Giovanni Cardone
L’intelligenza artificiale può essere definita come la ricerca e l’applicazione a sistemi di elaborazione di quelle conoscenze che permettono alle macchine lo sviluppo di decisioni autonome. Secondo un’accezione strettamente informatica, l’intelligenza artificiale potrebbe essere classificata come la disciplina che racchiude le teorie e le tecniche pratiche per lo sviluppo di algoritmi che consentano alle macchine di mostrare attività intelligente, per lo più in specifici domini e ambiti applicativi. Sulla natura e sui compiti dell’intelligenza artificiale i pareri sono contrastanti. Alcuni la considerano una disciplina scientifica; altri una semplice area della ricerca tecnologica resa possibile dall’incontro tra discipline diverse come l’informatica, la psicologia, la logica e la linguistica. L’intelligenza artificiale può dividersi in due modalità: intelligenza artificiale forte e intelligenza artificiale debole. La prima vede l’intelligenza artificiale come il tentativo di riprodurre, tramite elaboratori elettronici, comportamenti non distinguibili da quelli umani, mentre la seconda come tentativo di fra fare ai computer cose che gli uomini sanno fare meglio. A partire dagli anni ‘40 del secolo scorso si assiste alla diffusione del termine cibernetica,inteso come lo studio sistematico dei processi riguardanti la comunicazione e il controllo negli esseri viventi e nelle macchine; l’idea di base consiste nello studio dei meccanismi di autoregolazione e comando presenti sia negli organismi naturali che in quelli artificiali dotati di capacità di retroazione, ovvero in grado di rispondere in modo adattativo alle sollecitazioni dell’ambiente modificando il proprio comportamento. Nel 1949 lo psicologo canadese Donald OldingHebb propose uno studio combinato di dati provenienti dalla fisiologia del sistema nervoso e dall’analisi sul comportamento umano,grazie al quale vennero analizzati nel dettaglio i collegamenti tra i neuroni artificiali ed i modelli complessi del cervello umano, dimostrando che una modifica delle forze di connessione fra i neuroni poteva dar luogo a processi di apprendimento. Nel 1951 il matematico e scienziato statunitense Marvin Lee Minsky realizzò il primo computer basato su reti neurali, in grado di simulare una rete di quaranta neuroni. I primi prototipi funzionanti di reti neurali, ovvero modelli informatici sviluppati per riprodurre il funzionamento dei neuroni biologici al fine di risolvere problemi legati all’intelligenza artificiale, sopraggiunsero verso la fine degli anni ’50. Tuttavia il concetto di macchina intelligente si riscontra già nel 1936 grazie all’ideazione, da parte del matematico e crittografo inglese Alan Turing, della cosiddetta macchina di Turing, ovvero un modello astratto di macchina in grado di eseguire algoritmi e dotata di unnastro potenzialmente infinito su cui poter leggere e scrivere simboli; il modello in esame rappresenta uno strumento teorico ampiamente utilizzato nella teoria della calcolabilità e nello studio della complessità degli algoritmi per comprendere i limiti del calcolo meccanico. Turing aveva pubblicato uno scritto nel 1950, intitolato Macchine calcolatrici e intelligenza, in cui si occupava della questione concernente le possibilità di pensare delle macchine. Per rispondere a tale questione Turing aveva ideato un apposito esperimento mentale, chiamato test di Turing, volto a chiarire che se un esperto, nel corso di una conversazione cieca; cioè in cui non vede il suo interlocutore, limitandosi a comunicare con lui tramite messaggi scritti, non riesce a sapere con certezza se sta comunicando con una persona o con una macchina, allora si può affermare che la macchina pensa. In altri termini Turing afferma che un computer o una macchina possono essere paragonabili a un essere umano, quanto a intelligenza, se gli esseri umani non possono distinguere le prestazioni del computer o della macchina da quelle dell’essere umano. Sono stati molti gli studiosi che hanno critica l’intelligenza artificiale sin dalla sua affermazione. John Searle riteneva che i computer, pur ragionando come menti, non sono delle menti, dal momento che sono provi di coscienza e intenzionalità. Lo studioso americano Hubert Dreyfus sostiene che l’intelligenza artificiale non coincide con quella umana, poiché quest’ultima è olistica e situazionale. Olistica in quanto si occupa di raccogliere delle parti all’interno del tutto; situazionale in quanto condizionata dalla nostra struttura corporea e dotata di senso comune. L’evento ufficiale che segna la nascita dell’intelligenza artificiale è il Dartmouth Summer Research Project on Artificial Intelligence, svoltosi nel 1956 presso il Dartmouth College, al quale parteciparono nomi noti nell’area dello studio dei sistemi intelligenti quali il matematico John McCarthy delDartmouth College, lo scienziato Marvin Lee Minsky della Harvard University, l’informatico Nathaniel Rochester di IBM Corporation, l’ingegnere Claude Elwood Shannon dei Bell Telephone Laboratories, con l’obiettivo di definire la disciplina dell’intelligenza artificiale e sviluppare alcuni progetti di ricerca per simulare l’intelligenza umana e con esso il lancio dei primi linguaggi di programmazione specifici per l’intelligenza artificiale. Il funzionamento dell’intelligenza artificiale si divide in quattro differenti livelli funzionali: comprensione, ragionamento, apprendimento e interazione. La comprensione riguarda la capacità di riconoscere testi, immagini e tabelle per poi andare ad estrapolarne delle informazioni. Col ragionamento mediante la logica, i sistemi riescono a collegare le molteplici informazioni raccolte. Nel caso dell’apprendimento si parla si parla di sistemi con funzionalità specifiche per l’analisi degli input di dati e per la loro corretta restituzione in output. Infine con l’interazione ci si riferisce