Hayek nell’era informatica

Di Jocheved Matt. Originale pubblicato il 26 giugno 2018 con il titolo The Last Person in the Room Must Close the Door. Traduzione di Enrico Sanna.

Capita a volte che mentre si entra in classe per una lezione di informatica qualcuno dica: “L’ultimo chiuda la porta.” La frase, apparentemente sensata, è un esempio di funzione non calcolabile. Nessuno può sapere (calcolare) se è l’ultimo, se dopo non ci sarà qualcun altro. Molti pensano che i problemi di calcolo possano essere risolti semplicemente incrementando la potenza di calcolo. La persistenza di funzioni non calcolabili, però, dice che ci sono limiti nel calcolo. Anche se la questione della calcolabilità attraversa tutta l’opera di Hayek, credo che le sue conclusioni a favore del liberalismo e a proposito della conoscenza debbano essere riviste oggi alla luce della moderna prassi della calcolabilità e della complessità. Per quanto potente, il calcolo non potrà mai amministrare le risorse o pianificare l’economia.

Molti libri di fantascienza accarezzano l’idea di un’intelligenza artificiale quale soluzione di problemi relativi alla pianificazione economica (es. Asher 2013; Banks 1994; Heinlein 2014; Williamson 1990). Molti sono i testi che studiano i potenziali problemi che un tale sistema potrebbe creare, ma questo non ha impedito alla questione di percolare negli studi di esperti di calcolo digitale, filosofi e economisti (es. Cockshott 1988; Cottrell et al. 2007; Cottrell and Cockshott 1993; Mirowski 2002). Un esempio significativo è la società futuristica immaginata da Ursula K. Le Guin in I reietti dell’altro pianeta. Qui un’olistica intelligenza artificiale controlla la società, gestisce la ripartizione delle risorse, l’impiego, e addirittura le relazioni sociali. L’idea base è interessante: un domani un software saprà molto meglio di noi cosa è bene per noi e per l’economia. L’immagine futuristica di un’intelligenza artificiale onnisciente ha catturato la fantasia di scrittori e registi di fantascienza, nonché l’immaginazione politica del pubblico. Per rispondere a questa critica diffusa del problema hayekiano della conoscenza occorre servirsi del concetto di calcolabilità e tenere conto dei limiti delle macchine da calcolo, così da poter contestualizzare la teoria di Hayek a favore del liberalismo.

La tendenza a vedere nel calcolo computerizzato la soluzione dei problemi economici non appartiene solo agli appassionati della futuristica intelligenza artificiale. C’è da aggiungere anche l’eccessiva fiducia propria dell’attuale dibattito politico, che insiste a voler utilizzare l’approccio scientifico e informatico al posto della prassi politica fondata sull’evidenza (Brooker 2001; Nutley et al. 2000; Practice 2006; Sutherland et al. 2004). Una prassi politica fondata sull’evidenza vuole che politici e analisti quantifichino i risultati di una determinata azione politica di solito in termini di analisi costi-benefici (Head 2010). Analisi di costi e benefici, analisi del rischio e altre politiche di ottimizzazione richiedono ipotesi su obiettivi e costi potenziali delle decisioni e spesso sono soggette a probability neglect (Saltelli e Giampietro 2017; Sunstein 2003). Queste ipotesi spesso eliminano modelli alternativi dal processo decisionale (Biesta 2007). Quindi il metodo scientifico, applicato alla prassi politica, può limitare l’esame dell’intero insieme di opzioni (Pawson 2006). Le politiche in materia di tutela ambientale, ad esempio, spesso si basano su valutazioni soggettive dell’ecosistema o su valori di genere utilizzati in studi previsionali. Pur essendo talvolta degne di nota, le previsioni poggiano su presupposti incerti e non sempre dicono la verità. Per giunta, i modelli devono essere fortemente semplificati, soprattutto quando si prendono in considerazione le complesse interazioni all’interno di un ecosistema, tanto che a volte il risultato finale, data la complessità del sistema ambiente, è privo di significato. E però tali modelli forniscono un’analisi quantitativa che marginalizza ogni diversa interpretazione soggettiva della situazione politica e ambientale (Feinstein e Horwitz 1977). Modulare le politiche basate sull’evidenza con un onesto riconoscimento dei limiti del calcolo e con il concetto hayekiano di conoscenza limitata è importante al fine di prendere in esame il fine delle scelte politiche, soprattutto delle alternative politiche liberali.

