Oggi scopriamo insieme questo interessante articolo di Cosimo Accoto, filosofo di formazione e saggista, business e culture innovation advisor, MIT Connection Science fellow (Boston) e ospite del nostro prossimo webinar «Italian Data All Star Game» che si terrà il 19 marzo 2021 alle 18.30 durante la Milano Digital Week.

Cosimo ha maturato il suo percorso professionale nella consulenza strategica di management e nell’industria dei dati e delle piattaforme. Già MIT research affiliate, Accoto focalizza la sua ricerca tecno-culturale su: filosofia del software, scienza dei dati, intelligenza artificiale, logica delle piattaforme, tecnologia della blockchain, computazione quantistica. È autore di diversi saggi tra cui: Mani, menti, mercati. Automazione e ominazione tra machine experience e machine economy (in Il primato delle tecnologie, a cura di Carlo Bordoni, Mimesis 2020); Il mondo ex machina. Cinque brevi lezioni di filosofia dell’automazione (Egea 2019, con un contributo di Alex ‘Sandy’ Pentland); Il mondo dato. Cinque brevi lezioni di filosofia digitale (Egea 2017; edizione inglese tradotta da Derrick De Kerckhove, In Data Time and Tide, Bocconi University Press 2018). Ha pubblicato articoli apparsi, tra l’altro, su Economia & Management (SDA Bocconi), Harvard Business Review ItaliaNova24 Il Sole24Ore, Sistemi & Impresa. È speaker ai convegni organizzati da TEHA The European Ambrosetti House, Aspen Institute, Harvard Business Review.


To begin to address the challenges facing cities in the twenty-first century we need to ensure they are resource efficient, ecologically regenerative and resilient. This will enable cities to address directly three key sustainability challenges often overlooked: futurity, inter-generational equity and environmental protection. Indirectly adopting such an approach should also help to address the health and well-being of those living in cities and the creation of sustainable urban economies


Circular Cities. A Revolution in Urban Sustainability, Joanna Williams, 2021
A Novel Terraforming

Mentre Perseverance, il rover della Nasa, si cala con successo su Marte e inizia la sua esplorazione marziana, sensori, dati e algoritmi sempre più stanno sbarcando e si distribuiscono qui sulla Terra. Così, dopo altre terraformazioni che la civiltà umana ha conosciuto in passato, è come se stessimo ora atterrando per la prima volta sul nostro pianeta per osservarlo e abitarlo in forme inusuali e rinnovate. Terraformare è, dunque, progettare e costruire le nuove condizioni di abitabilità umana del mondo, fuori nello spazio extra-terreste, ma paradossalmente ora anche e nuovamente nello spazio ultra-urbano. Un’operazione più che mai urgente, sollecitata com’è dalla virulenza pandemica che incrocia inaspettatamente l’irruenza tecnologica. Scrive la filosofa dei sensori Jennifer Gabrys che se le tecnologie satellitari ci hanno fatto vedere il mondo come uno, le tecnologie sensoriali sulla Terra ci faranno vedere il mondo non come uno ma come molti.  

“If the satellite view has largely been narrated as a project of making a global observation system and of seeing the earth as a whole object, then the more distributed monitoring performed by environmental sensors points to the ways in which the earth might be rendered not as one world, but as many. Here are multiple earths, in process, programmed and in operation, unfolding through distinct environmental conditions, sites of study, and responsive inhabitations. Where global observation systems might be working toward a planetary-scale project of knowing the earth as an entire system through (ideally) linked-up data sets, in contrast multiple earths are articulated through numerous distributed sensors that as currently implemented rarely form a “system of systems,” and more likely produce discrete and localized data sets for particular purposes. What “counts” as an environment—and Earth—then concresces in different ways in relation to the sensors sensing within distinct conditions”


Program Earth, Gabrys

Dunque, una nuova terraformazione fatta di dati senzienti e algoritmi di apprendimento è all’orizzonte. Questo nuovo viaggio della civilizzazione umana sulla Terra potrebbe riservarci, allora, non poche occasioni di meraviglia e stupore. Potremo scoprire che ci sono molti mondi dentro il nostro mondo e immaginare sorprendenti esperienze e benefici sostenibili e collettivi per città e comunità. 

