Dyson G., “L'evoluzione delle macchine”

PREFAZIONE

Quando vivi in una barca, il suo motore lascia un’impronta, a un livello più profondo di quello mentale, su circuiti neurali che, da quando funzionano, si sono esercitati a riconoscere il battito di un cuore umano, quasi fosse una firma da identificare. Talvolta mi sono accostato alla riva per mettermi a dormire sotto il baldacchino della foresta, mentre altre barche passavano allargo, e mi sono ancora interrogato sui pensieri degli alberi; allo stesso modo, nelle ore piccole della mattina, mi è accaduto di trattenermi seduto sulla scaletta che portava in sala macchine, con le isole scure, ammantate dalla vegetazione, che scorrevano sullo sfondo, e mi sono chiesto se le macchine possano avere un’anima. Questa domanda attraversa tutti i capitoli di questo libro.

Siamo fratelli e sorelle delle nostre macchine. Menti e utensili si sono affinati tra loro sin dal momento in cui la pietra di un cavernicolo abituato a rovistare tra gli scarti si ruppe in maniera netta, consegnando così il primo bordo tagliente nelle mani di un cacciatore. La scaglia di ossidiana e il chip di silicio sono colpiti dalla luce dello stesso fuoco da bivacco che si è tramandato di mano in mano sin dai primordi della mente umana.

Questo libro non parla del futuro. Sono già abbastanza sconcertanti il luogo e il momento in cui adesso ci troviamo. Preferisco indagare nel passato, esercitando il privilegio che lo storico possiede di poter scegliere le previsioni che si sono dimostrate corrette. Il passato è il luogo in cui troviamo risposte alle nostre domande: chi siamo noi, e perché? Il futuro è, invece, il luogo in cui intravediamo gli interrogativi, le risposte ai quali sta a noi elaborare.

Rimaniamo una specie sola o ci disperdiamo in diverse?

Rimaniamo menti individuali, oppure ci fondiamo in una sola?

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 13

Nel 1876 Butler spiegava la continuità del plasma del germoglio e anticipava quello che Richard Dawkins nel 1976 avrebbe chiamato gene egoista: “Vediamo solo gli ovuli e consideriamo il secondo ovulo come il mezzo dei primi due non per riprodurre se stessi ma per continuare se stessi — per ripetere se stessi — e le vite intermedie non sono altro che, in un certo senso, un lungo germoglio di patata che va da un tubero al luogo in cui crescerà il prossimo tubero”. Questa intuizione sarebbe stata immortalata sotto forma dell’aforisma secondo il quale una gallina non è altro che il sistema usato da un uovo per produrre un altro uovo. Le idee di Butler sulle idee, meglio espresse nella sua introduzione a Luck, or Cunning?, anticipavano quelli che oggi, sempre grazie a Dawkins, chiamiamo memi:

Le idee sono come le piante e gli animali anche da questo punto di vista. Non mi riferisco alla loro crescita nella mente di coloro che le hanno proposte per primi, ma a quell’ulteriore sviluppo che consiste nella loro successiva buona o cattiva sorte, nel modo, favorevole o meno, in cui vengono accolte da coloro ai quali vengono presentate. Questo, per un’idea, corrisponde a quello che per un organismo è l’ambiente, e getta su di essa la stessa luce che la conoscenza delle condizioni in cui vive un organismo getta sull’organismo stesso.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 63

Turing partì da principi primi tutti suoi. Cominciò con l’escogitare uno strumento immaginario, oggi noto come macchina di Turing. Se avesse seguito con maggior diligenza il lavoro di Alonzo Church o di Emil Post, che avevano anticipato i suoi risultati, il suo interesse per l’Entscheidungsproblem avrebbe assunto una forma meno originale. “Si può quasi dire che Turing riuscì nella sua analisi perché non conosceva il lavoro degli altri”, commentò il suo collega Robin Gandy. “Evviva le menti libere”.

Turing arrivò a concepire la sua macchina per via di eliminazione. Partì dall’idea di un calcolatore (computer), termine col quale nel 1936 non si intendeva una macchina calcolatrice, ma un essere umano fornito di carta, matita, istruzioni esplicite e tempo da dedicare al compito da svolgere. Cominciò poi a sostituire tutte le componenti non ambigue, fino a quando non rimase altro che una descrizione formale di “computabile”. La macchina di Turing consisteva dunque in una scatola nera (semplice come una macchina da scrivere o complicata quanto un essere umano) in grado di leggere e scrivere un alfabeto finito di simboli scorrendo avanti e indietro su una striscia di carta di lunghezza finita ma imprecisata e capace di modificare la propria “configurazione-m” o “stato mentale”.

Potremmo paragonare un uomo che sta calcolando un numero reale a una macchina capace solo di un numero finito di condizioni [...] chiamate “configurazioni-m” — scriveva Turing —. La macchina è fornita di un “nastro” (l’analogo della carta) che scorre attraverso di essa, ed è diviso in sezioni (chiamate “caselle”), ciascuna delle quali può avere un simbolo”. In qualsiasi momento c’è esattamente una sola casella “nella macchina” [...]. Ma alterando la sua configurazione-m la macchina può effettivamente ricordare alcuni dei simboli che ha “visto” [...]. In alcune configurazioni in cui la casella analizzata è vuota (vale a dire che non ha alcun simbolo) la macchina scrive un nuovo simbolo; in altre configurazioni, invece, cancella il simbolo che trova. La macchina può anche cambiare la casella che sta analizzando, ma solo spostandola di un posto a destra o a sinistra. In aggiunta a tutte queste operazioni, anche la configurazione-m può essere cambiata.

Turing introduceva due assunti fondamentali: la discretezza temporale e la discretezza di stato mentale. Dal punto di vista della macchina di Turing (e di tutti i calcolatori digitali che l’hanno preceduta e seguita), il tempo è costituito di momenti distinti, simili ad atomi, uno di seguito all’altro, come il ticchettio di un orologio, i fotogrammi di un film o la successione dei numeri naturali. Assumere questa sequenza discreta ci permette di dare un senso al mondo. La logica presuppone la sequenza di causa ed effetto, la legge fisica una sequenza di eventi osservabili e la dimostrazione matematica una sequenza di passaggi logici discreti. Nella macchina di Turing questi processi passo passo sono rappresentati da una sequenza di simboli discreti codificati su un nastro di carta di lunghezza illimitata e da cambiamenti discreti in sequenza di quello che Turing chiama lo stato mentale della macchina. Turing supponeva che ci fosse un numero finito di stati possibili. “Se ammettessimo un’infinità di stati mentali, alcuni di essi sarebbero ‘arbitrariamente vicini fra loro, e quindi confusi”, spiegava. Questa “restrizione imposta non è tale da interferire seriamente con l’attività di calcolo, giacché il ricorso a stati mentali più complicati può essere evitato scrivendo sul nastro un maggior numero di simboli”.

Perciò la macchina di Turing incarna il rapporto tra una sequenza di simboli finita, anche se arbitrariamente lunga, nello spazio, e una sequenza finita, anche se arbitrariamente lunga, di eventi nel tempo. Turing eliminò con attenzione ogni traccia di intelligenza. In qualsiasi momento, la macchina non è in grado di fare nulla di più complicato o intelligente che tracciare un segno, cancellare un segno, e spostare la casella di un posto a destra o a sinistra. Ogni fase della relazione tra nastro e macchina di Turing è determinata da una tabella di istruzioni (che oggi si chiama programma), la quale elenca tutti i possibili stati interni, tutti i possibili simboli esterni e cosa fare nell’evenienza che si presenti una delle combinazioni possibili (scrivere o cancellare un simbolo, spostare a destra o a sinistra, cambiare stato interno). La macchina di Turing segue queste istruzioni e non commette mai errori. Un comportamento potenzialmente complicato non richiede stati mentali complicati. Prendendo abbondanti appunti la macchina di Turing può funzionare abbastanza bene anche con due soli stati, sebbene a un ritmo più noioso. La complessità comportamentale è la stessa, sia incarnata in stati mentali complessi (configurazioni m), sia in simboli complessi (o stringhe di simboli semplici) codificati sul nastro.

Il modello di Turing, ingannevole nella sua semplicità, fornì risultati sorprendenti. Egli riuscì a dimostrare la possibilità di creare una “macchina calcolatrice universale”, un meccanismo in grado di replicare esattamente il comportamento di qualsiasi altra macchina calcolatrice. La macchina universale incarna il concetto di quello che oggi chiamiamo software, codificando la descrizione di un’altra macchina sotto forma di una stringa di simboli, diciamo di 0 e di 1. Quando viene eseguito dalla macchina universale, questo codice produce risultati equivalenti a quelli dell’altra macchina. Tutte le macchine di Turing, e quindi tutte le funzioni computabili, possono essere codificate con stringhe di lunghezza finita. Dato che il numero di macchine possibili è numerabile, ma non lo è il numero di funzioni possibili, dovranno esistere funzioni non computabili (e quelli che Turing chiamava “numeri non computabili”). Turing riuscì anche a costruire, con un metodo simile a quello di Gòdel, funzioni delle quali si poteva dare una descrizione finita ma che non potevano essere calcolate con mezzi finiti. La più importante di queste era la funzione di fermata (halting): dato il numero di una macchina di Turing e il numero di un nastro di registrazione, si ottiene il valore 0 oppure il valore 1, a seconda se il calcolo si arresterà oppure no. Turing chiamò “circolari” le configurazioni che si arrestano e “non circolari” (circle free) quelle che vanno avanti indefinitamente, e dimostrò che l’irresolubiità del problema della fermata implica l’irresolubiità di un vasto gruppo di problemi simili, compreso l’Entscheidungsproblem. Contrariamente a quanto si aspettava Hilbert, nessuna procedura meccanica è in grado di determinare, con un numero finito di passaggi, se un qualsiasi enunciato matematico è dimostrabile o meno.

Infine, Turing mostrò che la sua definizione di computabilità era equivalente alla calcolabilità effettiva di Alonzo Church e alla ricorsività generale di Stephen Kleene: a riprova del fatto che queste formalizzazioni apparentemente diverse di un concetto intuitivo rappresentano un’unica, ineluttabile verità. “Per una specie di miracolo”, come ebbe poi a dire lo stesso Gòdel riferendosi alla definizione di Turing, il concetto di computabiità trascende il formalismo in cui viene espresso.

Per la macchina di Turing ciò significava al tempo stesso un esito positivo e uno negativo. Quello positivo consiste nel fatto che, in linea di principio, tutti i calcolatori digitali risultano equivalenti; qualsiasi macchina in grado di contare, annotare e seguire istruzioni può calcolare qualsiasi funzione computabile, se ha a disposizione un nastro di carta di lunghezza illimitata e un tempo altrettanto illimitato. Il software (codifica) può sempre essere sostituito dall’hardware (commutazione), il che consente un rapido adattamento tramite il software mentre l’hardware alla base si evolve lentamente. L’esito negativo risiede nell’esistenza di funzioni matematiche che nessuna macchina potrà mai computare, indipendentemente da quanto tempo abbia a disposizione.

Il fatto sorprendente è che le funzioni non computabili, che sono molto più numerose di quelle computabili, non si trovano con facilità. Non è solo che siano difficili da riconoscere o complicate da definire: viviamo in un mondo che è in gran parte computabile, o comunque la nostra struttura mentale tende alla computabilità. I grandi interrogativi (l’intelligenza umana è una funzione computabile? Esistono algoritmi per la vita?) forse non troveranno mai risposta, però sembra che la maggior parte del lavoro sia svolta dalle funzioni computabili.

Può darsi che le funzioni non computabili in teoria siano il tipo più comune di funzioni, ma in pratica non si presentano quasi mai — ha spiegato Danny Hihis —. In effetti, è difficile trovare un esempio ben definito di funzione non computabile che qualcuno voglia calcolare. Questo fa pensare che esista un rapporto profondo tra la computabiità e il mondo fisico e/o la mente umana.

