Probabilmente tutti voi avrete sentito almeno una volta nella vita il termine “Intelligenza Artificiale”, ormai entrato nella cultura di massa attraverso film e libri di fantascienza. Alcuni avranno più recentemente sentito il termine “Machine Learning”, magari associato a quello di “Deep Learning” o “Rete Neurale”.

Il racconto dei risultati meravigliosi raggiunti da queste tecnologie è spesso accompagnato da previsioni futuristiche che poco hanno a che fare con la realtà odierna, sia quando promettono sviluppi miracolosi, sia quando dipingono scenari distopici.

Siccome se ne parla sempre di più, sempre più persone senza competenza tecnica e senza una vera comprensione di queste tecnologie prendono posizione sull’argomento, esprimendo opinioni e raccontando la loro versione distorta di qualcosa che non hanno gli strumenti per capire. Per tutelarvi dall’abbondante fuffa che circola ormai anche sulle testate di primo piano, vi propongo una brevissima spiegazione di cosa sia il Machine Learning, pensata e scritta per essere compresa anche da una giraffa, che, notoriamente, non è un animale molto bravo con la matematica e la statistica.

Una giraffa che cerca di comprendere una distribuzione gaussiana

Partiamo facendo chiarezza sui termini e su come vengono utilizzati dai ricercatori e dai tecnici. Il più ampio è appunto quello di “Intelligenza Artificiale” che include diverse branche dell’informatica accomunate dalla risoluzione di problemi attraverso “comportamenti intelligenti”. Questo termine viene considerato molto confusionario e risulta difficile definire dove inizia e finisce: si tende ad evitarlo quando si fa riferimento a tecnologie concrete e ad utilizzarlo quando si fanno discorsi generali a persone che non sono del settore. Tra le varie tecniche che vengono incluse nella categoria ci sono tecniche basate sulla logica, tecniche statistiche, tecniche di analisi del linguaggio naturale, la computer vision e tanto altro. Tra queste sono anche inclusi alcuni rami morti della ricerca come l’emulazione del cervello umano, che molti giornalisti e scrittori credono sia ancora un obiettivo della ricerca ma che in realtà è considerato impraticabile da diversi decenni.

Uno degli ambiti attualmente più ampi e vivaci che ricadono sotto l’etichetta di “Intelligenza artificiale” è il cosiddetto Apprendimento Automatico o Machine Learning. Sotto questo termine ombrello ricadono come nel caso precedente un gran numero di tecniche e approcci differenti tra loro, accomunati però da una proprietà chiara: questi programmi imparano a risolvere problemi o a “capire” ciò che gli viene dato in pasto attraverso l’uso di esempi. Si chiama “apprendimento” non per caso. La conoscenza utilizzata non è più quindi quella umana trasferita nella macchina ma è appresa in maniera autonoma. Il ruolo dell’umano quindi è definire come il programma dovrà apprendere, gli esempi e le informazioni da cui dovrà apprendere e una volta che l’apprendimento sarà stato soddisfacente, utilizzare questa conoscenza per prendere decisioni, automatizzare attività che solitamente richiedono l’intervento umano, oppure semplicemente comunicare la conoscenza acquisita a chi ne necessita.

Un’acacia per attirare l’attenzione di chi tra voi è effettivamente una giraffa

Come detto troviamo molta diversità all’interno del Machine Learning: si va da metodi puramente statistici a metodi che mescolano geometria analitica e algebra lineare, fino a cose più “particolari” come gli algoritmi genetici che, partendo da soluzioni casuali a dei problemi dati, le fanno evolvere attraverso i meccanismi dell’evoluzione biologica (selezione, mutazione, combinazione). Tra queste tecniche risalta in particolare il Deep Learning che in questi ultimi tempi ha collezionato un gran numero di risultati considerati impensabili fino a pochi anni fa.

Il Deep Learning ricade nell’ambito delle cosiddette “reti neurali”, chiamate in questo modo perché nelle loro primissime formulazioni, ad esempio il perceptrone di Pitts (formulato negli anni ‘40), volevano essere un modello matematico per riprodurre il comportamento del cervello umano dentro una macchina. Si è rivelato un approccio errato per quel fine ma, come spesso succede nella Scienza, da un ramo apparentemente morto sono fioriti tanti risultati strabilianti. Tutto questo per dire che, al contrario di quanto credano in tanti, le reti neurali non hanno nessuna pretesa di essere un “cervello in miniatura”, tanto che è in corso un dibattito all’interno della comunità scientifica per abbandonare il termine così da evitare di confondere il pubblico e i media.

Le reti neurali sono semplici matrici molto grandi e complesse ma niente più di un elenco di numeri particolarmente ben disposto e complicato a piacere che, insieme ad altre tecniche, può essere utilizzato da un programma per riconoscere un cane in una foto, per guidare una macchina, per inventarsi una storia o per battere il campione del mondo di Go. Quindi non preoccupatevi, l’Intelligenza Artificiale cosciente di sé stessa che prende iniziative e distrugge il mondo non verrà fuori dal Deep Learning così come dagli algoritmi genetici descritti prima non potrà venir fuori un opossum.