alle modalità di funzionamento dell’intelligenza artificiale in relazione alla sua interazione con l’uomo. Le aziende interessate all’intelligenza artificiale stentano ancora a capire se e quanto può davvero essere utile in ambito aziendale. Le tre manifestazioni più diffuse dell’intelligenza artificiale sono il Machine Learning, il Computer Vision e il Robotic Process Automation. Il Machine Learning permette alle aziende di accedere ai dati e di organizzarli in maniera efficiente. Questo permette all’azienda di poter prendere con elevata certezza la decisione corretta in determinate situazioni e di poter sviluppare una relazione resistente con il cliente. Il Computer Vision, o visione artificiale, si occupa di studiare come i computer imitano la vista umana, lasciando poi all’uomo il compito di andare a interpretare le immagini digitali. Infine il Robotic Process Automation prevede l’automazione di processi ripetitivi migliorando l’efficienza operativa. Internet of Things (IoT) è un termine che venne coniato dal ricercatore Kevin Ashton per definire tutti gli oggetti che sono connessi ad internet. Difatti negli ultimi anni una riduzione dei costi dell’hardware ed una capacità di elaborazione dei dispositivi in costante crescita permettono ad un numero sempre maggiore di oggetti e luoghi della nostra quotidianità di essere connessi alla rete. Questi oggetti permettono lo scambio di dati ed informazioni avvicinando sempre di più il mondo virtuale a quello reale e viceversa. Possiamo dire che abbiano ottenuto un ruolo attivo nella nostra quotidianità e potremmo per questo definirli dotati di intelligenza. Molti esperti concordano ormai che questa innovazione otterrà sempre più rilevanza nel futuro prossimo, avremo quindi oggetti sempre più intelligenti ad un prezzo sempre più competitivo, che favoriranno una maggiore comunicazione ed un sempre più veloce accesso ad Internet, con una capacità di elaborazione dati sempre maggiore. Al giorno d’oggi già svariati miliardi di oggetti sono connessi utilizzando questa nuova tecnologia e secondo una ricerca condotta dal Global Agenda Council on the Future of Software and Society, per l’89% degli intervistati avremo mille miliardi di oggetti interconnessi entro il 2025. Nonostante ciò è molto difficile dare un riscontro pratico sull’impatto che hanno avuto nella vita quotidiana delle persone poiché quest’ultime molto spesso non sanno di avere un oggetto riconducibile all’Internet of Things, pur utilizzandolo magari quotidianamente. Possiamo però dire che questa nuova tecnologia si sta diffondendo sempre più rapidamente in ambiti sempre differenti e che le sue potenzialità sembrano attualmente infinite. Uno studio condotto a Cambridge, negli Stati Uniti, ha mostrato come l’applicazione di sensori sugli animali permetta di monitorare con accuratezza sia il loro comportamento sia il loro stato di salute. In particolare ha mostrato come applicando dei sensori sui capi di bestiame questi riescano a scambiarsi informazioni utilizzando la rete di telefonia cellulare e riescano a fornire dati sulla condizione degli animali in tempo reale indipendentemente dalla loro posizione geografica. All’interno delle città sappiamo che applicando un sensore ad un lampione questo non solo controlla il corretto funzionamento ma è in grado di rilevare la presenza di persone attivandosi al passaggio di esse. Allo stesso tempo è in grado di rilevare e trasmettere informazioni riguardo la temperatura e la qualità dell’aria. Possiamo definire l’Internet of Things come una nuova tecnologia che permette agli oggetti facenti parte del mondo circostante di essere connessi ad internet con l’obiettivo di controllare, monitorare e riportare informazioni che verranno utilizzate in futuro. Più aumenta il numero di oggetti ed apparati in grado di connettersi alla rete e più aumenteranno i dati che dovranno essere analizzati e maggiore sarà il numero di applicazioni da sviluppare. Tutti i paesi hanno sviluppato in questi ultimi anni programmi per permettere alla propria industria nazionale di affrontare quel grande cambiamento strutturale riconosciuto unanimemente come quarta rivoluzione industriale. Tutti condividono l’idea che questa sia una trasformazione di dimensioni globali, eppure ogni governo ha voluto sviluppare una propria strategia su base nazionale come se la dimensione nazionale, in un’economia aperta e competitiva, fosse ancora il riferimento ultimo dello sviluppo; come se nell’economia globale si potesse ancora definire la competitività come un confronto tra stati. Cosi a Industrie 4.0della Germania, si aggiunge la francese Industrie du Futur, l’Industria connectada spagnola, Catapult – High ValueManufacturingdel governo inglese, la Fabbrica intelligente italiana, Produktion 2030 svedese, senza cogliere che la stessa dimensione europea oggi sembra essere la scala minima per affrontare tale cambiamento strutturale. Questi programmi sono costruiti in isolamento da parte degli stati, anche se sono paralleli ed ancorati ad una dimensione nazionale per affrontare in termini competitivi e non cooperativi problemi che per loro natura hanno dimensione sovranazionale. In questo quadro, tuttavia, tutti condividono che le politiche pubbliche più incisive debbano riguardare educazione e ricerca, in particolare per sviluppare quegli aspetti creativi della produzione che sembrano fornire risposte ai bisogni individuali emergenti o ai grandi temi proposti a livello globale: egualmente tutti i piani pongono in evidenza la necessità di disegnare politiche per gestire la transizione verso i nuovi regimi tecnologici e, nel contempo, per affrontare i problemi sociali che un tale cambiamento impone. Poiché l’Europa è divisa in tanti stati, a volte gli impegni nelle attività di ricerca e sviluppo risultano duplicati, la mobilità del lavoro e gli scambi scientifici insufficienti e i mercati