Il saggio On Computable Numbers fece guadagnare una Proctor Fellowship al suo autore, che così nel 1937 andò a completare la sua tesi di dottorato sotto la guida di Alonzo Church alla Princeton University. Quest’ultima era diventata uno dei centri di ricerca all’avanguardia per la logica matematica, dove Church, von Neumann e Gòdel accoglievano un flusso continuo di illustri visitatori e un crescente numero di rifugiati permanenti provenienti dall’estero. La macchina ipotizzata da Turing costringeva a ripensare i fondamenti della matematica, ma le conseguenze legate all’impiego di calcolatori di utilizzabiità generale si spingevano molto più in là. Durante il soggiorno a Princeton, Turing divenne sempre più impaziente e cominciò a costruire con le sue stesse mani parti di un calcolatore. “Turing progettò effettivamente un moltiplicatore elettrico e costruì i primi tre o quattro stadi per vedere se poteva funzionare”, ha raccontato Malcolm MacPhail, che gli aveva prestato la chiave della piccola officina meccanica del Palmer Physics Laboratory, accanto al Dipartimento di matematica di Fine Hall. “Turing aveva bisogno di interruttori a relè, e siccome allora questi dispositivi non si trattavano in commercio, se li fece da solo [...]. Così si tornì e si lavorò i suoi relè: e, con nostra sorpresa, la calcolatrice alla fine funzionava.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 109

Che cosa è venuto prima, la macchina di Turing o il calcolatore digitale? La risposta dipende dal fatto se si dà la precedenza all’uovo o alla gallina. L’analisi di Turing trascende-va i particolari architettonici e genealogici per rivelare una fratellanza universale tra macchine digitali. All’epoca di (in ComputaNo Numhers, esisteva già un gran numero di macchine di Turing sotto forma di macchinari che tabulavano schede perforate, calcolavano ed elaboravano dati. Questi congegni imitavano il loro archetipo teorico leggendo un segno su un pezzo di carta, cambiando il loro stato interno di conseguenza e tracciando un altro segno da qualche altra parte. Le macchine a schede perforate formavano grandi sistemi i cui componenti si differenziavano nelle funzioni essenziali (immissione, produzione, memoria ed elaborazione centrale) che avrebbero caratterizzato gli organi vitali di tutti i calcolatori negli anni a venire.

La tecnica dell’elaborazione di informazioni tramite schede perforate fu sviluppata da Herman Hollerith (1860-1929), impiegato come agente speciale per il decimo censimento degli Stati Uniti nel 1879. I calcoli per il censimento del 1880 durarono circa sette anni se il sistema non fosse migliorato, il censimento del 1890 non sarebbe stato chiuso prima di iniziare quello del 1900. Il supervisore di Hollerith, il dottor John S. Billings, incoraggiò il suo protetto a classificare i dati utilizzando schede perforate, richiamandosi al precedente dei biglietti ferroviari, ma non alla macchina di Babbage ne al telaio jacquard. Una volta perforata la scheda, i dati potevano essere letti, riordinati e posti in forma tabulare meccanicamente. Come progetto dimostrativo, Billings fece in modo che I Iollerith classificasse le statistiche anagrafiche per il Dipartimento della Sanità di Baltimora. Hollerith sfruttò al massimo questa opportunità, anche se, come scriveva sua suocera nel 1889, “era completamente esausto. Aveva perforato schede al ritmo di mille al giorno, e ogni scheda aveva almeno una dozzina di fori. Aveva fatto tutto con una perforatrice a mano e il braccio gli faceva male da morire. Aveva veramente un aspetto tremendo”.Ma il sistema funziono.

Hollerith ottenne il contratto per l’undicesimo censimento degli Stati Uniti del 1890, usando circa cinquantasei milioni di schede per sessantadue milioni di persone. Le posizioni che potevano essere perforate erano 288 e permettevano di immagazzinare fino a un equivalente di 36 byte di informazione a 8 bit per scheda. Risultati molto più dettagliati di quelli di qualsiasi altro censimento precedente furono ottenuti nel giro di due anni. I congegni per la perforazione proliferavano incessantemente, mentre le nuove tecniche sviluppate per il ciclo decennale del censimento venivano adattate ad altri scopi. Hollerith registrò la Tabulating Machine Company nel 1896, che si trasformò nella Computing-Tabulating-Recording Company (CTR) nel 1911, e poi fu ribattezzata International Business Machines, o IBM, nel 1924. Schede e nastri perforati non servivano soltanto a convogliare e a elaborare informazioni, ma cominciavano anche ad avere una funzione di controllo. Nel 1922, in un articolo su Scientific Arnerican dal sottotitolo “Come strisce di carta possono dotare macchine inanimate di un cervello proprio”, Emmanuel Schever prevedeva che ‘in qualche modo misterioso, sarebbe sembrato che le cose funzionassero da sole’.

Quando Turing ne svelò i poteri, l’era delle macchine a stati discreti era già avviata da un pezzo. “Oggi al mondo c’è molta più aritmetica e di qualità migliore rispetto a prima”, sosteneva Vannevar Bush nell’ottobre del 1936. “Lo si vede dal fatto che vengono usate diecimila tonnellate di schede all’anno, per un totale di quattro miliardi… Non si riesce a vedere la fine di tale sviluppo”.”

Ogni scheda era l’equivalente funzionale di una o più celle di un nastro della macchina di Turing. Una macchina poteva essere programmata per leggere subito l’intera scheda (una serie di buchi perforati su una matrice composta da dieci righe e ottanta colonne); o una singola posizione sulla scheda (la presenza o assenza di un buco, per un totale di due simboli possibili); o per una qualsiasi configurazione intermedia che divideva i dati in campi. Era tipico della tecnica dell’elaborazione dati di quel tempo (e più vicino alla concezione originaria di una macchina di Turing che allo stadio raggiunto oggi dall’elaborazione dati) che la complessità maggiore fosse rappresentata dallo stesso nastro (o dalla sequenza di schede), piuttosto che dallo stato mentale interno della macchina. Usando l’ordinamento ripetuto e l’iterazione di altre funzioni, quelle primitive macchine perforatrici erano in grado di eseguire operazioni complesse, ma, come la macchina di Turing originaria, avevano solo un piccolo numero di stati possibili.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 115

Qualsiasi forma di intelligenza è collettiva. La verità che era sfuggita a Leibniz, ma non a Turing, è che questa intelligenza (che si tratti di un miliardo di neuroni, di un miliardo di microprocessori o di un miliardo di molecole che formano un’unica cellula) non è lo sviluppo di un piano predeterminato, ma l’accumulo di pezzetti casuali di conoscenza conseguita grazie all’importanza di errori minimi. I logici di Bletchley Park infusero la scintilla dell’intelligenza nel Colossus addestrando la macchina non a riconoscere l’unico tasto che avrebbe fornito la risposta giusta, bensì a eliminare i miliardi e miliardi di tasti che probabilmente non andavano bene.

Turing sminuzzò in frammenti il mistero dell’intelligenza, ma nel farlo sollevò un mistero ancora più grande: come conciliare il meccanismo dell’intelligenza con l’imprevedibilità della mente? Lo sconvolgimento che si verificò nella logica negli anni Trenta era in qualche modo una conseguenza della rivoluzione avvenuta in fisica, la quale aveva rivelato che le certezze della meccanica newtoniana erano incertezze camuffate. I grandi misteri si spostarono dal molto grande al molto piccolo. Grazie alla macchina di Turing si poterono scomporre tutti i processi computabili in passaggi elementari, esattamente come tutti i congegni meccanici possono essere scomposti in parti sempre più piccole.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 133

Barricelli poteva, però, benissimo riferirsi a quella classe di simbio-organismi numerici (i programmi per il calcolatore) che apriamo e chiudiamo ogni momento, al giorno d’oggi.

Questa situazione è per certi versi paragonabile a quella che si creerebbe tra esseri viventi se il materiale genetico si abituasse a creare un corpo o una struttura somatica soltanto quando si presenta una situazione che richiede lo svolgimento di un lavoro specifico (per esempio, la lotta con un altro organismo) e pretendesse che il corpo venisse disintegrato non appena raggiunto l’obiettivo.

I precursori della simbiogenesi nell’universo di von Neumann erano i codici d’ordine, concepiti (nei rapporti BurksGoldstine-von Neumann) addirittura prima che la matrice digitale responsabile della loro esistenza avesse assunto forma fisica. I codici d’ordine costituivano un alfabeto fondamentale che si diversificava in rapporto alla proliferazione dei vari ospiti. A poco a poco le sequenze valide e corrette di codici d’ordine furono compilate in subroutines (le unità elementari comuni a tutti i programmi), proprio come un insieme comune di nucleotidi si compone in stringhe di DNA. Le subroutines vennero organizzate in una gerarchia sempre più ampia di linguaggi, i quali influenzarono l’atmosfera computazionale tanto profondamente quanto l’ossigeno rilasciato dai primi microbi influenzò il successivo corso della vita.

A partire dagli anni Sessanta i simbio-organismi numerici complessi conosciuti come sistemi operativi si sono evoluti, portando con sé intere ecologie di simbionti, parassiti e ospiti. I più validi sistemi operativi, come OS/360, MS-DOS e UNIX sono riusciti a trasformare e diffondere l’universo digitale per propagare meglio se stessi. È stato necessario uno sforzo pari a cinquemila anni di programmazione per scrivere ed emendare dagli errori il codice dell’OS/360: parassiti e simbionti spuntavano di notte; c’era forza nei numeri. “Il successo di alcuni linguaggi di programmazione dipendeva dal numero di macchine su cui giravano”,ha commentato John Backus, principale autore del Fortran, un linguaggio che ha avuto — e continua ad avere — una fruttuosa simbiosi con molti ospiti. A sua volta, il successo delle macchine dipendeva dalla loro capacità di funzionare con i linguaggi più validi; quelle che restavano attaccate a linguaggi morti o a sistemi operativi agonizzanti si estinguevano.

L’ecologia computazionale crebbe a passi da gigante. Nel 1954 un calcolatore IBM 650 girava con seimila righe di codice; la prima versione dell’os/360, apparsa nel 1966, sfiorava appena le quattrocentomila istruzioni, arrivando a due milioni di istruzioni nei primi anni Settanta. Il totale di tutto il software di sistema fornito dai maggiori costruttori di calcolatori raggiungeva un milione di righe di codice nel 1959 e cento milioni nel 1972.

Negli anni Settanta, con l’introduzione del microprocessore, si passò a un nuovo stadio di questa rivoluzione. La replica di processori, costruiti in serie a migliaia e milioni alla volta, portò alla crescita di nuove forme di simbio-organismi numerici, esattamente come l’avvento dei metazoi innescò una serie di sviluppi che culminò nell’esplosione di nuove forme di vita seicento milioni di anni fa. Nuove specie di simbio-organismi numerici iniziarono ad apparire, riprodursi ed estinguersi a un ritmo dettato più dal cambio dei floppy disk che dalla frequenza con cui si susseguivano nuove generazioni di mainframes all’IBM. Tra i produttori di programmi, il codice veniva scritto, copiato, combinato, prestato e rubato con la medesima libertà che si potrebbe riscontrare in un brodo primordiale di cellule viventi, differenziate solo vagamente. Chiunque scrivesse qualche riga di codice eseguibile da un processore diffuso (come fu per il Visicalc di Dan Flystra nel 1979) entrava nella competizione a proprio rischio e pericolo. Le opportunità di affari spuntavano come funghi, sorrette dal micelio digitale sottostante; nacquero e morirono grandi compagnie, ma il codice di successo resistette.

Vent’anni dopo, alimentata da un’epidemia di protocolli a commutazione di pacchetto (un ramo particolarmente virulento di codice simbiotico), l’esplosione neocambriana introdusse una terza fase, ancora più evanescente. I simbio-organismi numerici, ormai in grado di replicare se stessi alla velocità della luce, anziché alla velocità dei dischetti in circolazione, presero a disputarsi non più solamente la memoria e i cicli dell’unità centrale (cpu) all’interno dei loro elaboratori locali, ma anche fra diverse macchine nel medesimo tempo. Un codice di successo, oggi, viene eseguito subito in milioni di luoghi, esattamente come un genotipo riuscito si esprime all’interno di ognuna delle numerose cellule che formano un organismo. Si cominciano appena a esplorare le possibilità di organismi digitali complessi e pluricellulari.

L’introduzione di linguaggi di programmazione distribuiti e orientati agli oggetti (metalinguaggi, come Java, che consentono alla simbiogenesi di trascendere le divisioni proprietarie tra linguaggi di livello inferiore utilizzati da elaboratori differenti) sta rendendo possibile ai simbio-organismi numerici di andarsene in giro, riprodursi e farsi eseguire liberamente in tutto quanto l’universo computazionale. Attraverso la stessa evoluzione gerarchica, tramite la quale i codici d’ordine furono organizzati in subroutines e queste stesse, a loro volta, in programmi, ora gli oggetti, che sono conglomerati di codice a metà strada, formeranno strutture di livello superiore distribuite su tutta la rete. I linguaggi di programmazione orientati agli oggetti sono stati introdotti per la prima volta qualche anno fa con notevole risalto, ma senza ottenere un gran seguito. Tuttavia, quello che non è riuscito ad attecchire sui computer da tavolo, può avere un comportamento del tutto differente su Internet. Nel 1985 Nils Barricelli fece un parallelo tra linguaggi di programmazione di alto livello orientati agli oggetti e i metalinguaggi adoperati nella comunicazione cellulare, ma invertendo la prospettiva nell’analogia:

Se gli esseri umani, invece di trasmettersi ristampe e spiegazioni complicate, sviluppassero l’abitudine di trasmettere programmi di computer che permettano a una fabbrica gestita da calcolatori di costruire la macchina necessaria a uno scopo specifico, si realizzerebbe l’analogia più prossima ai metodi di comunicazione fra cellule di varie specie.

