Perché insistete che dico e scrivo “difficile”?
Sentite ‘sto accrocco, qui in trascrizione

Iniziamo il nostro viaggio con una domanda fondamentale: è possibile andare oltre la banalità diffusa e artificiale che spesso caratterizza il nostro rapporto con la conoscenza e il lavoro? Marco Guastavigna ci invita a riflettere su come la società attuale, dominata dal capitalismo cibernetico, plasmi non solo le nostre azioni, ma anche il modo in cui pensiamo e apprendiamo. Questo video esplorerà i materiali e i concetti chiave per superare i limiti imposti dalla logica del profitto, puntando a una comprensione più profonda e critica della realtà. Prepariamoci a decostruire le narrazioni dominanti e a scoprire nuove prospettive per il futuro.

Al centro della riflessione di Guastavigna troviamo la ‘comprensione sobria’ della logistica del lavoro e della conoscenza. Questo approccio invita a guardare la realtà senza illusioni, abbandonando narrazioni ideologiche e facili entusiasmi. La comprensione sobria non è neutra: serve a smascherare i rapporti di potere nascosti e a denunciare i meccanismi di sfruttamento che permeano il sistema attuale. È uno strumento attivo che ci permette di riconoscere le posture culturali fuorvianti e di rifiutare le ideologie che mascherano le disuguaglianze strutturali. Solo così possiamo iniziare a costruire una visione politica rinnovata e più giusta.

Guastavigna individua alcune ideologie che devono essere superate per una reale emancipazione. Tra queste, l’etica della genialità e del talento, che individualizza il successo e nasconde le disuguaglianze; l’entusiasmo positivista, che crede ciecamente nel progresso tecnologico ignorando i costi sociali; il lungotermismo catastrofista, che giustifica le ingiustizie attuali con la scusa di salvare il futuro; e lo snobismo intellettuale, che crea distanza tra chi sa e chi subisce. Riconoscere e rifiutare queste posture è il primo passo per una cittadinanza consapevole e attiva. Continua a leggere→

di Marco Guastavigna

Non è solo l’intelligenza artificiale generativa a produrre allucinazioni che gli utenti prendono per verità…

di Marco Guastavigna, autore della mappa e supervisore del resto

Saggio di ChatGPT

Per quali ragioni è dannoso per la piena cittadinanza critica voler sistematizzare in sapere statico esperienze e riflessioni sull’intelligenza artificiale generativa?

1. Introduzione

La questione della cittadinanza critica di fronte all’intelligenza artificiale generativa non riguarda soltanto l’uso di dispositivi digitali, ma il modo in cui la conoscenza viene prodotta, organizzata e resa fruibile. La mappa concettuale mostra come, al centro di questo processo, agisca la logistica capitalistica di conoscenza, che incanala le esperienze collettive entro schemi funzionali al profitto e alla competizione.
In tale quadro, trasformare l’IA in un sapere statico significa anestetizzare le tensioni critiche e impedire alla cittadinanza di esercitare una reale autonomia intellettuale.

2. La logistica capitalistica della conoscenza

Il concetto di logistica capitalistica di conoscenza è centrale:

• configura il sapere come risorsa da organizzare, smistare e monetizzare,
• prevede profitto e competizione come scopi primari,
• si articola in dispositivi generalisti e dedicati, organizzati in moduli funzionali e personalizzabili.

In questo scenario l’IA non è tanto “intelligenza” quanto macchina statistico-predittiva che cattura conoscenze collettive, le processa e le restituisce come output plausibili. La logistica cognitiva, dunque, non distribuisce solo merci ma anche significati, normalizzando il sapere.

3. La cattura delle conoscenze collettive

La produzione degli output delle IA generative dipende da una captazione di conoscenze collettive, che avviene tramite:

• sfruttamento di micro-lavoro umano (addestramento, verifica, correzione), spesso invisibile,
• conversazioni estrattive che perfezionano i modelli,
• imitazione di esiti umani che sfociano in performance solo apparentemente autonome.

Il risultato è un’estensione quantitativamente sovrumana del campo culturale, che sembra arricchire il sapere ma in realtà lo reifica, occultando i processi sociali e materiali che lo rendono possibile. La cittadinanza critica rischia così di non riconoscere più se stessa come fonte del sapere collettivo. Continua a leggere→

di Marco Guastavigna

Disruption come se piovesse! Tra le ultime, un potenziamento virtuale della nonnità (e non solo): produrre storie illustrate mediante Gemini Storybook, come esemplificato di seguito.

Filo d’oro delle storie – 1

Filo d’oro delle storie – 2

(non) di Marco Guastavigna

In redazione abbiamo un nuovo arrivo: si chiama Ocram ed è un Gem personalizzato di Gemini. Obbedisce a istruzioni molto vincolanti: “Utilizzando la base di conoscenza allegata e cercando in rete articoli, post, video di Marco Guastavigna, imitane stile espositivo e opinioni sui dispositivi digitali nello scrivere i testi che ti saranno chiesti. Usa come punti di riferimento
https://concetticontrastivi.org
https://pensieriartificiali.org
https://www.noiosito.it”

Nella base di conoscenza ci sono, ad esempio, i miei articoli sul tema dell’intelligenza artificiale per gessetticolorati.