Un opossum arrabbiato con chi dice che il Machine Learning distruggerà il mondo

Fatta un po’ di chiarezza sui termini, vediamo di andare un po’ più in dettaglio su cosa possono fare tutte le tecniche di cui abbiamo parlato prima, portando un po’ di esempi concreti.

È pratica comune dividere gli algoritmi di Machine Learning in base ai problemi che risolvono. Tre delle principali categorie che il Machine Learning affronta sono:

• Apprendimento supervisionato: si forniscono all’algoritmo dati associati ad un’informazione, o classe, che ci interessa e questo impara a capire a quale classe appartengono i nuovi esempi che gli si mostrano. Esempio classico sono gli algoritmi di riconoscimento dello spam: l’algoritmo impara da un insieme di e-mail che un umano ha letto e ha classificato come spam o come e-mail valide e questo impara a riconoscere in maniera automatica le nuove e-mail che sono spam e può essere usato per bloccarle.

• Apprendimento non-supervisionato: l’algoritmo osserva un insieme di dati di cui non conosce nessuna proprietà e ne estrae conoscenza di vario natura, a seconda dei casi. Esempio molto semplice da comprendere sono gli algoritmi di clustering, in grado di raggruppare i dati osservati, anche molto complessi, in base ad una loro similarità. Questi vengono regolarmente usati ad esempio per raggruppare testi o canzoni simili tra loro.

• Apprendimento con rinforzo: in questo caso l’algoritmo non ha a disposizione dei dati veri e propri, ma una serie di situazioni in cui può trovarsi e una serie di azioni che può compiere in ogni situazione e deve imparare le azioni migliori da compiere. Facciamo un esempio concreto: gli scacchi. L’obiettivo è chiaramente vincere la partita, mentre le “situazioni” sono le varie configurazioni della scacchiera e le “azioni” sono le mosse valide. Questo tipo di tecniche, fondamentalmente andando per tentativi, imparano un comportamento che lo porti con successo all’obiettivo.

Molte delle applicazioni basate sul Machine Learning di cui si sente parlare però non sembrano ricadere in categorie così semplici: con alcune funziona, come ad esempio i filtri anti-spam o la diagnosi di malattie a partire dalla cartella clinica. Con altre invece i conti non tornano: prendiamo ad esempio le auto che si guidano da sole, come la Google Car o le altre attualmente in sperimentazione. Guidare una macchina non è un solo problema, sono tanti problemi: osservare lo spazio circostante, decidere le traiettorie da seguire, decidere cosa fare in caso di pericolo, mantenere una guida fluida e così via. Quindi come funzionano questi sistemi? Funzionano mettendo insieme tante parti diverse, di cui solo alcune che utilizzano algoritmi di Machine Learning, e che vengono ingegnerizzate e messe insieme per compiere un’attività come la desidera l’umano. I singoli pezzi però sono volti a risolvere singoli problemi estremamente specifici: riconoscere un ostacolo, calcolare una traiettoria, valutare un percorso. All’esterno appare tutto come un unico sistema pensante che controlla la macchina, ma questa è un’illusione, una pareidolia, che non ha nessuna corrispondenza con il modo in cui funziona il sistema.

Lo stesso approccio viene usato in tanti sistemi di robotica, di automazione industriale o in sistemi complessi come Watson di IBM, in cui il “comportamento intelligente” non è legato alla complessità del Machine Learning usato bensì ad una progettazione umana a monte che permette di orchestrare il lavoro per svolgere un compito nella maniera desiderata.

In direzione opposta vanno invece esperimenti come quelli compiuti da DeepMind, azienda sussidiaria di Google che si occupa di ricerca sull’Intelligenza Artificiale. Loro, attraverso modelli di Deep Learning, cercano di risolvere problemi via via più complessi cercando di ridurre la componente di intelligenza umana che contribuisce al funzionamento del sistema. Un esempio è DQN che ha imparato a giocare a 50 giochi dell’Atari osservando lo schermo pixel per pixel e avendo come unica informazione a disposizione il punteggio attuale. L’uomo non funge da intermediario dando al sistema una nozione di “situazione” o di “mossa” ma lascia libero il sistema di apprendere direttamente dall’immagine che vede a schermo.

Spero con questo breve articolo di avervi fornito gli strumenti minimi necessari per interpretare gli eventi e le notizie, spesso distorte, gonfiate o strumentalizzate che vengono pubblicate su questi temi, ormai sempre più spesso anche nei media mainstream. Queste tecnologie saranno sempre più presenti, accessibili e pervasive non solo nel mondo digitale dove da sempre supportano i servizi che tutti utilizziamo, ma anche nel mondo reale. E come sempre succede saranno terreno di scontro politico e sociale, come già sta succedendo negli Stati Uniti, dove il dibattito sulle armi totalmente autonome è entrato prepotentemente nella discussione pubblica.

