Oltre il tabù darwiniano (parte quarta)

Verso un approccio sistematico ed evoluzionistico allo studio dei fenomeni culturali?

Sembra giunto il momento di entrare nel vivo del quesito che sta a fondamento di questa serie di articoli. La prospettiva memetica (ma in generale l’ approccio evoluzionistico e sistemico), seppur non condivisa da tutti, fa parte di un filone di ricerche che, sempre più, trova affermazione scientifica. L’approccio evoluzionistico alla cultura ha stimolato negli ultimi anni un proliferare di produzione letteraria e scientifica trasformandosi, il più delle volte, in veri e propri progetti di ingegneria sociale. C’è qualcosa di profondamente sbagliato nel fondare questi progetti ingegneristici su principi scientifici ed evoluzionistici o è, invece, possibile che tali ambizioni si conformino all’ideale della neutralità valoriale e del rispetto della diversità? Che ruolo può assumere, se può, l’antropologia nei confronti di questi progetti ingegneristici intelligenti? E soprattutto, qual è, se c’è, il confine tra educazione, imposizione dall’alto e lavaggio del cervello?

Nelle società moderne la competizione tra sistemi culturali e visioni del mondo (sistemi religiosi, politici, economici, ideologici, nella tassonomia di Jouxtel: complessi memici simbolici) si fa sempre più intensa e di portata globale a causa, come vedremo, di una nuova e ambigua forma di trasparenza. Vediamo se una chiave di lettura evoluzionistica per la comprensione delle dinamiche di tale competizione e delle ragioni del successo di specifiche visioni del mondo sulle altre sia destinata a ricadere nelle categorie valoriali e gerarchiche tipiche dell’antropologia ottocentesca e del darwinismo sociale. O se possa, invece, produrre un sapere in linea con gli ideali antropologici del presente. Al fine di formulare un ragionamento sensato su questo tema quanto mai delicato, dobbiamo addentrarci nelle interpretazioni più recenti dei concetti di “informazione” e “complessità” attraverso ciò che qui definisco ‘secondo darwinismo universale’.

Informazione, complessità e secondo darwinismo universale

«Ogni volta che vediamo cambiamenti che nuotano contro il flusso dell’ entropia, 

dovremmo sospettare che ci sia una macchina darwiniana all’opera.»

David Christian, From Big Bang to Nanorobots.

 

Come vagamente accennato in precedenza, è possibile leggere la formazione e il mantenimento dei vari gradi di complessità (in-organica, organica, super-organica) attraverso l’accumulo e il perfezionamento dell’ informazione proveniente dall’ambiente. L’accumulo di informazioni salienti è, in effetti, il filo rosso che collega le varie discipline disegnando i contorni del darwinismo universale. Sarà necessario abbandonare la concezione antropocentrica dei concetti di informazione e apprendimento al fine di intessere legami logici tra ambiti che, ad un primo e superficiale sguardo, sembrano non avere nulla da condividere. Infatti, considerando la conoscenza basata sull’evidenza un fatto puramente umano rischiamo di cadere in una trappola antropomorfica in grado di ostacolarci la via verso affascinanti, e direi utili, ragionamenti.

D’ora in avanti, considereremo la conoscenza sulla base dell’evidenza come un fatto universale e non come una prerogativa umana. Dalla stabilità del complesso mondo quantistico che sta alla base del reale che ci circonda alla formazione di organismi complessi in grado di sfruttare l’ ambiente nei modi più incredibili, dal perfetto equilibrio delle particelle elementari in grado di generare il complesso universo che ci ospita agli equilibri più o meno stabili delle nostre società, sembra sempre più possibile affermare che l’apprendimento è lo strumento che permette la formazione e il mantenimento di questa complicata bellezza. Vediamo come diversi intellettuali che potremmo definire darwinisti universali affrontano il rompicapo della complessità.

