- Il vedere come modello delle relazioni mente-mondo
L’atto del vedere costituisce il nostro rapporto primordiale con il mondo, non ci dobbiamo meravigliare perciò se un’attenta analisi dei processi visivi può mostrare una grande complessità teorica che conduce direttamente ai problemi spinosi che si intrecciano al confine tra neuroscienze, intelligenza artificiale ed epistemologia cognitiva. Esiste infatti una connessione profonda tra il meccanismo della percezione visiva, l’esperienza soggettiva del vedere ed i processi generali tramite i quali la nostra mente costruisce descrizioni del mondo, a riprova che il miglior modello del metodo di lavoro di una mente embodied parte proprio dallo studio di quei processi selezionati dall’evoluzione che ci permettono di “muoverci nel mondo”. Non dobbiamo dimenticare del resto che l’etimologia del termine “teoria” ha la stessa radice di “vedere” ed in entrambi i casi come spettatori del mondo siamo chiamati, sia nell’attività astratta di costruttori di modelli e rappresentazioni che nell’atto percettivo, ad operare una serie di scelte interpretative senza le quali non c’è conoscenza del mondo. Lungi dall’essere divisi da un taglio netto di cartesiana chiarezza, il rapporto tra la mente e il mondo rientra in una circolarità in cui osservatore ed osservato si riflettono e si definiscono l’un l’altro in un gioco di ricorsioni semiotiche infinite che è l’essenza stessa della conoscenza e nel quale, come vedremo, entra in gioco in modo irriducibile una dimensione che era stata espulsa dalla scienza cognitiva classica, l’irriducibile soggettività dell’osservatore.
2. Il meccanismo della percezione visiva
Quando uno stimolo visivo sufficientemente potente raggiunge l’occhio dopo circa 200 msec vengono attivate le risorse neuronali della corteccia visiva (CV) per analizzare le informazioni essenziali di riconoscimento che riguardano struttura, movimento e colore. Molte “agenzie corticali” diverse si mettono al lavoro secondo un criterio cooperativo di sincronizzazione, ed una volta individuato il pattern d’ingresso, l’informazione passa alla corteccia prefrontale (CPF) dove viene valutata per circa 600 msec per attivare poi specifiche aree motorie e linguistiche necessarie alla risposta dell’organismo allo stimolo.
Una domanda interessante è: quanto di questo processo può essere “catturato” da un algoritmo e “zippato” in un programma? Com’è noto, la comprensione computazionale della visione e la realizzazione di dispositivi di visione artificiale è uno degli obiettivi centrali del cognitivismo classico e la sua mancata riduzione a “meccanismo” ci fornisce suggerimenti preziosi sulla natura complessa del processo e sulle nostre caratteristiche di costruttori di teorie.
Gli studiosi di IA hanno dovuto affrontare enormi difficoltà già nel modellare la prima fase della percezione, quella della CV. Ogni stimolo viene infatti distribuito su una miriade di fibre specializzate nei vari aspetti del riconoscimento per un’ elaborazione collettiva unitaria attraverso il feature binding, ossia la combinazione sintonizzata di successioni di miriadi impulsi provenienti da moduli neuronali diversi dai quali la percezione emerge come un fenomeno olistico.
In termini computazionali questo è un classico problema di complessità algoritmica, una misura della quantità di informazione spaziale e temporale che un sistema artificiale deve elaborare. I metodi simbolici, basati su modelli predentemente memorizzati nella macchina, hanno trovato ben presto,dietro alla grande varietà dei problemi tecnici, un limite generale che investe l’intera filosofia algoritmica dell’ IA, il problema della “logica chiusa”: i metodi dell’IA classica hanno successo soltanto in un mondo in cui sintassi e semantica coincidono, come gli scacchi o i sistemi esperti. La visione artificiale basata su modelli ha ottenuto infatti successi nel riconoscimento di forme semplici con dinamiche elementari.
Un successo maggiore nel riconoscimento di pattern, anche molto complessi, si è avuto grazie alla simulazioni con reti neurali, grazie alla loro capacità di una forte elaborazione parallela e distribuita di ispirazione biomorfa. Ma anche questa classe di dispositivi,costituita essenzialmente da famiglie di analizzatori statistici di dati, trovano un problema comune ai modelli simbolici dell’IA, quello del Symbol Grounding Problem, ossia del significato del pattern identificato. Insomma, l’idea di poter comprimere la complessità della percezione visiva in un meccanismo basato sulla mera elaborazione di informazione sintattica è destinato a scontrasi con la soglia della complessità semantica. In sintesi, i metodi computazionali possono risolvere parte del problema del “guardare e riconoscere” ma non quello più ampio del “vedere”.
3. Come costruiamo le teorie-visioni?
Il panorama brevemente evocato ci riporta a questioni fondamentali della teoria della conoscenza. Quando studiamo qualche aspetto del mondo partiamo sempre da un modello, un insieme di ipotesi che ci permette di estrarre informazione organizzata e semanticamente significativa (in breve, una comprensione!) dalla varietà dei dati estratti dall’esperienza. Un modello può essere considerato come un gioco di domande mirate che noi rivolgiamo al sistema studiato e sul quale basiamo il dialogo con la natura.