sono frazionati con i ritardi e i costi conseguenti. Questa situazione è molto dannosa nel nuovo contesto tecnologico, nel quale le priorità vanno da una parte all’unione delle risorse per la riduzione dei costi e dei rischi e dall’altra all’accrescimento della mobilità del lavoro e delle competenze allo scopo di assicurare una diffusione della tecnologia rapida e a basso costo. Questo scoglio strutturale si aggiunge al gap che l’Europa denuncia nei confronti degli Stati Uniti e Giappone nella messa in atto dei nuovi metodi per rafforzare le potenzialità delle attività scientifiche e tecnologiche e renderle più efficienti. Su questo punto i paesi europei sono abbastanza differenti tra loro. Quelli, la cui politica sulle attività scientifiche e tecnologiche ha fatto affidamento per lungo tempo soprattutto sulla gestione centralizzata di programmi rispondenti alle esigenze governative, incontrano adesso delle difficoltà strutturali nell’adattarsi ad una situazione in cui è necessario organizzare la diffusione della tecnologia in modo che vada a beneficio di tutte le imprese. Altri paesi, al contrario, hanno deciso di iniziare a praticare la cooperazione tra l’industria ed il settore pubblico per quanto concerne la ricerca, ed hanno messo in atto degli incentivi indiretti per le imprese. Per questi ultimi ora è più facile accentuare un simile tipo di esperienze. All’interno di questo contesto, le autorità pubbliche devono contribuire a una migliore armonia europea e aiutare i diretti interessati a comportarsi diversamente all’interno di ogni stato. È proprio la necessità di superare la divisione dell’Europa che può fornire agli stessi europei la presa di conoscenza della cooperazione nelle attività di ricerca e sviluppo. Col varo dei programmi europei intrapresi dalla Commissione Europea come Esprit o dai governi come Eureka, gli operatori nei diversi paesi, sia da parte pubblica che di parte industriale, cominciano ad apprendere cosa sia la ricerca cooperativa. Questo processo di apprendimento, che in Giappone è stato fortemente stimolato dallo stato attraverso i progetti nazionali nel corso degli anni Settanta, e che si è sviluppato in maniera più spontanea dell’industria americana agli inizi degli anni Ottanta, sta adesso iniziando a coinvolgere le imprese in Europa attraverso i programmi di collaborazione realizzati dai governi. Il paese-guida della quarta rivoluzione industriale è la Germania, che tramite Industrie 4.0, si pone come obiettivo di favorire ed implementare la digitalizzazione della manifattura attraverso progetti di trasferimento tecnologico e di innovazione ed ottenere quindi nei decenni successivi la leadership del mercato manifatturiero. L’industria 4.0 in Gran Bretagna è ancora in fase di definizione. La società di consulenza industriale BdoLlp ha collaborato nel 2016 con l’Institution of Mechanical Engineers per stilare un rapporto sull’Industry4.0 ed i risultati ottenuti non possono essere considerati soddisfacenti. Infatti solo una bassa percentuale degli operatori comprende in maniera chiara i processi relativi a Industria 4.0. Il governo francese, sotto la spinta del ministero dell’economia, ha realizzato nel 2013 il programma “Alleanza per l’Industria del Futuro” il cui obiettivo primario è quello di modernizzare e rendere più efficienti le fabbriche francesi, le quali diventano col passare degli anni sempre più obsolete. Studi recenti hanno però fatto notare che nella sua attuazione il progetto presenta alcuni ritardi e diverse lacune, in particolare nel settore della robotizzazione industriale. Anche l’Italia ha iniziato a prendere in seria considerazione il tema dell’Industria 4.0, seppur con un importante ritardo rispetto ai paesi dell’area OCSE. Il governo italiano nel febbraio 2016 ha dato il compito alla commissione di attività produttive,commercio e turismo della camera dei deputati di avviare un’indagine conoscitiva il cui obiettivo doveva essere “concorrere alla definizione di una strategia italiana di Industria 4.0”. Penso che la collaborazione tra arte e intelligenza artificiale si verifica quando gli artisti umani lavorano insieme sfruttando le rispettive capacità e competenze, per creare opere che sono più ricche e interessanti di quelle che potrebbero fare da soli. L’innovazione si verifica quando l’intelligenza artificiale e gli artisti umani si sfidano e si stimolano a vicenda, esplorando nuovi territori e generi artistici, che altrimenti sarebbero inaccessibili o impensabili. Va poi considerato che l’intelligenza artificiale può essere utilizzata per analizzare le opere d’arte esistenti e identificare i tratti che le rendono di successo. Certamente è un rapporto delicato e complesso. Da un lato, l’arte è una forma di libertà e di espressione che non dovrebbe essere censurata. Dall’altro lato, l’arte ha anche una responsabilità sociale e morale che non dovrebbe ignorare o violare. Ci sono dei limiti che non dovrebbero superare nella produzione artistica come ad esempio creare o diffondere opere che possano causare danno fisico, emotivo o finanziario agli utenti, ad altre persone o a gruppi di persone, sotto qualsiasi circostanza. Mentre la questione della proprietà intellettuale delle opere generate con l’intelligenza artificiale è ancora oggetto di dibattito e di incertezza giuridica. Per alcuni un’opera d’arte generata con l’intelligenza artificiale appartiene all’artista che ha utilizzato l’algoritmo, in quanto ha fornito il materiale, l’ispirazione e la supervisione del processo creativo. In questo caso, l’intelligenza artificiale sarebbe vista come uno strumento o un mezzo di espressione, analogo ad altri mezzi come la fotografia o il video. Per altri appartiene all’algoritmo stesso, in quanto ha prodotto un’opera originale e innovativa, senza la diretta influenza o il controllo dell’artista. In questo caso, l’intelligenza artificiale