Un minuto prima di mezzanotte
Per parlare di tecnologia bisogna prima parlare del tempo. Non perché ogni invenzione abbia bisogno di una data, ma perché la distanza che separa una trasformazione dall'altra fa parte del suo significato. Ci sono scale che possiamo rappresentare perché rientrano nella nostra esperienza: un anno, un decennio, la durata di una vita. Oltre questo limite, il tempo diventa una cifra che comprendiamo senza arrivare a immaginarla. Sappiamo che un milione di anni è molto più di centomila, ma entrambi finiscono per occupare un posto simile nella nostra intuizione: un passato remoto in cui le differenze diventano quasi indistinguibili.
Questa difficoltà deforma il modo in cui pensiamo alla tecnica. La pietra, il fuoco, l'agricoltura, la scrittura, la macchina a vapore e il computer appaiono come tappe successive di uno stesso percorso, ordinate con una regolarità che non è mai esistita. Tra le prime trasformazioni trascorsero centinaia di migliaia di anni; tra le più recenti, appena pochi anni. Per rendere visibile questa accelerazione, ripercorreremo la storia tecnica dell'umanità all'interno di un calendario di un solo anno. Il 1° gennaio inizierà con la tecnica olduvaiana, una delle prime tradizioni di lavorazione della pietra ampiamente diffuse e riconoscibili. La mezzanotte del 31 dicembre segnerà il presente. Non si tratta di affermare che ogni progresso abbia portato inevitabilmente al successivo, bensì di ricostruire la traiettoria che ha reso possibile il nostro mondo: quale capacità è apparsa, quanto tempo ci è voluto e quali nuove condizioni ha reso disponibili.
Per gran parte di questo calendario, una stessa forma tecnica poteva durare più di intere specie. Ora, invece, diverse trasformazioni successive possono attraversare la vita di una sola persona. Possiamo sperimentarle come individui, ma come specie non disponiamo dello stesso tempo per comprenderle. Abbiamo imparato a trasformare il mondo a una velocità di molto superiore a quella con cui riusciamo a capire in cosa lo stiamo trasformando.
1° gennaio — Il mondo può essere modificato
L'anno inizia con la tecnica olduvaiana. Un ominide colpisce una pietra contro l'altra; dall'impatto si stacca una scheggia affilata, mentre il nucleo rimane segnato da bordi taglienti. Il gesto sembra elementare, ma contiene una differenza decisiva rispetto all'uso occasionale di un oggetto trovato: la pietra non è più accettata così come appare, ma vi si interviene per produrre una proprietà che prima non aveva.
L'importanza dell'olduvaiano non risiede unicamente negli strumenti conservati, ma nel fatto che costituisce una tradizione riconoscibile, diffusa per un periodo immenso attraverso territori e generazioni. Questa continuità indica che l'operazione poteva essere trasmessa e insegnata. L'importante non era solo produrre un filo, ma sapere come rifarlo.
Una capacità che il corpo non possiede da solo passa così a risiedere in un oggetto esterno. Un artiglio più affilato avrebbe richiesto molte generazioni di cambiamento biologico; una scheggia capace di tagliare poteva essere fabbricata durante la vita dell'individuo che ne aveva bisogno, trasportata e riprodotta. La tecnica inizia quando una trasformazione cessa di dipendere da un ritrovamento isolato e può diventare tradizione.
Durante i primi mesi del nostro calendario, questa tradizione cambia a una velocità che dal presente sembra quasi immobile. Generazioni innumerevoli nascono e scompaiono all'interno di una stessa forma tecnica che, per ciascuna di esse, era stabile come le montagne del paesaggio.
29 aprile — L'oggetto esiste prima di essere finito
Bisognerà aspettare fino al 29 aprile, circa 840.000 anni, per trovare i primi bifacciali acheuleani. La differenza non consiste semplicemente nello scolpire di più una pietra. Fabbricare un bifacciale richiede di lavorare le sue due facce, concatenare le estrazioni, correggere le irregolarità e mantenere una forma generale durante una sequenza prolungata. Chi lo scolpisce non risponde solo al risultato dell'ultimo colpo: confronta ciò che è stato prodotto con un oggetto che esiste ancora solo nella sua mente. La forma finale è assente dalla materia, ma già dirige il lavoro. Lo strumento appare prima come progetto.
Questa distanza stabilisce il primo grande periodo di attesa della nostra storia tecnica: circa 840.000 anni per passare da una forma di intaglio incentrata sull'ottenimento di schegge e fili utili a un'altra che richiede di pianificare e configurare l'intera pietra su entrambe le facce.
5 novembre — Sostenere una trasformazione nel tempo
Sono trascorsi 1,36 milioni di anni dall'apparizione dei primi bifacciali. Nel nostro calendario è già il 5 novembre quando si può collocare un controllo deliberato del fuoco capace di produrlo, conservarlo e utilizzarlo senza dipendere da un incendio naturale. La pietra aveva permesso di modificare la materia tramite un oggetto; il fuoco permette di dirigere l'energia e sostenere una trasformazione finché si mantengono le condizioni necessarie.
