Intelligenza artificiale e genere

Anche chi, con grande impegno, ha accettato e compreso i temi dell’informatica — algoritmi, strutture dati, complessità, calcolabilità, logica, linguaggi, basi di dati e sistemi informativi, architetture, interfacce… — raramente sa che l’intelligenza artificiale si avvale di tutto questo per la rappresentazione della conoscenza, la pianificazione, la ricerca negli spazi di stati, l’analisi e la sintesi del linguaggio naturale (compreso quello parlato), l’analisi e la sintesi delle immagini, la robotica… tutti ambiti complementari e diversi rispetto a quelli dell’informatica.

In mezzo c’è la cognizione, cioè l’intelligenza, che in sintesi (negli esseri animati) è: percezione + calcolo + comunicazione + emozioni + pianificazione e azione. Un mondo molto particolare, oggi di moda grazie ad alcuni successi clamorosi, che descriveremo più avanti.

Quando si vuole migliorare una situazione, emergono tre domande: qual è il problema? perché questo è il problema? come risolverlo?

Ora, le tecnologie (informatiche, biomediche, chimiche, …) possono rispondere alla domanda “come?”; al contrario, la filosofia — e più in generale le scienze umane, inclusa l’economia e la psicologia — rispondono alle domande “quale?”e “perché?”

Se consideriamo gli stereotipi di genere, oggi le scienze umane contano più di un tempo perché permettono di interpretare e prevedere la realtà con occhi più “intelligenti”, abituati a interrogarsi sulla natura dei fenomeni e non solo sulla loro struttura o sui modi di controllarli (tipicamente questioni tecnico-scientifiche).

Per questo motivo le donne (spesso depositarie del patrimonio delle “scienze umane”) acquisiscono una nuova importanza.

Naturalmente, il genere non influisce sulle capacità di apprendimento delle discipline: le donne tecnico-scientifiche sono altamente competitive, anche se ancora in percentuali ridotte. Due motivi diversi per considerarle molto importanti: sanno certamente rispondere alla domanda “cosa fare?”, “perché farlo?” e, in misura minore ma significativa, anche “come farlo?”

Tuttavia, le interazioni tra tecnologia e filosofia non si limitano al livello astratto del cosa, perché e come. Si manifestano anche nei livelli concreti e tecnico-scientifici del “come fare”.

Ad esempio, nei sistemi multi-agente (un importante ramo dell’intelligenza artificiale distribuita, oggi alla base dell’intelligenza collettiva), uno dei modelli fondamentali è quello dei linguaggi basati sulla teoria degli atti linguistici, elaborata da Austin e Searle, due filosofi del linguaggio.

Nell’analisi del linguaggio naturale e delle immagini, i modelli iniziali derivano da riflessioni filosofiche. La psicologia cognitiva permea gli studi sulla pianificazione e sulla ricerca “opportunistica”.

Nel caso dell’attuale successo del deep learning, frutto di ricerche sul potenziale computazionale delle reti neurali, l’origine risale agli studi di neurofisiologi come McCulloch e Pitts, che molti decenni fa adottarono la cibernetica di Wiener come paradigma per la loro formazione. Tecnica? Scienza? Filosofia? Difficile dirlo. E infatti, dopo 50 anni, i risultati sono straordinari: il deep learning scopre le cause del cancro meglio dei medici (fonte), anche se non sa spiegare il perché. Per ora, ci basta avere la diagnosi!

Dunque: è impossibile non adottare una visione olistica quando si parla di progresso. Solo la cultura umanistica e tecnico-scientifica insieme permette di crescere.

Le donne sono particolarmente capaci di mettere insieme bisogni diversi, paradigmi differenti, punti di vista eterogenei. Lo hanno fatto spesso nella storia, proprio perché sono sempre state considerate una minoranza sociale. In quanto tali, hanno dovuto affinare competenze non banali come l’integrazione di diversi modi di vedere le cose — ad esempio, il cosa, il perché e il come risolvere un problema — non teorico ma reale, non effimero ma cruciale per la sopravvivenza.