Ignorando l’aspetto tecnico della questione si rischia di esser facile preda di chi, per interesse, vuole instillare paura e diffidenza nel progresso, oppure di chi vuole sfruttare queste tecnologie a discapito dei cittadini che, se non informati, non hanno modo di cogliere potenziali pericoli e problemi. Vi invito quindi ad analizzare con spirito critico tutte le notizie che leggete in merito e a non fermarvi alle opinioni sputate dai commentatori che spesso, dal punto di vista di chi queste cose le ha studiate, non ne capiscono molto più del lettore a cui si rivolgono ma prendono comunque posizione in base a ciò che gli fa più comodo per sostenere le proprie argomentazioni, troppo spesso ideologiche e raramente fattuali.

Update: questo post è stato segnalato come eccellenza del giorno dalla Treccani per il progetto Premio Treccani Web. Link.

Update 2: la Treccani ha tirato giù tutto quindi il link è morto.

I meme brutti brutti di Linkedin

Nella storia della memetica ironica digitale è da sempre in vigore un processo peggiorativo della qualità produttiva man mano che ci si allontana dalle fonti originarie. Un meme nasceva su una imageboard o su un forum e veniva propagato in forma di macro fino ad arrivare in forma edulcorata, dopo numerosi passaggi, su siti come 9gag o icanhascheezburger.

Negli ultimi anni l’ultimo elemento di questa catena è diventato Facebook, dove hanno iniziato ad approdare macro e meme con una pervasività sempre maggiore. Si parla da almeno un paio d’anni di livello “normiecore” dei meme, ovvero quelli ormai passati dall’essere appannaggio di una certa parte dell’internet all’essere diffusi e conosciuti da buona parte della popolazione digitale. I meme normiecore necessariamente non trascendono mai il livello ironico.

In Italia prima importammo i cavalli di battaglia della scena normie anglofona (ragecomics, advice animals…), poi iniziarono a diffondersi produzioni italiane con gradi variabili di pervasività. L’ultimo in ordine cronologico è il meme del “cinquantenne su Facebook”, arenatosi due anni fa in coda all’ondata dei meme gentisti e rispolverato negli ultimi mesi.

Se la comunità Facebook ha reagito generando numerose pagine di meme di alta qualità, con contenuti meta-ironici o post-ironici che gli stanno lentamente ridando dignità e ruolo di rilievo nel processo di produzione dei meme, lo stesso non vale per un altro social network: LinkedIn.

La maggior parte di voi probabilmente non usa attivamente LinkedIn o non ha una rete di contatti sufficiente a prendere visione di questo fenomeno sempre più pervasivo e per questo ho deciso di prendervi per mano e mostrarvi degli abomini a cui può giungere il processo memefero se guidato da logiche puramente materialiste e in assenza degli elementi culturali e comunitari necessari a produrre qualità.

Per capire la situazione corrente dei meme su LinkedIn risulta fondamentale comprendere due elementi: chi li fa e chi non li fa. Partiamo dal secondo punto: su LinkedIn non ci sono persone e comunità dedicate a produrre meme e in generale le comunità esistenti hanno un elemento identitario e un sostrato culturale condiviso molto deboli.

Pochi usano LinkedIn come social network generalista e chi lo fa è un coglione. No, davvero. Che cazzo ti posti i motivational del Duce e di Geppe Brillo sul tuo profilo personale? Chi cazzo ti assumerebbe se vedesse le cagate immonde che posti su Facebook? Su Facebook hai la scusante che è uno spazio personale e magari non tutti sanno smanettare con i settaggi di privacy, ma LinkedIn è la tua vetrina personale, dovresti postare solo cose che dimostrano le tue competenze, i tuoi interessi, la tua attività lavorativa, non le foto dei tuoi bambini che si lerciano con l’omogeneizzato ai semi di chia. Fine del rant, che potrebbe o potrebbe non essere stato causato da alcuni dei miei contatti.

Dicevamo: nessuno usa LinkedIn come un social generalista e se uno ci va per interagire con colleghi, fare networking e trovare lavoro, non lo userà per postare dei meme. A meno di arcani microgruppi situazionisti che postano meme in segreto su LinkedIn, questo elemento previene e preverrà in futuro lo sviluppo di una scena.

Quindi chi è che pubblica questi crimini contro l’Internet? Nella mia visione sono principalmente recruiters in cerca di attenzione, agenzie e singoli che cercano di promuovere iniziative aziendali o prodotti e, in ultimo, commerciali che non avendo una vita al di fuori del lavoro sfogano la propria frustrazione e l’idiosincrasia delle proprie vite in maniera goffa attraverso questi mezzi.

Chiunque non abbia comprato l’Internet da meno di un paio di mesi sa che quando i meme vengono passati attraverso l’apparato digestivo delle agenzie di marketing subiscono un calo qualitativo critico, spesso anche al di sotto degli standard minimi di engagement dell’utente medio. Tolte poche eccezioni (kudos alla Tassoni Vaporwave), non esiste un grado di consapevolezza e competenza nei professionisti del marketing tale da poter gestire in maniera costruttiva i meme se non all’interno di una scena normiecore stabile.

Immaginatevi quindi cosa potrebbe succedere se a produrli non fossero professionisti con una minima comprensione della comunicazione digitale bensì individui con un disperato bisogno di visibilità ed engagement, senza la minima formazione e senza aver avuto alcun contatto con l’Internet culture nella loro vita. Questi si improvvisano creatori di meme (come è giusto che sia, il memismo professionistico e semi-professionistico è già di per sè una stortura) ma rimanendo manchevoli della materia prima: informazione condivisa con il loro target, in questo caso le persone da assumere o da coinvolgere nelle proprie iniziative.