A contraddistinguere Hayek rispetto agli altri principali economisti del suo tempo è il suo insistere su un’interpretazione dell’economia come di un processo che nasce dal basso grazie alle interazioni di agenti periferici possessori di conoscenze locali uniche (Hayek 1945, 1948, 1964). Una delle questioni principali di Hayek era: “Come fanno frammenti di conoscenza esistenti in menti diverse a generare risultati che, se generati deliberatamente, richiederebbero una conoscenza nella mente amministrante che nessuno può possedere singolarmente?” (Hayek 1948). Ne “L’uso della conoscenza nella società”, Hayek spiega come le difficoltà create da una conoscenza periferica rendano impossibile il compito di un pianificatore centrale che voglia sfidare l’efficienza del mercato (Hayek 1945). Il fatto che emerga dal basso, incapsulando la conoscenza posseduta da ogni membro della società, fa sì che il mercato faccia sempre meglio di ogni qualunque singolo agente in possesso di una frazione delle conoscenze rilevanti.

In origine, Hayek scrisse questo saggio per confutare le tesi di Oskar Lange (Lange 1936, 1937) riguardo la fattibilità di un socialismo di mercato. Secondo Lange, per una pianificazione economica nazionale occorrevano parametri di tre generi: preferenze individuali, conoscenza delle risorse disponibili e prezzi. Secondo Lange era possibile calcolare i prezzi a partire dagli altri due parametri. Usando un suo modello, e tramite un processo di tentativi ed errori, era possibile trovare un prezzo di equilibrio in maniera rapida ed efficiente. Il suo assunto base insiste nell’informare i precedenti in funzione della teoria economica: se sappiamo cosa vuole la gente e cosa possediamo noi, possiamo calcolare il prezzo migliore. Confutare la pianificazione economica per Hayek era molto importante ai fini del liberalismo, ma le sue tesi devono essere aggiornate al fine di contrastare un diffuso malinteso generato dalla crescente capacità di calcolo dei computer.

Oggi l’immaginario pianificatore centrale non è più un agente dello stato, ma una divinizzata intelligenza artificiale che, possedendo informazioni rilevanti, è in grado di calcolare i prezzi e ripartire gli investimenti secondo il modello di Lange. Per aggiornare la tesi hayekiana a favore del liberalismo occorre tenere bene in conto le capacità e i limiti delle macchine da calcolo. Un importante concetto in tal senso è la teoria della calcolabilità, una branca dell’informatica e della logica matematica conosciuta anche come teoria della ricorsione (Bălţătescu and Prisecaru 2009; Casti 1997). Funzioni computabili, secondo Church-Turing, sono quelle che si possono calcolare con una qualunque macchina (dispositivo di calcolo meccanico o fisico) avendo tempo e capacità di memoria illimitati (Copeland 2007). Tali funzioni sono quindi limitate a funzioni rappresentabili con un algoritmo (Casti 1997; Copeland 2007). Possiamo immaginare l’algoritmo in quesitone come un elenco di regole che una persona dotata di tempo, carta e penna illimitati segue al fine di trovare una soluzione. Secondo questa logica, se una funzione o un sistema non è rappresentabile con un algoritmo è incalcolabile. Altro aspetto del problema della calcolabilità è noto come argomento diagonale di Cantor (Ewald 2005; Lawvere 1969; Murphy 2006). Pubblicato nel 1891 da Georg Cantor, l’argomento diagonale è una dimostrazione matematica dell’esistenza di infiniti insiemi non numerabili che non hanno un rapporto uno a uno con i numeri naturali infiniti (Ewald 2005). Questi insiemi infiniti non possono essere utilizzati in un algoritmo perché l’algoritmo non può essere calcolato per un tempo infinito.

Calcolabilita in ambito economico significa soprattutto rispondere alla domanda: è possibile calcolare l’assegnazione delle risorse nel quadro della teoria della calcolabilità?  (Bălţătescu and Prisecaru 2009; Bartholo e altri 2009). L’allargamento della questione della conoscenza al dibattito sul calcolo si basa sull’argomento diagonale di Cantor (Murphy 2006). La tesi di Murphy è che un ipotetico pianificatore centrale (che potrebbe anche essere un supercomputer) che volesse raggiungere o superare l’efficienza del mercato, dovrebbe avere non solo un numero infinito di prezzi, ma anche un “numero infinito non numerabile di prezzi”. La tesi di Murphy porta a tre asserzioni: 1) il calcolo su un dominio infinito e non numerabile è, in termini di principio, impossibile; 2) l’unità pianificatrice centrale deve tener conto di un numero infinito di prezzi; il che significa che 3) una pianificazione centrale non è solo impossibile, ma anche incalcolabile anche solo teoricamente.