Ma queste analogie non potrebbero essere profondamente ingannevoli? Il software è progettato, realizzato e riprodotto da esseri umani; i programmi non sono degli organismi in grado di autoriprodursi in maniera indipendente, selezionati da un ambiente imparziale a partire dalla variazione casuale che guida altri processi evoluzionistici che, per noi, hanno la caratteristica di essere vivi. A ogni modo, l’analogia funziona perché l’analogo del software nel mondo dei viventi non è un organismo autoriproduttivo, ma una molecola di DNA che si duplica. Spesso è stata fatta confusione tra autoduplicazione e autoriproduzione. Gli organismi biologici non duplicano se stessi, nemmeno quelli monocellulari: essi ospitano la duplicazione di sequenze genetiche che aiutano a riprodurre un’immagine approssimata di se stessi. Per tutti gli organismi, tranne quelli di livello infimo, occorre dipanare una lunga sequenza ricorsiva di programmi intrecciati. Un elaborato processo di decompressione ripristina interi directories di programmi genetici compattati e ricostruisce livelli sempre più complicati di hardware su cui gira il sistema operativo. Il fatto che la maggior parte del software sia parassitico (o simbiotico), in quanto dipende dal metabolismo dell’elaboratore ospite, anziché dotato della capacità di duplicarsi liberamente, rafforza le analogie con la vita, invece di indebolirle.

Anche la casualità sottostante ai processi evoluzionistici è stata enfatizzata in maniera eccessiva. Molti processi genetici apparentemente fortuiti si stanno rivelando meno casuali di quanto si pensasse. Per mezzo di linguaggi di livello superiore, grammatiche e codici in grado di correggere gli errori, molta della casualità viene rimossa prima di inviare in esecuzione un messaggio ereditario sotto forma di un’altra cellula. Una certa intelligenza collettiva rimane attaccata alla rete di relazioni fra regolatori e operatori genetici, una memoria inconscia, vaga e distribuita debolmente, che evoca il fantasma di Samuel Butler. Il contributo effettivo della casualità ai processi evoluzionistici è un elemento di rumore minimo, eppure misurabile. Un processo darwiniano ha per definizione un elemento di casualità, ma ciò non deve far pensare che si tratti di un gioco d’azzardo. Qualunque standard si prenda come riferimento, l’industria del software si caratterizza come processo darwiniano, dalla generazione del programma (si combinano segmenti di codice già esistenti, poi si eseguono e infine si ripuliscono dagli errori) all’organizzazione globale del settore: mangia per non essere mangiato oppure fonditi con qualcun altro.

Nessuno sa dire quale sia stato il contributo della casualità allo sviluppo del software, fino a ora. La maggior parte dei programmi è divenuta tanto complessa e convoluta che nessun essere umano conosce l’origine di tutto il codice e neppure quali funzioni svolgano alcune delle sue parti. Da tempo i programmatori hanno abbandonato la speranza di prevedere se una certa porzione di codice funzionerà effettivamente come previsto. “Fu in uno dei miei tragitti fra la stanza dell’EDSAc e i dispositivi per la perforazione”, ha ricordato Maurice Wilkes a proposito di un certo giorno, nel 1949, durante la verifica di un programma a Cambridge, “mentre indugiavo all’angolo delle scale, che mi resi conto improvvisamente e appieno che avrei passato buona parte del resto della mia vita a trovare errori nei programmi che io stesso scrivevo i” L’industria del software ha tenuto traccia di errori dannosi fin dall’inizio, ma non c e modo di tenere traccia degli accidenti e delle coincidenze che hanno permesso di accumulare lievi miglioramenti cammin facendo.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 217

1794. Il telegrafo ottico

Nel 1790 Claude Chappe (1763-1805) aveva tentato di costruire un telegrafo elettrico, ma ben presto aveva rinunciato all’elettricità in favore dei segnali ottici trasmessi meccanicamente. La Rivoluzione francese era in pieno corso; il governo era aperto alle nuove idee, ma il prototipo di Chappe venne distrutto due volte dalle folle rivoluzionarie che sospettavano si trattasse di un congegno per comunicare con l’imprigionato Luigi XVI. La rete di Chappe, inaugurata nel 1794 con una linea di centotrenta miglia tra Parigi e Lille, nel 1852 aveva già raggiunto una lunghezza approssimativa di quasi tremila miglia, con circa tremila operatori dislocati in 556 stazioni, intervallate fra loro di circa sei miglia. In teoria, i segnali potevano essere trasmessi nel giro di pochi secondi, ma. in pratica. le linee erano molto più lente, con un passaggio effettivo di due segnali al minuto o anche meno. Il transito sulle 475 miglia e le centoventi stazioni che andavano da Parigi a Tolone (sul Mediterraneo) richiedeva dai dieci ai dodici minuti, con condizioni meteorologiche favorevoli. I messaggi venivano crittati per evitare intercettazioni o interferenze durante il percorso.

Il codice di Chappe costituiva un miglioramento rispetto al rapporto uno a uno tra simboli trasmessi e alfabeto scritto proposto da Hooke. Due indicatori in grado di ruotare indipendentemente (ognuno con sette distinte posizioni) erano montati alle estremità di un regolatore centrale che si alternava su due posizioni. Dalle loro combinazioni risultavano dunque novantotto (7 x 7 x 2) posizioni riconoscibili e diverse tra loro: sei erano riservate a indicazioni speciali, restavano quindi novantadue segnali per trasmettere il messaggio. Partendo da Polibio, i Chappe costruirono un codice di novantadue pagine con novantadue parole o frasi per pagina. La prima pagina conteneva l’alfabeto, i numeri e le sillabe più frequenti, che potevano essere trasmesse come un segnale unico seguito da una chiusura degli indicatori. Le novantuno pagine successive, ciascuna delle quali riportava anch’essa novantadue parole e frasi, contenevano segnali composti, che venivano trasmessi sotto forma di due segnali consecutivi indicanti il numero della pagina e la riga.

Questo sistema consentiva la codifica di 8464 diversi significati, espressi da coppie di segnali. Nel 1799 il codice fu ampliato fino a raggiungere 25.392 voci, con l’aggiunta di altri due libri. Un gran numero di significati veniva rappresentato dalla combinazione di un numero relativamente ridotto di simboli, sfruttando alcuni principi simili a quelli utilizzati oggi per la compressione dei dati. Come avrebbe dimostrato più tardi Alan Turing con il progetto della sua macchina teorica, un simbolo arbitrariamente complicato, oppure una sequenza di simboli, poteva essere letto come uno stato mentale e la rappresentazione di qualsiasi stato mentale poteva essere trasmessa invertendo il processo. I codici dei fratelli Chappe costituivano un esempio concreto di una funzione computabile che metteva in relazione un certo simbolo o una breve sequenza di simboli con lo stato mentale equivalente.

Secondo Holzmann e Pehrson, Claude Chappe e il suo omologo svedese, Abraham Edelcrantz, furono i “veri pionieri delle reti di dati” e riuscirono “a risolvere molti problemi per consentire agli operatori di trasmettere messaggi senza intoppi attraverso una lunga catena di stazioni [grazie a] idee che sono state riscoperte solo di recente dagli ideatori dei moderni protocolli digitali” .

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 243

Il successo dell’esperimento di Morse nel 1844 attrasse nuovi adepti e fece nascere concorrenti, cosicché nel 1851, l’anno in cui fu fondata l’antenata della Western Union, negli Stati Uniti c’erano già più di cinquanta società telegrafiche. In quello stesso anno il primo cavo telegrafico collegò l’Inghilterra alla Francia; nel 1852 esistevano già circa ventitremila miglia di linee telegrafiche, sufficienti ad abbracciare tutto il mondo. Nel 1861 fu stesa la prima linea attraverso il continente americano e, nel 1866, dopo molti fallimenti, fu inaugurato un collegamento stabile tra l’Inghilterra e gli Stati Uniti. L’India fu raggiunta nel 1870, l’Australia nel 1871 e il Brasile nel 1874.

Ormai le difficoltà da risolvere non erano più quelle connesse ai collegamenti fisici che costituivano ciascun tratto del circuito telegrafico, ma quelle circa il commutare, rigenerare, codificare e decodificare i messaggi alle due estremità. I segnali telegrafici erano sempre di tipo digitale, sia che fossero trasmessi da un faro acceso o spento, dall’alfabeto di ventiquattro lettere di Hooke, dai novantotto segnali di Chappe, da una serie di cariche elettriche positive o negative o dalle sequenze punto-linea del codice Morse. Per elaborare questi segnali occorrono macchine a stati discreti, come un operatore umano che guarda con un telescopio e fa riferimento alle pagine e ai numeri di riga di un codice oppure una delle telescriventi a nastro perforato che in breve dovevano dominare la telegrafia in tutto il mondo.

Gli ingegneri che realizzarono il telegrafo furono i primi a concretizzare ciò che Leibniz aveva mostrato duecento anni prima e che nel secolo successivo sarebbe stato formalizzato da Alan Turing: tutti i simboli, tutte le informazioni, tutti i significati e tutte le idee che possono essere espressi in parole o numeri possono essere codificati (e quindi trasmessi) in forma di sequenze binarie di lunghezza finita. La forma dei simboli non fa alcuna differenza: quello che conta è il numero di scelte tra alternative.

Il telegramma veniva ridigitato in varie volte, nodo per nodo

Ogni messaggio doveva essere codificato, decodificato, memorizzato, ricodificato e ritrasmesso molte volte mentre passava da un nodo a quello successivo. Nel 1858 Charles Wheatstone introdusse il nastro di carta perforato come mezzo di trasmissione automatica dei segnali; presto seguirono le perforatrici riceventi, le riperforatrici e le stampanti azionate dai nastri perforati. Negli anni Settanta dell’Ottocento, Jean-Maurice-Émile Baudot introdusse sia la modulazione a suddivisione di tempo (nella quale diverse sequenze di codice si intrecciano in un circuito unico) sia il codice alfanumerico a cinque bit che porta il suo nome (all’epoca Wilkins era stato dimenticato da tempo). Anche se iniziava e finiva il suo viaggio come testo scritto, il messaggio veniva rappresentato o come una sequenza di impulsi lungo un filo o come una sequenza di fori su una striscia di carta che attraversava vari stadi lungo il percorso.

Il sistema telegrafico sviluppò presto procedure di store and forward ai nodi, vale a dire di invio ritardato dei dati, il che costituisce l’antenato dei protocolli a commutazione di pacchetto utilizzati nelle odierne reti informatiche. Un telegramma in entrata arrivava al nodo di commutazione come sequenza di segnali elettrici, veniva convertito in una serie di fori su un nastro di carta e identificato in base a origine, priorità e indirizzo di destinazione. L’operatore della stazione valutava queste informazioni e lo stato delle linee in uscita prima di decidere il momento migliore per rinviare il messaggio e attraverso quale percorso trasmetterlo, riconvertito in impulsi elettrici da una macchina che rilevava lo schema di fori sul nastro. Quando la stazione successiva confermava la ricezione del messaggio, il nastro poteva essere eliminato e lo stato transitorio che stava a rappresentare veniva cancellato.

Gli strumenti per la telegrafia automatica ad alta velocità hanno rappresentato i predecessori dei calcolatori moderni e hanno dato l’avvio all’industria dell’elaborazione elettromagnetica dei dati. “Le macchine calcolatrici”, spiegava John von Neumann nel 1949, “possono essere concepite come macchine nelle quali entra ed esce qualcosa che potrebbe essere un nastro perforato”.Questa definizione funziona in entrambe le direzioni. Come le molecole che trasmettono le informazioni ereditarie da una cellula vivente all’altra, gli strumenti del telegrafo svolgevano le funzioni di registrare, memorizzare e trasferire sequenze di codice. Molti dei primi calcolatori digitali (dal Colossus alla macchina dell’Institute for Advanced Study) utilizzavano un’apparecchiatura simile alle telescriventi a nastro per lo scambio di dati col mondo esterno, a cui poi si aggiunse quella per le onnipresenti schede perforate perfezionate da Hollerith e dall’IBM. Era nell’ordine naturale delle cose che i primi calcolatori sfruttassero l’apparecchiatura dei telegrafi ad alta velocità e non è un caso che alla nascita del Colossus del British Telecommunications Research Establishment corrispondessero negli Stati Uniti i primi passi verso la realizzazione di un calcolatore fatti da Claude Shannon e altri nei Laboratori Bell e presso l’RCA. Solo più tardi l’industria delle comunicazioni e quella dei calcolatori si sarebbero allontanate, per un certo periodo, l’una dall’altra.

