In sintesi, un algoritmo è un computo statistico sofisticato.

Nella scia di Vespignani, approfondiamo ulteriormente, nella convinzione che – per una cittadinanza piena e riflessiva – sia utile, anzi necessario!, possedere in proposito un quadro concettuale emancipante, che vada oltre la mera definizione tecnica, in direzione etica e civile. Un algoritmo è

“una serie di istruzioni precise ed espressioni matematiche che usiamo per trovare associazioni, identificare tendenze, estrarre le leggi e le dinamiche alla base di fenomeni come il contagio, la diffusione di idee, o l’andamento dei mercati finanziari“.

L’autore fa l’esempio di Amazon, che suggerisce i prodotti sulla base delle abitudini rilevate, così come in Facebook un altro algoritmo ci indica i post da vedere e altri modi d’uso, in base agli apprezzamenti precedenti (like e condivisione). Gli algoritmi si fondano su modelli di apprendimento automatico, che impiega la statistica: rilevano nei dati similarità e ripetizioni, prevedendo – almeno in termini di alternative probabilistiche – i comportamenti futuri. La potenza di calcolo e di elaborazione dei dispositivi digitali coglie ciò che gli esseri umani non sono in grado di individuare e costruiscono così profilo psicometrici e psicodemografici.

Secondo Pariser è quindi necessario che tutti i cittadini acquiscano “un livello basilare di competenza in materia di algoritmi“, perché è loro diritto e loro dovere comprendere e valutare “i sistemi informatici che agiscono sulle strutture e sulle scelte pubbliche.

E quindi elenca i concetti fondamentali dei quali è necessario comprendere la gestione nelle procedure computazionali con fini decisionali, predittivi e persuasivi:

• variabili,
• iterazioni,
• memoria.

Oltre a questo, a scopo di trasparenza e sempre per Pariser, è necessario comprendere che “gli algoritmi della personalizzazione possono creare un circolo vizioso in cui quello che il codice sa di noi costruisce il nostro ambiente mediatico e il nostro ambiente mediatico condiziona le nostre preferenze future. Questo problema si può evitare, ma è necessario creare un algoritmo che includa la «falsificabilità», vale a dire capace di confutare l’idea che si è fatto di noi. (Se Amazon è convinto che ci piacciano i romanzi gialli, potrebbe presentarci altri generi letterari per capire se è veramente così)”.

Oltre all’affermazione del diritto alla spiegazione, ci aiutano sulla strada della consapevolezza  le risposte individuali, collettive e istitizionali alle domande indicate da T. Gillespie in “The Relevance of Alghoritms“:

In questa prospettiva, segnaliamo il manifesto “Five ways to ensure that models serve society “:

“La modellizzazione matematica e la quantificazione sono, in ultima analisi, attività sociali. Come tali, non possono essere svolte unicamente dai modellisti o dai tecnici, ma richiedono processi inclusivi in tutte le fasi – dallo sviluppo del modello alla comunicazione dei risultati, fino alla traduzione in policy”. (da Cinque modi per garantire che i modelli servano la società)

In calce, la distinzione tra Intelligenza artificiale debole e forte. La prima è concepitato come ausilio al pensiero e all’attività umana su loto aspetti e funzioni specifiche e settoriali ed è sempre più diffusa nei dispositivi digitali personali; la seconda è invece immiginata come sostitutiva o addirittura come dominante, perché con valenza ed estensione generali e tendenza all’autonomia e all’auto-incremento quantitativo e qualitativo.

