Wiener: comunicazione e controllo in animali e macchine

Un matematico del MIT, lavorando a un cannone contraereo, scopre che la stessa idea — un anello che misura l’errore e agisce per ridurlo — spiega lo scopo tanto in una macchina quanto in un organismo, e dà un nome a una scienza nuova.

Perché questo capitolo

Nel 1948 esce un libro con un titolo che è già una tesi: Cybernetics: or Control and Communication in the Animal and the Machine. La congiunzione “and” non è un dettaglio. È l’affermazione centrale del campo: per ciò che riguarda il controllo, l’animale e la macchina sono lo stesso oggetto di studio. Norbert Wiener — l’autore — sostiene che il comportamento orientato a uno scopo, la cosa che da sempre sembrava marcare il confine tra il vivente e l’inerte, non richiede una mente. Richiede un meccanismo: un anello di feedback.

Fino agli anni ‘40 questa idea non era difficile da accettare, era quasi impensabile. Un sasso che cade non ha uno scopo; un falco che insegue una preda sì. La differenza sembrava ovvia e profonda: gli organismi hanno scopi perché hanno qualcosa dentro — una mente, una volontà, un principio vitale — che le macchine non hanno. La cibernetica smonta questa intuizione. Mostra che lo scopo è un pattern di comportamento, non una sostanza nascosta, e che quel pattern si può costruire con ingranaggi tanto quanto con neuroni.

Questo capitolo apre la Parte X e ne fissa il vocabolario. I termini che introduce — feedback, errore, setpoint, controllo, sistema osservato, comportamento teleologico — sono gli strumenti con cui i capitoli successivi smontano omeostasi, stabilità, adattamento.

C’è anche una ragione più stretta per leggerlo. La cibernetica è l’antenata in gran parte dimenticata dell’intelligenza artificiale: capire perché è stata oscurata, e perché in parte è tornata, è capire la struttura profonda del campo. E il loop percezione-azione di un agente software, oggi, è letteralmente un anello cibernetico. Non per analogia: per identità di schema.

C’è infine una ragione di igiene concettuale. “Cibernetica” è una di quelle parole che il linguaggio comune ha consumato fino a svuotarla: il prefisso “cyber-” evoca un’estetica futuristica che non ha quasi nulla a che fare con il contenuto del campo. Recuperare il significato tecnico — la cibernetica come teoria del controllo e della comunicazione nei sistemi a feedback — è un modo per riprendersi uno strumento di pensiero che altrimenti resta sepolto sotto la sua stessa fama. Un capitolo introduttivo serve anche a questo: separare la parola dalla sua aura e restituirla al suo lavoro.

Contesto

Per collocare la cibernetica nel grafo della wiki conviene dire prima da dove non nasce. Non nasce dalla filosofia: non è una nuova teoria della mente. Non nasce dall’informatica: nel 1948 i computer elettronici esistono da pochi anni e Wiener non parte da lì. Nasce da un incrocio insolito tra ingegneria del controllo, neurofisiologia e matematica dei processi stocastici, sotto la pressione di un problema di guerra.

Norbert Wiener (matematico statunitense, 1894-1964) era una figura fuori scala. Bambino prodigio, laureato a 18 anni, professore al Massachusetts Institute of Technology, autore di lavori fondamentali su analisi armonica e processi stocastici — i processi che evolvono nel tempo con una componente casuale.

Durante la Seconda guerra mondiale, come molti scienziati, viene assorbito dallo sforzo bellico. Il problema che gli capita tra le mani è il puntamento della contraerea: come colpire un aereo che si muove veloce, sapendo che il proiettile impiega secondi ad arrivare e che quindi non bisogna sparare dove l’aereo è, ma dove sarà.

Attorno a quel problema si raccolgono le persone giuste. L’ingegnere Julian Bigelow (statunitense, 1913-2003) lavora con Wiener al meccanismo di predizione. Il neurofisiologo messicano Arturo Rosenblueth (1900-1970), amico di Wiener, porta la prospettiva del sistema nervoso.

Dalla loro collaborazione esce nel 1943 un breve articolo, Behavior, Purpose and Teleology, pubblicato sulla rivista Philosophy of Science: uno dei due testi che si considerano l’atto di nascita della cibernetica. L’altro, lo stesso anno, è A Logical Calculus of the Ideas Immanent in Nervous Activity di Warren McCulloch e Walter Pitts, che modella il neurone come un’unità logica a soglia.

Tra il 1943 e il 1948 le idee maturano in una serie di incontri ristretti — le Macy Conferences, di cui si parla più avanti — e nel 1948 Wiener le raccoglie nel libro che dà il nome al campo. Negli stessi mesi, dallo stesso ambiente tra il MIT e i Bell Labs, esce A Mathematical Theory of Communication di Claude Shannon: la teoria dell’informazione. Cibernetica e teoria dell’informazione sono due campi gemelli, nati lo stesso anno, che parlano di cose vicine — segnali, comunicazione, incertezza — da angolazioni diverse.

Vale la pena dire che tipo di libro è Cybernetics. Non è un manuale ordinato e non è un libro facile: alterna pagine di matematica densa — serie temporali, meccanica statistica, analisi di Fourier — a capitoli quasi filosofici sul tempo, sul linguaggio, sulla società, sulla psicopatologia. Wiener scrive di getto, salta tra discipline, dà per scontato molto.

È un libro che pone un programma più di quanto risolva problemi: dice “ecco un campo nuovo, ecco i suoi confini, ecco il vocabolario”. I capitoli che hanno avuto più seguito sono quelli su feedback e oscillazione e quello intitolato “Computing Machines and the Nervous System”, dove Wiener mette deliberatamente a confronto il calcolatore e il cervello come due esemplari della stessa categoria.

Una seconda edizione, del 1961, aggiunge due capitoli su apprendimento e macchine auto-riproducentisi. Il fatto che un libro così disordinato sia diventato fondativo dice qualcosa: ciò che contava non era la sistematicità, ma l’atto di nominare e delimitare il campo.

C’è anche un dato umano che spiega in parte il tono del libro. Wiener era un pensatore inquieto e con una coscienza politica accesa: aveva visto la propria matematica usata in armi, e nel dopoguerra scrisse a più riprese sulle conseguenze sociali dell’automazione, preoccupato che le macchine cibernetiche sostituissero il lavoro umano senza che la società fosse pronta. La cibernetica nasce dunque non come una tecnologia neutra ma come una riflessione, fin dall’inizio ambivalente, su cosa significhi costruire macchine che si comportano come se avessero scopi.

Il problema da cui tutto nasce

Conviene fermarsi sul problema concreto, perché la cibernetica è uno di quei casi in cui un’idea astratta nasce da una difficoltà ingegneristica molto sporca e molto specifica.

Nel 1940 la contraerea era un problema aperto. Un aereo da combattimento vola a centinaia di chilometri orari; un proiettile antiaereo impiega diversi secondi a raggiungere la quota di volo.