I calcolatori solitari degli anni Cinquanta del Novecento si scambiavano sequenze di codice attraverso supporti di memorizzazione che potevano leggere reciprocamente e, prima della fine del decennio, lo facevano già collegandosi direttamente, ossia, per usare un’espressione che oggi si utilizza anche per le persone, on-Iine. Ma, qualsiasi sia il metodo di scambio, il codice e i protocolli che ne regolano il flusso discendono direttamente dalle prime stringhe di informazioni binarie del telegrafo.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 251

Ogni bit di dati che passa attraverso una rete accumula una certa probabilità di errore e le probabilità cumulative che uno di questi errori danneggi un certo messaggio aumentano esponenzialmente con la sua lunghezza. Brevi segmenti di codice hanno molte più probabilità di arrivare intatti. È, quindi, più economico applicare le procedure di individuazione degli errori a brevi stringhe di codice, controllando ogni segmento di messaggio alla ricerca di errori e ritrasmettendo solo i segmenti imperfetti. E un po’ come correggere le bozze di un manoscritto una pagina alla volta e riscrivere solo quelle pagine che contengono errori. Baran propose l’utilizzo del controllo ciclico di ridondanza, o CRC, un metodo molto utilizzato oggi.

Ogni segmento di messaggio di 1024 bit doveva essere contrassegnato per distinguerlo da quello più prossimo e provvisto di campi che indicassero il suo indirizzo di provenienza e di arrivo, nonché le informazioni necessarie per ricostruire la sequenza originaria del messaggio all’altro capo. Il segmento conteneva anche un contrassegno di trasferimento che veniva aggiornato ogni volta che passava attraverso un nodo. Ogni singolo pacchetto di codice sapeva dove stava andando, da dove veniva, a quale messaggio apparteneva e quanti passaggi aveva fatto lungo il percorso. Queste informazioni venivano comunicate al calcolatore ospite ogni volta che un pacchetto transitava attraverso un nodo. “I pacchetti possono essere considerati come unità informative autonome, progettate per corrispondere alle caratteristiche dei commutatori di rete”, osservava Baran.⁵⁷

Ai nodi, una semplice procedura (soprannominata da Baran “dottrina dell’instradamento euristico secondo la tecnica della patata bollente”) faceva in modo che i pacchetti continuassero a viaggiare nella direzione giusta e garantiva che la rete si adattasse a qualsiasi congestione o danno si fossero verificati. Controllando l’indirizzo di provenienza e il valore del contrassegno di trasferimento, la stazione registrava quali nodi trasmettevano i messaggi in modo più efficiente rispetto a ogni indirizzo dato e utilizzava queste informazioni per indirizzare i messaggi in uscita, presupponendo che il miglior nodo in entrata sarebbe stato probabilmente anche il migliore in uscita. “Se il suo percorso preferito è occupato o danneggiato, ogni nodo cercherà di liberarsi dei messaggi scegliendo percorsi alternativi. Ogni messaggio sarà considerato una ‘patata bollente’ e, piuttosto che trattenerlo, il nodo lo passerà al suo vicino, che a sua volta cercherà di liberarsene.”

Ogni nodo di commutazione avrebbe appreso per esperienza dove si trovava ciascuna stazione e avrebbe aggiornato rapidamente le proprie conoscenze se una data stazione fosse stata danneggiata o spostata. Secondo Baran era possibile “favorire la comparsa di un sistema adattivo” implementando una “politica di autoapprendimento a ogni nodo, così che il traffico complessivo venisse incanalato in modo efficace nonostante le modificazioni dell’ambiente, senza che fosse necessaria un’unità di controllo centrale che rischiava di essere troppo vulnerabile”.Un sistema dimostrativo, costituito da una serie di quarantanove nodi e simulato sul calcolatore 7090 della IBM in possesso della RAND, si rivelò incredibilmente resistente sia in caso di guasti casuali che di danni inflitti deliberatamente. Partendo dalle “peggiori condizioni iniziali, in cui nessuna stazione conosceva la posizione di nessun’altra”, si verificò che “entro mezzo secondo di tempo del mondo reale simulato al calcolatore, la rete aveva imparato la posizione di tutte le stazioni collegate e stava instradando il traffico in modo efficiente. La lunghezza del percorso medio misurato si avvicinava molto al percorso più breve possibile”.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 263

Il sistema di messaggi usato nel sistema nervoso [...] è essenzialmente di natura statistica — scriveva nelle note per le conferenze Silliman, pubblicate postume nel 1958 —. In altre parole, ciò che importa non sono le posizioni precise di determinati segnali [ma rkers] , i numeri, ma le caratteristiche statistiche del loro presentarsi 11...]. Sembra così che il sistema nervoso usi un sistema di notazioni completamente differente da quelli usati abitualmente in aritmetica e matematica: al posto dei sistemi precisi di segnali in cui la posizione (l’assenza o la presenza) di ciascun segnale è di importanza decisiva nel determinare il significato del messaggio, noi abbiamo qui un sistema di notazioni in cui il significato è determinato dalle proprietà statistiche del messaggio [...]. Ma è chiaro che si possono usare anche altri aspetti del messaggio considerato dal punto di vista statistico: infatti, la frequenza a cui ci si riferiva è una proprietà di un singolo treno di impulsi, mentre ciascuno dei nervi interessati è formato da un gran numero di fibre, ognuna delle quali trasmette numerosi treni di impulsi. È pertanto perfettamente plausibile che alcune relazioni (statistiche) tra questi treni di impulsi possano anch’esse trasmettere informazioni [...]. Qualunque sia il sistema usato dal linguaggio nervoso, esso è caratterizzato, da una profondità logica e aritmetica inferiore rispetto a quella a cui siamo normalmente avvezzi [...e quindi] la logica e la matematica del sistema nervoso, considerate come forme di linguaggio, debbono avere una struttura diversa dai linguaggi della nostra comune esperienza.

[J. von Neumann, “Il calcolatore e il cervello” (1958), tr. il. in V. Somenzi, R. Cordeschi (a cura di), La filosofia degli automi, Boringhieri, Torino 1986, pp. 138-140.]

Nonostante i progressi ottenuti dalla neurobiologia e dalle scienze cognitive nel corso degli ultimi quarant’anni, questo quadro fondamentale del cervello quale meccanismo

per l’evoluzione del significato a partire dalla statistica non è mutato. Livelli superiori del linguaggio producono un residuo coerente quando tale flusso sottostante di informazione statistica viene elaborato e raffinato. I flussi di informazione nel cervello sono codificati in termini di frequenza di impulsi, invece che in termini di cifre, come nei calcolatori. La tolleranza degli errori che ne deriva è essenziale per una computazione affidabile da parte di una rete di neuroni elettricamente “rumorosi” e chimicamente sensibili, immersi in un fluido salino (oppure, magari, da parte di una rete di microprocessori immersi nella confusione del mondo reale). Se un particolare segnale viene interpretato come una eccitazione o una inibizione, ciò dipende dalla natura individuale delle sinapsi che mediano il suo viaggio attraverso la rete. Una logica a due valori, per limitarsi al più semplice tra i modelli possibili, è insita nei dettagli dell’architettura neurale: un meccanismo più robusto di un codice a due valori.

Von Neumann era convinto che una rete complessa costituisse di per sé la più semplice descrizione del proprio comportamento: cercare di descriverlo utilizzando la logica formale potrebbe rappresentare un problema insormontabile, indipendentemente da quanta potenza computazionale sia disponibile allo scopo.

Affinché una rete neurale esegua computazioni utili, riconoscimenti di forme, memorie associative o altre funzioni, è necessario stabilire un sistema di valori, assegnando gli elementi di base del significato, su un livello paritario, alle singole unità di informazione, siano esse trasmesse da biglie, impulsi elettrici, fluidi idraulici, ioni carichi o da qualunque altra cosa venga trasmessa fra i componenti della rete. Questo processo equivale a definire una funzione di utilità nella teoria dei giochi o nell’economia matematica, un problema cui von Neumann e Morgenstern dedicarono gran parte del loro libro. Solo attraverso tale valutazione uniforme dei segnali interni si possono riconoscere quelle configurazioni che rappresentano soluzioni di problemi esterni, quando viene sviluppato qualche caratteristico valore massimo, minimo o altrimenti riconoscibile. Questi elementi fondamentali si fondono in strutture via via più complesse, che trasmettono sempre più informazione a ogni stadio del gioco.

In una rete neurale rappresentazioni di alto livello, simboli, astrazioni e percezioni vengono costruiti non a partire da soluzioni basate sull’elaborazione algoritmica (passo passo), come accade invece nei calcolatori digitali, bensì a partire dalle relazioni fra massimi e minimi dinamici locali generati da una versione in tempo reale, incredibilmente complessa, di uno dei giochi di von Neumann. E ciò che va sotto il nome di gioco a n persone, che, nel nostro caso, interessa un sottoinsieme degli oltre cento miliardi di neuroni, collegati da trilioni di sinapsi, che popolano il cervello. Von Neumann e Morgenstern trovarono il modo in cui pervenire a soluzioni ragionevoli, fra combinazioni altrimenti troppo numerose, per mezzo di una serie finita ma non limitata di sintesi che semplificano progressivamente la ricerca. Una sintesi riuscita, seppur debole, nel nostro universo mentale, può emergere ed essere percepita, e forse comunicata, attraverso il ricorso a qualunque canale simbolico sia aperto al momento, sotto forma di un’idea. E un processo dinamico, di relazione, e la nozione di idea distinta o di oggetto mentale dotato di significato assoluto è fondamentalmente contraddittoria, proprio come è contraddittoria la nozione di bit dotato di un’esistenza indipendente. Ciascun bit rappresenta la differenza tra due alternative, non un oggetto in un dato momento.

In una rete neurale il flusso di informazione si comporta come il flusso monetario in un’economia. I segnali non trasmettono il significato attraverso simboli codificati; essi generano il significato a seconda della loro provenienza, di dove stanno andando e della frequenza di arrivo. Un dollaro è un dollaro, sia esso intascato o speso, e si può scegliere di spendere quello stesso dollaro per acquistare della benzina o del latte. Il segnale di uscita di un neurone può essere o accreditato o addebitato sul libro contabile di un altro neurone, a seconda del tipo di sinapsi cui è connesso. I deboli impulsi elettrici che scorrono attraverso il sistema nervoso e gli impulsi monetari che scorrono in un’economia condividono una comune etimologia e un comune destino, che continua a manifestarsi. La metafora è stata usata in entrambi i sensi. “Quelli che passano nei nostri sistemi non sono simboli, ma eccitazioni e inibizioni”,osservano D.E. Rumelhart e J.L. McClelland nel loro libro PDP. Microstruttura dei processi cognitivi, una raccolta di articoli aventi come argomento la rinascita della ricerca sulle reti neurali. “Ciascuno di quei ‘cavetti’ del nervo ottico invia messaggi proprio come un estratto conto bancario in cui risulta l’importo del vostro interesse mensile”, ha scritto il neurofisiologo Wilhiam Calvin in The Cerebral Symphony, un viaggio all’interno della mente e del cervello umano. “Dovete immaginare, al posto di un occhio, un’enorme banca impegnata a inviare per posta ogni secondo un milione di estratti conto. Che cosa rende massimo l’accredito su un singolo conto? Questo dipende dalle regole della banca, e da come si gioca.”

I dati grezzi generati dal primo strato di fotorecettori retinici vengono elaborati, grazie a ingegnose trasformazioni statistiche, in un flusso compatto di informazioni trasmesse dal nervo ottico. Questo flusso di informazioni viene poi strutturato in intervalli temporali più lunghi, in una rappresentazione che il cervello percepisce come visione. Non esiste alcuna codifica coerente dell’immagine, quale può essere generata da una macchina da ripresa televisiva, ma solo una corrente di statistiche, distribuite, come un mazzo di carte, al cervello. La visione è un gioco in cui il cervello “dichiara” una serie continua di modelli e in cui vince il modello che riesce a “indovinare” meglio la mano successiva. Infine, la visione viene affinata in conoscenza e, se tutto va bene, la conoscenza viene condensata dalla mente in saggezza, nell’arco di una vita. Questi elementi di economia associati al funzionamento della nostra intelligenza sono rispecchiati da elementi di intelligenza associati al funzionamento di un’economia, una convergenza che si fa più evidente quando i processi economici assumono forma elettronica.

