Dal pensiero elucubrativo a quello computazione: parlare alle macchine con il loro linguaggio. Di Anna Pompilio.

Anna Pompilio

Anna Pompilio

Business Analyst & Blogger • #adotta1blogger member • ITIL® V3 • Certified Technology Specialist (MCTS).

La macchina di Leibniz

Arrivati sin qui vale forse la pena ripercorre il manifesto di 6MEMES, un manifesto che in quest’anno ancora complicato guarda con fiducia alla capacità degli esseri U-MANI di (ri)costruire il proprio futuro grazie alle competenze, alla creatività, al voler fare tentando, per una volta, la strada di uno sviluppo sostenibile, grazie anche al cammino inarrestabile della tecnologia tout courtNon solo profezie di sventura dunque, ma l’orizzonte di un miglioramento possibile.

Affinché tuttavia si tratti di vero sviluppo sostenibile, la sfida dell’innovazione deve partire innanzitutto dalla consapevolezza che i sistemi (tecnologici, economici, politici, …) sono inestricabilmente intrecciati, dalla consapevolezza che l’innovazione non è una faccenda che riguarda i “numeri” ma anche e soprattutto quei valori non numerabili su cui da sempre riflettono i filosofi di ogni tempo.

La filosofia naturale è scritta in questo grandissimo libro che continuamente ci sta aperto innanzi agli occhi, io dico l’universo, ma non si può intendere se prima non s’impara a intender la lingua e conoscer i caratteri nei quali è scritto. Egli è scritto in lingua matematica, e i caratteri son triangoli, cerchi ed altre figure geometriche, senza i quali mezzi è impossibile a intenderne umanamente parola; senza questi è un aggirarsi vanamente per un oscuro labirinto. (L’Occhio della macchina, Simone Arcagni).

Filosofia e matematica si intrecciano fin dagli albori di questa storia: alla fine del XVII secolo Gottfried Wilhellm von Leibniz, filosofo e matematico, progetta una macchina fatta di cilindri d’ottone lucidi e manici di quercia in grado di fare operazioni e di eseguire ragionamenti logici, elaborando, in quello che definisce calculus ratiocinator, proposizioni linguistiche allo stesso modo delle espressioni matematiche.

Per uno sviluppo sostenibile, l’innovazione deve partire dalla consapevolezza che i sistemi sono intrecciati e che l’innovazione non riguarda solo i “numeri” ma anche i valori non numerabili su cui da sempre riflettono i filosofi Condividi il Tweet

Il concetto innovativo della macchina di Leibniz, fu quello di memorizzare il moltiplicando grazie ad un congegno denominato tamburo a denti scalati (stepped drum), con il quale sarebbe bastato girare ripetutamente una manovella per continuare a sommare un numero a se stesso, senza doverlo riscrivere ogni volta. Con un opportuno accorgimento era anche possibile eseguire moltiplicazioni di due numeri a più cifre.

La macchina di Leibniz venne presentata ed esposta in tutta Europa dove finì per incontrare una serie di difficoltà tecniche e finanziarie e il progetto si rivelò infine troppo costoso da realizzare su larga scala. La misteriosa apparecchiatura, fatta di cilindri d’ottone e manici di quercia, fu abbandonata in un angolo polveroso del sottotetto dell’Università di Göttingen, finché nel 1879 alcuni operai che sistemavano il tetto dell’università ne riscoprirono l’esistenza. A parte le questioni legate al budget c’è anche l’ipotesi che, nonostante l’appassionata retorica di Leibniz – diffusa in un ragguardevole numero di pubblicazioni – la macchina non abbia mai veramente funzionato. Ma non importa che abbia funzionato o meno, così come non importa che “Dune” di Jodorowsky non sia mai stato girato o che l’ Experience Theater di Morton Heilig non sia mai stato realizzato. L’importanza di questa storia non sta tanto (o non solo) nell’aver introdotto il traspositore, meccanismo che corrisponde esattamente ai registri dei moderni computer, quanto nella fortissima attrazione che i cilindri d’ottone e i manici di quercia hanno esercitato sugli studiosi a venire.

La macchina di Leibniz è entrata a far parte dei libri di testo e del patrimonio divulgativo sullo sviluppo del calcolo, in ultima analisi è entrata nella fantasia di generazioni di scienziati e pensatori contribuendo a suo modo allo sviluppo dell’umanità come oggi la conosciamo. Favorire l’intreccio di talenti, valori, competenze differenti per ottenere qualcosa di innovativo è ancora, in questi tempi moderni fatti di algoritmi e intelligenze ausiliarie o funzionali, necessario e imprescindibile.