L’idea che esista un modello unico da cui poter ricavare ogni aspetto dell’esperienza semplicemente manipolando l’informazione iniziale con un po’ di matematico e con l’ausilio di una massiccia dose di risorse computazionali è una delle tante versioni della famosa “teoria del tutto” tanto agognata dai fisici. In realtà un modello definisce prima di tutto un rapporto osservatore-osservato e la conoscenza acquisita è sempre relativa al modello utilizzato ed al livello studiato. Cambiando modello cambia l’asse osservatore ed osservato e per sistemi sufficientemente complessi- come quelli biologici e cognitivi- questo significa fare domande diverse ed ottenere risposte diverse! Un modello è semplicemente una prospettiva concettuale attraverso la quale osserviamo il mondo.Possiamo perciò definire la complessità semantica come il numero di modelli utilizzati per studiare un sistema nei suoi diversi aspetti. In termini computazionali, questo significa che per studiare un sistema complesso abbiamo bisogno di cambiare i nostri codici e che l’autentica comprensione di un sistema naturale nasce dall’uso integrato e non esclusivo di più prospettive modellistiche. Dopo questo breve interludio epistemologico, torniamo agli aspetti semantici della visione, che riguardano la fase di processo e valutazione nella CPF.
4 . Vedere è comprendere
Alla fine degli anni ’70, dopo aver lavorato a lungo sui meccanismi della percezione come neuropsicologo, James Gibson definì il suo approccio ecologico alla visione, intesa come una interazione di significati emergenti nelle relazioni dinamiche tra la mente ed il mondo: “Normalmente ci viene detto che la visione dipende dall’occhio, che è connesso al cervello.L’ipotesi che avanzerò è invece che la visione naturale dipende da occhi posti in una testa,che sta in un corpo, che sta sul suolo, e che il cervello è solo l’organo centrale di un sistema visivo integrato”. Come si può notare, la visione di Gibson è in sintonia profonda con l’idea della produzione di conoscenza non-lineare e context-dependend avanzata in quegli stessi anni da Maturana e Varela con la teoria dell’accoppiamento strutturale sistema-ambiente.
Quando valutiamo il modello di un fenomeno non ci basiamo soltanto sui dati bruti dell’esperienza, ma facciamo ricorso ad un bagaglio teorico stratificato culturalmente che ci aiuta a valutare e selezionare. In modo analogo il processo di valutazione della percezione visiva chiama in gioco la memoria, le esperienze pregresse, le conoscenze e gli scopi dell’osservatore. Senza questi elementi non c’è visione.
E’ possibile dimostrare che una percezione, per essere registrata come esperienza cosciente, deve stabilizzarsi, processo che avviene tramite un complesso feed-back tra stimoli in entrata e strutture cognitive pregresse dell’osservatore da cui scaturisce la dinamica collettiva dei neuroni (ART: Adaptative Resonance Theory).
Mentre gli stadi preliminari della visione nella CV possono, in linea di principio, essere descritti come un processo di raccolta ed organizzazione di informazione sintattica, proprio come avviene nella raccolta sperimentale dei dati in un esperimento- fissata la strumentazione e la scala d’indagine-, così la visione si realizza soltanto dopo una valutazione “teorica” dei dati percettivi, che in questo caso corrisponde alle rappresentazioni del mondo esperite dal soggetto e alla sua dimensione semantica.
Lo spazio semantico non è predefinito e chiuso, ma subisce continuamente transizioni dell’apertura logica, con emergenza di nuovi paesaggi cognitivi. Esempi ormai famosi vengono dallo studio della percezione olfattiva nelle locuste e nei conigli. Nel primo caso si osserva che la sequenza temporale di attività neuronali che codifica un odore non varia in successive presentazioni dello stesso stimolo, mentre nei conigli ad uno stesso stimolo corrispondono sequenze diverse, segno che l’apertura logica del coniglio cambia con ogni singola esperienza, modificando il suo repertorio di significati.
5. Coscienza e interpretazione
Arriviamo così a comprendere l’importanza cognitiva di quella coscienza che era il problema originario della psicologia moderna , ad es. nei lavori di William James, e che è poi stata espulsa dalle vocazioni fisicaliste della prima scienza cognitiva come “un fumo che esce dal cervello” ( F. Varela). Al contrario, l’analisi comparata dei processi di percezione e dei procedimenti di costruzione teorica, mostrano la necessità di una rivoluzione copernicana nel considerare il ruolo della soggettività nella produzione di conoscenza: senza dinamiche dello spazio semantico, senza scelte da parte dell’osservatore, non è possibile alcuna rappresentazione del mondo, a partire dall’atto apparentemente elementare della percezione. L’epistemologia della complessità ridefinisce la scienza come arte della conoscenza ( P. Feyerabend), mentre l’antica opposizione scienza/ arte sfuma nei confini frattali delle comuni strategie cognitive che situano la fecondità del nostro dialogo con il mondo oltre la soglia dell’informazione sintattica, nel gioco infinito della ricerca e dell’interpretazione.
Bibliografia:
Ignazio Licata, "Complessità. Un'Introduzione Semplice", DuePunti Edizioni, Palermo, 2011
Ignazio Licata, “La Logica Aperta della Mente”, Codice Edizioni, Torino, 2008
F. Tito Arecchi, “Coerenza, Complessità, Creatività”, Di Renzo Editore, Roma, 2007