Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

LO SCENARIO

Ri-costruire il lavoro nell’era dei robot: la via per salvare l’intelligenza umana

L’accelerazione tecnologica sta facendo saltare i parametri del lavoro così come lo conosciamo oggi. Serve puntare su una augmented collaborative workforce in grado di dispiegare la potenza della AI scongiurando il rischio di arretramento dell’intelligenza umana. Ma la strada è lunga e piena di ostacoli

10 Mag 2019

Mauro Lombardi

Scienze per l’Economia e l’Impresa, Università di Firenze


Il futuro del lavoro è un tema sempre più all’ordine del giorno. Non si contano gli studi con previsioni quantitative e qualitative, visioni utopiche e distopiche che alimentano disorientamento, senso di incertezza e frustrazione sulla sopravvivenza della forza lavoro nell’era dell’Intelligenza artificiale.

Dal noto saggio di Frey e Osborne (2013) alla recentissima (e critica) analisi della RSA (Marzo 2019),  non ha certo giovato alla chiarezza e al rigore l’enfatizzazione degli ultimi sviluppi tecnico-scientifici ad opera degli autori (il che è comprensibile) e della stampa specializzata, che non di rado ha funzionato da amplificatore di novità spesso ritenute disruptive.

Non desta meraviglia, quindi, che in uno spazio connettivo globale, dove le fonti dei flussi informativi si moltiplicano a ritmi esponenziali, si diffondano rapidamente il disorientamento, il senso di incertezza e frustrazione mediante feedback cumulativi tra individui e collettività. Se a tutto questo si aggiunge la turbolenza geo-politica mondiale, generata dal passaggio da un mondo bipolare (competizione USA-URSS) a uno multipolare, con Russia, Cina, Corea, Giappone, India e altri Paesi molto popolosi, si comprende come la dinamica tecno-economica e l’evoluzione del panorama geo-politico siano processi generatori di fattori incontrollabili.

In un sistema economico già globalizzato sul piano tecnico-scientifico, la creazione di reti produttive globali e circuiti economico-finanziari tendenti a sovrastare le sfere di azione del potere statuale ha creato un mondo nuovo senza apparenti coordinate stabili. Di qui derivano le difficoltà dei processi decisionali individuali e collettivi, per i quali i punti di riferimento strategico sono sempre meno attendibili, mentre la diffusa instabilità, connaturata alle fasi di transizione, offusca gli orizzonti e la scala delle azioni degli attori.

Risolvere problemi: il gap tra AI e mente umana

E’ proprio in un momento come quello attuale che diviene importante il richiamo ad uno dei fondamentali concetti elaborati da Herbert Simon, Premio Nobel per l’Economia e grande esponente dell’Intelligenza Artificiale (d’ora in poi IA) “di prima generazione”. Ci riferiamo in particolare al concetto di razionalità limitata, ovvero all’inevitabile divario tra le capacità umane di formulare e risolvere problemi, da un lato, e dall’altro l’ampiezza dei problemi posti dal contesto della decisione (Simon, 1957).

Tale gap non deve tradursi in paralisi decisionali, bensì al contrario spinta per una intensificazione dell’attività di ricerca ed elaborazione di informazioni, il che paradossalmente implica l’impiego di un (per così dire) maggiore input di razionalità, da sviluppare escogitando strategie conoscitive efficaci per ottenere elementi rilevanti per prendere decisioni (razionalità procedurale ed euristiche di ricerca nei termini di Simon).

Sono passati decenni dall’elaborazione di Simon e ovviamente gli sviluppi dell’IA e delle scienze cognitive, insieme all’enorme espansione delle neuroscienze, sono andati molto oltre alcune componenti del suo “model of man”. Non è gusto retro che spinge a ritenere ancora valide, specie nelle fasi di intensa trasformazione, le sue intuizioni sulla necessità di tentativi incessanti per colmare i divari che si susseguono tra i nostri modelli del mondo e i processi reali attraverso appropriati analisi e riflessioni.

