Informazioni - Scienze della ...
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
03/12/17
Informazioni
• Docente teresa numerico
teresa.numerico@uniroma3.it
Epistemologia dei • 6 crediti
• 36 ore (inclusa la valutazione
nuovi media sperimentale per frequentanti)
Corso di scienze della comunicazione • Orario lezioni: lun. H.
a.a. 2017-2018 12.00-15.00 I sem. Aula 2
Teresa Numerico • Valutazione sperimentale per i/le
teresa.numerico@uniroma3.it frequentanti che lo desiderano
• Il corso sostituisce quello di
comunicazione di rete
Informazioni II filosofia e società
• Libri di testo per sostenere • Philosophy can teach children
l’esame se non si vuole fare what Google can’t (Guardian
l’esame come frequentante jan. 2017)
– Mayer-Schönberger V., Cukier N., https://www.theguardian.com/
Big Data, Garzanti, Milano, 2013.
commentisfree/2017/jan/09/
– Lovink G. L’abisso dei social
media, Egea, Milano, 2016. philosophy-teach-children-
– Numerico T. (et al.), L’umanista schools-ireland
digitale, Il Mulino, Bologna,
2011, cap. I e cap. IV
1
03/12/17
Di cosa si parlerà nel
Epistemologia
corso?
• Questioni epistemologiche, politiche,
sociali e etiche relative all’uso dei • È lo studio della conoscenza e della
media digitali nella vita quotidiana e credenza giustificata.
nella costruzione della conoscenza • Le domande a cui si riferisce sono:
– Big Data, data mining, machine learning e – quali sono le condizioni necessarie e
deep learning sufficienti per la conoscenza?
– Costruzione della conoscenza e – Quali sono le sue fonti?
organizzazione dell’educazione nel contesto – Quali sono i suoi limiti?
digitale – Come dobbiamo comprendere il concetto di
– Sorveglianza, controllo e libertà giustificazione?
– Teoria, dati e interpretazione: il ruolo – Cosa rende giustificate le credenze
dell’algoritmo giustificate?
– Accesso e organizzazione delle informazioni – La giustificazione è esterna o interna alla
– Privacy e right to be forgotten mente?
– Copyright
– Interfaccia
Più in generale
Medium/mezzo
l’epistemologia…
1. Qualcosa che sta in mezzo
• L’epistemologia ha a che fare con 2. Un mezzo per condurre o rendere qualcosa
la creazione e la diffusione efficace, per es. Una sostanza usaa come mezzo di
trasmissione (l’aria è il medium che conduce il
della conoscenza in particolari suono)
aree di ricerca 3. Spesso usato al plurale media: un canale o
sistema di comunicazione, informazione o
• Secondo il Merriam-Webster intrattenimento; una publicazione o trasmissione
che contiene la pubblicità; un modo di
dictionary: espressione artistica o comunicazione
– the study or a theory of the nature 4. Qualcosa come un disco magnetico su cui
l’informazione può essere conservata: file audio
and grounds of knowledge especially o video disponibili per il playback o lo
with reference to its limits and streaming
5. Qualcosa che fa da tramite, un intermediario
validity oppure una condizione o un ambiente in cui
qualcosa può funzionare o fiorire
203/12/17
Dispositivo/apparato/ Dispositivo/apparato/
medium medium/ 2
• Secondo Foucault (1977) un insieme • Il dispositivo cioè è quello
eterogeneo che consiste in discorsi,
istituzioni, forme architettoniche che prendiamo per buono e
decisioni regolative, leggi, misure garantito senza metterlo in
amministrative, affermazioni
scientifiche, proposizioni discussione
filosofiche e filantropiche- in breve
il detto e il non-detto, questi sono • Determina anche quello che
gli elementi dell’apparato viene considerato possibile e
• L’apparato è il sistema delle quello che può essere
relazioni che possono essere
stabilite tra questi elementi immaginato come realizzabile
Che cos’è l’infrastruttura
I nuovi media
dell’informazione
• Cosa sono i nuovi media? È una domanda
• The term “infrastructure” evokes vast sets of difficile
collective equipment necessary to human
activities, such as buildings, roads, bridges, • Fino a quando qualcosa è nuovo?
rail tracks, channels, ports, and communications • I media digitali sono nuovi?
networks.
