Le tre lezioni di Turing e la filosofia dell’informazione

floridi_vint

Vediamo di lasciare nella rete grazie a questo blog atipico e altamente inaffidabile per dimostrate capacità di produrre fake news, un po’ di teoria a cui, nella nostra semplicità elaborativa e con anticipo di anni, ci siamo ispirati.

Amiamo Alan Mathison Turing e il suo sofferto vissuto da anni. Così come abbiamo amato Ipazia Alessandrina, lo spirito del Kami presente anche nelle cose apparentemente inanimate, la Cappella Sistina delle Alpi nella chiesa millenaria di Zillis in Svizzera.

hut8

Conoscendo alcuni aspetti della personalità di Turing e del suo lavoro di gruppo all’interno della Hut8 (la Baracca 8), come altre volte avevo fatto ho dato vita ad una struttura così denominata perché si preparasse ad affrontare, discutere, trovare soluzioni ad alcune complessità che avevo recuperato dai pensieri di Luciano Floridi, filosofo complesso che ho avuto il privilegio di conoscere personalmente. Così come precedentemente avevo potuto incontrare Edgar Morin, altro pensatore che mi ha fortemente influenzato nelle giornate passate con lui. Con Floridi sono stato poco rispetto a quanto avrei voluto ma non è detto che prima di chiudere gli occhi non mi tolga lo sfizio di andarlo a sentire/incontrare nuovamente.

Intanto oggi pubblico un estratto della prima di tre lezioni filosofiche di Turing rispetto appunto alla complessità del mondo dell’informazione. Vi ho detto che è teoria ma che considero assolutamente necessario mettere in cascina benessere intellettuale di tale dimensione prima dei tempi convulsi che ci aspettano. Prima comunque di passare all’annuncio dell’insediamento e dell’avvio delle attività didattiche della scuola di Intelligence culturale che non ho rinunciato a veder nascere. Nonostante in troppi non vogliano che nasca. Ma noi siamo sanniti e con noi sono cazzi amari se non si ha il coraggio di abbatterci definitivamente.

floridi-300x300

Chi sia Luciano Floridi andatevelo a recuperare da soli. Lascio a lui la parola come se stesse qui in diretta:

Abstract

In questo articolo, delineo le tre principali lezioni filosofiche che possiamo imparare dal lavoro di Turing, e come queste conducano ad  una nuova filosofia dell’informazione. Dopo una breve introduzione, discuterò il suo lavoro sul metodo dei livelli di astrazione (LoA), e la sua insistenza sul fatto che le domande possano essere significativamente poste solo specificando il corretto LoA. Analizzerò poi la sua seconda lezione, sulla tipologia delle questioni filosofiche che sembrano essere più urgenti oggi. Infine mi soffermerò sulla terza lezione, riguardante la nuova filosofia antropologica che deve così tanto al lavoro di Turing. Mostrerò poi come le lezioni apprese derivino dalla filosofia dell’informazione. Nella conclusione,  una sintesi generale dei punti analizzati, in vista dello sviluppo della filosofia dell’informazione stessa come continuazione del lavoro di Turing.

Parole Chiave

Quarta Rivoluzione; Livello di Astrazione; Antropologia Filosofica; Filosofia dell’Informazione; La teoria dell’informazione di Shannon.

Introduzione

Quando si guarda all’eredità filosofica di Turing, sembrano esserci due rischi. Il primo è quello di ridurlo al suo famoso Test (Turing 1950). Questo ha il vantaggio di essere netto. Chiunque può riconoscere il contributo in questione e inserirlo nel rilevante dibattito riguardo la filosofia dell’intelligenza artificiale. L’altro rischio è quello di diluire il tutto in un’unica narrazione che abbraccia tutto, rendendo le sue idee i semi di tutto ciò che facciamo e sappiamo oggi. Questo ha il vantaggio di riconoscere la grandezza di questo genio. In entrambi i casi, comunque, ci sono meno probabilità di identificare quali contributi concettuali di Turing abbiano contribuito a plasmare il nostro discorso filosofico contemporaneo, e quali possano dirigere il suo sviluppo futuro. Al fine di evitare entrambi i rischi, nelle seguenti pagine, mi concentrerò su tre specifiche lezioni filosofiche che sembrano particolarmente significative per la nascita della filosofia dell’informazione e i suoi successivi sviluppi. Non vi offrirò  un’analisi filologica o scolastica, ma un esercizio ermeneutico minimalista. Appartiene allo straordinario genio di Turing il fatto che gli altri interpreti impareranno numerose e diverse lezioni dalla sua eredità intellettuale. Mi auguro un giorno che la figura di Turing diventi così centrale per i nostri canoni filosofici così come lo è quella di Frege.

Le tre lezioni filosofiche a cui spero di appassionare i lettori sono: come il suo lavoro sul metodo dei livelli di astrazione (LoA) può insegnarci a porre domande filosofiche correttamente; quali domande filosofiche sono più urgenti oggi, come conseguenza del lavoro di Turing; infine, l’influenza di Turing nel plasmare la nostra nuova antropologia filosofica, che potrei chiamare la quarta rivoluzione. Collegherò poi queste tre lezioni allo sviluppo della filosofia dell’informazione, il settore filosofico che si interessa all’indagine critica sulla natura concettuale e ai principi fondamentali dell’informazione, incluse le sue dinamiche, suo utilizzo e le scienze a questa connesse, e con l’elaborazione e l’applicazione di metodologie di teoria dell’informazione e di calcolo a problemi filosofici. La filosofia dell’informazione si appropria di un’esplicita, chiara e precisa interpretazione della classica domanda “ti esti”, ovvero “che cos’è l’informazione?”, il più chiaro segno distintivo di un nuovo campo. Come qualsiasi altro campo in questione, anche questo serve solo a delimitare una zona di ricerca, non a mappare i suoi problemi specifici nel dettaglio, che abbiamo solo cominciato ad illustrare. In conclusione sosterrò che anche se Turing non ha mai sviluppato una filosofia dell’informazione, questa sarebbe inimmaginabile senza la sua eredità e le sue tre lezioni descritte in questo articolo.