Favorire l’intreccio di talenti, valori, competenze differenti per ottenere qualcosa di innovativo è ancora, in questi tempi moderni fatti di algoritmi e intelligenze ausiliarie o funzionali, necessario e imprescindibile Condividi il Tweet

Lo stesso Leibniz sembra aver sviluppato le sue teorie sul calculus ratiocinator a partire da l’ARS Magna di Raimondo Lullo, filosofo, logico e mistico maiorchino che nel 1316 tentò di realizzare uno strumento universale per convertire le persone alla fede cristiana attraverso l’argomentazione logica di diciotto principi fondamentali (Bontà, Grandezza, Eternità, Potere, Sapienza, Volontà, Virtù, Verità, Gloria, Differenza, Concordia, Contrarietà, Inizio, Medio, Fine, Maggioranza, Uguaglianza e Minoranza)  accompagnati da regole e figure.

Singolare e antichissimo ordito quello tra Intelligenza e fede: il primo Istituto Italiano per l’Intelligenza Artificiale nascerà a Torino e la scelta della città ospitante è iniziativa, si racconta, di don Luca Peyron, un parroco con una storia da consulente in proprietà industriale che insegna teologia della trasformazione digitale e si occupa di spiritualità delle tecnologie, oltre a essere direttore della Pastorale universitaria, dove è attivo un pensatoio sulla trasformazione tecnologica e digitale.

 

Il sapere matematico delle macchine

Per Simone Weil – filosofa e sorella di André Weil, uno dei maggiori matematici del XX secolo – la matematica, e prima ancora la geometria, rappresenta il primo e più puro metodo di connessione dello spirito all’universo. Scopo della scienza moderna – ebbe a dire – dovrebbe essere quello di ridefinire le proporzioni tra le cose, a partire da quella tra l’essere umano e le macchine, per poi passare alla riscoperta della relazione tra matematica e geometria, tra simboli e numeri, tra questi e il mondo e tra lo spirito e l’universo.

Ridefinire le proporzioni tra l’essere umano e le macchine potrebbe sembrare un esercizio dell’intelletto per chi non debba occuparsi di misurare il ROI strategico o finanziario, ma ci auguriamo che le chiacchiere fatte finora abbiano convinto i più della necessità del pensiero elucubrativo per lo sviluppo di quello computazionale, che un tempo ci consentiva di parlare alle macchine con il loro linguaggio, oggi anche con il nostro.

Per ridefinire le proporzioni tra l’essere umano e le macchine c'è necessità del pensiero elucubrativo per lo sviluppo di quello computazionale che, un tempo, ci consentiva di parlare alle macchine con il loro linguaggio Condividi il Tweet

 

L’evoluzione del linguaggio macchina: no code per l’AI?

Fonte Northeastern University

Ne è passata di acqua sotto i ponti da quando dagli anni 50 in poi sono stati definiti i primi linguaggi di programmazione: FORTRAN, PASCAL, C, COBOL… E in seguito BASIC, C++, JAVA…

Nel 2020 sul podio dei linguaggi di sviluppo secondo U.S. BUREAU OF LABOR STATISTICS c’è Pyton, un linguaggio di alto livello multi-paradigma, versatile, semplice da imparare e adatto alla programmazione orientata agli oggetti.

Pyton è considerato uno dei migliori linguaggi con cui cominciare a programmare, il campo di applicazione va dallo sviluppo di applicazioni web al machine learning ma proprio nel machine learning esistono ormai da tempo piattaforme progettate per costruire modelli personalizzati attraverso interfacce drag and drop che non richiedono sviluppo di codice. I motivi per cui le multinazionali del web stanno investendo in piattaforme di servizi che non richiedono competenze nello sviluppo di codice sono diversi: velocizzare i processi, tanto per dirne una.

