Neil Leach- L'architettura nell'era dell'intelligenza artificiale

Presentazione

Luigi Prestinenza Puglisi 6-7

Prefazione 11-12

Introduzione 13-36

1. Che cos’è l’AI? 37-64

2. Una breve storia dell’AI 67-102

3. Generazione di immagini 103-140

4. AI, arte e creatività 141-166

Presentazione

Luigi Prestinenza Puglisi

Conosco Neil Leach sin dai tempi di The Anaesthetics of Architecture, negli anni in cui il dibattito architettonico oscillava tra l’ebbrezza teorica e il rischio di perdere contatto con la realtà. Di Leach ho sempre apprezzato alcune qualità non così frequenti nel mondo accademico: il rigore dell’analisi, una curiosità autentica verso ciò che accade nel presente e, soprattutto, la disponibilità a confrontarsi con temi che molti preferiscono evitare perché scomodi o controversi.

Questo nuovo libro conferma tali caratteristiche. È un testo attuale e importante. Attuale perché affronta questioni che oggi attraversano in profondità la disciplina architettonica e il suo rapporto con la tecnologia, la cultura e la società. Importante perché lo fa con una notevole quantità di informazioni, organizzate con chiarezza e con una struttura che aiuta il lettore a orientarsi in un campo complesso.

Ciò che rende il libro davvero interessante è un’altra qualità, forse la più rara: il coraggio. Leach non si limita a celebrare le promesse delle nuove tecnologie e delle trasformazioni in corso, come spesso accade nei discorsi entusiastici sull’innovazione. Allo stesso tempo non cade nella posizione opposta, quella nostalgica e difensiva di chi vede nel cambiamento solo un pericolo. Piuttosto prova a fare qualcosa di più difficile: mettere sul tavolo, con lucidità, sia gli aspetti positivi sia quelli problematici.

Ne esce un quadro sfaccettato, che evita le semplificazioni e invita il lettore a ragionare. Ed è proprio questa capacità di tenere insieme entusiasmo critico e prudenza analitica che rende il lavoro di Leach particolarmente prezioso nel panorama attuale. In un momento in cui il dibattito sull’architettura e sulle tecnologie emergenti rischia spesso di oscillare tra l’apologia e la demonizzazione, questo libro rappresenta un tentativo serio di capire cosa sta davvero accadendo. E, soprattutto, quali potrebbero essere le conseguenze per il progetto e per la cultura architettonica.

La versione italiana del volume è stata tradotta e curata da Massimo Russo, che da tempo segue con attenzione il tema dell’intelligenza artificiale applicata all’architettura ed è oggi uno dei principali studiosi italiani di questo campo. La sua presenza come curatore è quindi un valore aggiunto: garantisce precisione nella traduzione dei concetti e offre al lettore italiano un punto di vista competente su un ambito destinato a incidere profondamente sul futuro della disciplina.

Prefazione

Gli atteggiamenti verso l’intelligenza artificiale (AI) rimangono profondamente polarizzati. Per alcuni è uno strumento con uno straordinario potenziale per rendere la vita più facile in futuro. Come Alan Turing scrisse sui processi di calcolo in generale, “Questo è solo un assaggio di ciò che verrà, e solo un’ombra di ciò che sarà”1. Nel frattempo, per altri, l’AI rappresenta una minaccia esistenziale per la civiltà umana. Come ci ha avvertito il defunto Stephen Hawking, “Lo sviluppo di un’intelligenza artificiale completa, potrebbe significare la fine della razza umana”2.

In questo senso, l’AI è un’arma a doppio taglio. Ha un potenziale sia per il bene che per il male. L’AI pone un dilemma e nessuno riassume questo dilemma meglio di Elon Musk. Da un lato, Musk stesso sta sviluppando strumenti basati sull’AI per le sue iniziative commerciali, dall’ormai consolidata azienda automobilistica Tesla al progetto Neuralink. D’altro canto, Musk è fin troppo consapevole dei potenziali pericoli che pone: «Penso che bisogna fare molta attenzione usando l’intelligenza artificiale. Se dovessi predire qual è la nostra più grande minaccia esistenziale, probabilmente è questa. Quindi dobbiamo stare molto attenti all’intelligenza artificiale...