 

Inferenza bayesiana – Contro l’ inarrestabile erosione entropica 

La storia fin qui raccontata ci porta a considerare la vita e l’ esistenza (uso questo termine per allargare il concetto a sistemi che non sono per forza viventi) come qualcosa di raro, complesso ed estremamente delicato. Questa frustrante fragilità dell’ esistenza è causata dalla pervasiva azione dissipante della seconda legge della termodinamica. La seconda legge della termodinamica è una delle leggi fondamentali dell’ universo e, semplificando e riassumendo molto, implica che l’entropia totale (intesa qui come disordine) di un sistema isolato è destinata ad aumentare con il passare del tempo. Come contrastare questa ostinata tendenza dissipante? Secondo John Campbell la sopravvivenza dei sistemi complessi dipende dalla loro capacità di trovare delle ‘scappatoie’ (loopholes), delle feritoie in cui l’ incremento dell’ entropia ambientale viene sfruttato per diminuire l’ entropia interna al sistema. Un esempio è rappresentato dalla fotosintesi attraverso cui le piante, sfruttando l’ aumento generale di entropia del sistema sole/terra, abbassano il loro livello interno di entropia, incrementando così le loro possibilità di sopravvivenza. A tal proposito, Henry Plotkin propone di considerare gli adattamenti come metodi specifici utilizzati da sistemi a bassa entropia per mantenere o diminuire tale entropia alle spese dell’ ambiente. Come avviene questo processo? 

Karl Friston, eminente neuroscienziato presso la University College London, sostiene che ogni sistema adattivo complesso, per esistere e continuare a farlo, debba possedere una rappresentazione interna della realtà che lo circonda, si tratta di ciò che abbiamo fin qui definito un modello della realtà (in ambito biologico si tratta di “mape cognitive”, si veda a tal proposito il capitolo precedente e il sotto-paragrafo 3.2). L’accuratezza di tali modelli interni è, per Friston, garantita dalla inferenza bayesiana. L’inferenza bayesiana viene così definita in quanto derivante dal teorema di Bayes utilizzato per calcolare la probabilità di una causa che ha scatenato l’evento verificato.

Di derivazione, l’inferenza bayesiana rappresenta, grossomodo, il metodo di aggiornamento del modello della realtà utilizzato dai sistemi nel momento in cui ricevono nuove informazioni dall’ambiente. Applicando questa teoria ai suoi studi sul cervello, Friston ha elaborato il concetto di free energy principle per definire il modo in cui gli organismi tentano continuamente di ridurre le discrepanze tra il modello della realtà interno e la realtà stessa. In questo modo, ovvero diminuendo le discrepanze tra modello e realtà, è possibile prevedere al meglio gli stati futuri di esistenza e non rimanerne sorpresi rischiando il collasso o, nel nostro caso, la morte.

John Campbell continua sostenendo che il processo di aggiornamento del modello tramite l’inferenza bayesiana funzioni in maniera algoritmica attraverso tre tappe fondamentali: copia (replicazione) dei modelli in competizione portati avanti assieme ai precedenti dati rilevanti; variazione (modificazione) delle probabilità tra i modelli concorrenti in relazione ai nuovi dati; sopravvivenza differenziale (selezione) dei modelli concorrenti in base alla loro conformità con il reale. Come potrete notare, senza dover entrare nei dettagli dell’ inferenza bayesiana, questo algoritmo proposto da Campbell può considerarsi isomorfo all’ algoritmo darwiniano incentrato su replicazione, variazione e selezione. Si tratta, in altre parole, di aggiornare la conoscenza attraverso l’inferenza (intesa qui come conclusione derivata logicamente dalle premesse); questa conoscenza consiste in adattamenti che aumentano la sopravvivenza e che sono trasmessi di generazione in generazione. Il tecnicismo scientifico e spesso matematico tipico dei sovraesposti ragionamenti non deve distrarci dal nostro obbiettivo ma, piuttosto, abituarci al carattere interdisciplinare di questa prospettiva evoluzionistica e sistemica all’interpretazione della realtà. Senza dover sprofondare nei teoremi matematici, introduciamo ora i concetti a noi più familiari di informazione e complessità.