The Data Sensorium

Di fatto, sta nascendo un nuovo sensorium fatto di/dai dati (data as a new sensorium), una nuova capacità di sentire del/il mondo (e l’economia e il business) attraverso le operazioni di misurazione e quantificazione. Anche la città è sempre più una sensing city, una volumetria senziente e morfante. E noi citizen sensors, quasi fossimo la “pelle della città” (Bratton). Costruire, allora, una cultura condivisa consapevole della centralità strategica presente e prossima del dato diventa un’operazione tanto cruciale quanto difficile per molti versi. Perchè acquisire il senso dei/per i dati (data sense) implica il domesticarsi tecnicamente con competenze di scienza e ingegneria in continuo divenire. Dal dato “reale” anonimizzato (e da come si costruisce ad es. una data anonymization pipeline) al dato “sintetico” simulato (attraverso una trusted data synthesis), crescono le tecnicalità necessarie a imprese e manager per valorizzare strategicamente la dimensione della quantificazione di architetture, applicazioni, mercati. Un data-driven urbanism sempre più orientato nelle prospettive della sostenibilità. E tuttavia, l’ingegneria non è sufficiente: abbiamo bisogno anche di più pensiero filosofico.

Industry pundits have extended this further to the need for data philosophers. This is an important milestone because all science should be, and has been historically, challenged and backed up by in-depth context from a supporting philosophy. Phil has been referred to by a number of people as a ‘data philosopher’, which he took as a compliment, but also struggled to accept having always seen himself as a data engineer. He has specialised in landscaping, discovery, capture, ingest, storage and processing of data in his work as a programmer… He is definitely not a data scientist …He decided he was glad to take on the ‘why’ of data work, under the title of data philosopher. It is down to the data philosophers to tackle questions such as, but not exclusive to: 1. Why is data important? 2. What is data doing to the human race? 3. What is next for data? 4. What are the ethical implications of data as a new resource? 5. How will data used through AI impact humanity?”


Data. A guide to Humans, Harvey & Martinez

Le competenze tecniche devono arricchirsi dello sguardo filosofico, dunque, per far crescere una consapevolezza più speculativa e sistemica sulla rivoluzione del dato. Non solo ragionando di sensibilità etiche post-antropocentriche (il perché), ma anche valutando le assunzioni filosofiche e le implicazioni teoretiche del conoscere il mondo (il cosa e il come) attraverso la machine experience.

Interaction of AI and Society
From Coding to Learning

Dal solipsismo informazionale della macchina di Turing all’apprendimento profondo delle reti neurali artificiali, sempre più la computazione è e si fa esperienza del mondo. Un cammino dell’intelligenza artificiale che arriva oggi ad uno snodo e ad un cambio epocale per intensità profusa e impatto atteso. Ora sempre più sono i dati del mondo che scrivono il codice che interpreta e agisce il mondo. Operazionalmente, parliamo di trasformazione dei dati in uno spazio geometrico vettorializzato, di ottimizzazione della ricerca delle funzioni di fitting, di aggiustamento dei pesi e delle deviazioni per retropropagazione dell’errore e di molto altro. Ma l’apprendimento macchinico nelle sue varie forme (e tra queste l’apprendimento profondo e stratificato delle artificial neural network) rappresenta qualcosa di più che mera tecnicalità. Piuttosto è un’iniezione automatizzata di agency e prediction nel mondo senza pari. Siamo oltre l’automazione decisionale del real-time, siamo nel near-time. Finora ci siamo preoccupati soprattutto di contrastare il sovraccarico informativo del presente (info overload), ma nei prossimi anni si lavorerà più direttamente per ridurre l’incertezza informativa del futuro (world uncertainty).  La medialità “raccomandativa” di libri e film, la manutenzione “preventiva” nelle catene di montaggio, la medicina “preventiva” per la cura dei pazienti, la sicurezza “adescativa” a contrasto degli attacchi informatici, la mobilità “allertativa” nei trasporti sono esempi di questo nuovo mondo dato-centrico e algo-centrico. Proprio a causa delle sfide cognitive e operative che sollecita il machine learning è stato definito filosoficamente uno shock epistemico.