Il risultato è quello che definirei un anti-meme: meme inservibili, nati morti, incapaci di veicolare alcun contenuto, messaggio o pensiero e che sopratutto non preservano nulla della sorgente che li ha generati, se non le immagini di sfondo alle macro. Secchi involucri vuoti riempiti a forza.

I tratti comuni e distintivi degli anti-meme sono appunto l’utilizzo di immagini di meme normie, per ovvi motivi combacianti con quelli affermati su Facebook. Nella maggiorparte dei casi viene rotto il collegamento tra l’immagini e la struttura del meme: l’immagine viene reinterpretata sul momento dall’autore, che non ha visibilità e conoscenza della storia di migliaia e migliaia di meme che hanno preceduto il suo. La battuta viene quindi re-inventata con un senso e dei tratti totalmente diversi, distruggendo quindi la dimensione memetica dell’immagine, che diventa puro simulacro del meme. Gli argomenti, manco a dirlo, sono legati al lavoro: a volte cercano goffamente di ironizzare sulle contraddizioni del proprio settore o sui difetti di una determinata tecnologia, al fine di empatizzare coi colleghi. Altre volte, sopratutto nei casi peggiori, il meme contiene direttamente una call to action o un riferimento all’oggetto da promuovere. Nei casi limite il contenuto testuale è totalmente scorrelato dall’immagine, che funge da esca per l’occhio ma non presenta alcun tentativo di comunicazione memetica. Per questi ultimi non si può escludere che alcune agenzie adottino questa strategia consciamente, ignorando la dimensione etica del meme.

Questi anti-meme sono uno specchio del mondo del lavoro capitalistico occidentale, che da secoli ha un effetto alienante ma che tra alcune categorie lavorative è totalizzante, svuotando l’individuo di qualsiasi dimensione umana esterna al lavoro. Questi zombie molti di voi li hanno conosciuti: manager, consulenti e impiegati vari che passano 10–12 ore al giorno in ufficio per 10, 15 o 20 anni e nel frattempo disgregano qualsiasi passione, qualsiasi interesse, qualsiasi umanità.

Non sanno più vestirsi: copiano lo stile business del momento. Non sanno scegliere un ristorante ma le rare volte che ci devono andare si basano sul paio di consigli sentiti da un collega di un collega: Yelp e TripAdvisor non sanno che esistono. La politica è un eco lontano di fatti poco interessanti, perché loro han da lavorare e non c’han tempo per quelli lì che stanno a Roma a perder tempo e sprecare soldi. Film ogni tanto nei rari weekend liberi e al mattino le uniche cose che leggono con il caffè sono siti di tecnologia, finanza e se va bene la Gazzetta.

Ora, alla maggior parte di queste persone non è richiesto di esprimersi. Se hanno dei contatti con il resto del mondo spesso è attraverso delle presentazioni da cui non traspare il vuoto di cui parlavamo prima. Ma quelli a cui è richiesto d’improvviso di buttarsi in un’attività fuori dagli schemi preconfenzionati della comunicazione aziendale senza saperlo si espongono ad un mondo senza schemi, con le sue logiche e una dimensione semiotica complicata. Loro non sanno niente, sono giunchi nel vento. I loro meme sono un urlo disperato, la richiesta di un aiuto di cui non sanno di aver bisogno.

/s

Sull’estetica del codice

Ci sono molti programmatori, decisamente troppi, che nel 2017 ancora pensano che l’eleganza nel codice sia solo un vezzo, un virtuosismo superfluo, una ricerca di una pulizia fine a sé stessa. Sono stati spesi fiumi di parole su questo tema ed esistono una marea di libri sull’argomento, alcuni dei quali sorvolano sulla correlazione tra estetica e debito tecnico. Questi promuovono gli stessi principi di pulizia, ordine, eleganza e armonia nel codice che rimangono validi da mezzo secolo come fossero semplici metodologie pratiche per scrivere buon codice che non ti esploderà in faccia al primo corner case.

Viene però omessa appunto la premessa fondamentale: un codice manutenibile è un codice elegante e un codice elegante è l’unico codice che merita di essere scritto, perché qualsiasi alternativa porta, prima o dopo ad una crisi di debito tecnico. Tutti abbiamo passato serate/weekend a ridosso delle deadline a fare accrocchi indicibili e lì esiste una scusante, ma non esiste la scusante il giorno dopo per non smontare l’accrocchio e rifarlo. E allo stesso modo tutti avranno sperimentato l’azienda o il project manager che non lasciano i tempi tecnici per lavorare bene, ma questi sono vittima dello stesso errore, ovvero credere che la qualità estetica del codice non sia un valore quantificabile. Lo è e l’overhead portato dal cattivo codice te lo ritrovi quando sfori le deadline.

