Se decidiamo di non dotare questi processi di vere capacità decisionali autonome e intelligenti, dobbiamo però fare i conti con il fatto che non stiamo parlando semplicemente di mezzi aggiuntivi che lasciano inalterate le pratiche e i processi ai quali subentrano. Quando adottata in contesti decisionali, l’intelligenza artificiale (IA) viene integrata nel comportamento dei decisori umani fino a modificarne il carattere, la portata e il potere. La definizione di processi decisionali automatizzati (in inglese, automated decision-making processes, ADM) non descrive solo il loro scopo finale, ovvero la capacità di raccogliere, elaborare e ordinare enormi quantità di dati attraverso algoritmi più o meno complessi al fine di informare parzialmente o completamente i processi decisionali, ma anche la loro dimensione sociopolitica. Non ci riferiamo semplicemente all’intelligenza artificiale in quanto tecnica, ma a sistemi e strutture progettati a scopi specifici di valutazione, categorizzazione e previsione sociale.

Input, output e patterns

Una caratteristica che accomuna molte di queste pratiche è il fatto di basarsi su dati storici, e il loro utilizzo per fare previsioni sul futuro basandosi su comportamenti passati. In questa prassi (ma ne esistono molte, per diverse tecniche statistiche) i sistemi vengono addestrati su una serie di dati, ai quali l’algoritmo (o la persona, in altri casi) assegna delle etichette in base a caratteristiche predefinite che individua. Un’etichetta viene associata a uno specifico valore di input, che viene poi utilizzato per produrre un output basato su una ricerca di patterns, ovvero di regolarità e somiglianze nei dati. Uno dei più grandi vantaggi di queste tecniche – e per il quale vengono paragonati ad alcune caratteristiche della mente umana – è la loro capacità di identificare patterns anche quando sono parzialmente nascosti.

A causa della grande quantità di dati che gestiscono e della scala a cui si applicano le loro decisioni, gli ADM possono – insieme agli altri comportamenti umani che replicano – riprodurre le discriminazioni e disuguaglianze presenti nelle nostre società. Non parliamo però solo di una riproduzione, di una copia digitale di ciò che succede nel reale fisico, come invece sostiene chi tende a equiparare processi decisionali umani e macchinici (chiedendosi ad esempio: “Ma se il rischio è la riproduzione di un pregiudizio umano, cosa cambia?”). La differenza, invece, sta nel fatto che grazie alla loro immediatezza le decisioni automatizzate possono applicarsi a milioni di persone contemporaneamente, determinando automaticamente restrizioni o divieti all’accesso a determinati servizi solo perché accomunati da una stessa categoria o pattern.

Gli impatti possono essere molto diversi tra loro, come le loro cause, e dipendono strettamente dal contesto in cui l’intelligenza artificiale viene inserita e applicata. Per la sua portata, una delle applicazioni più potenzialmente problematiche dei processi decisionali automatizzati è quella nei servizi pubblici. I governi di tutto il mondo stanno sempre più automatizzando le decisioni ad alta responsabilità, come ad esempio le agevolazioni sociali, l’individuazione delle frodi, l’allocazione dei servizi sanitari, delle pensioni e dei sussidi. In questo contesto, l’IA cambierà sempre di più la natura dell’accesso ai benefici pubblici, tanto che già da qualche anno si parla di welfare digitale. La politologa statunitense Virginia Eubanks, ad esempio, in Automating Inequality: How High-tech Tools Profile, Police, and Punish the Poor (St. Peter Press 2018), parla di feedback loops di ingiustizie e di automazione delle disuguaglianze (2018) per descrivere la situazione di alcune famiglie negli Stati Uniti le cui vite sono state impattate da processi decisionali automatizzati. Eubanks si riferisce ad algoritmi (che diventano poi modelli) impiegati per compiere previsioni future (partendo da dati storici), come il rischio di recidiva o la possibilità di ripagare un prestito. Ma se pensiamo a famiglie in condizioni di difficoltà di vario tipo, che si rivolgono al sostegno pubblico o che in passato sono entrate nel mirino delle forze dell’ordine a causa di discriminazioni strutturali, in breve tempo assistiamo a sistemi che sovra-campionano queste famiglie, perché il set di dati rappresenta solo casi simili di chi ha avanzato richieste di sussidi o che è già stato arrestato in precedenza. Ne consegue che risorse e attenzioni vengono riservate a una porzione di popolazione, sottoposta a un controllo supplementare e a un’eccessiva sorveglianza.