“ML and modern AI models are simultaneously agents for epistemology and, increasingly, ontology; that is to say, they are a way of knowing as well as of being in the world. They are part of a discourse as much as they are a mode of action, and they are a description of the world and its social composition as much as a prescription of what it ought to be. In turn, the study of machine learning must be aware of this epistemological/ontological tension and be willing to carefully navigate itFrom what we have seen so far it is clear that machine learning both represents and intervenes”


The Cultural Life of Machine Learning, Roberge e Castelle

Al di là dell’hype del momento e delle molte criticità native ancora irrisolte, queste nuove capacità di analisi e di intervento dell’intelligenza artificiale nel mondo sono invocate oggi sempre più anche per supportare gli obiettivi dello sviluppo sostenibile (SDGs) sul nostro pianeta e anche delle nostre città. Algoritmica e urbanistica sempre più intrecciate, dunque: se noi siamo cittadini-sensori-pelle della città, quest’ultima è la macchina computazionale chiamata a valorizzare a beneficio collettivo dati e informazione. Reimmaginare la polis come computing, potremmo sintetizzare.

Data for Life, AI for Earth

Non solo i dati di misurazione e gli algoritmi di apprendimento sono rilevanti per poter immaginare uno sviluppo sostenibile e soluzioni eque ai molti problemi ambientali e sociali, ma sono anche sempre più proprio lo strumento con cui oggi è possibile concettualizzare e vedere lo stato di sofferenza del pianeta e delle sue forme di vita. Ad esempio, l’individuazione della questione “climate change” è il risultato della computazione planetaria delle tecnologie di data sensing e mining come ha scritto il filosofo Benjamin Bratton:

“If asked in isolation, the question of how planetary-scale computation can contribute to conceptual shifts and applied interventions in and against climate change fails to see that “climate change” itself, as an idea, is an epistemological accomplishment of planetary-scale computation. In its embryonic form, this accidental megastructure was used for global weather modeling; in its mature form, it has been employed in and as Earth Science. The notion of “climate change” is an empirically validated pattern drawn from a comprehensive, planetary-scale biopolitical sensing, surveillance, modeling, and calculating apparatus. That most artificial of innovations, The Stack, is what has made this most significant artificial abstraction — climate change — into a legible and communicable concept. infrastructural-scale technical cognition that allows us to conceive the world in a more direct but counter-intuitive way is not only a means to mitigate climate change, it is how we know it’s happening at all”


The Terraforming, Bratton

E non è solo questione di sconvolgimenti climatici. Per fare un altro esempio, prendiamo l’attuale crisi sanitaria planetaria. Come ha scritto l’economista Gans, nel suo recentissimo The Pandemic Information Gap, se il covid-19 è una questione medica, la pandemia è una questione di informazioni e dati (mancanti). Vale a dire che il virus è sicuramente una criticità biologica e sanitaria, ma il fenomeno dell’epidemia è indubitabilmente connesso ad una deficienza nella nostra capacità di conoscere e contrastare in maniera puntuale con dati e informazioni in tempo reale mutazione e diffusione (cercando di bilanciare al meglio le esigenze di cura e quelle di riservatezza). Per questo, di conseguenza, non riusciamo con successo a vincere la virulenza.

Sempre più stiamo imparando che tecnosfera, biosfera e sociosfera sono in un rapporto complesso, mai semplicemente lineare o interamente deterministico. Così come dobbiamo anche aggiornare i nostri modelli e paradigmi culturali e mentali intorno a concetti quali “ecologia”, “tecnica”, “artificiale”, “ambiente”, “energia”, “risorse” come ha mostrato Holly Jean Buck, research fellow all’Institute of the Environment and Sustainability (UCLA), nel suo illuminante After Geoengineering. Climate Tragedy, Repair and Restoration. Di questa complessità è consapevole anche il neo Ministro della Transizione Ecologica Roberto Cingolani. Nell’aprire i lavori della recente Conferenza preparatoria della Strategia Nazionale per lo Sviluppo Sostenibile (SNSvS, 3 e 4 marzo 2021) il Ministro ha offerto un’approfondita riflessione sul concetto di transizione ecologica (o ecotransizione) e sulle nuove sfide molto complesse che il Ministero dovrà affrontare. Il digitale come soluzione, ma -avverte il Ministro- non a costo zero. L’urbanizzazione è sicuramente una grande opportunità per molte società -dice Cingolani- ma nello stesso è un generatore di problemi che va controllato.