1. Turing è citato sul quotidiano The Times nel 1949. Turing si riferisce qui a un primo computer chiamato mechanical mind, piuttosto che all’AI in quanto tale. Dermot Turing, Prof: Alan Turing Decoded, Norwich: Pitkin Publishing, 2015, quoteinvestigator.com/2019/10/12/ai-shadow.

2. Citato in R. Cellan-Jones, Stephen Hawking avverte che l’intelligenza artificiale potrebbe porre fine all’umanità, BBC News, 2 dicembre 2014, www. bbc.com/news/technology-30290540.

Introduzione all’AI

Questo è un libro introduttivo che delinea il contributo che l’AI può offrire alla disciplina dell’architettura. Di conseguenza, non entra nei dettagli, ma fornisce una panoramica su un argomento affascinante e sempre più rilevante. Cerca di descrivere, a grandi linee, come funziona l’AI, come si è sviluppata e quale potenziale detiene per il futuro dell’architettura.

Va sottolineato che questo libro non è un manuale tecnico. Non fornisce istruzioni su come utilizzare l’AI35, né pretende di offrire una panoramica completa sull’argomento. Sebbene tocchi alcuni aspetti legati alle sue principali prestazioni, si concentra principalmente su un insieme limitato di tecniche dell’AI attualmente impiegate da alcuni architetti per creare progetti straordinari. Per questo motivo, privilegia il potenziale estetico dell’AI nella produzione di immagini visivamente stimolanti, piuttosto che considerazioni legate alla sua funzionalità. Attualmente, è proprio in questo ambito che l’AI sta avendo l’impatto più significativo. In futuro, però, il successo dell’AI verrà probabilmente valutato in modo diverso: dalla sua capacità di trovare la soluzione più coerente a una sfida progettuale, da un punto di vista prestazionale.

Il Capitolo 1, “Cos’è l’AI?”, è il più tecnico del libro. Introduce i principi fondamentali dell’intelligenza artificiale, distinguendo le diverse forme di AI e definendo alcuni termini chiave. Esamina lo sviluppo del deep learning e l’uso delle reti neurali, approfondendo poi i Large Language Models (LLM) e i chatbot, come ChatGPT, considerati tra le innovazioni più rilevanti nel campo dell’AI negli ultimi anni.

Il Capitolo 2, “Una breve storia dell’AI”, ha un’impronta più storica. Fornisce un’introduzione alla storia dell’intelligenza artificiale, con particolare attenzione alla sua visibilità e invisibilità nel tempo. Presenta alcune delle figure più importanti nella storia dell’AI, come Alan Turing, le cui fondamentali ma inizialmente poco

35. Per una guida tecnica all’uso dell’AI, si veda David Foster, Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play, Sebastopol, CA: O’Reilly, 2019.

nell'era dell'intelligenza artificiale

Ross Lovegrove e Ila Colombo, L’arte del design parametrico, generato con MidJourney (2023). Ispirati alla bellezza delle forme naturali, questi guanti si adattano perfettamente alla mano, seguendone i contorni e restituendo un design organico e innovativo.

conosciute scoperte nel campo della computazione sono oggi ampiamente riconosciute e celebrate nella cultura popolare. Il capitolo mette in evidenza sia i periodi di crisi dell’AI – i cosiddetti “inverni dell’AI” – sia gli eventi mediatici di grande impatto, come le celebri sfide a scacchi e al gioco cinese Go, che hanno contribuito a far conoscere l’AI al grande pubblico. Infine, esamina come il lancio di ChatGPT abbia portato l’AI all’attenzione mondiale.

e

(Lifeforms.io), intitolata Dream Estate (2020). Dream Estate è una simulazione del mondo popolato da androidi generati in modo autonomo, proceduralmente e controllati dall’intelligenza artificiale.

Naturalmente, è molto facile antropomorfizzare questi chatbot e trattarli come se fossero veri interlocutori umani.