Le implicazioni, sia teoriche sia pratiche, della pretesa di prevedere in modo strutturale il futuro in base ad attitudini passate e disuguaglianze istituzionalizzate sono gigantesche, sicuramente di grande interesse per le scienze politiche e sociali, ma che dovrebbero interessare per prima cosa la responsabilità politica dei governi. Ci viene in aiuto un esempio, che riguarda il primo caso europeo di discriminazione di massa basata sui dati a danno di 35mila famiglie. Il Toeslagenaffaire, uno scandalo legato ai sussidi per la crescita dei figli che ha investito i Paesi Bassi nel gennaio del 2021, ha causato danni economici difficilmente riparabili a moltissimi cittadini, ai quali è stato erroneamente e illegalmente richiesto il rimborso completo e retroattivo di tutti gli assegni per l’assistenza all’infanzia ricevuti nell’arco di dieci anni. Un anno fa, il gabinetto di Mark Rutte, primo ministro olandese, è stato costretto alle dimissioni anticipate in seguito alla diffusione di un rapporto elaborato da una commissione parlamentare d’inchiesta intitolato Ingiustizia senza precedenti, che mostrava un quadro disastroso riguardo le attività dell’autorità fiscale e di alcuni ministeri. I Paesi Bassi sono allo stesso tempo tra i Paesi europei dove i sussidi e i benefici statali sono più diffusi (come ad esempio i debiti universitari o l’assistenza alla casa) e dove i costi degli aiuti all’infanzia sono tra i più alti dei Paesi Ocse. A seguito di diversi episodi di frode organizzata da parte di persone che richiedevano i sussidi pur non vivendo stabilmente nel Paese, il governo olandese aveva da qualche anno potenziato i controlli, rendendoli più sistematici e rigorosi. Oggi sappiamo che nelle richieste non era ammesso nessun tipo di errore ortografico, e che ogni modulo contenente campi compilati parzialmente veniva considerato come una richiesta potenzialmente fraudolenta. Un essere umano farebbe una scelta simile?

Un algoritmo per calcolare il rischio

A partire dal 2010, l’autorità fiscale aveva integrato un primo algoritmo di identificazione del rischio (risk-detection) per elaborare i documenti compilati dalle famiglie e inviati all’amministrazione. Nel caso di una casella compilata in modo errato o di una firma omessa, gli assegni di assistenza all’infanzia venivano automaticamente sospesi e richiesta la restituzione di tutti gli aiuti percepiti in precedenza. La funzionalità tecnica dell’algoritmo era considerata assolutamente soddisfacente, perché lavorava perfettamente per il compito che gli era stato affidato: rilevare qualsiasi tipo di anomalia in un regime di zero tolleranza. Un secondo algoritmo di previsione del rischio (risk-prediction) chiamato SyRi (Systeem Risico Indicatie) veniva usato per automatizzare la selezione dei beneficiari degli assegni da sottoporre a ulteriori controlli da parte del fisco. Il sistema, programmato per imparare autonomamente, ha ricavato dei fattori di rischio sulla base dell’analisi dei dati storici, ovvero dei casi noti di frode positivi e negativi. Questo metodo di analisi, che come già accennato rappresenta uno degli utilizzi più diffusi dei processi automatizzati, apre a molti potenziali rischi di discriminazione, specialmente se impiegati su campioni di popolazione così ampi (e infatti, il tribunale dell’Aia lo ha giudicato una violazione dei diritti umani nel 2020). I fattori di rischio – che nell’apprendimento automatico sono individuati nei pesi (weights) – dovrebbero essere il più possibile privi di qualsiasi effetto pregiudizievole indesiderato sulle minoranze e sui diversi status socioeconomici. L’eliminazione di tali pregiudizi richiede vigilanza, monitoraggio costante, verifiche casuali e un certo scetticismo nei confronti delle raccomandazioni dell’algoritmo. In queste fasi di controllo si gioca l’attribuzione del ruolo decisionale. L’autorità olandese per la protezione dei dati, intervenuta per verificare l’affidabilità dei processi in seguito a diverse segnalazioni, ha scoperto che il sistema aveva imparato a discriminare in base alla prima nazionalità dei richiedenti. Dopo aver creato un modello identico ed effettuato un test di prova controllando solo per questa caratteristica, ha riscontrato che l’algoritmo aumentava il rischio di frode per le persone di origine non olandese rispetto a quelle olandesi, a parità di altre condizioni. Ne è emerso che a essere sproporzionalmente accusati erano i residenti di origine straniera, e che se l’algoritmo identificava come sospette delle famiglie di origine straniera in uno specifico asilo, ad esempio, automaticamente applicava lo stesso indice di rischio a tutte le famiglie della stessa origine sparse per i Paesi Bassi. Il sistema, euristicamente, ha concluso in più episodi che i beneficiari del welfare con una storia migratoria sono più inclini alle frodi (e non, ad esempio, semplicemente meno avvezzi alla burocrazia olandese), ha affinato e applicato questa regola nel corso di dieci anni, fino a scolpirla nel codice e renderla una prassi automatizzata. Come nota Eubanks, quindi, i gruppi sociali già potenzialmente discriminati si trovano ad affrontare livelli più elevati di raccolta dati e quindi hanno più probabilità di venire sospettati. In questo caso, il sospetto ha coinciso con la perdita di ogni tipo di assistenza statale.