• Beyond bricks, mortar, pipes or wires, • Da quando esistono?
infrastructure also encompasses more abstract • Quali cambiamenti comporta la mediazione
entities, such as protocol(human and
computer),standards, and memory digitale?
• Superadded to the term “information,” • Come viene ristrutturata la conoscenza
infrastructure refers loosely to digital per filtrare attraverso la mediazione
facilities and services usually associated with digitale?
the internet: computational services, help desks,
and data repositories to name a few. I • New media secondo wikipedia:
https://en.wikipedia.org/wiki/New_media
Bowker 2010
303/12/17
Un tentativo di word cloud La presenza online degli
per new media adolescenti (13-17 anni)
• Il 24% degli adolescenti va online
• Media digitali costantemente
• Media interattivi • Il 92% va online ogni giorno
• Media ipertestuali • Il 56% dei ragazzi tra i 13 e I 17
• Media sociali anni vanno online più volte al giorno
• Media e reti
• Il 12% una volta al giorno
• Memoria e media
• Media e sorveglianza • Solo il 6% più sporadicamente
• Media e datificazion • La grande diffusione della presenza
• Media e software online riguarda la disponibilità e la
• Media e App convenienza di telefoni smart
Fonte Pew Research Center (april 2015) Teens, Social Media
• Media e mediazione & Technology Overview 2015
• Media e narrazione vs media e database http://www.pewinternet.org/2015/04/09/teens-social-media-
technology-2015/
Adolescenti e relazioni
amorose: tecnologia come Controllo sul lavoro
controllo?
• Durante o dopo una relazione il 31% (26% • I datori di lavoro bloccano
durante) sperimenta il controllo online del l’accesso a alcuni siti e hanno
partner
• Intorno al 10% degli adolescenti che hanno regole su cosa si può scrivere e
avuto una relazione hanno avuto accesso a un postare online nel 46% dei casi
account del partner, hanno danneggiato il
profilo del/della ex online negli US
• Il 21% riporta che un ex o un partner attuale • Questo dato è più che duplicato
ha letto i loro messaggi senza permesso
dal 2006
Teens, Technology and Romantic Relationships Pew research
center, 1 oct. 2015 http://www.pewinternet.org/2015/10/01/
teens-technology-and-romantic-relationships/ Fonte Pew Research center internet, science and tech, dec.
2014 http://www.pewinternet.org/2014/12/30/technologys-impact-
on-workers/
403/12/17
Privacy and information
Gli scenari individuati
sharing
• Secondo uno studio di Pew Research • Camere di soveglianza in ufficio
Center la maggior parte degli americani – Accettabile 54%, dipende 21%, inaccettabile 24%
sono disponibili a condividere • Condividere informazioni sulla salute
informazioni personali in cambio di – Accettabile 52%, dipende 20%, inaccettabile 26%
qualcosa che percepiscono come un valore • Carte di fedelta nei negozi
• Secondo gli americani intervistati la – Accettabile 47%, dipende 20%, inaccettabile 32%
possibilità di condividere dati • Assicurazione auto
personali dipende dallo scenario e dalla – Accettabile 37%, dipende 16%, inaccettabile 45%
percezione di un ritorno che • Free social media per una riunione di
percepiscono di valore compagni
– Accettabile 33%, dipende 15%, inaccettabile 51%
http://www.pewinternet.org/2016/01/14/privacy-and- • Termostato smart che monitora spostamenti
information-sharing/ – Accettabile 27%, dipende 17%, inaccettabile 55%
Need to be observed Desire to be observed
• The public sphere is saturated with the exposure of
private life • The erosion of anonymity is a product
of pervasive social media services
• It is virtually impossible to distinguish the […] and perhaps most important of
rationalization and commodification of selfhood from all, a change in people’s views about
the capacity of the self to shape and help itself and to
engage in deliberation and communication what ought to be public and what
ought to be private
• The prevalence and persistence of this narrative,[…] a
narrative of recognition • All those technical gadget are […]
• It becomes harder to distinguish between our user-friendly though […] it means a
professional and private self. In the competitive product that is incomplete without
networking context of work the user’s labour, along the line of
IKEA furniture. And […] without
Illouz 2007 cited in Lovink 2011, 42 user’s enthusiastic devotion and
deafening applause
Bauman, Lyon 2013, p.22
503/12/17
From the old panopticon to
the dream of being noticed
• The old panoptical stratagem is being
gradually yet consistently […]
brought to well-nigh universal
implementation.