Benanti parla poi di algoretica, contrapponibile a quello di algocrazia:

Se vogliamo dare alla macchina un certo grado indipendenza rispetto a un controllore umano, si apre la questione di come conciliare valori numerici con valori etici. Questo è il motivo per cui ho proposto di scrivere questo nuovo grande capitolo dell’etica, che si chiama algoretica. (…=) Possiamo intenderla come una sorta di guardrail etico, che tiene la macchina all’interno di una strada e per quanto possibile evita alcuni eventi infausti. (…) il guardrail rappresenta una soglia, che rende percorribili alcuni tratti di strada. C’è poi tutta un’altra questione, ed è una questione che riguarda come gestire questa soglia di attenzione etica per la macchina. È chiaro che qui si tratta di uscire da un modello di etica delle professioni (per cui basta l’ingegnere che è etico, e tutto il resto segue a cascata), e per uscire da questo modello secondo me è molto utile il lavoro di (…) Langdon Winner. In un paper degli anni Ottanta, per spiegare che cos’è l’etica delle tecnologie rispetto all’etica delle professioni, fece un esempio: se voi guardate i ponti in calcestruzzo che stanno sulla Parkway che porta da New York a Long Island, vedete dei ponti in calcestruzzo sull’autostrada; in realtà la questione etica lì si pone se noi andiamo a scavare un pochino nella storia di quei ponti, che sono stati voluti da Robert Moses, la cui biografia (…) racconta come Moses avesse delle idee sociali molto precise e quindi aveva chiesto – siccome la sua amata Jones Beach secondo lui doveva essere destinata solo alla white middle class – che i ponti venissero realizzati un piede e mezzo sotto misura, così gli autobus non sarebbero potuti arrivare alla spiaggia. Questo significa, concludeva Winner, che ogni artefatto tecnologico implica una relazione di potere, è un dispositivo di potere, di relazione tra le persone.

E aggiunge

(…) gli informatici tendono a sentirsi un po’ accusati di qualcosa di cui nessuno li accusa. L’algoritmo è un po’ come il farmaco che dà il medico: (…) deve avere il suo bugiardino, cioè deve essere conoscibile nei suoi effetti benefici e nei suoi effetti collaterali. L’algoritmo è un qualcosa di proprietà (…) [, ]un prodotto dell’intelletto. Se un algoritmo che oggi è in una platform ormai è protetto, dagli stessi diritti, dobbiamo pretendere che anche gli algoritmi, come i medicinali, dichiarino effetti positivi e negativi. Questo è un punto su cui non basta più l’etica, perché è un principio di soft law, servono invece dei principi di hard law, (…) in qualche misura cogenti, e provengano dagli Stati, dalle autorità politiche (…)

(…) si tratta di creare nuove piazze, nuove agorà, in cui le diverse competenze possano confrontarsi, come stiamo facendo noi in questo momento, sulla pluralità e la problematicità connesse a questa evoluzione tecnica e tecnologica.

David Theo Goldberg e Jenna Ng definiscono come segue gli studi algoritmici, concepiti in termini esplicitamente critici