È in questo senso che il ruolo decisionale acquisisce forma e senso in base al potere che affidiamo alle macchine. Concretamente, le decisioni che hanno causato questi danni alle famiglie sono state algoritmiche, perché il ruolo umano di controllo e approvazione della raccomandazione non c’è stato, così come non ci sono state valutazioni ex post da parte degli amministratori umani. La catena del processo decisionale si è interrotta prima del dovuto, e molte delle persone formalmente coinvolte – dai politici ai designer, passando per amministratori pubblici e tecnici dei ministeri – hanno affidato completamente la decisione alle macchine.

Lo scandalo è nato dal fatto che alle famiglie, di fronte alle accuse di frode e alle richieste di rimborso, non è stata data la possibilità di fare ricorso o di contestare le decisioni. Dalle sentenze e dalle analisi tecniche emerge come l’autorità fiscale olandese abbia fallito nel monitorare e vigilare sul funzionamento di entrambi gli algoritmi nel corso degli anni, fidandosi ciecamente dei sistemi e, da ciò che emerge dai racconti, affidandosi completamente ai loro risultati. Non solo: la politica era così fiduciosa e ottimista che i ministeri e funzionari responsabili di quel processo non erano nemmeno informati del suo funzionamento (e in alcuni casi nemmeno della sua esistenza).

Deresponsabilizzazione umana e automazione decisionale

I casi di deresponsabilizzazione umana e fiducia cieca nell’output algoritmico nei contesti di automazione dei processi sono diffusi, e anzi verrebbe da dire che hanno sempre fatto parte del nostro modo di relazionarci con la tecnologia. Ne scrivevano già estensivamente i costruttivisti sociali, come il filosofo Andrew Feenberg, ricostruendo la storia della neutralità e del determinismo tecnologici. A partire dalla prima rivoluzione industriale, questi approcci all’innovazione ci hanno portato a concepirne qualsiasi tentativo come un processo inevitabile perché completamente assimilata a uno sviluppo economico e industriale. In base a questa logica, l’essere umano vede il prodotto tecnologico come oggettivo, neutrale e incapace di commettere errori. Non solo: ogni processo di questo tipo ci sembra inarrestabile, fuori dalla nostra capacità individuale e collettiva di intervento. Da ciò consegue che esso non necessiti di supervisione o controllo per anticipare certe conseguenze e invertirne il corso. Questa tendenza ha avuto molte conseguenze, tra cui quella di progettare e programmare tecnologie che si allontanano sistematicamente dalle condizioni empiriche dell’esistenza, e quindi dal contesto socioculturale in cui vengono prodotte e dalle sue esigenze. Altri studiosi che hanno contribuito al dibattito costruttivista, come Donald Mackenzie e Judy Wajcman, nel 1999 (The Social Shaping of Technology, Paperback) sostenevano che l’unico modo per testare la neutralità di una tecnologia sia farlo attraverso un esperimento mentale simile al velo d’ignoranza rawlsiano. Se non sappiamo quale scopo dovrà soddisfare una data tecnologia, o il motivo per cui è stata prodotta, allora possiamo definirla neutrale. Altrimenti, qualsiasi tecnologia è storicamente situata, implicando delle combinazioni di obiettivi e scelte che determinano delle scale di valori e che spesso riflettono l’ineguale distribuzione del potere.