Cucinare sposta fuori dal corpo una parte del lavoro della digestione, amplia ciò che può essere mangiato ed elimina sostanze dannose. Il fuoco protegge, illumina e trasforma materiali. La sua novità più profonda, tuttavia, non risiede solo nei suoi usi, ma nel fatto che introduce un processo che deve essere mantenuto nel tempo. Bisogna alimentarlo, proteggerlo, sorvegliarlo e riprodurlo.
Questa continuità non dipende unicamente da un individuo, ma dal gruppo. Il fuoco può sopravvivere perché diverse persone sostengono successivamente le condizioni che lo mantengono attivo. La capacità tecnica cessa così di risiedere solo in un oggetto e passa anche a un processo collettivo che deve essere conservato attraverso una catena continua di azioni. Per più di dieci mesi del nostro anno, ogni notte aveva riportato il mondo nell'oscurità.
30 dicembre, mattina — Agire su un futuro che non esiste ancora
La successiva grande trasformazione arriva la mattina del 30 dicembre, circa 390.000 anni dopo. L'agricoltura non nasce in un unico luogo né sostituisce immediatamente la caccia e la raccolta, ma introduce una relazione diversa con il futuro. Coltivare richiede di selezionare i semi, preparare il terreno, controllare l'acqua, proteggere la coltivazione e attendere un risultato che ancora non esiste. Il bifacciale aveva richiesto di anticipare una forma; l'agricoltura obbliga ad anticipare un ciclo e a modificare l'ambiente affinché possa ripetersi.
Questo intervento non si limita alle piante. Scegliendo quali animali si riproducono, quali si conservano e quali tratti risultano utili, le comunità iniziano anche a trasformare altre specie nel corso delle generazioni. La tecnica cessa di agire unicamente su oggetti o processi localizzati e inizia a modificare il paesaggio, i cicli biologici e gli esseri viventi.
In alcune società, l'eccedenza agricola permette a parte della popolazione di dedicarsi in modo più stabile ad altri compiti. L'esperienza si concentra, la conoscenza collettiva aumenta e si distribuisce tra persone specializzate. Ma, man mano che la comunità sa di più, ogni individuo riunisce meno delle abilità necessarie per sostenere la propria vita da solo. La capacità dell'insieme cresce contemporaneamente all'aumento della dipendenza tra i suoi membri.
Quando questa organizzazione raggiunge una scala sufficiente, appare anche la necessità di registrare magazzini, proprietà, scambi e obblighi. L'agricoltura non produce solo cibo. Produce anche conti.
31 dicembre, mattina — La memoria abbandona il corpo
La scrittura appare la mattina del 31 dicembre, circa settemila anni dopo. La memoria abbandona allora la sua dipendenza esclusiva dalle persone che ricordano. Una quantità si trasforma in un segno; un nome rimane quando chi lo ha pronunciato non c'è più; un obbligo può essere consultato quando i suoi protagonisti hanno dimenticato i suoi termini.
Questa permanenza amplia anche la capacità del potere di organizzare la società ed estendere la sua influenza. Le leggi possono essere fissate come riferimento, i tributi e le eccedenze registrate, le risorse amministrate e gli ordini trasmessi a territori lontani. La scrittura permette di coordinare persone, produzione e obblighi senza dipendere dalla presenza diretta di chi governa né dalla memoria di chi partecipa a ogni scambio.
Un'idea scritta può attraversare generazioni senza che nessuno debba conservarla continuamente nella propria memoria. Può anche essere riletta, divisa, confrontata e corretta. La conoscenza acquisisce così una nuova stabilità, anche se per millenni continua a essere scarsa: ogni tavoletta deve essere incisa e ogni rotolo o codice copiato a mano. La scrittura risolve la permanenza della conoscenza, ma non ancora la sua diffusione.
31 dicembre, 22:00 — La conoscenza si moltiplica
Bisognerà aspettare fino alle dieci di sera dell'ultimo giorno perché la stampa europea moltiplichi la riproduzione di testi. Sono trascorsi circa 4.600 anni dalle prime scritture. Il copista ripete il lavoro su ogni esemplare; la stampa sposta questo sforzo sulla preparazione di una matrice capace di produrne molti. Il cambiamento non consiste solo nel fabbricare libri più velocemente, ma nel separare la produzione del contenuto dalla riproduzione di ogni copia.
La conoscenza entra così in una logica che sarà poi propria della fabbrica: lo sforzo si concentra sulla costruzione di un sistema capace di ripetere un'unità, invece di ricostruirla completamente ogni volta. Uno stesso testo può raggiungere lettori distanti tra loro, le versioni possono essere confrontate e un'edizione può correggere la precedente.
La stampa non solo moltiplica i libri: moltiplica i luoghi da cui può essere prodotta nuova conoscenza. Più conoscenza circola, più persone possono partire da essa, combinarla ed espanderla. L'accelerazione inizia allora ad agire sulle proprie condizioni. Dopo la stampa, basteranno appena due ore del nostro calendario perché appaiano l'industria, il calcolo, internet, lo smartphone e l'intelligenza artificiale.