Questa mancanza di cultura estetica è a mio parere aggravata dalla narrativa intorno alle good practice, al clean code, al less is more: troppa pratica e poca teoria. Si stanno dando sardine invece di insegnare a pescare i merluzzi. Metodologie sempre più convolute per strutturare codice, dati e processi, liste infinite di good practice legate al linguaggio/framework di turno e quant’altro.

Tutte queste cose sono inutili se manca la consapevolezza del problema di fondo: il codice è forma e sostanza contemporaneamente e se la forma del codice non si armonizza alla sostanza, nascono i problemi. Colmare la discrepanza tra forma e sostanza richiede energie mentali da parte di chi sta lavorando al codice, da parte di chi farà manutenzione, da parte di chi lo userà come libreria se è il caso e, in casi estremi, da parte dell’utente finale che potrebbe ritrovarsi un UX sub ottimale a causa della struttura interna di un software.

Spiegaglielo al PM che sfori la deadline. Spiegaglielo al senior che lavora da 15 anni su Java e ha 12 certificazioni diverse su Spring che si fa un weekend al mese in ufficio. Spiegaglielo allo studente che vede i suoi compagni finire i progetti 3 settimane prima della scadenza.

Che la qualità del codice non sia di massima importanza, sia nella sua componente estetica sia in quella funzionale, è una bugia che ci raccontiamo per farci andare bene il fatto che lavoriamo in un posto di merda, o è una giustificazione per non continuare a fare sforzi extra per studiare cose nuove e scrivere codice migliore. Più facile sopportare giorno dopo giorno, portare a casa lo stipendio e alienarsi da ciò che si crea, invece di ambire a qualcosa di più.

Non tutti ricercano il Tao, per molti programmare è un lavoro come un altro ed è comprensibile che non puntino a migliorarsi ma solo a portare a casa il pane. E ci sta, se non si ha la passione, meglio scrivere COBOL o roba enterprise, che almeno ti pagano bene. Go for it.

Ma tante volte le persone che gettano la spugna e vanno con la corrente son persone che la passione l’hanno avuta ma sono state soffocate dalle contingenze, da ambienti lavorativi tossici e in ultimo, dalla mancanza di strumenti culturali con cui difendere la propria passione davanti agli incessanti assalti dell’imperativo capitalista: produrre, vendere, guadagnare.

Noi programmatori, tutti, possiamo ambire ad una remunerazione sopra la media facendo un lavoro che ci piace, ci diverte e ci soddisfa. Sono molto poche le categorie professionali che possono fare la stessa affermazione. Però nella pratica questo succede solo ad una frazione di noi e succede per una questione culturale, che diventa questione economica e in ultimo politica.

Il diritto ad avere spazio per scrivere buon codice è una questione fondamentalmente politica ed è imperativo etico di ogni programmatore. Questione politica perché i programmatori in Italia sono una categoria di sfruttati che ha stipendi troppo bassi in confronto ai colleghi esteri e questione politica perché un settore composto principalmente da programmatori che non migliorano come potrebbero è un settore destinato ad ingrossarsi numericamente mantenendo legioni di manovali sottopagati e inefficienti. E chi ha il potenziale e si trova soffocato se ne va all’estero.

Imperativo etico perché si è collettivamente responsabile della situazione in essere nella propria azienda e nel mercato del lavoro. La lotta sindacale è morta, la contrattazione collettiva è moribonda e la coscienza di classe nell’IT non è manco mai nata. Quindi la presa di responsabilità individuale per migliorare la propria condizione e quella altrui deve assumere forme nuove, inaspettate e non comprensibili dal sistema che ha creato le condizioni attuali.

L’equazione tra il cambiamento del mercato del lavoro e la coltivazione della forma (e non solo della sostanza) nel codice che si scrive è tutto fuorché semplice, ma forse è intuitiva per chi questo percorso l’ha già fatto o lo sta facendo. Il percorso di liberazione salariale dettato da un’incessamente miglioramento delle proprie capacità può avvenire solo se si lavora in un ambiente in cui una frazione maggioritaria del proprio tempo è speso a creare qualcosa che ci migliori. Rattoppare in fretta codice malscritto non è sicuramente il modo giusto. Se lo si fa ogni giorno della propria vita per decenni, ci si ritrova quarantenni con un CV vergognoso, lo stress sopra i capelli e lo stipendio di un lustrascarpe.

Il tempo è la risorsa più rara che esista nella vita di una persona con delle ambizioni e programmare bene è un’ambizione che, come tutte le arti, ne richiede una quantità immensa. Sottostare alla volontà altrui che ci impone di scrivere in fretta, di scrivere il minimo necessario per mettere in produzione e mettere pezze quando tutto si rompe è un torto alla bellezza e alla nostra dimensione di esseri umani.

Spero che questo post arrivi sopratutto agli studenti, perché la maggior parte delle persone che programma male da 15 anni probabilmente arriverà a metà del post e lo bollerà come il berciare di un giovane arrogante e ingenuo. Sono gli studenti che ancora non lavorano a dover far propria la nozione che la continua e instancabile ricerca estetica nella programmazione è una delle forze fondamentali che crea i programmatori bravi ed è in sé stessa la ricompensa dello sforzo speso ad inseguirla.