Inoltre, la situazione è diventata un po’ più complessa a causa di un articolo pubblicato dal vicepresidente di Google, Blaise Aguera y Arcas, in cui affermava che LaMDA stava facendo dei «progressi» verso la coscienza, senza però affermare specificamente – come aveva fatto Lemoine – che fosse diventato senziente53. In ogni caso, Lemoine è stato licenziato da Google per aver violato le sue politiche54. Tuttavia, il punto chiave è che non rilasciando LaMDA al pubblico generale, Google ha di fatto dato al suo rivale, OpenAI, un enorme vantaggio.

53. www.economist.com/by-invitation/2022/09/02/artificial-neural-networksare-making-strides-towards-consciousness-according-to-blaise-aguera-yarcas.

54. www.theverge.com/2022/7/22/23274958/google-ai-engineer-blakelemoine-chatbot-lamda-2-sentience.

Chatbots

Tecnicamente, i chatbot (originariamente chiamati chatterbot) non sono una novità. Le prime versioni includono ELIZA, lanciato nel 1966 da Joseph Weizenbaum. Per quanto intelligenti potessero sembrare, erano basati su procedure semplici, che prevedevano il riconoscimento di alcune parole in una conversazione, che agivano da segnali e attivavano risposte pre-programmate, dando l’impressione di una conversazione intelligente. Tuttavia, lo stesso Weizenbaum riconobbe la superficialità di questi sistemi: «Nell’intelligenza artificiale, le macchine sono fatte per comportarsi in modi straordinari, spesso sufficienti a stupire anche l’osservatore più esperto. Ma una volta che un particolare programma viene smascherato, una volta che i suoi meccanismi interni vengono spiegati, la sua magia svanisce; si rivela come una semplice raccolta di procedure»55

Negli anni, i chatbot iniziarono a crescere in sofisticazione e divennero sempre più popolari in molte aziende, soprattutto nell’area dei servizi clienti per rispondere a domande di routine. Tuttavia, sebbene avessero avuto un miglioramento rispetto ai primi modelli, rimanevano molto limitati nelle loro capacità. Tutto questo cambiò con lo sviluppo della recente generazione di chatbot generativi, guidati da ChatGPT, che utilizzano l’apprendimento profondo e l’elaborazione del linguaggio naturale. Questi sono stati sviluppati per essere pubblicamente accessibile e per interagire con la logica degli LLM, e perfezionati per essere in grado di seguire istruzioni.

Questi nuovi chatbot operano in modo conversazionale. A differenza dei tradizionali motori di ricerca, che sono sistemi software che trovano pagine web in risposta a una richiesta di ricerca testuale, questi nuovi chatbot generano risposte effettive alle domande, basate su informazioni recuperate direttamente dal modello stesso. Sono molto abili nel generare risposte coerenti, grammaticalmente corrette e con ortografia perfetta.

55. Joseph Weizenbaum, «ELIZA – a computer program for the study of natural language communication between man and machine», Commun. ACM 9, n. 1 (gennaio 1966): 36-45, doi.org/10.1145/365153.365168.

1. Cos’è l’intelligenza artificiale?

2. Una breve storia dell’intelligenza artificiale

Potremmo tracciare le origini dell’AI nei miti e nelle leggende della vita artificiale, nell’antichità classica e oltre. Oppure potremmo farla risalire alle più recenti storie religiose e letterarie del Golem e di Frankenstein1. Allo stesso modo, potremmo ricondurle allo sviluppo del ragionamento formale nella filosofia. Senza il campo della logica, fondato da Aristotele, non avremmo il computer moderno. E senza i tentativi di Leibniz di ridurre il pensiero umano a una qualche forma di calcolo, non avremmo computer in grado di compiere ragionamenti simili a quelli umani. Oppure, ancora, potremmo ricondurla agli sviluppi della matematica. Senza le operazioni algebriche formalizzate da George Boole, non avremmo la logica booleana che sostiene il calcolo2.

In alternativa, se ci limitassimo al campo dell’informatica, potremmo collegare le origini dell’AI a figure come il polimatematico britannico Charles Babbage, inventore della Difference Engine e della Analytical Engine3, e alla matematica Augusta Ada King,

1. Emily Bilski, «Artificial Intelligence Avant La Lettre: The Golem of Jewish Mysticism, Legend and Art», in Chloe Woods con Suzanne Livingston e Maholo Uchida (a cura di), AI: More Than Human, Londra: Barbican International Enterprises, 2019, p. 210.