31 dicembre, 23:00 — La macchina inizia a fabbricare macchine
Alle undici di sera, appena un'ora dopo nel nostro calendario, la macchina a vapore converte l'energia in lavoro meccanico regolare. Nel 1712, la macchina di Newcomen pompa l'acqua dalle miniere di carbone; quello stesso carbone alimenta poi nuove macchine che permettono di estrarne ancora di più. La tecnica inizia a produrre le condizioni materiali della sua stessa crescita.
I miglioramenti successivi riducono il consumo e trasformano il movimento del pistone in rotazione. Il vapore non aziona più solo le pompe e diventa una fonte generale di potenza capace di muovere telai, martelli, mulini e veicoli. La produzione non dipende più completamente dalla forza umana, animale o dal luogo in cui soffia il vento o circola l'acqua. L'energia può essere concentrata e utilizzata in modo continuo dove l'industria ne ha bisogno.
La fabbrica riunisce questa energia con materiali, lavoratori e macchine all'interno di uno stesso spazio. In officina, lo strumento seguiva il ritmo dell'artigiano; in fabbrica, il lavoro inizia a seguire il ritmo costante della macchina. La giornata, la puntualità e la sincronizzazione acquisiscono un nuovo valore economico. L'orologio cessa di limitarsi a misurare il passare del giorno e inizia anche a organizzare la produzione, dividere il tempo e misurare il rendimento.
La trasformazione industriale non rimane rinchiusa all'interno della fabbrica. Il vapore estrae carbone; il carbone alimenta motori e forni; il ferro e l'acciaio permettono di costruire nuovi strumenti, binari, navi, ponti ed edifici. La ferrovia collega miniere, fabbriche, porti e città, mentre il telegrafo coordina a distanza i movimenti di merci, persone e informazioni. Produzione, trasporto, energia e comunicazione iniziano a formare un unico circuito interdipendente.
Le macchine stesse richiedono, inoltre, pezzi sempre più precisi. Torni, perforatrici e fresatrici permettono di fabbricare componenti per altri meccanismi con un'accuratezza che non dipende più completamente dall'abilità individuale. Una macchina migliore rende possibile costruire la successiva con maggiore precisione. L'industria cessa così di limitarsi a produrre oggetti: produce gli strumenti, l'energia e le infrastrutture necessarie per accelerare il proprio sviluppo.
31 dicembre, 23:45 — La macchina programmabile
Alle 23:45, circa 235 anni dopo la macchina di Newcomen, nasce il computer. I primi computer elettronici occupano intere stanze e utilizzano migliaia di componenti per eseguire calcoli che prima richiedevano lunghi processi umani. Nel 1947 appare il transistor, più piccolo, resistente ed efficiente delle valvole impiegate fino ad allora per controllare i segnali elettrici. La sua importanza non risiede unicamente in ciò che ogni unità può fare, ma nella quantità che può essere riunita all'interno di un circuito.
L'industria applica così la sua capacità di produzione in serie a componenti in grado di rappresentare e trasformare informazioni. Il circuito integrato riunisce più transistor all'interno di un unico pezzo, e la miniaturizzazione inizia a rafforzarsi: i computer aiutano a progettare circuiti più complessi, e questi circuiti producono computer più potenti con cui progettare e fabbricare la generazione successiva.
Ma la trasformazione decisiva non è solo l'aumento della capacità di calcolo. Una macchina industriale è costruita per eseguire un'operazione specifica; il computer può svolgere funzioni diverse a seconda delle istruzioni che riceve. La programmazione permette di descrivere queste istruzioni, memorizzarle, copiarle, migliorarle ed eseguirle di nuovo senza ricostruire fisicamente la macchina.
La procedura cessa così di essere completamente fissata nella forma del meccanismo. Per cambiare la funzione della macchina non è più necessario costruirne un'altra: basta cambiare il programma che ne organizza il comportamento. La tecnica inizia a operare non solo sulla materia e l'energia, ma anche sulle proprie procedure.
Mancano appena quindici minuti a mezzanotte. In quel breve tratto appariranno il computer personale, internet, lo smartphone e l'intelligenza artificiale.
31 dicembre, 23:50 — L'informazione digitale si moltiplica
Cinque minuti dopo, il nostro calendario segna le 23:50. Nel 1971 appare il microprocessore, che concentra le funzioni centrali di un computer in un unico chip. La capacità di calcolo inizia ad abbandonare le grandi installazioni e, con la successiva nascita del computer personale, entra progressivamente in uffici, scuole e case.
Fino ad allora, digitalizzare consisteva soprattutto nel convertire informazioni già esistenti su altri supporti – documenti, registrazioni, immagini o calcoli – in un formato che la macchina potesse elaborare. Con il computer personale accade qualcosa di diverso: una parte crescente del lavoro intellettuale inizia a nascere direttamente in formato digitale. Testi, calcoli, progetti, programmi e immagini non devono più essere trasformati in dati, perché sono prodotti fin dall'inizio all'interno di una macchina.
La stampa aveva ridotto il costo di riproduzione di un contenuto; il computer distribuisce anche la capacità di produrlo e trasformarlo. Un file può essere cercato, copiato, confrontato, riorganizzato e combinato con altri senza abbandonare l'ambiente digitale. L'informazione cessa di essere solo qualcosa che deve essere convertito affinché la macchina possa elaborarlo: una parte crescente di essa nasce già in un formato su cui può agire fin dall'inizio.