Lavoro e “macchine pensanti”, ecco come cominciò

Affrontiamo allora in questa prospettiva il problema del futuro del lavoro. E’ da più di 60 anni che si discute di macchine che pensano (Walter, 1951) con ondate di entusiasmo seguite da periodi di disillusione. Si pensi ad esempio alla prima fioritura, dopo studi pionieristici negli anni ’60, delle reti neurali tra la fine del decennio e i primi anni ’80, quando viene pubblicato il volume di Rumelhart e McLelland (1986), innesco di sommovimento positivo a livello internazionale, a cui è poi seguita una certa disillusione, perché le iniziali reti a tre strati (input, hidden, output) erano costose dal punto di vista computazionale e invalicabili limiti fisici rendevano le performance ottenute significative, ma non comparabili con quelle umane.

Solo in seguito a progressi tecnico-scientifici in termini di potenza computazionale, realizzatisi alla fine degli anni ’80 e nel successivo decennio, negli anni 2000 si è avuta l”esplosione” del Deep Learning, reti con molti strati (fino a 1000 nel 2017), con miliardi di connessioni tra nodi. Le prestazioni hanno mostrato un salto enorme rispetto alle reti degli anni ’80 nel riconoscimento del linguaggio naturale scritto, del parlato e delle immagini. Parallelamente ai successi ottenuti su scala mondiale, come nel caso Watson, agente artificiale di IBM in grado di battere Lee Sedol, campione mondiale coreano di Go, antico gioco di strategia cinese, si sono ampliati a dismisura gli ambiti di applicazione dei nuovi sistemi di software.

E’ diventato evidente ai più, esperti e non, che l’IA sembra essere entrata nella sfera pressoché infinita delle funzioni cognitive, realizzando così una discontinuità significativa, nonostante qualche analista esprima ironici dubbi in proposito (Markoff, 2012). Si è dunque aperto un nuovo scenario per il mondo del lavoro, perché sembrano diventate attività sostituibili anche quelle funzioni che si sono sviluppate più tardi nell’evoluzione dell’umanità, cioè quelle frutto dei cambiamenti della morfologia cerebrale (si veda Mlodinov, 2016).

Il paradosso fisico-cibernetico

Sta però emergendo un notevole paradosso: proprio mentre l’umanità sta raggiungendo conquiste tecnico-scientifiche auspicate da secoli e gli strumenti a disposizione consentirebbero –almeno teoricamente – il superamento di problemi fondamentali per la sopravvivenza, si moltiplicano gli studi che delineano scenari foschi per il mondo del lavoro umano, quasi scatenando in modo distorto quella che il famoso antropologo francese Leroi-Gourhan (1977, Cap. XV) definiva “libertà immaginaria”. Quest’ultima è stata l’ingrediente basilare dell’evoluzione umana, grazie all’enorme capacità di espressione simbolica, che ha raggiunto il culmine pochi secoli or sono nell’invenzione della scrittura, la quale ha favorito e dinamizzato uno sviluppo equilibrato tra sfera fisica e mentale. Peccato che Leroi-Gourhan non sia qui con noi a riflettere ulteriormente su questi temi perché, se nell’ultimo capitolo del suo libro pone interrogativi sulla vera natura dell’uomo e sulla sua possibile evoluzione, sarebbero certamente interessanti le sue riflessioni sul fatto che gli sviluppi dell’IA sembrano implicare una rottura dell’equilibrio tra dimensione fisica e psichica dell’agire umano.