• With the old panoptical nightmare (I
am never of my own) now recast into
the hope of ‘never again being Cosa sappiamo e non sappiamo sui dati
alone” (abandoned, ignored and
neglected, […]),the fear of DESCRIZIONE E BIG DATA
disclosure has been stifled by the
joy of being noticed
Baumann, Lyon 2013, p. 23
Big Data(Wikipedia oct 2017) Big Data e retorica
• Big data is a term for data sets that are so large or complex
that traditional data processing application software is
inadequate to deal with them. Big data challenges include • Volume The quantity of generated and stored data.
capturing data, data storage, data analysis, search, sharing, The size of the data determines the value and
transfer, visualization, querying, updating and potential insight- and whether it can actually be
information privacy.
• Lately, the term "big data" tends to refer to the use of
considered big data or not.
predictive analytics, user behavior analytics, or certain other • Variety The type and nature of the data. This
advanced data analytics methods that extract value from data, helps people who analyze it to effectively use the
and seldom to a particular size of data set. "There is little
doubt that the quantities of data now available are indeed resulting insight.
large, but that’s not the most relevant characteristic of this • Velocity In this context, the speed at which the
new data ecosystem."[2] data is generated and processed to meet the
• Analysis of data sets can find new correlations to "spot demands and challenges that lie in the path of
business trends, prevent diseases, combat crime and so on."[3]
growth and development.
• Scientists, business executives, practitioners of medicine,
advertising and governments alike regularly meet difficulties • Variability Inconsistency of the data set can
with large data-sets in areas including Internet search, hamper processes to handle and manage it.
fintech, urban informatics, and business informatics.
Scientists encounter limitations in e-Science work, including • Veracity The quality of captured data can vary
meteorology, genomics,[4] connectomics, complex physics greatly, affecting accurate analysis.
simulations, biology and environmental research.[5] Ancora wikipedia big data entry
603/12/17
Def. NSF & NIH Big Data
• L’espressione “big data” in esame • Big data e riorganizzazione di
fa riferimento ad ampi, diversi, epistemologia, mercato, società
complessi, longitudinali e/o • Segnalo questo piccolo
distribuiti set di dati generati
documentario di Evgeny Morozov
da strumenti, sensori,
transazioni Internet, Email,
pubblicato da Al Jazeera, dal
video, numero di click e/o altre titolo rebel geeks – give us
fonti digitali disponibili oggi e back our data
nel futuro https://www.youtube.com/watch?
NSF-12-499 citato in Floridi 2017 v=jAL1lVvJxew
La decadenza del web e le
Cosa sta succedendo?
sue conseguenze
• La digitalizzazione consente con • The Web Is Dead. Long Live the
grande facilità la cosiddetta
datificazione, che non è Internet By Chris Anderson and
esclusivamente il frutto del Michael Wolff, Wired, sept.