Sparare dove l’aereo si trova nel momento dello sparo significa mancarlo con certezza: quando il proiettile arriva, l’aereo è altrove. Bisogna sparare dove l’aereo sarà. Questo richiede di estrapolare dai dati di tracciamento — la posizione osservata istante per istante — una previsione della posizione futura.

Wiener e Bigelow affrontano il problema come un problema di predizione su una serie temporale rumorosa. La traiettoria di un aereo non è perfettamente liscia: il pilota la corregge, sterza, accelera, e per giunta i dati del radar sono imprecisi.

Si tratta di filtrare il rumore ed estrapolare il segnale. Wiener, da matematico dei processi stocastici, aveva gli strumenti per farlo, e il lavoro produsse contributi tecnici reali alla teoria del filtraggio e della predizione.

Ma il punto interessante per la cibernetica non è la soluzione, è un fallimento incontrato lungo la strada. Modellando e simulando il meccanismo, Wiener e Bigelow si scontrarono con un comportamento anomalo.

Se il sistema correggeva il proprio puntamento in modo troppo deciso — se reagiva troppo forte alla differenza tra dove puntava e dove avrebbe dovuto — non si assestava sul bersaglio: lo superava, tornava indietro, lo superava dall’altra parte, oscillando con ampiezza crescente. In gergo ingegneristico questo fenomeno si chiama hunting: il meccanismo “caccia” il bersaglio senza riuscire a posarcisi sopra.

Fu da quella osservazione che partì la domanda che genera la cibernetica. Wiener si chiese: questo difetto — l’oscillazione da feedback eccessivo — è una proprietà di questo meccanismo, o è una proprietà di qualunque sistema che si corregge sulla base di un errore? E se è generale, dovrebbe comparire anche negli esseri viventi.

Ne parlò con Arturo Rosenblueth, che gli rispose descrivendogli un quadro clinico preciso: certi pazienti con lesioni cerebellari, quando cercano di compiere un movimento mirato — afferrare un oggetto, toccarsi il naso — non lo portano a termine in modo fluido. La mano oscilla attorno al bersaglio, lo manca, corregge troppo, lo manca dall’altro lato. È il tremore intenzionale dell’atassia. È, riconobbe Wiener, lo stesso identico hunting del predittore contraereo, in un substrato fatto di neuroni anziché di circuiti.

Questa corrispondenza — uno stesso malfunzionamento, lo stesso schema di guasto, in una macchina militare e in un sistema nervoso umano — è il momento esatto in cui la cibernetica viene concepita. Non come una teoria filosofica costruita a tavolino, ma come la generalizzazione di una coincidenza osservata: se due sistemi così diversi falliscono nello stesso modo, devono condividere la stessa struttura. Quella struttura è il feedback loop, e descriverla in astratto, indifferentemente per macchine e organismi, diventa il programma del libro del 1948.

L’intuizione

Il concetto centrale della cibernetica si lascia afferrare da tre angoli diversi. Il primo è una metafora antica. Il secondo è un atto di astrazione. Il terzo è un cambio di idea su che tipo di causalità sia in gioco.

Primo angolo: il timoniere

La parola “cybernetics” Wiener la conia dal greco kybernetes, che significa “timoniere”, il pilota di una nave. La scelta non è ornamentale: il timoniere è la metafora esatta di ciò che la cibernetica studia.

La radice ha una discendenza istruttiva. Da kybernetes, attraverso il latino gubernator, arriva la parola “governatore” — e qui le due accezioni si toccano in modo non casuale. Il governatore politico governa uno Stato; il governatore meccanico, il regolatore centrifugo che James Watt applicò alla macchina a vapore, governa la velocità di un motore. Sono lo stesso verbo: tenere qualcosa su una rotta.

Wiener era consapevole di questa eredità, e nota nel libro che il termine era già stato usato nel 1834 dal fisico francese André-Marie Ampère per indicare la scienza del governo. La cibernetica recupera quella parola e la estende: non più solo il governo degli Stati, ma il governo di qualunque sistema, vivente o meccanico, che debba restare su un obiettivo.

Pensa a come un timoniere porta una nave in porto. Non lo fa eseguendo un piano fisso — “tieni il timone a 12 gradi per quaranta minuti” — perché vento, corrente e onde sposterebbero la nave fuori rotta e il piano fallirebbe.

Lo fa in un altro modo. Tiene gli occhi sulla destinazione, osserva di continuo di quanto la prua è deviata rispetto a dove dovrebbe puntare, e corregge il timone in funzione di quella deviazione. Se la nave punta troppo a destra, sterza a sinistra; se troppo a sinistra, a destra. Più grande è la deviazione, più decisa la correzione.

La parola chiave è deviazione, o meglio: errore. L’errore è la differenza tra dove si è e dove si vuole essere. Il timoniere non ha bisogno di prevedere il vento, di modellare le onde, di calcolare in anticipo ogni disturbo. Gli basta osservarne l’effetto — l’errore di rotta che producono — e annullarlo man mano. Il controllo non sta nel piano. Sta nell’anello: misura l’errore, agisci per ridurlo, osserva il nuovo errore, ripeti.

Questa immagine — un anello chiuso tra percezione di una deviazione e azione che la corregge — è il feedback loop. È la stessa identica struttura che governa il termostato di casa, l’organismo che mantiene 37 gradi di temperatura corporea, l’occhio che insegue un oggetto in movimento. Tutti timonieri. Wiener nota nel libro che il meccanismo di sterzo di una nave è “una delle più antiche e meglio sviluppate forme di meccanismo di feedback”: la metafora del timoniere non è un’analogia presa a prestito, è un caso reale del fenomeno.

C’è un dettaglio della metafora che ripaga l’attenzione. Il timoniere non ha bisogno di un modello completo del mare. Non deve conoscere in anticipo la mappa di tutte le onde e di tutte le raffiche: deve solo saper leggere l’errore di rotta e sapere da che parte girare il timone per ridurlo.

Questo è il punto di forza del controllo a feedback rispetto a un controllo “a piano”: un sistema a feedback può funzionare bene anche in un ambiente che non conosce e non sa prevedere, purché possa misurare il proprio errore e agire su di esso. È robusto all’ignoranza.

È anche il suo limite, però, perché un sistema che reagisce solo a errori già accaduti è in ritardo per costruzione: agisce sempre dopo che il disturbo ha fatto effetto. Il rimedio a questo ritardo, anticipare il disturbo invece di inseguirlo, è il feedforward, ed è il motivo per cui feedback e feedforward sono due strategie complementari trattate insieme in feedback vs feedforward.

Secondo angolo: lo stesso schema sotto substrati diversi

Il primo angolo è una metafora. Il secondo è ciò che la cibernetica fa con quella metafora: la solleva al livello di schema astratto e mostra che lo stesso schema ricorre dovunque.

Disegna mentalmente questo diagramma. C’è un sistema in uno stato. Un sensore misura lo stato e lo confronta con un valore desiderato — il setpoint. La differenza tra i due è il segnale di errore. Quel segnale entra in un controllore, che decide un’azione. L’azione modifica lo stato del sistema. Il nuovo stato viene misurato di nuovo. L’anello è chiuso.