“Il denaro è il nerbo della guerra e della pace”,osservò Hobbes nel 1642. Nel Leviatano, pubblicato nel 1651, ampliò il concetto: “il denaro [...] passa da un uomo all’altro all’interno dello Stato e circola nutrendo (al suo passaggio) Ogni parte di quest’ultimo [...]. I canali e le vie attraverso cui il denaro è convogliato verso l’uso pubblico sono di due sorte: la prima lo porta alle casse dello Stato, la seconda lo riconduce fuori per i pagamenti pubblici [...] E anche in ciò l’uomo artificiale mantiene la sua rassomiglianza con quello naturale.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 277

L’EVOLUZIONE DELLE MACCHINE

Nel 1682, nel breve ma accurato Quantulumcunque Concerning Money, Petty formulò la domanda: “Qual è il rimedio alla nostra scarsità di denaro?” La sua risposta, amplificata dalla fondazione della Banca d’Inghilterra nel 1694, sarebbe risuonata in tutto il mondo: “Dobbiamo costruire una banca, che faccia calcoli esatti e quasi raddoppi la forza della nostra moneta: e noi abbiamo in Inghilterra i mezzi per una banca che fornisca merci sufficienti a guidare l’intero mondo del commercio “. Petty mostrò che la ricchezza è funzione non solo della quantità di denaro accumulato, ma della velocità con cui il denaro viene fatto circolare. Ciò portò alla consapevolezza che il denaro, al pari dell’informazione, ma a differenza degli oggetti materiali, può, assumendo forme diverse, essere presente in più di un luogo allo stesso tempo.

Una primitiva incarnazione di questo principio, anteriore di più di cinquecento anni alla fondazione della Banca d’Inghilterra, fu l’antica istituzione nota come “tagli”: asticelle di legno intagliate, consegnate come ricevute per il denaro depositato presso l’erario per essere utilizzato dal Re. “Essi poterono essere subito adattati a strumenti finanziari di riscontro, leggeri e di piccole dimensioni, facili da interpretare e praticamente a prova di truffa”, scrisse Hilary Jenkinson nel 1911. “Verso la metà del dodicesimo secolo esisteva presso l’erario un sistema ben organizzato e ben compreso di tagli [...] e le regole rimasero immutate e usate con continuità da allora fino al diciannovesimo secolo”.

I tagli sono i diretti antenati degli strumenti finanziari digitali introdotti oggigiorno.

Le asticelle dei tagli erano fatte di legno di nocciolo, di salice o di ontano, e avevano diversa lunghezza a seconda della somma da registrare su di esse — spiegò Smee —. Esse venivano squadrate rozzamente e un’estremità veniva appuntita; su due lati di quell’estremità venivano praticate nel legno le tacche appropriate, indicanti la somma di cui l’asticella costituiva una ricevuta. Tutte queste operazioni erano eseguite da un funzionario chiamato “esecutore dei tagli”. Sugli altri due lati dello strumento venivano scritti, anch’essi in duplicato, il nome della parte che versava il denaro, la causale del pagamento, la regione del Regno Unito cui esso si riferiva e la data del pagamento; il tutto registrato sul legno, con dell’inchiostro, da un funzionario chiamato “compilatore dei tagli”. Quando il taglio era completato, l’asticella veniva divisa nel senso della lunghezza dall’esecutore dei tagli, in modo tale che entrambi i pezzi conservassero sia una copia della registrazione che una metà di ogni tacca praticata all’estremità appuntita. Un pezzo veniva poi dato alla parte che aveva versato il denaro, per la quale rappresentava una ricevuta sufficiente; l’altro era conservato presso l’erario. Per quanto rozzo e semplice fosse, questo antichissimo metodo di contabilità sembra essere stato assolutamente efficace nell’impedire truffe e contraffazioni per ben settecento anni. Quando due asticelle venivano separate nel modo rozzo dei tagli era impossibile trovarne di così simili da combaciare perfettamente; e certamente nessuna alterazione dei particolari indicati dalle tacche e dall’iscrizione poteva rimanere nascosta quando si riunivano assieme le due parti. E, se vi fosse stato ulteriore bisogno di provare la superiorità di questi strumenti rispetto alla scrittura, si ebbe notizia di due tentativi di falsificazione ai danni dell’erario subito dopo l’abbandono, nel 1834, dell’uso delle antiche asticelle di legno.

Nel 1782 venne deciso di sostituire i tagli con una “ricevuta in duplice copia”, ma l’atto del parlamento (23 Geo. 3, c. 82) che aboliva in tal modo “diverse funzioni inutili, costose e non necessarie” doveva entrare in vigore solo alla morte del funzionario in carica che, essendo “robusto”, continuò a incidere asticelle fino al 1826. “Dopo l’ulteriore provvedimento deciso da Guglielmo IV, fu ordinata la distruzione della raccolta ufficiale dei vecchi tagli”, osservò Hilary Jenkinson. “Lo zelo imprudente con cui fu eseguito l’ordine provocò l’incendio che distrusse il Parlamento nel 1834. “29 Le tacche erano di varie dimensioni e forme corrispondenti alle somme da registrare: una tacca di quattro centimetri per mille sterline, una di due centimetri e mezzo per cento sterline, una di un centimetro per venti sterline.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 283

La storia del denaro è stato uno sviluppo dagli oggetti ai numeri. Numeri impressi sulle monete, numeri di carte di credito trasferiti via telefono e ora tutta una serie di forme, in competizione tra loro, di valuta digitale, rappresentata da soli numeri. La relazione fra denaro e informazione è bidirezionale: il flusso di informazioni trasmette e rappresenta denaro, mentre il flusso monetario trasmette e rappresenta informazioni. I prezzi rappresentano lo stato delle relazioni fra oggetti diversi, mentre le borse e gli altri strumenti con cui il denaro, i titoli o altri oggetti immateriali sono venduti sotto la pari in vista di futuri ricavi rappresentano previsioni di eventi futuri.

Il fertile incontro fra finanza, elaborazione digitale e telecomunicazioni prolunga una trasformazione scatenata nove secoli fa, quando i ciambellani della Torre di Londra scoprirono, spezzando in due delle asticelle di legno, di poter raddoppiare il potere d’acquisto delle loro riserve d’oro. Lo stesso principio che permise ai funzionari dell’erario di dividere un pezzo di legno intagliato, assegnando dei valori, ed essere sicuri che solo una persona potesse presentarsi con il pezzo di legno gemello, esigendo il rimborso, viene adesso implementata in forma elettronica. Praticamente tutti gli strumenti finanziari digitali, dall’ordinario trasferimento elettronico di fondi al pagamento digitale anonimo, si basano sulla costruzione di un numero molto grande, il quale possiede due fattori primi che è assolutamente impossibile ricavare, partendo dal prodotto, con un mero calcolo di forza bruta. Il prodotto può essere liberamente rivelato, mentre i fattori restano matematicamente nascosti, grazie all’uso di coppie di chiavi crittografiche pubbliche e private, accoppiate in modo unico proprio come le due metà di un pezzo di legno, garantendo che dei numeri preziosi abbiano valore solo per coloro cui essi sono legittimamente distribuiti o assegnati.

Il sistema di crittografia più riuscito è noto come RSA, dai nomi dei suoi inventori, Ronald Rivest, Adi Shamir e Leonard Adleman, che lo hanno ideato nel 1978.

L’era della posta elettronica potrebbe presto arrivare; dobbiamo far sì che vengano conservate due importanti proprietà dell’attuale sistema di “posta cartacea”:

(a) i messaggi sono privati,

(b) i messaggi possono essere firmati.

Presentiamo un metodo di cifratura tale che la pubblica rivelazione di una chiave crittografica non comporta di per sé la rivelazione della corrispondente chiave di decifrazione [...]. Un messaggio può essere “firmato” usando una chiave di decifrazione segreta. Chiunque può verificare la firma usando la corrispondente chiave crittografica pubblica. Le firme non possono essere contraffatte [...]. Un messaggio viene cifrato rappresentandolo come un numero M, elevando M a una potenza e rivelata al pubblico e prendendo poi il resto quando il risultato viene diviso per il prodotto n, rivelato al pubblico, di due grandi numeri primi segreti, p e q [...]. La sicurezza del sistema si basa in parte sulla difficoltà di fattorizzare il divisore pubblico n.

Sfortunatamente, una trasmissione crittograficamente sicura di posta elettronica o di denaro elettronico può essere usata anche per celare piani terroristici, per riciclare denaro sporco e per evadere il fisco eludendo le autorità locali. Animati da buone intenzioni, ma con sempre minor successo, gli Stati Uniti hanno cercato di mantenere la crittografia sotto il controllo governativo. Le discussioni sul controllo della crittografia vanno avanti da quando esistono i codici cifrati.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 287

Il denaro è una funzione ricorsiva. Non c’è nulla di sbagliato nelle definizioni ricorsive. (Definizione di ricorsivo: vedi ricorsivo; oppure, la definizione di Gregory Bateson di informazione come “qualunque differenza che produce differenza”;il punto è che informazione e significato sono autoreferenziali, non assoluti.)

Ma i sistemi formali basati sulle funzioni ricorsive, sia nella finanza sia nella logica matematica, hanno certe proprietà particolari. I teoremi di incompletezza di Gòdel possiedono delle analogie nell’universo della finanza, dove liquidità e valore sono soggetti a differenti gradi di definibilità, dimostrabilità e verità. All’interno di un dato sistema finanziario (cioè un sistema coerente di valori), è possibile costruire strumenti finanziari il cui valore può essere definito e reso affidabile, ma non può essere provato senza assumere nuovi assiomi che estendono la portata del sistema. Come Gòdel ha dimostrato per la logica e l’aritmetica, ciò comporta due conseguenze. Nessun sistema finanziario potrà mai essere del tutto sicuro e completo. D’altra parte, come la matematica o qualunque altro sistema linguistico abbastanza potente, non c’è limite al livello di concetti che un’economia è in grado di abbracciare.

Tutte le economie di libero mercato mostrano segni di intelligenza, in diversa misura. Di converso, un’indagine accurata di molti meccanismi che noi consideriamo intelligenti rivela la sottostante presenza di sistemi essenzialmente economici.

Semplici sistemi economici possono giungere a soluzioni pratiche di problemi che sono computazionalmente difficili da risolvere. Non dovrebbe sorprendere che il cervello operi in natura in modo più simile all’economia che non ai calcolatori digitali. Di fatto, i principi economici sono l’unico modo conosciuto per sviluppare i sistemi intelligenti a partire da componenti primitive che non lo siano già. Come ha spiegato Marvin Minsky nel suo libro La società della mente:

“Le menti sono costruite usando materia priva di mente, parti che sono molto più piccole e più semplici di tutto ciò che potremmo considerare intelligente. [...] Ogni cervello, macchina o altra cosa che possegga una mente [deve] essere composto di cose più piccole, affatto incapaci di pensare.

Oppure, come ebbe a dire Samuel Butler nel 1887: “L’uomo è fatto solo di moltissime amebe, quasi tutte terribilmente meschine, che vanno avanti e indietro per il paese con le loro mercanzie” .

L’archetipa mano invisibile di Adam Smith (l’uomo “è guidato da una mano invisibile a promuovere un fine, che non rappresentava alcuna parte delle sue intenzioni”) sembra essere in grado di costruire non solo un’economia, o una rete di comunicazioni a prova di guasti, ma anche una struttura simile al cervello, forse una mente. “Probabilmente la struttura più simile a Internet è l’economia di libero mercato”, ha osservato Paul Baran.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 291

Questa era la premessa originaria dei sistemi finalizzati presentati da Norbert Wiener e da Julian Bigelow nel 1943: il comportamento intelligente si sviluppa in conseguenza della capacità di misurare e di tenere conto degli effetti di un dato segnale attraverso circuiti di retroazione chiusi che restituiscono un messaggio indicante la grandezza del risultato. Questi principi sono comuni nelle armi antiaeree automatiche che sparano contro un bersaglio mobile, nei neuroni che tentano di costruire le giuste connessioni dentro il cervello, negli animali di laboratorio messi di fronte a un labirinto, nelle grandi imprese messe di fronte a un’economia di libero mercato e in ogni altra situazione in cui è possibile assegnare un valore a un obiettivo da raggiungere.