“Gli studi algoritmici si basano sull’affermazione epistemologica che le tecnologie digitali rimodellano le condizioni di possibilità per una serie di pratiche discorsive e materiali cruciali. Queste pratiche e le loro modalità di produzione, rappresentazione, distribuzione e circolazione includono la definizione dell’Essere, la strutturazione del Sociale, la strumentalizzazione del Politico e l’animazione del Culturale. Attraverso intensi interventi nella struttura stessa di queste pratiche concettuali chiave, esse ri-strumentano – e in molti modi fabbricano di nuovo – la natura stessa di ciò che intendiamo come vita stessa.
Bruno Latour e Eduardo Viveiros de Castro, tra gli altri, hanno commentato i cambiamenti significativi subiti da distinzioni categoriche che erano state sostenute con relativa stabilità all’interno del progetto occidentale di modernità. Considera la crescente indistinguibilità tra umanità e animalità, l’umano e il non umano: le classiche opposizioni binarie scardinate dall’onnipresente intervento della mediazione tecnologica. Sviluppando capacità sensoriali e “intelligenza” evolutiva, le tecnologie digitali rendono possibile e materializzano un’altra condizione dell’Essere tra (o oltre?) L’umano e l’animale, che coincide con nessuno dei due ma interessa entrambi. Queste tecnologie pervadono la nostra carne e si fondono con la nostra pelle e il nostro sangue; ricollegano le nostre reti neurali e alterano i nostri schemi di pensiero, anche se gli oggetti acquisiscono capacità sempre maggiori per l’apprendimento, la reazione, il giudizio e la risposta intelligenti. Questi cambiamenti influenzano profondamente la coscienza, il sensorio, l’evoluzione e la cognizione di agenti sia umani che non umani. Anche quel binario potrebbe non reggere più: potremmo iniziare a pensare al digitale in una forma umana – un agente digitale a sé stante, con una propria intelligibilità, il cui senso del mondo è genuinamente oltre l’antropocentrico?
Un elemento chiave di questo spostamento di prospettiva e possibilità verso quest’altra definizione di Essere è l’algoritmo computazionale, brevemente definito come le istruzioni o le regole scritte in un linguaggio appropriato affinché un computer elabori un compito e, successivamente, lo svolga o lo esegua. Quando la tecnologia digitale prende il suo posto nel nuovo ternario (con umanità e animalità) compie una doppia impresa. L’algoritmo assume una vita propria, ma assume anche le nostre vite, nella misura in cui possiamo iniziare a parlare della vita algoritmica stessa e delle sue condizioni attraverso le sue numerose istanze nel mondo. Man mano che la cultura computazionale cambia ed evolve, possiamo iniziare a chiarire non solo lo stato delle condizioni algoritmiche nella vita del ventunesimo secolo, ma anche a identificare i contrattempi e i modi in cui la cultura computazionale non riesce a mantenere ciò che aveva promesso. L’analisi di regole, glitch ed errori allo stesso modo è di grande rilevanza per la valutazione di come gli algoritmi salgono e scendono. In breve, questo tipo di analisi inquadra un nuovo campo discorsivo, dove gli algoritmi diventano oggetto di studio socio-critico.
Il Codice che abbiamo sviluppato stabilisce i parametri per lo studio delle determinazioni algoritmiche (Peters 2012) della vita economica, sociale, politica e culturale, insieme ai loro modi emergenti di essere e fare. Delinea un elenco non esaustivo di proposizioni per lo studio degli stati algoritmici, per prestare attenzione analiticamente alle forme di vita prodotte dagli algoritmi, per pensare in modo critico all’estensione degli intrecci della vita con algoritmi e operazioni algoritmiche. Il Codice esprime il nostro appello per gli studi algoritmici (AS) e apre l’esplorazione di orizzonti dell’essere definiti, raffinati e prodotti algoritmicamente.

Codice
I dati sono la moneta del nostro tempo.
L’uso e il valore di scambio dei dati sono guidati da algoritmi.
La produzione, la raccolta, la distribuzione, la circolazione e la proprietà dei dati funzionano solo con la stessa efficacia degli algoritmi che le consentono.
AS è lo studio critico della vita sociale, politica e culturale dell’algoritmo e delle sue condizioni di cambiamento, evoluzione e possibilità. Valuta criticamente l’ordine sociale (ing) della vita effettuato dagli algoritmi.
AS è lo studio della digitalizzazione dei dati, la data-ificazione della vita, l’appificazione dell’essere, la bio-strumentazione e la strumentalizzazione e calcolabilità del quotidiano.
AS è lo studio della conoscenza algoritmica, delle sue formazioni epistemiche e formulazioni.
AS è lo studio di reti prodotte algoritmicamente, la produzione meccanica e l’intercomunicazione di macchine in rete. AS è, quindi, lo studio della vita della macchina abilitata algoritmicamente.
AS è lo studio del soggetto algoritmico: il soggetto sociale e politico prodotto e riproducente la pratica algoritmica e le sue modalità di essere, fare e divenire.
AS è lo studio dei futuri (pre) impostabili algoritmicamente, delle soggettività consumatrici che struttura.
AS di conseguenza è lo studio critico della ristrutturazione del agency modellata algoritmicamente e della sua perdita, autonomia e delle sue restrizioni e restrizioni.
AS, in breve, è la critica del capitalismo algoritmico, del suo modo di produzione, dell’essere e delle soggettività; di vita transitoria; di consumare la vita; della cultura politica e della politica culturale.
AS è lo studio della crescente transitività della vita sociale basata sui dati, la sua codifica, i suoi codici e le sue applicazioni: l’algoritmo”. (da Posthuman Glossary – a cura di R. Braidotti e M. Hlavajova)