“Pensate al digitale, la digitalizzazione è una tecnologia fantastica se usata in modo intelligente ma anch’essa non è gratis energeticamente: si stima produca circa il 4% della CO2 totale, gli aerei fanno il 2%, il trasporto leggero fa l’8%, quindi il digitale ha un peso specifico consistente … Il digitale non merita più attenzione di altri settori ma è considerato una specie di soluzione al problema e sappiamo che non esistono soluzioni a costo zero…Dobbiamo cominciare a guardare al futuro con un’ottica diversa che è quella della prevenzione, serve l’analisi del rischio di tutto quello che facciamo. In vista del Recovery Plan, mi viene in mente quanto sia importante oggi poter osservare il territorio mettere insieme satelliti, droni, i sensori che sono a terra, riuscire a fondere i dati, metterli in un cloud sicuro, analizzarli con l’intelligenza artificiale e riuscire così a monitorare le coste, le aree di verde, le discariche, le perdite dagli acquedotti o dalle condutture, la resistenza delle infrastrutture strade e ponti


Ministero della Transizione Ecologica, Cingolani, apertura Conferenza preparatoria, SNSvS

Certamente, molteplici sono i benefici attesi dall’impiego dell’intelligenza artificiale per la salute del pianeta e dei suoi abitanti umani, animali e vegetali. Parlando di ambiente e sostenibilità si possono già individuare contesti e casi d’uso.

This is just a tiny sampling of what artificial intelligence is now doing to advance environmental sustainability. Machine learning algorithms are enhancing the predictive accuracy of climate, biodiversity, and drought models. Deep learning techniques within the field of machine learning are refining early warning systems for disease outbreaks, water contamination, and incoming storms. Robots with computer vision are recycling plastics and filming deep ocean life. Smart appliances are saving energy, smart tractors are spraying pesticides with pinpoint accuracy, and intelligent automation is increasing the efficiency of assembly lines. AI-powered platforms are monitoring soil nutrients, moisture, and erosion rates to increase crop yields and water efficiency


AI in the Wild, Dauvergne


Così come si possono valorizzare data for (city) life particolarmente rilevanti ora che le due forze trasformatrici della pandemia e della tecnologia spingono a ripensare un ‘sustainable urbanism’, a progettare le innovative ‘circular cities’ e le ‘eco-towns’ del futuro anche in forma di urban experimentation e simulation. In questa prospettiva e nell’ultimo cinquennio anche su spinta del Parlamento Europeo, il paradigma delle smart cities (dove smart è traducibile con tecnologie digitali di rete cioè di nuovo dati, algoritmi e protocolli) è stato chiamato a farsi veicolo delle sostenibilità urbane e delle loro crescite economiche. Il tutto con l’obiettivo di efficientare le infrastrutture di servizio ai cittadini, contenere e rinnovare i consumi energetici e le risorse, sostenere stili di vita consapevoli oltre che la qualità ambientale degli spazi urbani per arrivare quanto prima all’after-zero society.

Tuttavia, come anticipavamo, queste potenzialità non si dispiegano in automatico senza governance nè modellano esclusivamente effetti positivi e di miglioramento delle condizioni di sviluppo ambientali, economiche e sociali. Di questo dobbiamo essere consapevoli andando oltre le facili semplificazioni di una vulgata propaganda, poco attenta, poco capace e poco interessata a entrare nella complessità vera delle sfide planetarie in corso. E anche oltre le strategie comunicative di greenwashing, l’ecologismo di facciata e i finti richiami all’eticità del business (“funzione anestetica dell’etica”).

Good Enabler and Inhibitor

Nella prospettiva di un’attenzione alla complessità, un’analisi recente pubblicata su Nature Communications ha mappato in dettaglio il ruolo dell’intelligenza artificiale nel perseguimento degli obiettivi dello sviluppo sostenibile delle Nazioni Unite. Le conclusioni degli esperti a cui arriva l’indagine indicano chiaramente che l’impatto potenziale dell’AI è duplice: può essere sia abilitatore che inibitore. In alcuni casi e contesti funziona effettivamente da sostegno e acceleratore degli obiettivi di equità, inclusione, sostenibilità, crescita mitigando inefficienze e sprechi. In altri ambiti ed esperienze, questa capacità migliorativa è meno accentuata o assente e anzi talvolta trasformata nel suo opposto aggravando disuguaglianze e discriminazioni. Interessante è soprattutto guardare allo spaccato per le tre macro-aree dei 17 SDGs (società, ambiente, economia) individuando i settori in cui è maggiore l’impatto positivo dell’AI e quelli dove è minore o peggiorativo.    

