Rispondiamo subito alla domanda posta nel sottotitolo: NO! Non faranno tutto le macchine e non prenderanno il sopravvento sull’uomo, anzi c’è sempre più bisogno d’intelligenza naturale, non fosse altro per capire chi siamo e dove stiamo andando.
L’espressione intelligenza artificiale (AI) identifica una classe molto variegata di algoritmi di inferenza statistica: dato un compito specifico, essi hanno in comune la capacità di apprendere tramite esempi e di classificare gli eventi forniti in input secondo opportune categorie. Sebbene questi algoritmi siano stati sviluppati nel corso degli ultimi 50 anni, solo negli ultimi 5 hanno trovato applicazioni pratiche: questo tipo di algoritmi, infatti, necessita sia di una grande potenza di calcolo, resasi disponibile solo con l’introduzione di nuovi tipi di processori (GPU e, più recentemente, TPU), sia di una grande mole di dati affinché i risultati siano statisticamente significativi.
I dati vengono usati nella fase di “addestramento” dell’algoritmo durante la quale vengono calcolati una serie di parametri che specializzano l’algoritmo per una determinata classe di problemi: si usa spesso paragonare questa fase con quella che caratterizza l’apprendimento nei bambini. Oggi gli algoritmi di machine-learning (apprendimento automatico) più popolari sono quelli basati sulle reti neurali artificiali: la rete neurale artificiale dell’algoritmo, basandosi su un certo numero di coppie oggetto-etichetta, costruisce la sua struttura ottima, cioè il tipo di operazioni matematiche più adatte a riconoscere e classificare quello specifico oggetto.
L’esempio classico consiste nell’addestrare un algoritmo a riconoscere determinati oggetti come animali, cose, lettere, numeri all’interno di un’immagine. Per i curiosi consigliamo di digitare su google questa chiave di ricerca “classificatore di immagini con rete neurale”, meglio ancora in inglese “image classifier with deep neural network” e verificare la vastità di letteratura in materia.
La figura che segue descrive per sommi capi le fasi del procedimento di apprendimento: all’algoritmo viene dato in pasto un certo numero di immagini di gatto con associata l’etichetta “CAT” ed esso identifica automaticamente, dopo un certo numero di tentativi, le caratteristiche utili a riconoscere questo oggetto (ad esempio, scopre che il contrasto dell’immagine o il numero di pixels “marroni”, o che la distanza tra un certo “tipo” di pixels può essere un dato peculiare e caratteristico dei gatti). Detta alla buona è come se l’algoritmo di adoperasse per scoprire la logica di ragionamento sottesa ad un test a risposta multipla di cui si conoscono le domande e le rispettive risposte.
Figura 1
I social network come Facebook, grazie alle “tonnellate” di immagini già “etichettate”, che noi forniamo gratuitamente ogni secondo, hanno la possibilità (…) di addestrare i loro algoritmi di classificazione e riconoscimento ottenendo elevatissimi livelli di accuratezza [1].
La Data Science, disciplina che si occupa dell’estrazione di informazioni dai dati e che si va affermando sempre di più negli ultimi anni sia in ambito scientifico che industriale, applica algoritmi di apprendimento automatico per affrontare diverse tipologie di problemi: dalla profilazione degli utenti ai fini del marketing alla diagnostica per immagini, dal riconoscimento del parlato all’identificazione di possibili correlazioni statistiche all’interno di una vasta mole di dati. Essa rappresenta una delle innovazioni tecnologiche più importanti dei nostri tempi, tanto che molti esperti della materia paragonano la portata storica di questa tecnologia all'invenzione della macchina a caratteri mobili.
Impatto sul lavoro
Al pari di ogni strumento di lavoro anche l’inferenza statistica avanzata contribuisce a sgravare l’essere umano di quei compiti i quali, semplificati dal corso naturale dell’esperienza umana e divenuti ormai noiosi e ripetitivi oltre che pericolosi per gli uomini, sono affrontabili in modo decisamente più preciso dalla macchina.
La semplificazione di alcuni lavori e la conseguente introduzione delle macchine non comporta, come l’ideologia dominante tende a far credere, la fine della necessità dell’intelligenza naturale: il lavoro dell’uomo non scompare con lo sviluppo dell’intelligenza artificiale, benché questa sia in grado di svolgere attività finora ritenute complesse, ma anzi esso diviene più prezioso proprio perché tenderebbe, in linea di principio, a spostarsi verso sfere sempre più alte della complessità, lì dove appunto l’intelligenza artificiale deve necessariamente lasciare il campo all’intelligenza naturale.