digitale, ma il digitale offre un
acceleratore a questo processo 2010 http://www.wired.com/
• La costruzione dei dati non riguarda magazine/2010/08/ff_webrip/all/
solo fenomeni scientifici riguarda la
nostra stessa vita 1
• Siamo noi che accettando di usare i
telefoni cellulari e le loro smart
app datifichiamo la nostra vita
703/12/17
Quantified self e
Dati grezzi e verità
selftracking
• Activity monitor (Apple Watch, Fitbit tracker
Jawbone) • This shared sense of starting
• Sleep specific monitors (Pillow - Smart Sleep
Cycle Alarm Clock Drowzy, Lark, SleepBot,
with data often leads to an
Sleep as Android) unnoticed assumption that data
• Reproductive health (Clue, Glow, kindara)
• Diet and weight (Fitbit aria scale, my
are transparent, that
fitnessPal, smalt) information is self-evident,
• Mood (lume personal tracker, moodTracker,
• Altro (23andMe, WorkMeter ecc.) the fundamental stuff of truth
itself
SECONDO EVGENY MOROZOV QUESTI DISPOSITIVI SONO Lisa Gitelman and Virginia Jackson 2013 raw data is
UN MODO DI INTROIETTARE LA SILICON VALLEY NELLE an oxymoron, p. 2
NOSTRE ABITUDINI
La purezza dei dati
The end of theory: the
• Come se questi dati discendessero data deluge makes the
direttamente dai fatti e avessero un
rapporto diretto, incontaminato con scientific method
la ‘realtà’
• La politica dei big data segnala e obsolete
suggerisce che non c’è niente da
decidere e che tutto discende
direttamente dal funzionamento dei By Chris Anderson
meccanismi di costruzione delle 6/23/2008
correlazioni (algoritmi) di cui pochi http://www.wired.com/print/
conoscono la logica e nessuno sa science/discoveries/magazine/
16-07/pb_theory
perché le correlazioni trovate
dovrebbero avere senso
803/12/17
Possiamo farcela senza Dimenticare tassonomia,
modelli ontologia e psicologia
Out with every theory of human
Peter Norvig, Google's behavior, from linguistics to
sociology. Forget taxonomy,
research director, ontology, and psychology. Who
offered an update to knows why people do what they do?
George Box's maxim: "All The point is they do it, and we
can track and measure it with
models are wrong, and unprecedented fidelity. With
increasingly you can enough data, the numbers speak for
succeed without them." themselves.
Ci basta la correlazione
Vecchi metodi scientifici
tra dati
Correlation is enough." We can
stop looking for models. We can
But faced with massive data, analyze the data without
this approach to science — hypotheses about what it might
hypothesize, model, test — show. We can throw the numbers
is becoming obsolete. into the biggest computing
clusters the world has ever seen
and let statistical algorithms
find patterns where science
cannot.
903/12/17
DATI PRODOTTI OGNI
La misura dei big data GIORNO NELLA RETE
DALLE VARIE
• Processor or Virtual Storage APPLICAZIONI,
· 1 Bit = Binary Digit SOCIAL NETWORK,
· 8 Bits = 1 Byte APP VARIE,
· 1024 Bytes = 1 Kilobyte NETFLIX, YOUTUBE
· 1024 Kilobytes = 1 Megabyte ECC
· 1024 Megabytes = 1 Gigabyte
· 1024 Gigabytes = 1 Terabyte https://
· 1024 Terabytes = 1 Petabyte www.domo.com/blog/
· 1024 Petabytes = 1 Exabyte 2015/08/data-
· 1024 Exabytes = 1 Zettabyte never-sleeps-3-0/
· 1024 Zettabytes = 1 Yottabyte J. JAMES
· 1024 Yottabytes = 1 Brontobyte
· 1024 Brontobytes = 1 Geopbyte ESTATE 2015
• ·
LA CRESCITA DEI
DATI DISPONIBILI
IN RETE OGNI
GIORNO SECONDO LA
RETORICA DEI BIG
DATA
http://
www.vcloudnews.com
/wp-content/ Il potere del software
uploads/2015/04/
big-data- I DATI E LA LORO
infographic1.png
POLITICA
1003/12/17
Il potere dell’algoritmo Che cos’è l’algoritmo
• È basato sull’uso di probabilità per • Gli algoritmi non sono necessariamente
anticipare le azioni degli individui o software
le loro preferenze a livello di • Sono procedure codificate per trasformare
profilazione che non è in controllo del certi input in entrata in output di uscita,
singolo, ma che è gestito anche in basandosi su specifici calcoli
riferimento al singolo • Gli algoritmi vengono molto prima dei
computer, un esempio informale è l’algoritmo
• Fronteggiamo una normatività che pur per il massimo comun divisore che si trova
sembrando democratica in realtà crea con negli elementi di Euclide (circa 323–283
le sue cieche categorizzazioni un forte a.c.)
impatto sulla rappresentazione della • Il termine algoritmo prende il nome dal
realtà a proposito di schemi che matematico, geografo persiano Al-khwārizmī
rigurdano la politica, la società il (780-850 d.c.)
genere, l’origine etnica ecc.
