Ennio Biancodi ENNIO BIANCO
La pandemia prima o dopo se ne andrà, ma come sarà “il dopo”? Questo è ciò che tutti si stanno chiedendo. Cambierà qualcosa o tutto tornerà come prima?
Non ho certo il talento del futurologo, ma qualche osservazione vale la pena di condividerla.
Mai come in questo periodo le persone di tutti i paesi stanno aspettando dalla ricerca scientifica e tecnologica una soluzione alla pandemia da Covid-19; l’ansia ha raggiunto tali livelli che molte persone sono disposte ad accettare l’uso massivo di tecnologie digitali in grado, attraverso app e droni, di tracciare i contatti sociali, di geolocalizzare, di riconoscere i volti, ecc…, nonostante tutto ciò violi le più elementari norme sulla privacy.
Mai come in questo periodo la tecnologia digitale grazie allo smart working, alla meccatronica e alla robotizzazione è stata fondamentale nel salvare l’organizzazione della produzione e della logistica, così come quella commerciale e finanziaria.
Mai come in questo periodo la moneta metallica e quella cartacea, ritenute potenzialmente portatrici di infezioni, sono state sostituite dalla moneta elettronica.
Mai come in questo periodo le piattaforme digitali di smart learning sono state essenziali per assicurare la continuazione dei processi formativi.
Mai come in questo periodo grandi biblioteche, cineteche, videoteche, musei, gallerie, ecc… che avevano per tempo provveduto a digitalizzare i propri giacimenti, hanno aperto in così gran numero le loro preziose ricchezze culturali al pubblico di appassionati costretti a rispettare i divieti di circolazione imposti dall’emergenza sanitaria.
Mai come in questo periodo la tecnologia digitale risulta in grado di monitorare, valutare e prevedere i rischi per il nostro pianeta, di aumentare la trasparenza e la responsabilità nella gestione delle risorse naturali, così da offrire un concreto aiuto a quei decisori politici che intendono perseguire l’obbiettivo di uno sviluppo sostenibile e di interrompere, finalmente, quel continuo degradato e quella inarrestabile distruzione che la specie umana ha provocato, in un drammatico crescendo, nell’ultimo secolo.
Che conclusioni si possono trarre? O più chiaramente, dal momento che la storia ci insegna che tutti i campi del sapere e tutti gli aspetti dell’organizzazione sociale sono sempre stati reinventati in conseguenza degli sviluppi dei sistemi tecnici che costituiscono la cultura, stiamo attraversando quel punto di singolarità che molti preconizzavano essere prossimo?
Difficile dare delle risposte. L’unica cosa certa è che la centralità della ricerca scientifica e tecnologica nella cultura contemporanea è un dato assiomatico.
Nonostante questo ormai indiscusso riconoscimento, osservo come sia poco conosciuto il movimento artistico che proprio alla ricerca scientifica e tecnologica, soprattutto a quella digitale, fa riferimento, vale a dire le “Hybrids Art”.
Collocato all’interno dell’eterogeno panorama della New Media Art, in questo movimento troviamo quegli artisti il cui lavoro si muove al confine della ricerca scientifica e delle tecnologie emergenti, penso alle Neuroscienze e all’Intelligenza Artificiale, all’Elettronica e alla Meccatronica, alla Robotica e all’Internet delle cose, alla Biologia e all’Etologia, ecc…
Questi artisti sono lontani dal rispetto dei protocolli della ricerca scientifica; si muovono attraverso sperimentazioni, intuizioni, sensibilità etico-filosofiche o socio-politiche; hanno alle spalle una eterogenea formazione culturale di base e vaste curiosità; operano ciascuno nel proprio “atelier alchemico”, non preoccupandosi affatto se il loro lavoro possa essere considerato arte o meno.
Ho usato l’espressione “Atelier Alchemico”, perché i loro studi e le loro pratiche creative danno questa impressione, ma in tutta franchezza è la stessa grande ricerca che a volte sembra “afflitta” dai problemi dell’alchimia, come ha avuto modo di affermare Ali Rahimi, scienziato di Google e vincitore dell’importante Premio Test-of-Time, alla Conference on Neural Information Processing (NIPS): “L’apprendimento automatico [Machine Learning] è diventato alchimia”. In altre parole, i successi dei modelli dell’Apprendimento Automatico [Machine Learning] si basano principalmente su metodi empirici. Questo non comporta, a suo avviso, una rimessa in discussione di tutto il lavoro di ricerca sull’Intelligenza Artificiale, si tratta solo di prendere atto che l’apprendimento automatico e l’alchimia funzionano entrambi “in una certa misura”.