Ora osserva: questo diagramma non menziona di cosa è fatto il sistema. Puoi riempire i blocchi con cose diversissime.

Il sistema è una stanza, il sensore un termometro, il setpoint 20 gradi, il controllore un termostato, l’azione accendere o spegnere il riscaldamento. Oppure: il sistema è il corpo, il sensore l’ipotalamo, il setpoint 37 gradi, l’azione sudare o tremare. Oppure: il sistema è un aereo nemico tracciato dal radar, il setpoint la coincidenza tra proiettile e bersaglio, l’azione il movimento del cannone. Oppure: il sistema è un mercato, il setpoint un prezzo di equilibrio, l’azione comprare o vendere.

In tutti questi casi il contenuto è diverso — ingranaggi, ormoni, segnali radar, prezzi — ma lo schema è identico. Questa è l’astrazione su cui la cibernetica è costruita: il feedback loop è una forma, e la forma è indifferente al materiale.

Per ciò che riguarda il controllo orientato a uno scopo, la domanda “è vivo o è una macchina?” smette di essere la domanda giusta. La domanda giusta diventa “ha un anello di feedback, e com’è fatto?”.

Va detto subito con precisione che cosa si sta affermando, perché qui è facile scivolare. Dire che il termostato e l’organismo condividono lo schema del feedback è un’affermazione di equivalenza ristretta: condividono una stessa struttura formale, ma solo rispetto all’aspetto del controllo.

Non è una filiazione — il termostato non discende dall’organismo — e non è un’equivalenza piena — un organismo non è un termostato sotto ogni profilo, ha mille altre cose che il termostato non ha. La cibernetica non dice che gli esseri viventi sono macchine. Dice che la categoria “sistema con controllo a feedback” taglia trasversalmente il confine tra vivente e artificiale. È un taglio diverso, non l’abolizione di ogni differenza.

Conviene fissare il contrasto con l’alternativa. Un sistema che agisce senza chiudere l’anello — senza misurare il proprio errore — si dice in catena aperta. Un forno a tempo è un esempio: imposti venti minuti, il forno scalda per venti minuti, punto. Non misura mai se il cibo è cotto.

In catena aperta il sistema esegue un piano e spera che il mondo collabori. Funziona finché l’ambiente è prevedibile e il piano è giusto; fallisce in silenzio appena qualcosa devia, perché non ha modo di accorgersi della deviazione.

Il feedback è esattamente ciò che chiude l’anello: introduce la misura dell’errore e con essa la capacità di un sistema di accorgersi di star fallendo e correggersi. È la differenza tra agire alla cieca e agire guardando. Quasi tutto ciò che la cibernetica studia sta dal lato della catena chiusa, ed è da questo lato che nasce ogni comportamento che meriti il nome di “orientato a uno scopo”.

Un terzo angolo: la causalità circolare

C’è un terzo modo di entrare nell’idea, complementare ai primi due, e riguarda il tipo di causalità in gioco.

Il modello di causa-effetto a cui siamo abituati è lineare: una causa produce un effetto, l’effetto produce un altro effetto, e così via lungo una catena che va in una direzione. La pallina urta la seconda pallina, che urta la terza. Il colpo di vento piega il ramo. È una causalità a freccia: da A verso B, senza ritorno.

Il feedback rompe questo schema. In un anello di feedback l’effetto retroagisce sulla causa. Lo stato del sistema determina l’azione del controllore; l’azione del controllore determina il nuovo stato; il nuovo stato determina la nuova azione. La freccia causale non è una linea che va da qualche parte: è un cerchio che si richiude. Il titolo formale delle prime Macy Conferences lo dice esplicitamente — “Circular Causal and Feedback Mechanisms” — perché era questo l’oggetto: meccanismi a causalità circolare.

La causalità circolare è il motivo per cui i sistemi a feedback si comportano in modi che sorprendono l’intuizione lineare. Un sistema dominato dal feedback negativo resiste alle perturbazioni: spingilo via dall’equilibrio e ci ritorna, come se “volesse” tornarci — ed è da qui che nasce l’illusione di uno scopo. Un sistema dominato dal feedback positivo fa il contrario: la più piccola deviazione si autoamplifica fino a portare il sistema lontano, in esplosione o in collasso.

In entrambi i casi il comportamento globale non si legge guardando i singoli componenti uno per uno: emerge dalla chiusura dell’anello. È questa la ragione per cui la cibernetica è una disciplina a sé e non un capitolo dell’ingegneria meccanica: studia ciò che accade quando la causalità si chiude in cerchio, indipendentemente da cosa sia fatto il cerchio.

La meccanica

La cibernetica nasce matematica — Wiener era un matematico dei processi stocastici e il libro contiene equazioni non banali — ma il nucleo concettuale si descrive senza formalismo pesante. Il dettaglio quantitativo del feedback (guadagno, ritardo, condizioni di stabilità) è materia dei capitoli feedback-loop (in preparazione) e stabilita-ritardi-oscillazioni (in preparazione). Qui basta lo scheletro.

Un anello di controllo a feedback negativo si descrive con quattro grandezze e una regola che le lega.

Lo stato del sistema, la grandezza che vogliamo governare. La chiamiamo $y$ .
Il setpoint, il valore desiderato dello stato. Lo chiamiamo $r$ (dall’inglese reference).
L’errore, la differenza tra ciò che vogliamo e ciò che misuriamo: $e = r - y$ . Questo è il segnale che fa girare l’anello. Se è zero, il sistema è dove deve essere; se non è zero, qualcosa va corretto.
L’azione di controllo $u$ , ciò che il controllore fa per modificare lo stato.

La regola che lega errore e azione, nella sua forma più semplice, è:

$u = K \cdot e$

In parole povere, questo dice che l’azione di controllo è proporzionale all’errore: più sei lontano dal bersaglio, più correggi. La costante $K$ si chiama guadagno: misura quanto aggressiva è la correzione.

Il segno conta. Perché il sistema converga verso il setpoint, l’azione deve spingere lo stato nella direzione che riduce l’errore. È questo il significato tecnico di “feedback negativo”: il segnale di ritorno si oppone alla deviazione. Non “negativo” come “cattivo” — è uno dei fraintendimenti più comuni, ripreso più avanti — ma “negativo” come “di segno opposto all’errore, quindi tendente ad annullarlo”.

Questa forma proporzionale è la più semplice possibile, ed è solo l’inizio. Un controllore reale somma di solito tre termini: uno proporzionale all’errore presente, uno proporzionale all’errore accumulato nel passato, uno proporzionale a quanto velocemente l’errore sta cambiando. È lo schema del controllore PID, materia della Parte XI. Qui basta il termine proporzionale per vedere lo scheletro: l’azione nasce dall’errore.

Il contrario è il feedback positivo: l’azione amplifica la deviazione invece di ridurla. Un microfono troppo vicino al suo altoparlante è l’esempio classico: il suono captato viene amplificato, riemesso, captato di nuovo più forte, fino al fischio. Il feedback positivo porta a esplosione o a collasso; il feedback negativo porta a stabilità, a equilibrio, a comportamento orientato a uno scopo.