2. George Boole era in realtà il trisavolo di Geoffrey Hinton, spesso descritto come il «padrino dell’AI».

3. Questi rimasero non costruiti. Daniel Stephen Halacy, Charles Babbage, Father of the Computer, New York: Crowell-Collier Press, 1970; Doron Swade, The Difference Engine: Charles Babbage and the Quest to Build the First Computer, Londra: Penguin, 2002; Michael Lindgren, Glory and Failure: The Difference Engines of Johann Müller, Charles Babbage, and Georg and Edvard

2. Una breve storia dell’intelligenza artificiale

Martin Thomas, Aurelia aurita, immagine generata con DeepDream (2015). Prodotta dopo cinquanta iterazioni da una rete neurale addestrata a riconoscere cani.

Ad esempio, mentre una rete neurale standard può riconoscere un’immagine di un gatto e classificarla come “gatto”, DeepDream è in grado di partire dalla categoria “gatto” e generare un’immagine che somiglia ad un gatto. Invece di operare “dall’immagine alla categoria”, quindi, DeepDream opera “dalla categoria all’immagine”.

Tuttavia, DeepDream produce spesso immagini piuttosto “strane” che appaiono vagamente surreali, con una molteplicità di oggetti generati in diverse improbabili posizioni9. La ragione di queste strane aggregazioni è che una rete di classificazione

9. «Il problema», osserva Arcas, «è che le reti convoluzionali sono progettate per essere invarianti rispetto alla posa; ciò significa che, quando vengono eseguite al contrario, non sanno in quale posa debbano rendere gli oggetti. Questo porta a un’aggregazione di più pose contemporaneamente». Arcas, «How Computers are Learning to be Creative».

addestrata ha imparato a riconoscere molte immagini diverse come appartenenti alla stessa categoria, come ad esempio classificare diverse immagini come “uccello”. In questo processo, scarta le informazioni sui pixel non importanti per fare la previsione corretta. Di conseguenza, non c’è abbastanza dettaglio per passare a un processo che possa generare più immagini diverse a partire dalla stessa categoria. Per questo motivo, il sistema non è in grado di generare un’immagine realistica di un “uccello”10.

Reti Generative Avversarie

Il passo successivo più importante nella storia della generazione di immagini è arrivato con l’invenzione delle reti generative avversarie (GANs). Queste furono proposte per la prima volta da Ian Goodfellow nel 2014, ma ci vollero alcuni anni prima che diventassero popolari e da allora hanno subito uno sviluppo rapido11 Le GANs divennero una delle tecniche più popolari nelle prime fasi della generazione di immagini, fino all’introduzione dei modelli di diffusione.

Una GAN è una tecnica per addestrare un computer a svolgere compiti complessi attraverso un processo generativo misurato rispetto a un insieme di immagini di addestramento. Rappresenta un’importante svolta nella ricerca per sintetizzare immagini e supera il problema degli oggetti che appaiono in una strana varietà di posizioni, che compromette il DeepDream. Inoltre, genera immagini con una risoluzione significativamente migliore.

10. È anche possibile produrre un’immagine partendo da un’immagine arbitraria invece che da “rumore” o da un embedding specifico, lasciando che la rete la analizzi e la ottimizzi. Alexander Mordvintsev, Christopher Olah e Mike Tyka, «Inceptionism: Going Deeper into Neural Networks», 2015, web.archive. org/web/20150703064823/http://googleresearch.blogspot.co.uk/2015/06/ inceptionism-going-deeper-into-neural.html.

11. Ian Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David WardeFarley, Sherjil Ozair, Aaron Courville e Yoshua Bengio, «Generative Adversarial Networks», Proceedings of the International Conference on Neural Information Processing Systems, s.l.: NIPS 2014, pp. 2672-80. L’idea sarebbe venuta inizialmente a Goodfellow, a quanto si dice, in un pub di Montréal. Martin Gales, «The GANfather: The man who’s given machines the gift of imagination», MIT Technology Review, 21 febbraio 2018, www.technologyreview.com/s/610253/ the-ganfather-the-man-whos-given-machines-the-gift-of-imagination/.