Così, se grazie agli alchimisti ci furono grandi progressi nel campo della metallurgia, della fabbricazione del vetro e di vari farmaci, oggi grazie all’Apprendimento Automatico [Machine Learning] i ricercatori sono riusciti a creare macchine in grado di battere i migliori giocatori di Go, di identificare oggetti da immagini e di riconoscere voci umane.
Restando in questo parallelismo si può allora affermare che se l’Androgino Alchemico, fusione delle immagini del corpo dell’uomo e della donna, fu una delle immagini emblematiche dell’alchimia, ora quel processo di fusione viene realizzato nello spazio latente utilizzando gli algoritmi del Deep Learning (1) e può essere considerato emblematico dell’Arte realizzata negli “Atelier alchemici” con gli strumenti dell’Intelligenza Artificiale.
Non sono molti gli artisti strettamente riconducibili alle Hybrids Art, Lai Jiun-Ting è uno di questi. Taiwanese, 25 anni, studi in digital and parametric manufacturing, design, codifica software, machine learning, e negli ultimi anni neuroscienze, premiato nel 2018 al 13° Trans Robotic Digital Art Festival di Taipei nelle sezioni Vision Get Wild Gold e K. T. Creativity Award, ha presentato un suo progetto al Premio Arte Laguna 2019-2020 ed il suo lavoro è stato scelto fra le opere finaliste. Lo potete vedere nel suo video Understanding V.T.S. (Vision to Touch Sensory) al link:
Ciò che mi ha colpito in questo lavoro è stato l’obbiettivo che l’artista si è posto: “valutare la possibilità di cooperazione tra algoritmi naturali e artificiali”, in altre parole provare fino a che punto il nostro cervello naturale può lavorare con il cervello dell’Intelligenza Artificiale, decisamente una questione cruciale della ricerca scientifica di questo periodo.
“The feature of neuroplasticity – egli dichiara nella sua scheda di presentazione – allows our senses to perceive the world in various ways in which we might see not with our eyes, but with skins or listen not through our ears, but through taste buds, to name but a few.”
Coerente con questa dichiarazione la sua ricerca presenta aspetti tecnici molto ingegnosi che cercherò di descrivervi. L’idea di fondo dell’artista è quella di verificare se, attraverso la cattura di grandi quantità di pixel, l’installazione sia sufficientemente abile da percepire l’esistenza di un mondo che non è fatto di pixel, e quindi sia capace di elaborare, prevedere e trasmettere messaggi.
“If we view the human brain as a machine that predicts stuff, it might turn out that the brain might function just as the device we exhibit: we are carrying out a virtual game conducted by computers, and thus we are not able to perceive, to grasp and to conceive what the world looks like.”
Il “virtual game conducted by computers”, è questo: ad una persona priva dei sensi della vista e dell’udito viene data la possibilità di muovere, attraverso un videogame controller, un piccolo robot sul quale è collocata una telecamera. L’occhio della telecamera trasmette ciò che vede ad una scheda NVIDIA Jetson Nano che rileva 12 immagini al secondo e riconosce in tempo reale centinaia di categorie di oggetti presenti nelle immagini; questo perché contiene, pur nella sua piccola dimensione, un potente Convolutional Neural Network (CNN o Rete Neurale Convoluzionale) denominato YOLOv3 (You Only Look Once), uno dei più sofisticati algoritmi di Deep Learning.
Il nome di ciascun oggetto riconosciuto, o come si usa dire in gergo tecnico label o etichetta, viene trasmesso ad un micro computer Arduino, che lo traduce in linguaggio Braille. Il processo di comunicazione si chiude con l’azione di piccoli pistoncini che producono dei leggeri impulsi sulla pelle della persona, comandati da un dispositivo PCA9865.
Una installazione molto ingegnosa e scenicamente di grande impatto, indubbiamente capace di attivare nuovi neuroni nel cervello tramite il tocco sensoriale, ponendosi come un nuovo approccio alla trasformazione fisica dei dati. A questo punto molti curatori e storici di arte contemporanea avranno arricciato il naso ritenendo che installazioni come questa hanno un evidente debito con le opere di Jean Tinguely, che facevano ampio uso dell’elettromeccanica. Altri potranno dire che anche nella famosa dark room di Tino Sehgal alla Documenta (13), gli spettatori, rimasti completamente al buio, venivano avvicinati da performer che proponevano loro di danzare o recitavano loro dei versi o accennavano dei brani di canzone, con l’obbiettivo di stimolare gli altri sensi al di là di quello della vista. Gli esempi potrebbero essere molti.