31 dicembre, 23:53 — La digitalizzazione diventa globale
Alle 23:53, nel 1991, l'apertura pubblica del World Wide Web consente di organizzare e consultare, tramite pagine collegate, le informazioni che circolano in Internet. Un file non è più limitato al computer o al supporto fisico in cui è stato creato: può essere pubblicato in un punto ed essere consultato da milioni di persone da qualsiasi parte del mondo. L'informazione digitale non solo può essere riprodotta con facilità, ma anche circolare continuamente attraverso un'infrastruttura comune.
Questa capacità genera una nuova abbondanza. Quando i documenti si contano a milioni, pubblicarli non è più sufficiente: bisogna trovarli, relazionarli e decidere quali devono apparire prima degli altri. Per risolvere questo problema nascono i motori di ricerca, che percorrono la rete, registrano le pagine disponibili, analizzano i loro collegamenti e costruiscono indici in grado di rispondere a una query.
Tuttavia, le relazioni tra le pagine non bastano a determinare quale risultato possa essere più utile per una persona. I motori di ricerca iniziano allora a registrare anche quali parole vengono impiegate, quali risultati vengono scelti, quali ignorati e cosa succede dopo ogni ricerca. L'attività degli utenti fornisce segnali che permettono di riorganizzare le informazioni secondo la loro probabile rilevanza e di correggere progressivamente l'ordine in cui vengono presentate.
Le piattaforme ampliano questa logica. Una parte crescente dell'attività non avviene su pagine aperte, ma si sviluppa all'interno di servizi controllati da aziende. Chiacchierare, fare acquisti, orientarsi, ascoltare musica, guardare video, lavorare o mostrarsi producono contenuti, ma lasciano anche registrazioni sul modo in cui questi contenuti vengono utilizzati: chi vi accede, da dove, per quanto tempo, in quale sequenza e con quale reazione successiva.
La rete inizia così a contenere due strati di informazioni diversi. Il primo è formato da testi, immagini, video, programmi e messaggi che vi circolano. Il secondo registra le relazioni tra questi contenuti e le persone che li utilizzano: cosa cercano, cosa scelgono, cosa abbandonano, cosa ripetono e cosa associano a cosa. Uno descrive ciò che esiste nella rete; l'altro, il modo in cui milioni di persone la percorrono e le attribuiscono valore.
La differenza decisiva appare nel modo in cui entrambi gli strati si distribuiscono. I contenuti possono essere distribuiti tra milioni di pagine, dispositivi e utenti, mentre i registri del loro utilizzo si concentrano principalmente nelle aziende che controllano i motori di ricerca, le piattaforme e i centri dati. Queste organizzazioni non possiedono tutte le informazioni di internet, ma accumulano qualcosa che nessun utente può ricostruire separatamente: una visione aggregata di come milioni di persone trovano, relazionano, selezionano e valutano i contenuti. Non controllano unicamente una parte dei file, ma la mappa che connette l'informazione con il comportamento di coloro che la utilizzano.
31 dicembre, 23:56 — La vita quotidiana si trasforma in dati
Sono trascorsi trentasei anni dall'apparizione del microprocessore e circa sedici dall'espansione del World Wide Web. Nel nostro calendario sono le 23:56. Nel 2007 nasce lo smartphone moderno: un computer connesso che riunisce fotocamera, microfono, geolocalizzazione, navigazione, contatti, pagamenti, intrattenimento, lavoro e accesso ai servizi all'interno di un oggetto che accompagna permanentemente il suo utente. L'informatica cessa di essere un luogo a cui ci si reca e inizia a diventare un mezzo all'interno del quale si svolge una parte crescente della vita quotidiana.
La digitalizzazione aveva già attraversato diverse fasi. Prima era un'attività specializzata: istituzioni, aziende e amministrazioni convertivano determinati documenti o registrazioni in informazioni che le macchine potessero elaborare. Poi, con il computer personale, una parte crescente del lavoro intellettuale ha iniziato a nascere direttamente in formato digitale. Internet ha aggiunto un'altra dimensione: le ricerche, i clic e le scelte effettuate all'interno di determinate piattaforme hanno iniziato a lasciare informazioni sul comportamento degli utenti.
Lo smartphone amplifica questa digitalizzazione del comportamento fino a una nuova scala. La registrazione non è più limitata ai momenti in cui una persona si siede davanti a un computer o accede a un servizio specifico. Una conversazione, una fotografia, una ricerca, un acquisto, uno spostamento o una scelta possono lasciare un'impronta digitale come parte dell'azione stessa. Accompagnando l'utente durante tutto il giorno, il dispositivo connette queste attività con la loro ora, la loro posizione, la loro sequenza e il contesto in cui avvengono. La vita quotidiana inizia così a produrre non solo contenuti, ma anche una rappresentazione sempre più continua di chi li genera e li utilizza.