3. Generazioni di immagini

Neil Leach, Interno Ispirato a Zaha Hadid (2022), generato utilizzando MidJourney v 5.3. Questa immagine è stata generata con una delle prime versioni di MidJourney e manca della definizione delle immagini generate con le versioni successive.

MidJourney seguì un percorso parallelo. MidJourney v1 fu inizialmente lanciato in modalità Beta nel febbraio 2022 per un gruppo di utenti molto ristretto, mentre MidJourney v2 Beta venne rilasciato nell’aprile 2022. A partire dal luglio 2022, entrò in open Beta, il che significava che era ancora in fase Beta, ma praticamente chiunque poteva usarlo. Da allora, sono state rilasciate diverse versioni successive, fino a MidJourney v6 Beta lanciato nel dicembre 2023, che ha rappresentato un miglioramento significativo.

utilizzando Stable Diffusion

Nel frattempo, nel giugno 2022, Google lanciò il suo modello di generazione di immagini autoregressivo, Pathways Autoregressive Text-to-Image (PARTI). Poi, Stable Diffusion fu lanciato nell’agosto 2022 e rilasciato pubblicamente nell’agosto 2023. Inoltre, LookX, il primo diffusion model basato su Stable Diffusion e addestrato specificamente su dati architettonici, fu lanciato alla fine di giugno 2023.

Di fatto, il 2022 è stato l’anno in cui la maggior parte di questi diffusion models – e molti altri – sono stati rilasciati.

4. AI, arte e creatività

In quanto figlia del poeta Lord Byron, Ada Lovelace non era estranea alla creatività. Descrive il motore analitico proposto da Charles Babbage con una analogia altamente poetica: «Il motore analitico intreccia schemi algebrici, proprio come il telaio Jacquard intreccia fiori e foglie»1. Infatti, Lovelace credeva che il Motore Analitico sarebbe stato persino capace di comporre musica. Nota: «Supponendo, ad esempio, che le relazioni fondamentali dei suoni intonati nella scienza dell’armonia e della composizione musicale siano suscettibili di tale espressione e adattamento, il motore potrebbe comporre brani musicali elaborati e scientifici di qualsiasi grado di complessità o espressione»2.

Tuttavia, Lovelace aggiunse che il Motore Analitico poteva solo fare ciò per cui era stato programmato: «La Macchina Analitica non ha alcuna pretesa di creare qualcosa. Può fare tutto ciò che sappiamo ordinarle di fare. Può seguire l’analisi, ma non ha il potere di anticipare alcuna rivelazione analitica di verità. Il suo compito è aiutarci a rendere disponibili le conoscenze di cui già disponiamo»3. Il suo punto è che una macchina, come il Motore Analitico, sarebbe incapace di originare qualcosa.

1. Ada Lovelace, Notes (sull’Analytical Engine), 1843.

2. Lovelace, Notes.

3. Teri Perl, «The Ladies’ Diary or Woman’s Almanac, 1704-1841», Historia Mathematica 6 (1979): 36-53.

4. AI, arte e creatività

legali legate a responsabilità, paternità e proprietà intellettuale, ma anche le preoccupazioni etiche, relative a bias e privacy dei dati.

Ripensare la creatività

Si può considerare l’AI davvero “creativa”? Memo Akten sembra pensarlo davvero: «Affermare che una macchina possa essere creativa non significa antropomorfizzare la macchina, ma liberarla, ampliando il termine “creatività” oltre gli esseri umani. La creatività non è limitata alle persone. Io sono una macchina biologica. Gli esseri umani possono creare arte. Perché non le macchine?»46 Ma non c’è forse qui il rischio di tecnologizzare l’umano o – nonostante le affermazioni di Akten – antropomorfizzare la tecnologia, o persino entrambe le cose? Certamente, Boden non ne è così sicuro: «Se un computer possa mai essere “realmente” creativo non è una questione scientifica ma filosofica. Ed è attualmente senza risposta, poiché implica diverse questioni filosofiche molto controverse – e molto poco chiare»47.