L’allontanamento della programmazione dalle contingenze ed esperienze si nota nel caso olandese nella pratica totalizzante (e controproducente) che portava all’identificazione di qualsiasi errore umano come un potenziale indicatore di rischio. Il pregiudizio appreso e replicato dall’algoritmo sulla nazionalità dei richiedenti, poi, non ha origine negli elementi tecnici e perfettamente funzionanti, ma nella loro specifica configurazione in un mondo reale di tempi, luoghi, eredità storiche. In assenza di norme esplicite o codici che discriminano tra persone di classi, generi o nazionalità diverse, i risultati algoritmici sono generalmente rappresentati o interpretati come giudizi fattuali che attribuiscono abilità o meriti, disabilità o demeriti alle categorie più o meno favorite. Come se il trattamento equo potesse essere definito solo per le uguali condizioni di partenza (l’uguaglianza non davanti alla legge, ma all’algoritmo), e non per tutto quello che accade nel corso dell’apprendimento automatico, che può generare iniquità sistemiche assegnando a ogni persona uno o più etichette, astraendo dal caso singolo e penalizzando l’intero gruppo sociale per la condivisione di anche una sola caratteristica. In questo senso, la sociologa Judy Wajcman nei suoi studi sul tecnofemminismo auspicava una riscoperta della contingenza, mentre Donna Haraway parlava di esperienze situate. Siamo di fronte al trionfo delle generalizzazioni, dove rischiamo di perdere la capacità discrezionale che identifica eccezioni, particolarità, e semplice diversità. Joseph Weizenbaum, considerato uno dei padri dell’intelligenza artificiale, scriveva in Computer Power and Human Reason (1976) che non dovremmo mai permettere ai computer di prendere decisioni importanti, perché mancheranno sempre di qualità umane come la compassione e la saggezza.

Scelte individuali o responsabilità collettive?

Come nei più gravi casi di discriminazione di massa, l’identità sussunta delle vittime del Toeslagenaffaire è stata decisiva per far ricadere centinaia di persone in ancora più gravi difficoltà finanziarie e fargli perdere l’assistenza, il lavoro, la casa, e in alcuni casi la vita stessa. L’attribuzione di identità da parte delle macchine avviene in base a criteri binari, e spesso è dedotta da altre caratteristiche. Tipico è l’esempio del genere, stabilito automaticamente a partire dal nome proprio, oppure dai vestiti indossati o dai lineamenti del viso (nel caso del riconoscimento biometrico), con la presunzione di attribuire a una persona un genere che non sempre corrisponde a quello in cui si identifica. Os Keyes ricerca il rapporto tra intelligenza artificiale e transessualità, insistendo sulla radice epistemica del problema di classificazione dell’identità. Denuncia la ricaduta in un rigido materialismo della differenza: quando l’IA viene interpretata come una fonte di verità, rischia di rafforzare ulteriormente una nozione di identità come fissa, oggettiva, essenziale. In questo scenario, all’esistenza umana viene tolto spazio per divenire, modificarsi, cambiare idea, distaccandosi dalle sue scelte passate. Oltre al SyRi, i Paesi Bassi negli ultimi anni hanno sperimentato un altro sistema predittivo chiamato Top600, che calcola il rischio di diventare criminali per gli adolescenti olandesi. I 400 giovani con il punteggio più alto dovrebbero essere monitorati dalla polizia, anche in assenza di indizi di reato o di storie criminali alle spalle. Poiché le analisi del rischio spesso mancano di trasparenza e di spiegazioni, spesso non è possibile sapere cosa pesa maggiormente nella definizione del rischio. Ciò può portare a violazioni del diritto alla privacy, alla parità di trattamento e alla non discriminazione. L’infiltrazione della predittività nelle nostre vite può privarci della percezione di un futuro aperto, possibile, in cui fare la differenza. Questo, se ci pensiamo, può avere un impatto distruttivo sulla società in generale. Portato all’estremo, significa avere a che fare con strutture sociali ci identificano e definiscono senza ammettere cambiamenti, senza lasciare spazio all’incertezza. Come potremmo maturare, voler fare di meglio, se sapessimo già esattamente qual è il nostro destino? Se l’automazione pretende di agire su processi completi e finiti, che spazio rimane all’agire umano, che invece è parzialmente aperto, sempre in divenire e intrinsecamente non finalizzabile? Da qualche anno, lo studioso di diritto e professore Frank Pasquale solleva preoccupazioni sulle conseguenze di una “reputazione digitale” determinata da processi automatizzati, proprio per il suo ruolo determinante nel definire le possibilità di vita di una persona o di interi gruppi. Effettuando valutazioni basate sulle esperienze passate che modellano il set di opportunità future in base a categorie predefinite, è chiaro che questi sistemi esercitano una forte influenza sul rapporto tra scelte individuali e risultati collettivi. Anziché chiedersi se possiamo attribuire o meno a un’intelligenza artificiale una coscienza, dovremmo chiederci come queste raccomandazioni influiscono nel plasmare i nostri obiettivi, aspirazioni e autocomprensione. Come si comporterà un adolescente considerato come potenzialmente sospetto per tutta la sua crescita? In che modo la classificazione in cui ricadono influenza le persone, e che strumenti hanno queste persone per resistere a questa inevitabile categorizzazione?