Perché mettiamo in evidenza un aspetto così rilevante? Cerchiamo di esplicitare il fondamento di questa affermazione con degli esempi. Grazie a dispositivi che elaborano informazioni dalla progettazione a livello atomico e molecolare di nuovi materiali al funzionamento di questi ultimi in motori di auto da corsa, i parametri relativi all’evoluzione delle performance affluisce entro pochi secondi da tutti i circuiti del mondo al centro di Ricerca, collocato in una remota area industriale, da cui poi originano flussi di feedback altrettanto veloci. Analogamente accade nel caso dei motori di aerei, delle turbine per centrali e così via: eventuali anomalie, individuate a distanza mediante dispositivi a realtà aumentata sono corrette da località remote simultaneamente su tutte quelle tipologie di prodotti.

Processi simili di rappresentazione dinamiche multi-scala (dal livello atomico alla scala globale) possono essere realizzati in qualsiasi attività umana. Siamo pertanto entrati in un universo fisico-cibernetico, dove le funzioni di progettazione, esecuzione e controllo tendono ad essere esercitate sempre meno da masse di umani, con effetti specifici imprevedibili, anche se è però possibile delineare tendenze generali: auto-organizzazione dei processi, polarizzazione cognitiva e di potere tra un numero ristretto di persone e reti globali che posseggono le “leve di controllo” strategico e un volume crescente di popolazione per la quale si amplia la divaricazione tra le conoscenze possedute e il potenziale tecnico-scientifico oggi disponibile per l’umanità.

Alla luce di queste considerazioni è fondato ipotizzare gli effetti del grande paradosso prima indicato: molte attività lavorative spariranno, come è già accaduto tante volte, altre saranno create e altre ancora inevitabilmente trasformate. Non è certo possibile individuare con precisione quali e in che misura, quindi concentrarsi su questi tentativi di calcolo può essere fuorviante da un punto di vista cognitivo e strategico.

Il nuovo lavoro: strategie per ripensarlo

L’attenzione dovrebbe essere invece concentrata su una questione di fondo, che ha risvolti operativi e di grande rilievo nel lungo periodo. Riprendendo gli spunti di riflessione di Leroi-Gourhan, possiamo arguire che nell’universo fisico-cibernetico apertosi dinanzi a noi è destinato a cambiare profondamente uno dei cardini dell’evoluzione umana, cioè il lavoro come attività progettuale e pratico-manipolativa, fondamento dell’identità personale e sociale.

E’ l’equilibrio dinamico psico-fisico degli esseri umani, realizzatosi faticosamente nel corso di migliaia di anni, ad essere messo in discussione. Non a caso nella vulgata corrente lavoro e realizzazione personale sono strettamente connessi nel bene e nel male. Si può sollevare un’obiezione immediata: non è certo un fenomeno nuovo il fatto che molte persone perdano il lavoro e siano insoddisfatte. Uno dei motori della tormentata transizione dall’era pre-industriale a quella industriale può essere infatti individuato nel “cambiamento culturale dell’idea di lavoro” (Schwartz et al. 2019) nel passaggio dal lavoro visto in termini di maestria artigianale, con una visione integrata della prestazione lavorativa dall’ideazione alla realizzazione dell’output finale, alla scomposizione del lavoro stesso in conseguenza di una nuova visione di quest’ultimo, ritenuto scomponibile in atomi tendenzialmente ripetibili (atomizzazione) e quindi un aggregato definito a priori di compiti (collezione di task) “meccanizzabili”.

Per contro, nell’odierno scenario di espansione della sfera immateriale che interagisce con processi fisici ed entità animate e non, l’essenza stessa del lavoro cambia profondamente: balza in primo piano la capacità di immaginazione, quindi di modellare le situazioni e i processi partendo dall’individuare e formalizzare i problemi, in modo che essi siano “trattabili” da dispositivi in grado di svolgere anche funzioni cognitive, oltre che le tradizionali attività meccanico-ripetitive di prestazioni atomizzate. L’intervento umano, quindi, richiede tutt’altri ingredienti: design thinking, problem finding, problems solving, collaborazioni a vari livelli e trasversali, in quanto non può esistere una conoscenza totale per la realizzazione di qualsiasi output, risultato di flussi informativi multi-dimensionali e globalizzati.