Ripristinando esattamente gli stereotipi
e le istanze di esclusione eliminate da
anni di lotte politiche
Donne calcolatrici sulle
Computer come algoritmi tavole da tiro durante la
II guerra mondiale
• I computer sanno effettuare
esclusivamente calcoli che sono
eseguiti come procedure codificate di
regole da applicare ai dati in input
per produrre degli output
• Possiamo pensare quindi ai programmi
di computer come a degli algoritmi
• Tuttavia un algoritmo può anche
essere eseguito a mano (e prima dei
computer spesso lo era)
1103/12/17
rilevanza politica degli
Qual è il problema? algoritmi (Gillespie 2014,
168)
• Il problema è che gli algoritmi sono sempre più • Modelli di inclusione: cosa c’è dietro la
centrali nella presa di decisione in moltissime costruzione di un indice, cosa è escluso come i
questioni anche vitali per le persone, come dati sono preparati per l’algoritmo
ottenere un lavoro, avere un mutuo, quantificare • Cicli di anticipazione: le implicazioni dei
il premio dell’assicurazione, accedere tentativi dei fornitori di algoritmi per
all’università(per adesso in US) ma noi non comprendere e predire le abitudini degli utenti e
abbiamo nessun dettaglio su come agiscano e quale come possono incidere
logica seguano nella maggior parte dei casi • La valutazione della rilevanza: in che modo gli
• È importante comprendere in che modo algoritmi determinano cosa è rilevante, la loro
l’introduzione degli algoritmi nelle pratiche oscurità e come agiscono sulle scelte politiche
della conoscenza può avere delle conseguenze • La promessa di obiettività algoritmica: e come
politiche, come ingiustizie, mancanza di
reagisce di fronte alle controversie
equanimità nella presa di decisioni che riguardano
l’essere cittadini • L’influenza sulle pratiche: cioè come gli utenti
riorganizzano le proprie pratiche per essere
efficaci per gli algoritmi da cui dipendono
Vedi Gillespie 2014
• La produzione di pubblici calcolati: come la
presentazione algoritmica del pubblico ha effetto
sulla autopercezione del pubblico e chi è nella
posizione di trarne beneficio
Dati e algoritmi L’invisibilità
• Gli algoritmi intanto sono messi in • The archive's jussive force,
relazione con una certa base dati. Prima
che il risultato sia fornito i dati then, operates through being
devono essere raccolti, organizzati per invisibly exclusionary.
l’algoritmo
• Se i dati sono formalizzati,
• The invisibility is an important
normalizzati, “puliti” questo contrasta feature here: the archive
con l’idea che gli algoritmi siano degli presents itself as being the set
automatismi of all possible statements,
• Dobbiamo guardare a come l’informazione
deve essere orientata per fronteggiarli, rather than the law of what can
come è resa pronta per l’algoritmo be said
Gillespie 2014, 170-171
Bowker 2008, 14
1203/12/17
I problemi epistemologici di
alcuni metodi sui big data
• La costruzione dei dati relativi all’oggetto
di studio
• Le tecniche algoritmiche usate per creare
modelli interpretativi
• La tendenza a concentrarsi sulla definizione
di archivi senza le dovute cautele sulle
motivazione e l’esterno dell’archiviazione
È possibile controllare l’interpretazione degli • I meccanismi di categorizzazione che tendono
algoritmi? a privilegiare la valutazione delle variabili
datificabili e quantificabili a discapito
delle altre caratteristiche
LA SFIDA DELL’EQUITÀ • La mancanza di una discussione approfondita
NELL’ANALISI DEI BIG DATA sulle infrastrutture nascoste che impongono i
loro criteri interpretativi
trovare o perdere lavoro:
Frenologia e big data
a quali condizioni?
• I questionari attitudinali • La frenologia era un modello che si
• La valutazione dei docenti della basava su una stupidaggine
pseudoscientifica allo scopo di
scuola in certi stati americani: la formulare asserzioni autorevoli e per
misurabilità di certi comportamenti decenni nessuno l’ha verificata. I
• Clopening: ovvero turni secondo gli Big Data possono cadere nella stessa
algoritmi trappola.