Supponiamo, per fare un esempio, che un ricercatore voglia rispondere a una semplice domanda: come differisce la distribuzione dei casi di Covid 19 in località con popolazione simile? I passaggi tipici per poter rispondere al quesito sono almeno cinque:

  1. Recuperare i dati rilevanti
  2. Importare i dati in un tool di analisi
  3. “Pulire” i dati (cleaning data)
  4. Standardizzare i dati
  5. Analizzare i dati

Un processo come quello descritto richiede come minimo qualche ora di lavoro. Quante ore dipende dalla mole di dati, dalla loro disponibilità, dall’esperienza dell’analista, dagli strumenti a disposizione e via di seguito, ma possiamo presumere con buona approssimazione che spenderemmo una mattinata di lavoro per rispondere alla domanda. Con l’utilizzo di piattaforme che prevedono model data preimpostati, l’utilizzo di API per l’accesso ai dati e la possibilità di scaricare e modificare il codice con pochi semplici passaggi ecc. portare a termine l’intero processo potrebbe richiedere invece pochi minuti.

Arriveremo dunque a fare a meno degli sviluppatori?

Nel Magic Quadrant for Enterprise Low-Code Application Platforms Gartner definisce una LCAP:

“An application platform that supports rapid application development, deployment, execution and management using declarative, high-level programming abstractions such as model-driven and metadata-based programming languages, and one-step deployments. LCAPs provide and support user interfaces (UIs), business processes and data services. Enterprise low-code application platforms deliver highproductivity and multifunction capabilities across central, departmental and citizen IT functions.

By 2023, over 50% of medium to large enterprises will have adopted an LCAP as one of their strategic application platforms. Furthermore, “no code” is not a sufficient criterion for tasks like citizen development, as many complex tooling configuration tasks are “no code” but still require specialist skills.”

Magic Quadrant for Enterprise Low-Code Application Platforms
Source: Gartner (September 2020)

 

Il linguaggio macchina sembra dunque cambiare forma ma il criterio no code non è l’unica variabile significativa: stanno velocemente evolvendo tutti i paradigmi dello sviluppo del codice. Basti pensare al test, una delle fasi di sviluppo software tra le più dispendiose in termini di tempi, costi, competenze, ecc.

Si stanno affacciando sul mercato realtà come questa start–up , che offre un servizio di Crowd Testing attraverso un network di 15.000 tester in Italia e 250.000 nel mondo. Vengono testati prodotti digitali con analisi di vario tipo: bug hunting, geo testing, device compatibility, regression test, UX test, prototyper test, sulla base dell’assunto che dato un numero sufficiente di occhi, tutti i bug vengono a galla anche perché le persone che testano sono reali  e lo fanno nel loro ambiente naturale, i test sono eseguiti su un’enorme varietà di dispositivi, l’ingaggio dei tester è forte (hanno un ritorno economico) e rapida l’identificazione di decine di difetti e bug, con conseguente riduzione sia dei costi sia del Time to Market.

Per rimanere nell’ambito del vasto ecosistema delle start-up innovative c’è chi, come Aindo, propone un nuovo approccio per l’analisi dei dati basato su dati sintetici, ovvero non si basa su informazioni o entità reali, pur preservando l’utilità dei dati a fini statistici per lo sviluppo e il test.

  • Chi invece (Signally) aiuta le aziende a predire o rilevare eventi o malfunzionamenti sui propri asset sfruttando tecniche di machine e deep learning basate sul riconoscimento dei suoni e dei segnali. Oppure chi segue un approccio multidisciplinare che combina Fotonica, Elettronica Nucleare e Deep Learning per eseguire analisi multi-energetiche dello spettro dei raggi X durante l’analisi di qualità di un prodotto, indipendentemente dal materiale di cui è composto (XSpectra).

Ma il passaggio dai dati all’essere umano è breve:

  • C’è Well-Fare che crea soluzioni digitali e modelli utili al miglioramento della qualità della vita, ad esempio piattaforme per le aziende che permettono ai dipendenti e collaboratori di selezionare il miglior posto per fare smart working con benefici a livello sociale e di valorizzazione dei territori.
  • E ancora Digital Attitude, digital coach che attraverso l’Intelligenza Artificiale e il Machine Learning, supporta nuovi modi di apprendere e lavorare.

 

In questo scenario complesso, condiviso e intrecciato, dicevamo all’inizio, è necessario guardare al di là di semplici valutazioni economiche o tecniche ma concentrarsi sugli aspetti che riguardano il lato U-mano dell’innovazione: affinché sia sostenibile, affinché diventi sviluppo – l’innovazione – deve poter contare prima di tutto sulla pluralità: pluralità di attori e pluralità di linguaggi, ma non solo. Il modo con cui l’essere umano approccia quei linguaggi è altrettanto importante.