Ecco perché serve rovesciare la prospettiva

L’interazione collaborativa è la chiave di volta di una dinamica economico-produttiva che si espande senza apparenti limiti in un universo fisico-cibernetico che trasfigura completamente il rapporto tra gli esseri umani e tra l’uomo e la macchina. Uno dei punti cruciali è infatti la pervasività di circuiti di feedback, grazie a flussi e scambi di informazioni, generate da ogni entità, vivente o inanimata che sia. In uno scenario simile è chiaro che “ricostruire” il lavoro come un insieme compatto di competenze e sapere accumulato in modo irrevocabile non è realistico, né è di conseguenza ipotizzabile che l’identità personale possa ancorarsi ad un set ben definito ed univoco di compiti e funzioni.

Le basi cognitive del lavoro delle Rivoluzioni industriali del passato sono tendenzialmente erose da quella che a prima vista è l’intromissione di macchine in grado di svolgere funzioni cognitive quali la scoperta di regolarità in masse di dati, l’estrapolazione di tendenze e quindi il suggerimento di azioni da intraprendere per rimediare ad anomalie emergenti oppure necessità di nuovi orientamenti strategici.

L’orizzonte così delineato può apparire quello di una completa sostituzione dell’intervento umano, sollevato da lavori faticosi e alienanti, resi obsoleti da agenti artificiali che non si annoiano e sono dotati di capacità di information processing superiori a quelle umane. La percezione del rischio di perdere il lavoro e dell’incertezza sul proprio futuro non è certo ridimensionata né dalla diffusa esaltazione dei nuovi strumenti di IA, né dalla sistematica distorsione delle analisi e del modo di presentare i risultati.

Cerchiamo di chiarire questa affermazione: l’immaginario collettivo tende ad essere deformato da studi e previsioni che accentuano costantemente il termine intelligenza, mentre si lascia in una sorta di penombra indefinita il secondo termine, cioè artificiale, la cui etimologia rinvia a qualcosa prodotta dall’opera umana, di cui non può che risentire i limiti, dovuti ad un essere imperfetto per natura. Queste considerazioni non sono dirette a sminuire la potenza dell’IA, anche se dubbi su di essa sono espressi proprio da autorevoli esponenti del mondo dell’IA.

In realtà le riflessioni svolte sono dirette a porre l’attenzione sulla necessità che il lavoro sia ridefinito sulla base di un riorientamento generale del rapporto uomo-macchina a partire dallo sviluppo della consapevolezza individuale e collettiva che l’intelligenza incorporata nelle macchine è conoscenza umana e la sua dinamica dipende da decisioni umane in relazione a contesti evolutivi.

Si tratta di un rovesciamento di prospettiva che non dovrebbe in realtà essere tale, ma è così per gli effetti distorcenti che l’odierna dinamica tecnico-produttiva sta esercitando nelle società e nel mondo del lavoro. Se l’assunto di fondo è condiviso e diffuso, cioè che l’intelligenza artificiale è intelligenza umana oggettivata e arricchita da strumenti che consentono interazioni conoscitive senza sosta, il passaggio logico successivo non può che essere il seguente: il rapporto uomo-macchina deve essere visto non in termini di conflitto, bensì di collaborazione reciproca e di feedback ripetuti, capaci di generare creatività.

In altri termini, l’assunzione di fondo da cui partire è che esiste una complementarità tra intelligenza umana e artificiale, che si alimentano reciprocamente, ma sta agli umani decidere le direzioni, i meccanismi di incremento e variazione conoscitiva. Com’è possibile realizzare questo obiettivo apparentemente utopico, dato il prevalente scenario di rischio e incertezza di fondo per il futuro del lavoro?

