Dall'intelligenza artificiale un'idea per quella "naturale"

L'arte di suggerire

Finiti i tempi dei foglietti nei polsini o nei vocabolari da portare all'esame, il suggerimento è diventato una tecnica da impiegarsi sistematicamente nell'apprendimento

‘Perché pur diffidi?’,
a dir mi cominciò tutto rivolto;
‘non credi tu me teco e ch'io ti guidi?’
Purgatorio III, 22-24
È convinzione ormai diffusa che l'uso del computer eserciti una rilevante influenza sull'attività del pensiero; in particolare i progressi registrati nel campo dell'intelligenza artificiale ci sembrano offrire interessanti spunti di riflessione anche per la pratica didattica a scuola.
L’apprendimento artificiale, quello cioè rivolto alle macchine, comporta l'aggiustamento dei parametri interni di un sistema, portandolo a compiere le associazioni corrette tra i dati d'ingresso e le uscite desiderate. Ciò può essere agevolato da "suggerimenti", algoritmi che cercano di ridurre al minimo la misura dell'errore tra le azioni che la macchina sta compiendo e il comportamento desiderato: proprio come fanno le manopole in una radio alla ricerca della giusta sintonia. Anche noi ci avvarremo pertanto di questa metafora cercando di aggiustare le manopole (i + e i - dei paragrafi) alla ricerca di una buona sintonia per l'apprendimento.
Più generalizzazione, meno ripetizione
"Sovrapprendimento", questo il termine usato dai ricercatori dell'intelligenza artificiale per indicare la tendenza di una macchina a imparare a memoria gli esempi di addestramento anziché operare la necessaria generalizzazione. Un po’ quello che capita con certi studenti, dai quali al massimo riusciamo a ottenere una "ripetizione" dei concetti minimali; e non c’è suggerimento che tenga quando quel che si richiede è un po’di elaborazione personale! E agli esami?
Il candidato sembra parlar bene, la proprietà di linguaggio è buona, il discorso è scorrevole, ma proviamo a metterlo in difficoltà, a mutargli il punto di vista, a sorprenderlo con collegamenti desueti tra le materie o addirittura all’interno dello stesso programma: è qui che il suo sguardo potrà illuminarsi per il desiderio di alimentare il fuoco della scintilla che gli è stata suggerita, oppure appannarsi scoperchiando il vuoto che soggiace ad una conoscenza che, di lì a poco, in sua assenza, definiremo superficiale. Uomini o macchine (fatte comunque a sua immagine e somiglianza) hanno entrambi lo stesso banco di prova per dimostrare quanto sono intelligenti: posti di fronte a un problema nuovo, come se la cavano?
Meno trasmissione, più produzione
La chiave che fa la differenza sta, evidentemente, nella fase che precede la prova, vale a dire nel periodo di educazione o, nel caso delle macchine, di addestramento: la mente, neurobiologica o artificiale che sia, ha appreso le conoscenze imparandole a memoria oppure generalizzando, cioè imparando a riutilizzarle in contesti nuovi?
Secondo i ricercatori dell’intelligenza artificiale due sono i tipi di problemi da cui si può sviluppare apprendimento: quelli "strutturati", nei quali tutti i dati sono definiti, compresa la soluzione, e quelli "casuali", ovvero indefiniti, nei quali la soluzione va cercata attraverso la generalizzazione da operarsi sull’insieme degli esempi conosciuti.
Il sospetto è che a scuola si studi molto attraverso problemi strutturati, quando invece nella quotidianità (e nell’ambiente di lavoro) si deve imparare (e alla svelta) attraverso problemi casuali. Del resto non è una novità che la scuola tende ad essere vissuta come luogo di trasmissione del sapere piuttosto che come uno dei luoghi di produzione di tale sapere, quale in realtà è.
Lo studente quindi, cresce con l’idea di dover imparare qualcosa di pre-stabilito e anzi immutabile, di dover ripetere insomma qualcosa già scritto nell’infallibile manuale o nei preziosi appunti. Già gli appunti: l’oracolo del professore. Come aiutare lo studente a togliersi questo pre-giudizio e a mettere in dubbio le certezze di cui si sente investito quotidianamente dai manuali e da chi pretende di spiegarglieli?