L’intelligenza artificiale tra Cartesio e Newton

Abeba Birhane, tra le voci più interessanti degli studi critici sugli algoritmi, fa notare che i processi di apprendimento automatico che pervadono la sfera sociale incarnano i valori fondamentali delle visioni del mondo cartesiana e newtoniana, in cui si presume che i comportamenti storici – fluttuanti e interconnessi – possano essere formalizzati, raggruppati e previsti in modo neutrale. Come scienzata cognitiva, afferma che i sistemi di IA non capiscono, non intendono, non empatizzano, non sentono, non sperimentano: attività che richiedono la creazione di senso e un’esistenza incarnata, una relazione continua con gli altri e con il mondo. Weizenbaum faceva una distinzione cruciale tra decidere e scegliere: la decisione è un’attività computazionale, qualcosa che può essere programmato. È la capacità di scegliere che, in ultima analisi, ci rende umani, come prodotto del giudizio critico che include elementi irrazionali.

La differenza tra decisione e scelta, in questo senso, riflette quella tra automazione, intesa come rapporto di cieca fiducia e assenza di controllo – e quindi delega completa alla macchina – e aumento delle capacità umane. Ciò riguarda il modo in cui vogliamo gestire una parte considerevole del nostro futuro, e quale ruolo vogliamo assegnare al supporto decisionale automatizzato nelle decisioni sulle nostre vite. Ciò richiede un allontanamento dall’inevitabilità, forte presenza e consapevolezza finora dimenticate. Se facessimo l’errore di autoconvincerci definitivamente di questa inevitabilità, riusciremmo mai a reagire e resistere a certe tecnologie? L’ossessione di imitare l’intelligenza umana ci ha allontanati dal pensare l’IA come supporto, perché l’idea di tagliare i costi fa sembrare più facile sostituire gli esseri umani con una macchina invece che ripensare i processi. L’integrazione e l’investimento in tecnologie che enfatizzino il rapporto utente-macchina rispetto all’autonomia decisionale che stiamo affidando loro è l’obiettivo che dovremmo porci come individui e collettività, a partire dai luoghi pubblici decisionali.

Agli olandesi che scendono in piazza per chiedere :“Perché siamo stati accusati ingiustamente?” dovremmo rispondere con pratiche che mettano al centro il punto di vista delle persone coinvolte. Ascoltando le loro esperienze per rafforzare cosa possono fare le amministrazioni pubbliche. Ciò aiuterebbe a colmare la distanza tra le aspettative istituzionali, la ricerca empirica e la sperimentazione politica: l’unico modo è allontanarsi dall’innovazione come obiettivo in sé; o almeno di darle una giusta definizione.

The post Resistere all’inevitabile first appeared on Luiss University Press.

La prima è guardare con attenzione. Uso il termine “guardare” di proposito, perché la meraviglia viene da lì. Meraviglia, mirabilia, viene dal latino mirari, “meravigliarsi”, riflessivo intransitivo, e da mirare, “guardare con attenzione”.