• Come è possibile quantificare e • I modelli[…]possono sbarrare la
misurare ogni elemento umano, senza strada a determinate persone, anche
se la “scienza” sulla quale si basano
stravolgerne le caratteristiche? non è niente di più che
un’accozzaglia di ipotesi non
O’Neil (2016, capp. 6-7) verificate.
O’Neil 2017, 178-179
1303/12/17
Macchine e umani rispetto Di chi è la responsabilità
ai dati degli algoritmi?
• [I dati] hanno urgente bisogno del contesto, • Chi si chiede come programmare gli algoritmi per
del buon senso e dell’equità che solo l’uomo garantire equità, conciliazione vita lavoro, non
è in grado di fornire. Ma se lasciamo la discriminazione di minoranze o delle differenze
questione in mano al mercato, che premia (fragilità emotiva dei lavoratori)?
l’efficienza, la crescita e il cash flow • Chi invece si chiede solo come massimizzare i
(tollerando nel contempo un determinato profitti?
livello di errore), qualsiasi intromissione • Dietro le macchine e i sistemi informativi ci sono
da parte dell’uomo sarà scoraggiata e gli progetti industriali e obiettivi precisi
operatori riceveranno istruzioni di tenersi
alla larga dalle macchine (O’Neil 2017,227)
• Ma il processo decisionale umano, benché L’essere umano ha bisogno di […] seguirle [le
spesso viziato, ha una grande virtù, e cioè macchine], di proteggerle, e di mettere a punto gli
di potersi evolvere. […]I sistemi automatici,
invece, rimangono fermi nel tempo fino a algoritmi come nostri aiutanti digitali, poiché gli
quando gli ingegneri non decidono di algoritmi, nonostante l’apparenza, non sanno aiutare se
modificarli (O’Neil 2017, 294) stessi, ma seguono semplicemente una regola
meccanica (Bunz 2014, 112)
La costruzione delle
abitudini
• Le abitudini non sono virus che si
propagano
• Per quanto difficile sia cambiare
abitudini, le abitudini sono acquisite
non ‘incorporate’ come gli atti
involontari, come respirare
• È scorretto pensare le abitudini come
dipendenze
• Gli studi sull’omofilia delle abitudini
non sono fatti per sostenere la
giustizia nell’analisi sociale
Chun 2016, pp. 8-15
Jenny Holzer, projections
1403/12/17
Gouvernamentalité
Conoscenza e segreto
algorithmique
• Conoscenza è potere. Controllare gli altri
mentre si evita di essere oggetto di • un certain type de rationalité
controllo è la più importante forma di potere
• Le aziende cercano i nostri più intimi
(a)normative ou (a)politique
dettagli di vita come potenziali clienti e reposant sur la récolte,
dipendenti, ma danno ai regolatori il minimo l’agrégation, et l’analyse
possibile di informazioni circa le loro
statistiche e procedure. Le aziende internet automatisée de données en
raccolgono sempre più dati sui loro utenti ma
lottano contro i regolatori che vorrebbero quantité massive de manière à
che gli utenti esercitassero un qualche modéliser, anticiper et affecter
controllo sui risultanti dossier digitali.
(Pasquale 2015 pp.3-4) par avance les comportements
possibles.
Rouvroy Berns 2013, 6-7
Le sujet de la
gouvernementalité algorithmique
Computational inequality
• Le sujet de la gouvernementalité • The consequence of this is the inevitable
algorithmique est, de plus en plus, emergence of a computational inequality in
that the streams of the rich and powerful
saisi par le « pouvoir » non pas à will flow faster and deeper, and therefore
travers son corps physique, ni à the more data they will have to think with.
travers sa conscience morale - prises The dominant classes ‘now’ will be more
traditionnelles du pouvoir dans sa complete, clearer and accurate as their
computational systems algorithmically sort
forme juridico-discursive - mais à their streams automatically. The wider the
travers les multiples « profils » qui knowledge that can be bought, the better the
lui sont assignés, souvent de manière access and the computational analysis. This
automatique sur la base des traces is not a computational divide between the
numérisées de son existence et de ses computational haves and the computational
have-nots, but the reduction of all knowledge
trajectoires quotidiennes to the result of an algorithm
Berry 2014, 176
Rouvroy, Berns 2013, 8
1503/12/17
Who are the new How much computation can
gatekeepers? democracy stand?