Più esempi, meno certezze
Ma quali certezze! Casi particolari, esempi da cui estrapolare approssimazioni di verità, di per sè perfettibili. Una poesia, una funzione, un circuito o un caso finanziario possono essere avvicinati in quanto tali, peculiari combinazioni di segni che non si bastano da sole, oggetti di apprendimento in quanto "esempi" e non concetti assoluti. Come stabilire se l’ennesima poesia sulla sera è da ascriversi al movimento decadente piuttosto che a quello romantico o neoclassico?
Se non ci si accontenta di guardare il numero della pagina dell’antologia o la data di nascita dell’autore (espedienti da "sovrapprendimento"), occorrerà esercitare una valutazione, più o meno come si fa nel caso in cui si deve stabilire se un cliente è affidabile al punto da consentire il rilascio della carta di credito.
L’accostamento può sembrare esotico, ma a scuola ogni giorno il dilemma si consuma nelle menti dei nostri studenti (molto meno in quelle di noi docenti, gelosi ognuno del proprio ambito specialistico) nel passare tra l’ora d’italiano e quella di tecnica bancaria.
Come trasferire le abilità conquistate nel primo, nell’ambito del sapere della seconda? Una valutazione, direbbero i ricercatori dell’intelligenza artificiale, è un tipico problema "casuale" in cui non esiste una soluzione pre-definita.
Può darsi però che gli esempi di cui si è a conoscenza non bastino a far compiere allo "studente" generalizzazioni adeguate a classificare i nuovi ingressi. Ecco allora l’utilità di introdurre un suggerimento anche semplice, ma "intelligente": a parità di tematica l’uso di certi artifici retorici può includere o escludere la collocazione del nuovo testo in un determinato movimento culturale così come, a parità di caratteristiche, l’approvazione della carta di credito per il cliente che guadagna di meno comporta l’approvazione della carta anche per quello che guadagna di più. Semplice e, perciò, efficace (probabilmente).
Più strategie, meno contenuti
Ne deriva che un suggerimento per essere "intelligente" deve facilitare il processo di generalizzazione, ovvero rafforzare le capacità di osservazione e di formulazione di ipotesi al fine di risolvere problemi. Lasciamo dunque che sia lo studente a generalizzare a partire dagli esempi su cui ha effettuato l’apprendimento; a noi il compito di suggerire tecniche o modi di scoprire e rendere espliciti le possibili connessioni tra contesti diversi.
La nostra lezione espositiva di contenuti, tipica di una scuola concepita per la trasmissione del sapere, si trasformerà probabilmente in una lezione tesa a immaginare strategie efficaci per la ricerca e l’elaborazione delle informazioni; le nostre relazioni di tipo gerarchico si muteranno in relazioni di tipo dialogico in cui il livello di complicità con lo studente si incrementerà; le "quattro mura scolastiche" si allargheranno fino a contenere altri centri del sapere e magazzini multimediali di informazioni. Questa complicità inoltre non priverà lo studente del piacere di raggiungere dei risultati da solo, il che non è da sottovalutare in termini di gratificazione per la motivazione a proseguire nella conoscenza.
Infine, a qualcuno può aver fatto specie questo accostamento tra mente naturale e artificiale, quasi si potessero mettere sullo stesso piano. È ovvio quel che si rischia nel caso delle macchine: al massimo la compromissione del buon funzionamento di un calcolatore. Ben altro il rischio che si corre con le menti umane, a sottolineare l’importanza della professione docente e la grande funzione civile di cui viene investita.
Quante volte ci siamo sorpresi a suggerire ai nostri studenti non una risposta, ma un criterio per cui arrivare a dare una risposta. Non sempre l’hanno colto, ma ce lo conferma anche l’intelligenza artificiale: è questa l’arte del suggeritore, ovvero di colui che ha la responsabilità di guidare nella conoscenza.