La differenza tra le due forme di digitalizzazione risulta decisiva. La digitalizzazione della cultura produce testi, immagini, musica, programmi, messaggi e video. La digitalizzazione del comportamento registra le relazioni che si stabiliscono attorno ad essi. Una fotografia può essere associata a una data, un luogo, una persona e una descrizione. Una ricerca conserva la domanda, i risultati mostrati e la scelta fatta. Un percorso lascia posizioni, orari e destinazioni. Una canzone, un video o una notizia possono essere collegati al tempo di attenzione, all'abbandono, alla ripetizione e alla reazione successiva. Non si registra più solo quale contenuto esiste, ma anche come circola, chi lo utilizza e cosa fa dopo.
Per quasi tutta la storia dell'umanità, produrre una registrazione duratura è stata un'attività minoritaria. Con Internet e lo smartphone, miliardi di persone diventano contemporaneamente produttori di testi, immagini, video, messaggi e programmi, ma anche di informazioni sulle loro preferenze, percorsi, relazioni e decisioni. Non entrano nelle piattaforme per costruire insiemi di dati, ma per comunicare, lavorare, fare acquisti, orientarsi, intrattenersi o mostrarsi. Tuttavia, così facendo generano continuamente una quantità di contenuti, associazioni, scelte e risposte che nessuna istituzione precedente aveva potuto raccogliere a quella scala.
Questa produzione è straordinariamente distribuita, ma la sua registrazione no. I contenuti possono circolare tra milioni di utenti e servizi, mentre le informazioni sul comportamento si concentrano principalmente nelle aziende che controllano le piattaforme, i sistemi operativi, i motori di ricerca e i centri dati. Milioni di persone producono i segnali; un numero molto ridotto di organizzazioni conserva la possibilità di riunirli, relazionarli e analizzarli come un insieme.
31 dicembre, 23:57 — La macchina impara dagli esempi
Sono trascorsi solo cinque anni dall'apparizione dello smartphone moderno. Nel nostro calendario sono già le 23:57. Fino ad allora, i programmi eseguivano istruzioni formulate in modo esplicito: per risolvere un compito, qualcuno doveva descrivere quali proprietà cercare e quale risposta produrre. Questo metodo funzionava per problemi riducibili a regole precise, ma trovava un limite in capacità come riconoscere un volto o identificare un oggetto, che le persone esercitano senza poter elencare tutte le operazioni necessarie per riuscirci.
L'apprendimento automatico propone una via diversa. Invece di introdurre una descrizione completa della capacità, si fornisce al sistema una grande quantità di esempi. La macchina produce una risposta, la confronta con il risultato corretto e modifica i suoi parametri per ridurre l'errore. Ripetendo il processo su milioni di casi, trova regolarità che può applicare a immagini che non aveva mai visto.
Nel 2012, AlexNet dimostra la portata di questa procedura. La rete viene addestrata con circa 1,2 milioni di immagini di ImageNet, distribuite in mille categorie e classificate precedentemente da persone. Per ogni immagine calcola a quale categoria potrebbe appartenere, confronta la sua risposta con l'etichetta corretta e regola le sue connessioni interne. Mediante questa ripetizione impara a riconoscere contorni, tessiture, parti e configurazioni sempre più complesse senza che nessuno debba descriverle una per una.
L'idea di addestrare reti neurali non era nuova. Ciò che cambia è la scala disponibile. Le fotocamere digitali e internet avevano prodotto e raccolto milioni di immagini; il lavoro umano di classificazione le aveva trasformate in esempi utilizzabili; i processori grafici permettevano di eseguire in parallelo una quantità di calcoli prima inimmaginabile. AlexNet appare quando l'archivio digitale, la sua organizzazione e la capacità di elaborarlo raggiungono congiuntamente una soglia sufficiente a produrre risultati molto superiori ai precedenti.
La conseguenza va oltre il riconoscimento di immagini. Una collezione sufficientemente grande di file classificati può essere utilizzata per generare una capacità che non era scritta esplicitamente in nessuno di essi. Nessuna fotografia spiega da sola come riconoscere tutte le immagini simili; questa capacità nasce dalle relazioni che il sistema costruisce confrontando milioni di casi.
L'informazione digitale cessa così di essere unicamente ciò che un programma memorizza, ordina o trasforma seguendo istruzioni precedentemente definite. Può trasformarsi in un insieme di esempi che modifica il sistema stesso fino a permettergli di rispondere a casi nuovi. La capacità non deve più essere descritta completamente in anticipo: può essere costruita a partire da regolarità trovate nei dati.
31 dicembre, 23:58 — Il linguaggio diventa addestramento
Cinque anni dopo AlexNet, nel 2017, il nostro calendario segna le 23:58. L'apprendimento basato su esempi aveva dimostrato che una macchina poteva acquisire capacità difficili da esprimere tramite regole, ma dipendeva ancora da un costoso intervento umano: per classificare le immagini, ogni fotografia doveva essere precedentemente associata a una categoria corretta. Applicare la stessa procedura a una parte significativa della cultura avrebbe richiesto di etichettare manualmente una quantità incommensurabile di parole, frasi e testi.
Il linguaggio presentava inoltre una difficoltà diversa. Una parola non possiede un significato che possa essere determinato in modo isolato, ma dipende dalle relazioni che intrattiene con le altre. La sua funzione cambia a seconda della frase in cui appare, del paragrafo che la precede o di un riferimento introdotto molto prima. Per elaborare il linguaggio, una macchina deve rappresentare non solo ogni unità, ma anche come una modifica il senso dell'altra all'interno di ogni contesto.