Lo scheletro dell’anello, in pseudocodice, è di una semplicità che colpisce:

setpoint r        # il valore desiderato
loop:
    y = misura_stato()        # percezione
    e = r - y                 # errore
    u = controllore(e)        # decisione
    applica_azione(u)         # azione, modifica y
    # l'anello si richiude: la prossima misura riflette u

Quattro righe nel ciclo. Percepisci, calcola l’errore, decidi, agisci. È poco, e proprio per questo è potente: questo scheletro minimo basta a produrre comportamento che, visto da fuori, sembra orientato a uno scopo.

Wiener, Rosenblueth e Bigelow nel 1943 sostengono esattamente questo. Un comportamento è teleologico — orientato a un fine — quando è controllato dall’errore rispetto a un obiettivo: quando il sistema agisce per minimizzare la distanza tra lo stato attuale e uno stato voluto. Non serve invocare una mente, un’intenzione, un’anima. Serve l’anello.

Questa è la mossa filosofica più tagliente della cibernetica: ridefinire lo scopo come una proprietà osservabile del comportamento, e non come una sostanza interna invisibile. Lo scopo smette di essere qualcosa che un sistema ha dentro di sé e diventa qualcosa che un sistema fa — un pattern di chiusura dell’anello.

È una ridefinizione, e come ogni ridefinizione va guardata con attenzione: non spiega lo scopo nel senso pieno e soggettivo del termine, lo sostituisce con una versione comportamentale e misurabile. È un guadagno enorme di trattabilità, pagato con una rinuncia di cui conviene restare consapevoli.

C’è una cosa che scorre nell’anello e che non è né materia né energia: l’informazione. Il segnale di errore è informazione; la misura del sensore è informazione; il comando al controllore è informazione. Wiener insiste su questo punto con una frase che è diventata una citazione: “Information is information, not matter or energy” — l’informazione è informazione, non materia né energia.

Un sistema di controllo, dal punto di vista cibernetico, si capisce seguendo non il flusso di energia ma il flusso di informazione: dove viene misurata, come viene trasformata, dove viene usata per decidere. È il punto di contatto diretto con la teoria dell’informazione di Shannon, e il motivo per cui “comunicazione” sta nel titolo del libro accanto a “controllo”.

Perché “controllo” e “comunicazione” stanno insieme

Vale la pena spiegare perché il titolo del libro accoppia due parole — control e communication — che a prima vista appartengono a mondi diversi: il controllo fa pensare a leve e attuatori, la comunicazione a telefoni e messaggi. Per Wiener sono due facce dello stesso oggetto.

Un anello di controllo non può funzionare senza comunicazione interna. Il sensore deve comunicare la misura al punto in cui si calcola l’errore; il controllore deve comunicare il comando all’attuatore. Se questa comunicazione è disturbata, ritardata o degradata, il controllo si rompe — non perché manchi l’energia per agire, ma perché l’informazione che guida l’azione arriva corrotta o in ritardo. Un timoniere che non vede bene la rotta, o un sistema nervoso che trasmette male i segnali, controlla male: il difetto è nel canale di comunicazione, non nel muscolo.

Il rovescio è altrettanto vero. La comunicazione, vista da vicino, è un problema di controllo: trasmettere un messaggio attraverso un canale rumoroso significa applicare correzioni che compensino il rumore, esattamente come un controllore compensa un disturbo.

È per questo che cibernetica e teoria dell’informazione, pur essendo campi distinti, sono nati gemelli e si parlano: entrambi studiano sistemi in cui ciò che conta non è la materia o l’energia, ma l’informazione che scorre, viene misurata, viene corretta. Il capitolo informazione-shannon (in preparazione) sviluppa la metà “comunicazione”; questa Parte sviluppa la metà “controllo”.

Esempi

I tre esempi che seguono sono lo stesso schema cibernetico riempito con tre materiali diversi: un meccanismo, un organismo, un programma. Sono scelti apposta eterogenei, perché la tesi della cibernetica è esattamente che lo schema sopravvive al cambio di substrato.

Esempio 1 — Il termostato (un meccanismo)

Una stanza con un termostato impostato a 20 gradi. Il sensore misura 18 gradi. L’errore è $e = 20 - 18 = +2$ : la stanza è sotto il setpoint. Il controllore accende il riscaldamento. La temperatura sale lentamente: 18, 19, 19.5. Quando il sensore misura 20, l’errore è zero e il riscaldamento si spegne. Se poi la stanza si raffredda, l’errore torna positivo e il ciclo riprende.

Il punto da notare è ciò che il termostato non ha. Non sa che cos’è il calore. Non desidera una stanza calda. Non ha un modello del comfort umano. Ha un solo anello che confronta una misura con un numero e agisce sul segno della differenza. Eppure, guardato da fuori, il suo comportamento è indistinguibile da quello di un sistema con uno scopo: “mantenere la stanza a 20 gradi”. Wiener usa proprio questo tipo di esempio per mostrare che la teleologia — il comportamento orientato a un fine — non implica un fine consapevole. È l’anello a produrla.

Conviene seguire una traccia numerica per vedere il feedback negativo all’opera e anche dove può guastarsi. Prendiamo un modello giocattolo: a ogni passo dell’anello la temperatura si muove di metà dell’errore verso il setpoint quando il riscaldamento è acceso. Setpoint $r = 20$ , temperatura iniziale $y = 12$ .

passo  y      e = r - y   azione
0      12.0   +8.0        accende
1      16.0   +4.0        accende
2      18.0   +2.0        accende
3      19.0   +1.0        accende
4      19.5   +0.5        accende
5      19.75  +0.25       accende  ->  converge verso 20

L’errore si dimezza a ogni passo: la correzione è grande quando si è lontani, piccola quando si è vicini, e il sistema si assesta in modo dolce sul setpoint. Questo è il feedback negativo che funziona bene. Ora cambiamo un solo numero — il guadagno — e mettiamolo troppo alto: a ogni passo il controllore corregge di $1.8$ volte l’errore invece che di metà.

passo  y       e = r - y
0      12.0    +8.0
1      26.4    -6.4
2      14.9    +5.1
3      24.2    -4.2     ->  oscilla attorno a 20, ampiezza che non si spegne

La temperatura supera il setpoint, lo manca dall’altro lato, torna indietro, lo supera di nuovo. È l’hunting: lo stesso difetto del predittore contraereo e del paziente atassico, riprodotto con un numero su un foglio. Lo schema cibernetico mostra qui il suo lato fragile: il feedback negativo stabilizza solo se il guadagno e i ritardi stanno dentro certi limiti. Fuori da quei limiti, lo stesso anello che doveva portare all’equilibrio porta all’oscillazione. Il capitolo stabilita-ritardi-oscillazioni (in preparazione) studia esattamente dove sta il confine.

Esempio 2 — Afferrare una tazza (un organismo)

Allunghi la mano per prendere una tazza sul tavolo. Sembra un gesto immediato, ma sotto c’è un anello cibernetico che gira in fretta. Gli occhi misurano di continuo la distanza tra la mano e la tazza — l’errore. Il sistema nervoso usa quell’errore per correggere la traiettoria del braccio: se la mano sta passando a destra della tazza, la correzione la porta a sinistra. Man mano che la mano si avvicina, l’errore si riduce e le correzioni si fanno più fini, fino al contatto.