L’uso del condizionale è d’obbligo visto che non si può trattare dell’impatto che ha l’introduzione di una tecnologia all’interno di una società senza tener conto dei rapporti sociali che sussistono in detta società.
Alexandre Koyre, uno dei principali studiosi delle rivoluzioni scientifiche, nel saggio intitolato “Dal mondo del pressappoco all’universo della precisione”, notava con Marx come l’introduzione della macchina nel mondo capitalistico non comporta assolutamente la riduzione del monte ore lavorato dalla mano dell’uomo, anzi ne aumenta il ritmo, né tantomeno favorisce, oltre una certa misura, lo sviluppo pieno dell’intelligenza collettiva intesa come la possibilità per vaste fette della popolazione mondiale di accedere alla conoscenza scientifica superiore.
L’introduzione della macchina – più o meno intelligente che sia – deve fare i conti con i rapporti di proprietà che sussistono in una determinata configurazione economico-sociale. È tenendo conto di questi rapporti che è possibile studiare l’impatto che ha una determinata tecnologia sulla società.
All’interno dei rapporti di proprietà capitalistici l’introduzione della macchina avviene, in generale, solo quando essa comporta una riduzione del costo del lavoro e un aumento della produttività. Questo è di per sé un limite allo sviluppo delle potenzialità della tecnica: infatti in tutti quei casi (come ad esempio gli schiavi dell’Africa nelle miniere di coltan) in cui il costo del lavoro è pari a zero o quasi, difficilmente la macchina entra nel processo produttivo.
Questa tesi è decisiva per comprendere le contraddizioni e le irrazionalità dell’attuale organizzazione sociale: o le macchine non vengono introdotte lasciando marcire l’umanità in lavori terrificanti e pesanti o se vengono introdotte non è per recuperare a livelli più alti i lavoratori sostituiti ma per buttarli nella disoccupazione fluttuante quale garanzia di bassi salari.
A seconda della fase economica, di crescita o di crisi, l’ingresso di una nuova tecnologia può creare sacche di disoccupazione più o meno grandi che possono essere riassorbite in tempi più o meno lunghi o non riassorbite affatto. L’ingresso dell’AI nel mondo capitalistico non sfugge a questa dinamica generale, essa non azzererà il lavoro come alcuni affermano, né tantomeno svilupperà a pieno il suo intrinseco potenziale d’intelligenza collettiva al servizio della pianificazione mondiale dell’economia.
All’interno di questa dialettica ciò che continuerà a determinare le inevitabili crisi economiche è la caduta tendenziale del saggio del profitto quale elemento strutturale del moderno sistema industriale. Tendenzialmente, infatti, una maggiore massa di capitale fisso è messa in moto da una sempre minore massa di lavoro vivo e l’introduzione dell’intelligenza artificiale non può che contribuire a questa tendenza.
Nella fase attuale di scarsa crescita mondiale dell’economia l’introduzione di algoritmi di machine-learning, favorita dalla riduzione dei costi di produzione, commercio e manutenzione, esporrà molti lavoratori alla disoccupazione [2]. Il sistema capitalistico ne potrà uscire solo attraverso la conquista di nuovi mercati, l’accaparramento delle risorse (energetiche e terre rare in primis), la svalorizzazione della forza-lavoro, anche pescando su nuovi bacini di supersfruttamento o la guerra .
Esiste una fortissima contraddizione nel capitalismo tra la necessità di dover automatizzare ampi settori della produzione – cosa già possibile essendo la battaglia per l’accaparramento delle quote di plusvalore un processo globale – e l’ostinazione di bloccare il processo di automazione in altri settori che invece migliorerebbero le condizioni di vita della società civile.
La nostra preoccupazione di marxisti dunque non dovrebbe limitarsi a negare le enormi potenzialità delle macchine attuali come i Robot (macchine fisiche) o i Bot (algoritmi), ma dovrebbe invece aiutare a svelarne le enormi potenzialità e corrispondentemente le incapacità di questo sistema di metterle a disposizione dell’umanità.
Note:
[1] Il possesso dei dati oggi è cruciale per il controllo sulla produzione e sulla società. Su questo piano stanno emergendo scontri tra superpotenze molto preoccupanti. Il caso Snowden il caso Huawei sono molto indicativi di questo fenomeno.
[2] Se un tempo un solo manovale produceva un ago, con l’avvento dell’industria e della divisione del lavoro 1 operaio può produrre 100 aghi, e con l’industria basata sull’AI 5 operai, specializzati e non, possono produrre n-milioni di aghi.
La figura è tratta da https://blog.esciencecenter.nl