Chi fa scienza sa molto bene che guardare bene, osservare, è la cosa preliminare che si deve fare; chi fa ricerca, e anche chi è pagato per pensare, non cerca a vuoto: prima guarda quello che ha davanti e poi contempla le innumerevoli, molteplici, spaesanti geografie delle possibilità che quello che ha davanti può suggerirgli; poi sceglie che strada seguire, di che causa trovare l’effetto, cerca gli anelli saldi e quelli deboli di una catena logica, si immette in un labirinto fatto di reazioni, di effetti domino e moltiplicatori, di passaggi, di tentativi e di errori. E avanti così. Mirare allora vuol dire guardare, ma anche scegliere l’obiettivo, prendere la mira, puntare. Non è solamente meraviglia, non è stupore da fanciullino. È calcolo, è valutazione, è riflessione. Non c’è nulla di emotivo o istintivo nella meraviglia, non è poesia. È lettura attenta del mondo.

Mirare allora vuol dire guardare, ma anche scegliere l’obiettivo, prendere la mira, puntare. Non è solamente meraviglia, non è stupore da fanciullino. È calcolo, è valutazione, è riflessione. Non c’è nulla di emotivo o istintivo nella meraviglia, non è poesia. È lettura attenta del mondo.

La meraviglia o l’arte di leggere lentamente

Friedrich Nietzsche quando era ancora filologo e non ancora filosofo disse una frase all’inaugurazione dell’università di Basilea: “La filologia è l’arte di leggere lentamente”. Ecco, leggere lentamente il mondo è la ricetta, il presupposto, la conditio sine qua non per la meraviglia.

Se la prima cosa è la meraviglia come osservazione riflessiva, la seconda cosa, il possibile, ha a che fare con l’immaginazione. Per fortuna o per sorte, di immaginazione mi occupo per lavoro. Non sono però pagata per immaginare, ma per spiegare da dove viene l’immaginazione, come gli esseri umani siano arrivati ai primi simboli e dunque al pensiero astratto e poi alla scrittura. Questi sono stati lunghi, lunghissimi e graduali salti che hanno portato alla proiezione di qualcosa di diverso da quello che c’è, dal fatto accidentale all’esperienza voluta, all’idea e all’idea dell’idea. Italo Calvino la chiama la forza speciale, il nodo di una rete di rapporti invisibili che compaiono quando compare qualcosa che prima non c’era. E immaginazione, etimologicamente, viene da immagine.

E allora parlo di disegni, profili, proiezioni, numeri, e soprattutto, dei segni che nascono prima delle lettere. I punti zero dell’immaginato, i tentativi di interpretare il mondo, per dargli un senso e imporgli un ordine. Il salto verso i primi simboli, verso la loro rappresentazione, creata per fissarla, trasmetterla e renderla immortale.

Il nostro passato ci ha regalato il ruolo più importante, almeno in questo senso: quello di trasformatori e creatori, fabbri di segni, scalpellini della natura, dalla quale noi, improvvisando e modificando il suo copione, abbiamo creato la più grande opera mai vista, tutta fatta di simboli. Perché ne parlo? Perché il nostro percorso, la nostra mente moderna nasce lì, nelle grotte di 40mila anni fa, con i labirinti di figure, dimensioni, colori. Nasce nelle emozioni di paura e sorpresa che alcune immagini evocano anche in noi, come le evocavano agli occhi delle donne e degli uomini che guardavano, o dovrei dire miravano, quei disegni.

Non è cosa da poco. Disegnare, creare contorni e silhouette, è un investimento per il cervello. Creare profili su una superficie piana, in due dimensioni, di contorni e sagome, è un’azione costruttiva che richiede l’intervento di molte strategie e decisioni. Si deve mirare, in tutti i sensi, insomma.

Fenomenologia della mente moderna

Questa è la mente moderna. Ha un’immagine fisica davanti a sé, di qualcosa in tre dimensioni, un bisonte, un leone, un cavallo, comincia vedendola in tutti i suoi trecentosessanta gradi di bisonte, leone e cavallo, stagliata davanti agli occhi, e poi la rende in un’immagine a due dimensioni, appiattita. Convertire qualcosa di tridimensionale in una rappresentazione bidimensionale è una cosa rivoluzionaria. Come ci siamo arrivati?