sarebbe vista come un soggetto o un autore, capace di generare arte autonomamente o casualmente. Infine, altri potrebbero ancora sostenere che non appartenga a nessuno, in quanto non è vera arte, ma solo una simulazione o una copia di opere esistenti. In questo caso, l’intelligenza artificiale sarebbe vista come una minaccia o una sfida, che mette in discussione il concetto stesso di arte e di creatività. Nel contempo come una sfida e un’opportunità. Ci sarà sicuramente una competizione, perché l’intelligenza artificiale potrà creare opere che saranno sempre più sofisticate e sorprendenti, e che potranno mettere in difficoltà o in crisi gli artisti umani. Ma ci sarà anche una cooperazione, perché l’intelligenza artificiale potrà offrire agli artisti umani degli strumenti e dei servizi che li aiuteranno a migliorare o a ottimizzare le loro opere o a creare nuove forme di arte che altrimenti sarebbero impossibili o impensabili. L’arte e l’intelligenza artificiale potranno quindi essere viste come due forze che si contrappongono e si integrano, e che insieme potranno portare a nuovi livelli di espressione e di innovazione artistica ibrida, da questo in momento poi penso che ci dobbiamo porre delle domande : Io penso che per trattare del rapporto tra arte e intelligenza artificiale è forse più utile concentrarsi, piuttosto che su alcune visioni un po’ mitiche di robot come grandi artisti che soppianteranno l’essere umano – che pure toccheremo di sfuggita più avanti – sul rapporto concreto che è già in atto tra l’uomo e questa nuova tecnologia. Un rapporto che sta cambiando in modo quasi impercettibile, attraverso tante piccole trasformazioni, la nostra quotidianità. È su questi piccoli e continui mutamenti che la AI art ci aiuta a riflettere, ed è questa una delle ragioni della sua importanza. Che cos’è allora l’arte prodotta con, o da, intelligenza artificiale? Come si può intuire, in questa doppia preposizione c’è in gioco già molto: questo tipo di arte è fatta dall’intelligenza artificiale, o quest’ultima è semplicemente un mezzo, uno strumento? Come vedremo, una risposta definitiva a questa domanda probabilmente non c’è. È giusto però dissipare sin dall’inizio un po’ di confusione: l’arte fatta con l’intelligenza artificiale non è semplicemen te la digital art. Disegnando con l’iPad, o usando Photoshop, non si fa AI. Perché si dia arte prodotta con l’intelligenza artificiale deve entrare in gioco, appunto, l’intelligenza artificiale, che è qualche cosa che è capace, almeno parzialmente, di un’elaborazione auto noma dei dati. Questo vuol dire che l’artista propone dei dati alla macchina, allenandola a riconoscerli (si spiegherà meglio tra breve in che senso). Una volta fatto questo, però, l’artefice umano deve aspettare, per vedere cosa l’intelligenza artificiale farà dei dati proposti. Su questa fase non c’è controllo. È questo un aspetto su cui occorrerà tornare, ma è bene tenerlo a mente sin dall’inizio. Per spiegare che cosa è l’arte prodotta con l’intelligenza artificiale occorre dunque provare a chiarire che cosa sia l’intelligenza artificiale stessa e – domanda a mio parere ancora più importante – in che modo intervenga oggi nelle nostre vite. Ci sono alcune modalità di presenza della IA più vistose e ”magniloquenti” – come la vittoria di un computer sul campione mondiale dell’antico gioco da tavolo cinese Go nel 2013, le macchine che si guidano “da sole” e, purtroppo, le armi comandate dalla AI – ma c’è anche l’intelligenza artificiale che è presente nella nostra vita di tutti i giorni: Google Maps, i vari assistenti vocali presenti sul telefonino e quelli domestici, i traduttori online. Del resto, l’intelligenza artificiale consiste al momento attuale principalmente nella capacità di svolgere dei compiti precisi. Il sogno della AGI, l’intelligenza artificiale generale, in grado di ragionare e sentire in modo simile all’uomo, è ancora lontano dal realizzarsi. Questa situazione viene data per scontata in molte definizioni correnti della AI. L’English Oxford Living Dictionary, per esempio, definisce la AI come «la teoria e lo sviluppo di sistemi informatici in grado di svolgere compiti che normalmente richiedono l’intelligenza umana, come la percezione visiva, il riconoscimento vocale, il processo decisionale e la traduzione da una lingua all’altra». Per rappresentare questa presenza della AI nella nostra quotidianità l’artista Mario Klingemann ha creato un’opera intitolata Mitosis . Si tratta di un video di circa due minuti in cui un insieme di volti generati dalla AI si scompongono e ricompongono con grandissima lentezza, in modo quasi impercettibile. Questo rappresenta per l’artista il cambiamento continuo e quasi nascosto che la AI sta portando nella nostra esistenza, ma anche le grandi sfide, le speranze, le paure che esso suscita in noi. Il dibattito sull’arte prodotta con l’intelligenza artificiale è esploso nell’ottobre del 2018, quando alla famosa casa d’aste Christie’s è stato venduto un quadro intitolato Le Comte de Bel Amy, per opera di un gruppo di artisti francesi, Obvious. Questo episodio ha fatto molto discutere non tanto per l’opera d’arte in sé, quanto perché quest’ultima è stata presentata come creazione di un’intelligenza artificiale. A questo si riferisce provocatoriamente la firma in basso a destra nel quadro, costituita non da un nome di persona ma da una formula matematica, una parte dell’algoritmo con cui il quadro è stato prodotto. Le reazioni del pubblico in questa occasione sono particolarmente interessanti da considerare. Esse rispecchiano infatti, per molti aspetti, quelle che si riscontrano spesso quando si tengono conferenze sulla AI art, sia di fronte a un pubblico universitario sia di fronte a una platea di non-specialisti. Si tratta, quasi sempre, di reazioni molto appassionate, per lo più negative, a riprova di come il tema tocchi dei “punti