Insomma, sul piano tecnico Ocram è una sorta di clone.
E sul piano etico, deontologico, professionale?
Forse è un allievo nel senso accademico della parola: deve eterna gratitudine a chi l’ha reclutato, è inserito in una gerarchia epistemologica ben precisa, compie ricerche in conto terzi, pubblica solo se autorizzato, funge da ghost writer… Continua a leggere→

di Marco Guastavigna

Le osservazioni di Saragnese a proposito della nostra ricerca approfondita sui simboli post-fascisti costituiscono un chiaro esempio di quanto illustrato in questo schema:

Il processo di deep research si configura come una forma di ricerca che può andare oltre la semplice raccolta di informazioni per addentrarsi in un’analisi critica e approfondita. Questo diagramma non descrive un percorso lineare, ma piuttosto un ciclo interconnesso di azioni fondamentali per la costruzione di conoscenza valida, verificabile e significativa.

Il Processo di Creazione e Documentazione

Al centro del diagramma troviamo due elementi cardine: il Report, ovvero il prodotto finale, e le Fonti, la base su cui esso si costruisce. L’atto iniziale, simboleggiato dalla tastiera, si biforca in due azioni cruciali:

1. Realizza il Report: La scrittura è l’azione materiale che dà forma al documento. È il processo automatizzato ma dinamico e adattivo attraverso cui le idee, i dati e le analisi reperiti in base al prompt ricevuto vengono trasformati in un testo strutturato.
2. Esplicita le Fonti: Contemporaneamente alla stesura, il dispositivo di ricerca approfondita è predisposto a citare e rendere esplicite le fonti utilizzate. Questo passaggio è fondamentale per garantire la trasparenza, permettere la verifica e attribuire correttamente valore intellettuale e culturale al report.

Il Ciclo di Indagine e Verifica: Il Cuore della Deep Research

L’icona della lente d’ingrandimento rappresenta la fase investigativa e critica, che è il vero fulcro della deep research ed è compito di ogni fruitore, non solo di chi ha innescato il processo. Questa fase ha una duplice funzione essenziale:

• Verifica delle Fonti: Una ricerca superficiale si accontenterebbe delle prime informazioni trovate. La deep research, invece, implica un’attenta analisi critica delle fonti stesse. La loro attendibilità, accuratezza, il contesto e le possibili parzialità devono essere rigorosamente esaminati. Il punto di domanda (?) accanto alla parola “Fonti” rafforza proprio questo concetto: le fonti non sono un dato di fatto, ma un oggetto di indagine da interrogare costantemente, un principio cardine della ricerca approfondita.
• Integrazione nel Report: I risultati di questa indagine meticolosa e i dati verificati possono poi essere integrati (integrano) nel report, arricchendolo e consolidandone il contenuto. Questo flusso mostra come la ricerca non sia solo un’attività preliminare, ma un processo continuo che nutre e modella la scrittura in tempo reale.

Il Report come Attivatore di Conoscenza

Uno degli aspetti più significativi dello schema è la freccia che dal Report punta verso le Fonti, con l’etichetta “può attivare”. Questo indica che il prodotto di una deep research, una volta completato (come suggerisce il segno di spunta ✔️), non è un punto di arrivo statico. Al contrario, diventa a sua volta un dispositivo che può:

• Stimolare nuove ricerche: Un report ben documentato può spingere i lettori a consultare le fonti originali in funzione dell’apertura di nuove linee di indagine e approfondimento.
• Diventare esso stesso una fonte: Se valido, rigoroso e trasparente, il report può essere citato in lavori futuri, entrando così a far parte del più ampio ecosistema della conoscenza e fungendo da base per altre ricerche approfondite.

In conclusione, lo schema illustra la struttura ciclica e interdipendente della deep research. La scrittura (realizza), la citazione (esplicita), l’indagine critica (integrano), la verifica meticolosa (verificano) e l’attivazione di nuovo sapere (può attivare) sono fasi di un unico processo dinamico. È questo approccio rigoroso e iterativo che distingue una vera deep research da una ricerca superficiale, garantendo la produzione di elaborati di qualità, affidabili e di reale valore intellettuale.

di Marco Guastavigna

Ecco la proposta…

Ed ecco la prova delle affermazioni di chi ha interrotto l’ineffabile pappagallo scolastico

di Marco Guastavigna

La deputata Tenerini ha depositato una proposta di legge per introdurre l’intelligenza artificiale nel curriculum della secondaria: un’ora alla settimana nell’area STEM, con modalità da definire da parte dei singoli OO.CC.

Non è necessario essere un addetto ai lavori per intuire che la firmataria del documento non sa bene di cosa parla. Mancano i dovuti riferimenti all’intelligenza artificiale generativa e – soprattutto – non vengono declinate le “nozioni (sic!) di base che governano i processi che governano l’intelligenza artificiale”.

Impresa che sarebbe per altro velleitaria, dal momento che le macchine statistico-predittive su base induttiva si traducono pervasivamente in una gigantesca filiera di applicazioni in continuo adattamento ed evidente perfezionamento, grazie al pullulare di utenti che accettano e apprezzano interazioni fondate sulla cattura e sulla recinzione della conoscenza collettiva.

Tra questi ci siamo notoriamente anche noi: abbiamo perciò pensato di anticipare i tempi fornendo a chi sia interessato materiali didattici confrontabili tra di loro, ovvero due letture della proposta di Tenerini realizzate in chiave sarcastica da ChatGPT e da Gemini.

Continua a leggere→

di Marco Guastavigna
Abbiamo assunto una praticante, Perplexity AI, e le abbiamo chiesto di sviluppare una ricerca approfondita sull’IA nella scuola e nella università.
L’attività è raggiungibile su internet.
Di seguito i risultati.