Questo esempio non è un’invenzione didattica: è esattamente il caso clinico che mise Wiener sulla strada giusta. Rosenblueth gli descrisse pazienti con atassia cerebellare, un disturbo neurologico in cui il controllo motorio a feedback è compromesso.

Un paziente atassico che cerca di afferrare un oggetto non lo centra: la mano oscilla attorno al bersaglio, lo supera da una parte, corregge troppo, lo supera dall’altra. Wiener riconobbe in quel quadro lo stesso difetto che lui e Bigelow avevano osservato nel predittore contraereo — l’hunting, l’oscillazione da feedback eccessivo o ritardato.

Lo stesso identico malfunzionamento, in un meccanismo militare e in un sistema nervoso. Quella corrispondenza, riconosciuta tra una sala macchine e una clinica, fu il momento di concepimento della cibernetica.

Esempio 3 — Un agente che ripara un test (un programma)

Un agente di coding riceve un compito: far passare una suite di test che attualmente fallisce. Il suo ciclo di lavoro è un anello di feedback. Lo stato voluto è “tutti i test verdi”.

L’agente lancia i test, legge l’output — la misura dello stato attuale — individua quale test fallisce e con quale messaggio di errore, modifica il codice, rilancia i test. La differenza tra “verde” e l’output corrente è l’errore che guida la mossa successiva. Quando tutti i test passano, l’errore è zero e l’anello si ferma.

Mappiamo l’agente sui quattro elementi della meccanica, perché la corrispondenza è esatta. Il setpoint è “tutti i test verdi”. Lo stato osservato è l’output della suite. L’errore è l’insieme dei test che falliscono, letto attraverso i messaggi che producono. L’azione di controllo è la modifica al codice. Non c’è metafora qui: è lo stesso identico schema del termostato, con il compilatore e il test runner al posto del termometro.

Anche qui vale l’avvertimento dell’esempio 2. Se l’anello è disegnato male, compare l’hunting in versione software. Un agente che reagisce a un segnale rumoroso — un test che fallisce in modo intermittente per ragioni non legate al codice — o che corregge in modo troppo aggressivo a ogni passo, può entrare in un loop di modifiche che peggiorano la situazione invece di stabilizzarla: ogni correzione introduce un nuovo problema, ogni passo allontana dal verde.

È l’oscillazione del predittore contraereo del 1943, settant’anni dopo, in un substrato fatto di processi e file. Tre materiali diversi — valvola, neurone, processo software — un solo schema cibernetico. Ed è il motivo per cui la cibernetica non è erudizione storica per chi costruisce agenti: i modi in cui un anello di feedback si rompe sono pochi e ricorrenti, e averli in testa con un nome aiuta a riconoscerli quando ricompaiono.

Lo scopo del vivente: l’omeostasi

Tra gli esempi, quello biologico merita un approfondimento, perché è il caso in cui la cibernetica ha avuto l’incontro più fertile con una scienza già esistente.

Molto prima di Wiener, il fisiologo Claude Bernard (medico e fisiologo francese, 1813-1878) aveva osservato che gli organismi mantengono costante il proprio ambiente interno — temperatura, concentrazione di zuccheri e sali, acidità del sangue — nonostante un ambiente esterno che cambia di continuo. Bernard chiamava questa stabilità interna milieu intérieur. Negli anni ‘20 il fisiologo Walter Cannon (statunitense, 1871-1945) le diede il nome con cui la conosciamo: omeostasi, dal greco “stare simile”.

L’omeostasi, prima della cibernetica, era un fatto osservato senza un meccanismo generale che lo spiegasse. La cibernetica le diede quel meccanismo.

Mantenere costante la temperatura corporea è esattamente un anello di feedback negativo: un setpoint (circa 37 gradi), un sensore (recettori termici, l’ipotalamo), un errore, e azioni correttive — sudare, tremare, dilatare o restringere i vasi — che spingono la temperatura verso il setpoint. La regolazione della glicemia, dell’equilibrio idrico, della pressione: tutti anelli omeostatici, tutti istanze dello stesso schema che governa il termostato.

Questo è l’incontro che dà alla cibernetica la sua forza retorica. Non è che la cibernetica abbia imposto uno schema artificiale alla biologia: è che la biologia aveva già scoperto, con altri nomi, il feedback negativo, e la cibernetica le ha dato il vocabolario per riconoscerlo come un caso di qualcosa di più generale.

Lo scopo apparente del vivente — restare in vita mantenendo le proprie variabili dentro intervalli vitali — si lascia descrivere come un grande sistema di anelli omeostatici sovrapposti. È il ponte concettuale tra la cibernetica e l’idea di adattamento che il capitolo omeostasi-ashby (in preparazione) sviluppa con l’omeostato di Ashby, una macchina costruita apposta per dimostrare che l’adattamento stesso può essere meccanizzato.

Applicazioni pratiche

La cibernetica è degli anni ‘40, ma il suo modo di guardare le cose è uno strumento di lavoro attuale per chi costruisce sistemi AI. Due usi concreti.

Progettare e debuggare il loop di un agente. Pensare a un agente come a un sistema di controllo a feedback cambia le domande che ci si pone quando qualcosa va storto. La domanda ingenua è “il modello ha sbagliato?”. La domanda cibernetica è “l’anello è disegnato bene?”, e si scompone in sotto-domande precise.

L’agente sta osservando il segnale giusto — l’errore reale — o sta reagendo a un proxy rumoroso che non riflette davvero lo stato del compito? Il guadagno è tarato: l’agente corregge in modo proporzionato, o stravolge tutto a ogni iterazione? C’è un ritardo tra azione ed effetto osservato che genera oscillazione, perché l’agente agisce di nuovo prima che la mossa precedente abbia dato i suoi frutti? Queste sono domande cibernetiche, e averle in testa con un vocabolario preciso è ciò che separa il debugging strutturato dal “riproviamo con un prompt diverso”.

Monitoring e supervisione umana. Un sistema di monitoring è un anello di feedback in cui parte del loop è un osservatore umano: l’umano guarda metriche e trace, rileva una deviazione, interviene. La cibernetica fornisce la cornice per ragionare su escalation, approval gate e human-in-the-loop come problemi di controllo: dove si misura lo stato, qual è il setpoint che definisce “comportamento accettabile”, quanto è lungo il ritardo tra il momento in cui qualcosa va storto e il momento in cui l’umano se ne accorge e può agire.

La distinzione tra cibernetica di primo e secondo ordine, introdotta più sotto, dà anche un avvertimento utile: l’osservatore che monitora fa parte del sistema che monitora, e la sua presenza lo modifica.

Capire perché un loop di reasoning può degenerare. I modelli di reasoning moderni iterano su una traccia di pensiero: generano un passo, lo valutano, ne generano un altro. È un anello, e come ogni anello può perdere stabilità.