La strada verso la augmented human intelligence

Le riflessioni iniziali potrebbero aiutare a definire una potenziale traiettoria vantaggiosa per entrambi, uomini e tecnologie. Il superamento dell’era basata sulla scomposizione del lavoro in compiti atomizzati e la diffusione delle nuove tecnologie devono indurre a “ricostruire il lavoro” (Evans-Greenwood et al., 2017) sulla base di tre direttrici: 1) Focalizzazione né sul prodotto (I rivoluzione industriale) né sul processo (II rivoluzione industriale), bensì sui problemi da risolvere. E’ necessario che si affermi la visione delle sequenze di fasi produttive come insiemi di problemi da risolvere, la cui soluzione dipende da processi di apprendimento distribuiti e incessanti. A tale fine le macchine adattabili, che apprendono, sono necessariamente complementari alle capacità umane, perché possono potenziare queste ultime nell’indagine di nuovi filoni di ricerca, nel formulare e verificare ipotesi, nel validare soluzioni alternative mediante la modellazione computazionale.

Per andare verso uno scenario di “augmented human intelligence” non bastano, però, le esortazioni. Occorre comprendere quali sono le peculiarità del pensiero umano e far leva su di esse, in modo che possano essere valorizzate le potenzialità di integrazione con le specificità dell’IA. Innanzitutto, una delle prerogative della nostra mente è quello di porsi interrogativi, cercare spiegazioni, tentare continuamente nuove strade, non accontentandosi mai della frontiera delle conoscenze raggiunta in un dato momento. Si tratta allora di sviluppare queste caratteristiche, in modo tale da farle interagire con l’information processing artificiale della miriade dei dispositivi esistenti attraverso strategie dirette ad ampliare queste capacità di intercettare flussi informativi di varia natura, focalizzandosi sui problemi da risolvere.

Le 5 tappe per ricostruire il lavoro

Per raggiungere queste finalità è importante, senza cadere nella trappola cognitiva dell’ottimismo versus pessimismo circa il futuro del lavoro sostituito da computer e robot post-umani, “ricostruire” il lavoro, per dirla con Evans-Greenwood et al. (2017), potenziando delle capacità umane a tutti i livelli dei processi formativi attraverso l’adozione di approcci teorici ed operativi di problem finding, problems solving, systems thinking.

Su questi temi esiste già un’evidenza teorica e pratica in ambito internazionale (si veda la rivista Tech Trends, Springer). Una serie di notevoli contributi da parte delle scienze cognitive, delle neuroscienze e delle teorie manageriali illustrano l’importanza – per il lavoro del futuro – di processi formativi incentrati sulle seguenti direttrici:

  1. Sviluppo di attitudini a rappresentare problemi complessi, estraendo gli elementi essenziali, per poi modellarli in modo dinamico, cercando di comprenderli attraverso l’analisi delle interdipendenze a varia scala.
  2. La modellazione come attività di rappresentazione concettuale richiede multidisciplinarità, interdisciplinarità e trans-disciplinarità, dal momento che pensare processi e prodotti significa intercettare molteplici flussi di informazioni e conoscenze che, in assenza di particolari mindset aperti e recettivi percepiscono solo “rumore” e non potenzialità.
  3. Far diventare congruenti diversi domini conoscitivi rendendo la conoscenza uno spazio combinatoriale, dove dai problemi individuati scaturisce la necessità di sperimentare facendo interagire saperi, tecnologie e conoscenze in contesti mutevoli, che generano incessantemente il gap computazionale al centro della riflessione di Simon. In tale quadro la capacità computazionale delle macchine deve interagire con l’intuizione e la tendenza umana all’esplorazione di nuovi ambiti di indagine. La nostra evoluzione è la dimostrazione lampante di ciò che ci distingue da altri esseri intelligenti che esistono in natura.
  4. Il perseguimento di interazioni tra discipline è alla base di processi creativi individuali e collettivi, che nella modellazione concettuale dei problemi sviluppano competenze innovative, metodi originali di risolvere problemi e la scoperta di nuovi problemi.
  5. Lo sviluppo del pensiero analitico nella validazione delle conoscenze acquisite ha come stadio preparatorio le capacità di visione e l’intuizione, mentre è seguito dalla sintesi finale, insieme alle verifiche operative. L’universo conoscitivo che genera processi e prodotti non può essere il frutto di un’intelligenza dicotomizzata, cioè IA versus intelligenza umana.