 

Informazione, depositi di conoscenza e dente d’arresto – I garanti della complessità

Attraverso il darwinismo universale è quindi possibile immaginarsi ogni tipo di processo darwiniano come il metodo elaborato dalla natura per contrastare questa tendenza universale verso il disordine e la non esistenza. Tutti i campi di ricerca a cui si applicano i processi darwiniani sembrano implicare la presenza di un deposito di conoscenza (‘knowledge repositories’) e di un dente di arresto in grado di rendere tale conoscenza cumulativa. Prima di procedere sembra opportuno delineare il confine che sussiste tra informazione e conoscenza. Donald MacKay restringe gli astratti confini del concetto di informazione definendola ‘una distinzione che fa la differenza’, di conseguenza è possibile misurare la quantità di informazioni presenti in un messaggio in base al numero di realtà alternative che tale messaggio è in grado di escludere. David Christian sottolinea come l’informazione non necessiti affatto di una mente ma, quando una mente cosciente viene inserita all’interno della catena di causa ed effetto dell’ informazione, allora tale informazione diviene semantica.

L’autore australiano continua sostenendo che nel momento in cui l’informazione diventa particolarmente complessa sia possibile chiamarla conoscenza. Tale complessità della conoscenza è garantita dalla capacità di creare una rete di relazioni in cui ogni singolo bit di informazione è connesso agli altri, questa fitta rete relazionare è in grado di formare la conoscenza della realtà che ci circonda.

Tuttavia, queste non sono le uniche definizioni di conoscenza e informazione. Il darwinista universale John Campbell suggerisce che per comprendere appieno il concetto di conoscenza dobbiamo prima definire il suo opposto: l’ignoranza. Il concetto di ignoranza è centrale nella teoria dell’ informazione elaborata da Claude Shannon in cui l’ informazione viene definita come la sorpresa sperimentata da un modello che aveva predetto alcuni risultati e che viene smentito dai risultati effettivi. Messa in questi termini l’informazione può essere intesa come la misura del livello di ignoranza del modello della realtà utilizzato da un sistema per simulare situazioni future. Allo stesso modo quindi un modello scientifico che propone determinate ipotesi o il genoma di una specie che tenta in tutti i modi di predire la strategia migliore per sopravvivere e riprodursi, utilizzano l’ accumulo di conoscenza per ridurre l’ ignoranza interna al sistema e al modello di riferimento ed evitare dunque di rimanere sorpresi dinnanzi ad accadimenti futuri.

Questo accumulo di informazione che sta alla base della conoscenza è da considerarsi il meccanismo fondamentale per la messa in moto di qualsivoglia processo darwiniano. In questo modo, l’evoluzione è in grado di dirigere un sistema lontano dal caos entropico e dal collasso senza la necessità di un pilota cosciente. Daniel Dennett chiama questo processo ‘l’idea pericolosa di Darwin’: l’algoritmo darwiniano opera senza il bisogno di un obbiettivo, di una volontà e di una coscienza ma crea, al contrario, l’apparenza di un progettatore. Esploriamo alcuni dei sistemi presenti in questo universo, tra cui l’universo stesso, in grado di contrastare la tendenza entropica e, quindi, generare e mantenere la complessità per mezzo delle strategie sovraesposte.

 

Diverse tipologie di macchine darwiniane

La cultura è la forma di conoscenza che ci è più familiare ed è possibile interpretare i processi culturali come un progressivo accumulo di informazione basata sull’evidenza. In questa prospettiva si inserisce perfettamente il concetto di meme come unità di informazione che viene trasmessa di cervello in cervello e che viene selezionata in base ai criteri esposti nel precedente capitolo ma che, ciononostante, deve rispettare il fragile equilibrio della complessità di cui fa parte e da cui trae origine. Tema centrale dei paragrafi successivi sarà, appunto, la possibilità di suddividere i processi culturali, così come le visioni del mondo e i sistemi di pensiero, in base all’accuratezza con cui accumulano l’informazione e quindi in relazione al modo in cui i memi vengono selezionati e agli incentivi o le proibizioni che tali memi stimolano nei loro veicoli per la ricerca e l’aggiornamento dell’informazione. 

Abbiamo visto come Karl Friston consideri il cervello stesso essenzialmente come un “computer bayesiano” che opera continuamente una selezione, sulla base di evidenze sensoriali, tra un’immensa varietà di ipotesi. Lo stesso procedimento, ontogenetico nel caso di Friston, avviene a livello filogenetico nel genoma che viene selezionato dall’ambiente e accumula così informazioni circa ciò che può o non può esistere. In altre parole, gli adattamenti contengono informazioni sull’ ambiente, nello specifico informazioni su come sopravvivere nell’ambiente particolare in cui l’organismo probabilmente nascerà.