Un modello che rivede di continuo la propria risposta senza un criterio chiaro di “errore zero” può girare a vuoto, oscillare tra due risposte, o allontanarsi progressivamente da una soluzione corretta che aveva già trovato. Riconoscere che si tratta di un problema di stabilità di un anello di feedback — e non genericamente di “allucinazione” — orienta verso le contromisure giuste: un setpoint ben definito, un criterio di stop, un guadagno moderato sul peso delle revisioni.

Pensare i feedback loop di prodotto. Un sistema AI in produzione vive dentro anelli di feedback più larghi del singolo agente: gli output influenzano gli utenti, gli utenti generano dati, i dati rientrano nell’addestramento o nella valutazione. Sono anelli lenti, con ritardi lunghi, e proprio per questo difficili da governare.

La cibernetica insegna a cercarli e a chiedersi di che segno sono: un anello di feedback positivo non presidiato — per esempio un modello che impara dalle proprie uscite e ne amplifica i bias a ogni giro — è il tipo di dinamica che porta un sistema lontano dal punto in cui doveva stare.

Dove si rompe

La cibernetica è una cornice potente, e proprio per questo è facile usarla male — tirandola oltre ciò che afferma, o confondendone i termini. Questa sezione raccoglie i punti dove il discorso si rompe.

“Feedback negativo” non significa “feedback cattivo”. È il fraintendimento più comune, e va disinnescato subito. Nel linguaggio quotidiano “feedback negativo” è una critica, un commento sfavorevole. Nella cibernetica “negativo” è un termine tecnico che descrive il segno: il segnale di ritorno ha segno opposto all’errore, quindi lo riduce.

Il feedback negativo è la cosa buona — è ciò che stabilizza, che produce equilibrio e comportamento orientato a uno scopo. Il feedback positivo, quello che amplifica la deviazione, è ciò che fa esplodere o collassare il sistema. La connotazione emotiva delle due parole è esattamente rovesciata rispetto al loro significato tecnico, e va tenuta a bada.

La cibernetica non dice che gli organismi sono macchine. Questo è lo scivolamento di classe più insidioso. La cibernetica afferma che organismi e macchine condividono una struttura formale — lo schema del feedback — limitatamente all’aspetto del controllo. È un’equivalenza ristretta.

Trasformarla in “gli organismi sono macchine” è scivolare verso un’equivalenza piena che la cibernetica non sostiene e che è indifendibile: un organismo si riproduce, si ripara, ha un metabolismo, una storia evolutiva, e — nel caso degli animali — esperienza soggettiva, e nulla di tutto questo è catturato dallo schema del feedback. Dire “condividono lo schema del controllo” e dire “sono la stessa cosa” sono due affermazioni diverse, e confonderle è un errore. La cibernetica taglia una categoria nuova trasversale al confine vivente/artificiale; non abolisce quel confine sotto ogni rispetto.

Il feedback puro non basta quando i ritardi sono lunghi. L’anello “misura l’errore, correggi” funziona bene quando l’effetto di un’azione si vede in fretta. Quando tra azione ed effetto c’è un ritardo grande, il feedback puro entra in difficoltà: il sistema corregge sulla base di un errore vecchio, l’azione arriva quando la situazione è già cambiata, e il risultato è oscillazione o instabilità. È l’hunting del predittore contraereo.

La cibernetica lo sa, ed è il motivo per cui esistono il feedforward — anticipare il disturbo invece di inseguirne l’effetto, trattato in feedback vs feedforward — e tutta la teoria della stabilità e dei ritardi, oggetto dei capitoli successivi di questa Parte. Il feedback negativo è potente ma non è una soluzione universale: ha condizioni di funzionamento precise.

Cibernetica non è un’estetica futuristica. Il prefisso “cyber-” è stato staccato dal suo significato tecnico dall’uso popolare: cyberspazio, cybersecurity, cyborg, cybernetic enhancements della fantascienza. Tutto questo ha contribuito a far suonare “cibernetica” come sinonimo di “tecnologia avveniristica, robot, futuro”.

Non lo è. La cibernetica come disciplina è una teoria del controllo e della comunicazione nei sistemi a feedback, e i suoi oggetti di studio canonici sono termostati, governatori di macchine a vapore, omeostasi corporea, timonieri. Il fascino futurista è un’eredità linguistica accidentale, non il contenuto del campo.

Cibernetica e intelligenza artificiale non sono sinonimi. Sono due programmi di ricerca distinti, ed è importante non collassarli. La cibernetica è degli anni ‘40 e mette al centro feedback, adattamento, processi continui.

L’intelligenza artificiale come campo nominato nasce nel 1956 alla conferenza di Dartmouth e, nella sua forma dominante per i decenni successivi — l’AI simbolica — mette al centro la manipolazione di simboli, la logica, la ricerca in spazi di stati. Sono approcci diversi, che per lungo tempo si sono ignorati o contrapposti. Il rapporto tra i due è il tema della prossima sezione, e va raccontato senza trasformarlo in una favola di progresso lineare.

Lo schema condiviso non spiega da solo il caso particolare. C’è un rischio opposto a quello di sottovalutare la cibernetica: sopravvalutarla. Sapere che un agente, un organismo e un termostato condividono lo schema del feedback è un’osservazione vera e utile, ma è anche, da sola, povera.

Lo schema astratto dice che c’è un anello; non dice quanto è grande il guadagno, quanto lunghi i ritardi, quanto rumorosa la misura, quanto non-lineare la dinamica. E sono questi dettagli quantitativi a decidere se l’anello converge, oscilla o diverge. La cibernetica fornisce la cornice giusta per porre le domande; le risposte richiedono di scendere nei numeri del caso specifico. Usare lo schema come spiegazione finale — “è un feedback loop, quindi capisco” — è fermarsi troppo presto. Lo schema è dove l’analisi comincia, non dove finisce.

La teleologia ridefinita non è la teleologia eliminata. La cibernetica mostra che un comportamento orientato a uno scopo può emergere da un meccanismo senza scopo consapevole. È una mossa potente, ma va maneggiata con cura.

Dire “il termostato ha lo scopo di tenere la stanza a 20 gradi” è un modo di parlare comodo, a patto di ricordare che lì “scopo” significa solo “comportamento controllato dall’errore rispetto a un setpoint”. Non significa che il termostato voglia, senta o intenda qualcosa. Lo stesso vale per un agente: dire che un agente “vuole” completare un task è un’abbreviazione utile, non una descrizione del suo stato interno. La cibernetica fornisce un linguaggio per parlare di scopo senza mistero, ma proprio per questo invita a non rimettere il mistero di nascosto dentro le sue parole.

Cibernetica e AI: la strada non presa

Vale la pena chiudere il capitolo con la storia del rapporto tra cibernetica e intelligenza artificiale, perché è una storia istruttiva e spesso raccontata male.