Prima lezione: fissare il livello di astrazione o come porre domande filosofiche

Immaginate il seguente scenario. Chiedete il prezzo di un articolo, ipotizziamo un’automobile di seconda mano, e ricevete la seguente risposta: 5,000. La domanda riguardava una variabile, il prezzo x della vettura in questione, e avete ricevuto un valore numerico esatto per il valore di x, ma manca ancora qualcosa. Non avete ancora idea di quale sia il prezzo perché non conoscete il tipo della variabile: sono sterline, dollari, euro…? Certamente, il contesto di solito aiuta. Se siete in Inghilterra e chiedete il prezzo ad un automercato, la vostra richiesta dovrebbe essere interpretata considerando il prezzo in sterline, e così dovrebbe essere per la risposta. È banale, penserete. Ovviamente si applicano le regole di conversazione di Grice. È così, e loro lo fanno. Ma questo è anche un presupposto fondamentale spesso dimenticato. Nel Novembre 1999, la NASA ha perso il Mars Climate Orbiter (MCO), del valore di 125 milioni di dollari, poiché la squadra di ingegneri Lockheed Martin per un’operazione spaziale chiave usò il sistema di misurazione britannico (anche noto come Imperiale), mentre la squadra dell’agenzia aveva utilizzato il sistema metrico decimale. Come risultato, la MCO si schiantò su Marte. Supporre che i contesti potranno sempre disambiguare i tipi di variabili, apre la strada a possibili errori costosi. Quindi che cosa ha tutto questo a che fare con Turing? Parecchio, a quanto pare. Per mostrarvi il perché fatemi introdurre un modello un po’ astratto di informazioni concrete.

Siamo in grado di trattare le informazioni del tipo sopra illustrato dal prezzo della vettura di seconda mano come un composto di domanda + risposta. Se sono consentite alcune semplificazioni teoretiche, la domanda può essere ricondotta all’algebra di Boole, seguita da una risposta positiva o negativa. Nella versione originale del nostro esempio, il prezzo della vettura di seconda mano diventa quindi: [il prezzo di questa macchina è 5.000? + si]. Vedete che il problema non è nella risposta, ma nella domanda: non contiene indicazioni riguardanti il tipo di variabile trattata. La corretta quantità di informazione è certamente: [il prezzo di questa macchina è di £ 5.000? + si]. Abbiamo appena introdotto il corretto livello di astrazione o LoA, rappresentato dal simbolo della sterlina britannica, non , per esempio, dal simbolo € dell’euro. Turing fu il primo a comprendere la cruciale importanza dell’esprimere il LoA che per alcune domande sensibili può essere richiesto. Potrebbe sembrare estremamente ovvio, ma il secondo esempio indicato, riguardante il MCO, mostra quanto facile e pericoloso sia dimenticare impliciti LoAs. L’importanza di essere chiari a proposito del proprio livello di astrazione era ovvia quanto il fatto che la terra era tonda, e che l’America era lì per essere scoperta. Ma servì il genio di Turing per portarlo alla luce. Certamente, il contributo di Turing non fu quello di introdurre il concetto di tipi di variabili, o di stabilire la necessità di quadri di riferimento. Queste idee erano già comuni al suo tempo. La sua lezione era quella di chiarire per la prima volta come anche domande filosofiche e concettuali potessero ricevere risposta solo fissando il LoA con cui avrebbe avuto senso ricevere una risposta. Questo è uno dei contributi più grandi e duraturi del famoso Test (Turing 1950), molto più importante delle previsioni sbagliate a proposito di quando le macchine lo avrebbero superato, o quali conseguenze si dovrebbero trarre se le macchine lo superassero (Floridi, Taddeo et al. 2009). Alcune volte si dimentica che Turing si rifiutò addirittura di provare a fornire una risposta alla domanda “ può una macchina pensare?”, perché lo considerava un problema “troppo irrilevante per meritare una discussione”. Usando il nostro semplice esempio, sarebbe come chiedere il prezzo di una vettura di seconda mano in cifre assolute, insistendo sul fatto che non è stata usata una valuta per esprimerle. Assurdo. Ad ogni modo, Turing obiettò che la questione coinvolgeva concetti vaghi come “macchina” e “pensare”. In altre parole, mancava un chiaro livello di astrazione. Così ha suggerito la sua sostituzione con il gioco dell’imitazione, che è esattamente più gestibile e meno esigente poiché fissa uno scenario basato su una regola base facilmente attuabile e controllabile (Moor 2003). Così facendo, specificò un LoA – la “valuta”che aveva scelto per il gioco era l’intelligenza umana, ma sarebbe potuto essere qualcos’altro, dall’intelligenza animale alla creatività umana, come molte altre versioni  del gioco dell’imitazione di Turing hanno mostrato –  e posto un nuovo quesito, che può essere così riassunto: “ si può concludere che una macchina sta pensando, al Livello di Astrazione rappresentato dal gioco dell’imitazione?”. Dopo mezzo secolo, la filosofia sta ancora studiando tale lezione fondamentale. Possiamo ora passare alla seconda lezione, che richiede una premessa ben più lunga.

Oreste Grani/Leo Rugens