Nel 2017 emerge una nuova architettura progettata per risolvere questo problema: il Transformer. Invece di elaborare il testo unicamente come una successione di parole, introduce un meccanismo di attenzione che calcola quali relazioni risultano rilevanti per interpretare ciascuna. Il testo si divide in unità rappresentate da numeri, e ogni unità può essere correlata al soggetto della frase, a un pronome scritto diverse righe prima o a un altro termine che altera il suo senso. Ripetendo questa operazione in diversi strati, il modello costruisce rappresentazioni sempre più complesse delle dipendenze grammaticali, concettuali e strutturali che percorrono il testo.
La sua importanza non risiede unicamente nel rappresentare meglio il contesto. L'architettura permette di calcolare molte relazioni simultaneamente e di distribuire il lavoro tra numerosi processori. Rispetto ai sistemi che dovevano percorrere il testo passo dopo passo, può essere ampliata con maggiore facilità a modelli più grandi e a quantità di linguaggio molto superiori. Ma resta ancora da risolvere da dove ottenere le risposte corrette necessarie per addestrarli.
Il linguaggio digitale stesso fornisce la soluzione. A differenza di una fotografia, che necessita di un'etichetta aggiunta per indicare cosa contiene, un testo conserva al suo interno la sequenza che deve essere appresa. Si può mostrare al modello una parte e chiedergli di prevedere quale sarà la successiva, o nascondere un'unità ed esigergli che la ricostruisca. La risposta si trova già nel documento originale. Ogni testo può così trasformarsi in una successione di esercizi senza che una persona debba classificare manualmente ogni frase.
Per ridurre i suoi errori, il modello deve scoprire quali parole appaiono spesso insieme, come si costruiscono le frasi, quali concetti mantengono relazioni stabili, come si sviluppa una spiegazione o quale struttura adotta un argomento. Nessuno introduce un elenco completo di queste regolarità. Il sistema modifica i suoi parametri confrontando ogni previsione con la continuazione reale e, dopo aver ripetuto il processo su quantità immense di testo, incorpora relazioni che può applicare a sequenze che non aveva mai incontrato.
L'addestramento non introduce i documenti all'interno della macchina come una biblioteca che poi può essere consultata esemplare per esemplare. Regola una struttura di parametri per riprodurre regolarità presenti nell'insieme: associazioni tra concetti, forme sintattiche, stili, dipendenze tra frammenti e procedure espresse tramite parole.
L'espansione dell'informazione digitale risulta per questo indispensabile. Per decenni erano stati prodotti libri, articoli, manuali, pagine web, programmi, repository di codice, conversazioni, traduzioni e spiegazioni con finalità molto diverse. Questi materiali non erano stati creati per addestrare un'intelligenza artificiale, ma per investigare, insegnare, informare, vendere, discutere, collaborare o risolvere problemi. Essendo disponibili in formato digitale, potevano essere raccolti ed elaborati a una scala che nessuna collezione elaborata espressamente per insegnare un compito avrebbe potuto raggiungere.
L'archivio digitale cessa quindi di essere unicamente un deposito che una macchina può memorizzare, ordinare o consultare. Diventa la materia con cui si può costruire una capacità linguistica generale. La scrittura aveva separato la conoscenza dalla memoria di chi la possedeva; la stampa ne aveva moltiplicato le copie; internet le aveva connesse all'interno di una rete globale. Il Transformer permette ora di elaborare una parte di quell'archivio e di regolare una struttura capace di produrre una nuova capacità a partire dalle regolarità accumulate in esso.
31 dicembre, 23:59 — Il linguaggio diventa istruzione
Solo tre anni dopo, nel 2020, il nostro calendario segna le 23:59: manca un minuto a mezzanotte. L'architettura Transformer aveva permesso di addestrare modelli sempre più grandi su enormi quantità di testo. Tuttavia, disporre di una capacità linguistica generale non risolveva da solo come applicarla a compiti specifici. Tradurre, riassumere, classificare o rispondere a domande continuava a richiedere abitualmente di regolare il modello, aggiungere componenti specifici o prepararlo di nuovo per ogni funzione.
Nel 2020 appare GPT-3, un modello linguistico su larga scala costruito su questa architettura. Il suo contributo decisivo consiste nel mostrare che una stessa struttura può dedurre quale compito deve svolgere a partire dal testo che riceve. Non ha bisogno che ogni funzione sia incorporata tramite un nuovo addestramento: l'istruzione, gli esempi e il risultato atteso possono essere inclusi all'interno del contesto stesso.
Se gli vengono mostrate diverse frasi insieme alle loro traduzioni, può continuare il modello con una nuova. Se riceve un testo accompagnato da un riassunto, può provare a riassumerne un altro. Se gli vengono presentati esempi associati a diverse categorie, può classificare un caso successivo. Il modello non modifica i suoi parametri mentre svolge questi compiti. Interpreta le relazioni presenti nel contesto e orienta temporaneamente verso di esse una capacità acquisita durante l'addestramento.