Lo scopo della vita e dell’intelligenza, ammesso che esista, è difficile da definire. Un obiettivo generale si può rilevare nella tendenza verso una locale diminuzione di entropia in quel frammento di universo che consideriamo intelligente o vivo. Questo è un modo misurabile di affermare che la vita e l’intelligenza tendono a organizzarsi. L’ordine, però, è disponibile solo in quantità limitata, e a un certo prezzo. L’organizzazione può essere aumentata o creata solo grazie all’utilizzo di sorgenti esistenti di ordine (nutrendosi di altre creature, vivendo in simbiosi con esse o sfruttando, con la fotosintesi, l’energia ordinata del Sole) o grazie all’eliminazione del disordine (liberandosi dei rifiuti, irradiando il calore o apprendendo dall’esperienza attraverso l’instaurarsi di connessioni nel cervello infantile in sviluppo). Nella società umana, il denaro serve a misurare e a trasmettere locali richieste di diminuzione di entropia, sia che esso misuri la raffinazione di un’oncia d’oro, l’energia disponibile in una tonnellata di carbone, il prezzo di un’azione di una compagnia multinazionale o il valore dell’informazione contenuta in un libro. Noi abbiamo inventato la scienza economica, ma l’economia è venuta prima.

Nel 1965, vent’anni dopo lo scioglimento del gruppo di Alan Turing a Bletchley Park, Irving J. Good pubblicò le sue speculazioni sullo sviluppo di una macchina ultraintelligente, descritta in seguito come una macchina che ritiene che la gente non sappia pensare. Al centro dello sviluppo di un’intelligenza meccanica incontestabile vi è la domanda di che cosa sia e come si evolva il significato. Secondo l’analisi di Good, significato ed economia sono profondamente intrecciati; dove è presente il significato, là c’è un’economia di oggetti che rappresentano informazione (o di informazione che rappresenta oggetti), con cui si può valutare il significato degli oggetti e da cui si possono ricavare strutture di informazione dotate di significato.

La produzione del significato può essere vista come l’ultimo stadio di rigenerazione della gerarchia — osserva Good — la quale esegue una funzione economica esattamente come tutti gli altri stadi. E possibile che ciò sia stato spesso trascurato perché il significato è associato alla natura metafisica della coscienza e non si è pronti ad associare la metafisica a questioni economiche, ma per costruire un’intelligenza artificiale sarà necessario rappresentare il significato in qualche forma fisica.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 295

Nel 1947 Ashby formulò una concisa serie di principi che regolano i sistemi auto-organizzati, dimostrando “che una macchina può allo stesso tempo (a) essere strettamente determinata nelle sue azioni, e (b) mostrare segni di un cambiamento di organizzazione autoindotto”.Questo saggio ne seguiva un altro, in cui aveva osservato che “una delle proprietà più rilevanti del sistema nervoso è di auto-organizzarsi; ciò significa che quando il sistema nervoso entra in contatto con un nuovo ambiente, tende a sviluppare quella organizzazione interna che conduce a un comportamento adattato a tale ambiente”.Generalizzando tale comportamento in modo da “non limitarlo solo ai sistemi meccanici che seguono la dinamica newtoniana”, Ashby era giunto alla conclusione che “‘l’adattamento per tentativi ed errori non è affatto tipico degli organismi viventi, ma è una proprietà elementare e fondamentale di tutta la materia, e non richiede alcuna ipotesi ‘vitalistica’ o ‘selettiva”’.A partire da una rigorosa definizione dei concetti di ambiente, macchina, equilibrio e adattamento, aveva sviluppato un semplice modello matematico che dimostrava come i cambiamenti che si verificano nell’ambiente causino la rottura della macchina, vale a dire il passaggio a un diverso stato di equilibrio. “Lo sviluppo di un sistema nervoso offrirà opportunità molto più ampie per quanto riguarda sia il numero di guasti possibili sia la complessità e varietà dell’organizzazione”, scriveva. “Da

questo punto di vista, la differenza è solo una questione di grado.”

Quando il movimento cibernetico cominciò a prendere forma nei primi anni del dopoguerra, inglobò anche le idee di Ashby. Il suo Progetto per un cervello, pubblicato nel 1952, fu considerato uno dei testi fondamentali per il nuovo campo d’indagine. L”’omeostato” di Ashby, l’incarnazione elettromeccanica delle sue idee sulle macchine che sono alla ricerca di un equilibrio, si comportava come un gatto che, quando viene disturbato, si gira dall’altra parte e si rimette a dormire. La sua “legge della varietà necessaria” sosteneva che la complessità di un sistema di controllo efficace corrisponde alla complessità del sistema sottoposto al suo controllo.

Ashby era convinto che la “generazione spontanea di organizzazione” alla base delle origini della vita e di altri eventi improbabili non fosse l’eccezione, ma la regola.

Ogni sistema dinamico determinato e isolato che obbedisce a leggi immutabili svilupperà “organismi” adattati al loro “ambiente” — affermava —. Non presenta alcuna difficoltà, in linea di principio, realizzare organismi sintetici complessi e intelligenti quanto vogliamo. Ma [...] la loro intelligenza sarà adattata e specializzata per il loro particolare ambiente, con nessuna implicazione di validità per qualsiasi altro ambiente come, per esempio, il nostro.

Secondo Ashby i calcolatori digitali ad alta velocità costituiscono un ponte tra le leggi e la vita.

Fino a poco tempo fa, non abbiamo avuto alcuna esperienza di sistemi di media complessità; sono sempre stati come l’orologio e il pendolo, e in tal caso abbiamo considerato le loro proprietà scarse e irrilevanti, oppure come il cane e l’essere umano, e in quest’altro caso abbiamo considerato le loro proprietà così ricche e notevoli da ritenerle soprannaturali. Solo negli ultimi anni l’elaboratore non specializzato ci ha fornito l’esempio di un sistema abbastanza ricco da risultare interessante e al tempo stesso abbastanza semplice da essere comprensibile [...]; questo ci permette di colmare l’enorme divario concettuale tra il semplice e comprensibile, e il complesso.

Per comprendere qualcosa di tanto complicato come la vita e l’intelligenza, continuava, dobbiamo ricostruirne i passaggi. “Possiamo capire molto della cosiddetta generazione spontanea della vita semplicemente vedendo come una sua versione più semplificata apparirà in un calcolatore”, scriveva nel 1961.

Per generare la vita o l’intelligenza all’interno di un calcolatore, o tra calcolatori, bisognerebbe più o meno procedere così:

(1) rendere le cose abbastanza complicate

(2) aspettare che succeda qualcosa per caso oppure far succedere qualcosa. L’approccio migliore potrebbe essere una combinazione dei due metodi.

La mia ipotesi è che, prima o poi, macchine funzionali dotate di intelligenza artificiale nasceranno dalla simbiosi tra un calcolatore non specializzato e reti localmente o parzialmente casuali — affermava Irving J. Good nel 1959 —. Le componenti di pensiero che abbiamo analizzato completamente potrebbero essere riprodotte dal calcolatore. La divisione corrisponderebbe più o meno a quella tra menti coscienti e inconsce.

Una rete casuale non deve essere necessariamente formata da una configurazione casuale di neuroni, fili o commutatori; può essere rappresentata da relazioni di tipo logico che si sono evolute nella matrice ordinata di congegni a due stati, se il loro numero è sufficientemente grande. Questa possibilità era sottintesa nella concezione originaria di von Neumann del calcolatore digitale come associazione di elementi logici discreti, una popolazione che si dà il caso fosse organizzata dal suo organo di controllo centrale per eseguire operazioni aritmetiche, ma che, in linea di principio, poteva essere organizzata in modo diverso, oppure a cui si poteva addirittura consentire di organizzare se stessa. Ma l’abilità della macchina nell’eseguire calcoli aritmetici aveva ben presto fatto in modo che tutto il resto passasse in secondo piano.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 307

Il Pandemonium

Il Pandemonium mirava a riconoscere i messaggi in codice Morse inviati da operatori umani: un problema semplice, ma non banale, di riconoscimento di ricorrenze, che fino a quel momento aveva confuso qualsiasi macchina.

Il programma di Selfridge era progettato per apprendere via via dai propri errori. Pandemonium, ossia “il putiferio creato da tutti i demoni”, cercava di incarnare il processo darwiniano in base al quale le informazioni vengono trasformate selettivamente in percezioni, concetti e idee. Il prototipo funzionava a quattro diversi livelli, che fungevano da prima approssimazione ai molteplici livelli tramite i quali un sistema cognitivo dà senso ai dati che riceve.

Al livello di base, i demoni dei dati servono soltanto a memorizzare e a trasmettere dati. Al livello successivo, i demoni del calcolo, o sottodemoni, eseguono calcoli più o meno complicati sui dati e trasmettono i risultati al livello successivo, quello dei demoni cognitivi che, in un certo senso, soppesano le prove. Ogni demone cognitivo calcola un urlo e, tra tutti, il demone di livello più alto, quello della decisione, si limita a scegliere il più forte".

Lo schema tratteggiato è in realtà una selezione naturale operata sui demoni calcolatori — spiegava Selfridge —. Se svolgono una funzione utile sopravvivono, e forse danno anche origine ad altri sottodemoni che verranno essi stessi giudicati in base ai loro meriti. È perfettamente ragionevole pensare che questo avvenga su vasta scala — e difatti avviene quasi inevitabilmente —. Perciò, invece di avere un solo Pandemonium, se ne potrebbe avere un’intera folla [...]. Eliminare quelli relativamente scadenti e incoraggiare gli altri a generare nuove macchine a propria immagine e somiglianza.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 318

Oggi gli ingegneri del software passano la maggior parte del loro tempo a cercare di coltivare adattamenti incrementali tra i demoni che abitano i computer. “In realtà, l’ecologia della programmazione è tale che, nel complesso, i programmatori passano più dell’80 per cento del loro tempo a modificare i codici, piuttosto che a scriverli”, ha asserito Selfridge nel 1995.

Non fa differenza se i demoni sono stringhe di bit, sequenze di nucleotidi, schemi di connessione all’interno di una rete genetica o elettronica casuale, organismi viventi, istituzioni culturali, lingue o macchine. Non fa differenza neppure se il demone che prende la decisione è la natura nel suo complesso, un predatore esterno, un parassita interno, un programma per correggere la programmazione o tutte queste cose insieme che agiscono di comune accordo. Come hanno scoperto Nils Barricelli, grazie al suo studio sui simbio-organismi numerici, e John von Neumann, grazie al suo sviluppo della teoria dei giochi, la tendenza a coalizzarsi rende impossibile impedire che i livelli a cui vengono prese le decisioni si spostino continuamente.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 319

L’intelligenza, comunque la si misuri, si basa sulla capacità di compiere scelte: di riconoscere i segnali in mezzo al rumore, di distinguere ciò che è giusto da ciò che è sbagliato, di individuare la strategia migliore per arrivare a una soluzione. Il processo è cumulativo. Darwin fu capace di sostituire l’intelligenza suprema di un Dio onnisciente, che avrebbe selezionato l’intera creazione nello stesso momento, con l’intelligenza inferiore di un universo che selezionava le creature della natura un passo alla volta. Ma egli pensava ancora che questa intelligenza venisse dall’alto.

Il fatto che Darwin sia riuscito a spiegare l’origine delle specie per mezzo della selezione naturale ha, forse, oscurato il funzionamento dell’evoluzione in forme diverse. A partire dall’idea darwiniana di una popolazione di individui che competono tra loro per il controllo di un numero finito di risorse, con la selezione naturale a guidare il miglioramento di una specie un passo alla volta, siamo tentati di giungere alla conclusione che, quando le specifiche circostanze non rientrano in questo quadro (anche se le teorie di Darwin sono state stiracchiate in tutte le direzioni possibili e immaginabili), non siano in atto processi di tipo evoluzionistico. I grandi sistemi auto-organizzati sfidano queste ipotesi e forse anche quella secondo cui un sistema, per poter essere considerato in evoluzione o vivente, deve potersi autoriprodurre, competere con sistemi simili e affrontare la morte certa o l’eventuale estinzione. È possibile costruire sistemi che si autopreservano, che crescono, si evolvono e imparano, ma non si riproducono, non competono e non muoiono mai. E anche possibile concepire grandi sistemi complessi, come le specie, i serbatoi di geni e gli ecosistemi, alla stregua di organizzazioni che elaborano informazioni, dotate di un certo grado di intelligenza che guidi gli organismi che le compongono, la cui evoluzione sarebbe altrimenti cieca. Un orologiaio cieco in grado di costruire un occhio è evidentemente capace di mettere assieme strutture non più destinate a brancolare.

Nel 1887 Samuel Butler contestava a Darwin che “deve anche esserci una mente e un progetto. Il tentativo di eliminare l’intelligenza dalle istanze principali dell’universo è fallito [...]. C’è un progetto, un’astuzia [cunning], ma non tale da plasmarci dispoticamente dall’esterno come un vasaio plasma la creta, bensì da agire democraticamente dall’interno del corpo, che è il suo prodotto più alto, come la vita agisce all’interno di un animale o di una pianta”.Butler non dubitava della possibilità di modificazione della discendenza, ma era convinto che l’interpretazione di Darwin delle prove da lui raccolte andasse capovolta.