Siamo ancora lontani da macchine che abbiano “the essence of intelligence (LeCun, direttore del Centro di Ricerca Amazon sull’IA, citato da Bergstein (2017: 78) e che siano comunque in grado di sostituire gli umani in compiti non molto difficili, come è emerso durante il 2015 Defense Advanced Research Project Agency Robotics Challenges (citato in Pham et al., 2018).

La strada da percorrere potrebbe pertanto essere quella di “augmented collaborative workforce” (Pham et al., 2018). Intravedere la traiettoria non implica che si affermi necessariamente: grandi ostacoli possono essere costituiti dalla concentrazione di potere in oligopoli nell’universo fisico-digitale, dal prevalere di concezioni distorcenti, che influenzano la sfera subliminale degli umani, e dall’arretramento dell’intelligenza umana per scelte strategiche suicide quali l’impoverimento concettuale auto-perpetrato.

Un esempio di questo trend involutivo è dato dallo spazio che sta acquisendo l’idea che il coding sia il nuovo linguaggio da insegnare ai post-millennials. In altri termini si postula la necessità di insegnare a tutti il linguaggio dei computer, cioè la programmazione.

Si tratta di una evidente salto mortale all’indietro con scarsa preparazione fisica: dalle riflessioni svolte si deduce che non si deve dialogare con le macchine per pensare, bensì all’opposto bisogna sviluppare autonoma capacità di pensare per dialogare con esso.

Il vero problema è, quindi, il non arretramento dell’intelligenza umana e lo sviluppo di una strategia individuale e collettiva secondo le linee descritte. La posta in gioco è forse più alta della perdita del lavoro: la strada da percorrere consiste nell’accrescere la conoscenza e l’attitudine strategica degli umani.

Il potenziale tecnico-scientifico e produttivo potrebbe essere elevato ma larga parte della popolazione sarebbe in condizioni di povertà cognitiva e materiale. Tutto dipende dalle decisioni strategiche che noi umani sapremo prendere.

Riferimenti bibliografici

  1. Bergstein B., 2017, The Great AI Paradox, Technology Review, 15-12.
  2. Evans-Greenwood P, Lewis H., Guszcza J., 2017, Automation, artificial intelligence, and the essential role of humans, Deloitte Review, Issue 21, 127-145.
  3. Frey C.B., Osborne M.A, 2013, The Future of Employment: How Susceptible Are Jobs to Computerisation?, Oxford Martin School, WP.
  4. Leroi-Gourhan A., 1977, Il Gesto e la Parola. Einaudi.
  5. Markoff J., 2012, How Many Computers to Identify a Cat? 16,000, The New York Times, June 25.
  6. Mlodinov L., 2012, Subliminal. How Your Unconscious Mind Rules Your Behavior, Pantheon Books, New York.
  7. Pham G.C., Madhavan R., Righetti I.,Smart W.,Chatila R., 2018, The Impact of Robotics and Automation on Working Conditions and Employment, IEE Robotics & Automation Magazine, 125-128
  8. RSA (Royal Society for the encouragement of Arts, Manufactures and Commerce), 2019, The Four Futures of Work Coping with uncertainty in an age of radical technologies, London, January.
  9. Rumelhart D.E., McLelland J.L, 1987, Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 1: Foundations, The MIT Press
  10. Schwartz J., Hatfield S., Jones R., Anderson S., 2019, What is the future of work? Redefining work, workforces, and workplaces, Deloitte Insights
  11. Simon H.A., 1957, Models of man: social and rational; mathematical essays on rational human behavior in society setting, New York, Wiley.

@RIPRODUZIONE RISERVATA

Articolo 1 di 4