Nella cosmologia, da tempo, gli scienziati sono alla ricerca di un indiziato favorevole a ricoprire il ruolo di contenitore di informazioni, come lo è il genoma per l’evoluzione organica, riguardanti le leggi fisiche e i valori esatti di tutti i parametri fondamentali. Lee Smolin, nel tentativo di spiegare la complessità e la precisione del nostro universo, ha proposto la teoria della selezione naturale cosmologica. Secondo Smolin, un buco nero in un ‘universo genitore’ genera un ‘universo figlio’ che eredità le leggi fisiche e i parametri dall’ universo genitore. Come sempre, anche questo processo riproduttivo produce variazioni e queste varianti vengono selezionate e preservate solamente in quanto capaci di riprodursi a loro volta. A livello cosmologico questa capacità riproduttiva che discrimina la selezione è garantita da un grado di complessità abbastanza alto da permettere la formazione di altri buchi neri. Una volta raggiunto un determinato grado di complessità un universo può ospitare forme nuove di complessità (chimica, organica, culturale). 

Questi esempi di macchine darwiniane all’opera, pur non essendo condivise all’unisono dal mondo accademico, ci suggeriscono che lentamente, attraverso il sapere scientifico, stiamo imparando a sostituire, in sempre più ambiti, alla teleologia tradizionale una teleonomia naturalistica che non necessita di nessun progettatore o architetto per la creazione e il mantenimento della complessità. Tuttavia, raramente questa comprensione generale di stampo scientifico evoluzionistico si limita a essere puramente descrittiva e si trasforma spesso e volentieri in veri e propri progetti di ingegneria sociale in cui il limite tra educazione, condivisione di obbiettivi comuni, lavaggio del cervello e imposizione di ideali dall’ alto è quanto mai labile e soggetto alla feroce critica degli umanisti. Come superare questa incapacità d’ azione che spesso l’ antropologia sembra manifestare?

La scienza ha veramente le caratteristiche necessarie per proporsi come fondamento di una rivoluzione culturale di stampo globale? Se sì, l’antropologia può essere di una qualche utilità nel processo di mediazione culturale o deve astenersi e limitarsi a descrivere (e tentare di comprendere)? Su quali principi si basa l’ apparente successo della visione del mondo scientifica rispetto alle visioni del mondo di stampo magico religioso?

Per rispondere a queste e ad altre domande e per avvicinarci al bersaglio centrale di questa tesi, nel prossimo articolo proveremo ad analizzare le visioni del mondo religiose e la visione scientifica attraverso una prospettiva sistemica e darwiniana. Tenteremo di comprendere analogie e differenze di queste due visioni del mondo basandoci sulle strategie relazionali che innescano con gli individui che le ospitano, sulla loro capacità predittiva e sui metodi di accumulo e aggiornamento dell’ informazione proveniente dal mondo socioculturale circostante. Tutto ciò, sempre al fine di comprendere se una forma attuale e responsabile di antropologia evoluzionistica possa finalmente convivere con l’ideale di neutralità valoriale a cui aspira ogni scienza.

 

 

Bibliografia:

  • Bateson G., 1972, Steps to an Ecology of Mind, Chicago: University of Chicago Press; trad. It. di G. Longo, 2000, Verso un’ecologia della mente, Milano, Adelphi.
  • Campbell O. J., 2009, Bayesian Methods and Universal Darwinism, disponibile al sito: https://arxiv.org/ftp/arxiv/papers/1001/1001.0068.pdf. Ultimo accesso: 25/09/2018.
  • Christian D., 2015, Evolution: From Big Bang to Nanorobots, redatto da Leonin Grinid Korotayev Andrey, Volgograd, Uchitel Publishing House.
  • Dennett D., 2003, Freedom Evolves, New York: Viking Press; trad. it. di Massimiliano Pagani, 2004, L’evoluzione della libertà, Milano, Raffaello Cortina Editore.
  • Floridi L., 2010, Information: A Very Short introduction, Oxford, Oxford University Press.
  • Plotkin H., 1997, Darwin Machines and the Nature of Knowledge, Cambridge, Harvard University Press.
  • Smolin L., 1997, The Life of the Cosmos, Oxford, Oxford University Press.
Facebook Comments
Translate »