GPT-3 non trasforma, quindi, una macchina in molte macchine diverse. Trasforma una stessa capacità linguistica in una base da cui possono essere definite funzioni diverse tramite il linguaggio. Il compito cessa di dipendere esclusivamente da una programmazione o da una regolazione preventiva e può essere formulato all'interno dell'input stesso che il sistema riceve.
Il linguaggio acquisisce così una nuova funzione. Era stato prima il materiale da cui il modello imparava; ora diventa anche il mezzo con cui si dirige il suo comportamento. Durante l'epoca industriale, cambiare la funzione di una macchina esigeva modificare il suo meccanismo. Con il computer programmabile bastava sostituire il programma. Con GPT-3, una parte della funzione può essere configurata descrivendo in linguaggio ordinario quale risultato si cerca, quali condizioni deve rispettare e quali esempi deve seguire.
Tuttavia, prevedere una continuazione probabile non equivale ancora a rispondere adeguatamente a una richiesta. L'archivio digitale contiene spiegazioni rigorose ed errori, istruzioni utili e frammenti contraddittori, conversazioni collaborative e aggressioni. Aver appreso le sue regolarità permette di produrre linguaggio coerente, ma non determina da solo quale tipo di risposta debba essere offerta a un'intenzione specifica.
Per trasformare questa capacità generale in uno strumento è necessario un nuovo intervento umano. Si preparano esempi di istruzioni e risposte, si confrontano diverse uscite e si indica quali risultano più utili, chiare o sicure. L'addestramento iniziale aveva permesso di imparare quali continuazioni erano probabili all'interno del linguaggio; l'aggiustamento successivo incorpora criteri su quali sono preferibili quando qualcuno formula una richiesta.
A questo punto riappare il secondo strato di informazioni generato dalla digitalizzazione. Le scelte, le correzioni e le valutazioni umane possono essere trasformate in esempi con cui orientare il comportamento del modello. Una persona confronta due risposte, segnala un errore o mostra come dovrebbe essere risolto un compito, e questo intervento fornisce informazioni che non erano contenute unicamente nei testi originali. Non ogni conversazione viene utilizzata per addestrare i sistemi né ogni azione dell'utente svolge questa funzione, ma le reazioni umane possono essere impiegate per decidere come debba essere applicata una capacità costruita precedentemente a partire dall'archivio culturale.
Il 30 novembre 2022 viene reso pubblico ChatGPT. La conversazione porta un passo più avanti la possibilità aperta da GPT-3. Il compito non deve più essere definito completamente in una singola istruzione: può essere costruito in modo progressivo. L'utente richiede un risultato, lo osserva, corregge ciò che non funziona, aggiunge condizioni e continua dalla risposta precedente. Ogni messaggio modifica il contesto da cui si produrrà il successivo.
L'apertura al pubblico cambia anche la scala in cui si esplora questa capacità. Milioni di persone iniziano a utilizzare il sistema per redigere, tradurre, programmare, spiegare, classificare, progettare, riassumere o riorganizzare informazioni. Le loro richieste rivelano applicazioni, errori e limiti che gli sviluppatori non potevano aver enumerato completamente in anticipo. Il modello smette di essere testato unicamente su compiti preparati ed entra in contatto con problemi reali, intenzioni diverse e forme impreviste di formularle.
Negli anni successivi, questa logica si estende a immagini, suono e video, e i modelli si connettono con motori di ricerca, database, programmi e altri strumenti. Il linguaggio cessa di servire unicamente per richiedere una risposta testuale. Può esprimere un obiettivo che il sistema divide in operazioni, esegue mediante risorse diverse e rivede secondo i risultati ottenuti.
L'apertura pubblica aggiunge inoltre una nuova fonte di informazioni. Il sistema non si confronta più unicamente con materiali prodotti in precedenza, ma con milioni di richieste, riformulazioni e valutazioni generate durante il suo utilizzo. Non ogni conversazione viene incorporata direttamente nell'addestramento, ma l'insieme delle interazioni permette di scoprire quali compiti interessano, dove il modello fallisce e quali risultati si aspettano le persone. La società aveva fornito l'archivio culturale da cui ha imparato; ora inizia anche a fornire la mappa delle sue possibili applicazioni.
L'arrivo della mezzanotte
Arrivato a mezzanotte, il modello può già tradurre, spiegare, classificare, programmare o produrre immagini a partire da una stessa struttura. Queste capacità non sono emerse da una regola unica né da una procedura descritta in anticipo, ma dall'elaborazione congiunta di quantità immense di testi, programmi, immagini, esempi e valutazioni. Ciò che prima appariva distribuito tra attività, professioni e persone diverse può ora essere riunito in un sistema capace di applicarlo a situazioni nuove.
Ma questa capacità non si origina all'interno della macchina né può sostenersi al di fuori del mondo da cui proviene. L'intelligenza artificiale dipende da una società che continui a produrre linguaggio, conoscenza, eventi, problemi, immagini e criteri con cui interpretare i suoi risultati. Non genera da sola la realtà da cui impara né decide cosa debba essere considerato vero, utile o prezioso. Necessita di materiali anteriori ad essa e di nuovi interventi che segnalino errori, formulino obiettivi e definiscano che tipo di risposta ci si aspetta. La società non è solo il contesto in cui funziona il sistema: è la fonte continua di ciò che può imparare.