La tesi di Murphy, unita al problema hayekiano della conoscenza, nega non solo che una macchina da calcolo possa scoprire prezzi validi, ma anche che sia possibile pianificare la politica. Questo perché, come dice Hayek, la conoscenza in un sistema economico e sociale è per natura un fatto complesso (Hayek 1964). In “Teoria dei fenomeni complessi”, Hayek definisce la complessità come “il numero minimo di elementi che uno schema deve possedere al fine di esibire tutti gli attributi caratteristici della classe di schemi in questione” (Hayek 1964). In ambito biologico e sociale, complessità significa che esiste un numero infinito di condizioni iniziali necessarie a fare una stima dei possibili stati finali di un sistema complesso (Anderson e altri 1988; Bălţătescu and Prisecaru 2009). In questi ultimi anni sempre più studiosi hanno notato le similarità tra la scienza della complessità e le teorie della scuola austriaca (Barbieri 2013; Koppl 2000, 2009; Rosser 1999; Vaughn 1999; Vriend 2002). Gli studi di Hayek, in particolare, vengono spesso citati come essenziali alla comprensione delle attuali frontiere della complessità (Gaus 2006; Kilpatrick 2001). Una delle intuizioni chiave di Hayek a proposito di complessità e conoscenza è che il comportamento economico non è solo complesso ma incalcolabilmente complesso (Bălţătescu and Prisecaru 2009; Hayek 1953; Kilpatrick 2001).

Secondo questa intuizione, non solo un pianificatore centrale si troverebbe davanti il problema dell’incalcolabilità, ma anche l’intelligenza artificiale sarebbe nell’impossibilità di impostare correttamente i prezzi (Bartholo e altri 2009; Velupillai 2017). Questo vale anche per le politiche basate sull’evidenza. Poiché la conoscenza è distribuita e le iniziali condizioni rilevanti sono incalcolabilmente infinite, i sistemi matematici e computazionali alla base di un programma politico non riuscirebbero mai a prevedere pienamente il risultato finale (Feinstein e Horwitz 1997; Pawson 2006). Nell’era del computer è importante che chi propone un liberalismo di tipo hayekiano evidenzi i limiti della computabilità e capisca cosa accade quando si applica la complessità e la teoria della computabilità all’atto politico.

Aggiornando il discorso di Hayek a favore del liberalismo, vista l’enorme espansione delle capacità di calcolo e di simulazione, i liberali farebbero bene a indagare confini e limiti della computabilità. Capire le tesi hayekiane sulla conoscenza significa intendere gli agenti umani come se fossero algoritmi imperfetti con un numero incalcolabilmente infinito di informazioni. Questo significa che l’azione umana collettiva e la teoria economica sono non solo difficili da concettualizzare, ma anche fondamentalmente incomputabili. Il linguaggio della computazione dà ai liberali hayekiani la possibilità di imbrigliare il contesto unico, il linguaggio e i concetti dell’era del computer al fine di confutare le tesi dei pianificatori centrali. Che si tratti di uomini o di macchine (Hayek 2013).

E l’ultimo che legge questo articolo chiuda la porta.

Riferimenti bibliografici

Anderson, P. W., Arrow, K., & Pines, D. (1988). The economy as an evolving complex system.

Asher, N. (2013). Polity Agent. Simon and Schuster.

Bălţătescu, I., & Prisecaru, P. (2009). Computability and economic planning. Kybernetes, 38(7/8), 1399–1408. doi:10.1108/03684920910977041

Banks, I. M. (1994). A few notes on the culture. Retrieved from Vavatch. co. uk Web site: http://www. vavatch. co. uk/books/banks/cultnote. htm.

Barbieri, F. (2013). Complexity and the Austrians. Filosofía de la Economía, 1(1), 47–69.

Bartholo, R. S., Cosenza, C. A. N., Doria, F. A., & de Lessa, C. T. R. (2009). Can economic systems be seen as computing devices? Journal of Economic Behavior & Organization, 70(1–2), 72–80.

Biesta, G. (2007). Why “what works” won’t work: Evidence-based practice and the democratic deficit in educational research. Educational theory, 57(1), 1–22.

Brooker, C. (2001). A decade of evidence-based training for work with people with serious mental health problems: progress in the development of psychosocial interventions. Journal of Mental Health, 10(1), 17–31.

Casti, J. L. (1997). Computing the uncomputable. Complexity, 2(3), 7–12.

Cockshott, P. (1988). Application of artificial intelligence techniques to economic planning. University of Strathclyde.

Copeland, J. (2007). The church-turing thesis. NeuroQuantology, 2(2).