caldi” del nostro contesto culturale e sociale. Un’obiezione piuttosto frequente è quella secondo cui la macchina non può essere la vera creatrice dell’opera, perché non ha sentimenti, è fredda: la vera opera d’arte è opera umana. Declinazione più filosofica di questo tipo di reazione è: la macchina non ha corpo, quindi non può produrre arte. Un altro tipo di obiezione guarda invece al futuro e paventa che, se si affermerà questo tipo di arte, l’arte umana scomparirà. C’è anche una variante positiva di questa prospettiva deterministica, secondo cui la AI art sarà “l’arte del futuro”. Infine, una critica piuttosto diffusa – che vedremo non essere sostenibile, non appena si comprenda come queste opere sono effettivamente prodotte – è quella secondo cui in questo tipo di arte l’artista umano non fa nulla: “fa tutto la macchina”. La vendita del Comte de Bel Amy poneva poi anche un problema più concreto, riguardante i diritti d’autore. Di chi è, infatti, l’opera prodotta con l’intelligenza artificiale, dell’artista umano o di chi ha ideato l’algoritmo? Nel caso del Comte de Bel Amy, l’algoritmo usato non apparteneva ai giovani membri di Obvious, ma a un ancora più giovane artista e studioso di informatica americano, Robby Barratt, che lo aveva reso disponibile online. Alcuni artisti che lavoravano già da qualche tempo con l’intelligenza artificiale, come Mario Klingemann o Anna Ridler, hanno trovato per questo inaccettabile l’operazione di Obvious, accusando i giovani francesi di essersi appropriati di un prodotto altrui a scopi commerciali, producendo peraltro un’opera priva di elaborazione artistica. In effetti, il Comte de Bel Amy non è un’opera particolarmente ricca di spunti dal punto di vista artistico. Si tratta più di un gesto, che fa segno alla possibilità di un modo di fare arte del tutto nuovo, e per certi aspetti (come si è visto) sconcertante. Qualche mese dopo il fatto si ripete: un’altra opera prodotta con l’intelligenza artificiale raggiunge il mercato ufficiale dell’arte. Nel marzo 2019 viene venduta da Sotheby’s Memo ries of Passersby, di Mario Klingemann . Su due schermi posti di fronte ai visitatori scorrono dei ritratti. Si tratta di volti che appaiono in un certo senso familiari, ma hanno anche qualcosa di strano, che non torna. Inoltre, non c’è modo di trattenerli, ma scorrono incessantemente, trasformandosi l’uno nell’altro. Si spiega così il riferimento al “passare”, presente nel titolo. Al filosofo vengono in mente le pagine di Walter Benjamin sui Passages di Parigi e sul passare come tratto tipico della modernità. In ogni caso, la presenza dell’artista umano si avverte chiaramente in quest’opera: a dispetto dell’obiezione secondo cui “fa tutto la macchina”, essa si fa chiaramente veicolo, se non di un messaggio, almeno di un certo tipo di esperienza, che spinge il pubblico a interrogarsi e a riflettere. Come è stato possibile produrre gli strani ritratti di Memories of Passersby, o quello del Comte de Belamy? Entrambe le opere sono state create con un tipo di AI chiamato GAN, Generative Adversarial Network. Si tratta di due intelligenze artificiali che lavorano insieme, o più precisamente, come si vedrà tra poco, una contro l’altra. L’aspetto decisivo è che esse sono in grado, una volta messe a contatto con una serie di dati di partenza – nel caso delle opere appena considerate, una serie di ritratti che vanno dal xvii al XIX secolo – di produrre delle nuove immagini, che risultano simili ma comunque mai uguali a quelle iniziali. Esse hanno quindi un potere, se non proprio creativo, sicuramente trasformativo. Vale la pena spiegare brevemente come funzionano le due intelligenze artificiali che en trano in gioco nei GAN. Si tratta, infatti, di due reti neurali profonde (deep neural networks: DNN). Queste ultime sono un tipo di intelligenza artificiale ideata già alla fine degli anni Ottanta, ma che inizia a diffondersi in modo rilevante soltanto in seguito, a partire dal 2010 circa, grazie a una serie di innovazioni tecnologiche che permettono di raggiungere risultati notevoli. Le DNN imitano, in qualche modo, la struttura del cervello umano, perché sono costituite da diversi strati di neuroni artificiali. L’informazione di partenza viene fatta passare attraverso i vari livelli ed elaborata in modo sempre più complesso a ogni passaggio. Alla fine, la rete neurale profonda produce una sua stima circa quello che il dato di partenza potesse essere. Per esempio, se l’input fosse stato un gatto, dopo un certo allenamento la stima potrebbe essere 90% gatto, 5% cane, 2% uccello e 3% topo. Questo tipo di intelligenza artificiale è oggi in grado di svolgere una serie di compiti molto utili, come quelli che l’English Oxford Living Dictionary cita nella sua definizione. Esso presenta però anche un problema, che è stato osservato più volte: è possibile vedere i dati di partenza e il risultato, ma non quello che succede nei livelli intermedi. Per questo le DNN sono state definite una «scatola nera (black box)». Proprio questo aspetto problematico, tuttavia, questo grado di imprevedibilità delle DNN, è quello che ha affascinato alcuni artisti. Non è un caso che la prima forma di arte prodotta con l’intelligenza artificiale, Deep Dream, nasce proprio come tentativo di entrare “dentro” alla scatola nera, nei “sogni” della macchina. Nel 2015 un ingegnere che lavora a Google, Alexander Mordvintsev, decide di chiedere alla rete neurale profonda di mostrare visivamente cosa “vede” nei dati di partenza, rendendo visibili le sue stime. Il risultato è uno strano animale, un gatto piuttosto mostruoso che contiene al proprio interno becchi di uccello, pezzettini di cane, musi di pesce palla e molti altri animali, racchiusi uno dentro l’altro. Questi primi tentativi (ripresi anche da un altro pioniere della AI art, Mike Tyka) suscitano un grande entusiasmo tra gli artisti interessati