Ci sono voluti millenni. Non è un caso che le prime statuine preistoriche siano ancor più antiche dei disegni. La più antica (non poco controversa) viene da Berekhat Ram, nelle alture del Golan in Israele. Una proto-Venere con le fattezze appena accennate, timide curve di dichiarazione femminile. Ha 233mila anni.

Ci sono voluti migliaia di anni per iniziare a immaginare, per creare immagini, per rendere possibile l’astrazione, per rendere concreta la capacità dell’essere umano di creare cose che non ci sono, di presentificare l’assenza: di pensare l’irrealtà. E per darle forma e nome, e poi trasmetterla e renderla quella cosa che noi, spesso abusandone, chiamiamo “cultura”.

Da lì nasce il fondamento e la potenzialità di un’altra cosa unicamente umana: la nostra netta, potente, insuperabile capacità di creare storie. Ma quali sono le storie da raccontare? E con questa domanda arriviamo alla terza cosa che vorrei menzionare, il taglio delle storie che raccontiamo.

Come raccontiamo le storie è importante tanto quanto le storie che scegliamo di raccontare. Una delle cose che caratterizza la nostra specie umana è guardare, mirare i nostri fellow humans, e guardarli da vicino, far loro domande, giudicarli, testarli. Anche il più riservato tra noi adora fare queste cose, è così dal Pleistocene. Conoscere storie altrui e provare emozioni che derivano da esse è una cosa darwiniana, ci aiuta per la riproduzione e per la sopravvivenza. Ci aiuta a prevedere le mosse dell’altro, ad anticiparne le reazioni, per rimanere su questa Terra un po’ più a lungo.

Come raccontiamo le storie è importante tanto quanto le storie che scegliamo di raccontare.

È un gran peccato che tutte queste storie, che sono conoscenza, siano state storicamente divise. L’Illuminismo europeo, pur con tutti i suoi meriti, ci ha fatto un disservizio epistemologico – parlo da accademica che fa ricerca tra discipline – perché ha diviso la conoscenza in tre grandi rami: scienze naturali, scienze sociali, e studi umanistici.

La mente umana come filtro della conoscenza

Le humanities, e mi scuserete perché uso il termine inglese, ma “studi umanistici” è proprio brutto e non siamo ancora, ahimè, pronti, almeno in questo Paese, a chiamarle “scienze umane”, non sono distinte dalla scienza, nessun vuoto fondamentale nel mondo reale o nei processi della mente umana le separa: le une permeano le altre. Non ha importanza quanto sembrino distanti dalla nostra vita quotidiana i fenomeni affrontati dal metodo scientifico, non ha importanza quanto siano vasti in espansione o microscopici alla vista: tutta la conoscenza scientifica, tutta la conoscenza, passa dal filtro della mente umana. L’atto di scoperta è in toto, completamente, una storia, un filtro, un prodotto umano.

La sua narrazione è un risultato umano. La conoscenza è assolutamente intrinseca, connaturata, pervasa di cervello e di corpo umano. E non importa quanto sia sottile o fuggevole o personale o etereo il pensiero umano: la sua base fisica è spiegabile, sempre, dalla scienza. La scienza è dunque il fondamento delle materie umanistiche. E forse queste ultime hanno uno slancio ancor più lungo: voglio provare a spiegarvi perché.

L’osservazione scientifica guarda, mira, diremmo di nuovo, a tutti i fenomeni che esistono nel mondo reale, così come sono, nella realtà così come è. La sperimentazione scientifica guarda tutti i mondi potenziali, postulabili, riconoscibili e possibili, e la teoria scientifica abbraccia tutti i mondi di cui sopra, cercando di spiegarli o prevederli.

Le humanities racchiudono tutti e tre i livelli, e uno ancora di più, l’orizzonte dei mondi immaginati. Ma il disservizio sta nell’aver storicamente relegato le scienze umane a delineare che cosa significhi essere “esseri umani”’. A descrivere la condizione umana, a toccarla, a percepirla, a sentirla, ma non a spiegarla.

