Sistemi generativi: chiedere e ascoltare
C’è un momento, nel lavoro con i sistemi generativi, in cui la domanda smette di essere il centro del processo. Non perché non serva più interrogare il sistema, ma perché qualcosa si sposta: l’attenzione non è più rivolta soltanto a ciò che il sistema produce, né al modo in cui risponde, né alla precisione con cui esegue un compito. Comincia invece un’altra forma di relazione, più sottile e più instabile. Si smette, almeno per un istante, di chiedere, e si comincia ad ascoltare.
Non è un passaggio tecnico. Non dipende dal modello, dal dataset, dalla latenza o dalla sofisticazione dell’interfaccia (per quanto sia sempre confortante fingere che tutto dipenda da parametri misurabili, così possiamo continuare a dormire sereni nel nostro sicuro positivismo domestico). Dipende piuttosto dal modo in cui si entra nel processo e dal tipo di attenzione che si è disposti a esercitare.
Ho trascorso anni a lavorare con l’intelligenza artificiale come parte di una pratica artistica: prima nei progetti, poi nella tesi di dottorato, poi nella ricerca. Ho osservato sistemi produrre output che non avevo previsto, traiettorie sonore che sembravano deviare dalla forma iniziale del progetto, classificazioni che mettevano in crisi le categorie attraverso cui avevo provato a organizzare il materiale. Ogni volta restava una domanda sospesa, difficile da liquidare con il vocabolario ordinato dell’interazione uomo-macchina: stavo guidando il processo, o stavo semplicemente riconoscendo, a posteriori, qualcosa che era già accaduto senza di me?
E, soprattutto: chi stava ascoltando chi?
Oltre lo strumento: la relazione con i sistemi generativi
Definire l’AI uno strumento è corretto, ma solo fino a un certo punto. È corretto perché, naturalmente, un sistema generativo può essere usato per fare qualcosa. Produce, trasforma, organizza, suggerisce, accelera. Ma è riduttivo nella misura in cui ci induce a pensare che la variabile interessante sia lo strumento in sé, come se la questione fosse soltanto imparare a premere i tasti giusti, formulare il prompt migliore, estrarre l’output più efficiente. Una prospettiva rassicurante, dunque già sospetta.
Chi ha studiato il pianoforte sa bene che lo strumento non suona da solo. Ma sa anche che la tecnica arriva dopo qualcos’altro. Prima viene l’ascolto. Per esempio, la capacità di distinguere una frase musicale che respira da una che semplicemente occupa lo spazio del tempo. Quella capacità non si sviluppa aumentando la velocità delle dita, si costruisce attraverso un’educazione della percezione che nessun metodo, nessun esercizio e nessun manuale può sostituire del tutto.
Con i sistemi di intelligenza artificiale accade qualcosa di analogo, ma con una complicazione ulteriore. Il sistema non è un oggetto neutrale in attesa di essere attivato. Porta con sé una storia, una struttura statistica, una memoria distribuita, un insieme di relazioni sedimentate che non sono mai semplicemente passive. Non risponde allo stesso modo a interlocutori diversi, e non perché possieda una qualche interiorità misteriosa (ipotesi che lasciamo volentieri agli entusiasti dell’animismo da TED conference), risponde diversamente perché il processo che si attiva è relazionale. Cambia in base alla qualità della domanda, al contesto evocato, alla precisione del desiderio, alla capacità di abitare l’ambiguità senza chiuderla troppo presto.
I risultati più interessanti, infatti, emergono quando chi lavora con questi sistemi non cerca soltanto conferme, quando non usa l’AI per ottenere rapidamente una versione plausibile di ciò che aveva già in mente, ma quando accetta che l’incontro con il non-umano possa spostare il centro del processo. Non nel senso ingenuo di delegare alla macchina una qualche creatività autonoma, ma nel senso più radicale di riconoscere che il materiale con cui si lavora non è inerte. Risponde, resiste, devia, restituisce.