Non scrivete mai codice per i vostri professori o per i vostri datori di lavoro e men che meno per i clienti: scrivete codice per voi stessi per migliorarvi, per i vostri pari più capaci per farvi insegnare e per i vostri pari meno bravi per insegnare a loro quello che avete imparato. Quello che consegnate a mezzanotte prima della deadline di un progetto d’esame rimarrà su un server in qualche sgabuzzino dell’università per qualche anno e poi sparirà. Lo stesso per la delivery della nuova feature richiesta urgentissimamente dal cliente. Qualche anno e il cliente fallirà, cambierà software o qualcuno cancellerà la vostra implementazione. Son solo bit. Non pesano niente. Non sono importanti.

Quello che vi rimane è nella vostra testa e nella vostra persona, è nelle opportunità che vi crea e nei discorsi che farete con persone con la vostra stessa passione che, in ultimo, vi lasceranno ancora di più.

Il codice è troppo importante per scriverlo male.

Ringrazio Walter Cazzola per avermi insegnato a vergognarmi sempre e comunque del mio codice e Stefano Baghino per avermi insegnato l’umiltà e la disciplina (mai abbastanza).

I Tech Worker americani si stanno sindacalizzando

Fuori dagli USA se ne parla poco ma nell’ultimo anno, complice l’elezione di Trump, il vento nella Silicon Valley è cambiato. Questa è sempre stata ideologicamente contesa da una parte da anarco-capitalisti e libertari, galvanizzati da figure carismatiche come Elon Musk e Steve Jobs o meno carismatiche ma più apertamento politicizzate, come Peter Thiel o Zoltvan Istvan. Dall’altra parte ci sono i giovani liberal, forgiati in quelle fucine di fanatismo auto-referenziale che sono le università americane da alcuni decenni.

Tuttavia queste ideologie, calate dall’alto dalle élite, nel corso degli anni hanno alimentato una sempre più forte dissonanza tra quella che è la presunta missione della Silicon Valley e quelle che sono le realtà materiali in cui sono immersi i lavoratori. Queste dissonanze, queste contraddizioni, non sono più solo l’argomento di discussione di piccole comunità su internet o di giornalisti e filosofi completamente esterni al mondo Tech. Stipendi alti, benefit, birrini al venerdì coi colleghi e piscine di palline in cui nuotare nella pausa caffè non bastano più per sopprimere lo scetticismo di milioni di programmatori, analisti, tester, designer e sysadmin.

“La nostra missione è creare un prodotto che migliori le condizioni di vita di milioni di persone”: se lo sono sentiti dire in tanti, duranti i colloqui. Poi al primo giorno di lavoro un collega gli ha spiegato come funziona il codice che cerca di massimizzare le probabilità che un utente clicchi su una loro pubblicità. Il tutto costruito sulle analisi dei data scientist che hanno profilato l’utente usando informazioni sensibili e su studi di design, schemi di colori, forme e flussi di interazioni pensate per catalizzare l’attenzione dell’utente in maniera subliminale.

Ancora è lontana una presa di coscienza collettiva che mini alla base il muro di illusioni che la Silicon Valley ha costruito per nascondere che, alla fine dei conti, sono tutti lì per il profitto e null’altro. Profitto che verrà condiviso abbondantemente coi programmatori solo fintanto che il mercato del lavoro sarà loro favorevole. Tuttavia sulle contraddizioni più evidenti, qualche scintilla inizia a vedersi.

Esempio lampante è la vittoria ottenuta dai lavoratori Google sulla direzione la quale, alcuni giorni fa, ha dichiarato di non voler continuare il programma di ricerca congiunta con il Dipartimento della Difesa Americano. Il programma prevedeva lo sviluppo di sistemi di puntamento automatico per droni, un’applicazione considerata non-etica dalla maggiorparte dei dipendenti Google, che hanno fatto forte opposizione.

Di questo fatto non è tanto interessante l’implicazione etica o il risultato materiale (la commessa miliardaria la vincerà un’altra azienda o il DoD troverà il modo per fare uso delle tecnologie Google per altre vie), ma la dinamica con cui si è ottenuto questo risultato: assemblee di dipendenti in aperta contrapposizione con la direzione, reiterati appelli, numerose dimissioni spontanee, mesi di scontro diretto e indiretto e alla fine, un passo indietro da parte della direzione. Ciliegina sulla torta, il rilascio da parte di Google di una sorta di manifesto etico per lo sviluppo delle AI, evidente segno della necessità di compensare la pubblicità negativa ricevuta dalla concessione fatta ai lavoratori.

Questo però è solo uno dei tanti avvenimenti simili avvenuti nell’ultimo anno e segno di un trend che è destinato a crescere. A cavalcare quest’onda di malcontento è la Tech Worker Coalition, un’organizzazione che riunisce numerosi gruppi spontanei in numerose aziende della Silicon Valley, Seattle e altri hub tecnologici americani. Il loro obiettivo? Supportare l’organizzazione dei lavoratori, gruppi di studio, attività di protesta. Il loro nome ricorre spesso in tutti gli articoli sull’argomento. La loro comunicazione è leggera, scevra della pesantezza della sindacalismo tradizionale e usa gli stessi termini delle ideologie che fino ad ora hanno portato alla divisione dei lavoratori. L’argomento meriterebbe un articolo dedicato poiché a mio parere sono un esempio positivo della “nuova sinistra” che si vorrebbe vedere in Europa.