Perché allora ho provato interesse per la ricerca di Lai Jiun-Ting? Perché questo artista ha indicato, a modo suo, un nodo che la ricerca scientifica e tecnologica, legata all’intelligenza artificiale, sta cercando di districare.
Proprio qualche mese fa Geoff Hinton, uno psicologo cognitivo, Premio Turing 2018 per la Scienza Informatica, considerato come colui che ha fornito il maggior contributo alla ricerca sul Deep Leaning, se ne uscì con l’affermazione tranchant che forse era il caso di “buttar via tutto” dal momento che questo filone di ricerca aveva imboccato un vicolo cieco.
Sono molti i ricercatori, infatti, attraversati dal dubbio se sia veramente intelligente l’attuale Intelligenza Artificiale. Un dubbio legittimo fintanto che questi sistemi evoluti risulteranno essere troppo complessi per essere decodificati dagli stessi sviluppatori, per non parlare delle risorse energetiche necessarie per addestrare i modelli di Intelligenza Artificiale.
Ma vi è inoltre un’altra questione fondamentale, se l’Intelligenza Artificiale, dicono, è la scienza dell’interpretazione dell’informazione, chi interpreta il flusso di numeri è il ricevitore del messaggio numerico, ovvero colui che dà il senso al messaggio.
“Chi comanda al racconto non è la voce: è l’orecchio”, chiosava Italo Calvino nelle “Le città invisibili”.
Quindi si chiedono “se il senso dei numeri non è nei numeri stessi, ma nell’osservatore dei numeri, perché si continua ad usare l’espressione: “Machine Learning from data”, dal momento che nel dato non c’è significato?” (2)
Le relazioni tra numeri sono oggettive, non equivoche, in sostanza sono “information-as-thing”, quando invece si tratta di “information-as-data-interpretation”, si entra in un territorio sostanzialmente equivoco, tipico dell’arte, della medicina o intelligenza, sia biologica che artificiale.
La strada che cerca di avvicinare l’Intelligenza artificiale all’intelligenza biologica è quindi veramente complicata ed è affascinante che un artista come Lai Jiun-Ting l’abbia messa al centro delle proprie ricerche.
In quest’opera c’è anche una ulteriore stratificazione di significati che un occhio attento può cogliere.
Durante la performance, mentre sta vivendo attraverso il dispositivo, l’artista assume un aspetto ieratico. Egli sta meditando, sta cercando di collegare la mente e lo spirito del corpo, una pratica che in Oriente ha più di 3000 anni. Questa totale integrazione del corpo e dello spirito è simboleggiata anche dal disco di luce, l’Halo, che incornicia il suo volto. Il videogame controller, che sposta il piccolo robot, utilizza i gesti che sono generati dal processo di meditazione, in questo modo viene a saldarsi la relazione tra realtà e giochi virtuali.
“The fact that both algorithms: the artificial one performed by the device and the natural one by the brain, cooperate perfectly well on me is just as impressive as it is cutting-edge. As an experiment of a new mode of art, it provides different sensory perspectives and sends us into the unchartered territory of artistic experience.”
Una delle più rilevanti espressioni del movimento internazionale dell’Hybrid Art è senza dubbio Maja Smrekar. Laureata presso il Dipartimento di Scultura di Belle Arti e Design Academy di Lubiana, Master in Video e New Media, nel 2017 ha vinto il Golden Nica Award per la categoria Hybrid Art ad Ars Electronica e nel 2018 gli è stato conferito più alto riconoscimento nazionale per i risultati artistici in Slovenia.
Prima di presentare il lavoro di ricerca di questa straordinaria artista è tuttavia necessario che esponga sinteticamente una questione oggetto di dibattito riguardo i limiti dell’intelligenza artificiale.
Si tratta di questo: l’addestramento delle Reti Neurali Artificiali richiede un numero enorme di esempi etichettati, vale a dire di immagini accompagnate dal nome del contenuto dell’immagine stessa, questo viene definito Apprendimento Supervisionato [Supervised Learning], ma ciò è in netto contrasto con quanto succede in natura per gli animali giovani, compresi gli esseri umani, i quali non hanno a disposizione esempi etichettati, quindi operano nel campo dell’Apprendimento Non-Supervisionato [Unsupervided Learning].
La maggior parte del comportamento degli animali quindi non è il risultato di algoritmi di apprendimento intelligenti, ma è codificato nel genoma. In particolare, gli animali nascono con una connettività cerebrale altamente strutturata, che consente loro di apprendere molto rapidamente. (3)
La ricerca di Maja Smrekar mette a fuoco il rapporto fra gli esseri umani e i cani, intrecciando varie discipline, dall’antropologia alla zoologia, dall’etologia alla biopolitica, dall’Intelligenza Artificiale alla meccatronica, e altro ancora.