Negli anni ‘40 e nei primi anni ‘50, la cibernetica era il programma di ricerca dominante sull’intelligenza meccanica. Non aveva concorrenti seri. Il neurone a soglia di McCulloch e Pitts, il percettrone di Frank Rosenblatt — psicologo statunitense che nel 1958 costruisce una rete neurale fisicamente addestrabile — l’omeostato di W. Ross Ashby, psichiatra britannico che assembla una macchina elettromeccanica capace di ritrovare da sola un equilibrio: tutto questo è cibernetica. È un programma centrato su sistemi che si adattano, apprendono, si auto-regolano, modellati su feedback e dinamiche continue.

Nel 1956 il Dartmouth Summer Research Project on Artificial Intelligence battezza un campo nuovo e segna una biforcazione. I suoi protagonisti — John McCarthy, Marvin Minsky, Allen Newell, Herbert Simon — puntano su un programma diverso da quello cibernetico: l’intelligenza come manipolazione di simboli, deduzione logica, pianificazione, ricerca in spazi di stati discreti. Non l’anello continuo che insegue un errore, ma il ragionamento esplicito su rappresentazioni.

Negli anni ‘60 questa AI simbolica attira i finanziamenti, i talenti, l’attenzione, e la cibernetica perde centralità. Il colpo più duro al filone alternativo arriva nel 1969: Minsky e Papert pubblicano Perceptrons, un libro che analizza i limiti del percettrone a singolo strato e contribuisce — al di là delle intenzioni precise degli autori — a far evaporare per oltre un decennio i finanziamenti alle reti neurali.

Così la cibernetica diventa una “strada non presa”: l’antenata che l’AI delle decadi successive ha in gran parte rimosso dalla propria genealogia ufficiale. Ma qui serve precisione sulla classe dell’affermazione, perché è il punto dove le narrazioni sbagliano.

Non si può dire che l’AI moderna discenda linearmente dalla cibernetica: sarebbe una filiazione troppo netta. Il deep learning ha radici tecniche autonome — la backpropagation, le GPU, i grandi dataset — che non passano per Wiener e non hanno bisogno della cibernetica per essere spiegate.

È vero però, e documentato, che esiste un filone — quello connessionista, fatto di reti di unità semplici che apprendono dai dati — che è storicamente continuo: negli anni ‘40-‘60 quel filone si chiamava cibernetica, negli anni ‘80 connessionismo, dagli anni 2010 deep learning. È continuità di un filone specifico, non discendenza dell’intera AI.

La rivincita parziale sta qui. Con il successo del deep learning e dell’apprendimento per rinforzo, l’approccio basato su adattamento, feedback e processi continui — l’approccio che la cibernetica aveva inaugurato — è tornato al centro della scena, accanto e non più sotto a quello simbolico.

La formulazione onesta non è “la cibernetica è diventata l’AI moderna”, ma “la cibernetica è una delle due radici dell’AI, quella a lungo oscurata, e una sua parte è riemersa”.

C’è un punto in cui il ritorno è particolarmente nitido, ed è il loop degli agenti. Un agente moderno non esegue un piano alla cieca: osserva lo stato del mondo — l’output di un tool, il contenuto di un file, il risultato di un test — decide un’azione, la esegue, osserva di nuovo l’effetto.

Il pattern ReAct, che alterna passi di ragionamento e passi di azione, è la forma esplicita di questo ciclo. È un anello di feedback, e dirlo non è una metafora elegante: è un’identità di schema con il timoniere di Wiener.

L’apprendimento per rinforzo va anche oltre: un agente RL osserva uno stato, sceglie un’azione, riceve un reward, aggiorna la propria policy — feedback nel senso tecnico più stretto. La cibernetica, oscurata per mezzo secolo, è oggi il vocabolario naturale per descrivere cosa fa un agente quando lavora.

Resta da nominare una distinzione che i capitoli successivi della Parte X riprenderanno. La cibernetica di Wiener e delle Macy Conferences è oggi chiamata cibernetica di primo ordine: studia sistemi osservati, con lo scienziato che sta fuori e ne descrive il comportamento.

Negli anni ‘70 Heinz von Foerster — fisico austriaco-americano che aveva partecipato alle ultime Macy Conferences e ne aveva curato gli atti — formula la cibernetica di secondo ordine: la cibernetica dei sistemi osservanti, dove l’osservatore è incluso nel sistema che descrive. La domanda si sposta da “come funziona questo anello di controllo?” a “chi ha scelto il setpoint, e chi sta guardando?”.

È un avvertimento che torna, per chi costruisce agenti: il reward, l’obiettivo, la definizione di “successo” non galleggiano fuori dal sistema — li ha posti qualcuno che del sistema socio-tecnico fa parte. La cibernetica di secondo ordine ha un capitolo dedicato — second-order-cybernetics (in preparazione) — più avanti in questa Parte.

Le Macy Conferences

Un’ultima nota di contesto, perché la cibernetica non nasce in un libro ma in una stanza.

Tra il 1946 e il 1953 la Josiah Macy Jr. Foundation finanzia una serie di dieci conferenze a porte chiuse a New York, presiedute dal neurofisiologo Warren McCulloch. Il titolo formale delle prime edizioni era “Circular Causal and Feedback Mechanisms in Biological and Social Systems” — meccanismi a causalità circolare e feedback nei sistemi biologici e sociali; solo dopo l’uscita del libro di Wiener le conferenze adottano il nome “Cybernetics”.

La lista dei partecipanti spiega gran parte dell’influenza del campo. Vale la pena nominarli, perché ognuno porta una disciplina diversa nello stesso anello di conversazione.

Norbert Wiener, il matematico, con la teoria del feedback e della predizione.
John von Neumann (matematico ungherese-americano, 1903-1957), tra i padri del computer a programma memorizzato e della teoria dei giochi: porta il confronto tra il calcolatore e il cervello.
Warren McCulloch (neurofisiologo statunitense, 1898-1969), presidente delle conferenze, e Walter Pitts (logico autodidatta statunitense, 1923-1969): autori del modello del neurone come unità logica a soglia, fanno da ponte tra il sistema nervoso e la logica.
W. Ross Ashby (psichiatra britannico, 1903-1972): porta l’omeostato, una macchina che ritrova da sola il proprio equilibrio, e l’idea di adattamento come ricerca di stabilità.
Gregory Bateson (antropologo britannico, 1904-1980) e Margaret Mead (antropologa statunitense, 1901-1978): portano le scienze sociali e umane, e trasferiranno il pensiero cibernetico nello studio della comunicazione, della famiglia, della cultura.

Questa eterogeneità non è un dettaglio di colore: è la struttura stessa della cibernetica. Un campo che afferma che lo stesso schema astratto vale per macchine, organismi e società ha bisogno, per essere costruito, di una stanza in cui un ingegnere, un neurofisiologo, un logico e un antropologo discutano gli stessi concetti.

Le Macy Conferences furono il luogo in cui parole come “informazione” e “feedback” vennero per la prima volta usate come concetti generali, validi indifferentemente per cervelli, macchine, società ed economie. Da quelle discussioni escono semi che germoglieranno nella scienza cognitiva, nelle neuroscienze computazionali, nella teoria dei sistemi e nella terapia familiare. Il capitolo dedicato — macy-conferences (in preparazione) — racconta questa vicenda per esteso.