Questa nuova ondata di sindacalismo non differisce soltanto nella comunicazione, ma anche nei metodi. Le sfide che deve superare sono diverse perché il mondo continua a cambiare ma sopratutto perché i Knowledge Workers e in particolare quelli del settore Tech, hanno problemi radicalmente diversi dalle altre classi lavoratrici. A questo si somma un diffuso disinteresse per la politica e un anti-intellettualismo che, seppur in crescita in tutto l’Occidente, diventa spesso elemento identitario in quanto contrapposto al pragmatismo che distingue le discipline ingegneristiche e la cultura “hacker” in senso lato.

Spingere per stipendi più alti non è chiaramente un argomento di interesse: gli stipendi nel settore sono relativamente alti. Avere orari più equilibrati? Sicuramente per alcuni è una necessità ma più spesso è la natura del lavoro stesso a richiedere una flessibilità che spesso sfora nello sfruttamento. Una battaglia che ha senso d’essere ma che ancora non fa presa perché straordinari e weekend sono fortemente normalizzati. Ambienti di lavoro più salubri? Molti programmatori hanno scrivanie, sedie, schermi e computer che costano migliaia e migliaia di dollari. Hanno frutta e verdura gratis, pranzi salutari preparati nella mensa aziendale, una palestra con spa e piscina nel sotterraneo e un servizio massaggio. Non scenderanno in strada per una sindrome del tunnel carpale.

Tutti questi elementi potrebbero far pensare che, data la loro condizione privilegiata, i tech worker non siano sindacalizzabili e che siano più propensi ad allinearsi ideologicamente e nella quotidianità con la direzione piuttosto che solidarizzare con gli inservienti che puliscono gli uffici di notte. Tuttavia rimane una verità materiale innegabile: loro sono dipendenti, sono lavoratori come gli altri. Il fatto che abbiano una vita più facile non cambia questo fatto, lo nasconde soltanto.

Per rompere questa narrativa della divisione, il nuovo sindacalismo usa idee e parole diverse e la più potente, in questa prima fase, è la seguente: “Ti è stato promesso che avresti cambiato il mondo, che avresti fatto del bene usando i potenti mezzi che la tecnologia ci mette a disposizione. Il mercato è solo un male necessario ma se la tecnologia della tua azienda è la migliore, il mercato la premierà e potrai avere un impatto positivo sulla vita delle persone. Con questa scusa ti hanno tenuto davanti allo schermo nei weekend e ti hanno fatto scrivere codice per cose che nulla c’entrano con quello che volevi fare nella vita. Ora però ti accorgi che la tua azienda, così come tante altre, sta avendo un impatto negativo sul mondo: Facebook, Amazon, AirBnB, Foodora, Deliveroo”.

Riconnettere il lavoratore con la realtà materiale del fatto che il suo lavoro è finalizzato esclusivamente al profitto, è il punto di partenza. Dopo verrà la costruzione della solidarietà con gli altri lavoratori, da sempre percepiti come alieni (dall’alto di un privilegio di cui parecchi si vergognano). La priorità però rimane fare leva sulle ambizioni che i Tech Worker, in quanto privilegiati, possono permettersi e usarle prima per creare coscienza del loro ruolo nella società e poi per creare un cambiamento positivo per tutti.

La nostra società è sempre più dipendente dalla tecnologia ad ogni livello e questo concentra sempre maggior potere potenziale nelle mani di una classe di persone numericamente esigua rispetto al totale della popolazione. Lo sciopero o il boicottaggio di una manciata di sistemisti o di programmatori radicalizzati può avere un impatto a livello mondiale che un qualunque sciopero in una miniera o in un’acciaieria non ha mai avuto. Con questo non voglio suggerire che esista un sindacalismo di Serie A ed uno di Serie B: bisogna combattere per i diritti di ognuno, ma alcuni possono contribuire alla lotta in maniera più “efficace” di altri. Questa è sempre stato vero, ma è ancor più vero oggi poiché la tecnologia, per l’ennesima volta, ribalta le condizioni materiali e quindi gli equilibri di potere come già successo tante volte nella storia umana.

E in Italia? Il sindacalismo nell’ambito Tech latita, nonostante alcune iniziative locali. Il modello tradizionale è per ora l’unica opzione a disposizione dei lavoratori che, in alcuni contesti decidono di percorrerlo. Non è però un fenomeno nuovo e nel corso di decenni di settore IT in Italia, non sembra aver avuto adesioni sufficienti, in particolare al di fuori degli ambienti dove è comune il body rental. Al contrario, nella mia esperienza personale, la quasi totalità dei tech worker italiani sono apertamente ostili a qualsiasi forma di sindacato, in linea col trend ideologico dominante nel Bel Paese. Il sindacato è percepito come una reliquia del passato, incapace di parlare ai giovani, figuriamoci a quelli cresciuti in un ambiente che importa cultura e ideologia dall’altra parte del mondo.