• This implies that the new gatekeepers to the • The discussion of political imaginaries that
centres of knowledge in the information age are mirror the development of black-boxed
given by technologies, cognitive and data- computer systems and obfuscation is, in this
processing algorithms, data visualization tools reading, a worrying development, such as
and high-tech companies. Indeed, thinking itself government as a platform, massive
can be outsourced through cognitive technical comprehensive data collection by government
devices which will supply the means to understand
and process the raw information given by a new agencies such as the NSA, open access and
politics of access. Provided you have the money to transparency as ideology, and engineering
access, and not just access, as we increasingly concepts transferred unproblematically into
rely on computational devices to process raw data the political sphere. Additionally, the
and information and to mediate others to do problem of cognitive capture by corporations
physical labour for us, such as with Amazon through notions of augmented humanity and the
Mechanical Turk, TaskRabbit or Fancy Hands. computational intervention in pre-
Computation thus generates a new proletariat of consciousness requires urgent critical
‘cloud workers’, who receive ‘no paid holidays, no attention. The important question becomes:
sick days and no health benefits in this new how much computation can democracy stand, and
distributed workforce’ (Leonard 2013).
what should be the response to it?
Berry 2014, 181
Berry 2014,193
Di chi sono questi dati? No need for meaning
• Secondo Rodotà (2014) seguendo l’idea • Ce gouvernement automatique n’a
di Habeas Data i dati sono nostri.
plus besoin ni de disparation,
• Nessuno dovrebbe poter vendere e
comprare le nostre email per giunta ni d’individus, ni de
avendo attaccato a ciascuna di esse signification
una categorizzazione da marketing del Stiegler 2015a, p. 234
tipo “cliente non affidabile”,
“elevate spese mediche”, “Guida
pericolosa”, “reddito in
declino” (Cardon 2016, 73)
1603/12/17
La categorizzazione e i
The negative results
suoi demoni
• It is exactly the size of data that allows our • La categorizzazione è un sistema di potere per
results: the more data, the more arbitrary, governare la realtà presuntamente costituita di fatti
meaningless, and useless (for future actions) oggettivi (Bowker, Leigh Star 2000)
correlations will be found in them. • Si stabilisce cosa è sano e cosa è malato, chi ha più
• The more information we have, the more difficult merito e chi ne ha meno per trovare lavoro, o come
is to extract meaning from it valutare la prestazione, quanto vale un premio di
assicurazione, chi ha diritto al prestito bancario
• The aim of the paper is to document the danger of
allowing the search of correlations in big data to Big data e algoritmi di machine learning aggiungono a tutte
subsume and replace the scientific approach (p. 6)
queste variabili aleatorie dei precisi vincoli sulla
• The overwhelming majority of correlations are
spurious.[…]There will be regularities, but, by datificazione e sulla misurabilità di ogni aspetto da valutare
construction, most of the time, these regularities secondo i propri criteri. Quello che non è rappresentabile in
cannot be used to reliably predict and act (p. 15) forma quantitativa non è analizzabile dalle tecniche di big
data, perché esse sono intessute dei programmi di computer
Calude, Longo 2016, 6, 15 che devono analizzare i dati (gli algoritmi di machine
learning) Non si dà algoritmo senza base dati organizzata per
lui
Società del controllo, gig Governamentalità
economy e dividui algoritmica
• Nella società del controllo quello che è importante non
è più una firma o un numero, ma un codice: il codice è • Raccolta di una grande quantità
una password.