Eppure, esser state confinate a descrivere e narrare la condizione umana è stato il germe che ha tolto alle scienze umane le loro stesse radici, una bolla piccola assorbita nel vasto mondo fisico e biologico in cui è nata la nostra specie e in cui continua a esistere. Così le scienze umane rimangono incuranti e disattente, cieche di fronte all’ambiente e alle forze che lo guidano e che ci guidano verso qualunque sia il destino ordinato dalle nostre azioni, resistenti a capire perché la mente umana si comporta come si comporta, a tutti i processi fisici e biologici della stessa fonte, la mente umana stessa, che ha creato tutta la Storia e le storie che le scienze umane raccontano.

In un mondo in cui la conoscenza si espande, tutto sembra essere diventato più piccolo. C’è un corollario al taglio delle storie, che ha a che fare con il linguaggio.

Iconografia e linguaggio della meraviglia

C’è una storia interessante o forse anche una lezione importante, legata all’evoluzione linguistica. I gruppi piccoli, si sa, creano linguaggi tutti loro, lessici familiari incomprensibili a chi non fa parte del gruppo, mostri comunicativi che creano estromissioni, indecifrabilità, incomprensione. Chi lavora all’università sa benissimo che tutto il sapere è completamente disallineato: i messaggi di un astrofisico non passano a un archeologo. Non si parla la stessa lingua. I codici grafici e le lingue sono delle trappole infernali. Se non conosci il codice, sei escluso.

Sono stati fatti degli esperimenti che trovo illuminanti su come si inventa un codice grafico all’interno di un gruppo. I partecipanti si siedono intorno a un tavolo, senza parlarsi e quindi senza usare il linguaggio devono passarsi dei messaggi. Tutto quello che hanno in mano sono una penna e un foglio, e devono comunicare in via scritta un concetto complicato o astratto o difficile da disegnare come “museo”, “parlamento”, o Brad Pitt. I simboli che vengono creati iniziano sempre con forme super iconiche e complesse, e man mano diventano meno dettagliati e sempre più astratti. Dopo ripetute interazioni, gli stessi segni vengono usati per esprimere gli stessi significati, dunque il comportamento dei partecipanti si allinea, converge, va sempre più d’accordo.

Così si arriva alla convenzione del codice grafico, togliendo tutti gli orpelli e i fronzoli ai simboli. Ma se aggiungiamo a questi scambi degli osservatori passivi, e chiediamo loro di identificare i simboli dei partecipanti attivi, i passivi si perdono. Sono tagliati fuori dalla comunicazione.

Facciamo lo stesso anche noi scienziati con il linguaggio che usiamo per trasmettere la scienza, creando mostri che non vogliono dir nulla a chi ci dovrebbe davvero ascoltare, forse addirittura aggiungendo inutili orpelli.

Allora dovremmo pensare di fermarci e riflettere su come comunichiamo, quali parole scegliamo, perché le scegliamo tra le migliaia possibili a nostra disposizione, e chiederci perché ci accontentiamo di parlare solo tra noi filologi, tra noi archeologi, tra giuristi, tra economisti e tra astrofisici, con i nostri lessici famigliari, dentro alle bolle di comfort.

E forse dovremmo guardare meglio il passato, come se fosse, sempre e per tutti, per gli scienziati come per gli umanisti, una scienza dura, che invece di descrivere l’uomo ci aiuti a spiegarlo, che ci dia i “perché”. In Cina per indicare il passato si guarda davanti a sé, perché lo si conosce bene, perché è passato davanti ai nostri occhi. Noi forse potremmo imparare qualcosa da questo, invece di buttarcelo alle spalle, di lasciarlo indietro o di dimenticarlo del tutto. Per capire i mondi possibili proiettati nel futuro, per prevederli, per misurarli. Per guardarli bene, lentamente e prima.

Ho sempre pensato che l’infinito fosse talmente inconcepibile da essere prerogativa solo di poeti e di filosofi.

L’infinito non è immaginabile, non è mirabile. È una cosa disumana. Ma i destini dei mondi reali e possibili mi interessano, non da umanista ma da essere umano. I mondi reali e possibili che nascono dall’osservazione di quello che c’è, e la sua trasformazione, e l’immaginazione che storpia e cambia e crea metafore, e le storie che gli umani raccontano, e il linguaggio che usano per spiegare che tutto, tutto quel che c’è e potrebbe essere, tutti i mondi possibili sono umani, irresistibilmente umani.

The post La mente umana e le avventure della meraviglia first appeared on Luiss University Press.