Ma la necessità della società nel suo insieme non garantisce la necessità di ogni individuo. Per costruire una capacità di traduzione sono state necessarie generazioni di parlanti, scrittori e traduttori; per applicarla a un documento concreto può bastare un'istruzione. Il modello ha avuto bisogno di programmi scritti da innumerevoli persone, ma non ha bisogno di ricorrere di nuovo a ogni programmatore quando produce una funzione. Ha avuto bisogno di immagini, descrizioni e criteri creati da una moltitudine, anche se può generare un nuovo pezzo senza convocare coloro che hanno fornito i materiali da cui ha imparato.
Il collettivo e l'individuale iniziano a separarsi in modo decisivo. Il sistema può dipendere sempre più dalla produzione congiunta della società e, allo stesso tempo, dipendere sempre meno da ciascuno dei suoi membri separatamente. La società continua ad essere indispensabile come origine della conoscenza; una persona concreta può cessare di esserlo per applicare una parte di quella conoscenza.
La produzione che alimenta i modelli è straordinariamente distribuita. Università, amministrazioni, media, case editrici, aziende, comunità tecniche e milioni di utenti scrivono, traducono, programmano, fotografano, classificano, correggono e valutano senza far parte di un progetto comune. Ognuno pubblica un testo, risponde a una domanda, condivide un programma o corregge un risultato per risolvere una propria necessità. Raramente conosce la relazione che questa attività finirà per avere con una capacità costruita successivamente su larga scala.
La possibilità di raccogliere questi contributi non è distribuita allo stesso modo. Addestrare e operare i modelli più grandi richiede enormi insiemi di informazioni, processori specializzati, centri dati, energia, personale tecnico e risorse finanziarie. La produzione culturale e comportamentale proviene da una moltitudine, ma l'infrastruttura capace di trasformarla in una capacità generale si concentra in un numero molto ridotto di organizzazioni.
Coloro che controllano tale infrastruttura possono trasformare una produzione collettiva in un servizio le cui condizioni decidono: chi vi accede, quanto costa, quali funzioni incorpora, quali limiti impone e verso quali applicazioni si sviluppa. Le persone che hanno prodotto i materiali non acquisiscono per questo una partecipazione equivalente nel sistema costruito a partire da essi. Il contributo è distribuito; la capacità di organizzarlo, elaborarlo e decidere sul suo uso si concentra sempre più.
L'apertura pubblica dei modelli prolunga questa asimmetria. Gli utenti pongono problemi, scoprono applicazioni, trovano errori e mostrano quali risultati considerano accettabili. Ognuno cerca di risolvere il proprio compito, ma la somma di milioni di interazioni rivela una mappa generale: quali usi si ripetono, dove il sistema fallisce, quali funzioni trovano domanda e quali capacità è opportuno ampliare. Nessun utente può ricostruire da solo questa mappa; le organizzazioni che gestiscono il servizio possono invece osservarla in modo aggregato.
Non tutte le conversazioni vengono incorporate direttamente nell'addestramento, ma l'uso pubblico produce conoscenza sul sistema stesso. La società non aveva solo generato i testi, le immagini e i programmi da cui ha imparato. Ora genera anche le situazioni attraverso le quali si scopre come può essere applicato, dove ha bisogno di essere corretto e verso quali funzioni può svilupparsi.
La relazione assume così una forma circolare. La società produce cultura, conoscenza, comportamento e valutazioni. Un numero ridotto di organizzazioni raccoglie una parte di questa attività e la trasforma in una capacità del modello. Poi restituisce questa capacità come un servizio il cui uso produce nuovi segnali per correggerla, ampliarla e trovare ulteriori applicazioni. Il sistema continua ad aver bisogno della partecipazione collettiva, ma ogni miglioramento può ridurre la necessità di singoli individui nei compiti che impara a svolgere.
L'intelligenza artificiale non elimina la sua dipendenza dalla società. La riorganizza. Le persone contribuiscono come moltitudine, spesso senza conoscere il destino tecnico della loro attività; le organizzazioni che raccolgono questi contributi possono osservarli nel loro insieme, elaborarli tramite una propria infrastruttura e decidere come verrà utilizzata la capacità risultante. La società fornisce la scala; poche organizzazioni concentrano la possibilità di trasformarla in potere tecnico.
La mezzanotte non rappresenta l'istante in cui la macchina smette di avere bisogno dell'umanità. Rappresenta il momento in cui la necessità collettiva dell'umanità può separarsi dalla necessità di ogni singolo essere umano. Per quasi tutto l'anno, la tecnica ha ampliato ciò che le persone potevano fare. Nell'ultimo minuto ha iniziato a ricostruire, all'interno di un'infrastruttura concentrata, capacità che prima rimanevano distribuite tra milioni di esse.
La domanda che apre la mezzanotte non è più solo quanto potrà fare la macchina, ma quale posizione conserveranno coloro che producono collettivamente ciò che poi può essere utilizzato senza di loro.