• Il linguaggio numerico del controllo è fatto di codice di dati e costituzione di
che marca o rigetta l’accesso all’informazione
• Non abbiamo più a che fare con la coppia massa/ datawarehouse
individuo. Gli individui sono diventati “dividui” e le
•
masse dati campione, mercati o banche
Forse è il denaro che esprime meglio la distinzione tra
• Trattamento di dati e
le due società: nel caso del controllo si riferisce a
tassi fluttuanti di cambio che si modulano secondo un produzione di conoscenza
insieme di monete standard
(Deleuze 1990) • Azioni sui comportamenti
A. Rouvroy T. Berns 2013 “Governamentalité algorithmique
• I dividui non sono più dipendenti, ma restano vincolati et perspectives d’émancipation: le disparate comme
all’algoritmo che ne determina i movimenti e ne
definisce la vita in un sistema di cui nessuno è condition d’individuation par la relation?”, Reseaux,
pienamente in controllo (Deliveroo, Foodora Uber, e le 2013/1 (N. 177)
altre app. che ritengono di non avere rapporti di lavoro
dipendente)
1703/12/17
Livello delle informazioni algoritmi e società
• A che livello funzionano queste • Gli algoritmi stanno emergendo come
strumenti di conoscenza pubblica. É
informazioni anche individuali importante contrastare la deriva
raccolte nei big data? deterministica che vede nella
tecnologia la sola forza in movimento
• Non a livello individuale ma a in questo contesto
livello di massa, eppure questi • Sarebbe utile invece studiare come
questi strumenti sono posti in essere
strumenti consentono un sistema e messi in azione negoziando con uno
di profilazione dettagliato sforzo collettivo di conoscere e
essere conosciuti
anche per gli individui Gillespie 2014, 169
IL PROBLEMA DEI FALSI
Che fare?
POSITIVI • Educare gli adolescenti alla consapevolezza
• L’obiettivo dei big data non è solo il che quello che si fa online è pubblico anche
presente ma piuttosto il futuro e la se sembra avvenire in privato
capacità di prevederlo • Costruire una consapevolezza sui sistemi di
categorizzazione e sul loro funzionamento ad
• Nella prevenzione di frode e crimine o excludendum
terrorismo per esempio non sarà ottenere • Secondo Chun costruire una nuova appartenenza
falsi positivi, quanto essere in grado alla rete che consenta il diritto all’oblio
di cogliere tutti i veri positivi. non attraverso la protezione legale, ma per la
• Non ci saranno mai delle mancanze perché consapevolezza della nostra fragilità
la logica del sistema è quella del • Rivendicare il diritto a non considerare
depistaggio piuttosto che di una vera un’abitudine come una dipendenza
diagnostica • Lavorare per una regolamentazione degli
(Rouvroy, berns 2013, 7) strumenti di profilazione, impedendo di usarli
senza controlli e soprattutto impedendo la
segretezza dei metodi quando le loro
conseguenze hanno effetto sulla cittadinanza e
sulla democrazia
1803/12/17
Capitalismo della Fonti citate
sorveglianza •
•
Bowker G.C. Leigh Star S.(2000) Sorting things out, Mit Press,
Cambridge, MA.
Bunz M. (2014) “Algoritmi della conoscenza e trasformazione del
lavoro”, in Pasquinelli M. (2014) (a cura di), Gli algoritmi del
• È basato sulla sorveglianza capitale, Ombre Corte, Padova.
sostanzialmente unilaterale e sulle • Cardon D. (2016) Cosa sognano gli algoritmi, Mondadori, Milano.
• Chun W. H.K. (2016) Updating to remain the same, MIT Press,
modifiche del comportamento umano Cambridge, MA.
• Si occupa di monetizzare i dati non solo • Deleuze G. (1990/2015) “Postscritto sulla società del controllo”,
Pourparler, Quodlibet, Macerata, pp.234-241.
vendendo le cose desiderate ma • O’Neal C. (2016) Weapons of math destruction, Allen Lane, Penguin
soprattutto modificando comportamenti o •
Books, St. Ives.
Pasquale F. (2015) The black box society, Harvard Univ. Press,
preferenze delle persone relativamente a Cambridge, MA.
obiettivi che riguardano tutti I campi • Pew and Internet Research center (2016) Privacy and information
sharing
dalla politica, al commercio, dalla http://www.pewinternet.org/2016/01/14/privacy-and-information-
sharing/
legalità àlla salute ecc • Rodotà S. (2014) Il mondo nella rete, Laterza, Roma.
S. Zuboff 5/3/2016 • Wiener N. letter to Walter Reuther (Union of automobile workers) 13
http://www.faz.net/aktuell/feuilleton/debatten/the- August 1949
digital-debate/shoshana-zuboff-secrets-of-surveillance- https://libcom.org/history/father-cybernetics-norbert-wieners-
capitalism-14103616.html letter-uaw-president-walter-reuther
19Puoi anche leggere