Presidio all’UBIS di Lampugnano (MI)

Da un lato le condizioni sono molto più mature per un cambiamento: i Tech Worker in Italia in generale sono pagati molto meno delle controparti estere e un mercato del lavoro meno favorevole limita il fiorire di benefit e trovate originali per distrarre il lavoratore dalla propria condizione di sottoposto. D’altro canto però manca la concentrazione dei lavoratori che è presente in USA: i giganteschi campus con migliaia di impiegati offrono spazi di discussione e di organizzazione che in Italia sarebbero duri da raggiungere. Le multinazionali poi hanno spesso e volentieri network di comunicazione interna in cui prolifera il dibattito. In Italia queste grandi realtà sono poche, per caratteristiche del settore IT e dell’economia italiana in generale. Perciò, a mio modesto parere di persona per nulla esperta dello scenario sindacale italiano ma profondamente immerso nelle comunità IT nostrane, nel breve termine difficilmente vedremo grossi impatti in conseguenza di quello che sta succedendo dall’altra parte dell’oceano.

Non per questo quello che sta succedendo in USA non ci riguarda. Le aziende in cui si portano avanti istanze di malcontento sono spesso presenti anche sul nostro territorio, vendono servizi che utilizziamo tutti e che danno forma alla nostra società e al nostro mercato. Una maggiore coscienza del Tech Worker americano che si oppone a scelte aziendali tossiche per gli utenti e la società può avere un impatto diretto sulla nostra vita e questo è un fenomeno nuovo che nella narrativa attuale sulla tecnologia è totalmente ignorato.

Per approfondire: Technology and the Worker

Il 2018? L’anno dei meme accelerazionisti di sinistra

Quest’anno sta andando a concludersi. I bagordi natalizi lasciano ancora strascichi nei nostri frigoriferi e nelle nostre anime e con ventre appesantito attendiamo l’arrivo ineluttabile del cotechino di Capodanno. Il 25 Dicembre non è solo una festa comandata ma è anche la principale occasione di dibattito politico dell’anno.

Innumerevoli sostenitori del PD costretti a confrontarsi col paese reale rappresentato dagli zii, leghisti di ferro al tavolo con la nuova moglie nigeriana del cugino, veterani del PCI a dar bastonate ai nipoti che votano 5stelle e poi loro: i millennials post-moderni, post-ironici, post-capitalisti che non si capisce un cazzo di quello che dicono. Siccome non erano abbastanza post-, ho deciso di dedicargli un post perché quest’anno, perlomeno nel mondo delle pagine Facebook di memes, è stato il loro anno.

Che cos’è l’accelerazionismo post-capitalista? Ci vorrebbe un libro per spiegarlo. E infatti l’hanno scritto: Inventare il Futuro. Leggetevelo. Cercherò però di riassumerlo in breve per aiutarvi a capire perché i vostri contatti Facebook ricondividono post inneggianti alla distruzione del capitalismo tramite iperstizioni fritte.

L’accelerazionismo di Sinistra è una nuova corrente di pensiero, principalmente politica, che punta ad un obiettivo chiaro nel lungo termine: liberare la società dalla necessità del lavoro e separare la sopravvivenza degli individui dal loro salario. Come? Sfruttando le innovazioni tecnologiche già esistenti, ristrutturando l’ordine sociale per adattarsi ad un mondo dove la piena occupazione non serve e non è desiderabile, ma sopratutto trasformando la cultura e i desideri delle persone che oggi sono avvizziti sotto la pressione del realismo capitalista. Per fare ciò, Srnicek e Williams hanno una strategia chiara e diretta: radicalizzare i giovani che domani saranno classe dirigente, giornalisti, professori e che plasmeranno la generazione dopo di loro. E nel 2018 come si arriva ai giovani? Coi memes.

Ecco quindi un fiorire di pagine Facebook, canali Telegram e profili Twitter che vivono a cavallo tra le dinamiche autoreferenziali e autocelebrative della memesfera italiana e la prassi politica suggerita per creare una nuova sinistra.

Di seguito propongo quindi il mio personale itinerario dei meme accelerazionisti per il 2018.

**Automatizzato Comunismo Memetico**

Forse la prima in ordine cronologico, sicuramente oggi tra le principali. Di recente si è un po’ imborghesita, limitandosi a meme di facile comprensione, con al massimo un paio di layer.

**Automatizzato Caccapostaggio Sinistroverso 迪克**

Nato come spin-off di Automatizzato Comunismo Memetico, ad oggi mantiene un volume di contenuti estremamente alto ed è la faccia più cattiva e radicale della medaglia. Meme fritti, meme surreali e tanti layer senza compromessi.

**Potere all’iperstizione**

Promettente new entry, produce contenuti di qualità anche se non ha ancora sviluppato pienamente un suo stile proprio. Sostiene, non so se ironicamente o meno, Potere al Popolo come opzione accelerazionista in Italia.

Menzione speciale non accel:** La sinistra che Odia**

Altra pagina di sinistra che nel 2018 ha raggiunto le luci della ribalta (ma come cazzo parlo?). Seppur quasi per nulla accelerazionista, strizza l’occhio allo stesso pubblico e fa meme di qualità,