Provo a spiegare con un esempio. Qualche anno fa ho partecipato a un corso di scrittura con l’intento di migliorare la mia tecnica. Nei fui entusiasta, soprattutto per il metodo tanto semplice quanto efficace: il docente ci raccontò come scrivevano i più grandi, traendo spunti dal loro pensiero. Del corso ricordo bene il caldo torrido – era estate e il caldo era di quelli che a Roma scioglie l’asfalto dei marciapiedi – e il piano terra della villetta liberty che ci ospitava, con una piccola corte esterna contornata da una quinta di rampicanti fioriti, con un profumo che faceva girare la testa.

Difficile per me immaginare in quel momento il salto quantico del GPT3: un modello che utilizza il deep learning ad esempio per comporre poesie, racconti, codice informatico e canzoni in maniera celere, così reali da far pensare a “prodotti” scritti da un essere umano. Gli basta solo un input umano per completare l’opera.

In tutta onestà non so dire quanto sia migliorato il mio modo di scrivere dopo il corso, ma non è questo il punto. La questione è che, contrariamente a un modello che utilizza il deep learning, non sarei in grado di comporre codice informatico a partire da un input. Ed è esattamente per questo che non seguo corsi di programmazione ma di scrittura: affinché il cammino di formazione mi aiuti a pensare e sviluppare idee, non codice. Quello si, possono farlo meglio le macchine.

Non seguo corsi di programmazione ma di scrittura: affinché il cammino di formazione mi aiuti a pensare e sviluppare idee, non codice. Quello si, possono farlo meglio le macchine Condividi il Tweet

Farsi venire dubbi, porsi domande, è ciò che alla fine ci distingue dal GPT3 e allo stesso tempo, è quello che ci auguriamo possa rendere quest’ultimo più simile a noi, perché l’ouput di una IA semantica che scrive in autonomia contratti finanziari si baserà su dati che riproducono scelte, e le scelte sono quelle dell’essere U-mano (digitale).

Per tornare alla domanda di qualche riga fa, forse non siamo ancora pronti a rinunciare del tutto agli sviluppatori anche se un po’ si va appannando l’allure magica di quelli che fino a ieri il linguaggio macchina sembravano possederlo come un dono soprannaturale. Ma ai moderni sviluppatori non si richiede unicamente di conoscere Pyton (o C++ o Java o PHP, …) e forse non è sufficiente neanche possedere il sapere matematico o una forte competenza specialistica: la magia è altrove, è ancora una volta e sempre negli interstizi, nelle soffitte polverose, nei pomi d’ottone e manici di scopa. Basta crederci.

Anna Pompilio


Approfondimenti


Characteristica universalis 

Universal Language

List of constructed language

Constructed language

Engineered language

Les mathématiques comme logique de l’imagination : Une proposition leibnizienne et son actualité

Begriffsschrift 

Come l’algebra ha rovinato la società secondo Simone Weil – L’INDISCRETO

Top 15 No-Code AI and ML Platforms for 2021

Machine learning without programming is now possible

https://open-italy.elis.org/

Pomi d’ottone e manici di scopa

 

Immagini

https://commons.wikimedia.org/wiki/File:Houghton_GC7.L5732.B790t_-_Jacob_Leupold,_Rechen_Machine.jpg


CREDITS IMMAGINI

Immagine di copertina:
ID Immagine 1: 44511522. Diritto d'autore: Sergey Nivens 
ID Immagine 2: 90029144. Diritto d'autore: Galina Peshkova

“Il nostro pensiero leggero, rapido quanto esatto, ben visibile - qui e altrove – in una molteplicità di modi, coerentemente dedicato al genio italiano che, circa trent'anni fa, se ne è andato, lasciandoci in dono le sue opere memorabili: Italo Calvino, e le sue indimenticabili Lezioni americane.”

- Gruppo Maps -

Quando l'innovazione tecnologica incontra la cultura

Vuoi seguire i nostri MEMES? Iscriviti a MEMEnto6, la newsletter del blog 6Memes

DISCLAIMER:
Il blog 6MEMES (il “Blog”) non rientra nella categoria dei prodotti editoriali ai sensi della Legge 7 marzo 2001, n. 62. Ciascun autore, relativamente al contenuto degli articoli pubblicati sul Blog, si assume ogni eventuale responsabilità inerente alla violazione di diritti d’autore di terze parti. Il titolare del sito garantisce in ogni caso la piena disponibilità ad eliminare, ove adeguatamente motivato, ciascun materiale e/o articolo che rappresenti violazione dei diritti d’autore di terze parti.

Socializza

Ultimi tweet

Ultime notizie