L’artista rilegge la storia dell’essere umano attraverso la storia del cane. Sulle base delle sue ricerche osserva come quella del cane e dell’uomo sia una evoluzione parallela attraverso la quale alcuni geni nei cani e nell’uomo mutarono come conseguenza dell’adattamento alle stesse circostanze.
“Ciò è stato particolarmente vero durante la rivoluzione agricola, poiché entrambe le specie sono diventate sempre più dipendenti dall’amido. Attraverso questo processo, i cani, insieme agli umani, hanno sviluppato la capacità di digerire carboidrati e amido, mentre i lupi non hanno sviluppato tale capacità. Considero questo fatto biologico come un passo fondamentale nello sviluppo precoce della cultura e allo stesso tempo l’addomesticamento co-dipendente di cani e umani.”
In questi ultimi decenni gli umani hanno saputo riprogrammarsi attraverso l’Intelligenza Artificiale, che tuttavia ha un evidente limite: non è in grado di interpretare i numeri, manca di soggettività; essa può essere al massimo uno specchio della nostra soggettività. “Di fatto è una proiezione del nostro desiderio di elaborare quantità sempre maggiori di dati, attraverso le quali tentiamo di preservare un certo ordine di cose. In questo modo rafforziamo il sistema, che è la fonte di potere per la biopolitica”.
Il cane, in quanto prodotto della macchina antropologica, ha assunto il compito di guardiano al confine tra cultura e natura.
Maja Smrekar, per un lungo periodo ha osservato il comportamento dei suoi cani, veri e propri collaboratori e performance partner, e in una delle sue sperimentazioni ha cercato di capire come si muovevano all’interno di un labirinto mentre cercano una via d’uscita. Analizzando la curva dell’apprendimento non-supervisionato ha intuito che stavano producendo un tipo di comunicazione attraverso il movimento.
Questa prima osservazione l’ha poi spinta “ad intraprendere un’ulteriore ricerca sul linguaggio, su come viene definito il modo in cui pensiamo e di conseguenza sulla struttura della percezione del mondo”.
In particolare Maja Smrekar ha constatato la profonda differenza fra la funzione del linguaggio negli umani rispetto a quella dei cani. “Per i primi è elemento costitutivo della cultura, strumento di connessione, al servizio delle ideologie, spesso arma in un conflitto. Negli esseri umani esso presenta tuttavia un denominatore comune costituito dal fatto che percepiscono e comunicano in modo simile alla loro comprensione del tempo, sono cioè monodimensionali. Le menti dei cani sono, invece, dei circuiti energetici multidimensionali. Ciò che sentono è indistinguibile da dove si trovano, la loro coscienza è una funzione di ciò che li circonda. Stanno importando l’essenza delle cose, l’energia all’interno della forma, direttamente nel loro intestino in modo da poter essere digerita.”
Utilizzando gli strumenti che l’intelligenza artificiale ha messo a sua disposizione e avendo come obbiettivo la composizione di una struttura linguistica ibrida tra le due specie e di un algoritmo capace di integrare il pensiero analitico, sintetico e non lineare in un unico processo, Maja Smrekar ha deciso di creare uno spazio multidimensionale, dal momento che solo questo avrebbe offerto diverse dimensioni del tempo, quindi il suo uso avrebbe coinciso con la percezione del cane.
Tuttavia lo spazio da solo non era sufficiente, occorreva un metodo di ricerca: “Perciò penso dover affrontare le questioni delle esistenze nell’era dell’Intelligenza Artificiale materializzandole, perché quando i dati diventano tangibili, possiamo imparare qualcosa su noi stessi, sul libero arbitrio e sulle nostre scelte in un certo momento.”
Ancora Maja Smrekar: “In Philosophical Investigations (1953), Wittgenstein sostenne che non esistono significati fissi standard per le parole; invece, i loro significati risiedono nel loro uso. Ha anche sottolineato che le parole devono essere comprese dalla loro “somiglianza familiare” con altre parole. Dovremmo viaggiare con gli usi della parola attraverso “una complicata rete di somiglianze sovrapposte e incrociate”. Google Translate esegue la mappatura delle teorie di Wittgenstein, mediante rappresentazioni di parole all’interno dell’algoritmo word2vec che concretamente colloca le parole nello spazio, osservando quelle circostanti e individuandole come definite dalla somma di tutti i loro usi nel contesto.”