all’intelligenza artificiale, tanto che si parla, in questi ambienti, di una nuova avanguardia artistica. A lungo andare, però, Deep Dream non permette risultati abbastanza differenziati per soddisfare la volontà di sperimentazione degli artisti. Del resto, le reti neurali profonde non erano state create per produrre delle immagini, ma per riconoscerle. Occorreva passare, dunque, a un tipo di intelligenza artificiale in grado non solo di analizzare le immagini proposte, ma di produrne di nuove e diverse. È qui che entrano in gioco i GANs (generative adversarial networks). Essi vengono ideati nel 2014 da un giovane studioso di informatica, Ian Goodfellow, durante (leggenda vuole) una serata al pub con gli amici. “Goodfellow” è, non a caso, il corrispondente inglese di “Belamy”: il titolo dell’opera di Obvious è un omaggio all’inventore dei GANs. L’idea veramente innovativa del giovane informatico è quella di mettere insieme due reti neurali, che in qualche modo iniziano ad allenarsi a vicenda, giocando l’una contro l’altra. Goodfellow paragona il loro rapporto a quello di un poliziotto e un falsario. Una delle due reti, chiamata “discriminator”, è allenata su una serie di dati di partenza, e deve decidere se altre immagini che le vengono presentate successivamente corrispondono o meno a queste immagini iniziali: se sono “vere” o “false”. La seconda rete, chiamata “generator”, non ha accesso ai dati di partenza del discriminator, ma nonostante questo deve produrre immagini tanto simili a essi da indurre il discriminator in errore. L’aspetto importante è che, in questo modo, le due reti diventano in grado di allenarsi a vicenda. Diventano, quindi, molto più autonome rispetto sia ai dati di partenza, sia al programmatore e all’artista umano. Le immagini prodotte dai GANs sono quindi in parte imprevedibili, in grado di sor prendere l’artista. L’elemento del caso o della sorpresa non è certo una novità introdotta dalla AI art, ma è stato usato spesso nell’arte del Novecento. L’aspetto interessante è che esso – così come altre caratteristiche della AI art che richiamano l’arte del Novecento, come l’incompiutezza delle sue figure, o l’uso del non-senso – riemerge ora attraverso il rapporto con quella nuova realtà che è l’intelligenza artificiale. La sorpresa, nelle opere prodotte con i GANs, ha a che fare con il modo in cui l’intelligenza artificiale elabora i dati. Uno dei concetti più interessanti a questo proposito è quello di “spazio latente”. Quest’ultimo è la rappresentazione astratta di tutte le immagini che l’AI può generare. Muovendosi all’interno dello spazio latente, l’artista può trovare a ogni passo immagini diverse, alcune dotate di senso, altre del tutto insensate. In una zona, per esempio, potrà incontrare dei cani, in un’altra dei gatti. Se però l’artista si ferma al confine tra le due zone, il risultato sarà una creatura intermedia tra un cane e un gatto, oppure tra un gatto e un gufo, o tra un gufo e qualcos’altro . Sono queste immagini mai viste che interessano particolarmente gli artisti che lavorano con la AI. Esse, infatti, suggeriscono un’identità, ma spingono anche lo spettatore a interrogarsi sul suo modo abituale di vedere il mondo. Ovviamente i GANs non sono usati solo a questo scopo, anzi spesso vengono utilizzati per ottenere delle rappresentazioni estremamente realistiche, utili a fini pubblicitari o comun que commerciali. Si possono produrre dei visi che sembrano perfettamente reali, pur non essendolo, o paesaggi paradisiaci altrettanto credibili e altrettanto inventati. I GANs sono degli straordinari strumenti per creare quelli che oggi si chiamano “Deep Fake”. L’uso anti-realistico dei GANs diventa tuttavia, proprio per questa ragione, particolar mente interessante. Attraverso di essi, infatti, è possibile lavorare sui nostri cliché, mettendoli in questione e imparando a vedere i loro «spazi intermedi». Quello su cui i GANs permettono di lavorare è quindi il formarsi delle identità delle cose e delle immagini, e questo avviene attraverso il dialogo con l’intelligenza artificiale, con il modo in cui essa elabora la realtà. Le identità si formano, in questo tipo di arte, attraverso il dialogo tra l’uomo e la macchina. Vale la pena allora forse indagare più concretamente come questo dialogo possa avere luogo. Lo scambio tra artista umano e intelligenza artificiale è, come si cercherà di mostrare, uno degli aspetti più interessanti di questo tipo di arte. Esso richiede lo sforzo da parte dell’artista di ascoltare la “nuova lingua” della macchina, ovvero il suo nuovo modo di elaborare le informazioni. Una delle opere che può meglio mostrare questo processo è, a mio parere, Il crollo della casa degli Usher, dell’artista inglese Anna Ridler . Si tratta di un breve video, realizzato anch’esso con i GANs. Il punto di partenza del lavoro è, come dice il titolo, il famoso racconto di Edgar Allan Poe, o meglio una sua versione cinematografica, realizzata nel 1929 da James Sibley Watson e Melville Webber. Ridler disegna con inchiostro a china alcuni fotogrammi di questo film e usa i disegni come dati di partenza per il suo GAN. Questo è un elemento importante perché, in questo tipo di arte, la scelta dei dati iniziali è tutt’altro che indifferente. La AI, infatti, è in grado di trasformare le immagini da cui prende le mosse, ma esse costituiscono comunque il suo unico terreno di apprendimento. Pregiudizi, schemi o errori presenti nei dati di partenza si conservano e trasmettono anche nei risultati. Con la sua scelta Ridler vuole quindi riappropriarsi dei dati iniziali, creandoli lei stessa. Una volta allenato sui disegni dell’artista, il GAN produce dunque delle immagini simili a essi, ma anche caratterizzate, come sempre in questo processo, da una serie di errori e incongruenze. È questa la prima fase dell’opera. In una seconda fase, Ridler disegna a pro pria volta le