Summary of positive and negative impact of AI on the various SDGs

Lo studio si conclude con un ammonimento e un invito a valorizzare le potenzialità dell’intelligenza artificiale guidando con il giusto orientamento il dispiegarsi di dati e algoritmi nella società e nell’economia.

“We are at a critical turning point for the future of AI. A global and science-driven debate to develop shared principles and legislation among nations and cultures is necessary to shape a future in which AI positively contributes to the achievement of all the SDGs. The current choices to develop a sustainable-development-friendly AI by 2030 have the potential to unlock benefits that could go far-beyond the SDGs within our century. All actors in all nations should be represented in this dialogue, to ensure that no one is left behind. On the other hand, postponing or not having such a conversation could result in an unequal and unsustainable AI-fueled future”


The role of artificial intelligence in achieving the Sustainable Development Goals, Vinuesa, Azizpour, Leite et al.

Abbiamo iniziato parlando di nuova terraformazione, di un nuovo modo di abitare il pianeta Terra costruito attraverso dati e algoritmi (e l’intera tecnosfera fatta di codice software, protocolli di comunicazione e interazione, di macchine e piattaforme e cosi via). L’orizzonte a cui guardiamo non può essere allora quello antropo-centrico o umano-centrico classico come si sente ancora dire. Un centrismo dell’umano che è tra le cause dello stato di rovina e rischio in cui siamo precipitati. Abbiamo bisogno di sguardi più ampi che tengano in conto e che diano voce ai bisogni delle varie ecologie che animano il mondo. Detto provocatoriamente, abbiamo bisogno di uno sguardo planeto-centrico, non umano-centrico. Se la computazione si immonda e si fa mondo tra nuvole (cloud computing), nebbie (fog computing) e nodi (edge computing), noi dobbiamo forzare i limiti del nostro pensare e del nostro immaginare. E forse, viste le imprese marziane con cui abbiamo cominciato questa narrazione, più radicalmente anche di una “cosmopolitica”.

Bibliografia

  • Bratton B.H. (2020), The Terraforming, Strelka Press.
  • Buck H.J. (2019), After Geoengineering: Climate Tragedy, Repair, and Restoration, Verso.
  • Dauvergne P. (2020), AI in the Wild. Sustainability in the Age of Artificial Intelligence, MIT Press.
  • Gabrys J. (2016), Program Earth. Environmental Sensing Technology and the Making of a Computational Planet, Minnesota University Press.
  • Harvey P., Martinez N.J. (2021), Data. A guide to Humans, Unbound.
  • Gans J. (2020), The Pandemic Information Gap. The Brutal Economics of Covid-19, MIT Press.
  • Meagher S.M., Noll S., Biehl J.S. (2019), The Routledge Handbook of Philosophy of the City, Routledge.
  • Ministero della Transizione Ecologica (2021), Cingolani, Apertura Conferenza Preparatoria, SNSvS, comunicato stampa).
  • Nagenborg M., StoneT., González Woge M., Vermaas P.E. eds. (2021), Technology and the City. Towards a Philosophy of Urban Technologies, Springer.
  • Roberge J., Castelle M., eds. (2021), The Cultural Life of Machine Learning: An Incursion into Critical AI Studies, Palgrave MacMillan.
  • Vinuesa, R., Azizpour, H., Leite, I. et al., The role of artificial intelligence in achieving the Sustainable Development Goals, Nat Commun 11, 233 (2020).
  • Williams J. (2021), Circular Cities. A Revolution in Urban Sustainability, Routledge. 

Immagini

Vinuesa, R., Azizpour, H., Leite, I. et al. The role of artificial intelligence in achieving the Sustainable Development Goals. Nat Commun 11, 233 (2020)
Figure 1
Figure 5