La forma corporea può essere quasi considerata come idea e memoria allo stato solido, come un accumulo di cose, ciascuna delle quali è così labile da non avere, praticamente, sostanza materiale. È come se si trattasse di un milione di sterline ottenute accumulando milioni e milioni di centesimi [...]. La teoria secondo la quale il caso è lo strumento principale di modificazione organica è la negazione più assoluta di Dio che la mente umana possa concepire, mentre l’idea che Dio sia in tutte le sue creature, Egli in loro e loro in Lui, è espressa in altre parole solo dichiarando che il principale strumento di modificazione organica non è il caso, ma quell’astuzia.”

Butler vedeva ogni specie (anzi, l’intero mondo organico) come un deposito di conoscenza e di intelligenza che trascendeva la vita dei suoi singoli membri, proprio come noi trascendiamo la vita e l’intelligenza delle cellule di cui siamo fatti.

La dicotomia tra caso e “astuzia” si estende oltre il campo della biologia evoluzionistica e promette di avere un’influenza decisiva anche sul futuro della tecnologia.

L’idea che l’evoluzione biologica non implichi alcuna intelligenza potrebbe dimostrarsi tanto lontana dalla realtà quanto qualsiasi altra interpretazione — sosteneva Nils Barricelli nel 1963 —. Quando sottoponiamo un essere umano, o qualsiasi altro animale, a un test di intelligenza, sarebbe piuttosto strano sostenere che il soggetto non è intelligente sulla base del fatto che non è richiesta alcuna intelligenza per portare a termine il compito che qualsiasi neurone o sinapsi sta svolgendo nel suo cervello. Siamo tutti d’accordo sul fatto che non è richiesta alcuna intelligenza per morire, quando un individuo è incapace di sopravvivere, o per non riprodursi, quando un individuo non è in grado di riprodursi. Ma usare questo come argomento per negare che esista un’intelligenza dietro i risultati dell’evoluzione biologica potrebbe dimostrarsi uno degli esempi più spettacolari del tipo di equivoco che può nascere prima che due forme di intelligenza aliene prendano atto l’una dell’altra.

Allo stesso modo, inferire dal fatto che singole macchine non riescano a comportarsi in modo intelligente la conclusione che esse non sono intelligenti potrebbe riflettere una totale incomprensione della natura dell’intelligenza nelle macchine.

L’intelligenza evoluzionistica che si esprime un passo per volta è incommensurabilmente lenta, paragonata alla capacità di attenzione dell’uomo. La sua esistenza potrebbe divenire incontrovertibile, se il processo fosse accelerato. L’invisibile ragnatela di connessioni che trasformano un’ecologia (biologica, computazionale o mista) in un organismo vivente comincia a muoversi a un ritmo visibile quando le macchine si evolvono di anno in anno, le generazioni di software cambiano nel giro di minuti e il controllo viene esercitato da un microsecondo all’altro. Samuel Butler aveva compreso che l’intelligenza dell’evoluzione e l’intelligenza degli esseri umani si avviavano verso la rotta di collisione. Butler sapeva, come Barricelli, che la nostra definizione di intelligenza è così antropocentrica da rivelarsi praticamente inutile per qualsiasi altra cosa.

Nulla, ci diciamo, può considerarsi intelligente se noi non lo comprendiamo completamente, come se in tutto, tranne che in noi stessi, intelligenza significasse la capacità di essere compresi piuttosto che di comprendere — scriveva —. Noi siamo intelligenti, e nessuna intelligenza tanto diversa da sconfiggere la nostra capacità di comprensione merita di essere definita tale. Più una cosa assomiglia a noi, più pensa come noi e, di conseguenza, ci dice che abbiamo ragione e più la riteniamo intelligente; e meno pensa come noi, più deve essere stupida. Se una sostanza non riesce a farci capire chiaramente che essa comprende i nostri procedimenti, ne deduciamo che non può avere procedimenti propri.

Se il darwinismo era percepito dalla Chiesa come eretico, qualsiasi tentativo di attribuire un’intelligenza ai processi evoluzionistici viene guardato con altrettanto sospetto dai darwinisti più ortodossi. Butler e i suoi seguaci non hanno mai

smesso di chiedere che venga riconosciuta un’intelligenza a livello della specie, ma continuano a cercare di far riconoscere l’esistenza di tipi non ortodossi di vita e di pensiero.

L’unica cosa di cui sono sicuro è che la distinzione tra organico e inorganico è arbitraria; che è più coerente con le nostre idee, e quindi più accettabile, partire considerando ogni molecola una cosa vivente, per poi dedurre che la morte è la rottura di una associazione o corporazione, piuttosto che partire da molecole inanimate e inserire in esse di contrabbando la vita.

Il contrabbando attraversa i confini tra vita e non vita con la stessa facilità con cui attraversa quelli tra intelligenza e non intelligenza. Il traffico fluisce in entrambi i sensi, attribuendo vita e intelligenza a processi che sono al di sotto e al di sopra del nostro livello. Ovunque guardiamo, le cose si rivelano più intelligenti e più vive di quanto prima ci sembrassero. Quanto meglio comprendiamo i sistemi di elaborazione delle informazioni, rappresentati tipicamente dal cervello umano, tanto più scopriamo che funzionano come sistemi evoluzionistici, e quanto meglio comprendiamo i sistemi evoluzionistici, tanto più scopriamo che operano come macchine che elaborano informazioni.

La nostra fede nell’intelligenza dei sistemi adattativi e complessi in grado di auto-organizzarsi ricorda la fede di William Paley nell’argomento del progetto. Dove noi vediamo la presenza di un ordine, Paley vedeva la presenza di un progetto. Il suo protagonista, trovandosi tra le mani un orologio, riteneva assolutamente impossibile “che esistesse nelle cose un principio d’ordine che avesse disposto le parti dell’orologio nella loro organizzazione attuale. Non aveva mai conosciuto un orologio fabbricato in base al principio d’ordine; né riusciva a farsi un’idea di che cosa significasse un principio d’ordine distinto dall’intelligenza dell’orologiaio”.” Confrontando gli orologi, scopriamo che quello di Butler era progettato dall’interno, quello di Paley dall’esterno, e quello di Darwin nasceva dall’accumulo di pure coincidenze nel corso del tempo.

Per evitare errori meccanici, i navigatori del diciottesimo secolo portavano con sé tre cronometri. Quando un cronometro segnava un’ora diversa, presupponevano che gli altri due segnassero quella giusta. Quando avete tre orologi e nessuno dei tre va d’accordo con l’altro, non c’è modo di sapere quale segni l’ora esatta, sempre che ce ne sia uno. Le diverse interpretazioni dell’argomento del progetto date da Butler, Paley e Darwin corrispondono più o meno ai tre modi di progettare un sistema computerizzato rappresentati da Leviathan, SAGE e Pandemonium nel 1959. Il Leviathan dei Rome incarnava la fede di Butler nella misteriosa capacità della natura di organizzare in modo intelligente il proprio progetto. Il SAGE dell’aeronautica incarnava la fede di Paley in un’intelligenza centralizzata e superiore che impartiva tutte le istruzioni dall’alto. Il Pandemonium di Selfridge incarnava la fede di Darwin in un intreccio di sottoprogrammi che fioriscono per selezione naturale dal fango della computazione.

In quarant’anni di sviluppo del software, nessuno dei tre approcci si è dimostrato completamente sbagliato. Il Leviathan tentava un approccio a scatola nera per la costruzione di sistemi che accumulano conoscenze empiriche tramite meccanismi i cui dettagli non sono necessariamente compresi da chi

li progetta: un tipo di procedimento invocato, anche se non sempre riconosciuto, dagli autori dei più grandi assemblaggi di codici. L’approccio autoritario, da Grande Stazione Centrale, allo sviluppo dei sistemi, rappresentato da SAGE, ha portato direttamente, attraverso l’IBM, ai sistemi operativi che predominavano negli anni Settanta e che governano gli odierni computer da tavolo. Il Pandemonium ha portato, con qualche modificazione, alla fertilità della programmazione modulare, ai linguaggi orientati agli oggetti e agli agenti quasi intelligenti che oggi continuano a replicarsi attraverso la rete nel suo complesso. Abbiamo superato la vecchia diatriba riguardo la maniera di costruire l’intelligenza artificiale: a partire da processi lineari e codificati in sequenza o incubata all’interno di reti a parallelismo massivo. La vita è il prodotto di stringhe lineari di un DNA portatore di codici oppure di proteine tridimensionali a molo in un brodo autocatalitico? La risposta giusta non è né l’una né l’altra, ma entrambe.

L’evoluzione di un’ecologia computazionale diversificata a partire da semplici stringhe di O e 1 è l’incarnazione di alcune idee di logica matematica su come i sistemi formali evolvano in tipi superiori. “Sto leggermente distorcendo un teorema logico”, ammetteva John von Neumann in una sua conferenza sui sistemi autoriproduttivi tenuta nel dicembre del 1949, “un teorema di Gòdel secondo il quale il passo logico successivo, la descrizione di un oggetto, è di una classe più alta dell’oggetto stesso e quindi asintoticamente più lungo da. descrivere 40 Quello dell’evoluzione è un processo ricorsivo e, data la potenza delle funzioni ricorsive, non dovremmo sorprenderci della complessità e dell’intelligenza esibita da un linguaggio o sistema genetico che opera ripetutamente su se stesso.

La possibilità di produrre una sequenza infinita di varietà di discendenti a partire da un unico programma è metodologicamente significativa, al punto da poter interessare i biologi più che gli studiosi di intelligenza artificiale — osservava il logico John Myhill nel 1964 —. Fa pensare alla possibilità di codificare un numero potenzialmente infinito di istruzioni ai posteri su un nastro cromosomico di lunghezza finita.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 326

La selezione naturale si basa sulla morte di individui, o ne ha favorito la sopravvivenza, e la sua velocità è limitata dal tempo necessario per passare da una generazione alla successiva?

Nell’era dell’informazione, il ritmo del darwinismo ortodosso appare troppo lento. L’evoluzione darwiniana, per uno di quei paradossi di cui la vita abbonda, potrebbe cadere vittima del suo stesso successo, rivelandosi incapace di stare al passo con i processi non-darwiniani che ha generato. Forse, alla fine, i fatti daranno ragione a Erasmus Darwin.

Ci stiamo movendo in questa direzione già da qualche tempo. “Gli schemi culturali sono in un certo senso la soluzione al problema di avere una forma di ereditarietà che non presupponga l’uccisione di individui per poter evolvere”, osservava Nils Barricelli nel 1966. “L’evoluzione può avvenire per selezione di schemi culturali, e da questo punto di vista il fenomeno evoluzionistico sarebbe molto più rapido.”La stessacosa vale per gli organismi digitali, che non hanno bisogno di morire per evolvere, anche se, nel caso che la memoria sia limitata, la minaccia di morte potrebbe rivelarsi utile. Si può anche applicare ai circuiti biochimici, come gli ipercicli molecolari che hanno preceduto l’origine della vita, o alla topologia di una rete elettronica: si tratta sempre di un sistema di connessioni che persiste nel tempo, trascendendo la durata della vita individuale dei suoi componenti. Le singole cellule sono schemi persistenti composti di molecole che vanno e vengono; gli organismi sono schemi persistenti composti di singole cellule che vanno e vengono; le specie sono schemi persistenti composti di individui che vanno e vengono. Le macchine, come ha mostrato Butler con la sua analisi delle macchine a vapore nel 1863, sono schemi persistenti composti di parti che vengono sostituite di tanto in tanto e riprodotte da una generazione all’altra. Un organismo globale (e un’intelligenza globale) è il tipo logico successivo, che si concordi o meno con la diagnosi, la terminologia o l’ipotesi della vita e dell’intelligenza.

Ho cercato di pensare alla Terra come una specie di organismo, ma non funziona — scriveva il fisico Lewis Thomas nel 1971 —. Non riesco a vederla in questo modo. E troppo grande, troppo complessa, ha troppe parti tra le quali non c’è alcuna connessione visibile. L’altra sera, viaggiando in macchina attraverso una zona collinosa e boscosa nel sud del New England, mi chiedevo proprio questo. Se non è come un organismo, a che cosa assomiglia di più?