Nasce da questi presupposti lo spazio multidimensionale adatto per questa ricerca; si tratta di un ambiente architettonico cubico, un grande cubo diviso a sua volta in una griglia di cubi più piccoli. L’intera griglia si presenta come uno spazio trasparente. Le uniche superfici coperte sono i quadrati nella parte inferiore dei piccoli cubi che dividono lo spazio del grande cubo. Queste superfici vengono controllate automaticamente e grazie alla meccatronica si spostano lungo gli assi cartesiani x e y, a seconda dell’organizzazione del percorso deciso dall’Intelligenza Artificiale, in base all’analisi dei percorsi precedentemente compiuti dal cane e dall’artista performer.
Il cane si muove per primo, cammina casualmente attraverso le scale, secondo le posizioni automatizzate che la griglia cubica gli offre. Iniziato il percorso, tutti gli incroci si dividono in due o quattro e questa condizione vale fino alla fine del percorso. Ad ogni incrocio, il cane sceglie casualmente una delle possibili opzioni. Tutte le possibilità portano comunque il cane ad un’uscita. Ogni movimento del cane viene registrato e rappresentato visivamente attraverso un grafico computerizzato. Il tutto viene poi tradotto in animazione Random Walk, il cui generatore è collegato all’algoritmo di rete neurale.
Maja Smrekar inizia la sua iterazione dopo che si è concluso il percorso del cane. Si arrampica in modo casuale sulla struttura a griglia che suddivide quella cubica, mentre le scale vengono tutte spostate automaticamente in un angolo, a sinistra o a destra, su ogni livello della griglia.
L’algoritmo Intelligenza Artificiale, grazie ad un sistema di sensori che rileva ogni movimento, calcola le connessioni tra ciascuna delle due sequenze di movimenti, tra la prima iterazione in cui il cane cammina attraverso le scale e tra la seconda iterazione quando Maja si muove nella struttura a griglia, e in relazione a queste sequenze determina le coordinate del percorso che successivamente presenterà al cane.
Quindi l’algoritmo prevederà il percorso in cui il cane e il performer si incontreranno nella successiva iterazione basata sulle linee dei pittogrammi che il cane e il performer genereranno con le loro “camminate”.
I pittogrammi sono linee di movimento in un cubo rappresentato dalla visualizzazione Random Walk. Il metodo di segmentazione dovrebbe essere il seguente: ogni pittogramma viene diviso in sequenze spaziali per trovare i modelli ripetibili. Questo consentirà di registrare “l’intento”, e proprio in questo “intento” potrebbe esserci un significato.
L’applicazione di una mappa del percorso che offre analisi morfologiche mediante un approccio multidirezionale, attraverso il movimento, all’Intelligenza Artificiale, potrebbe offrirci un tipo di linguaggio che si evolve da una struttura basata sulla linearità monodirezionale alla morfologia multidirezionale.
Ciò che ho cercato di descrivere, seppur sinteticamente, è una della fasi del progetto !brute_force. Il progetto stesso è in continua evoluzione ed è già in fase finale di realizzazione.
Il lettore che sia resistito sino a questo punto si aspetterà delle conclusioni, ma conclusioni non ve ne possono essere. Ho cercato di descrivere come si lavora all’interno di laboratori alchemici, dove le sperimentazioni si susseguono giorno dopo giorno, le une alle altre; dove si cerca il conoscibile al di là delle dimostrazioni e delle misurazioni; dove non si applica il metodo scientifico, ma ci si muove nella dimensione dei processi artistici, a mio avviso essenziale anche per l’esistenza della scienza stessa.
(1) Il Deep Learning (DL), o Apprendimento Approfondito, è un sottoinsieme del Machine Learning, a sua volta, il Machine Learning (ML), o apprendimento automatico, è un sottoinsieme dell’Intelligenza Artificiale (AI). Di solito, quando le persone usano il termine Deep Learning, o DL, si riferiscono alle Deep artificial Neural Networks (DNN), o Reti Neurali artificiali Profonde. Le DNN costituiscono un insieme di algoritmi che hanno stabilito nuovi record nel fornire risposte accurate a molti problemi importanti, come il riconoscimento delle immagini, il riconoscimento del suono, i sistemi di raccomandazione, l’elaborazione del linguaggio naturale ecc.
(2) Andrea Baraldi, Senior scientist Italian Space Agency
(3) “A critique of pure learning and what artificial neural networks can learn from animal brains”, Anthony M. Zador, Nature Communications, 2019
INFO:
MAJA SMREKAR