Cosa è rimasto

Una scienza si misura anche da ciò che lascia quando il suo nome smette di essere di moda. La parola “cibernetica” oggi si sente di rado nei dipartimenti di informatica, ma il suo contenuto si è diffuso a tal punto da diventare invisibile, assorbito da campi che hanno preso altri nomi.

La teoria del controllo è la discendente più diretta e ingegneristicamente matura: il PID, il controllo ottimo, il filtro di Kalman — quest’ultimo dovuto a Rudolf Kálmán nel 1960 — sono la formalizzazione rigorosa di problemi che la cibernetica aveva posto in forma generale. È il tema della Parte XI di questa wiki.

La teoria dei sistemi della Parte IX condivide con la cibernetica radici e vocabolario; le due si sono sviluppate intrecciate, al punto che molti autori le trattano come un unico campo visto da due lati. La scienza cognitiva nasce in buona parte dalle Macy Conferences: l’idea che la mente si possa studiare come un sistema che elabora informazione — e non come un’entità fuori dalla portata della scienza naturale — è un lascito cibernetico diretto.

Le neuroscienze computazionali ereditano il neurone di McCulloch-Pitts e l’idea del cervello come sistema di controllo e predizione, un’idea che riaffiora decenni dopo nel predictive processing. E la teoria del reinforcement learning — il Markov Decision Process, l’equazione di Bellman — è la matematizzazione moderna di un problema, il controllo orientato a uno scopo in un ambiente incerto, che la cibernetica e la teoria del controllo avevano posto per prime. Il capitolo ponte ponte-cibernetica-rl (in preparazione) traccia questo legame in dettaglio.

E poi c’è il filone connessionista, che è la linea di continuità più discussa e quella che porta dritto all’AI contemporanea. Va trattata con la disciplina di classe già usata sopra: non è che il deep learning sia cibernetica, né che ne discenda per intero. È che un filone specifico — reti di unità semplici che apprendono dai dati — ha attraversato tre nomi e tre epoche restando riconoscibilmente lo stesso programma. Tenere a mente questa genealogia parziale serve a leggere l’AI di oggi con più profondità storica: il “nuovo” ha spesso un’ombra lunga.

Una mappa per la Parte X

Questo capitolo ha posato il vocabolario. I capitoli successivi della Parte X lo mettono al lavoro, e vale la pena anticiparne la traiettoria, perché la Parte è un percorso e non una collezione di voci sciolte.

Il blocco immediatamente successivo scende nella meccanica del feedback. Si smonta l’anello nel dettaglio — setpoint, errore, guadagno, feedback positivo e negativo — e poi si studia cosa lo fa fallire: overshoot, ritardi, oscillazioni, divergenza. È la teoria di cui questo capitolo ha mostrato solo l’ombra parlando di hunting.

Il blocco centrale generalizza. L’omeostato di Ashby e l’idea di adattamento mostrano che non solo il controllo, ma la capacità stessa di adattarsi può essere meccanizzata. La legge della varietà necessaria pone un vincolo preciso: un regolatore deve avere abbastanza varietà interna per far fronte alla varietà dei disturbi che affronta. La nozione di black box chiede cosa si possa sapere di un sistema osservandone solo ingressi e uscite — domanda che chiunque lavori con modelli opachi riconoscerà.

Il blocco finale allarga di nuovo lo sguardo. Le Macy Conferences raccontano il contesto; la cibernetica di secondo ordine di von Foerster mette l’osservatore dentro il sistema; l’autopoiesi di Maturana e Varela e il Viable System Model di Stafford Beer portano la cibernetica verso la biologia e l’organizzazione. Chiudono due ponti espliciti: uno verso il reinforcement learning, uno verso gli agenti. È lì che il vocabolario posato qui diventa, di nuovo, uno strumento di ingegneria.

Collegamenti

Feedback vs feedforward — la Parte IX introduce feedback e feedforward come concetti di teoria dei sistemi; la cibernetica è il campo che mette il feedback al centro di una teoria dell’intelligenza e del controllo. Leggere prima quel capitolo aiuta.
Sistema, ambiente, confine, stato — il vocabolario di base (sistema, confine, stato) su cui la cibernetica si appoggia senza ridefinirlo.
feedback-loop (in preparazione) — il prossimo capitolo di questa Parte: il dettaglio meccanico di setpoint, errore, guadagno, feedback positivo e negativo che qui è solo introdotto.
stabilita-ritardi-oscillazioni (in preparazione) — l’hunting, l’overshoot e l’oscillazione: cosa succede quando il feedback è eccessivo o ritardato.
omeostasi-ashby (in preparazione) — Ashby, l’omeostato e l’adattamento; uno dei protagonisti citati qui ha qui il suo capitolo.
second-order-cybernetics (in preparazione) — von Foerster e la cibernetica dell’osservatore incluso nel sistema, qui solo accennata.
macy-conferences (in preparazione) — il contesto storico-istituzionale in cui la cibernetica fu discussa e definita collettivamente.
ponte-cibernetica-rl (in preparazione) — il legame esplicito tra feedback, controllo e il framework formale del reinforcement learning.
ponte-cibernetica-agenti (in preparazione) — agent loop, monitoring ed escalation visti come problemi cibernetici.
Dartmouth Workshop e la nascita del campo — la conferenza del 1956 che inaugura l’AI simbolica e segna la biforcazione con la cibernetica.
Reti neurali negli anni ‘80-‘90 — il filone connessionista, in continuità storica con la cibernetica, dopo l’inverno seguito a Perceptrons.
reti-neurali-perceptron (in preparazione) — il percettrone di Rosenblatt, erede del neurone di McCulloch-Pitts, parte del filone cibernetico-connessionista.

Per andare oltre

Norbert Wiener, Cybernetics: or Control and Communication in the Animal and the Machine (MIT Press, 1948; seconda edizione ampliata 1961). Il libro che fonda e nomina il campo. L’introduzione contiene la definizione e l’etimologia; i capitoli su feedback e oscillazione sono il cuore tecnico. L’edizione MIT Press è disponibile in open access.
Arturo Rosenblueth, Norbert Wiener, Julian Bigelow, Behavior, Purpose and Teleology (Philosophy of Science, vol. 10, 1943). L’articolo breve in cui il comportamento orientato a uno scopo viene definito in termini di feedback negativo, senza invocare menti. Uno dei due testi fondativi.
Claus Pias (a cura di), Cybernetics: The Macy Conferences 1946-1953. The Complete Transactions (Diaphanes / University of Chicago Press, 2003). Le trascrizioni complete delle dieci conferenze: il documento per vedere come la cibernetica fu costruita nel dibattito vivo tra discipline diverse.
Heinz von Foerster, Understanding Understanding: Essays on Cybernetics and Cognition (Springer, 2003). Raccolta di saggi che introduce la cibernetica di secondo ordine e la figura dell’osservatore incluso nel sistema.
Jérôme Segal, The Pigeon and the Predictor. Ricostruzione storica del progetto del predittore contraereo, del fenomeno dell’hunting e dell’incontro tra Wiener e Rosenblueth sull’atassia: utile per capire da quale problema concreto è nata la cibernetica.