La questione della creatività è estremamente complessa – ancora più complessa, come ha osservato Anil Seth, del problema spinoso della stessa coscienza48. Ma anche se non siamo ancora in grado di ridefinire la creatività in modo significativo, possiamo comunque porre alcune domande provocatorie che sfidano assunti precedentemente condivisi. E non dimentichiamo che il termine “creatività” è relativamente recente, probabilmente introdotto da Alfred North Whitehead solo nel 192949

Una domanda fondamentale, ad esempio – sollevata dal confronto tra AlphaGo e Lee Sedol – non è se l’AI possa essere

46. Memo Akten, Distributed Consciousness, lecture, UCSB, 2 maggio 2022.

47. Margaret Boden, «Computer Models of Creativity», AI Magazine 30 (3): 23-34.

48. Neil Leach, Anil Seth, Refik Anadol, Daniel Bolojan e Kris Mun, «DigitalFUTURES World, AI and Neuroscience», panel discussion, 27 giugno 2020, www.youtube.com/watch?v=L1H7eL8pk5k&t=4321s.

49. Alfred North Whitehead, Process and Reality: An Essay in Cosmology, Gifford Lectures delivered in the University of Edinburgh during the session 1927-1928, New York: Macmillan; Cambridge: Cambridge University Press, 1929.

4. AI, arte e creatività

legali legate a responsabilità, paternità e proprietà intellettuale, ma anche le preoccupazioni etiche, relative a bias e privacy dei dati.

Ripensare la creatività

Si può considerare l’AI davvero “creativa”? Memo Akten sembra pensarlo davvero: «Affermare che una macchina possa essere creativa non significa antropomorfizzare la macchina, ma liberarla, ampliando il termine “creatività” oltre gli esseri umani. La creatività non è limitata alle persone. Io sono una macchina biologica. Gli esseri umani possono creare arte. Perché non le macchine?»46 Ma non c’è forse qui il rischio di tecnologizzare l’umano o – nonostante le affermazioni di Akten – antropomorfizzare la tecnologia, o persino entrambe le cose? Certamente, Boden non ne è così sicuro: «Se un computer possa mai essere “realmente” creativo non è una questione scientifica ma filosofica. Ed è attualmente senza risposta, poiché implica diverse questioni filosofiche molto controverse – e molto poco chiare»47.

La questione della creatività è estremamente complessa – ancora più complessa, come ha osservato Anil Seth, del problema spinoso della stessa coscienza48. Ma anche se non siamo ancora in grado di ridefinire la creatività in modo significativo, possiamo comunque porre alcune domande provocatorie che sfidano assunti precedentemente condivisi. E non dimentichiamo che il termine “creatività” è relativamente recente, probabilmente introdotto da Alfred North Whitehead solo nel 192949

Una domanda fondamentale, ad esempio – sollevata dal confronto tra AlphaGo e Lee Sedol – non è se l’AI possa essere

46. Memo Akten, Distributed Consciousness, lecture, UCSB, 2 maggio 2022.

47. Margaret Boden, «Computer Models of Creativity», AI Magazine 30 (3): 23-34.

48. Neil Leach, Anil Seth, Refik Anadol, Daniel Bolojan e Kris Mun, «DigitalFUTURES World, AI and Neuroscience», panel discussion, 27 giugno 2020, www.youtube.com/watch?v=L1H7eL8pk5k&t=4321s.

49. Alfred North Whitehead, Process and Reality: An Essay in Cosmology, Gifford Lectures delivered in the University of Edinburgh during the session 1927-1928, New York: Macmillan; Cambridge: Cambridge University Press, 1929.

4. AI, arte e creatività

ZHA/Refik Anadol, studi DALL-E 2 (2022), generati utilizzando DALL-E 2. Queste immagini, prodotte in collaborazione con Refik Anadol, sono probabilmente le prime immagini architettoniche generate utilizzando DALL-E 2.

L'architettura nell'era dell'intelligenza artificiale