immagini prodotte dal GAN. Fare questo è difficilissimo, proprio per le strane deformazioni e mancanze, dette “artefatti”, che caratterizzano le immagini prodotte dalla AI. Quello che rende così interessante l’opera di Ridler è che questa presenza degli artefatti si lega qui al tema della memoria, che è al centro del racconto di Poe. Nel Crollo della casa degli Usher, infatti, si racconta di un’antica e grande casa, che rappresenta la famiglia che la abita a tal punto da venire a identificarsi con essa. Questo tentativo di conservare la memoria familiare, tuttavia, non va a buon fine: gli abitanti della casa impazziscono e le mura iniziano a cedere, sino al crollo finale. Su questo si innesta la riflessione dell’artista, che mostra come ogni ricordare (dal racconto di Poe al film, da questo ai disegni e da questi ultimi alle immagini dei GAN e infine ai disegni di queste…) sia sempre un deformare e uno smarrire qualche cosa. Diversamente che nel racconto di Poe, però, il ricordare qui è anche un trovare: l’artista racconta di aver scoperto nuovi modi di disegnare, copiando le immagini del GAN, e di essersi resa conto per la prima volta di alcuni aspetti del suo modo di lavorare. Da dove deriva dunque la forte impressione che le immagini del Crollo della casa degli Usher esercitano sullo spettatore? La mia ipotesi è che l’elaborazione dei dati da parte dell’intelligenza artificiale ci appaia in qualche modo simile al nostro stesso sforzo di dare forma al mondo. Di fronte agli errori e alle deformazioni della AI, siamo riportati indietro al nostro stesso incontro percettivo con il reale. Questo non avviene solo nell’arte dei GANs, ma anche in quella che si avvale di altre forme di AI, a cui si cercherà di accennare. Prima vale la pena, tuttavia, andare ancora un po’ più a fondo nell’indagare questo rapporto tra AI e artista umano. C’è una domanda che torna incessantemente, quando ci si occupa dell’arte realizzata con l’intelligenza artificiale: chi è il creatore di questo tipo di opere, l’artista umano o la macchina? Le posizioni nei confronti di questo problema sono essenzialmente due. C’è chi sostiene che l’intelligenza artificiale sia soltanto un mezzo, come il pianoforte per il pianista, o il pennello per il pittore. È c’è chi afferma invece che la macchina sia il vero artista o creatore dell’opera. Un esempio della prima posizione si può trovare in Klingemann, che chiede: «Quando ascoltate qualcuno suonare il pianoforte, vi chiedereste mai se l’artista è il pianoforte?». Tra i sostenitori della AI come effettivamente creatrice e creativa c’è invece il filosofo della scienza A. I. Miller che, con un esempio altrettanto forte, fa presente che «il padre di Mozart gli ha insegnato a suonare, ma questo non ne fa il creatore delle musiche del figlio». Il rapido sguardo che si è dato sin qui a questo tipo di arte dovrebbe mostrare tuttavia come entrambe le posizioni, prese nel loro isolamento, non risultino sostenibili. Al momento attuale, infatti, l’intelligenza artificiale non è in grado di creare arte autonomamente né, se lo fosse, è detto che sentirebbe il bisogno o il desiderio di farlo. La cosiddetta “intelligenza artificiale generale”, come accennato, è ancora molto lontana dal realizzarsi. D’altra parte, anche l’affermazione secondo cui la AI non è che un nuovo strumento, al pari di un pianoforte o un pennello, è problematica. Nel concetto stesso di AI, infatti, è implicito, come si è visto, un certo grado di autonomia, ovvero una certa capacità di andare oltre i dati di partenza, elaborandoli e proponendo all’artista umano qualcosa di (almeno parzialmente) imprevisto e incontrollabile. Da questo punto di vista, l’AI è molto diversa da un pennello o da un pianoforte. Non è un caso che proprio Klingemann, che aveva sostenuto che l’AI fosse un semplice strumento, abbia iniziato di recente un esperimento che sembra contraddire questa posizione. Botto, ideato nel 2021, è un robot-artista – da questo punto di vista l’ultimo di una lunga progenie di automi pittori, da Aaron negli anni Settanta sino a Aida. Ma Botto è soprattutto un esperimento sul grado di autonomia che l’intelligenza artificiale può raggiungere nel processo creativo. Per comprendere in che senso, occorre spiegare brevemente il suo funzionamento. Nella prima fase del suo processo, Botto genera una frase casuale. Da questa, attraverso un sistema di AI che permette di convertire le parole in dati visivi, produce un grande numero di immagini e ne seleziona poi alcune, da proporre alla sua comunità. La comunità è essenziale nel funzionamento di Botto. Essa, infatti, vota le immagini “migliori” tra quelle che Botto le offre, e da questo Botto impara. Le preferenze della comunità rientrano cioè tra i criteri con cui Botto produrrà e selezionerà le proprie immagini nei giorni successivi. In questo modo, il processo riprende ogni volta da capo, e Botto è in grado di trasformare il proprio modo di generare immagini. Le immagini prodotte da Botto sono decisamente più brutte di quelle realizzate da Klingemann stesso. L’esperimento è però importante almeno per due motivi. Il primo è che ci mostra come operare con l’AI sia per gli artisti anche un tentativo di mettere in questione una volta di più il mito dell’artista come unico creatore. Non che il Novecento non l’abbia già fatto abbondantemente, ma, come dimostrano le reazioni sopra esaminate alla vendita del Comte de Belamy, il mito è duro a morire. Klingemann racconta di aver creato Botto proprio per evitare di vedere sempre soltanto se stesso nelle proprie creazioni. Botto, infatti, diventa capace di avere un rapporto con il suo pubblico, e le immagini che vengono votate dalla comunità – confessa l’artista – non sono quasi mai quelle che voterebbe lui stesso. Spesso sono quelle più pacificanti e banali. E qui si inserisce il secondo motivo di interesse di questo esperimento. Botto