E poi, con grande soddisfazione, almeno per il momento, mi è venuto in mente:

è più come un’unica cellula.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 329

Quella che nel 1971 sembrava un’unica cellula, oggi sembra qualcosa di più. Osservando una colonia di formiche, Thomas scriveva che “si comincia a vedere l’intero animale, e lo si vede pensare, programmare, calcolare. È un’intelligenza, una specie di computer vivente, fatto di piccole parti striscianti”. Paragonando gli esseri umani alle formiche, Thomas osservava che “siamo collegati in circuiti per la memorizzazione, l’elaborazione e il recupero di informazioni, dato che questa pare la più basilare e universale delle attività umane. Può darsi che la nostra funzione biologica sia quella di costruire un certo tipo di formicaio”. Con le reti di computer ancora a uno stadio approssimativo e sperimentale, era comunque evidente per Lewis Thomas che

i tre miliardi di abitanti della Terra sono tutti collegati fra loro tramite telefoni, radio, televisori, aerei, satelliti, discorsi

trasmessi dai sistemi di informazione pubblica, giornali, riviste, volantini lanciati da grandi altezze, parole sentite qua e là. Ci stiamo trasformando in una griglia, un circuito che copre tutta la Terra. Se continuiamo così, diventeremo un calcolatore che metterà fine a tutti gli altri, capace di fondere tutti i pensieri del mondo.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 330

La Terra “vista dalla giusta distanza”, dall’angolo dell’occhio di un visitatore extraterrestre, deve sicuramente apparire come un’unica creatura aggrappata a questa pietra calda e rotonda che gira intorno al Sole”,potrebbe essere eccessiva. Tutto questo non dovrebbe sorprenderci più della tirannia di un unico sistema nervoso sulle cellule che compongono un singolo organismo. Come ha mostrato Nils Barricelli con la crescita dei suoi simbio-organismi numerici all’Institute for Advanced Study di Princeton nel 1953, la sicurezza data dal numero è un fatto della vita, forse quello da cui si sono evoluti tutti gli altri. “Un essere organico è un microcosmo”, osservava Charles Darwin nel 1869, “un piccolo universo formato da una miriade di organismi che si autopropagano, incredibilmente minuscoli e numerosi quanto le stelle”.”

Dagli atomi alle galassie a spirale, passando per i metazoi, le leggi della natura strutturano una gerarchia che non abbiamo ancora compreso del tutto. I dieci milioni di transistor oggi contenuti in un unico centimetro quadrato della nostra Terra hanno lo stesso sangue vitale, di tipo digitale, comune a miliardi di altri microprocessori loro simili, insieme ai quali formano un bozzolo fibroso che avvolge il globo con una rete di luce. “Se raccogliete trenta centimetri cubi di acqua di mare, potreste anche trovarci un pesciolino”, osservava Philip Morrison. “Questo è molto lontano dallo stato stabile [...]. In un miglio cubo potreste trovare un sottomarino pieno di persone e software, una configurazione molto più complessa.”Questa organizzazione gerarchica si estende in entrambe le direzioni: in un centimetro cubo potreste trovare un protozoo; in un’unità astronomica cubica potreste trovare un unico organismo collettivo, aggrappato a un pianeta caldo che gira lentamente intorno al Sole.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 331

La parola telepatia era stata coniata da Frederic W.H. Myers (1843-1901), poeta e ispettore scolastico inglese che, nel 1882, fondò la Società per la ricerca psichica. Di vigorosa costituzione fisica e mentale, all’età di ventuno anni Myers fu il primo inglese ad attraversare a nuoto il canale sottostante le cascate del Niagara.

Il figlio, spinto dall’ammirazione per Infinito, divenne l’amico e corrispondente più stretto di Stapledon finché, nel 1944, si suicidò.

Frederic Myers aveva contribuito al concetto di telepatia che pervade l’opera di Stapledon; Leo Myers aveva contribuito a incoraggiare Stapledon a intraprendere la carriera letteraria. Gli scritti di Stapledon echeggiano l’affermazione di Myers padre nel suo Science and a Future Life:

“Noi stessi siamo una parte, non solo della razza, ma dell’universo. È plausibile che ne condivideremo le sorti più a lungo di quanto sappiamo; che la nostra evoluzione non sarà planetaria, ma cosmica, e che il nostro destino non avrà fine”.

Preferendo l’esotico all’occulto, Stapledon fece tutto il possibile per dare alla telepatia una spiegazione fisica. La tecnologia, comunque, stava per raggiungere lo stesso obiettivo senza il supporto degli extraterrestri: milioni di anni prima dello svolgersi delle nostre avventure marziane siamo stati invasi da unità subvitali, i microprocessori, che non provenivano dalle sabbie di Marte, ma da quelle terrestri.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 347

Il silicio

Il silicio e l’ossigeno, forgiati da elio e idrogeno nelle fornaci atomiche delle stelle, restano i due elementi più comuni dello strato esterno del pianeta che consideriamo la nostra casa. Un atomo di silicio si combina con due atomi di ossigeno per produrre biossido di silicio, o silice (anidride salicica), che costituisce il 59 per cento della sottile crosta galleggiante sul nostro pianeta, una sottile fetta di silicio, che per noi è la Terra su cui viviamo. La silice, in una forma o in un’altra, è il componente principale del 95 per cento della roccia sotto i nostri piedi.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 347

La maggior parte delle volte, nonostante abbiamo la sensazione di essere inondati di informazioni, restiamo fuori dal circuito completo. Gli esseri umani hanno un tempo e una capacità di comunicare limitati: nello stesso momento potete guardare la televisione, scaricarvi la posta elettronica e parlare al cellulare, ma questo è tutto. Ora siamo noi a costituire il collo della bottiglia: siamo in grado di assorbire una quantità limitata di informazioni producendone anche meno, dal punto di vista delle macchine. Anche scrivendo a macchina più velocemente possibile, nel tempo che passa fra la pressione di un tasto e quello successivo girano milioni di cicli in un microprocessore qualsiasi. Questa differenza è ciò che mantiene umani gli esseri umani e macchine le macchine. “Se mai riunissimo insieme tutti i nostri cervelli per formare una mente collettiva, come le formiche”, avvertiva Lewis Thomas, “si costituirebbe un pensiero inimmaginabile, molto al di sopra delle nostre teste”.

L’intelligenza distribuita, o la mente composita, è un’idea vaga. D’altra parte, non conosciamo una forma di intelligenza che non sia distribuita o una mente che non sia composita. Riportando questi concetti indietro nel tempo, Olaf Stapledon ha lasciato una prima stesura medita del suo romanzo Il costruttore di stelle, in cui rifletteva sullo sviluppo della mente tra le prime strutture nebulose pregalattiche dell’universo, un esercizio dell’immaginazione che potrebbe aiutarci a comprendere la nebulosa categoria di qualsiasi macchina ultraintelligente, con o senza cavi, che possa essere sviluppata qui sulla Terra:

Per comprendere la mentalità delle nebulose si devono tenere ben presenti tre fatti che le rendono completamente diverse dagli esseri umani. Esse non si succedono l’un l’altra attraverso le generazioni; non sono vincolate dalle necessità economiche; la maggior parte di esse ha raggiunto la maturità ignorando altre menti [...]. Con le nebulose non vi è distinzione tra la crescita degli individui e l’evoluzione della razza. La vita e la memoria di ciascuna di esse si estendono fino agli albori della razza.

Le nebulose, in un certo senso, sono “più vicine a Dio” di quanto un uomo potrà mai esserlo.

“La vita della collettività insettoide intelligente era organizzata in maniera così perfetta, che tutta la routine agricola e industriale era diventata, dal punto di vista della mente collettiva, inconscia, come in un uomo i processi digestivi”, scriveva Olaf Stapledon, descrivendo le minuscole creature, comunicanti attraverso l’elettromagnetismo, che abitavano uno dei tanti mondi contemplati nel Costruttore di stelle: un pianeta solido in cui la gravità estrema e l’assenza di oceani impedivano lo sviluppo di creature con grandi cervelli. “Le piccole unità insettoidi svolgevano quelle operazioni coscientemente, per quanto senza comprenderne il significato; ma la mente dello sciame aveva perduto la capacità di seguirle. La sua attenzione era quasi totalmente rivolta alle attività che richiedevano un controllo cosciente.

Finché non comprenderemo la nostra coscienza, non vi sarà modo di concordare su cosa costituisca quella delle macchine, ammesso che esista. L’argomento ci conduce a ipotesi non falsificabii, in cui il metodo scientifico viene meno.

Posto che una macchina sia cosciente, sono possibili tre esiti:

che a una precisa domanda risponda: “Sì, sono cosciente”, oppure: “No, non lo sono” o, ancora, che non dica assolutamente nulla.

A quale risposta crederemo?

A questo punto, tutto ciò che possiamo fare è usare la nostra immaginazione. E in questo Olaf Stapledon ci ha preceduto di un gran numero di anni. “All’interno del gruppo intelligente, le unità insettoidi morivano e lasciavano il posto a nuove unità”, raccontava, “ma la coscienza del gruppo era potenzialmente immortale.”Ciò vale per tutte le reti di comunicazioni estese e durature, indipendentemente dal fatto che i nodi siano imperscrutabili come i neuroni, intelligenti come gli esseri umani oppure muti come i microprocessori appesi ai lampioni, che si limitano a rilanciare in giro i messaggi, e poco altro.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 360

Negli anni Cinquanta i calcolatori hanno manifestato la loro abilità nel gestire ingenti quantità di numeri in minuscoli incrementi di tempo. “E tempo! “, sembravano dire, ma dopo aver dedicato all’argomento qualche riflessione, abbiamo deciso che non era ancora arrivato il momento di svegliare il signore per un po’ di semplice aritmetica. Lasciamo passare più di vent’anni: negli anni Settanta i calcolatori hanno cominciato a riprodursi in fabbriche automatizzate, secondo i principi di von Neumann, in base ai quali gli automi possono svilupparsi con crescente complessità da una generazione a quella successiva. “Era tempo! “, proclamavano i loro numeri in successione rapidissima, ma abbiamo deciso ancora che i semplici fogli di calcolo e i programmi di scrittura non meritassero di far dare l’allarme. Passano altri vent’anni. I calcolatori, che ora brulicano come sardine all’inizio della primavera, hanno iniziato a riunificate le loro intelligenze, cambiando stato mentale in un batter d’occhio, eliminando mezza dozzina di linguaggi tra quelli che possiamo comprendere. Soltanto una confraternita esoterica, pronunciando una linea di codice alla volta, comunica ancora con le macchine. “Il tempo è trascorso! “, si può leggere tra le righe. Ma l’avvertimento continua a rimanere inascoltato, poiché restiamo pietrificati come scimmie davanti a uno specchio dalla novità della nostra immagine riflessa sulla superficie della rete. Quando il fumo si sarà diradato e il signore si sarà svegliato, il calcolatore sarà scomparso come una testa disincarnata, sostituito da una trama diffusa che ci avvilupperà con nebulosi frammenti di significato, come i neuroni sono avviluppati dal cervello in una specie di elettrolito.

Dyson G., “L'evoluzione delle macchine”, Raffaello Cortina Editore, pag. 366

Due diversi metodi per la costruzione delle barche: se volete un kayak o una canoa

Vi sono due modi di accostarsi all’intelligenza incarnata.

Le alternative corrispondono ai due diversi metodi per la costruzione delle barche: se volete un kayak, dovete assemblare lo scheletro e rivestirlo per consentirgli di galleggiare, proprio come la struttura architettonica di un calcolatore è dotata, dall’evoluzione o da un progetto, di un involucro di codice. Per costruire una canoa, invece, dovete far crescere un albero e poi eliminare tutto, un pezzo alla volta, eccetto la barca. La natura crea le sue intelligenze in questo modo, producendo uno schiacciante eccesso di neuroni per poi sfoltirli selettivamente lasciando una rete che, se tutto va bene, diventa una mente. Poiché i calcolatori si moltiplicano a milioni, si stanno aggregando in strutture il cui progetto reca, oltre alla nostra, la firma della natura.

All’interno di questa matrice computazionale, che sia considerata come un codice che sussiste in base ai processori, oppure come un insieme di processori che sussistono in base a un codice, è stata raggiunta un’organizzazione in maniera sia fortuita sia intenzionale. La maggior parte delle connessioni non ha senso, e poche rendono qualcosa, se non in modo indiretto.

I critici sostengono che la rete mondiale (World Wide Web) è una fase di passaggio.


CONSULENZE PRIMI su GOOGLE	CORSI: PRIMO su GOOGLE	CORSI: SCRITTURA	CORSI: PHOTOSHOP	DIDATTICA dell'ARTE	DIVULGAZIONE SCIENTIFICA
MENTE e CERVELLO	STORIA e MICRO-STORIA	DOCENTE di COMUNICAZIONE	SCARICARE NARRATIVA	COMUNICAZIONE	PUBBLICITA' EFFICACE
REALIZZAZIONE SITI	RITOCCO FOTOGRAFICO	STAFF	MAPPA del SITO	LINK	CONTATTI