Sempre in Posthuman Glossary – a cura di R. Braidotti e M. Hlavajova, Luciana Parisi, nella voce “Svolta computazionale” avverte che:

Nel ventunesimo secolo, il predominio epistemologico dell’informatica non solo ha ridotto la conoscenza a informazione, ma l’informazione stessa è arrivata a coincidere con grandi blocchi di dati altamente complessi che gli algoritmi di apprendimento correlano e modellano continuamente. Questa nuova forma di discretizzazione comporta non solo la scomposizione di blocchi di informazioni in bit che possono essere più facilmente riassemblati e classificati. Invece, in questo secolo la svolta computazionale è stata delimitata da un nuovo tipo di elaborazione delle informazioni in grado non solo di dividere e aggiungere stringhe di dati secondo funzioni programmate. Lo sviluppo di algoritmi di apprendimento nelle reti neurali artificiali mostra in modo importante che il compito di scomporre è stato sostituito dalla funzione di elaborazione per la quale le macchine automatizzate apprendono dai dati stabilendo relazioni inferenziali tra immagini facciali e nomi, o frequenza vocale e modelli. La velocità di correlazione tra blocchi di dati indipendenti corrisponde a funzioni algoritmiche di elaborazione per le quali questo e quel tipo di informazioni vengono elaborate inferenzialmente, elaborate attraverso la logica di implicazione lineare e non lineare per la quale può essere determinata una regola generale o verità. Con lo sviluppo di reti neurali artificiali e il metodo di apprendimento automatico, il passaggio alla computazione significa l’emergere di sistemi automatizzati di conoscenza (…)
Con la Macchina di Turing, la conoscenza entra pienamente nella moderna infrastruttura dell’assiomatica computazionale o verità contenente la logica che assorbe le attività sociali di comunicazione e trasmissione delle informazioni. (…) Alla fine degli anni ’80, la Macchina di Turing si era sviluppata per diventare interattiva e dialogicamente reattiva all’ambiente; non più basata sulla logica deduttiva di verità programmate, ma sulle capacità dei sistemi automatizzati di recuperare (e quindi di agire direttamente su) grandi quantità di informazioni. Con la macchina interattiva, anche i metodi computazionali della conoscenza sono cambiati radicalmente e coinvolgono verità non più programmate, ma programmabili derivanti dalle capacità degli algoritmi di stabilire inferenze dal recupero, correlazione e classificazione dei dati. Man mano che la conoscenza viene elaborata computazionalmente mediante procedure algoritmiche di ricerca e ordinamento dei dati, l’automazione algoritmica è diventata centrale per la produzione culturale (attraverso la ricerca orientata all’algoritmo e l’analisi di simulazioni al computer), per la macchina politica della governance (attraverso sistemi algoritmici e di data mining di sicurezza e controllo) e alla natura del pensiero meccanico. Più esplicitamente che mai, la svolta computazionale sta sollevando la questione di cosa e chi stia producendo conoscenza.
È possibile distinguere tre distinti ordini di conoscenza (produzione culturale, governance e pensiero stesso) (…)
Il primo ordine riguarda il modo in cui l’infrastruttura computazionale sta trasformando il compito stesso della produzione di conoscenza all’interno delle discipline umanistiche (una produzione di cultura guidata da algoritmi).
Il secondo riguarda il modo in cui le macchine autonome, il data scraping e le tecniche di data mining mostrano come la governance delle popolazioni stia sempre più tendendo verso la meta-governance dei dati, coinvolgendo l’incorporamento algoritmico del corpo sociale all’interno del corpo dei dati. Il terzo ordine riguarda il calcolo del pensiero stesso; (…)

Sovranità algoritmica (…) la svolta computazionale arriva a coincidere con un apparato di governance che opera non solo sui corpi, ma attraverso la datificazione di specificità biologiche, fisiche e culturali.