Cottrell, A., Cockshott, P., & Michaelson, G. (2007). Cantor diagonalisation and planning. Computer Science, University of Glasgow, available at: www. dcs. gla. ac. uk/, wpc/reports/cantor. pdf (accessed December 10, 2008).

Cottrell, A., & Cockshott, W. P. (1993). Calculation, complexity and planning: the socialist calculation debate once again. Review of Political Economy, 5(1), 73–112. doi:10.1080/09538259300000005

Ewald, W. (2005). From Kant to Hilbert. OUP Oxford.

Feinstein, A. R., & Horwitz, R. I. (1997). Problems in the “evidence” of “evidence-based medicine.” The American journal of medicine, 103(6), 529–535.

Gaus, G. F. (2006). Hayek on the evolution of society and mind. The Cambridge Companion to Hayek. doi:10.1017/CCOL0521849772.013

Hayek, F. A. (1945). The use of knowledge in society. The American economic review, 35(4), 519–530.

Hayek, F. A. (1948). Individualism and economic order. University of chicago Press.

Hayek, F. A. (1953). The counter-revolution of science.

Hayek, F. A. (1964). The theory of complex phenomena. The critical approach to science and philosophy, 332–349.

Hayek, F. A. (2013). The constitution of liberty: The definitive edition (Vol. 17). Routledge.

Head, B. W. (2010). Reconsidering evidence-based policy: Key issues and challenges. Policy and Society, 29(2), 77–94. doi:10.1016/j.polsoc.2010.03.001

Head, B. W., & Alford, J. (2015). Wicked problems: Implications for public policy and management. Administration & Society, 47(6), 711–739.

Heinlein, R. A. (2014). Beyond This Horizon. Baen Publishing Enterprises.

Kilpatrick, H. E. (2001). Complexity, spontaneous order, and Friedrich Hayek: Are spontaneous order and complexity essentially the same thing? Complexity, 6(4), 16–20. doi:10.1002/cplx.1035

Koppl, R. (2000). Policy implications of complexity: An Austrian perspective. The complexity vision and the teaching of economics, 97–117.

Koppl, R. (2009). Complexity and Austrian economics. Chapters.

Lange, O. (1936). On the economic theory of socialism: part one. The review of economic studies, 4(1), 53–71.

Lange, O. (1937). On the economic theory of socialism: part two. The Review of Economic Studies, 4(2), 123–142.

Lawvere, F. W. (1969). Diagonal arguments and cartesian closed categories. In Category theory, homology theory and their applications II (pp. 134–145). Springer.

Le Guin, U. K. (2015). The dispossessed. Hachette UK.

Mirowski, P. (2002). Machine dreams: Economics becomes a cyborg science. Cambridge University Press.

Murphy, R. (2006). Cantor’s diagonal argument: An extension to the socialist calculation debate. The Quarterly Journal of Austrian Economics, 9(2), 3–11. doi:10.1007/s12113-006-1006-0

Nutley, S. M., Smith, P. C., & Davies, H. T. (2000). What works?: Evidence-based policy and practice in public services. Policy Press.

Pawson, R. (2006). Evidence-based policy: a realist perspective. Sage.

Practice, A. P. T. F. on E.-B. (2006). Evidence-based practice in psychology. The American Psychologist, 61(4), 271.

Rosser, J. B. (1999). On the complexities of complex economic dynamics. Journal of economic Perspectives, 13(4), 169–192.

Saltelli, A., & Giampietro, M. (2017). What is wrong with evidence based policy, and how can it be improved? Futures, 91, 62–71. doi:10.1016/j.futures.2016.11.012

Sunstein, C. R. (2003). Terrorism and Probability Neglect. Journal of Risk and Uncertainty, 26(2–3), 121–136. doi:10.1023/A:1024111006336

Sutherland, W. J., Pullin, A. S., Dolman, P. M., & Knight, T. M. (2004). The need for evidence-based conservation. Trends in ecology & evolution, 19(6), 305–308.

Vaughn, K. I. (1999). Hayek’s theory of the market order as an instance of the theory of complex, adaptive systems. Journal des économistes et des études humaines, 9(2–3), 241–256.

Velupillai, K. V. (2017). Algorithmic Economics: Incomputability, Undecidability and Unsolvability in Economics. In The Incomputable (pp. 105–120). Springer, Cham. doi:10.1007/978-3-319-43669-2_7

Vriend, N. J. (2002). Was Hayek an Ace? Southern Economic Journal, 68(4), 811–840. doi:10.2307/1061494

Williamson, J. (1990). With Folded Hands. Radio Yesteryear.