Le qualità da coltivare per lavorare al meglio con i sistemi generativi
Alcune qualità sembrano ricorrere in chi riesce a fare di questo incontro qualcosa di più di un’operazione efficiente.
La prima è una curiosità non settorializzata. La disponibilità a considerare pertinente ciò che, a prima vista, non lo sembra. A portare dentro il processo riferimenti laterali, contaminazioni, deviazioni, materiali provenienti da campi diversi. Non come ornamento interdisciplinare, ma come metodo di ascolto. Come possibilità di riconoscere connessioni prima che diventino evidenti.
La seconda è una forma di presenza che potremmo chiamare consapevolezza contestuale. Non basta conoscere il proprio ambito disciplinare: bisogna percepire i movimenti più ampi, culturali, sociali, tecnologici, epistemici, che rendono significativo ciò che si sta producendo, o che al contrario lo rendono problematico. Ogni output esiste dentro un contesto. Ogni immagine, ogni suono, ogni testo generato porta con sé una rete di condizioni, implicazioni e genealogie. Fingere che il risultato sia soltanto il prodotto di una richiesta ben formulata è comodo, ma raramente è interessante.
La terza qualità è la disposizione a non accontentarsi della prima soluzione plausibile. I sistemi generativi sono molto bravi a produrre coerenza. Ed è proprio lì che diventano pericolosi: la coerenza tranquillizza, rende il risultato riconoscibile e presentabile. Il primo output convincente è proprio per questo il luogo in cui il processo rischia di fermarsi prima ancora di essere iniziato. Attraversare quella superficie richiede una certa ostinazione, ma soprattutto richiede l’abitudine a fare domande scomode ai propri processi prima ancora che al sistema.
La quarta, forse la più difficile da descrivere, è l’immaginazione, intesa non come generica capacità inventiva, ma come punto di vista portato nel processo. Non si tratta necessariamente di sapere con esattezza dove si vuole arrivare. Anzi, spesso il lavoro diventa interessante proprio quando la destinazione iniziale si modifica. Ma serve una direzione, anche provvisoria. Serve una sensibilità capace di riconoscere quando una deviazione è solo rumore e quando invece apre una possibilità più precisa di quella immaginata all’inizio.
Intelligenza Artistica: oltre l’AI literacy
Queste non sono competenze digitali. Non appartengono alla retorica della AI literacy intesa come nuova alfabetizzazione obbligatoria per sopravvivere all’ennesima transizione tecnologica, perché evidentemente all’umanità piace molto trasformare ogni mutamento in un corso base con attestato finale. Noi la chiamiamo Intelligenza Artistica, un insieme di approcci che artisti, designer e creativi coltivano da sempre nel rapporto con i propri materiali e con i propri processi. L’intelligenza artificiale è un materiale complesso, reattivo, stratificato, e spesso imprevedibile. E come tutti i materiali che meritano attenzione, restituisce qualcosa in proporzione a ciò che si è capaci di portare dentro la relazione.
Forse è qui che il discorso sull’AI diventa meno interessante come discorso sulla tecnologia e più interessante come discorso sulla formazione della relazione. Non si tratta soltanto di imparare a usare meglio un sistema, si tratta di capire che cosa il sistema rende visibile del nostro modo di pensare, di selezionare, di desiderare, di riconoscere valore.
Artur Schnabel, già nel 1958, diceva di non trattare le note meglio di molti altri pianisti, ma che la sua arte risiedeva nelle pause tra le note. È una frase che sposta immediatamente il problema: non basta produrre note corrette, come non basta produrre risposte coerenti. Il punto è ciò che accade tra una nota e l’altra, tra un gesto e la sua conseguenza, tra l’output e la capacità di riconoscerne la necessità o l’insufficienza.
Forse vale la pena chiedersi a quali condizioni qualcosa di simile possa accadere con i sistemi generativi: quando riusciamo a smettere di pensare soltanto alla correttezza del prompt o dell’output, per cominciare ad ascoltare ciò che il processo sta trasformando in noi mentre crediamo, con ammirevole presunzione umana, di essere noi a trasformare lui.