vuole essere, infatti, anche un tentativo di esplorare l’immaginario collettivo. Dalle sue creazioni emergono i desideri e i gusti della comunità. E come ci aveva mostrato già Walter Benjamin nei Passages di Parigi, non bisogna avere paura di esplorare i sogni della collettività, anche in tutto quello che hanno di kitsch e di scontato, perché è a partire da essi che si può lavorare al risveglio. In una recente intervista, Klingemann ha affermato che l’arte dei GAN è ormai «vintage». Definire in questo modo qualcosa che risale a quattro o cinque anni fa può suonare piuttosto buffo. Ma l’affermazione contiene anche, a mio parere, alcuni aspetti di verità. Essa mette in evidenza, infatti, due rischi a cui la cosiddetta “GANs art” può andare incontro. Il primo è che queste immagini diventino in qualche modo dei cliché, che perdano il loro potenziale critico per trasformarsi in una semplice moda. In effetti, si stanno diffondendo applicazioni che permettono di trasformare con grande facilità una propria fotografia in un’“opera d’arte” nello stile di questo o quel famoso pittore. La possibilità di produrre immagini “nello stile di” è del resto uno degli usi (e forse anche abusi) commerciali più diffusi dei GAN. Il secondo problema che la critica di Klingemann alla “GANs art” come ormai “vintage” pone riguarda il fatto che i GANs sono solo uno dei possibili tipi di intelligenza artificiale che può essere usata per fare arte. Per limitarsi soltanto al campo delle arti figurative, particolarmente al centro dell’attenzione in questo momento sono alcuni sistemi che permettono di tradurre il linguaggio in immagini, come Midjourney, DALL-E e più recentemente Stable Diffusion. È sufficiente, con questi tipi di AI, introdurre una parola o una frase, per produrre un’il lustrazione corrispondente. Spesso, inoltre, queste immagini sono estremamente piacevoli dal punto di vista della composizione e dei colori, tanto che si discute sulla possibilità che “rubino il mestiere” a designers e creativi. Come nel caso della “GANs art”, tuttavia, non è detto che questo timore sia giustificato. Cosa distingue, infatti, un’immagine artisticamente interessante prodotta con questi sistemi, da altre che sono semplicemente piacevoli? Per tentare una risposta, potrebbe valere la pena tornare alla questione, posta in precedenza, di come la AI possa tanto contribuire a mettere in questione gli schemi e i pregiudizi con cui vediamo il mondo, quanto semplicemente trasmetterli e consolidarli. Si consideri, a questo proposito, una delle immagini presenti sul sito di DALL-E, un astronauta che va a cavallo nello spazio. L’immagine è divertente e insolita, ma poco cambia del nostro modo di immaginare tanto gli astronauti, quanto i cavalli. Sul sito di DALL-E, del resto, la tendenza del sistema a riprodurre cliché e pregiudizi è espressamente riconosciuta, e segnalata come uno dei suoi possibili «rischi». Nell’interrogarsi su come è possibile usare questi sistemi in modo davvero creativo, Klingemann scrive su Twitter che forse il linguaggio è una gabbia troppo rigida per permettere all’artista di produrre qualcosa che vada oltre quello che è già conosciuto e consolidato. Un modo per evitare questo rischio potrebbe essere quello di proporre alla AI delle frasi che non riesca a interpretare, che la mettano in difficoltà, andando così a raggiungere – anche in questo caso – gli spazi latenti tra le identità già note. Alcune immagini che risultano da questi esperimenti, e che l’artista propone su Twitter, sono decisamente interessanti. C’è però un’altra immagine realizzata con questi sistemi con cui mi piacerebbe concludere. Si tratta dell’opera che ha vinto di recente un’importante premio di arte digitale, il Colorado State Fair. Il fatto ha sollevato diverse polemiche perché l’autore, Jason Allen, si è avvalso di una AI, e in particolare di Midjourney. In effetti, i giudici hanno dichiarato di non aver saputo, al momento della premiazione, che l’opera fosse prodotta con una AI. Hanno però aggiunto che se lo avessero saputo, l’avrebbero comunque scelta per il primo posto. In effetti, l’immagine ha decisamente “qualcosa in più” rispetto a quelle che si trovano aprendo semplicemente la «vetrina» di Midjourney. Raffigura un palcoscenico, su cui sta in piedi una figura di spalle, vestita di bianco, che osserva una grande sfera posta di fronte a lei. Dentro alla sfera, si intravedono i contorni di una città in lontananza. Accanto alla figura principale, ci sono due altre persone di spalle, vestite di rosso. Tutt’intorno, il teatro è caratterizzato da una strana architettura, densa di quelle incertezze di forme e di contorni che sono tipiche, come si è visto, del modo in cui la AI elabora l’informazione. A rischiarare alcuni punti una luce a tratti, come di alcune lampade, che accentua con il chiaroscuro il desiderio dello spettatore di esplorare questi spazi. Non ci sono cliché in questa immagine, ma il già noto (il palcoscenico del teatro) è fatto giocare con l’ignoto (la città dentro al globo, la strana architettura circostante), portando l’osservatore a interrogarsi. L’artista non ha voluto rivelare il “prompt”, ovvero la frase che ha usato per realizzare l’opera, affermando che essa è forse, in questo tipo di arte, l’unico elemento che il creatore ha di “davvero suo”. La frase è forse un po’ estrema (si è già visto trattando dei GANs come l’artista umano sia in verità tutt’altro che passivo), ma mostra come questi sistemi aprano a un nuovo legame tra immagine e parola e alla possibilità di lavorare in modo creativo con entrambe.
Qual è il discrimine tra un assemblaggio semplicemente inusuale o insensato di parole e un altro in grado, invece, di suscitare pensieri e ricerche? Questa è solo una delle molte domande che si pongono di fronte alle continue sorprese e sfide che il cambiamento impercettibile della AI ci sta riservando.
