza presenti nella nostra società: il ML “sceglie” al posto del soggetto e “produce” al posto dell’azienda e l’algoritmo è la condizione di esistenza, senza la quale, la vita del learner non avrebbe modo di esistere.
La diffusione delle ICT, Information Communications Technology, determina l’entrata in scena di una nuova fase storica di natura prevalentemente informazionale, denominata Iperstoria, in cui come sostiene Luciano Floridi, «il benessere sociale e individuale dipende dall’utilizzo delle medesime» tecnologie poiché il loro corretto utilizzo facilita la comunicazione tra «umano e sistemi computazionali» (L. Floridi, 2017).
La formazione di sistemi multi-agente in cui la tecnologia riordina lo spazio e il tempo, tende a produrre un significativo mutamento antropologico ed etico. Si tratta allora di indagare il ri-collocamento dell’uomo, il quale, non si configura più come bios, ma come un “bio-tecno-ente” (P. A Masullo, 2008) gestito e connesso costantemente con algoritmi e Intelligenza Artificiale.
Tale significativa novità ontologica, modifica, come sostenuto da Roberto Marchesini (Post-human, 2002), la riflessione sull’uomo e la rappresentazione dell’uomo, oramai divenuto un soggetto ibridato non più soltanto col mondo animale ma anche, e soprattutto, con la tecnica.

Conclusioni

Una realtà abitata da learner e metalearning incrementerebbe il profitto economico delle aziende, e dispenserebbe l’uomo da qualsiasi preoccupazione legata alle scelte al lavoro, a cui provvederà l’algoritmo definitivo e, per tale motivo, risulta necessario comprendere e conoscere la funzionalità algoritmica ad oggi dominante e con la quale siamo costantemente interfacciati.
In un ambiente in cui le tecnologie penetrano le categorie dell’umano fino a ridefinirne i predicati, il soggetto è «re-identificato» (L. Floridi, 2017) e riformulato dall’ambiente digitale, in cui, egli costruisce un’identità virtuale; l’esistenza viene “digitalizzata” e i sempre più assidui e frequenti rapporti di ibridazione suggeriscono di affrontare un’ermeneutica ontologica del soggetto.
Il comportamento dell’uomo, in definitiva, risulta essere profondamente modificato dai partner tecnologici con cui si misura; l’enormità e la capillarità dei processi ibridativi non dovrebbero, tuttavia, indurci a una resa totale del pensiero quanto, piuttosto, a un ripensamento delle categorie dell’umano che tenga conto dell’avvenuta (e non ancora terminata) rivoluzione informatica e biotecnologica.
Questa trasformazione esistenziale che si manifesta e si realizza attraverso le nuove tecnologie necessita dunque di essere indagata analizzata, al fine di poter strutturare una nuova riflessione filosofica, etica e morale (A. Fabris, 2019) sull’utilizzo della tecnologia “al di là del bene e del male”.

Bibliografia

M. BENASAYAG, Il cervello aumentato, l’uomo diminuito, Erikson, Trento, 2016
J. M. BESNIER, L’uomo semplificato, Vita e Pensiero, Milano, 2013
N. CHOMSKY, La grammatica trasformazionale, Bollati Boringhieri, Torino, 1977
A. CUCCI, A tu per tu col Machine Learning, Thedotcompany Editore, Reggio Emilia, 2017
A. DE MAURO, Big Data Analytics, Apogeo, Milano, 2019
P. DOMINGOS, L’Algoritmo Definitivo, Bollati Boringhieri, Torino, 2016
A. FABRIS, Intelligenza Artificiale e libertà umana, Vita e Pensiero, Milano, 2019
L. FLORIDI, La Quarta Rivoluzione, Cortina Raffaello, Milano, 2017
B. C. HAN, La società della stanchezza, Nottetempo, Milano, 2012
R. MARCHESINI, Post-human, Bollati Boringhieri, Torino, 2002
P. A. MASULLO, L’umano in transito. Saggio di antropologia filosofica, Edizioni di pagina, Bari, 2008
E. PRATI, Mente Artificiale, Egea, Milano, 2017
J. N. RUMELIN – N. WEIDENFELD, L’umanesimo digitale. Un’etica per l’epoca dell’Intelligenza Artificiale, Franco Angeli, Milano, 2019

Sitografia

AMAZON COMPREHEND, https://aws.amazon.com/it/comprehend/ Aggiornato 29/01/2020

* Francesca Quaratino nasce a Potenza in Basilicata il 3/01/1994. Conseguita Laurea Magistrale in Scienze filosofiche e della Comunicazione, col massimo dei voti, presso l’Università degli Studi della Basilicata con una tesi in Antropologia Filosofica dal titolo La Dissoluzione dell’Io nella Società Digitale, attualmente si occupa di Filosofia dell’Intelligenza Artificiale e Filosofia dell’Informazione.

2 thoughts on “Quando le macchine decidono: il Machine Learning

  1. La tecnologia dovrebbe alleviare l’uomo dalle fatiche.
    Gentilmente vorrei avanzare questa osservazione:

    “Ho il terribile sospetto che si vada verso sistemi in cui l’uomo e’ al servizio della macchina; invece che la macchina al servizio dell’uomo”

    • Gentile, convengo con Lei.
      Ritengo che per poter instaurare un rapporto privo di “asimmetria” sia necessario conoscere il funzionamento macchinico ed acquisire una consapevolezza ed una responsabilità informatica. L’etica dell’intelligenza artificiale sta lavorando su questo fronte, sperando di poter garantire l’autonomia umana.

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo di WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione /  Modifica )

Google photo

Stai commentando usando il tuo account Google. Chiudi sessione /  Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione /  Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione /  Modifica )

Connessione a %s...